一种基于物联网的嵌入式软件测试系统及方法

摘要

本发明公开了一种基于物联网的嵌入式软件测试系统及方法，属于嵌入式软件测试技术领域。该系统包括数据采集模块、预测模块、偏差调节模块、模型构建模块、输出模块；所述数据采集模块的输出端与所述预测模块的输入端相连接；所述预测模块的输出端与所述偏差调节模块的输入端相连接；所述偏差调节模块的输出端与所述模型构建模块的输入端相连接；所述模型构建模块的输出端与所述输出模块的输入端相连接。并且提供一种基于物联网的嵌入式软件测试方法，对嵌入式软件测试过程中每一步流程的预测成功率，并且能够对预测结果进行偏差调节，进一步提高预测的准确率，提高软件测试效果。

说明书

技术领域

本发明涉及嵌入式软件测试技术领域，具体为一种基于物联网的嵌入式软件测试系统及方法。

背景技术

随着我国科学技术的发展以及我国经济水平的提升，物联网技术产业得到了飞速的发展。其中，通信设备作为物联网中主要的一环，占据着至关重要的地位，而通信技术的发展得益于通信设备嵌入式软件的不断更新与创新，但是在通信设备嵌入式软件的朝着智能化的发展的过程中，相关的软件测试方面的缺陷和弊端也一点一点的暴露出来。

软件测试流程关系着软件产品能否投入正常使用，正常投入生产、投入市场，是保障软件质量的基础；在通信设备的嵌入式软件测试过程中，通常会出现测试失败的情况，这里所说的失败既包括软件自身的BUG等问题，也包括测试人员不能按照规定完成任务；

一般测试失败包括以下问题：

第一、通信设备嵌入式软件测试研发需要大量的代码进行填充，因此，这需要软件测试人员有充足的知识储备以及熟练的业务水平，能够在短时间内找到问题的所在，包括软件各个模块如何进行交互、合作以及对软件的兼容性等进行综合的考虑。但是在实际的软件测试过程中可以发现，由于测试人员的更新换代速度快，年龄大的软件测试人员往往退出软件测试研发一线，新测试人员在短期内又无法达到熟练的业务水平，因此在软件测试的过程中，在许多步骤和流程上会出现测试失败的情况；

第二、测试人员缺少创新意识，不断稳定的测试模式往往使软件测试人员安于现状，同时为了避免出错，不愿意尝试去采用新的开发方式。这也因此使得技术的发展未能带动企业的发展，企业的项目和项目研发流程依然按照传统流程的进行，以至于出现测试失败；

基于以上，对通信设备的嵌入式软件测试进行每一步骤的成功率预测显得极为重要，其可以避免因为现有因素而造成的测试失败损失，而现有技术中缺乏基本预测，或者预测水品难以达到想要效果。因此，本文结合目前通信设备嵌入式软件测试所存在的问题出发，就如何改进预测通信设备嵌入式软件测试流程提出技术方案，以促进我国的嵌入式软件测试方面形成良好发展。

发明内容

本发明的目的在于提供一种基于物联网的嵌入式软件测试系统及方法，以解决上述背景技术中提出的问题。

为了解决上述技术问题，本发明提供如下技术方案：

一种基于物联网的嵌入式软件测试系统，该系统包括数据采集模块、预测模块、偏差调节模块、模型构建模块、输出模块；

所述数据采集模块用于进行通讯设备的嵌入式软件测试过程中进行采集每一步骤产生的实时数据；所述预测模块用于预测通讯设备的嵌入式软件测试过程中每一步骤的成功率；所述偏差调节模块用于通讯设备的嵌入式软件测试过程中的预测数据进行偏差调节，提高预测数据的精准性；所述模型构建模块用于构建嵌入式软件测试预测偏差值的偏差校正模型，进行调节预测数据；所述输出模块用于最终输出新的预测值；

所述数据采集模块的输出端与所述预测模块的输入端相连接；所述预测模块的输出端与所述偏差调节模块的输入端相连接；所述偏差调节模块的输出端与所述模型构建模块的输入端相连接；所述模型构建模块的输出端与所述输出模块的输入端相连接。

根据上述技术方案，所述数据采集模块包括实时采集单元、历史采集单元；

所述实时采集单元用于实时采集通信设备的嵌入式软件测试过程中每一步骤的实时数据；所述历史采集单元用于采集通信设备的嵌入式软件测试过程中各步骤的历史数据；

所述实时采集单元、所述历史采集单元的输出端与所述预测模块的输入端相连接。

根据上述技术方案，所述预测模块包括数据获取单元、预测单元；

所述数据获取单元用于获取数据采集模块的采集数据，以供分析；所述预测单元用于根据数据获取单元的数据和现有预测模型进行预测通信设备的嵌入式软件测试过程中每一步骤的成功率；

所述数据获取单元的输出端与所述预测单元的输入端相连接；所述预测单元的输出端与所述偏差调节模块的输入端相连接。

根据上述技术方案，所述偏差调节模块包括偏差计算单元、偏差调节单元；

所述偏差计算单元用于对预测数据进行偏差计算，获取嵌入式软件测试预测偏差数据；所述偏差调节单元用于进行偏差数据的归一化处理；

所述偏差计算单元的输出端与所述偏差调节单元的输入端相连接；所述偏差调节单元的输出端与所述模型构建模块的输入端相连接。

根据上述技术方案，所述模型构建模块包括模型构建单元、模型训练单元；

所述模型构建单元用于构建系统模型，包括嵌入式软件测试预测偏差值的基础模型、嵌入式软件测试预测偏差值的偏差校正模型；所述模型训练单元用于建立极限学习器，获取数据对模型构建单元的模型进行训练；

所述模型构建构建单元的输出端与所述模型训练单元的输入端相连接；所述模型训练单元的输出端与所述输出模块的输入端相连接。

一种基于物联网的嵌入式软件测试方法，该方法包括以下步骤：

S1、获取通信设备的嵌入式软件测试完成步骤A的实时成功率和对同一通信设备的嵌入式软件测试中完成步骤A的成功率预测数据；其中A代表通信设备的嵌入式软件测试过程中的任一步骤；

所述通信设备的嵌入式软件测试完成步骤A的实时成功率是通过实时采集得到，所述通信设备的嵌入式软件测试中完成步骤A的成功率预测数据是通过嵌入式软件测试预测的基础模型得到；

所述通信设备嵌入式软件测试步骤包括项目规划设计、用户需求分析、系统设计、代码设计与实现、系统测试、维护管理等；

S2、在步骤S1中随机抽取N组对应数据，计算每个步骤下的的嵌入式软件测试预测偏差数据，并进行数据清洗；其中N为数据组数，可根据需要自行设置；

S3、对嵌入式软件测试预测偏差数据进行归一化处理，获取归一化数据；

S4、拟合嵌入式软件测试预测偏差曲线，得到嵌入式软件测试预测偏差值的基础模型；

S5、获取嵌入式软件测试预测偏差数据集，构建极限学习机模型，训练得到嵌入式软件测试预测偏差值的偏差校正模型；

S6、通过嵌入式软件测试预测的基础模型和嵌入式软件测试预测偏差值的偏差校正模型，得到嵌入式软件测试的最终预测值。

根据上述技术方案，在步骤S1-S2中，对任一步骤A进行预测偏差数据计算，公式如下：

其中，

将所有预测偏差数据写入集合B中，则

则数据清洗范围为

其中，

并将清洗后的数据建立新的集合，记为

根据上述技术方案，在步骤S3中，进行归一化处理公式如下：

其中，

将归一化处理后的数据建立新的集合，记为

根据上述技术方案，在步骤S4中，获取嵌入式软件测试预测偏差值的基础模型包括：

对集合

其中，

利用最大似然估计法求取

其中，

对损失函数进行求导后，利用梯度上升法得出

进而得出嵌入式软件测试预测偏差值的基础模型；

在步骤S5中，获取嵌入式软件测试预测偏差数据集，在嵌入式软件测试预测偏差数据集中，构建极限学习机模型，所述极限学习机模型中包括训练特征集和训练目标集；

所述训练特征集用于训练数据的特征，即上述所述的每一个数据进行特征提取，对提取的特征进行训练，即可得到在模型进行预测的特征提取过程中的最佳特征；所述训练目标集根据控制不同的步骤间隔数进行训练，例如，步骤间隔为两步，即表示以每两步作为一个标准进行训练，能够有助于在测试流程多的情况下减小工作负担；采用低通滤波器对训练特征集和训练目标集进行滤波处理，分别得到训练特征集与训练目标集的低频部分、训练特征集与训练目标集的高频部分，将两个低频部分组成第一训练集；两个高频部分组成第二训练集；极限学习机模型通过第一训练集与第二训练集的训练，得出嵌入式软件测试预测偏差值的偏差校正模型。

根据上述技术方案，在步骤S6中，嵌入式软件测试的最终预测值的计算方式如下：

将嵌入式软件测试步骤A的预测值

将步骤A的预测偏差值提取特征作为输入，输入到低通滤波器中，得到输入特征的高频部分和低频部分；

将输入特征的高频部分和低频部分分别输入到嵌入式软件测试预测偏差值的偏差校正模型中，得到高频偏差校正量

最终的嵌入式软件测试成功率预测值为

若步骤A为多个步骤的组合，则获取其步骤间隔数，输入到低通滤波器中，得到步骤间隔的高频部分和低频部分；

将输入特征与步骤间隔的高频部分和低频部分分别输入到嵌入式软件测试预测偏差值的偏差校正模型中，获得新的高频偏差校正量

最终的嵌入式软件测试成功率预测值为

与现有技术相比，本发明所达到的有益效果是：

1、本发明能够提供一种嵌入式软件测试方法，得出测试过程中每一步流程的预测成功率，其中的预测基于现实条件和因素，并且能够对预测结果进行偏差调节，进一步提高预测的准确率，在面对我国目前的嵌入式软件测试的大环境下，能够发挥出其特有的作用，减少测试失败带来的不利，保障物联网设备的正常运行，提高软件测试效果；

2、本发明能够以自动化模式完成嵌入式软件测试过程的预测，进一步加强系统的智能化，并且能够创建嵌入式软件测试预测偏差值的偏差校正模型、嵌入式软件测试预测偏差模型等供系统进行解决问题，并应用低通滤波器进行数据处理，提高预测精度。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1是本发明一种基于物联网的嵌入式软件测试系统及方法的流程示意图；

图2是本发明一种基于物联网的嵌入式软件测试方法的步骤示意图。

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，本领域普通技术人员在没有做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。

请参阅图1-图2，本发明提供技术方案：

一种基于物联网的嵌入式软件测试系统，该系统包括数据采集模块、预测模块、偏差调节模块、模型构建模块、输出模块；

所述数据采集模块用于进行通讯设备的嵌入式软件测试过程中进行采集每一步骤产生的实时数据；所述预测模块用于预测通讯设备的嵌入式软件测试过程中每一步骤的成功率；所述偏差调节模块用于通讯设备的嵌入式软件测试过程中的预测数据进行偏差调节，提高预测数据的精准性；所述模型构建模块用于构建嵌入式软件测试预测偏差值的偏差校正模型，进行调节预测数据；所述输出模块用于最终输出新的预测值；

所述数据采集模块的输出端与所述预测模块的输入端相连接；所述预测模块的输出端与所述偏差调节模块的输入端相连接；所述偏差调节模块的输出端与所述模型构建模块的输入端相连接；所述模型构建模块的输出端与所述输出模块的输入端相连接。

所述数据采集模块包括实时采集单元、历史采集单元；

所述实时采集单元用于实时采集通信设备的嵌入式软件测试过程中每一步骤的实时数据；所述历史采集单元用于采集通信设备的嵌入式软件测试过程中各步骤的历史数据；

所述实时采集单元、所述历史采集单元的输出端与所述预测模块的输入端相连接。

所述预测模块包括数据获取单元、预测单元；

所述数据获取单元用于获取数据采集模块的采集数据，以供分析；所述预测单元用于根据数据获取单元的数据和现有预测模型进行预测通信设备的嵌入式软件测试过程中每一步骤的成功率；

所述数据获取单元的输出端与所述预测单元的输入端相连接；所述预测单元的输出端与所述偏差调节模块的输入端相连接。

所述偏差调节模块包括偏差计算单元、偏差调节单元；

所述偏差计算单元用于对预测数据进行偏差计算，获取嵌入式软件测试预测偏差数据；所述偏差调节单元用于进行偏差数据的归一化处理；

所述偏差计算单元的输出端与所述偏差调节单元的输入端相连接；所述偏差调节单元的输出端与所述模型构建模块的输入端相连接。

所述模型构建模块包括模型构建单元、模型训练单元；

所述模型构建单元用于构建系统模型，包括嵌入式软件测试预测偏差值的基础模型、嵌入式软件测试预测偏差值的偏差校正模型；所述模型训练单元用于建立极限学习器，获取数据对模型构建单元的模型进行训练；

所述模型构建构建单元的输出端与所述模型训练单元的输入端相连接；所述模型训练单元的输出端与所述输出模块的输入端相连接。

一种基于物联网的嵌入式软件测试方法，该方法包括以下步骤：

S1、获取通信设备的嵌入式软件测试完成步骤A的实时成功率和对同一通信设备的嵌入式软件测试中完成步骤A的成功率预测数据；其中A代表通信设备的嵌入式软件测试过程中的任一步骤；

S2、在步骤S1中随机抽取N组对应数据，计算每个步骤下的的嵌入式软件测试预测偏差数据，并进行数据清洗；其中N为数据组数，可根据需要自行设置；

S3、对嵌入式软件测试预测偏差数据进行归一化处理，获取归一化数据；

S4、拟合嵌入式软件测试预测偏差曲线，得到嵌入式软件测试预测偏差值的基础模型；

S5、获取嵌入式软件测试预测偏差数据集，构建极限学习机模型，训练得到嵌入式软件测试预测偏差值的偏差校正模型；

S6、通过嵌入式软件测试预测的基础模型和嵌入式软件测试预测偏差值的偏差校正模型，得到嵌入式软件测试的最终预测值。

在步骤S1-S2中，对任一步骤A进行预测偏差数据计算，公式如下：

其中，

将所有预测偏差数据写入集合B中，则

则数据清洗范围为

其中，

并将清洗后的数据建立新的集合，记为

在步骤S3中，进行归一化处理公式如下：

其中，

将归一化处理后的数据建立新的集合，记为

在步骤S4中，获取嵌入式软件测试预测偏差值的基础模型包括：

对集合

其中，

利用最大似然估计法求取

其中，

对损失函数进行求导后，利用梯度上升法得出

进而得出嵌入式软件测试预测偏差值的基础模型；

在步骤S5中，获取嵌入式软件测试预测偏差数据集，在嵌入式软件测试预测偏差数据集中，构建极限学习机模型，所述极限学习机模型中包括训练特征集和训练目标集；

所述训练特征集用于训练数据的特征，所述训练目标集根据控制不同的步骤间隔数进行训练，采用低通滤波器对训练特征集和训练目标集进行滤波处理，分别得到训练特征集与训练目标集的低频部分、训练特征集与训练目标集的高频部分，将两个低频部分组成第一训练集；两个高频部分组成第二训练集；极限学习机模型通过第一训练集与第二训练集的训练，得出嵌入式软件测试预测偏差值的偏差校正模型。

在步骤S6中，嵌入式软件测试的最终预测值的计算方式如下：

将嵌入式软件测试步骤A的预测值

将步骤A的预测偏差值提取特征作为输入，输入到低通滤波器中，得到输入特征的高频部分和低频部分；

将输入特征的高频部分和低频部分分别输入到嵌入式软件测试预测偏差值的偏差校正模型中，得到高频偏差校正量

最终的嵌入式软件测试成功率预测值为

若步骤A为多个步骤的组合，则获取其步骤间隔数，输入到低通滤波器中，得到步骤间隔的高频部分和低频部分；

将输入特征与步骤间隔的高频部分和低频部分分别输入到嵌入式软件测试预测偏差值的偏差校正模型中，获得新的高频偏差校正量

最终的嵌入式软件测试成功率预测值为

在本实施例中：

选取通讯设备嵌入式软件测试中的：代码测试步骤；记为步骤A；

获取该步骤的成功率预测数据及完成的实时成功率；

进行预测偏差数据计算，公式如下：

其中，

对该数据

记为集合

得出嵌入式软件测试预测偏差值的基础模型

利用最大似然估计法求取

其中，

对损失函数进行求导后，利用梯度上升法得出

进而得出嵌入式软件测试预测偏差值的基础模型；

并将该模型记录；

获取嵌入式软件测试预测偏差数据集，在嵌入式软件测试预测偏差数据集中，构建极限学习机模型，采用低通滤波器对训练特征集和训练目标集进行滤波处理，分别得到训练特征集与训练目标集的低频部分、训练特征集与训练目标集的高频部分，将两个低频部分组成第一训练集；两个高频部分组成第二训练集；极限学习机模型通过第一训练集与第二训练集的训练，得出嵌入式软件测试预测偏差值的偏差校正模型。

获取新步骤F；

将嵌入式软件测试步骤F的预测值

将步骤F的预测偏差值提取特征作为输入，输入到低通滤波器中，得到输入特征的高频部分和低频部分；

将输入特征的高频部分和低频部分分别输入到嵌入式软件测试预测偏差值的偏差校正模型中，得到高频偏差校正量

因此，新步骤F的最终的嵌入式软件测试成功率预测值为

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，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。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。