071221@52RD_07918@52RD_META工具RFtool功能的使用

合集下载

超低价的META工具RFtool功能的使用(中文版)

META工具软件RFTool功能的使用1.简述1.1工具介绍META(Mobile Engineering Testing Architecture)是在MTK平台中用于测试、校准、调试手机的一个开发工具，本文主要介绍其射频工具RFTool的使用方法，便于在生产维修中对手机的射频性能进行调整。

1.2 系统配置软件环境●MS Windows ME, 98, 2000 or XPThe following driver and library are needed for META factory:●NI (National Instruments) GPIB-USB driver (The driver is bundled with NI GPIB-USB device) or Agilent GPIB-USB driver.硬件环境●Generic Pentium III or above PC●Agilent 8960 or R&S CMU 200The following hardware is needed for META factory●NI or Agilent GPIB-USB device●Agilent 661x or Agilent 663x2 series power supply1.3 META的安装执行“setup.exe”进行安装，请根据安装步骤提示来进行安装，如图1－3图1图2图32.RF Tool的使用主要介绍RF Tool的PM、TX level and profile、Continuous TX功能2.1 软件的设置2.1.1打开META，先对软件的使用作相应的配置，包括串口、基带芯片型号、波特率等关键参数。

目前使用的基带芯片主要有6205B、6218，后续还会有6219，使用前根据手机的基带芯片选择正确的型号，否则使用工具软件。

图42.1.2打开数据库文件（文件名一般为DataBase..），用于调出手机的参数，注意数据库文件必须跟手机的软件版本对应，开发中心在下发新版软件时候会包括该版软件的数据库文件。

RFT

RFT概述RFT(Rational Functional Tester)是由IBM推出的针对Java、.Net和Web应用程序的自动化功能测试工具，拥有功能强大的编辑器并支持多种脚本语言，还集成了ScriptAssure 技术、模式匹配功能及数据驱动，以增强测试脚本的灵活性。

借助这一工具，测试人员可以轻松地录制或编写脚本来进行自动化测试，极大地提高了测试效率。

通过录制一个应用程序的测试您可以很快产生测试脚本，您还可以测试这个应用程序之中的任何对象，包括这个对象的属性和数据。

注：开始记录之前，要针对你所录的应用程序的脚本，先配置测试环境、配置测试应用程序和创建功能测试项目。

1.创建Functional Test项目文件—新建—Functional Test项目，点击弹出创建Functionnal Test项目的对话框，在该窗口需要你指定项目名称和存放该项目的路径，点击【完成】按钮，Functional Test项目创建完成。

或连接到现有项目，连接到项目后才能记录脚本。

注：如果有源控制选项可用，则不要选择将项目添加到源控制中。

如果有关联项目选项可用，则不要选择将Functional Test 项目与当前Rational 项目相关联。

2.编辑应用程序信息配置—配置应用程序进行测试，点击弹出编辑用程序信息对话框，如下图所示。

在该窗口点击【添加】按钮，在弹出的“选择应用程序种类”窗口中选择你要添加的应用程序的种类，如图所示。

然后点击【下一步】,直至完成。

3.启用环境进行测试配置—启用环境进行测试，点击弹出“启用环境”窗口，在该窗口中，你可以进行选择：注：窗口中的三个选项卡是需要用到的三个类别或领域，它们是根据您所测试的应用程序的类型而定。

(1)一般情况下，Internet Explorer是测试回放的默认浏览器，并默认被启用。

(2)选择Java选项卡，是用于测试Java应用程序的默认运行环境。

(3)如果您已经安装了Eclipse平台，那么您也可以选择Eclipse 选项卡。

迈腾工具包'metatools'用户指南说明书

Package‘metatools’March13,2023Type PackageTitle Enable the Use of'metacore'to Help Create and Check DatasetVersion0.1.5Description Uses the metadata information stored in'metacore'objects to check and build meta-data associated columns.License MIT+ﬁle LICENSEEncoding UTF-8RoxygenNote7.2.3Imports dplyr,metacore(>=0.0.4),purrr,rlang,stringr,tidyr,tibble,magrittrSuggests testthat(>=3.0.0),haven,covr,safetyData,admiral.testConﬁg/testthat/edition3URL https://pharmaverse.github.io/metatools/BugReports https:///pharmaverse/metatools/issuesNeedsCompilation noAuthor Christina Fillmore[aut,cre](<https:///0000-0003-0595-2302>), Mike Stackhouse[aut](<https:///0000-0001-6030-723X>),GlaxoSmithKline LLC[cph,fnd],F.Hoffmann-La Roche AG[cph,fnd],Atorus Research LLC[cph,fnd]Maintainer Christina Fillmore<****************************>Repository CRANDate/Publication2023-03-1310:00:05UTCR topics documented:add_labels (2)add_variables (3)build_from_derived (3)build_qnam (4)12add_labels check_ct_col (5)check_ct_data (6)check_variables (7)combine_supp (7)convert_var_to_fct (8)create_cat_var (9)create_subgrps (10)create_var_from_codelist (10)drop_unspec_vars (12)get_bad_ct (12)make_supp_qual (13)metatools_example (14)order_cols (14)remove_labels (15)set_variable_labels (15)sort_by_key (16)Index18 add_labels Apply labels to multiple variables on a data frameDescriptionThis function allows a user to apply several labels to a dataframe at once.Usageadd_labels(data,...)Argumentsdata A data.frame or tibbled parameters in the form of variable=’label’Valuedata with variable labels appliedExamplesadd_labels(mtcars,mpg="Miles Per Gallon",cyl="Cylinders")add_variables3 add_variables Add Missing VariablesDescriptionThis function adds in missing columns according to the type set in the metacore object.All values in the new columns will be missing,but typed correctly.If unable to recognize the type in the metacore object will return a logical type.Usageadd_variables(dataset,metacore,dataset_name=NULL)Argumentsdataset Dataset to add columns to.If all variables are present no columns will be added.metacore metacore object that only contains the speciﬁcations for the dataset of interest.dataset_name Optional string to specify the dataset.This is only needed if the metacore object provided hasn’t already been subsetted.ValueThe given dataset with any additional columns addedExampleslibrary(metacore)library(haven)library(dplyr)load(metacore_example("pilot_ADaM.rda"))spec<-metacore%>%select_dataset("ADSL")data<-read_xpt(metatools_example("adsl.xpt"))%>%select(-TRTSDT,-TRT01P,-TRT01PN)add_variables(data,spec)build_from_derived Build a dataset from derivedDescriptionThis function builds a dataset out of the columns that just need to be pulled through.So any variable that has a derivation in the format of’dataset.variable’will be pulled through to create the new dataset.When there are multiple datasets present,they will be joined by the shared‘key_seq‘variables.These columns are often called’Predecessors’in ADaM,but this is not universal so that is optional to specify.4build_qnamUsagebuild_from_derived(metacore,ds_list,dataset_name=NULL,predecessor_only=TRUE,keep=FALSE)Argumentsmetacore metacore object that contains the speciﬁcations for the dataset of interest.ds_list Named list of datasets that are needed to build the fromdataset_name Optional string to specify the dataset that is being built.This is only needed if the metacore object provided hasn’t already been subsetted.predecessor_onlyBy default‘FALSE‘,but if‘TRUE‘will only use derivations with the origin of’Predecessor’keep Boolean to determine if the original columns should be kept.By default‘FALSE‘, so only the ADaM columns are kept.If‘TRUE‘the resulting dataset will haveall the ADaM columns as well as any SDTM column that were renamed in theADaM(i.e‘ARM‘and‘TRT01P‘will be in the resulting dataset)ValuedatasetExampleslibrary(metacore)library(haven)library(magrittr)load(metacore_example("pilot_ADaM.rda"))spec<-metacore%>%select_dataset("ADSL")ds_list<-list(DM=read_xpt(metatools_example("dm.xpt")))build_from_derived(spec,ds_list,predecessor_only=FALSE)build_qnam Build the observations for a single QNAMDescriptionBuild the observations for a single QNAMUsagebuild_qnam(dataset,qnam,qlabel,idvar,qeval,qorig)check_ct_col5 Argumentsdataset Input datasetqnam QNAM valueqlabel QLABEL valueidvar IDV AR variable name(provided as a string)qeval QEV AL value to be populated for this QNAMqorig QORIG value to be populated for this QNAMValueObservations structured in SUPP formatcheck_ct_col Check Control Terminology for a Single ColumnDescriptionThis function checks the column in the dataset only contains the control terminology as deﬁned by the metacore speciﬁcationUsagecheck_ct_col(data,metacore,var,na_acceptable=NULL)Argumentsdata Data to checkmetacore A metacore object to get the codelist from.If the variable has different codelists for different datasets the metacore object will need to be subsetted using‘se-lect_dataset‘from the metacore package.var Name of variable to checkna_acceptable Logical value,set to‘NULL‘by default,so the acceptability of missing values is based on if the core for the variable is"Required"in the‘metacore‘object.Ifset to‘TRUE‘then will pass check if values are in the control terminology orare missing.If set to‘FALSE‘then NA will not be acceptable.ValueGiven data if column only contains control terms.If not,will error given the values which should not be in the column6check_ct_dataExampleslibrary(metacore)library(haven)library(magrittr)load(metacore_example("pilot_ADaM.rda"))spec<-metacore%>%select_dataset("ADSL")data<-read_xpt(metatools_example("adsl.xpt"))check_ct_col(data,spec,TRT01PN)check_ct_col(data,spec,"TRT01PN")check_ct_data Check Control Terminology for a DatasetDescriptionThis function checks that all columns in the dataset only contains the control terminology as deﬁned by the metacore speciﬁcationUsagecheck_ct_data(data,metacore,na_acceptable=NULL)Argumentsdata Dataset to checkmetacore metacore object that contains the speciﬁcations for the dataset of interest.If any variable has different codelists for different datasets the metacore object willneed to be subsetted using‘select_dataset‘from the metacore package.na_acceptable Logical value,set to‘NULL‘by default,so the acceptability of missing values is based on if the core for the variable is"Required"in the‘metacore‘object.Ifset to‘TRUE‘then will pass check if values are in the control terminology orare missing.If set to‘FALSE‘then NA will not be acceptable.ValueGiven data if all columns pass.It will error otherwiseExampleslibrary(haven)library(metacore)library(magrittr)load(metacore_example("pilot_ADaM.rda"))spec<-metacore%>%select_dataset("ADSL")data<-read_xpt(metatools_example("adsl.xpt"))check_ct_data(data,spec)check_variables7 check_variables Check Variable NamesDescriptionThis function checks the variables in the dataset against the variables deﬁned in the metacore spec-iﬁcations.If everything matches the function will return‘TRUE‘and a message starting everything is as expected.If there are additional or missing variables and error will explain the discrepancies Usagecheck_variables(data,metacore,dataset_name=NULL)Argumentsdata Dataset to checkmetacore metacore object that only contains the speciﬁcations for the dataset of interest.dataset_name Optional string to specify the dataset.This is only needed if the metacore object provided hasn’t already been subsetted.Valuemessage if the dataset matches the speciﬁcation and the dataset,and error otherwiseExampleslibrary(haven)library(metacore)library(magrittr)load(metacore_example("pilot_ADaM.rda"))spec<-metacore%>%select_dataset("ADSL")data<-read_xpt(metatools_example("adsl.xpt"))check_variables(data,spec)combine_supp Combine the Domain and Supplemental QualiﬁerDescriptionCombine the Domain and Supplemental QualiﬁerUsagecombine_supp(dataset,supp)8convert_var_to_fct Argumentsdataset Domain datasetsupp Supplemental Qualiﬁer datasetValuea dataset with the supp variables added to itExampleslibrary(safetyData)library(tibble)combine_supp(sdtm_ae,sdtm_suppae)%>%as_tibble()convert_var_to_fct Convert Variable to Factor with Levels Set by Control TermsDescriptionThis functions takes a dataset,a metacore object and a variable name.Then looks at the metacore object for the control terms for the given variable and uses that to convert the variable to a factor with those levels.If the control terminology is a code list,the code column will be used.The function fails if the control terminology is an external libraryUsageconvert_var_to_fct(data,metacore,var)Argumentsdata A dataset containing the variable to be modiﬁedmetacore A metacore object to get the codelist from.If the variable has different codelists for different datasets the metacore object will need to be subsetted using‘se-lect_dataset‘from the metacore packagevar Name of variable to changeValueDataset with variable changed to a factorcreate_cat_var9Exampleslibrary(metacore)library(haven)library(dplyr)load(metacore_example("pilot_ADaM.rda"))spec<-metacore%>%select_dataset("ADSL")dm<-read_xpt(metatools_example("dm.xpt"))%>%select(USUBJID,SEX,ARM)#Variable with codelist control termsconvert_var_to_fct(dm,spec,SEX)#Variable with permitted value control termsconvert_var_to_fct(dm,spec,ARM)create_cat_var Create Categorical Variable from CodelistDescriptionUsing the grouping from either the‘decode_var‘or‘code_var‘and a reference variable(‘ref_var‘) it will create a categorical variable and the numeric version of that categorical variable.Usagecreate_cat_var(data,metacore,ref_var,grp_var,num_grp_var=NULL)Argumentsdata Dataset with reference variable in itmetacore A metacore object to get the codelist from.If the variable has different codelists for different datasets the metacore object will need to be subsetted using‘se-lect_dataset‘from the metacore package.ref_var Name of variable to be used as the reference i.e AGE when creating AGEGR1 grp_var Name of the new grouped variablenum_grp_var Name of the new numeric decode for the grouped variable.This is optional if no value given no variable will be createdValuedataset with new column addedExampleslibrary(metacore)library(haven)library(dplyr)load(metacore_example("pilot_ADaM.rda"))spec<-metacore%>%select_dataset("ADSL")10create_var_from_codelist dm<-read_xpt(metatools_example("dm.xpt"))%>%select(USUBJID,AGE)#Grouping Column Onlycreate_cat_var(dm,spec,AGE,AGEGR1)#Grouping Column and Numeric Decodecreate_cat_var(dm,spec,AGE,AGEGR1,AGEGR1N)create_subgrps Create SubgroupsDescriptionCreate SubgroupsUsagecreate_subgrps(ref_vec,grp_defs)Argumentsref_vec Vector of numeric valuesgrp_defs Vector of strings with groupings deﬁned.Format must be either:<00,>=00, 00-00,or00-<00ValueCharacter vector of the values in the subgroupsExamplescreate_subgrps(c(1:10),c("<2","2-5",">5"))create_subgrps(c(1:10),c("<=2",">2-5",">5"))create_subgrps(c(1:10),c("<2","2-<5",">=5"))create_var_from_codelistCreate Variable from CodelistDescriptionThis functions uses code/decode pairs from a metacore object to create new variables in the datacreate_var_from_codelist11 Usagecreate_var_from_codelist(data,metacore,input_var,out_var,decode_to_code=TRUE)Argumentsdata Dataset that contains the input variablemetacore A metacore object to get the codelist from.If the‘out_var‘has different codelists for different datasets the metacore object will need to be subsetted using‘se-lect_dataset‘from the metacore package.input_var Name of the variable that will be translated for the new columnout_var Name of the output variable.Note:the grouping will always be from the code of the codelist associates with‘out_var‘decode_to_code Direction of the translation.By default assumes the‘input_var‘is the decode column of the codelist.Set to‘FALSE‘if the‘input_var‘is the code column ofthe codelistValueDataset with a new column addedExampleslibrary(metacore)library(tibble)data<-tribble(~USUBJID,~VAR1,~VAR2,1,"M","Male",2,"F","Female",3,"F","Female",4,"U","Unknown",5,"M","Male",)spec<-spec_to_metacore(metacore_example("p21_mock.xlsx"),quiet=TRUE)create_var_from_codelist(data,spec,VAR2,SEX)create_var_from_codelist(data,spec,"VAR2","SEX")create_var_from_codelist(data,spec,VAR1,SEX,decode_to_code=FALSE)12get_bad_ct drop_unspec_vars Drop Unspeciﬁed VariablesDescriptionThis function drops all unspeciﬁed variables.It will throw and error if the dataset does not contain all expected variables.Usagedrop_unspec_vars(dataset,metacore,dataset_name=NULL)Argumentsdataset Dataset to changemetacore metacore object that only contains the speciﬁcations for the dataset of interest.dataset_name Optional string to specify the dataset.This is only needed if the metacore object provided hasn’t already been subsetted.ValueDataset with only speciﬁed columnsExampleslibrary(metacore)library(haven)library(dplyr)load(metacore_example("pilot_ADaM.rda"))spec<-metacore%>%select_dataset("ADSL")data<-read_xpt(metatools_example("adsl.xpt"))%>%select(USUBJID,SITEID)%>%mutate(foo="Hello")drop_unspec_vars(data,spec)get_bad_ct Gets vector of control terminology which should be thereDescriptionThis function checks the column in the dataset only contains the control terminology as deﬁned by the metacore speciﬁcation.It will return all values not found in the control terminologyUsageget_bad_ct(data,metacore,var,na_acceptable=NULL)make_supp_qual13Argumentsdata Data to checkmetacore A metacore object to get the codelist from.If the variable has different codelists for different datasets the metacore object will need to be subsetted using‘se-lect_dataset‘from the metacore package.var Name of variable to checkna_acceptable Logical value,set to‘NULL‘by default,so the acceptability of missing values is based on if the core for the variable is"Required"in the‘metacore‘object.Ifset to‘TRUE‘then will pass check if values are in the control terminology orare missing.If set to‘FALSE‘then NA will not be acceptable.eValuevectormake_supp_qual Make Supplemental QualiﬁerDescriptionMake Supplemental QualiﬁerUsagemake_supp_qual(dataset,metacore,dataset_name=NULL)Argumentsdataset dataset the supp will be pulled frommetacore A subsetted metacore object to get the supp information from.If not already subsetted then a‘dataset_name‘will need to be provideddataset_name optional name of datasetValuea CDISC formatted SUPP datasetExampleslibrary(metacore)library(safetyData)library(tibble)load(metacore_example("pilot_SDTM.rda"))spec<-metacore%>%select_dataset("AE")ae<-combine_supp(sdtm_ae,sdtm_suppae)make_supp_qual(ae,spec)%>%as_tibble()14order_cols metatools_example Get path to pkg exampleDescriptionpkg comes bundled with a number of sampleﬁles in its‘inst/extdata‘directory.This function make them easy to accessUsagemetatools_example(file=NULL)Argumentsfile Name ofﬁle.If‘NULL‘,the exampleﬁles will be listed.Examplesmetatools_example()metatools_example("dm.xpt")order_cols Sort Columns by OrderDescriptionThis function sorts the dataset according to the order found in the metacore object.Usageorder_cols(data,metacore,dataset_name=NULL)Argumentsdata Dataset to sortmetacore metacore object that contains the speciﬁcations for the dataset of interest.dataset_name Optional string to specify the dataset.This is only needed if the metacore object provided hasn’t already been subsetted.Valuedataset with ordered columnsremove_labels15Exampleslibrary(metacore)library(haven)library(magrittr)load(metacore_example("pilot_ADaM.rda"))spec<-metacore%>%select_dataset("ADSL")data<-read_xpt(metatools_example("adsl.xpt"))order_cols(data,spec)remove_labels Remove labels to multiple variables on a data frameDescriptionThis function allows a user to removes all labels to a dataframe at once.Usageremove_labels(data)Argumentsdata A data.frame or tibbleValuedata with variable labels appliedExampleslibrary(haven)data<-read_xpt(metatools_example("adsl.xpt"))remove_labels(data)set_variable_labels Apply labels to a data frame using a metacore objectDescriptionThis function leverages metadata available in a metacore object to apply labels to a data frame.Usageset_variable_labels(data,metacore,dataset_name=NULL)Argumentsdata A dataframe or tibble upon which labels will be appliedmetacore metacore object that contains the speciﬁcations for the dataset of interest.dataset_name Optional string to specify the dataset.This is only needed if the metacore object provided hasn’t already been subsetted.ValueDataframe with labels appliedExamplesmc<-metacore::spec_to_metacore(metacore::metacore_example("p21_mock.xlsx"),quiet=TRUE)dm<-haven::read_xpt(metatools_example("dm.xpt"))set_variable_labels(dm,mc,dataset_name="DM")sort_by_key Sort Rows by Key SequenceDescriptionThis function sorts the dataset according to the key sequence found in the metacore object.Usagesort_by_key(data,metacore,dataset_name=NULL)Argumentsdata Dataset to sortmetacore metacore object that contains the speciﬁcations for the dataset of interest.dataset_name Optional string to specify the dataset.This is only needed if the metacore object provided hasn’t already been subsetted.Valuedataset with ordered columnsExampleslibrary(metacore)library(haven)library(magrittr)load(metacore_example("pilot_ADaM.rda"))spec<-metacore%>%select_dataset("ADSL")data<-read_xpt(metatools_example("adsl.xpt")) sort_by_key(data,spec)Indexadd_labels,2add_variables,3build_from_derived,3build_qnam,4check_ct_col,5check_ct_data,6check_variables,7combine_supp,7convert_var_to_fct,8create_cat_var,9create_subgrps,10create_var_from_codelist,10drop_unspec_vars,12get_bad_ct,12make_supp_qual,13metatools_example,14order_cols,14remove_labels,15set_variable_labels,15sort_by_key,1618。

Matlab拟合工具箱CFtool使用指南

matlab拟合工具箱使用1.打开CFTOOL工具箱在Matlab 6.5以上的环境下，在左下方有一个"Start"按钮，如同Windows的开始菜单，点开它，在目录"Toolboxes"下有一个"Curve Fitting"，点开"Curve Fitting Tool"，出现数据拟合工具界面，基本上所有的数据拟合和回归分析都可以在这里进行。

也可以在命令窗口中直接输入"cftool"，打开工具箱。

2.输入两组向量x，y首先在Matlab的命令行输入两个向量，一个向量是你要的x坐标的各个数据，另外一个是你要的y坐标的各个数据。

输入以后假定叫x向量与y向量，可以在workspace里面看见这两个向量，要确保这两个向量的元素数一致，如果不一致的话是不能在工具箱里面进行拟合的。

例如在命令行里输入下列数据:x = [196,186, 137, 136, 122, 122, 71, 71, 70, 33];y = [0.012605; 0.013115; 0.016866; 0.014741; 0.022353;0.019278; 0.041803; 0.038026; 0.038128; 0.088196];3.选取数据打开曲线拟合共工具界面，点击最左边的"Data..."按钮，出现一个Data对话框，在Data Sets页面里，在X Data选项中选取x向量，Y Data选项中选取y向量，如果两个向量的元素数相同，那么Create data set按钮就激活了，此时点击它，生成一个数据组，显示在下方Data Sets列表框中。

关闭Data对话框。

此时Curve Fitting Tool窗口中显示出这一数据组的散点分布图。

4.拟合曲线(幂函数power)。

点击Fitting...按钮，出现Fitting对话框，Fitting对话框分为两部分，上面为Fit Editor，下面为Table of Fits,有时候窗口界面比较小，Fit Editor部分会被收起来，只要把Table of Fits 上方的横条往下拉就可以看见Fit Editor。

MTK_META使用工具

META 工具1.4 META 工具软件的设置1.4.1 打开META，先对软件的使用作相应的配置，包括基带芯片型号、串口、波特率和基准时钟频率等关键参数。

使用前根据手机的基带芯片选择正确的型号，选择正确的时钟频率，如不知道则使用工具软件自动功能Auto detect。

如图1 至3:图1图2图31.4.2 打开数据库文件（文件名一般为DataBase..），用于调出手机的参数，注意数据库文件必须跟手机的软件版本对应，开发中心在下发新版软件时候会包括该版软件的数据库文件。

图42. 介绍META 工具生产过程中常用的几个方面内容Functions:1. RF Tool2. Update parameter2.1 RF Tool主要介绍RF Tool 的PM、Gain sweep、Continuous RX、Continuous TX、TX level andprofile、AFC Control 等功能图52.1.1PM (power measurement)测接收路径损耗该功能主要用于检测手机接收电路的功率接收性能，适合对不入网、接收信号弱等跟接收相关的机子的检测，本例以测量手机GSM 20 信道接收来介绍，操作步骤如下步骤1：用射频线把手机跟8960 连接，8960 的工作模式设置成【Active】，还要设置【CELL Power】＝-85dbm，【CELL band】＝PGSM ，【Broadcast Chan】＝20图6步骤2：设置如下【Band】＝GSM900, 根据需要设置手机的接收频段【ARFCN】=20,根据需要设置手机的接收信道【PM/Frame】＝1，测量的帧数，建议使用默认值1【PM Count】＝10，每帧测量的点数，建议使用默认值10【Gain】＝40，手机整个射频接收电路的增益值，建议设成40db【Start】，按下该按钮则手机进入接收模式，并可以在白色文本框看到测量结果：图7读数结果各值代表的指标如下：【Ant.Power】指8960 信号经过射频口、天线开关、声表滤波器后得到的功率值，正常的值应该比原来信号功率衰减2dbm 以内，如果结果衰减远大于2dbm 或者出现“Invalid”都表示该模块电路出现了故障，这个值也是我们应该观察的。

RFT(IBM)

Rational Functional Tester（以下简称RFT）是一个面向对象的、自动测试工具，它使您能够测试各种应用程序。

通过录制一个应用程序的测试您可以很快产生测试脚本，您还可以测试这个应用程序之中的任何对象，包括这个对象的属性和数据。

RFT可以给您提供一个编写脚本语言的机会和两种开发环境：Eclipse 框架中的Java™或者Microsoft™ Visual Studio™开发系统中的Microsoft™ Visual Basic™ .NET。

这意味着，无论您开发小组的成员使用什么样的语言或者平台，您都应该能够将它们与 Rational Functional Tester 集成起来，并且您在开发自动化测试的时候能够利用它们的一些功能。

4. 脚本录制和回放过程设定测试环境->设定录制选项->启动录制->执行用户动作->插入验证点->结束录制->复位环境->设定回放选项->回放脚本->查看分析结果。

5. 验证点在设计测试时，一个重要的因素就是决定何时以及如何确认应用程序符合预期，这就需要在环境中设计验证点。

验证点是一个脚本中创建的某一个要点，用于在运行过程中确定待测应用的状态，而不再需要通过视觉判断程序是否通过测试，代之以自动测试。

可以说，若没有验证点就不叫测试。

一般把以下对象作为数据验证点：下拉列表、菜单分级结构、表格、文本、树结构、状态等。

6. 脚本支持命令是在脚本录制过程中可以随时添加的一些辅助工程，操作方便。

包括调用脚本、日志录入、记时器、休眠、注释、剪贴板测试对象：鼠标和键盘等作用在任何组件的的控件。

验证点：测试时所更关注的一个控件的属性，可以把验证点转换为数据池，分为属性验证点额和数据验证点。

1.数据验证点（data verification point）使用共享测试对象映射：各个脚本设计到的所有对象。

2.属性验证点：输入卡号以后的button:Place Order选中action command和enabled，其大小颜色等没有关系基线：一个已经被正式评审或批准的规格产品，他作为进一步开发的一个基础，并且必须通过正式的变更流程来变更。

META英文.ppt

RF tool (cont.)
• Continue TX
– Observing the TX IQ – User can indicated TX IQ pattern – PA is not turned on
RF tool (cont.)
• TX level and profile
– Fine tune TX configuration and profiles – PA is turned on
Baseband Tool - Auxiliary ADC
• Used to measure ADC slope & offset
Baseband Tool - Peripheral register read/write
• Used to read/write the register of baseband chip • Note : BB register address : 0x80410010
Version information
8960 setting and GPIB address
Cable loss setting Make sure the cable loss correct before calibration
MS in Test Mode
TST
L1 Audio
FT
BB driver
L
META Lab S/W Architecture (cont.)
• META-DLL
– Responsible for the communication with target handset, handling test commands and pack/unpack primitive messages over RS232.

META使用说明

Gain Sweep
设定发射功率为-102dBm时的测量结果：时的测量结果：设定发射功率为时的测量结果
DSP Ant. Used BAND ARFCN Power Power Gain Deviation ======================================================== GSM900 20 Invalid Invalid 20.625 Invalid GSM900 20 Invalid Invalid 22.625 Invalid GSM900 20 Invalid Invalid 24.625 Invalid GSM900 20 Invalid Invalid 26.625 Invalid GSM900 20 Invalid Invalid 28.625 Invalid GSM900 20 Invalid Invalid 30.625 Invalid GSM900 20 Invalid Invalid 32.625 Invalid GSM900 20 Invalid Invalid 34.625 Invalid GSM900 20 Invalid Invalid 36.625 Invalid GSM900 20 Invalid Invalid 38.625 Invalid GSM900 20 -62.375 -103.000 40.625 2.183 GSM900 20 -60.750 -103.375 42.625 1.152 GSM900 20 -58.625 -103.250 44.625 2.550 GSM900 20 -56.875 -103.500 46.625 2.553 GSM900 20 -55.000 -103.625 48.625 2.798 GSM900 20 -53.000 -103.625 50.625 1.179 GSM900 20 -50.875 -103.500 52.625 4.699 GSM900 20 -49.125 -103.750 54.625 4.421 GSM900 20 -46.875 -103.500 56.625 3.606 GSM900 20 -44.875 -103.500 58.625 4.418 GSM900 20 -43.000 -103.625 60.625 4.114

factool 使用方法

factool 使用方法全文共四篇示例，供读者参考第一篇示例：Factool 是一个强大的数据处理工具，可以帮助用户快速、高效地分析和处理大量的数据。

本文将详细介绍Factool 的使用方法，帮助用户更好地掌握这个工具的各种功能和特点。

一、安装Factool用户需要到Factool 的官方网站上下载最新版本的软件安装包，然后按照安装向导的提示一步步安装即可。

安装过程通常很简单，只需点击“下一步”就能完成。

二、打开Factool安装完成后，用户可以在电脑的桌面或开始菜单中找到Factool 的图标，双击打开即可开始使用。

用户可以在弹出的界面中选择新建项目或打开已有项目。

三、新建项目用户可以点击Factool 界面中的“新建项目”按钮，然后输入项目名称和描述，选择数据源和分析范围等参数，最后点击“确定”按钮即可创建一个新的项目。

用户也可以通过导入数据的方式来创建新项目。

四、导入数据用户可以点击Factool 界面中的“导入数据”按钮，然后选择想要导入的数据文件，如Excel、CSV 等格式，点击“确定”按钮即可导入数据。

Factool 支持导入各种类型的数据文件，用户可以根据实际需求选择合适的文件格式。

五、数据清洗用户可以在Factool 中对导入的数据进行清洗，包括去重、筛选、格式化等操作。

用户可以点击“数据清洗”按钮，然后选择要清洗的数据字段，设置相应的清洗规则，最后点击“确定”按钮即可完成数据清洗操作。

七、数据可视化Factool 提供了丰富的可视化功能，用户可以通过图表、地图等方式直观展示数据分析的结果。

用户可以点击“数据可视化”按钮，选择想要展示的数据字段和图表类型，最后点击“确定”按钮即可生成数据可视化图表。

九、数据管理Factool 提供了强大的数据管理功能，用户可以对项目、数据源等进行管理和设置。

用户可以点击“数据管理”按钮，然后选择要管理的项目或数据源，进行相应的管理和设置操作。

十、数据安全Factool 提供了数据加密、用户认证等安全功能，确保用户的数据在处理过程中得到保护和安全。

RTool远程管理工具使用说明说明书

RTool远程管理工具使用说明资料版本：V1.2—2019.03声明首先非常感谢您选择本公司产品！在使用前，请您仔细阅读本用户手册。

非本公司书面许可，任何单位和个人不得擅自摘抄、复制本书内容的部分或全部，并不得以任何形式传播。

由于不断更新，本公司不能承诺该资料与实际产品一致，同时也不承担由于实际技术参数与本资料不符所导致的任何争议，任何改动恕不提前通知。

本公司保留最终更改权和解释权。

本手册图形界面约定格式意义< >带尖括号“< >”表示按钮名，如“单击<确定>按钮”。

“”带双引号“”表示窗口名、菜单名，如：弹出“新建用户”窗口。

>>多级菜单用“>>”隔开。

如“文件>>新建>>文件夹”多级菜单表示“文件”菜单下的“新建”子菜单下的“文件夹”菜单项。

提醒操作中应注意的事项，不当的操作可能会导致数据丢失或者设备损坏。

对操作内容的描述进行必要的补充和说明。

技术支持联络信息北京映翰通网络技术股份有限公司（总部）地址：北京市朝阳区利泽中园103号楼3层302电话：（8610）6439 1099 传真：（8610）8417 0089成都办事处电话：************地址：四川省成都市高新区府城大道西段399号，天府新谷10栋1406室广州办事处电话：************地址：广州市天河区棠东东路5号远洋新三板创意园B-130单元武汉办事处电话：************地址：湖北省武汉市洪山区珞瑜东路2号巴黎豪庭11栋2001室上海办事处电话：************地址：上海市普陀区顺义路18号1103室目录1. 介绍RTool (1)1.1. RTool的界面介绍 (1)1.2. RTool与DTU建立连接 (3)2. RTool的操作 (3)2.1. 远程升级 (3)2.2. 远程读取配置参数 (5)2.3. 查看/修改配置参数 (6)2.4. 远程下发配置参数 (7)2.5. 远程重启 (8)1.介绍RTool映翰通公司开发的远程管理工具（简称RTool），可对InDTU设备（简称DTU）进行远程管理。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

META工具软件RFTool功能的使用
1.简述
1.1工具介绍
META(Mobile Engineering Testing Architecture)是在MTK平台中用于测试、校准、调试手机的一个开发工具，本文主要介绍其射频工具RFTool的使用方法，便于在生产维修中对手机的射频性能进行调整。

1.2 系统配置
软件环境
●MS Windows ME, 98, 2000 or XP
The following driver and library are needed for META factory:
●NI (National Instruments) GPIB-USB driver (The driver is bundled with NI GPIB-USB device) or Agilent GPIB-USB driver.
硬件环境
●Generic Pentium III or above PC
●Agilent 8960 or R&S CMU 200
The following hardware is needed for META factory
●NI or Agilent GPIB-USB device
●Agilent 661x or Agilent 663x2 series power supply
1.3 META的安装
执行“setup.exe”进行安装，请根据安装步骤提示来进行安装，如图1－3
图1
图2
图3
2.RF Tool的使用
主要介绍RF Tool的PM、TX level and profile、Continuous TX功能
2.1 软件的设置
2.1.1打开META，先对软件的使用作相应的配置，包括串口、基带芯片型号、波特率等关键参数。

目前使用的基带芯片主要有6205B、6218，后续还会有6219，使用前根据手机的基带芯片选择正确的型号，否则使用工具软件。

图4
2.1.2打开数据库文件（文件名一般为DataBase..），用于调出手机的参数，注意数据库文件必须跟手机的软件版本对应，开发中心在下发新版软件时候会包括该版软件的数据库文件。

power measurement)
该功能主要用于检测手机接收电路图5
2.2 PM (的功率接收性能，适合对不入网、接收信号弱等跟接收相关的机子的检测，本例以测量手机GSM 20信道接收来介绍，操作步骤如下
步骤1：用射频线把手机跟8960连接，8960的工作模式设置成【Active】，还要设置【CELL Power】＝-85dbm，【CELL band】＝PGSM ，【Broadcast Chan】＝20
图6
步骤2：设置如下
【Band】＝GSM900, 根据需要设置手机的接收频段
【ARFCN】=20,根据需要设置手机的接收信道
【PM/Frame】＝1，测量的帧数，建议使用默认值1
【PM Count】＝10，每帧测量的点数，建议使用默认值10
【Gain】＝40，手机整个射频接收电路的功率补偿值，建议设成40db
【Start】，按下该按钮则手机进入接收模式，并可以在白色文本框看到测量结果：
图7
读数结果各值代表的指标如下：
【Ant.Power】指8960信号经过射频口、天线开关、声表滤波器后得到的功率值，正常的值应该比原来信号功率衰减2dbm以内，如果结果衰减远大于2dbm或者出现“Invalid”都表示该模块电路出现了故障，这个值也是我们应该观察的。

图8
【Userd Gain】实际手机整个射频接收电路的功率补偿值，跟软件上设置的【Gain】值存在一定的误差。

【DSP Power】基带DSP接收到的功率值。

【Deviation】表示每次功率测量结果的差别程度，表征了射频接收回路的一致性是否良好。

常见故障的分析：
特别是手机连不上网的，可以用这个PM功能来检测
1）如果【Ant.Power】的值非常低甚至出现Invalid，证明接收回路已经断路，重点检查滤波器、匹配电路、天线开关及其控制信号。

2）如果【Ant.Power】的值比正常值略低，则有可能是接收回路的天线开关、滤波器、匹配电路虚焊。

3）如果误码率较高，主要故障会出现在SAW滤波器上，因为滤波器不能正常工作的会使更多的干扰信号被LNA放大，或者是LNA加大Gain值，使在放大有用信号的同时干扰信号也被放大了。

2.3 TX level and profile
该功能主要通过META的命令实现对手机发射电路的控制和调试，工程师可以用测试仪器对发射的信号进行测量，本例以测量手机GSM 20信道PCL5发射来介绍，
2.3.1测量手机的发射功率及时间VS功率模板
步骤1：用射频线把手机跟8960相连接，并把8960的操作模式设置成【GSM BCH+TCH】, 频段设置【Cell Band】为PGSM，
【Broadcast Chan】为20信道，
【Traffic Band】＝PGSM，传输信道
【Traffic Channel】＝20，
【MS TX Level】＝5，
图9
步骤2：设置META的发射模式的相关选项
【Band】＝GSM900, 根据需要设置手机的接收频段
【ARFCN】＝20,根据需要设置手机的接收信道
【TSC】＝4，发射信号的时隙，该值要保持跟8960的设置一致
【PCL】＝5，功率控制等级，该值要保持跟8960的设置一致
【AFC】＝4100，自动频率控制补偿值，可以不作改变，按照默认值4100
【Burst Type】＝NB，手机的发射脉冲方式，按照默认值NB（常规方式）
设置完毕后，按下“Start”按钮则可以测量到手机发射的burst
图10
步骤3：当控制手机处于发射状态后，则可以用8960来观察发射信号的各项指标性能，包括功率大小、功率时间模板、调制普和开关普等，例如下图为观察到的功率时间模板：
图11
步骤4：META工具提供了对发射功率曲线的微调，但是由于软件本身的缺陷，还不能较直观地对功率曲线进行调整，
●首先进入【Level and Ramp setting...】
●按下【Upload from flash】，功率校准的数值会自动显示在窗口上，
●设置【ARFCN】＝20，
●选中PCL5，对应的数值是683，该值代表着发射功率的大小，如果功率大小不符合，可以对该值每次加或减5，按下【Start】，进行功率微调，直到合适为止。

●调整该功率等级对应的上升沿和下降沿数值，可以改变上下升沿的形状
●调整完毕后，按下【Download to flash】，更新后的数值将写入flash。

上升沿和下降沿
图12
说明：该功能只适合对PA的发射曲线进行微调，如果由于发射电路相关器件虚焊、损坏、短路而使发射信号出现比较怪异、严重偏离功率时间模板的情况将无法进行调整。

因为开发工程师是经过分析大量的PA曲线数据计算出的模板数值，所以写到每台手机的功率模板数值是一样的（只是功率大小不同），PA的工艺水平已经成熟，一致性较好，所以一般情况下不建议对模板数值作大的改动，如果更改失败，则需要重新校准。

常见故障分析：
1）META控制手机发射，观察不到发射信号，首先看发射电流是否足够大来判断PA是否处于工作状态，
●如果PA工作但是8960没有收到发射信号，则检查PA输出端的滤波器和天线开关是否正常工作
●如果发射电流很低，PA没有工作，则检查PA的控制电压（PA_EN、VAPC、VBAT等）和压控振荡器输出端衰减器的焊接是否正常（测量对地电阻），还要检查VCO是否已经工作，可以控制手机处于发射状态用频谱仪来测量输出信号。

2）发射的功率时间模板严重变形，用META一般是无法调整的，可能是Transceiver焊接不良或者损坏造成对发射信号的内部调整出现故障。

2.4 Continuous TX
该功能用于对手机发射IQ信号的观察，检测在发射状态下通过示波器可以从射频IC （MT6119）的43,44,45,46脚看到发射的I/Q信号，是一个67KHz的正弦信号，可以判断基带IC的工作是否正常：
图13
图14
2.5 Updata parameter
当升级时候需要对手机进行Format，该功能用于对校准参数和IMEI号等数据的保存，
图15。