multimon-ng 技术文档
2024-12-27 08:43:52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
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
three-cesium-examplesthree.js cesium.js 原生案例JavaScript00
weapp-tailwindcssweapp-tailwindcss - bring tailwindcss to weapp ! 把 tailwindcss 原子化思想带入小程序开发吧 !TypeScript00
CherryUSBCherryUSB 是一个小而美的、可移植性高的、用于嵌入式系统(带 USB IP)的高性能 USB 主从协议栈C00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
578
3.91 K
Ascend Extension for PyTorch
Python
402
487
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
360
225
暂无简介
Dart
818
201
React Native鸿蒙化仓库
JavaScript
313
365
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++
903
716
🎉 (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
1.41 K
792
昇腾LLM分布式训练框架
Python
124
150
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
93
160