ABOUT RELY-MEASURE
您的当前位置:主页 > 使用说明 >

新消息!BT-2900丹东百特粒径测试仪测量结果失真维修

发布时间:2020-09-08 05:53 作者:千亿app

  BT-2900丹东百特粒径测试仪测量结果失真维修区分基站架构对于gNB一致性测试也势在必行。这会影响执行一致性测试的方式。基站变得越来越集成。1-O和2-O型基站架构(例如在小型小区中使用的架构)限制了对天线端口的访问。这些架构使得在低频和毫米波频率下都无法进行连接的测量。他们需要辐射测试方法。1-H基站虽然集成程度不高,但也需要进行一些空中测量。表2提供了3GPP的四种基站配置的测试方法。3GPP基站配置表23GPP基站配置和相关测试方法5G设备的一致性测试与基站相比,设备的一致性测试更为广泛。首先,除了3GPP之外,还有更多的认证机构参与其中,包括全球认证论坛(GCF)和PCS类型认证审查委员会(PTCRB)。GCF管理除北美以外所有地区的一致性测试的认证和确认过程。

  PTCRB是蜂窝电信和互联网协会(CTIA)的一部分,负责北美地区的这一流程。这些组织采用3GPP规范,并将其精简为基本且实用的测试套件。他们还管理测例的验证和执行测试服务的测试实验室的认证。设备一致性过程涉及由这些实体认证的测试机构,它们按照标准和经过验证的测例执行测试。这些机构必须针对相关地理区域验证所有测试设备和测例,以便对5G设备进行一致性测试。一致性测试既昂贵又费时。如果设备未通过测试,则很可能会错过市场窗口。除了一致性测试外,许多MNO还需要补充测试,以确保设备不会破坏其网络并提供高用户体验。这些测试称为运营商验收测试,并因网络运营商而异。今年,包括AT&T和NTTDoCoMo在内的多家运营商已经发布了他们的5G接受计划。

  射频设备一致性测试设备的一致性测试涵盖了RF,协议以及两者之间的交互的测试-无线电资源管理(RRM)。射频测试涵盖了设备射频子系统的基本物理原理。这些测试(表3)包括发射器特性,例如发射功率,信号质量和频谱发射,以确保设备产生足够的功率,成为一个良好的邻居并提供良好的传输链路。接收器测试可确保设备不想要的信号并评估整体系统灵敏度。设备一致性测试还包括互操作性和性能测试,这些测试评估物理通道行为,但不评估虚拟或逻辑通道。RRM设备一致性测试RRM测试(表5)与切换等活动有关。这些测试对于5G在波束管理中将波束从一个天线切换到另一个天线G与传统无线电接入网络之间的双重连接以及独立选项2。

  极大地提高了RRM的复杂性。RRM测试可确保告知无线电操作方法,并在管理无线电资源时完成任务。一致性测试环境的OTA注意事项5G代表了带有空中(OTA)测试的商业移动通信的范式转变。该声明对于一致性测试尤其如此。以前几代几乎所有的设备一致性测试都是使用电流连接进行的。现在,所有mmWave一致性测试都必须在OTA测试设置中进行管理。在通信系统中放置测试点过去很容易。由于高度集成,情况已不再如此。对于许多gNB和5G设备,无法进行电缆测试。必须使用天线在消声室内扩展校准平面。在基站前端,只能使用OTA方法在辐射接口边界(RIB)上测试1-O和2-O型基站。它们的集成限制了对天线端口和连接的测量的访问。

  与通过电缆进行测试相比,通过空中进行测试要更加费力,因为它更加复杂。测试在消声室内进行。此测试环境会影响准确性和功率水平。对于设备,还有其他注意事项。一个关键方面是测试类型,因为它会影响OTA方法的选择。根据一致性测试的类型,需要使用不同类型的腔室。例如:RF测试需要间接远场(IFF)方法(图4)。针对多个到达角(AoA)的RRM测试需要具有多个探头天线的直接远场(DFF)方法(图5)。使用单个AoA进行协议测试也需要DFF方法(图6)。DFFOTA测试方法提供了被测设备与探头天线之间的直接链接。IFF方法使用探针天线和设备之间的抛物线反射器进行物理转换,从而提供较短的路径长度。您可以在5GOTA测试中查看5GOTA测试的关键概念和定义:关键概念和定义。

  使5G成为主流自2012年开始研究以来,5G技术已经走了很长一段路。该技术已进入其生命周期的关键阶段。特定地区的消费者正在体验5G。2020年将启动40多个网络。版本15将于2019年中期完成。尽管许多一致性测试正在终确定中,并且该标准的未来版本中将出现新的一致性测试,但3GPP已在5G方面完成了重要的工作-足以使工作进展顺利。5G主流即将到来。业界的重点已经转移到一致性和验收测试上。这些测试对于扩展5G是必不可少的,也是必不可少的。他们还提出了重大的技术和业务挑战。粒度分析仪从大型且过时的“印刷线路板”到当今在高密度互连(HDI)粒度分析仪,IC基板(ICS)等上的细线设计的演变,已经经历了从手动组装到制造的过程。

  高度自动化的生产。随着制造技术的进一步发展,工艺变得越来越复杂,包括检查和整形缺陷的能力,这些缺陷曾经会导致面板报废。对于粒度分析仪制造行业来说,利用人工智能(AI)并优化生产工艺以及终优化整个粒度分析仪制造设施的机会正在涌现。粒度分析仪制造通常依赖多年积累知识的专家。这些专家非常了解和理解制造过程的每个步骤。他们了解如何利用他们的知识来优化生产和提高产量。人为的限制(包括错误和疲劳)阻碍了这些专家的成就。操作员的错误或对粒度分析仪缺陷的错误识别(“错误警报”)可能会由于过度处理而影响良率,甚至会损害粒度分析仪本身。通过将AI集成到制造过程中(图1),机器可以通过接管某些“学习的”任务来增加价值。

  而人类专家继续承担更复杂的任务,这些任务需要在优化和“训练”人工智能系统的同时进行思考和互动。人与人工智能的这种结合提高了整体效率和运营,是AI专家系统的机会。粒度分析仪工厂图1AI可以帮助粒度分析仪工厂提高质量。人工智能与工业4.0粒度分析仪制造的未来是一家拥有完全集成的Industry4.0系统的工厂,该系统在全球和制造系统级别具有AI。“全局”级别包括工厂中的所有系统,而不仅仅是单个制造系统。工业4.0提供了自动化和数据交换基础结构,可实现实时生产分析,双向通信和数据共享,可追溯性以及按需数据分析。在任何特定的工厂内,AI都可以使用从各种制造系统和机器获取的数据来改进流程,这些数据是通过工业4.0机制(例如可追溯性。

  双向通信)收集的。工厂之所以受益,是因为AI分析了大量的系统范围数据以优化工厂设置参数并实现水平的生产率和良率。人工智能分析和自我学习正在进行中,并通过人工神经网络进行。几年之内,它将消除人工操作人员的干预,并导致建立全自动工厂。这种新的粒度分析仪制造模型的要求将包括所有工厂系统的完全连接以及AI作为监视和决策机制。当前,存在专有和技术挑战,这些问题限制了粒度分析仪工厂的完全自动化,因此,如今,AI已尽可能地添加到单个系统中,例如自动光学检查(AOI)解决方案。将生产设施移向全球AI模型的优势包括,可以更可靠地通知粒度分析仪缺陷-“真实缺陷”,并具有反馈环的巨大优势,该反馈环可以识别问题的根源。


千亿app
Copyright © 2018 千亿app All Rights Reservrd 版权所有 技术支持:捷搜网络
网站部分图片来自互联网,如有侵权,请及时通知,我们会及时更换!