蓝牙无线测试方法和指标

分享到:

 

蓝牙无线测试配置包括一台测试仪和被测设备(EUT, Equipment Under Test),其中测试仪作为主单元,EUT作为从单元。两者之间可以通过射频电缆相连也可以通过天线经空中传输相连。测试仪发送LMP指令,激活EUT进入测试模式,并对测试仪与EUT之间的蓝牙链路的一些参数进行配置。如测试方式是环回还是发送方式,是否需要进行跳频,分组是单时隙分组还是多时隙分组,分组的净菏是PN9,还是00001111、01010101。测试模式是一个特殊的状态,出于安全的考虑,EUT必须首先设为“Enable”状态,然后才能空中激活进入测试模式。

1.1发信机测试
(1)输出功率
测试仪对初始状态设置如下:链路为跳频,EUT置为环回(Loop back)。测试仪发射净荷为PN9,分组类型为所支持的最大长度的分组,EUT对测试仪发出的分组解码,并使用相同的分组类型以其最大输出功率将净荷回送给测试仪。测试仪在低、中、高三个频点,对整个突发范围内测量峰值功率和平均功率。规范要求峰值功率和平均功率各小于23dBm和20dBm,并且满足以下要求:如果EUT的功率等级为1,平均功率> 0dBm;如果EUT的功率等级为2,-6dBm<平均功率<4dBm;如果EUT的功率等级为3,平均功率<0dBm。
(2)功率密度
初始状态同(1),测试仪通过扫频,在240MHz频带范围内找到对应最大功率的频点,然后以此频点进行时域扫描(扫描时间为1分钟),测出最大值,要求小于20dBm/100kHz。
(3)功率控制
初始状态为环回,非跳频。EUT分别工作在低、中、高三个频点,回送调制信号为PN9的DH1分组。测试仪通过LMP信令控制EUT输出功率,并测试功率控制步长的范围,规范要求在2dB和8dB之间。
(4)频率范围
初始状态同(3),测试仪对EUT回送的净荷为PN9的DH5分组扫频测量。当EUT工作在最低频点时,测试仪找到功率密度下降为-80dBm/Hz时的频点fL;当EUT工作在最高频点时,测试仪找到功率密度下降为-80dBm/Hz时的频点fH。对于79信道的系统,要求fL、fH位于2.4~2.4835GHz范围内。
(5)20dB带宽
初始状态同(3),EUT分别工作在低、中、高三个频点,回送调制信号为PN9的DH1分组。测试仪扫频找到对应最大功率的频点,并且找到其左右两侧对应功率下降20dB时的fL和fH,20dB带宽Df = | fH - fL |,要求Df小于1MHz。
(6)相邻信道功率
初始状态同(3), EUT工作频点分别为第3信道、第39信道和第75信道,回送净荷为PN9的DH1分组。测试仪扫描整个蓝牙频段,测试各个信道的功率。要求相邻第2道的泄漏功率小于-20dBm,相邻第3道及其以上的泄漏功率小于-40dBm。
(7)调制特性
初始状态同(3), EUT分别工作在低、中、高三个频点。测试仪以所支持的最大分组长度发送净荷为11110000的分组,并对EUT回送的分组计算频率偏移的峰值和均值,分别记为Df1max 和Df1avg。测试仪以所支持的最大分组长度发送净荷为10101010的分组,并对EUT回送的分组计算频率偏移的峰值和均值,分别记为Df2max 和Df2avg,要求满足以下条件:至少99.9%的Df1max满足 140kHz< Df1max <175kHz;至少99.9%的Df2max 3115kHz;Df2avg /Df1avg 30.8。

(8)初始载波容限
EUT为环回状态,回送净荷为PN9的DH1给测试仪。测试仪先将链路置为非跳频,EUT分别工作在低、中、高三个频点,然后测试仪再将链路置为跳频。测试仪根据4个前导码计算载波频率f0,要求与标称频率fTX的差小于75kHz。
(9)载波频率漂移
初始状态同(3),EUT分别工作在低、中、高三个频点,回送调制信号为10101010的DH1/DH3/DH5分组。测试仪先根据4个前导码计算载波频率f0,然后每10比特净荷测试一次频率,其与初始载频的差为瞬时频率漂移。最后测试仪将跳频打开,重新测试所有频点下的瞬时频率漂移。瞬时频率漂移之间的差定义为漂移速率。对于DH1分组,要求每次的瞬时漂移小于25kHz,对于DH3、DH5分组,要求载波瞬时漂移小于40kHz。规范还要求载波漂移速率小于4000Hz/10μs。

1.2 收信机测试
以上介绍了蓝牙发信机的无线指标及其测试。对于收信机测试来说,所有指标的测试都是基于误比特率的统计,并且至少要统计1600000个比特。众所周知,在误帧率较大的情况下统计误比特率没有任何意义,因此,为了准确测试收信机的性能,测试仪必须能测试由以下6种情况导致的FER:CRC误差、不正确的净荷长度、同步字出错、HEC出错、EUT给MT8850A回送NACK分组、在预期的时隙内没有收到EUT发送的分组。下面介绍蓝牙收信机的测试。
(1)单时隙灵敏度
初始状态同1.1(3),EUT分别工作在低、中、高三个频点,回送调制信号为PN9的DH1分组。依照蓝牙规范的要求,测试仪控制其输出功率,以使EUT的收信功率为-70dBm。蓝牙规范允许EUT发送的射频信号具有75kHz的初始误差和40kHz的频率漂移,即总共允许有115kHz的误差。此外,还要考虑调制、符号定时等引起的误差。假如EUT的收信机性能由一个输出“完美”信号的测试仪来测试,其测试结果不足以提供冗余度来适应真正的无线传输环境,用户将得到一个关于收信机质量的错误结果。经验告诉我们,对于有扰测试,蓝牙收信机的灵敏度一般会劣化4~10dB,具体值与分组长度和蓝牙芯片种类有关。测试仪必须支持有扰发射(dirty transmitter),见表1,将干扰加入到发送的蓝牙信号中,每20ms一组,从第一组依次到第十组,再返回第一组,不断重复。此外,蓝牙基带信号还受一正弦波调制。测试仪对误码率进行统计,要求误码率BER<0.1%。此外,如果有条件的话,最好在跳频状态下再重新测试一遍。
(2)多时隙灵敏度!
类似于单时隙灵敏度的测试,不过分组类型为DH3、DH5。
(3)C/I性能
初始状态同1.1(3), EUT分别工作在低、中、高三个频点。测试仪发送的有用信号为净荷PN9的DH1分组,同时还发送净荷PN15的蓝牙干扰信号。有用信号和干扰信号的功率电平参见表2。测试仪进行误码率统计,要求BER<0.1%。
(4)阻塞性能
阻塞特性是指在其它频段存在大的干扰信号时,接收机接收有用信号的能力。初始状态同1.1(3),EUT收发频点为2460MHz(58号信道)。测试仪不仅发送净荷为PN9的DH1分组作为有用信号,而且发送频率为30MHz到12.75GHz之间的连续波干扰信号。有用信号的功率电平比参考灵敏度高3dB,参考灵敏度是指满足一定的误码率情况下,接收机可以接收的最小电平。干扰信号的电平比表3给出的大2dB。测试仪统计误码率,如果BER>0.1%,则测试仪记录此时干扰信号的频点,要求频点的个数小于24。其他条件不变,仅把干扰信号的电平降为-50dBm,测试仪记录BER>0.1%时的干扰信号的频点,要求其个数小于5个。
(5)互调性能
互调特性是指存在两个或多个跟有用信号有特定频率关系(它们的互调产物刚好落在有用信号带内)的干扰信号的情况下的接收能力。初始状态同1.1(3),EUT收发频点相同,分别为低 、中、高频点。测试仪不仅发送净荷为PN9的DH1分组作为有用信号,其功率比参考灵敏度高6dB;而且发送功率为-39dBm、频率为f1的正弦波干扰信号,以及功率为-39dBm、频率为f2的PN15调制的蓝牙干扰信号。2倍的f1与f2的差正好等于EUT的收信频点,并且f2- f1 =3MHz、4MHz或5MHz。测试仪统计误码率,要求BER〈0.1%。
(6)最大输入电平
即蓝牙接收机的饱和电平。初始状态同1.1(3),EUT工作于低、中、高频点。测试仪发送净荷为PN9的DH1分组信号,并控制其发射功率,以使EUT收信机入口处的电平为-20dBm。测试仪统计误码率,要求BER〈0.1%。
另外,收发信机均需要测试带外杂散,即依据ETS或FCC标准,测试EUT在工作状态和备用状态下,30MHz~12.75GHz频率范围内的带外杂散,包括天线传导杂散和机箱辐射杂散。
 

继续阅读
通信天线加装屏蔽罩的分析讨论

民用飞机通常利用高频(HF)通信天线进行空地之间远距离通信。早期的高频通信天线主要有拉索天线、尾帽天线、探针天线和缺口天线等形式,但均有不可克服的缺点,现代民用飞机中已基本淘汰。裂隙并馈天线较好的克服了以往天线的缺点,但是需要在飞机垂尾前缘蒙皮上开槽,从而导致电磁泄露进垂尾结构内部,可能导致垂尾内部电磁干扰问题,为此需要加装屏蔽罩进行电磁加固,加装屏蔽罩是解决方法之一,那么天线罩安装对天线造成的影响研究是必要的。

天线罩结构的基础知识

要构建天线罩,必须对所用材料的成分和电磁波的传播有深入的了解。本文所提供的信息仅作为指导,旨在强调构建天线罩时绝对有必要考虑的事项。

基于毫米波微带天线设计的射频电路实验

本文设计了一个新的射频电路设计性实验项目———可用于无人机高度测量的毫米波雷达微带天线的设计与实现。该实验项目通过让学生完成该天线的自主设计、仿真、优化、制作和测试的过程,引导学生来深入体会实际射频工程中的实际流程和方法,从而提高其学习兴趣,进而进一步培养其工程素质、实践能力和创新精神。

5G所需要的新材料

5G通讯用材料品种异常丰富,从金属材料、陶瓷材料、工程塑料、玻璃材料、复合材料到功能材料,都有着巨大的市场空间。5G的布局带动了整个产业链的发展,必然会推动供给侧改革,企业都面临着机遇和挑战。

机器学习如何助力5G网络?

机器学习属于工程领域,在过去的十年中,由于计算系统的功能不断增强以及数据的可用性,该领域已显着成熟。与传统系统不同,机器学习为工程师提供了一种工具,不仅可以教其识别模式,还可以从其环境中学习,这有助于随着时间的推移提高其性能。