android 单元测试之 Robolectric

概述

Android的单元測试能够分为两部分:

  1. Local unit tests:执行于本地JVM
  2. Instrumented test:执行于真机或者模拟器

假设使用Local測试,须要保证測试过程中不会调用Android系统API。否则会抛出RuntimeException异常,由于Local測试是直接跑在本机JVM的,而之所以我们能使用Android系统API,是由于编译的时候,我们依赖了一个名为“android.jar”的jar包,可是jar包里全部方法都是直接抛出了一个RuntimeException。是没有不论什么不论什么实现的。这仅仅是Android为了我们能通过编译提供的一个Stub!当APP执行在真实的Android系统的时候,由于类载入机制,会载入位于framework的具有真正实现的类。

由于我们的Local是直接在PC上执行的。所以调用这些系统API便会出错。
那么问题来了,我们既要使用Local測试,但測试过程又难免遇到调用系统API那怎么办?其中一个方法就是mock objects。比方借助Mockito,第二种方式就是使用Robolectric。 Robolectric就是为解决问题而生的。它实现一套JVM能执行的Android代码。然后在unit test执行的时候去截取android相关的代码调用。然后转到他们的他们实现的Shadow代码去执行这个调用的过程

官方地址:http://robolectric.org/

怎样使用

为项目加入依赖:

android {
  testOptions {
    unitTests {
      includeAndroidResources = true
    }
  }
}

dependencies {
  testImplementation 'org.robolectric:robolectric:4.2'
}

指定RobolectricTestRunner为执行器

为測试用例加入注解,指定測试执行器为RobolectricTestRunner。注意。这里要通过Config指定constants = BuildConfig.class,Robolectric 会通过constants推导出输出路径。假设不进行配置。Robolectric可能不能找到你的manifest、resources和assets资源

@RunWith(RobolectricTestRunner.class)
@Config(constants = BuildConfig.class)
public class MainActivityTest {

}

什么是Shadow类

Shadow是Robolectric的立足之本,如其名,作为影子。一定是变幻莫測,时有时无,且依存于本尊。Robolectric定义了大量模拟Android系统类行为的Shadow类,当这些系统类被创建的时候,Robolectric会查找相应的Shadow类并创建一个Shadow类与原始类关联。每当系统类的方法被调用的时候,Robolectric会保证Shadow相应的方法会调用。这些Shadow对象,丰富了本尊的行为,能更方便的对Android相关的对象进行測试。

比方,我们能够借助ShadowActivity验证页面是否正确跳转了

/**
 * 验证点击事件是否触发了页面跳转。验证目标页面是否预期页面
 *
 * @throws Exception
 */
@Test
public void testJump() throws Exception {
    // 默认会调用Activity的生命周期: onCreate->onStart->onResume
    MainActivity activity = Robolectric.setupActivity(MainActivity.class);
    // 触发button点击
    activity.findViewById(R.id.activity_main_jump).performClick();

    // 获取相应的Shadow类
    ShadowActivity shadowActivity = Shadows.shadowOf(activity);
    // 借助Shadow类获取启动下一Activity的Intent
    Intent nextIntent = shadowActivity.getNextStartedActivity();
    // 校验Intent的正确性
    assertEquals(nextIntent.getComponent().getClassName(), SecondActivity.class.getName());
}

@Config配置

能够通过@Config定制Robolectric的执行时的行为。

这个注解能够用来凝视类和方法,假设类和方法同一时候使用了@Config,那么方法的设置会覆盖类的设置。

你能够创建一个基类。用@Config配置測试參数。这样,其它測试用例就能够共享这个配置了

配置SDK版本号

Robolectric会依据manifest文件配置的targetSdkVersion选择执行測试代码的SDK版本号。假设你想指定sdk来执行測试用例。能够通过以下的方式配置

@Config(sdk = Build.VERSION_CODES.JELLY_BEAN)
public class SandwichTest {
@Config(sdk = Build.VERSION_CODES.KITKAT)
public void getSandwich_shouldReturnHamSandwich() {
}

}

配置Application类

Robolectric会依据manifest文件配置的Application配置去实例化一个Application类,假设你想在測试用例中又一次指定,能够通过以下的方式配置

@Config(application = CustomApplication.class)
public class SandwichTest {
    @Config(application = CustomApplicationOverride.class)
    public void getSandwich_shouldReturnHamSandwich() {
    }

}

指定Resource路径

Robolectric能够让你配置manifest、resource和assets路径,能够通过以下的方式配置

@Config(manifest = "some/build/path/AndroidManifest.xml",
        assetDir = "some/build/path/assetDir",
        resourceDir = "some/build/path/resourceDir")
public class SandwichTest {
    @Config(manifest = "other/build/path/AndroidManifest.xml")
    public void getSandwich_shouldReturnHamSandwich() {
    }
}

使用第三方Library Resources

  • 1
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在信号处理领域,DOA(Direction of Arrival)估计是一项关键技术,主要用于确定多个信号源到达接收阵列的方向。本文将详细探讨三种ESPRIT(Estimation of Signal Parameters via Rotational Invariance Techniques)算法在DOA估计中的实现,以及它们在MATLAB环境中的具体应用。 ESPRIT算法是由Paul Kailath等人于1986年提出的,其核心思想是利用阵列数据的旋转不变性来估计信号源的角度。这种算法相比传统的 MUSIC(Multiple Signal Classification)算法具有较低的计算复杂度,且无需进行特征值分解,因此在实际应用中颇具优势。 1. 普通ESPRIT算法 普通ESPRIT算法分为两个主要步骤:构造等效旋转不变系统和估计角度。通过空间平移(如延时)构建两个子阵列,使得它们之间的关系具有旋转不变性。然后,通过对子阵列数据进行最小二乘拟合,可以得到信号源的角频率估计,进一步转换为DOA估计。 2. 常规ESPRIT算法实现 在描述中提到的`common_esprit_method1.m`和`common_esprit_method2.m`是两种不同的普通ESPRIT算法实现。它们可能在实现细节上略有差异,比如选择子阵列的方式、参数估计的策略等。MATLAB代码通常会包含预处理步骤(如数据归一化)、子阵列构造、旋转不变性矩阵的建立、最小二乘估计等部分。通过运行这两个文件,可以比较它们在估计精度和计算效率上的异同。 3. TLS_ESPRIT算法 TLS(Total Least Squares)ESPRIT是对普通ESPRIT的优化,它考虑了数据噪声的影响,提高了估计的稳健性。在TLS_ESPRIT算法中,不假设数据噪声是高斯白噪声,而是采用总最小二乘准则来拟合数据。这使得算法在噪声环境下表现更优。`TLS_esprit.m`文件应该包含了TLS_ESPRIT算法的完整实现,包括TLS估计的步骤和旋转不变性矩阵的改进处理。 在实际应用中,选择合适的ESPRIT变体取决于系统条件,例如噪声水平、信号质量以及计算资源。通过MATLAB实现,研究者和工程师可以方便地比较不同算法的效果,并根据需要进行调整和优化。同时,这些代码也为教学和学习DOA估计提供了一个直观的平台,有助于深入理解ESPRIT算法的工作原理。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值