liquid-dsp 1.7.0版本发布:全面迁移至CMake构建系统
项目简介
liquid-dsp是一个开源的数字信号处理(DSP)库,专注于软件定义无线电(SDR)应用。它提供了丰富的信号处理功能模块,包括滤波器设计、调制解调、同步算法等,广泛应用于通信系统研究和开发中。
1.7.0版本核心更新
本次1.7.0版本更新带来了多项重要改进,最显著的是构建系统的全面迁移和测试覆盖率的提升。
构建系统革命:从Autotools到CMake
1.7.0版本完成了从传统Autotools到现代CMake构建系统的迁移。这一变化带来了多重优势:
-
跨平台支持增强:CMake提供了更好的跨平台构建能力,使得项目在不同操作系统上的构建更加统一和便捷。
-
构建选项丰富:新系统支持构建示例程序、沙盒测试、基准测试以及自动化测试,同时能够自动检测SIMD指令集扩展,充分利用现代处理器的并行计算能力。
-
未来兼容性:虽然当前版本仍保留Autotools支持,但开发者已明确将在未来版本中移除,建议用户尽快迁移至CMake构建环境。
测试与质量保证的全面提升
本版本在代码质量和稳定性方面做出了重大改进:
-
内存泄漏修复:通过系统性的内存检测,修复了包括
bessel_azpdf、ofdmflexframesync、qdsync等多个模块的内存泄漏问题,显著提高了长期运行的稳定性。 -
错误处理完善:新增了
LIQUID_ENOCONV和LIQUID_ENOIMP两种错误类型,分别用于标识算法不收敛和功能未实现的情况,使错误处理更加规范和专业。 -
测试覆盖率扩展:增加了对各类接口的全面测试,包括使用valgrind进行自动化内存验证,确保代码在各种边界条件下的正确性。
功能模块的改进与优化
-
帧同步增强:
dsssframe64模块功能扩展,支持使用qdsync,增加了标准方法如copy()- 提供了阈值设置的接口,并降低了默认的扩频增益
-
滤波器改进:
firinterp滤波器新增flush()方法,支持通过滤波器运行零值rresamp模块现在允许使用-1作为输入来设置默认带宽
-
NCO(数控振荡器)优化:
- 修复了频率设置不当的问题
- 改进了VCO(压控振荡器)的精度,提高了频率合成的准确性
-
随机数生成器增强:
- 对各种分布类型的随机数生成进行了更全面的测试
- 确保生成的随机值符合预期的统计特性
技术影响与建议
对于使用liquid-dsp的开发者和研究人员,1.7.0版本带来了显著的稳定性和可用性提升。特别是构建系统的迁移,虽然需要一定的适应过程,但将为未来的开发和维护带来长期收益。
建议现有用户:
- 尽快熟悉CMake构建系统,为未来的Autotools移除做好准备
- 利用增强的测试框架验证现有代码的兼容性
- 关注修复的内存泄漏问题,确保长期运行的稳定性
liquid-dsp 1.7.0版本的发布标志着该项目在工程质量和现代化进程中的重要一步,为数字信号处理领域的开发者提供了更可靠、更易用的工具库。
kernelopenEuler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。C089
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00