CN114185813A

CN114185813A - 测试向量生成方法、装置、测试方法、系统及存储介质

Info

Publication number: CN114185813A
Application number: CN202210132849.9A
Authority: CN
Inventors: 李路遥; 杨旭; 吕真; 李彤
Original assignee: Chengdu Airui Wireless Technology Co ltd
Current assignee: Chengdu Airui Wireless Technology Co ltd
Priority date: 2022-02-14
Filing date: 2022-02-14
Publication date: 2022-03-15
Anticipated expiration: 2042-02-14
Also published as: CN114185813B

Abstract

本发明公开了一种测试向量生成方法、装置、测试方法、系统及存储介质，其中，所述方法包括：获取测试对象在工作过程中生成的日志，调查日志中的异常时隙中的异常参考配置，以及基于对比正常参数配置与异常参数配置之间的差异，生成至少一个测试向量。本发明所公开的技术方案能够提高测试向量的有效性，并能够快速及准确调查异常参数配置存在问题的参数。

Description

测试向量生成方法、装置、测试方法、系统及存储介质

技术领域

本发明涉及通信测试技术领域，具体涉及一种测试向量生成方法、装置、测试方法、系统及存储介质。

背景技术

随着科学技术的日益发展，针对硬件和/或软件产品进行性能测试变得越来越重要，由此，对测试向量及测试用例的有效性和覆盖全面性提出了挑战。示例性地，在5G无线通信中，物理层软件测试配置参数多，协议相比4G LTE（长期演进）配置更加灵活，导致需要用大量的测试用例做覆盖测试，测试效率较低。

在分布式基站系统中，物理层（PHY）通常是位于基站的协议栈最底层，物理层直接和MAC（介质接入指示）层进行信息交互，它们之间的接口通信称之为FAPI（FunctionalApplication Platform Interface，功能应用平台接口），而对于物理层的测试向量就是基于FAPI生成的测试向量。

目前生成物理层测试向量的方法主要有以下三种方式：（1）通过人工配置参数生成测试向量；（2）使用软件配置参数生成测试向量；（3）使用工具并根据一定的规则，自动生成测试向量。但是，上述方式几乎都存在花费时间长，效率低，一定测试时间内覆盖范围有限以及测试向量的有效性不高的问题。在物理层测试的过程中，在遇到异常结果需要进行调查时，首先需要排除测试向量的本身的参数配置问题，然而由于在FAPI传输的参数个数较多，很难逐一去排除每个参数是否存在问题，再者，若手动生成多组测试向量对物理层进行测试分析的话，需要进行多次尝试，耗费了大量的时间和资源。

因此，需要对上述现有技术中存在的技术问题提出改进。

发明内容

针对以上现有技术的缺陷，本发明提供了一种测试向量生成方法、装置、测试方法、系统及存储介质，用以快速生成测试向量，以及提高测试向量的有效性，并能够快速及准确调查参数配置的问题。

为实现上述目的，本发明的实施例提供了一种测试向量生成方法，所述方法包括：获取测试对象在工作过程中生成的日志；根据预设的第一筛选条件从所述日志中筛选出运行结果为异常的第一参数配置集合，所述第一参数配置集合包括至少一个异常参数配置；针对所述第一参数配置集合中的每个异常参数配置，根据预设的第二筛选条件从预设的参考参数配置集合中筛选出与该异常参数配置最相似的正常参数配置，该正常参数配置是运行结果为符合预期的参数配置；根据每个所述异常参数配置与其对应的最相似的正常参数配置之间的差异生成测试向量。

本发明的实施例还提供了一种测试方法，所述测试方法包括：根据上述任一实施例中的测试向量生成方法生成所述测试向量；基于所述测试向量对所述测试对象进行测试并分析测试结果以确定所述异常参数配置中存在问题的参数。

本发明的实施例还提供了一种测试向量生成装置，所述装置包括：日志获取模块，用于获取测试对象在工作过程中生成的日志；第一筛选模块，用于根据预设的第一筛选条件从所述日志中筛选出运行结果为异常的第一参数配置集合，所述第一参数配置集合包括至少一个异常参数配置；第二筛选模块，用于针对所述第一参数配置集合中的每个异常参数配置，根据预设的第二筛选条件从预设的参考参数配置集合中筛选出与该异常参数配置最相似的正常参数配置，该正常参数配置是运行结果为符合预期的参数配置；测试向量生成模块，用于根据每个所述异常参数配置与其对应的最相似的正常参数配置之间的差异生成测试向量。

本发明的实施例还提供了一种测试系统，所述系统包括：上述任一测试向量生成装置以及测试结果分析装置，所述测试结果分析装置用于基于所述测试向量对测试对象进行测试并分析测试结果以确定所述异常参数配置中存在问题的参数。

在本发明提供的测试向量生成方法、装置、测试方法、系统及存储介质中，其中，所述方法包括：获取测试对象在工作过程中生成的日志，通过调查日志中的异常时隙中的异常参考配置，以及基于对比正常参数配置与异常参数配置之间的差异，生成至少一个测试向量。本发明所公开的技术方案能够提高测试向量的有效性，并能够快速及准确调查异常参数配置存在问题的参数。

附图说明

下面结合附图，通过对本发明的具体实施方式详细描述，将使本发明的技术方案及其它有益效果显而易见。

图1示出了分布式基站的协议栈的示意图。

图2示出了本发明实施例所提供的测试向量生成方法的流程示意图。

图3示出了本发明的一些实施例所提供的测试向量生成装置的结构框图。

图4示出了本发明一些实施例所提供的测试系统的结构框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的说明书和权利要求书以及附图中的术语“第一”“第二”“第三”等（如果存在）是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应当理解，这样描述的对象在适当情况下可以互换。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体地限定。此外，术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排它的包含。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件电路或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微指示器装置中实现这些功能实体。

在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接或可以相互通讯；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

为使本发明的目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

图1示出了分布式基站系统中的接入网中物理层（PHY layer）、介质接入指示层（MAC layer）和无线资源指示层（RRC layer）的协议栈100的示意图。

首先，通过无线资源指示协议（Radio Resource Control，RRC）进行无线资源管理、指示和调度。具体地，主要包括以下功能：系统信息的广播；寻呼信息（paging）；RRC（Radio Resource Control）连接的建立与释放；传输NAS（Non-Access Stratum）信息，包括会话管理、用户管理、安全管理和计费管理；传输AS（Access Stratum）信息，包括无线承载管理、无线信道处理和加密；用户无线接入能力的传输；无线资源配置；测量配置和报告；以及移动指示。

然后，通过分组数据汇聚协议（Packet Data Convergence Protocol，PDCP）对上层的IP（Internet Protocol）头压缩和解压，传输用户数据并维护。同时还支持用户数据和指示平面协议的加密解密，以保证数据的完整性。

随后，通过无线链路指示协议（Radio Link Control，RLC）为用户提供分段和重传业务。

接着，通过介质接入指示协议（Media Access Control，MAC）定义数据帧在介质上的传播方式、物理寻址和逻辑拓扑。对于数据发送，MAC协议首先会判断数据是否可以发送，如果可以发送，则数据和指示信息会以规定的格式被发送到物理层。对于数据接收，MAC层对接收到的来自于PHY的数据去掉头信息后发送到上层。

然后，通过物理层协议（Physical layer protocol，PHY）为数据端设备提供数据通路得以传输数据。

最后，通过射频链路（RF chain）进行数据的收发。

分布式基站系统中的三个单元：BBU（或DU）、rHub（或EU）和RU的功能划分，作为一种普遍的理解，通常认为BBU（或DU）会实现RRC、PDCP、高RLC（High-RLC）、低RLC（Low-RLC）、高MAC（High-MAC）、低MAC（Low-MAC）和高PHY（High-PHY）协议模块的处理功能，rHub会实现低PHY（Low-PHY）协议模块的处理功能，而RU会实现射频（RF）模块的处理功能。但是这一功能模块的划分并不唯一。例如，rHub也可以进行High-PHY以及MAC层协议的处理。

参考图2，本发明实施例所提供的测试向量生成方法包括以下步骤：

步骤S10，获取测试对象在工作过程中生成的日志；

步骤S20，根据预设的第一筛选条件从所述日志中筛选出运行结果为异常的第一参数配置集合，所述第一参数配置集合包括至少一个异常参数配置；

步骤S30，针对所述第一参数配置集合中的每个异常参数配置，根据预设的第二筛选条件从预设的参考参数配置集合中筛选出与该异常参数配置最相似的正常参数配置，该正常参数配置是运行结果为符合预期的参数配置；

步骤S40，根据每个所述异常参数配置与其对应的最相似的正常参数配置之间的差异生成测试向量。

以下将具体描述步骤S10至S40。

步骤S10中，获取测试对象在工作过程中生成的日志，日志作为最常见的工作及日程记录，可以随着系统自动的运行进程自动生成，因此，可以通过调用该测试对象在工作过程中生成的日志来分析问题。示例性地，例如所述测试对象是分布式基站，并且所述测试向量是用于无线通信物理层测试的测试向量。该分布式基站是新一代用于完成网络覆盖的现代化产品，其特点主要是将射频处理单元和传统宏基站基带处理单元分离的同时又通过光纤连接。

步骤S20中，根据预设的第一筛选条件从所述日志中筛选出运行结果为异常的第一参数配置集合，所述第一参数配置集合包括至少一个异常参数配置；例如，上述日志里会记录在某个时隙里有用户设备的数据发送过来，则物理层会将对应该用户设备的数据处理完成后上报一些值给高层，例如，FO（频率偏移）就是其中上报的一些值。这里的第一筛选条件可以是以下的一种或者多种：

（1）上行循环冗余校验（Cyclic Redundancy Check，CRC）结果异常的时隙对应的参数配置；

（2）上行基带信号功率异常的时隙对应的参数配置；

（3）上行频率偏移（Frequency Offset，FO）上报异常的时隙对应的参数配置；

（4）上行时间提前量（Time Advance，TA）上报异常的时隙对应的参数配置；

（5）上行控制指示有效负载解码异常（UCI payload decoded NG）的时隙对应的参数配置；

（6）物理随机接入信道前导码漏检的时隙对应的参数配置；

（7）物理随机接入信道前导码解错的时隙对应的参数配置；

（8）下行存在错误编码的时隙对应的参数配置。

上述第一筛选条件目的是为了选择异常时隙，也即需要去调查为什么会出现问题的异常目标时隙。如果遍历所述日志后均没有发现符合第一筛选条件的异常目标时隙，则结束本步骤。

步骤S30中，针对所述第一参数配置集合中的每个异常参数配置，根据预设的第二筛选条件从预设的参考参数配置集合中筛选出与该异常参数配置最相似的正常参数配置，该正常参数配置是运行结果为符合预期的参数配置。

这里的第二筛选条件可以是以下的一种或者多种：

（1）与所述第一参数配置集合最相似且上行循环冗余校验结果符合预期的时隙对应的参数配置；

（2）与所述第一参数配置集合最相似且上行基带信号功率正常的时隙对应的参数配置；

（3）与所述第一参数配置集合最相似且上报频率偏移符合预期的时隙对应的参数配置；

（4）与所述第一参数配置集合最相似且上报时间提前量符合预期的时隙对应的参数配置；

（5）与所述第一参数配置集合最相似且上行控制指示有效负载解码解调正常的时隙对应的参数配置；

（6）与所述第一参数配置集合最相似且未发生前导码漏检的时隙对应的参数配置；

（7）与所述第一参数配置集合最相似且物理随机接入信道前导码解正确的时隙对应的参数配置；

（8）与所述第一参数配置集合最相似且下行不存在错误编码的时隙对应的参数配置。

基于在步骤S20中，定位寻找到了哪些是异常目标时隙。为了便于调查异常参数配置中哪个参数导致的异常，本发明实施例从预设的参考参数配置集合中找到一组与异常参数配置最相似的正常参数配置以作为参考配置，应理解，该预设的参考参数配置集合中的各个参数配置是默认正确的，并且这些正常参数配置的物理层解析结果以及实际运行结果均是符合预期的。

步骤S40中，根据每个所述异常参数配置与其对应的最相似的正常参数配置之间的差异生成测试向量。也即，通过对异常参数配置以及与其对应的最相似的正常参数配置的比较，列出两者的配置差异的地方，然后生成至少一个测试向量，进行逐一进行排除，以确定到底是异常参数配置中的哪个参数出现了问题。

本发明实施例提供的测试向量生成方法能够实现：通过调查日志中的异常时隙中的异常参考配置，以及基于对比正常参数配置与异常参数配置之间的差异，生成至少一个测试向量，以用于后续的物理层测试使用，能够提高测试向量的有效性，并能够快速及准确调查异常参数配置存在问题的参数。

进一步地，针对所述第一参数配置集合中的每个异常参数配置，根据预设的相似度算法将该异常参数配置与所述预设的参考参数配置集合中的对应的每个参考参数配置进行相似度比较，并基于相似度最大的原则选择与该异常参数配置最相似的正常参数配置。

进一步地，所述针对所述第一参数配置集合中的每个异常参数配置执行如下操作：将该异常参数配置中的每个参数的值与所述预设的参考参数配置集合中每个对应的参考参数配置的对应参数的值进行比较；基于比较结果，对每个对应的参考参数配置的每个参数赋予预设的权重值；针对每个对应的参考参数配置，将其所有参数的权重值累加以得到累加权重值；将累加权重值最大的参考参数配置确定为与该异常参数配置最相似的正常参数配置。

具体地，假设现在有一组测试向量标记为c，以及一个测试向量集合，测试向量集合中有X组测试向量（从1到x编号），其中，如下表1所示，该目标测试向量包含n个参数，标记为参数1、参数2、参数3……参数n，为每个参数设置一个对应的权重，标记为w1、w2、w3……wn，其中w1+w2+w3+……+wn=1。从测试向量集合中取出一组测试向量标记为X1，X1和c的相似度值标记为S1，S1初始值为0，如果两组测试向量的【参数名称】为参数1的值相同则S1加上w1，【参数名称】为参数2~参数n都依次进行这样的判断，最终计算出来一个总的S1值。遍历上述测试向量集合，得出S1，S2，S3……Sx，从中选出最大值（如果最大值有多个，任选一个即可）对应的测试向量即为和c最相似的测试向量。

示例性地，在本发明的一些实施例中，以上行共享信道参数为例，可计算出该上行共享信道参数中的各个参数所对应的权重占比。

此外，所述预设的参考参数配置集合由下列方式之一获得：

（1）根据日志获取所述参考参数配置集合；

（2）根据所维护的测试向量库获取所述参考参数配置集合；

（3）根据日志以及所维护的测试向量库获取所述参考参数配置集合。

需要说明的是，本发明实施例中的测试向量库，包含的所有测试向量是物理层测试及运行结果均符合预期的测试向量。

示例性地，在本发明的一些实施例中，步骤1：根据预设的第一筛选条件从日志中筛选出上行循环冗余校验（CRC）运行结果为异常的时隙所对应的第一参数配置集合，如果不存在这样的时隙，则本步骤结束；步骤2：针对所述第一参数配置集合中的每个异常参数配置，然后根据预设的第二筛选条件遍历所维护的测试向量库（参考参数配置集合），筛选出与该异常参数配置最相似的正常参数配置。

在本发明的又一些实施例中，步骤1：根据预设的第一筛选条件从日志中筛选出上行控制指示有效负载解码为异常的时隙所对应的第一参数配置集合，如果不存在这样的时隙，则本步骤结束；步骤2：针对所述第一参数配置集合中的每个异常参数配置，然后根据预设的第二筛选条件遍历预设的参考参数配置集合，筛选出与该异常参数配置最相似的正常参数配置。

在本发明的又一些实施例中，步骤1：根据预设的第一筛选条件从日志中筛选出物理随机接入信道前导码漏检的时隙所对应的第一参数配置集合，如果不存在这样的时隙，则本步骤结束；步骤2：针对所述第一参数配置集合中的每个异常参数配置，然后根据预设的第二筛选条件遍历预设的参考参数配置集合，筛选出与该异常参数配置最相似的正常参数配置。

以下分别示出了本发明的各个实施例中，根据每个所述异常参数配置与其对应的最相似的正常参数配置之间的差异生成测试向量的方法的操作示例。

示例一

在本发明的一些实施例中，所述根据每个所述异常参数配置与其对应的最相似的正常参数配置之间的差异生成测试向量包括：

针对每个所述异常参数配置执行如下无差别遍历操作：

（1）将该异常参数配置以及其对应的最相似的正常参数配置中非共有的参数以及具有不同值的共有参数作为目标参数，所有目标参数构成目标参数集合；

（2）将循环参数N的初始值设置为1；

（3）以遍历的方式从所述目标参数集合中选择N个目标参数，并构建包含该N个目标参数的测试向量，其中，所述测试向量中的该N个目标参数的值来自该异常参数配置对应的最相似的正常参数配置，所述测试向量中的除了该N个目标参数之外的参数的值来自该异常参数配置；

（4）将N的值加1，若加1后N值小于所述目标参数集合所包含参数的总数量，则返回步骤（3）。

示例性地，假定目标参数集合为R，异常参数配置为A，正常参数配置为B。（以下示例同样照此规则）

1）从目标参数集合R中取出一个参数，假定为参数a，所生成的测试向量配置中参数a的取值来自于正常参数配置B中参数a的值，将除参数a以外的其他参数的取值都来自于异常参数配置A中对应的参数值，由此，来生成一个测试向量。就某个参数而言，如果在异常参数配置A中没有这个参数，而在正常参数配置B中有这个参数，那么所生成的测试向量就是在异常参数配置A额外加上这个参数，该参数的取值使用正常参数配置B中对应该参数的取值即可。如果在正常参数配置B中没有这个参数，那么所生成的测试向量就是在异常参数配置A中移除当前参数。遍历目标参数集合R中的所有单个目标参数，共生成N个测试向量，例如，编号为1、……N个测试向量。

2）从目标参数集合R中取出两个参数，假定为参数a、参数b，所生成的测试向量配置中参数a的取值来自于正常参数配置B中参数a的值，所生成的测试向量配置中参数b的取值来自于正常参数配置B中参数b的值，将目标参数集合R中除参数a、参数b以外的其他参数的取值都来自于异常参数配置A中对应的参数值，由此，来生成一个测试向量。遍历目标参数集合R中的所有两个目标参数的组合，共生成N*（N-1）/2个测试向量，例如，编号为N+1、……（N+1）+ N*（N-1）/2个测试向量。

3）从目标参数集合R中取出N-1个参数，假定为参数a、参数b、参数c……，所生成的测试向量配置中参数a的取值来自于正常参数配置B中参数a的值，所生成的测试向量配置中参数b的取值来自于正常参数配置B中参数b的值，所生成的测试向量配置中c的取值来自于正常参数配置B中c的值……将目标参数集合R中除参数a、参数b、参数c……以外的其他参数的取值都来自于异常参数配置A中对应的参数值，由此生成一个测试向量。遍历目标参数集合R中的所有N-1个目标参数的组合，共生成N个测试向量。

示例二

在本发明的又一些实施例中，所述根据每个所述异常参数配置与其对应的最相似的正常参数配置之间的差异生成测试向量包括：

针对每个所述异常参数配置执行如下分级遍历操作：

（2）从所维护的参数的错误概率信息表中获取所述目标参数集合中每个参数的错误概率；

（3）基于错误概率最高的参数构建包含该错误概率最高的参数的测试向量，其中，所述测试向量中的该错误概率最高的参数的值来自与该异常参数配置对应的最相似的正常参数配置中对应参数的值，所述测试向量中除了该错误概率最高的参数之外的参数的值来自该异常参数配置中对应参数的值。

具体地，从所维护的参数的错误概率信息表（例如针对每一个参数级别的错误概率）中会记载目标参数配置集合R中的各个参数的错误概率，例如，如下表2所示，每个参数对应的错误概率标记为p1、p2、p3……pn。

假定错误概率最高的参数的【参数名称】为参数1，但如果存在多个参数的错误概率相同的情形时，则任选其中一个错误概率最高的参数，所生成的测试向量配置中，【参数名称】为参数1的取值来自于正常参数配置B中对应【参数名称】为参数1的值，将目标参数集合R中除【参数名称】为参数1以外的其他参数的取值都来自于异常参数配置A中对应的参数值，由此生成一个测试向量。

在本发明实施例中，通过引入所有参数的错误概率作为排查顺序的优先级，相较于示例一，能够快速的测试出异常参数配置的哪个参数出现的异常，能够提高生成测试向量的效率以及生成测试向量的准确性。并且后续在测试完成后，可基于测试结果更新上述的参数的错误概率信息表中的各个参数的错误概率的信息。

示例三

针对每个所述异常参数配置执行如下关联遍历操作：

（2）从所维护的参数的关联信息表中获取所述目标参数集合中各个参数之间的关联关系；

（3）基于所述关联关系构建测试向量，其中，所述测试向量中具有关联关系的参数的值来自该异常参数配置对应的最相似的正常参数配置，所述测试向量中除了所述具有关联关系的参数之外的参数的值来自该异常参数配置。

具体地，从所维护的参数的关联信息表中包括目标参数集合R中的各个参数之间的关联关系，基于各个参数之间的关联关系，可以建立一个表征各个参数之间的关联关系的关联信息表，如下表3所示：

假定目标参数集合为R中的所有参数分别为参数1、参数2、参数3……参数n，通过上述关联信息表，基于上述关联信息表可以查询得到与参数1相关联的参数有参数2、参数3、参数4，与参数5相关联的参数有参数8，没有与参数n相关联的参数。

可以按照上述参数的关联信息表的关联顺序生成测试向量，具体地，将【参数名称】为参数1、参数2、参数3、参数4的取值来自于正常参数配置B中对应的参数的取值，并将目标参数配置集合R中的除参数1、参数2、参数3、参数4以外的参数的取值来自于异常参数配置A中对应的参数的取值，由此生成一个测试向量。

类似地，将【参数名称】为参数5、参数8的取值来自于正常参数配置B中对应的参数的取值，并将目标参数配置集合R中的除参数5、参数8以外的参数的取值来自于异常参数配置A中对应的参数的取值，由此生成一个测试向量。

将【参数名称】为参数n的取值来自于正常参数配置B中对应的参数的取值，并将目标参数配置集合R中的除参数n以外的参数的取值来自于异常参数配置A中对应的参数的取值，由此生成一个测试向量。

在本发明实施例中，通过引入所有参数的关联信息表作为排查顺序的优先级，相较于示例一，也能够快速的测试出异常参数配置的哪个参数出现的异常，能够提高生成测试向量的效率以及生成测试向量的准确性；相较于示例一、示例二，基于各个参数之间的关联关系生成测试向量组，能够减少生成测试向量的过程中所导致的异常参数遗漏，进而影响准确性，并且将有关联关系的各个参数当作一个组合后测试向量进行测试，无需逐一进行排查，进一步地提升了测试的效率以及生成测试向量的准确性。

示例四

在本发明的另一些实施例中，所述根据每个所述异常参数配置与其对应的最相似的正常参数配置之间的差异生成测试向量包括：

针对每个所述异常参数配置执行如下联合遍历操作：

（3）从所维护的参数的关联信息表中获取所述目标参数集合中各个参数之间的关联关系；

（4）基于所述关联关系以及错误概率最大的参数构建测试向量，其中，所述测试向量中该错误概率最大的参数的值以及具有关联关系的参数的值来自该异常参数配置对应的最相似的正常参数配置，所述测试向量中除了所述错误概率最大的参数以及具有关联关系的参数之外的参数的值来自该异常参数配置。

具体地，从所维护的参数的错误概率信息表中获取目标参数集合R中的各个参数错误概率，以及从所维护的参数的关联信息表中获取目标参数集合R中的各个参数之间的关联关系。首先，选择出错误概率最高的参数，假定错误概率最高的参数的【参数名称】为参数1，并且根据所维护的参数关联信息表中查找到于【参数名称】为参数1相关联的【参数名称】分别为参数2、参数3、参数4。然后，将【参数名称】为参数1、参数2、参数3、参数4的取值来自于正常参数配置B中对应的参数的取值，并将目标参数配置集合R中的除参数1、参数2、参数3、参数4以外的参数的取值来自于异常参数配置A中对应的参数的取值，由此生成一个测试向量。

在本发明实施例中，通过目标参数配置集合R中的各个参数的错误概率以及所有参数的关联信息表作为排查顺序的优先级，相较于示例二和/或示例三，能够快速准确定位异常参数配置的哪个参数出现的异常，并且将与错误概率最高的参数有关联的所有参数当作一个组合后测试向量进行测试，无需逐一进行排查，能够进一步地提高生成测试向量的效率以及生成测试向量的准确性。并且后续在测试完成后，可基于测试结果更新上述的参数的错误概率信息表中的各个参数的错误概率的信息。

根据本发明的又一方面，本发明实施例提供一种测试方法，所述测试方法包括：根据上述任一实施例中的测试向量生成方法生成所述测试向量；基于所述测试向量对所述测试对象进行测试并分析测试结果以确定所述异常参数配置中存在问题的参数。

所述基于所述测试向量对所述测试对象进行测试并分析测试结果以确定所述异常参数配置中存在问题的参数包括：根据测试结果更新所述所维护的参数的错误概率信息表中对应的测试向量的错误概率；比较所述测试向量中各参数的值与对应的异常参数配置中各参数的值，并根据比较结果确定所述异常参数配置中存在问题的参数。以及后续在测试完成后，可基于测试结果更新上述的参数的错误概率信息表中的各个参数的错误概率的信息。

具体地，所述测试方法可以是以下两种：

（1）迭代测试，一旦发现有符合预期的结果，停止测试。

（2）批量测试，将所有测试向量一次全部测试完成。

根据本发明的又一方面，本发明实施例提供一种测试向量生成装置。

如图3所示，所述测试向量生成装置300包括：日志获取模块310，用于获取测试对象在工作过程中生成的日志；第一筛选模块320，用于根据预设的第一筛选条件从所述日志中筛选出运行结果为异常的第一参数配置集合，所述第一参数配置集合包括至少一个异常参数配置；第二筛选模块330，用于针对所述第一参数配置集合中的每个异常参数配置，根据预设的第二筛选条件从预设的参考参数配置集合中筛选出与该异常参数配置最相似的正常参数配置，该正常参数配置是运行结果为符合预期的参数配置；测试向量生成模块340，用于根据每个所述异常参数配置与其对应的最相似的正常参数配置之间的差异生成测试向量。

示例性地，所述测试对象是分布式基站，并且所述测试向量是用于物理层测试的测试向量。

本发明实施例提供的测试向量生成装置能够实现：

通过调查日志中的异常时隙中的异常参考配置，以及基于比较正常参数配置与异常参数配置之间的差异，生成至少一个测试向量，以用于后续的物理层测试使用，能够提高测试向量的有效性，并能够快速及准确调查异常参数配置存在问题的参数。

应当理解，所述测试向量生成装置中的其他方面及效果可参见前述的测试向量生成方法中的内容，此处不再赘述。

图4示出了本发明一些实施例所提供的测试系统的结构框图。

如图4所示，在本发明的一些实施例中，所述测试系统1000包括：上述任一实施例所提供的测试向量生成装置300以及测试结果分析装置400，所述测试结果分析装置用于基于所述测试向量对测试对象进行测试并分析测试结果以确定所述异常参数配置中存在问题的参数。

应当理解，所述测试系统中的其他方面及效果可参见前述测试向量生成方法及装置中的内容，此处不再赘述。

在另一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如前面所描述的任一测试向量生成方法。

对上述步骤的具体限定和实现方式可以参看测试向量生成方法的实施例，在此不再赘述。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

以上对本发明实施例所提供的测试向量生成方法、装置、测试方法、系统及存储介质进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的技术方案及其核心思想；本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例的技术方案的范围。

Claims

1.一种测试向量生成方法，其特征在于，所述方法包括：

获取测试对象在工作过程中生成的日志；

根据预设的第一筛选条件从所述日志中筛选出运行结果为异常的第一参数配置集合，所述第一参数配置集合包括至少一个异常参数配置；

针对所述第一参数配置集合中的每个异常参数配置，根据预设的第二筛选条件从预设的参考参数配置集合中筛选出与该异常参数配置最相似的正常参数配置，该正常参数配置是运行结果为符合预期的参数配置；

根据每个所述异常参数配置与其对应的最相似的正常参数配置之间的差异生成测试向量。

2.如权利要求1所述的测试向量生成方法，其特征在于，所述针对所述第一参数配置集合中的每个异常参数配置，根据预设的第二筛选条件从预设的参考参数配置集合中筛选出与该异常参数配置最相似的正常参数配置包括：

针对所述第一参数配置集合中的每个异常参数配置，根据预设的相似度算法将该异常参数配置与所述预设的参考参数配置集合中的对应的每个参考参数配置进行相似度比较，并基于相似度最大的原则选择与该异常参数配置最相似的正常参数配置。

3.如权利要求2所述的测试向量生成方法，其特征在于，所述根据每个所述异常参数配置与其对应的最相似的正常参数配置之间的差异生成测试向量包括：

针对每个所述异常参数配置执行如下无差别遍历操作：

（2）将循环参数N的初始值设置为1；

4.如权利要求2所述的测试向量生成方法，其特征在于，所述根据每个所述异常参数配置与其对应的最相似的正常参数配置之间的差异生成测试向量包括：

针对每个所述异常参数配置执行如下分级遍历操作：

（3）基于错误概率最高的参数构建包含该错误概率最高的参数的测试向量，其中，所述测试向量中的该错误概率最高的参数的值来自该异常参数配置对应的最相似的正常参数配置，所述测试向量中除了该错误概率最高的参数之外的参数的值来自该异常参数配置。

5.如权利要求2所述的测试向量生成方法，其特征在于，所述根据每个所述异常参数配置与其对应的最相似的正常参数配置之间的差异生成测试向量包括：

针对每个所述异常参数配置执行如下关联遍历操作：

6.如权利要求2所述的测试向量生成方法，其特征在于，所述根据每个所述异常参数配置与其对应的最相似的正常参数配置之间的参数值的差异生成测试向量包括：

针对每个所述异常参数配置执行如下联合遍历操作：

7.如权利要求2所述的测试向量生成方法，其特征在于，所述针对所述第一参数配置集合中的每个异常参数配置，根据预设的相似度算法将该异常参数配置与所述预设的参考参数配置集合中的对应的每个参考参数配置进行相似度比较，并基于相似度最大的原则选择与该异常参数配置最相似的正常参数配置包括：

所述针对所述第一参数配置集合中的每个异常参数配置执行如下操作：

将该异常参数配置中的每个参数的值与所述预设的参考参数配置集合中每个对应的参考参数配置的对应参数的值进行比较；

基于比较结果，对每个对应的参考参数配置的每个参数赋予预设的权重值；

针对每个对应的参考参数配置，将其所有参数的权重值累加以得到累加权重值；

将累加权重值最大的参考参数配置确定为与该异常参数配置最相似的正常参数配置。

8.如权利要求1所述的测试向量生成方法，其特征在于，所述预设的参考参数配置集合由下列方式之一获得：

根据日志获取所述参考参数配置集合；

根据所维护的测试向量库获取所述参考参数配置集合；

根据日志以及所维护的测试向量库获取所述参考参数配置集合。

9.如权利要求1所述的测试向量生成方法，其特征在于，所述第一筛选条件包括下列中的至少一个：

上行循环冗余校验结果异常的时隙对应的参数配置；

上行基带信号功率异常的时隙对应的参数配置；

上行频率偏移上报异常的时隙对应的参数配置；

上行时间提前量上报异常的时隙对应的参数配置；

上行控制指示有效负载解码异常的时隙对应的参数配置；

物理随机接入信道前导码漏检的时隙对应的参数配置；

物理随机接入信道前导码解错的时隙对应的参数配置；

下行存在错误编码的时隙对应的参数配置。

10.如权利要求1所述的测试向量生成方法，其特征在于，所述第二筛选条件包括下列中的至少一个：

与所述第一参数配置集合最相似且上行循环冗余校验结果符合预期的时隙对应的参数配置；

与所述第一参数配置集合最相似且上行基带信号功率正常的时隙对应的参数配置；

与所述第一参数配置集合最相似且上报频率偏移符合预期的时隙对应的参数配置；

与所述第一参数配置集合最相似且上报时间提前量符合预期的时隙对应的参数配置；

与所述第一参数配置集合最相似且上行控制指示有效负载解码解调正常的时隙对应的参数配置；

与所述第一参数配置集合最相似且未发生前导码漏检的时隙对应的参数配置；

与所述第一参数配置集合最相似且物理随机接入信道前导码解正确的时隙对应的参数配置；

与所述第一参数配置集合最相似且下行不存在错误编码的时隙对应的参数配置。

11.如权利要求1所述的测试向量生成方法，其特征在于，

所述测试对象是分布式基站，并且所述测试向量是用于物理层测试的测试向量。

12.一种测试方法，其特征在于，所述测试方法包括：

根据如权利要求1-11中任一项所述的测试向量生成方法生成所述测试向量；

基于所述测试向量对所述测试对象进行测试并分析测试结果以确定所述异常参数配置中存在问题的参数。

13.如权利要求12所述的测试方法，其特征在于，所述基于所述测试向量对所述测试对象进行测试并分析测试结果以确定所述异常参数配置中存在问题的参数包括：

根据测试结果更新所述所维护的参数的错误概率信息表中对应的每个参数的错误概率；

比较所述测试向量中各参数的值与对应的异常参数配置中各参数的值，并根据比较结果确定所述异常参数配置中存在问题的参数。

14.一种测试向量生成装置，其特征在于，所述装置包括：

日志获取模块，用于获取测试对象在工作过程中生成的日志；

第一筛选模块，用于根据预设的第一筛选条件从所述日志中筛选出运行结果为异常的第一参数配置集合，所述第一参数配置集合包括至少一个异常参数配置；

第二筛选模块，用于针对所述第一参数配置集合中的每个异常参数配置，根据预设的第二筛选条件从预设的参考参数配置集合中筛选出与该异常参数配置最相似的正常参数配置，该正常参数配置是运行结果为符合预期的参数配置；

测试向量生成模块，用于根据每个所述异常参数配置与其对应的最相似的正常参数配置之间的差异生成测试向量。

15.一种测试系统，其特征在于，所述系统包括如权利要求14所述的测试向量生成装置以及测试结果分析装置，所述测试结果分析装置用于基于所述测试向量对测试对象进行测试并分析测试结果以确定所述异常参数配置中存在问题的参数。

16.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至11中任一项所述的测试向量生成方法。