侵权投诉

当前位置:

OFweek仪器仪表网

通用分析仪器

正文

详解《NI趋势展望报告2019》:5G、IoT、自动驾驶面临的测试挑战

导读: 11月13日,NI (美国国家仪器公司,National Instruments,简称NI)发布了《NI 趋势展望报告2019》。报告探讨了日新月异的技术发展所面临的关键工程趋势和挑战,包括物联网(IoT)、从原型验证到商业化部署的5G技术推进以及大众自动驾驶等领域。

2018年,我们看到了半导体元器件和汽车的高效融合,看到了人工智能产业的落地艰辛,当然还有5G技术和测试飞速发展将商用时间提前等等。在即将到来的2019年,我们关注的重点和难点又在哪里呢?11月13日,NI (美国国家仪器公司,National Instruments,简称NI)发布了《NI 趋势展望报告2019》。报告探讨了日新月异的技术发展所面临的关键工程趋势和挑战,包括物联网(IoT)、从原型验证到商业化部署的5G技术推进以及大众自动驾驶等领域。

NI全球营销副总裁Shelley Gretlein表示:“这些工程趋势正在打破传统的行业和产品测试,带来了前所未有的复杂挑战。 然而,这也极大地推动了创新,促使我们从根本上转变自动化测试和自动化测量方法,向“软件定义的系统”做出关键的转变。”

在NI的上海新办公室,NI市场营销副总裁John Pasquarette,NI亚太区市场总监汤敏和NI大中华区市场经理刘旭阳一起为大家解读了《NI趋势展望报告2019》。

详解《NI趋势展望报告2019》:5G、IoT、自动驾驶面临的测试挑战

详解《NI趋势展望报告2019》:5G、IoT、自动驾驶面临的测试挑战

详解《NI趋势展望报告2019》:5G、IoT、自动驾驶面临的测试挑战

左一:NI大中华区市场经理刘旭阳,中间:NI市场营销副总裁John Pasquarette,右一:NI亚太区市场总监汤敏

5G迎来新的无线测试时代

2018年6月,全球首个5G核心标准落地。大规模网络部署与应用测试即将到来。传统的数据通信测试是通过线缆直连的方式完成数据传输信道的性能指标、终端设备的规程协议、产品在符合标准方面的一致性测试等测试。5G具有高频、高带宽、大规模天线、复杂的三维建模等特点,使得5G测试与4G相比区别很大。

《NI趋势展望报告2019》中重点解读了5G中MU-MIMO和mmWave技术的测试难点,NI业务和技术首席研究员 Charles Schroeder负责完成这一部分的报告。报告指出,MU-MIMO和mmWave技术的物理实现需要使用比前几代蜂窝标准更多的天线元件。根据物理学定律,mmWave频率的信号在通过自由空间时将比当前蜂窝频率的信号衰减得更快。因此,在发射功率电平近似的情况下,mmWave蜂窝频率的范围将比当前蜂窝频带小得多。

为了克服这种路径损耗,5G发射器和接收器将利用并行工作的天线阵列,并使用波束成形技术来提升信号功率,而不是像目前的设备那样每个频带使用一个天线。这些天线阵列和波束成形技术不仅对于增加信号功率很重要,对于实现MU-MIMO技术也同样至关重要。

那如何将所有这些天线安装到未来的手机中?幸运的是,mmWave频率的天线将比用于当前标准的蜂窝天线小得多。新的封装技术,如集成天线封装(antenna in package,AiP,即天线阵列位于芯片的封装内),将使得这些天线更容易集成到现代智能手机的小空间内,但天线阵列可能完全封闭,没有任何可直接接触的测试点。

《NI趋势展望报告2019》指出,将使用OTA解决新挑战。OTA是AiP技术的唯一选择,因为天线阵列集成在封装内,无法通过导线直接连接阵列元件。即使测试工程师可以使用传导测试方法连接各个天线元件,他们也面临着选择并行测试(购买更多仪器带来的资本支出)还是连续测试(测试时间和吞吐量增加带来的运营成本)的困难。虽然许多技术问题,测量精度问题、全新的测量方法、RF带宽上进行校准和测量所需的处理量增加等,仍有待解决,但OTA测试提供了将阵列作为一个系统而不是一组独立元件进行测试的可能性,这有望提供系统级测试的高效率。

实现安全自动驾驶所需的权衡迫在眉睫

这部分报告由NI汽车市场总监Jeff Phillip提供。根据世界卫生组织的统计,每年因交通事故导致超过125万人丧生,这些事故造成的政府损失约占GDP的3%。虽然自动驾驶的潜在影响非常广泛,延伸到个人、经济和政治领域,但拯救生命这一作用本身就意味着自动驾驶可能是我们这个时代最具革命性的发明。

高级驾驶辅助系统(ADAS)是传感器、处理器和软件的融合,旨在提高安全性并最终提供自动驾驶功能。如今,大多数ADAS系统使用单个传感器,例如雷达或摄像头,并且已经产生了可量化的影响。2019年奥迪A8将成为世界上第一辆提供L3级别自主驾驶技术的量产车。它配备了六个摄像头、五个雷达设备、一个激光雷达设备和12个超声波传感器。为什么要使用这么多传感器?简单来说,每种传感器都有其独特的优势和劣势。例如,雷达显示的是物体的移动速度,而不是物体的样子。这时就需要进行传感器融合,因为物体的移动速度和物体的样子对于预测对象的行为都是至关重要,而冗余则是为了克服每个传感器的缺陷。

并且,《NI趋势展望报告2019》指出,随着控制器及其处理能力的发展,工程师的偏好可能会在分布式和集中式架构设计之间交替,这意味着软件定义的测试仪设计对于跟上这一演变至关重要。而且,为实现L5级别自动驾驶,自动驾驶汽车的微处理器需要具备比当前微处理器高出2000倍的处理能力;因此,这种微处理器的成本很快就比mmWave雷达传感器系统中的RF组件更加昂贵。

1  2  下一页>  
声明: 本文系OFweek根据授权转载自其它媒体或授权刊载,目的在于信息传递,并不代表本站赞同其观点和对其真实性负责,如有新闻稿件和图片作品的内容、版权以及其它问题的,请联系我们。

我来说两句

(共0条评论,0人参与)

请输入评论内容...

请输入评论/评论长度6~500个字

您提交的评论过于频繁,请输入验证码继续

暂无评论

暂无评论

文章纠错
x
*文字标题:
*纠错内容:
联系邮箱:
*验 证 码:

粤公网安备 44030502002758号