multimon-ng 技术文档
2024-12-27 12:04:48作者:江焘钦
本文档将详细介绍如何安装、使用以及操作 multimon-ng 项目。multimon-ng 是 multimon 的继承者,它能够解码多种数字传输模式。
1. 安装指南
multimon-ng 支持使用 qmake 或 CMake 进行构建。
使用 qmake 构建
mkdir build
cd build
qmake ../multimon-ng.pro
make
sudo make install
使用 CMake 构建
mkdir build
cd build
cmake ..
make
sudo make install
您可以通过向 qmake 传递 'PREFIX' 参数来设置安装前缀。例如:
qmake multimon-ng.pro PREFIX=/usr/local
支持的环境
截至目前,multimon-ng 已成功在以下环境中构建:
- Arch Linux
- Debian
- Gentoo
- Kali Linux
- Ubuntu
- OS X
- Windows (Qt-MinGW 构建环境,Cygwin,以及 VisualStudio/MSVC)
- FreeBSD
2. 项目的使用说明
以下是使用 multimon-ng 的几种示例。
Wav 到 raw 格式转换
使用 sox 可以轻松地将文件转换为 multimon-ng 的原生 raw 格式:
sox -t wav pocsag_short.wav -esigned-integer -b16 -r 22050 -t raw pocsag_short.raw
GNURadio 也可以使用文件接收器以输入模式 short 生成该格式。
通过 sox 管道传输到 multimon-ng
您也可以使用类似以下命令,将 raw 样本通过管道传输到 multimon-ng:
sox -t wav pocsag_short.wav -esigned-integer -b16 -r 22050 -t raw - | ./multimon-ng -
注意后面的破折号,表示写入/从标准输入读取。
通过 rtl_fm 管道传输到 multimon-ng
以下是如何与 RTL-SDR 结合使用的示例:
rtl_fm -f 403600000 -s 22050 | multimon-ng -t raw -a FMSFSK -a AFSK1200 /dev/stdin
录制并解析实时数据
以下是一个更复杂的示例,结合了 rtl_fm、flac 和 tee 来将 rtl_fm 的输出拆分为独立的流。一个流用于录制音频,另一个流用于例如文本解析 multimon-ng 输出:
rtl_fm -s 22050 -f 123.456M -g -9.9 | tee >(flac -8 --endian=little --channels=1 --bps=16 --sample-rate=22050 --sign=signed - -o ~/recordings/rtlfm.$EPOCHSECONDS.flac -f) | multimon-ng -v 0 -a FLEX -a FLEX_NEXT -t raw /dev/stdin
- 您可以向
rtl_fm传递-l参数设置静音级别,这将降低噪声水平,从而减少由 flac 编码的数据量,显著减小文件大小,但可能会导致信号数据丢失。这个值必须进行调整! - Flac 使用
-8,如果在资源受限的设备上运行,您可能需要降低此值。 - Flac 的
-o参数值包含$EPOCHSECONDS以在重启时创建唯一文件。
播放录制的 flac 文件到 multimon-ng(需要 sox):
flac -d --stdout ~/recordings/rtlf/rtlfm.1725033204.flac | multimon-ng -v 0 -a FLEX_NEXT -t flac -
3. 项目 API 使用文档
multimon-ng 的 API 使用文档未在提供的资料中详细说明,通常这类文档会包含函数定义、参数说明及示例代码。请参考官方文档或源代码以获取更多信息。
4. 项目安装方式
项目安装方式已在安装指南中详细说明,可以通过 qmake 或 CMake 进行构建,并使用 make install 命令进行安装。安装前可通过设置 PREFIX 参数来指定安装路径。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
8
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++
654
278
暂无简介
Dart
639
145
Ascend Extension for PyTorch
Python
202
219
仓颉编译器源码及 cjdb 调试工具。
C++
130
861
React Native鸿蒙化仓库
JavaScript
246
316
openGauss kernel ~ openGauss is an open source relational database management system
C++
158
213
🎉 (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
1.12 K
630
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
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
77
100