《NI趋势报告2019》解读5G、物联网、自动驾驶等5大测量测试新趋势

来源:华强电子网 作者:于宏达 时间:2018-11-14 11:28

NI 5G 趋势 

  工程大趋势正在深刻地改变行业、产品测试以及那些试图从中盈利的公司。 物联网的普及、5G技术从原型验证到商业部署的不断推进,以及自动驾驶技术的发展都带来了巨大且复杂的挑战,同时又为我们提供了前所未有的创新机会。为此,在NI Days活动举办前期,NI于2018年11月13日在上海新办公室举行2019年度《NI趋势展望报告》媒体发布会。据悉,这也是NI连续第20次在中国地区举办这一全球图形化系统设计的技术盛会。

  NI市场营销副总裁John Pasquarette向《华强电子》等参会媒体记者表示:“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。”

  NI市场营销副总裁John Pasquarette

  《NI 趋势展望报告2019》主要从5G迎来新的无线测试时代,实现安全自动驾驶所需的权衡迫在眉睫,紧跟标准化开发过程的趋势,借助物联网优化系统测试,多行业融合颠覆传统的测试策略这5个方面为大家进行了详细解读。NI市场营销副总裁John Pasquarette,NI亚太区市场总监汤敏,NI大中华区市场经理刘旭阳在发布会上分享未来趋势的洞察和真知灼见,并与媒体朋友进行深入交流。

  NI市场营销副总裁John Pasquarette(中),NI亚太区市场总监汤敏(右),NI大中华区市场经理刘旭阳(左)在接受媒体采访

  1 5G迎来新的无线测试时代 使用OTA解决新挑战

  自蜂窝通信出现开始以来,测试工程师一直在使用一组公认的测量和技术,对从RF半导体到基站和移动手机等无线通信技术进行大量测试。NI业务和技术首席研究员 Charles Schroeder在报告分析到,但是对于5G,这些无线设备采用的技术将更加复杂,用于测试前几代设备且已经过高度优化的测试技术必须重新考量。为验证5G技术的性能,需要使用空口(over-the-air,OTA)方法而不是当前使用的线缆直连的方法来测试5G组件和设备。作为工程领导者,我们需要新的测试方法来确保5G产品和解决方案在许多行业和应用中的商业化可行性。

  增加带宽

  5G标准的主要目标之一是大幅提高数据容量,这是因为用户数据需求在持续不断地增长,但为了实现每用户10 Gbps的目标峰值速率,需要引入新技术。首先,5G规范包括多用户MIMO(MU-MIMO)技术,该技术允许用户通过波束成形技术同时共享相同的频带,为每个用户建立唯一的集中无线连接。其次,5G标准增加了更多的无线频谱,扩展到了厘米和毫米波(mmWave)频率。

  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。

  使用OTA解决新挑战

  对于测试工程师而言,增加的频率范围、新的封装技术和更多的天线数量使其很难在维持高质量的同时,尽可能避免资本成本(测试设备的成本)和运营成本(测试每个设备的时间)的增加。新的OTA技术可以帮助解决这些问题,但同时也带来了挑战。

  OTA新技术是发展趋势

  首先,测量精度是一大挑战。与有线测试不同,在进行OTA测量时,测试工程师需要处理天线校准和精度、连接件公差和信号反射等引起的额外测量不确定性。其次,设备测试计划必须纳入全新的测量方法,以进行消声室集成、波束特性分析、最佳码本计算和天线参数特性分析。第三,随着RF带宽不断增加,在RF带宽上进行校准和测量所需的处理量也会增加,进而导致测试时间增加。最后,测试经理必须考虑额外的业务因素,以在确保产品质量的同时,最大限度地减少对上市时间、资本成本、运营成本和占地面积(以适应OTA测试暗室的面积)的影响。在接下来的几年里,测试和测量行业将通过许多创新技术来快速应对这些挑战。因此,测试团队应考虑高度灵活的软件定义测试策略和平台,以确保其当前的资本支出能够跟上这一快速创新周期。

  虽然OTA提出了诸多挑战,但同时也带来了许多好处。首先,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。

  过去,测试设备供应商和测试工程师已经遇到了在测试日益增加的性能和复杂性的同时,最大限度缩短产品上市时间和测试成本的挑战,而对于5G,他们仍面临着相同的挑战。尽管当今的5G测试挑战看起来很复杂,但世界各地的工程师们已经在开发新的测试仪器和方法,如OTA,这些都是5G成功进行商业部署所必需的。

  2 实现安全自动驾驶所需的权衡迫在眉睫 软件定义的测试平台至关重要

  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。根据IIHS 2016年的研究报告指出,自动制动系统减少了大约40%的追尾事故,碰撞警告系统减少了23%的追尾事故。尽管如此,国家公路交通安全管理局(NHTSA )报告说,94%的严重车祸都是由人为失误造成的。为了实现从驾驶辅助到L4或L5级别自主驾驶的转变并让驾驶员不用再控制方向盘,汽车行业面临着更加复杂的挑战。例如,传感器融合是一项必需的技术,该技术通过综合许多传感器的测量数据来得到结果,因此需要同步、大功率处理以及传感器技术不断进步。NI汽车市场总监Jeff Phillip在报告中提出,对于汽车制造商而言,这意味着在成本、技术和战略这三个关键要素之间进行权衡,以达到适当的平衡。

  代价:冗余与互补传感器

  L3级别自主驾驶标准规定,如果汽车保持在预定义的环境下,那么驾驶员就不需要特别注意。 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。

  冗余与互补传感器比较

  最后,传感器数据处理的目标是获得可代表汽车周围环境安全/故障的表示方式,并且这种表示方式应可以馈入决策算法,并有助于降低成本,从而使最终产品能够产生盈利。实现这一目标的最大挑战之一是选择合适的软件。以三个应用为例:紧密同步测量、维护数据可追溯性,以及在无数真实条件下对软件进行测试。每一个应用都有其独特的挑战;对于自动驾驶,这三个应用都必不可少,但代价是什么呢?

  技术:分布式与集中式架构

  ADAS的处理能力来自于多个独立的控制单元;但是传感器融合正在推动单个集中式处理器的普及。以奥迪A8为例。在2019年款的车型中,奥迪将所需的传感器、功能、电子硬件和软件架构整合到一个中央系统中。这个中央驾驶辅助控制器会计算汽车周围环境的完整模型并激活所有辅助系统。它的处理能力将比以前奥迪A8车型的所有系统合起来都要高。

  集中式与分布式体系结构

  集中式架构的主要问题是高功率处理的高成本,而且由于需要在汽车中的其他地方安装一个辅助融合控制器作为备用控制器来确保安全,这一成本就更加高了。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。

  策略:内部开发与现成即用的技术

  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。历史表明,如果某个能力的成本日益增加,而且需求非常高,就会引起邻近市场领导者的注意,进而推动了市场现有企业之间的竞争。

  举个数据说明,UBS估计雪佛兰Bolt电动动力系统的半导体器件要比同等内燃机汽车多6到10倍。汽车内半导体器件的数量只会增加,不会减少,而邻近市场也将会不断改进相关的技术和产品。例如,NVIDIA已经改进了最初为消费电子产品开发的Tegra平台,以满足汽车ADAS应用的需求。另外,Denso已开始设计和制造自己的人工智能微处理器以降低成本和能耗,Denso的子公司NSITEXE Inc.计划在2022年发布一款数据流处理器,即下一代处理器IP,称为DFP。比赛已然已经开始。

  优化权衡

  基于这些权衡做出的决策将对整个供应链的上市时间和差异化能力产生巨大影响。快速重新配置测试仪的能力对于最大限度地降低验证和生产测试成本和时间至关重要,因此通过软件实现灵活性是制胜之策。丰田研究所首席执行官James Kuffner博士在接受采访时表示,“我们的预算不是翻一番,而是翻两番。我们有将近40亿美元的资金让丰田成为一家拥有世界级软件的汽车公司。”这种情绪在汽车行业并不少见。目前还没有明确的答案,但是,就像过去的工业革命一样,人们通过提高生产力来负担新技术所需的成本,提高软件开发效率将成为自动驾驶革命不可或缺的一部分。

  “[Helmut Matschi,Continental内装部门执行委员会成员]表示,这一切都归功于软件工程。 他预测,随着未来十年内高性能计算机在汽车中的广泛使用,开发项目可能会将80%的预算用于软件。”


分享到:

资讯排行榜

  • 每日排行
  • 每周排行
  • 每月排行

华强资讯微信号

关注方法:
· 使用微信扫一扫二维码
· 搜索微信号:华强微电子