LTESniffer项目构建中UHD版本兼容性问题分析
2025-07-06 18:40:04作者:钟日瑜
问题背景
在构建LTESniffer项目时,开发者可能会遇到与UHD(USRP硬件驱动)相关的链接错误。这类错误通常表现为在编译过程中出现未定义引用,特别是与日志功能相关的符号找不到的情况。这类问题往往与系统环境中的UHD版本不兼容有关。
错误现象
典型的构建错误信息如下:
[ 42%] Linking CXX executable prach_test_usrp
/usr/bin/ld: ../../rf/libsrsran_rf.so.21.10.0: undefined reference to `uhd::_log::log::log(uhd::log::severity_level, std::__cxx11::basic_string<char, std::char_traits<char>, std::allocator<char> > const&, unsigned int, std::__cxx11::basic_string<char, std::char_traits<char>, std::allocator<char> > const&, std::thread::id)'
collect2: error: ld returned 1 exit status
这种错误表明链接器无法找到UHD库中的特定符号,通常发生在使用较新版本的UHD(如master分支或UHD-4.7)时。
解决方案
经过验证,使用UHD-4.0分支可以解决此问题。具体操作步骤如下:
- 克隆UHD仓库
- 切换到UHD-4.0分支
- 按照标准流程构建和安装
git clone https://github.com/EttusResearch/uhd.git
cd uhd/host
git checkout UHD-4.0
mkdir build
cd build
cmake ../
make -j 4
make test
sudo make install
sudo ldconfig
系统环境注意事项
LTESniffer对系统环境要求较为严格,特别是在Ubuntu发行版上:
- 在Dragon OS(基于Ubuntu 22.04.5 LTS)上可能会出现构建问题
- 纯净的Ubuntu 22.04.5 LTS环境通常会有更好的兼容性
- UHD版本的选择对构建成功至关重要
技术分析
这个问题的根本原因在于UHD库的API变更。较新版本的UHD修改了日志系统的实现方式,导致与LTESniffer项目中的代码不兼容。具体表现为:
- 日志函数的签名发生了变化
- 链接时无法找到兼容的符号
- UHD-4.0分支保持了与LTESniffer兼容的API接口
对于需要同时使用新版本UHD功能和LTESniffer的用户,可以考虑以下替代方案:
- 在容器中构建特定版本的UHD
- 使用虚拟环境隔离不同版本的依赖
- 修改LTESniffer代码以适应新版本UHD的API
最佳实践建议
- 在开始构建前,先确认系统环境是否符合要求
- 严格按照项目文档指定的版本安装依赖
- 遇到构建问题时,优先考虑依赖版本问题
- 保持构建环境的纯净,避免多个版本共存导致的冲突
通过遵循这些建议,开发者可以更顺利地完成LTESniffer的构建过程,避免常见的兼容性问题。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
408
3.15 K
Ascend Extension for PyTorch
Python
226
252
暂无简介
Dart
674
160
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
664
321
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
659
React Native鸿蒙化仓库
JavaScript
263
326
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
220
仓颉编译器源码及 cjdb 调试工具。
C++
135
868