企业官网建设流程全解析

做硬件测试的朋友应该都有这种感触：每次测 M-PHY 信号，都要反复调整示波器参数、手动寻找测量点、一次一次导出波形再判定合格性，遇到 PAM4 信号之后，这种重复劳动更是成倍增加。PAM4 每个电平都有独立的眼高、眼宽、电平误差，人工去拉标尺、读参数，效率低不说，还容易读错。最近在梳理 M-PHY v6.0 测试方案时，我把整套自动化测试流程重新走了一遍，从硬件连接到脚本控制、从参数测量到报告生成都做了闭环验证。这篇文章就围绕这套方案展开，适合正在做 M-PHY 一致性测试、PAM4 信号调试，或者想把手动示波器操作改造成自动化脚本的开发者参考。

在开始之前先说明一点：本文不会只给结论，而是把为什么要用自动化测试、PAM4 相比 NRZ 的测试难点在哪里、整个自动化脚本的框架怎么搭、每个关键命令起到什么作用都拆开讲。不管你是测试工程师、嵌入式硬件工程师，还是想往“硬件测试自动化”方向转的软件开发，都可以按本文步骤在自己环境中复现一遍。

1. M-PHY v6.0 与 PAM4 测试到底在测什么

1.1 M-PHY 是什么

M-PHY 是 MIPI 联盟定义的物理层串行接口标准，广泛用于移动终端的存储、显示、相机等高速数据传输场景。它和常见的 USB、PCIe 定位不同，M-PHY 更强调低功耗、低电磁干扰和灵活的速率配置，在手机、平板、车载娱乐系统里非常常见。

M-PHY 的速率不是固定的，而是通过不同 Gear（速率档位）和不同配置来组合。比如 Gear1、Gear2、Gear3、Gear4，每一档对应不同的线速率，实际工作中会根据应用场景自动切换。对于测试来说，这意味着同一套测试环境往往要覆盖多个速率点，手动测试的工作量会成倍增加。

1.2 v6.0 版本引入了什么新变化

M-PHY 规范从早期版本一路演进到 v6.0，最核心的变化之一就是引入了 PAM4 调制方式。传统 M-PHY 使用 NRZ（Non-Return-to-Zero）编码，每个符号只携带 1 bit 信息，信号只有高低两个电平。而 PAM4（Pulse Amplitude Modulation 4-Level）使用四个电平，每个符号可以携带 2 bit 信息。

在同样的波特率下，PAM4 能实现两倍于 NRZ 的数据吞吐量。这对 UFS（Universal Flash Storage）等需要大带宽的场景非常重要。

但代价也很直接：

• 信号的信噪比预算变差。
• 眼图从“一个大眼睛”变成“三个堆叠的眼”，眼高、眼宽的定义更复杂。
• 电平之间容易出现非线性，需要单独测量每个电平的误差。
• 时钟恢复、均衡器的配置对测量结果影响更大。

所以到了 v6.0 时代，M-PHY 测试不再只是把示波器接上、按下 AUTO SET 就能完成的。它需要一套可控、可重复、可追溯的测试流程，而自动化测试正好是解决这个问题的手段之一。

1.3 PAM4 信号测试的核心指标

在写自动化方案之前，先列出 PAM4 测试中常用的测量项，后文的脚本也会围绕这些参数展开：

手动测试时，这些指标分散在示波器的不同菜单里，读一遍可能要几分钟。自动化方案要做的，就是一次采集，把这些参数全部算出来，再根据规范限值自动判定合格与否。

2. 手动测试的痛点：为什么 PAM4 让效率问题彻底暴露

2.1 传统 NRZ 测试还能“忍忍”

如果是 NRZ 信号，测眼图相对直接：示波器设置成眼图模式，选好时钟恢复方式，等波形累积到一定数量，直接读眼高、眼宽、抖动就行。整个流程虽然也要配置，但参数少，工程师凭经验就能快速完成。

2.2 PAM4 测试的参数组合爆炸

PAM4 信号测试就不一样了：

• 需要针对 Upper Eye、Middle Eye、Lower Eye 分别测量。
• 需要设置电平判决阈值，不同阈值下眼图参数不同。
• 时钟恢复可能要用到 PLL 带宽设置，不同设置影响抖动测量结果。
• 均衡器开不开、均衡系数是多少，也会显著改变眼图形态。

这意味着一次完整的 PAM4 测试，可能涉及几十个参数组合。手动在示波器面板上一组一组地配，效率非常低。

2.3 手动操作的一致性无法保证

手动测试还有一个隐蔽的问题：不同工程师操作示波器时，旋钮、菜单、测量区域的选择都可能略有差异。A 工程师测出来的眼高和 B 工程师测出来的眼高，可能相差几个毫伏。这种差异在报告审核时非常头疼，因为没有人能确认哪一组数据是“标准操作”的结果。

自动化测试可以规避这个问题。脚本固定了所有测量参数，不管谁来跑，只要脚本不变、环境不变，结果就具有可重复性。

2.4 回归测试需求放大了效率差距

芯片验证和产品量产阶段，经常要跑回归测试：

• 修改了发送端驱动电路，要重新测全速率档位。
• 换了 PCB 走线，要对比修改前后的眼图参数。
• 固件更新了均衡器配置，要跑同一组用例确认没有劣化。

手动测试在这种回归场景下几乎不可行。一次全量回归涉及的用例数量很多，只有脚本化、自动化才能真正落地。

3. 自动化测试环境准备：硬件、软件与连接拓扑

3.1 测试系统组成

一套完整的 M-PHY v6.0 PAM4 自动化测试系统通常由以下部分组成：

被测设备（DUT） ↓ 差分信号线 / 探针 测试夹具或探针台 ↓ SMA / 电缆 高带宽实时示波器 ↑ 控制命令 自动化测试电脑（安装测试软件 + Python 环境） ↓ 报告输出 测试报告（HTML / CSV / Excel）

这里有一个关键点：示波器不仅是被测信号的采集设备，也是自动化测试的核心仪器。脚本通过标准 SCPI 命令控制示波器完成配置、采集、测量、导出等全部动作。

3.2 示波器的选型思路

M-PHY v6.0 的最高速率档位已经非常快，测试 PAM4 信号时，示波器带宽至少要覆盖被测信号基波的若干倍，否则测出来的眼图会严重失真。

选型时要关注几个参数：

• 模拟带宽：建议不低于被测信号最高基波频率的 3 到 5 倍，具体倍数可参考 MIPI 一致性测试规范中的要求。
• 采样率：至少要满足眼图测量的过采样要求，否则水平方向的测量精度不够。
• 通道数：M-PHY 是差分信号，至少要两个通道同时采集正负端。
• 本底噪声：PAM4 对噪声更敏感，示波器本底噪声过高会直接影响眼高测量结果。

由于不同厂商、不同型号示波器的实际性能和接口命令有差异，本文示例以常见的支持 SCPI 命令控制的高带宽实时示波器为例，具体型号请根据你的项目实际情况调整。

3.3 软件环境

自动化脚本我习惯用 Python 来写，主要原因是生态成熟、上手快，而且可以方便地结合 pandas、openpyxl 等库做测试报告生成。

推荐环境：

操作系统：Windows 10/11 或 Linux Python：3.8 及以上 依赖库：pyvisa、numpy、pandas、openpyxl VISA 后端：NI-VISA 或 Keysight IO Libraries Suite

如果你的电脑上还没有 pyvisa，可以通过 pip 安装：

pip install pyvisa numpy pandas openpyxl

需要注意，pyvisa 只是一个编程接口，它需要配合底层的 VISA 后端才能和示波器通信。Windows 下建议安装 NI-VISA 或 Keysight IO Libraries Suite，安装完成后，先用厂商提供的 Connection Expert 软件确认电脑能识别到示波器，再运行 Python 脚本。

3.4 仪器连接与地址确认

示波器和电脑常见的连接方式是：

• 网线连接：通过 LAN 口连接，适合脚本自动化。
• USB 连接：通过 USB-TMC 接口连接，适合单台仪器的临时调试。
• GPIB 连接：较老式仪器常用，现在新设备已经很少保留 GPIB 接口。

连接完成后，用下面的小脚本扫描仪器地址：

import pyvisa rm = pyvisa.ResourceManager() print(rm.list_resources())

如果输出类似TCPIP0::192.168.1.100::inst0::INSTR这样的地址，说明仪器已经被电脑识别到了。把这个地址保存下来，后面所有控制脚本都基于它来通信。

4. PAM4 自动化测试方案的整体设计

4.1 自动化测试流程

整套自动化测试流程可以拆成下面几个步骤：

1. 连接仪器：建立 VISA 会话，复位仪器到默认状态。 2. 设置采集参数：根据测试规范配置示波器的采样率、存储深度、垂直刻度、水平时基。 3. 配置通道与触发：选择差分通道，设置触发电平。 4. 配置时钟恢复：选择与规范一致的时钟恢复方式。 5. 配置 PAM4 分析参数：设置电平数、判决阈值、均衡器参数。 6. 触发采集并等待波形稳定。 7. 执行测量：逐项读取眼高、眼宽、电平误差、抖动等参数。 8. 记录结果：将数据保存到 CSV 或 Excel。 9. 判定合格：对照规范限值生成 PASS/FAIL 结论。 10. 生成测试报告：输出 HTML 报告，便于归档和评审。

这个流程看起来简单，但每一步都有细节。比如时钟恢复配置如果和规范不一致，测出来的抖动数据直接不可信；通道垂直刻度如果设置不当，PAM4 信号可能削顶或太小，影响眼高测量。

4.2 为什么要用 SCPI 命令控制示波器

SCPI（Standard Commands for Programmable Instruments）是仪器控制领域的通用标准命令集。它的特点是命令可读性好、跨厂商兼容性好。

例如：

*RST

表示复位仪器。

:ACQuire:TYPE EYE

表示将采集模式设置为眼图模式。

:MEASure:EYE:HEIGht?

表示查询眼高测量结果。

不同厂商可能在一些高级测量命令上有私有扩展，但基础命令基本遵循 SCPI 标准。所以用 Python + pyvisa 发送 SCPI 命令，是目前最通用的示波器自动化控制方式。

4.3 项目目录设计

为了方便后续扩展，把整个自动化项目按模块拆分：

mphy_pam4_auto_test/ ├── config/ │ └── test_config.yaml # 测试参数配置 ├── core/ │ ├── instrument.py # 示波器控制封装 │ ├── measurement.py # 测量项执行 │ └── report.py # 报告生成 ├── scripts/ │ ├── run_all_tests.py # 主入口脚本 │ └── quick_check.py # 快速连通性检查 ├── results/ │ ├── raw_data/ # 原始测量数据 │ └── reports/ # HTML 报告 └── requirements.txt

这种结构的好处是：配置和代码分离，换一台被测设备时只需要改配置文件，不需要改代码；测量逻辑封装成独立模块，后续新增测量项时影响面小。

5. 核心代码实现：从仪器控制到报告生成

5.1 示波器控制封装

先封装一个基础的示波器控制类，统一管理连接、断开和命令收发。

# 文件路径：core/instrument.py import pyvisa import time class Oscilloscope: def __init__(self, resource_address, timeout=30000): self.rm = pyvisa.ResourceManager() self.instr = self.rm.open_resource(resource_address) self.instr.timeout = timeout self.instr.encoding = "latin1" def write(self, command: str): """发送写命令，不读取返回值。""" self.instr.write(command) def query(self, command: str): """发送查询命令并读取返回值。""" return self.instr.query(command).strip() def reset(self): """复位仪器，清除之前的配置和测量结果。""" self.write("*RST") time.sleep(2) def clear_status(self): self.write("*CLS") def wait_for_operation_complete(self): """等待仪器当前操作完成。""" self.query("*OPC?") def close(self): self.instr.close()

这里有几个细节说明：

• timeout设置为 30000 毫秒，是因为 PAM4 眼图采集有时需要较长时间，如果超时时间太短，脚本会提前抛异常。
• encoding="latin1"是为了兼容部分示波器返回二进制数据时的字符编码问题。
• *RST之后加了time sleep，给仪器留出复位后的初始化时间。

5.2 加载测试配置

使用 YAML 格式管理测试参数，好处是结构清晰、容易修改。

# 文件路径：config/test_config.yaml instrument: address: "TCPIP0::192.168.1.100::inst0::INSTR" acquisition: sample_rate: 128e9 memory_depth: 200e6 horizontal_scale: 1e-9 vertical_scale: 150e-3 channels: positive: "1" negative: "2" voltage_range: 0.3 clock_recovery: enabled: true pll_bandwidth: 4e6 reference_rate: 9.6e9 pam4: levels: 4 eye_measurement: ["upper", "middle", "lower"] equalizer_enabled: false limits: eye_height_min_mv: 50.0 eye_width_min_ps: 12.0 level_error_max_percent: 5.0

注意：具体的采样率、存储深度、时钟恢复参考频率，要以你的被测信号速率和 MIPI 一致性测试规范为准。上面配置只是示例框架。

读取配置的代码：

# 文件路径：core/config_loader.py import yaml def load_config(path="config/test_config.yaml"): with open(path, "r", encoding="utf-8") as f: config = yaml.safe_load(f) return config

5.3 配置示波器采集参数

下面这段代码把 YAML 中的采集参数下发到示波器。

# 文件路径：core/measurement.py import time def configure_acquisition(scope, config): """配置采集模式、采样率、存储深度、时基和垂直刻度。""" acq = config["acquisition"] # 设置为眼图采集模式 scope.write(":ACQuire:TYPE EYE") scope.write(f":ACQuire:SRATe {acq['sample_rate']}") scope.write(f":ACQuire:MDEPth {acq['memory_depth']}") scope.write(f":TIMebase:RANGe {acq['horizontal_scale']}") # 设置垂直刻度 ch = config["channels"] scope.write(f":CHANnel{ch['positive']}:RANGe {ch['voltage_range']}") scope.write(f":CHANnel{ch['negative']}:RANGe {ch['voltage_range']}") time.sleep(1) def configure_clock_recovery(scope, config): """配置时钟恢复参数。""" cr = config["clock_recovery"] if not cr["enabled"]: return # 不同的示波器时钟恢复命令差异较大，这里给出常见形式 scope.write(":EYE:CRECovery:SOURce CHANnel1") scope.write(f":EYE:CRECovery:PLL:BANDwidth {cr['pll_bandwidth']}") scope.write(f":EYE:CRECovery:REFerence {cr['reference_rate']}") time.sleep(1)

这里特别提醒一下：时钟恢复的 SCPI 命令在不同品牌、不同代际的示波器上差异比较明显。上面这组命令表达的是“配置 PLL 带宽和参考速率”的思路，实际使用时请查询你所使用示波器的编程手册，把命令替换成对应仪器支持的写法。

5.4 执行 PAM4 测量

PAM4 测量的核心是让示波器分别计算 Upper、Middle、Lower 三个眼的参数。不同示波器的实现方式可能不同，有的是通过设置测量区域，有的是通过内置的 PAM4 分析功能。

一个比较通用的思路是：

1. 先开启 PAM4 分析模式。
2. 让示波器自动识别四个电平。
3. 分别读取三个眼的眼高、眼宽。
4. 读取电平误差。
5. 读取抖动。

示例代码如下：

# 文件路径：core/measurement.py def enable_pam4_mode(scope): """开启 PAM4 测量模式。""" # 该命令在不同示波器上差异较大，这里以常见写法演示思路 scope.write(":MEASure:PAM4:ENABle ON") scope.write(":MEASure:PAM4:STATes 4") def measure_eye_height(scope, eye_level): """ 测量指定 level 的眼高。 eye_level: "upper", "middle", "lower" """ result = scope.query(f":MEASure:PAM4:EYE:HEIGht? {eye_level}") return float(result) def measure_eye_width(scope, eye_level): """测量指定 level 的眼宽。""" result = scope.query(f":MEASure:PAM4:EYE:WIDTh? {eye_level}") return float(result) def measure_level_error(scope): """测量 PAM4 电平误差。""" result = scope.query(":MEASure:PAM4:LEVel:ERRor?") return float(result) def measure_jitter(scope): """测量总抖动。""" result = scope.query(":MEASure:PAM4:JITTer?") return float(result)

如果你使用的示波器不支持:MEASure:PAM4:*这类高级命令，还有一个备选方案：先在设备上手动配置 PAM4 分析，然后开启自动测量，最后通过示波器的自动化接口读取屏幕上已经显示的测量值。这种做法相当于“用脚本读面板数据”，虽然集成度低一些，但在许多老型号仪器上是可行的。

5.5 采集波形数据并保存

除了读取测量参数，通常还希望把原始波形保存下来，方便后续复现和分析。

# 文件路径：core/measurement.py import numpy as np def fetch_waveform(scope, channel="1", max_points=10000): """ 从指定通道读取波形数据。 返回 (时间数组, 电压数组) """ scope.write(":WAVeform:SOURce CHANnel" + channel) scope.write(f":WAVeform:POINts {max_points}") scope.write(":WAVeform:FORMat BYTE") data = scope.query_binary_values(":WAVeform:DATA?", datatype="b") t_start = float(scope.query(":WAVeform:XORigin?")) t_incr = float(scope.query(":WAVeform:XINCrement?")) y_origin = float(scope.query(":WAVeform:YORigin?")) y_incr = float(scope.query(":WAVeform:YINCrement?")) t = t_start + np.arange(len(data)) * t_incr v = y_origin + np.array(data) * y_incr return t, v

这里要注意，示波器返回波形数据时，不同仪器的字节格式可能有差异。有的返回BYTE类型，有的返回WORD类型，还有的返回 ASCII 字符串。上面示例用的是BYTE类型，如果你的示波器报错或数据明显不对，可以改成WORD并配合datatype="h"读取。

5.6 合格性判定

拿到测量值之后，需要和规范限值做比较，输出 PASS 或 FAIL。

# 文件路径：core/measurement.py def check_limits(measurements, limits): """ 根据限值配置判定测试结果。 measurements: dict，例如 {"upper_eye_height_mv": 80.2} limits: dict，来自 YAML 配置 """ results = {} upper_height_mv = measurements.get("upper_eye_height_mv") if upper_height_mv is not None: results["upper_eye_height"] = upper_height_mv >= limits["eye_height_min_mv"] upper_width_ps = measurements.get("upper_eye_width_ps") if upper_width_ps is not None: results["upper_eye_width"] = upper_width_ps >= limits["eye_width_min_ps"] level_error_percent = measurements.get("level_error_percent") if level_error_percent is not None: results["level_error"] = level_error_percent <= limits["level_error_max_percent"] results["overall"] = all(results.values()) return results

这里体现了一个重要的测试思路：不要只输出一个总 PASS/FAIL，要保留每一项的判定结果。否则遇到失败时，你无法快速定位是哪一项指标超限。

5.7 主控脚本

最后串起来的运行脚本如下：

# 文件路径：scripts/run_all_tests.py import sys import os sys.path.insert(0, os.path.abspath(os.path.join(os.path.dirname(__file__), ".."))) import pandas as pd from core.instrument import Oscilloscope from core.config_loader import load_config from core.measurement import ( configure_acquisition, configure_clock_recovery, enable_pam4_mode, measure_eye_height, measure_eye_width, measure_level_error, measure_jitter, check_limits, ) from core.report import generate_html_report def main(): config = load_config("config/test_config.yaml") scope = Oscilloscope(config["instrument"]["address"]) scope.reset() scope.clear_status() # 1. 基础配置 configure_acquisition(scope, config) configure_clock_recovery(scope, config) # 2. 开启 PAM4 模式 enable_pam4_mode(scope) # 3. 等待波形稳定 scope.wait_for_operation_complete() # 4. 执行测量 measurements = { "upper_eye_height_mv": measure_eye_height(scope, "upper"), "middle_eye_height_mv": measure_eye_height(scope, "middle"), "lower_eye_height_mv": measure_eye_height(scope, "lower"), "upper_eye_width_ps": measure_eye_width(scope, "upper"), "middle_eye_width_ps": measure_eye_width(scope, "middle"), "lower_eye_width_ps": measure_eye_width(scope, "lower"), "level_error_percent": measure_level_error(scope), "jitter_ps": measure_jitter(scope), } # 5. 合格性判定 results = check_limits(measurements, config["limits"]) # 6. 保存原始数据 df = pd.DataFrame([measurements]) os.makedirs("results/raw_data", exist_ok=True) df.to_csv("results/raw_data/measurements.csv", index=False) # 7. 生成报告 generate_html_report(measurements, results, "results/reports/report.html") scope.close() print("测试完成，报告已生成。") print(results) if __name__ == "__main__": main()

整个流程很直观：连接仪器 → 复位 → 配置 → 采集 → 测量 → 判定 → 存数据 → 出报告。脚本写完后，后续跑回归测试只需要在命令行执行一次：

python scripts/run_all_tests.py

运行成功后，终端会输出：

测试完成，报告已生成。 {'upper_eye_height': True, 'upper_eye_width': True, 'level_error': True, 'overall': True}

如果你的 DUT 信号质量比较好，大概率所有判定项都是True。如果有False出现，说明对应指标不合格，需要回到硬件设计或测试配置上去排查。

6. 测试报告生成：从数据到可交付文档

6.1 为什么需要自动生成报告

测试报告不只是给工程师自己看的，还要给项目经理、客户、认证机构看。一份规范的报告应该包含：

• 被测器件信息。
• 测试环境信息。
• 测试日期和操作人员。
• 每一项测量值和限值的对比。
• PASS/FAIL 结论。
• 原始波形截图或数据文件位置。

手动填这些内容非常耗时，而且容易漏项。自动化生成报告可以保证每次测试的格式一致，数据直接从测量结果中写入，避免转抄错误。

6.2 简单的 HTML 报告生成

这里用纯 Python 生成一个简单的 HTML 报告，不依赖额外框架。

# 文件路径：core/report.py import datetime def generate_html_report(measurements, results, output_path): now = datetime.datetime.now().strftime("%Y-%m-%d %H:%M:%S") rows = "" for key, value in measurements.items(): status = "PASS" if results.get(key, False) else "FAIL" color = "green" if status == "PASS" else "red" rows += f""" <tr> <td>{key}</td> <td>{value}</td> <td style="color:{color}; font-weight:bold;">{status}</td> </tr> """ html_content = f""" <html> <head> <meta charset="utf-8"> <title>M-PHY v6.0 PAM4 自动化测试报告</title> <style> body {{ font-family: Arial, sans-serif; margin: 40px; }} h1 {{ color: #333; }} table {{ border-collapse: collapse; width: 100%; }} th, td {{ border: 1px solid #ccc; padding: 8px; text-align: left; }} </style> </head> <body> <h1>M-PHY v6.0 PAM4 自动化测试报告</h1> <p>生成时间：{now}</p> <p>整体结论：<strong style="color:{'green' if results.get('overall') else 'red'};"> {'PASS' if results.get('overall') else 'FAIL'}</strong></p> <table> <tr> <th>测量项</th> <th>测量值</th> <th>判定</th> </tr> {rows} </table> </body> </html> """ with open(output_path, "w", encoding="utf-8") as f: f.write(html_content)

跑完测试后，直接打开results/reports/report.html就能看到完整报告。如果需要更正式的格式，可以把数据继续导出到 Excel，再用固定模板生成 Word 或 PDF，但核心思路是一样的。

7. 自动化测试中的常见问题与排查思路

在实际搭建这套自动化测试环境时，最容易遇到下面这些问题。

7.1 连接失败时怎么排查

连接失败是最常见的问题。按这个顺序检查：

1. 电脑和示波器能否互相 ping 通？如果网络不通，先解决网络问题。
2. 厂商软件里能不能看到仪器？如果厂商软件都看不到，说明 VISA 驱动或网络配置有问题。
3. Python 脚本中列出的资源和厂商软件是否一致？有时候同仪器会暴露多个地址，要用正确的那个。
4. 是否有其他程序占用了仪器连接？比如厂商软件正在连接仪器，Python 脚本再连可能会失败。

7.2 测量结果不稳定怎么排查

如果连续跑两次测试，结果差异很大，优先检查：

• 波形是否真的稳定了？有些示波器在触发点附近没有足够的波形累积时，眼图会看起来“缺肉”，这时候测出来的眼高和眼宽都偏小。
• 信号路径是否一致？换过线缆、探针之后，测试结果可能会有明显变化。
• 被测设备是否处于相同的配置状态？比如 UFS 设备处于不同功耗模式时，信号质量可能不同。

7.3 不要忽略示波器选件的影响

PAM4 分析在很多示波器上属于选件功能。如果你的仪器没有安装对应选件，面板上可能没有 PAM4 分析菜单，程序中的:MEASure:PAM4:*命令也会执行失败。

这种情况下有两种处理方式：

• 联系仪器厂商开通选件试用。
• 退而求其次，用传统的 NRZ 眼图测量方式分别测三个电平区间，但要注意这并不能完全替代真正的 PAM4 分析。

8. 最佳实践：把自动化测试真正落地到项目中

8.1 先做出“最小可行版本”

不要一上来就追求全自动、全量用例、花哨报告。先实现一个最小可行版本：连上仪器、配置一次采集、读取三项参数、输出一行结果。这个版本能在半天到一天内跑通，它最大的价值是验证整体链路是否可行。

链路通顺之后，再逐步增加新的测量项、新速率档位、更完整的报告模板。

8.2 配置文件与代码分离

M-PHY 测试要覆盖多个 Gear 速率，每个速率下的采样率、参考速率、时基可能都不一样。把这些差异放到 YAML 配置文件中，用--config参数指定不同配置文件，要比修改代码逻辑优雅得多。

例如：

python scripts/run_all_tests.py --config config/mphy_gear4.yaml python scripts/run_all_tests.py --config config/mphy_gear5.yaml

8.3 原始数据必须存档

测量结果可以一键生成，但原始波形数据同样重要。遇到争议时，原始波形是唯一能还原现场的证据。建议每次测试都保存一份原始波形文件，文件名包含测试日期、速率档位、用例编号。

8.4 异常处理要提前设计

示波器测试过程中可能出现各种异常：

• 信号未连接，波形是平的，测量结果毫无意义。
• 信号幅度异常，导致削顶或触发失败。
• 仪器长时间不响应，脚本卡死。

脚本里应该加入基础保护逻辑：

• 测量前检查波形是否有效。
• 每个命令执行后设置超时。
• 异常时保存日志，方便定位。

下面是一段简单的检查思路：

def check_signal_valid(scope, channel="1"): """检查通道是否有有效波形。""" amplitude = float(scope.query(f":MEASure:VAMPlitude? CHANnel{channel}")) if amplitude < 1e-6: raise RuntimeError(f"通道 {channel} 无有效信号，请检查连接。") return amplitude

8.5 对自动化测试保持合理的预期

硬件自动化测试的价值是“把人从重复劳动中解放出来”，但并不能完全取代测试工程师的判断。

举个例子：眼高指标 FAIL，可能是 DUT 本身信号质量不好，也可能是示波器垂直刻度太小引入了量化噪声。这时候需要工程师去分析是测试配置问题还是硬件设计问题。自动化测试给出的是“高可信的测量数据”，而最终决策仍然需要人来完成。

所以我在项目里经常跟团队说一句话：自动化测试把我们从“花时间测数据”中解放出来，让我们把时间花在“分析数据为什么不好”上。这才是自动化的真正意义。

9. 下一步：从脚本到测试平台

目前这套方案已经可以完成单台仪器的 PAM4 自动化测试。如果你希望把它做成一个可推广的测试平台，可以考虑下面几个方向：

• 增加多台仪器适配，用统一的测量接口屏蔽厂商差异。
• 接入 CI/CD 系统，在硬件版本更新后自动触发回归测试。
• 增加历史数据管理与趋势分析，观察信号质量随版本演进的波动。
• 结合机器学习方法，对历史测量数据做异常检测，提前发现信号劣化趋势。

M-PHY v6.0 和 PAM4 带来的测试复杂度提升是客观存在的，但通过自动化手段把测量流程固化下来之后，你会发现测试时间可以从原来的“按天计算”缩短到“按分钟计算”。希望这篇文章能帮你把这条路走通。建议你先从最小版本开始，跑通一次完整的 PAM4 测量，再逐步扩展测量项和报告模板，最终沉淀成属于自己团队的自动化测试资产。