研发产品测试 » 2.0基站产品化测试

"""

File: 分析频域数据的幅度信号.py

Author: lv.GR

Date created: 2023-09-12

Last modified: 2023.10.08 --1.4

Description:

1 安装python3

2 在windows 的cmd 窗口安装(管理员权限安装)：

    pip3 install numpy

    pip3 install matplotlib

3 安装完成后，直接执行脚本即可；

Version: 1.2

"""

import numpy as np

import matplotlib.pyplot as plt

import tkinter as tk

from tkinter import filedialog

plt.rcParams['font.sans-serif'] = ['SimHei']  # 使用中文字体

plt.rcParams['axes.unicode_minus'] = False  # 解决负号显示问题

# 创建一个tkinter窗口

root = tk.Tk()

root.withdraw()  # 隐藏主窗口，只显示文件对话框

# 打开文件对话框，选择原始数据文件

file_path = filedialog.askopenfilename(title="选择频域数据文件", filetypes=[("Binary Files", "*.bin"), ("All Files", "*.*")])

if not file_path:

    print("未选择文件。程序结束。")

else:

    # 读取选定的文件中的IQ数据

    with open(file_path, 'rb') as file:

        raw_data = file.read()

    # 解析二进制数据并进行幅度图绘制

    # 1 -- len(raw_data) 计算 raw_data 的字节长度，即其中包含的字节数，然后将字节的长度除以4，计算出样点数

    data_length = len(raw_data) // 4

    print("输入的频域数据长度:", data_length)

    # 2 -- 数据重构，生成(I,Q)的二维数组

    # dtype=np.int16 指定数据的类型是16位有符号整数

    # reshape函数将其重新构，每行包含两个16位整数，一个用于I（实部），一个用于Q（虚部），

    # 将其重塑为一个形状为(data_length, 2)的二维数组

    iq_data = np.frombuffer(raw_data, dtype=np.int16).reshape((data_length, 2))

    # 频域数据的保存格式是(Q, I), 交换 I 和 Q 列

    # 创建一个新的数组以存储交换后的数据

    swapped_iq_data = np.empty_like(iq_data)

    # 交换 I 和 Q 列

    swapped_iq_data[:, 0] = iq_data[:, 1]

    swapped_iq_data[:, 1] = iq_data[:, 0]

    # 3 -- 计算每个样点的幅度值

    amplitude = np.abs(swapped_iq_data[:, 0] + 1j * swapped_iq_data[:, 1])    # np.sqrt(a**2 + b**2)

    amp_dBm = 10 * np.log10(amplitude**2 / (2 * 32767 ** 2)) - 40  # 注意amplitude 取值为0时 异常

    sampling_rate = 1  # 122.88e6

    # 4 -- 生成横轴的坐标

    # np.arange() 是NumPy库中的函数，创建等差数列，生成横轴坐标；

    # 如果 data_length 的值是100，那么这个数组将包含0到99的整数

    time = np.arange(data_length) / sampling_rate

    # 创建一个包含两个子图的画布

    fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(16, 8))

    # 设置X轴刻度标签

    x_labels = ['sym0', 'sym1', 'sym2', 'sym3', 'sym4', 'sym5', 'sym6', 'sym7', 'sym8', 'sym9', 'sym10', 'sym11', 'sym12', 'sym13']

    x_labels_2ant = ['sym0', 'sym1', 'sym2', 'sym3', 'sym4', 'sym5', 'sym6', 'sym7', 'sym8', 'sym9', 'sym10', 'sym11', 'sym12', 'sym13',

                     'sym0', 'sym1', 'sym2', 'sym3', 'sym4', 'sym5', 'sym6', 'sym7', 'sym8', 'sym9', 'sym10', 'sym11', 'sym12', 'sym13']

    # 5 --画plot1，根据数据的长度，调整图的大小和横轴的刻度值

    if data_length == 3276 * 14:  #45864

        # plt.figure(figsize=(14, 6))

        ax1.plot(time, amplitude, linewidth=1, color='b')  # 'b' 蓝色; 'y'-黄色 'r'-红色

        x_ticks = np.arange(0, data_length, 3276)  # 设置横轴刻度，在1到3276*14的范围内，每3276设置一个刻度

        ax1.set_xticks(x_ticks) 

        # 添加刻度区间标签

        for i, tick in enumerate(x_ticks):

            ax1.text(tick, -0.08, x_labels[i], fontsize=12, ha='left', va='top')  # 水平对齐和顶部对齐

    elif data_length == 3276 * 28:

        #plt.figure(figsize=(16, 6))

        ax1.plot(time, amplitude, color='b')

        x_ticks = np.arange(0, data_length, 3276)  # 设置横轴刻度，在1到3276*14的范围内，每3276设置一个刻度

        ax1.set_xticks(x_ticks)

        # 添加刻度区间标签

        for i, tick in enumerate(x_ticks):

            ax1.text(tick, -0.08, x_labels_2ant[i], fontsize=12, ha='left',va='top')  # 水平对齐和顶部对齐

    # 6 -- 画图

    ax1.set_xlabel('样点(子载波位置)')

    ax1.set_ylabel('幅值Amp')

    ax1.set_title('频域数据信号幅度-图1')

    ax1.grid(True)

    # 第二个图，与第一个图相同，但修改纵轴刻度

    if data_length == 3276 * 14:  #45864

        ax2.plot(time, amp_dBm, linewidth=1, color='b')  # 'b' 蓝色; 'y'-黄色 'r'-红色

        x_ticks = np.arange(0, data_length, 3276)  # 设置横轴刻度，在1到3276*14的范围内，每3276设置一个刻度

        ax2.set_xticks(x_ticks)

    elif data_length == 3276 * 28:

        ax2.plot(time, amp_dBm, color='b')

        x_ticks = np.arange(0, data_length, 3276)  # 设置横轴刻度，在1到3276*14的范围内，每3276设置一个刻度

        ax2.set_xticks(x_ticks)

    max_dbm_value = -40  # 最大值

    ax2.axhline(y=max_dbm_value, color='r', linestyle='--', label=f'功率溢出线: ({max_dbm_value} dBm)')

    ax2.legend()  # 添加图例

    ax2.set_xlabel('样点(子载波位置)')

    ax2.set_ylabel('RSRP-dBm')

    ax2.set_title('频域数据RSRP(值)dBm-图2')

    ax2.grid(True)

    plt.tight_layout()  # 调整子图之间的间距    

    plt.show()  # 显示画布