从手机信号格到核心网：手把手教你用Python脚本计算EARFCN和频点
当手机屏幕右上角的信号格从1格跳到满格时，背后是一场精密的频率交响乐。每个运营商都在特定的无线电频段上演奏着自己的乐章，而EARFCN就是这场音乐会的五线谱编号。作为技术人员，我们常常需要在这些数字与频率之间来回转换——可能是为了分析路测数据，可能是为了优化基站配置，亦或是单纯想揭开移动通信背后的数学面纱。
今天，我们将用Python构建一个频点计算瑞士军刀，它能处理：
- 三大运营商4G/5G频段自动识别
- 频率与EARFCN双向换算
- 带宽配置建议生成
- 3GPP标准参数查询
1. 通信频率的数学本质
无线电波在空中以不同频率振动，就像钢琴上从低音到高音的琴键。在LTE/NR中，这些"琴键"被标准化为：
| 概念 | 类比 | 示例 |
|---|---|---|
| Band | 钢琴的八度范围 | Band 3 (1800MHz附近) |
| EARFCN | 具体琴键编号 | 1650 (对应1830MHz) |
| Channel BW | 同时按下的键宽范围 | 20MHz (100个RB) |
关键公式藏在3GPP 36.101规范中：
def freq_to_earfcn(freq, band): # 从3GPP表格获取基准参数 band_info = { 3: {'F_low': 1805, 'N_offs': 1575}, 40: {'F_low': 2300, 'N_offs': 38650} } N_earfcn = band_info[band]['N_offs'] + 10*(freq - band_info[band]['F_low']) return round(N_earfcn)注意：实际应用需要补全所有频段参数，此处仅示例Band 3和40
2. 构建频点计算器的核心功能
2.1 频率与EARFCN互转
完整的转换器需要处理三大场景：
已知频率求EARFCN
def get_earfcn(freq_mhz, band, uplink=False): params = BAND_PARAMS[band] base_freq = params['ul_freq_low'] if uplink else params['dl_freq_low'] offset = params['ul_offset'] if uplink else params['dl_offset'] return offset + 10 * (freq_mhz - base_freq)已知EARFCN求频率
def get_freq(earfcn, band, uplink=False): params = BAND_PARAMS[band] base_freq = params['ul_freq_low'] if uplink else params['dl_freq_low'] offset = params['ul_offset'] if uplink else params['dl_offset'] return base_freq + (earfcn - offset) / 10自动频段检测
def auto_detect_band(freq): for band, params in BAND_PARAMS.items(): if params['dl_freq_low'] <= freq <= params['dl_freq_high']: return band raise ValueError("Frequency out of known bands")
2.2 运营商频段数据库
中国运营商常用频段：
| 运营商 | 4G频段 | 5G频段 | 典型EARFCN范围 |
|---|---|---|---|
| 移动 | B3/B8/B39 | n41/n79 | 1650-1899 |
| 联通 | B1/B3/B8 | n78 | 150-599 |
| 电信 | B1/B3/B5 | n78/n1 | 1825-1869 |
建议用JSON文件存储这些数据：
{ "band3": { "dl_freq_low": 1805, "dl_freq_high": 1880, "ul_freq_low": 1710, "ul_freq_high": 1785, "dl_offset": 1575, "ul_offset": 18000, "valid_bw": [5, 10, 15, 20] } }3. 开发命令行实用工具
用Click库构建用户友好的CLI：
import click @click.command() @click.option('--freq', type=float, help='Frequency in MHz') @click.option('--earfcn', type=int, help='EARFCN number') @click.option('--band', type=int, help='Band number') def convert(freq, earfcn, band): if freq and band: result = get_earfcn(freq, band) click.echo(f"EARFCN: {result}") elif earfcn and band: result = get_freq(earfcn, band) click.echo(f"Frequency: {result} MHz") if __name__ == '__main__': convert()典型使用场景：
# 计算中国移动B3频段1830MHz对应的EARFCN python freq_tool.py --freq 1830 --band 3 # 查询EARFCN 1650对应的实际频率 python freq_tool.py --earfcn 1650 --band 34. 进阶功能实现
4.1 带宽配置建议
根据频段自动推荐可用带宽：
def suggest_bandwidth(band): bw_options = BAND_PARAMS[band]['valid_bw'] return sorted(bw_options, reverse=True) # 示例输出：对于Band 40返回 [20, 15, 10, 5]4.2 邻频干扰检查
判断两个EARFCN是否会产生干扰：
def check_interference(earfcn1, earfcn2, bw1=10, bw2=10): freq1 = get_freq(earfcn1) freq2 = get_freq(earfcn2) return abs(freq1 - freq2) < (bw1 + bw2)/24.3 可视化频率分布
用Matplotlib生成频谱图：
import matplotlib.pyplot as plt def plot_band(band): params = BAND_PARAMS[band] plt.figure(figsize=(10, 2)) plt.barh(0, params['dl_freq_high']-params['dl_freq_low'], left=params['dl_freq_low'], height=0.5) plt.title(f"Band {band} Frequency Range") plt.xlabel("Frequency (MHz)") plt.yticks([]) plt.show()5. 工程实践中的坑与技巧
单位一致性陷阱
- 公式中的频率单位必须是MHz
- 5G NR的频点计算使用kHz单位
频段特殊规则
- Band 41的EARFCN计算有额外偏移量
- 某些频段上下行间隔不固定
性能优化技巧
# 使用LRU缓存频繁查询的频段参数 from functools import lru_cache @lru_cache(maxsize=32) def get_band_params(band): return load_band_data()[str(band)]测试用例设计
def test_band3_conversion(): assert get_earfcn(1830, 3) == 1650 assert abs(get_freq(1650, 3) - 1830) < 0.01
把玩这些频率数字时，我发现最实用的功能其实是自动识别运营商频段。当现场测试时看到信号强度-85dBm但下载速度只有2Mbps，快速查询所在频段的合理带宽能立即判断是否是配置问题。有一次正是通过脚本发现某基站错误配置了5MHz带宽（实际应配20MHz），节省了半天的排查时间。
