一起玩转GNU Radio:gr-filter

GNU Radio系列教程(七):初级篇之GNU Radio GRC PSK调制解调 在正式进行时钟恢复之前,我们先看看到底什么是码间干扰ISI。我们可以通过symbol_sampling.grc流图程序来观察什么是码间干扰。在symbol_sampling.grc流图程序中,我们用“Vector Source”模块生成了四组序列,每组都是100位0、1组成的序列。在该程序中,第一部分是通过使用“Interpolation FIR Filter”模块实现sps倍过采样(例如这里sps=4,Interpolation参数为4),并使用了一个均方根升余弦滤波器。 阅读详情

本文内容、开发板及配件仅限用于学校或科研院所开展科研实验!

本文介绍GNU Radio源码的gr-filter相关实例及模块。

目录

一、filter_taps

1、Fast Noise Source模块

2、Decimating FIR Filter模块

3、QT GUI Frequency Sink模块

二、polyphase_channelizer_demo

1、Signal Source模块

2、Hierarchical Polyphase Channelizer

三、resampler_demo

1、Add Const

2、Frequency Mod模块

3、Polyphase Arbitrary Resampler模块


一、filter_taps

GRC文件为《gnuradio-3.9.1.0/gr-filter/examples/filter_taps.grc》。该流图的功能是实现不同类型滤波器的仿真。

 以下四个图分别给出了不同类型滤波器的抽头参数变量。

 低通滤波器抽头参数变量

高通滤波器抽头参数变量

带通滤波器抽头参数变量

带阻滤波器抽头参数变量

根升余弦滤波器抽头参数变量

1、Fast Noise Source模块

Fast Noise Source - GNU Radioicon-default.png?t=N7T8https://wiki.gnuradio.org/index.php/Fast_Noise_Source

该模块是快速噪声源,与Noise Source模块相比,不同之处在于它通过预先生成从指定分布中提取的随机变量来减少CPU的负载。该模块在运行时,从样本资源池中均匀地随机选择样本,这是一个非常快速的操作。支持complex,float,int或short类型的数据输出。

模块参数解释如下:

Noise Type,随机分布类型,支持高斯分布、均匀分布、拉普拉斯分布和冲激分布。

Amplitude,噪声信号振幅,表示一维噪声的标准差,如果噪声源是复数噪声源,则该参数需分配为实部和虚部。

Seed,随机噪声生成器的种子,对于均匀分布和高斯分布,该种子取值应该是一个负数。

Variate Pool Size,可变池大小,表示预生成样本的数量。

2、Decimating FIR Filter模块

Decimating FIR Filter - GNU R

(二)GNURadio3.9 信源、信宿、示波器模块的简单介绍 GNURadio3.9信源、信宿、示波器模块的简单介绍一、信源模块1、Vector Source2、Random Source3、File Source二、信宿模块1、File Sink三、示波器模块1、QT GUI Time Sink2、QT GUI Frequency Sink3、QT GUI Constellation Sink参考文献 一、信源模块 1、Vector Source 可以根据输入的向量生成样本流。 这里设置输入向量为0, 1, 2, 3, 4, 5,并使其重复发送; 采样率设置为32 阅读详情

相关推荐

GNU Radio 教程:创建一个简单的信号源

四、添加模块,用ctrl+F搜索 信号源模块(signal sources)限频模块(Throttle)频率终端(Frequency sink)时间终端(time sink),双击或者拖动模块添加至主界面。五、单击singal sources右端的端子和throttle右边的端子是两个模块连接在一起。九、把鼠标放在曲线的窗口上单击然后滚动滚轮可以调整量程如图。七、单击第一个图标生成流图,然后点击开始按钮开始运行。三、点击硬盘图标保存文件在桌面。六、如图将每个模块连接在一起。二、打开流图默认界面如图。

zoolybo的博客 2420

一起玩转GNU Radio:gr-channels

本文介绍GNU Radio源码的gr-channels相关实例及模块。

无线通信实验室 6221

避坑指南:在GNU Radio 3.9+版本中调试gr-digital官方例程时,你可能遇到的5个常见问题与解决方法

本文详细解析了在GNU Radio 3.9+版本中调试gr-digital官方例程时常见的5个问题及其解决方案,包括模块弃用、参数语义变化、隐藏依赖、性能陷阱和调试工具链断裂。通过实战案例和优化建议,帮助开发者高效应对版本升级带来的挑战,提升数字信号处理系统的稳定性和性能。

weixin_42562079的博客 305

gnuradio 信号检测 实例

gnuradio 信号检测 实例

告别纸上谈兵:在Xilinx Artix-7 FPGA上实测RGMII接口,从ILA抓包到PC Ping通全流程记录

本文详细记录了在Xilinx Artix-7 FPGA平台上实现RGMII接口的全过程,包括硬件配置、Vivado工程设置、双沿数据转换代码实现以及ILA波形分析。通过实测数据包捕获和PC端Ping测试,验证了千兆以太网通信的稳定性和可靠性,为工业通信网关等应用提供了实用参考。

weixin_33701251的博客 287

智能制造 | 如何快速自动生成站位表及自动与BOM校验?

一、站位表(SMT行业中)是SMT上料防错的基础信息,用于对需上料物料与产线、贴片机位置、飞达规格型号、用量,建立基础资料。 SMT站位表是否正确? 首先需要人工确认站位表与SMT程序的是否符合,上料员依照站位表安装好后,确认人员需有第三方确认者 (品管确定)核对。 站位表内容包括什么? 站位表内容为:SMT站位号相对应的物料编码,元件位号,飞达大小/间距,数量等等,根据不同公司的要求而定义。 就目前来说,基本每一款贴片机都可以输出站位清单 但对于企业来说,直接输出的站位清单一般不直接使用,需要进行手动处理

vayoinfo111的博客 4943

【R语言】富集分析可视化代码(整理版)

分别介绍了如何使用DAVID在线分析工具对基因进行GO/KEGG功能富集分析、使用R ggplot包对获得的基因GO/KEGG功能富集结果进行可视化、使用R clusterProfiler包和R AnnotationHub包对基因进行GO/KEGG功能富集分析、OrgDb包制作以及结果可视化等。故,我重新整理了一波,并补充了可对多个分组的富集结果进行可视化以及富集结果绘制圈图等的代码。关注“在打豆豆的小潘学长”公众号,发送“富集分析3”获得完整代码包和演示数据。一、单组富集结果可视化。

weixin_54004950的博客 1万+

C# .NET6 TesseractOCR 图片文字识别

在你的项目中的tessdata-main文件夹找到这几个文件,并右键->属性设置为【如果较新则复制】有几个需要用到的模型,需要生成的时候复制到输出目录中,在项目中设置即可。TesseractOCR兼容 x86 与 x64。附 :ImageUtils.RegionCropping()源码。Visual Studio 2022 社区版。下载完成后解压在你的项目中,如图所示。从官方项目中获取模型数据, 网址为。

qq_44121554的博客 3854

【OpenClaw从入门到精通】第09篇:企业级实践——将OpenClaw接入钉钉,打造7×24小时数字员工(2026实测版)

本文聚焦OpenClaw的企业级落地实践,以“招聘数字专员”为核心场景,完整演示从钉钉接入到全流程自动化的实现路径。内容涵盖企业级部署架构设计、前置环境搭建、核心技能开发、流程串联、安全权限管控及运维监控六大模块,详解简历解析、岗位匹配、外呼集成、CRM同步、日历提醒等关键技能的构建逻辑与代码实现。借鉴中关村科金、网易智企的企业级实践经验,重点突破企业知识融合、安全权限管控、业务系统连接三大核心门槛,提供可直接参考的配置示例与操作步骤。所有技术方案均基于公开文档与实测验证,兼顾新手入门与进阶实操。

专注于人工智能、软件开发、工控自动化、工厂数字化及智能化等领域,希望和大家共同进步! 1172

OpenCV计算机视觉实战(11)——边缘检测详解

在本节中,我们系统介绍了三大经典边缘检测算子,包括 Sobel 算子:一阶导数平衡了噪声抑制与边缘提取,结合方向信息可用于纹理分析与车道检测;Laplacian 算子:二阶导数对微小亮度突变尤为敏感,配合零交叉和细化技术,可精确捕捉任意方向的细节边缘;Canny 算法:集成多阶段处理与双阈值策略,通过多尺度融合与自适应阈值优化,达到抗噪与细节兼顾的卓越效果。

qq_30167691的博客 4375

Ros入门 (十)----激光雷达避障 简易实现

本篇文章通过订阅/scan话题获取障碍物的距离信息,达到避障目的,提供部分代码,仅供参考。

weixin_51157015的博客 1万+

TGAT Python:图神经网络中的动态图算法

其中,图神经网络中的动态图算法成为了研究的热点之一。在模型的 forward 方法中,通过循环调用 TGATLayer 实例来进行图神经网络的前向传播。最终,模型返回图中节点的表示向量 output,可以用于图分类等任务。TGAT 算法的核心思想是在节点之间建立注意力连接,以捕捉节点在不同时间步之间的关系。TGAT 算法通过引入注意力机制和时间信息,从而有效地对动态图数据进行建模和分析。通过以上 Python 代码,我们可以方便地构建和训练 TGAT 模型,并在图分类任务中应用它。

2301_79366435的博客 1828

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

蓝牙模块HM-10手册

蓝牙模块HM-10手册,该手册对蓝牙模块HM-10进行了详细的介绍和使用方法以及一些AT指令。

IDEA的使用指南

IDEA基于java的使用手册,可以最快速的上手,在使用中不断的丰富自己的使用技巧.

上一篇: 一起玩转GNU Radio:gr-digital
下一篇: 一起玩转GNU Radio:gr-qtgui
无线通信实验室
博客等级 码龄11年 2705粉丝 77原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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