基于分類樹的雷達(dá)軟件測(cè)試用例設(shè)計(jì)

職 曉 裴阿平 張江華

(西安電子工程研究所 西安 710100)

0 引言

隨著電子技術(shù)的不斷發(fā)展，現(xiàn)代雷達(dá)系統(tǒng)軟件化程度越來越高，雷達(dá)系統(tǒng)軟件的研制占整個(gè)系統(tǒng)開發(fā)周期的比重越來越大。作為軟件質(zhì)量的重要保證手段，軟件測(cè)試逐漸成為雷達(dá)系統(tǒng)軟件研制的重要環(huán)節(jié)。其中設(shè)計(jì)有效的測(cè)試用例是直接關(guān)系測(cè)試質(zhì)量的關(guān)鍵因素。理論上窮舉法即設(shè)計(jì)包含所有輸入?yún)?shù)的所有取值組合的用例集，其可靠性最高;然而，由于窮舉法帶來的計(jì)算爆炸，無法在工程實(shí)際中得到有效應(yīng)用。因此從上述完備的測(cè)試用例集中挑選盡量少的用例，保證足夠的組合覆蓋率成為近年來軟件測(cè)試研究中的一個(gè)重要課題［1］。

分類樹方法是由Grochtmann 和Grimm 在1993年設(shè)計(jì)提出，經(jīng)過不斷的實(shí)踐證明是一種有效的軟件功能測(cè)試用例設(shè)計(jì)方法［2～4］。文獻(xiàn)［2］中作者利用分類樹方法和分類樹工具CTE XL 完成了WEB服務(wù)測(cè)試用例的自動(dòng)生成。文獻(xiàn)［3］中作者基于分類樹方法和形式規(guī)格說明完成了一個(gè)網(wǎng)上購(gòu)物系統(tǒng)的測(cè)試用例生成。由以上文獻(xiàn)可以看出，應(yīng)用分類樹方法和分類樹工具CTE XL 設(shè)計(jì)用例大大提高了測(cè)試效率，同時(shí)提升了測(cè)試的自動(dòng)化程度。然而從中仍可以看出，在測(cè)試用例的執(zhí)行過程中，生成的用例集仍有很大冗余。所以為了提高這種方法的工程實(shí)用性，有必要進(jìn)一步對(duì)分類樹方法生成的用例集做進(jìn)一步的優(yōu)化。

針對(duì)上述問題，本文提出一種將分類樹和正交試驗(yàn)設(shè)計(jì)方法相結(jié)合的測(cè)試用例設(shè)計(jì)方法，利用分類樹方法和分類樹工具CTE XL 自動(dòng)生成測(cè)試用例，然后利用正交試驗(yàn)設(shè)計(jì)方法對(duì)生成的用例做進(jìn)一步的精簡(jiǎn)。這種方法既避免了以往功能測(cè)試的隨機(jī)性和盲目性，同時(shí)減少了冗余用例對(duì)測(cè)試資源的浪費(fèi)。經(jīng)驗(yàn)證，在雷達(dá)軟件測(cè)試中有著較好的工程應(yīng)用價(jià)值。

1 分類樹方法

分類樹方法的主要思想是根據(jù)被測(cè)單元的需求規(guī)格說明，對(duì)單元模塊的輸入數(shù)據(jù)進(jìn)行抽象，將整個(gè)單元的輸入域分割成若干個(gè)獨(dú)立的子類，每個(gè)子類再根據(jù)一定的準(zhǔn)則再次劃分，直到將整個(gè)輸入域分割成一些不可再分的子類的組合。分類樹作為描述此方法的工具，其主要由節(jié)點(diǎn)和分支組成。其中節(jié)點(diǎn)又可分為內(nèi)節(jié)點(diǎn)和葉節(jié)點(diǎn)，分支為各級(jí)節(jié)點(diǎn)間從屬關(guān)系的體現(xiàn)，具體定義如下:

定義1:如圖1所示，一棵分類樹是一個(gè)四元集合CT= {B，L，U，R}，其中B 表示根節(jié)點(diǎn)，是整個(gè)分類樹最頂層節(jié)點(diǎn)，也是整個(gè)單元測(cè)試的輸入域。接著對(duì)B 進(jìn)行逐層分解。L= {L11，L12，．．．L1n1，L21，L22，．．．L2n2，．．．Lm1，Lm2，．．．Lmn|m，n，n1，n2∈N+} 表示葉節(jié)點(diǎn)，是分類樹的最底層節(jié)點(diǎn)，是測(cè)試中輸入域的不可再分的子類屬性值，即被測(cè)單元的輸入值。U= {U1，U2，．．．Um|m ∈N+} 表示除根節(jié)點(diǎn)和葉節(jié)點(diǎn)外的內(nèi)節(jié)點(diǎn)，是整個(gè)分類樹建立過程中的獨(dú)立類屬性。R= {r1，r2} 表示上述的父類與子類的從屬關(guān)系，其中r1= {＜B，Ui＞i ∈N+，i ≤m}，r2= {＜B，Lij＞i，j ∈N+，i ≤m，j ≤n}。

圖1 分類樹結(jié)構(gòu)圖

分類樹方法在測(cè)試中應(yīng)用有許多優(yōu)點(diǎn)。首先，因?yàn)榉诸悩涫且环N類似于流程圖的結(jié)構(gòu)，所以用分類樹來設(shè)計(jì)測(cè)試用例可以使原本主要依靠測(cè)試人員經(jīng)驗(yàn)設(shè)計(jì)過程變成一種結(jié)構(gòu)化和系統(tǒng)化的設(shè)計(jì)過程。其次，分類樹方法還可以很好地分析程序錯(cuò)誤的特征，定位缺陷位置［5］。

雖然，利用分類樹工具CTE XL 的約束關(guān)系可以一定程度地精簡(jiǎn)測(cè)試用例，但分類樹方法在實(shí)際工程應(yīng)用中仍有很大缺陷。隨著輸入域和分類子集的遞增，分類樹方法將會(huì)生成十分龐大的測(cè)試用例集，隨之產(chǎn)生大量冗余的測(cè)試用例。在測(cè)試時(shí)間和資源有限的情況下，全部覆蓋其生成的用例集是不現(xiàn)實(shí)的。所以在保證一定測(cè)試覆蓋率的前提下，需要進(jìn)一步地精簡(jiǎn)該測(cè)試用例集。

2 分類樹方法設(shè)計(jì)測(cè)試用例的改進(jìn)

針對(duì)上述缺陷，正交試驗(yàn)設(shè)計(jì)法可以將分類樹工具生成的初始測(cè)試用例集進(jìn)一步精簡(jiǎn)，去除冗余測(cè)試用例，同時(shí)保證測(cè)試用例集中的用例成對(duì)組合且均勻分布，從而在保證一定測(cè)試覆蓋率的前提下，提高測(cè)試的效率，節(jié)約測(cè)試的成本。

2．1 正交試驗(yàn)設(shè)計(jì)法的可靠性

正交試驗(yàn)設(shè)計(jì)法是一種基于統(tǒng)計(jì)數(shù)學(xué)的科學(xué)試驗(yàn)方法的總結(jié)，其廣泛應(yīng)用于各試驗(yàn)科學(xué)領(lǐng)域。具體來說，它是根據(jù)Galois 理論，由統(tǒng)計(jì)學(xué)模型推導(dǎo)出的正交表去安排科學(xué)試驗(yàn)的一種實(shí)踐方法。正交試驗(yàn)設(shè)計(jì)法可以從大量的試驗(yàn)數(shù)據(jù)中篩選出少量具有代表性的試驗(yàn)數(shù)據(jù)進(jìn)行試驗(yàn)，大幅減少了試驗(yàn)次數(shù)，從而優(yōu)化了試驗(yàn)效率。從本質(zhì)上來講，正交試驗(yàn)設(shè)計(jì)法是遺傳算法的一種特例，即一種初始種群固定的、只使用定向變異算子、只進(jìn)化一代的遺傳算法。相較一般的遺傳算法，它的優(yōu)化解必然不及一般遺傳算法產(chǎn)生的優(yōu)化解，但一般遺傳算法的步驟更復(fù)雜，產(chǎn)生的試驗(yàn)次數(shù)也更多［6］。所以正交試驗(yàn)設(shè)計(jì)法從工程的角度來看具有更好的應(yīng)用價(jià)值。

2．2 正交表的概念

正交表作為這種方法的基本工具，已有很多學(xué)者進(jìn)行了深入的研究?，F(xiàn)有大量現(xiàn)成的正交表可以供試驗(yàn)中直接使用，當(dāng)然特殊情況也可以通過數(shù)學(xué)模型推導(dǎo)出匹配的正交表。通常以LRuns(LevelsFac-tors)的形式來表示正交表。具體根據(jù)各個(gè)因素(Factors)的水平(Levels)的數(shù)目相同與否，又可以分為等水平正交表和混合水平正交表。其中，次數(shù)(Runs)代表優(yōu)化后試驗(yàn)的次數(shù)，其值等于正交表的行數(shù)，對(duì)應(yīng)測(cè)試用例集中的用例個(gè)數(shù)。因素(Factors)是對(duì)整個(gè)試驗(yàn)結(jié)果會(huì)產(chǎn)生主要影響的要素，因素?cái)?shù)等于正交表的列數(shù)，對(duì)應(yīng)被測(cè)單元的接口參數(shù)個(gè)數(shù)。水平(Levels)是各因素具體的可能取值或狀態(tài)，對(duì)應(yīng)被測(cè)單元的接口參數(shù)可能取值數(shù)。

2．3 用例集優(yōu)化步驟

應(yīng)用正交試驗(yàn)設(shè)計(jì)法對(duì)分類樹方法生成的用例集優(yōu)化步驟如下:

2.3.1 確定因素，即被測(cè)單元的輸入?yún)?shù)。這里具體對(duì)應(yīng)圖1 分類樹中的U= {U1，U2，．．．Um|m ∈N+};

2.3.2 確定水平，即被測(cè)單元的輸入?yún)?shù)對(duì)應(yīng)的可能取值。這里對(duì)應(yīng)圖1 分類樹中的L= {L11，L12，．．．L1n1，L21，L22，．．．L2n2，．．．Lm1，Lm2，．．．Lmn|m，n，n1，n2∈N+};

2.3.3 選擇正交表，即查找正交表。根據(jù)因素?cái)?shù)和水平數(shù)選擇匹配的正交表。如果各因素的水平數(shù)相等，則直接選擇等水平正交表。如果各水平數(shù)不完全相等，則需要選擇適合的混合水平正交表;

2.3.4 將水平映射到所選擇的正交表。如果找到的正交表的因素?cái)?shù)大于實(shí)際用例設(shè)計(jì)中的因素?cái)?shù)，則可以選擇忽略表中部分的因素，其并不影響由生成的測(cè)試集的可靠性［7］。如果選擇的正交表中某個(gè)因素有剩余的水平數(shù)，則可以將這個(gè)因素余下的水平值依次循環(huán)迭代映射，以增加發(fā)現(xiàn)軟件缺陷的概率。

3 實(shí)例分析

以某雷達(dá)軟件的搜索截獲模塊中的單幀目標(biāo)凝聚測(cè)角單元的測(cè)試為例。

3．1 被測(cè)單元分析

某雷達(dá)軟件需求規(guī)格說明對(duì)搜索截獲模塊中的單幀目標(biāo)凝聚測(cè)角單元功能描述如下:其主要功能是在一幀的時(shí)間內(nèi)根據(jù)搜索得到的目標(biāo)報(bào)告中的所有目標(biāo)點(diǎn)的信息，按照一定的規(guī)則進(jìn)行凝聚處理。然后根據(jù)凝聚后的目標(biāo)信息計(jì)算方位角和俯仰角的角誤差，最后形成單幀目標(biāo)信息報(bào)告。根據(jù)上述規(guī)格說明描述，該單元的詳細(xì)設(shè)計(jì)如圖2所示，單幀凝聚測(cè)角單元的輸入?yún)?shù)包括目標(biāo)信息數(shù)組、方位角補(bǔ)償、俯仰角補(bǔ)償、方位角、俯仰角、目標(biāo)個(gè)數(shù)等。最終得到的輸出參數(shù)為凝聚后的目標(biāo)距離、多普勒通道號(hào)、目標(biāo)回波幅度以及相應(yīng)的角誤差等目標(biāo)信息鏈表。

圖2 單幀目標(biāo)凝聚測(cè)角單元

3．2 用例設(shè)計(jì)分析

單幀目標(biāo)凝聚測(cè)角單元測(cè)試用例設(shè)計(jì)具體流程如圖3所示。

圖3 被測(cè)單元用例設(shè)計(jì)流程圖

具體步驟如下:

3.2.1 確定分類樹中輸入分類集合U。由上面的分析可知，單幀凝聚測(cè)角單元的輸入?yún)?shù)較多，全部作為單元測(cè)試的輸入會(huì)增加用例的個(gè)數(shù)，降低工程應(yīng)用的可能。因此需要對(duì)其進(jìn)行適當(dāng)?shù)牟眉簟＞唧w來說，目標(biāo)信息數(shù)組中的多普勒通道號(hào)Dpl、目標(biāo)距離Dist 以及目標(biāo)回波幅度Amp 三個(gè)參數(shù)對(duì)整個(gè)單元的功能輸出起關(guān)鍵影響，這里可以定義它們?yōu)橹饕獏?shù)。除上面三個(gè)可控參數(shù)外，其余參數(shù)因?qū)卧δ茌敵鲇绊戄^小，這里定義它們?yōu)榇我獏?shù)。次要參數(shù)一般不出現(xiàn)在測(cè)試用例設(shè)計(jì)流程中，通常取常數(shù)。例如目標(biāo)個(gè)數(shù)aimtnum 這個(gè)參數(shù)取常數(shù)3，即代表目標(biāo)報(bào)告中有3 個(gè)目標(biāo)，其余次要參數(shù)做同樣處理。綜上所述，此處分類集合U 可表示為U={Dpl，Dist，Amp}。

3.2.2 由(1)可得，目標(biāo)報(bào)告中有3 個(gè)目標(biāo)的信息。應(yīng)用等價(jià)類劃分法和邊界值分析方法，對(duì)輸入域中的主要參數(shù)選取具有代表性的取值，即劃分U的各個(gè)輸入子集?，F(xiàn)定義3 個(gè)目標(biāo)的多普勒通道號(hào)為Dpl=(dpl1，dpl2，dpl3)，目標(biāo)的距離Dist=(dist1，dist2，dist3)，目標(biāo)回波幅度Amp=(amp1，amp2，amp3)，具體劃分后的結(jié)果如表1所示。

表1 主要參數(shù)劃分結(jié)果

3.2.3 利用CTE XL 生成測(cè)試用例，并設(shè)置約束關(guān)系對(duì)測(cè)試集進(jìn)行初步精簡(jiǎn)。根據(jù)表2 和相應(yīng)的約束關(guān)系，可以得到初始測(cè)試用例集C，如圖4所示，共81 個(gè)測(cè)試用例。

圖4 分類樹工具CTE XL 生成用例集

3.2.4 將U 和表1 的劃分結(jié)果與正交表的因素與水平一一對(duì)應(yīng)，然后由因素和水平數(shù)選擇匹配的正交表。此處因素共3 個(gè)，分別為多普勒通道號(hào)Dpl、目標(biāo)距離單元號(hào)Dist 以及目標(biāo)回波幅度Amp。各因素水平對(duì)應(yīng)表1，分別為一個(gè)9 水平和2 個(gè)3 水平。因?yàn)槿齻€(gè)因素的水平不全相等，所以應(yīng)選擇合適的混合水平正交表。同時(shí)，所選的正交表的因素?cái)?shù)和對(duì)應(yīng)水平不應(yīng)小于上述因素?cái)?shù)和水平數(shù)。所以，最終找到試驗(yàn)次數(shù)(Runs)最少的正交表L(3^9 9^1)，裁剪后如表2所示。

表2 裁剪后的L(3^9 9^1)

3.2.5 根據(jù)上述的映射規(guī)則將對(duì)應(yīng)水平映射到所選的正交表，即可得到精簡(jiǎn)后的最終測(cè)試用例集T，如表3所示。當(dāng)然在人員和測(cè)試資源允許的情況下，還可以根據(jù)需要為T 從C 中挑選增加一些用例，這里不再詳述。

3．3 測(cè)試用例設(shè)計(jì)結(jié)果分析

由表3 可以看出，初始測(cè)試用例集C 經(jīng)過正交試驗(yàn)設(shè)計(jì)法篩選后，得到27 個(gè)測(cè)試用例。與C 中的81 個(gè)用例相比，不但基本覆蓋了各主要參數(shù)的輸入組合，而且總用例數(shù)精簡(jiǎn)了66%，大大減少了冗余用例，提高了測(cè)試效率，節(jié)約了測(cè)試成本。

表3 最終測(cè)試用例集T

4 結(jié)論

近年來軟件測(cè)試領(lǐng)域中測(cè)試用例的精簡(jiǎn)優(yōu)化問題得到了越來越多的關(guān)注［1］。本文主要針對(duì)以往分類樹方法設(shè)計(jì)測(cè)試用例出現(xiàn)的冗余問題，提出了一種將分類樹方法與正交試驗(yàn)設(shè)計(jì)法相結(jié)合的用例設(shè)計(jì)方法。較之原來僅使用分類樹方法設(shè)計(jì)用例，該方法大幅減少了冗余測(cè)試用例，提升了測(cè)試效率，提高了分類樹方法的工程應(yīng)用價(jià)值。當(dāng)然，圍繞這種方法仍有一些工作要做，下一步準(zhǔn)備將分類樹工具與正交試驗(yàn)設(shè)計(jì)法在軟件層面集成起來，進(jìn)一步加強(qiáng)雷達(dá)軟件測(cè)試的自動(dòng)化程度，以縮短雷達(dá)軟件的開發(fā)周期。

［1］Natalia Juristo，Ana M.Moreno.In search of what we experimentally know about unit testing［J］.IEEE Software，2006，11:72-80.

［2］李喬，秦鋒，鄭嘯.用分類樹方法實(shí)現(xiàn)Web 服務(wù)測(cè)試用例的自動(dòng)生成［J］.計(jì)算機(jī)技術(shù)與發(fā)展，2007，17(11):197-200.

［3］朱連章，馬桂真.基于形式規(guī)格說明和分類樹方法生成軟件測(cè)試用例［J］.微計(jì)算機(jī)應(yīng)用，2007，28(4):411-414.

［4］徐偉，王林章，李宣東.基于分類樹的隨機(jī)測(cè)試用例生成［J］.計(jì)算機(jī)科學(xué)，2009，36(1):263-266.

［5］嚴(yán)俊，張健.組合測(cè)試:原理與方法［J］.軟件學(xué)報(bào)，2009，20(6):1393-1405.

［6］吳浩揚(yáng)，常炳國(guó).遺傳算法的一種特例—正交試驗(yàn)設(shè)計(jì)法［J］.軟件學(xué)報(bào)，2001，12(1):148-153.

［7］孫俊若.正交法在雷達(dá)軟件測(cè)試中應(yīng)用［J］.信息與電子工程，2009，7(6):501-505.