gr-dsd 项目技术文档
2024-12-28 15:17:58作者:韦蓉瑛
1. 安装指南
系统要求
- 操作系统:建议使用Ubuntu
- 依赖库:
- GNU Radio 3.7, 3.8, 3.9, 或 3.10
- libsndfile (在Ubuntu中为libsndfile1-dev包)
- BOOST C++源库 (在Ubuntu中为libboost-all-dev包)
- libcppunit-dev
- libitpp-dev
- liblog4cpp5-dev
- swig
安装步骤
- 在项目目录下创建一个构建目录:
mkdir build - 切换到构建目录:
cd build - 运行CMake:
cmake .. - 编译项目:
make - 安装项目:
sudo make install - 更新动态链接库:
sudo ldconfig
安装完成后,在GNU Radio Companion中,“DSD Block”应出现在“DSD”类别下,且“block_ff”会在“dsd”Python包中可用。
2. 项目使用说明
gr-dsd模块是一个将数字语音解码器(DSD)包装为GNU Radio模块的项目,可以方便地与软件无线电外围设备如Ettus Research USRP或基于RTL2832U的USB电视调谐器一起使用。
该模块期望输入48000样本每秒的信号,并输出8000样本每秒的声音。输入信号应该是FM解调的(例如,使用GNU Radio的Quadrature Demod模块),并且接收数字信号时应在-1到1之间。对于EDACS Provoice,一个1.6的Quadrature Demod增益效果较好。输入信号还应无直流偏置,因此确保准确调谐或滤除直流成分是必要的。
为了节省CPU周期,当输入信号为零时,模块会检测并避免通过DSD发送。因此,在使用gr-dsd前放置一个静噪模块特别有用,尤其是在并行使用多个gr-dsd实例时。
3. 项目API使用文档
由于项目是基于GNU Radio的,用户可以通过GNU Radio Companion来添加和使用gr-dsd模块。具体的使用方式涉及以下步骤:
- 打开GNU Radio Companion。
- 在“DSD”类别下查找并添加“DSD Block”。
- 配置相应的输入和输出参数,确保输入信号满足模块要求。
关于Python包“dsd”中的“block_ff”的具体API使用,需要查看生成的Python绑定文档或源代码。
4. 项目安装方式
项目的安装方式已在“安装指南”中详细说明。简要步骤如下:
- 确保所有依赖库已安装。
- 创建构建目录并运行CMake。
- 编译并安装项目。
- 更新系统动态链接库。
按照以上步骤操作后,即可完成gr-dsd项目的安装。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0194
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0121
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook06
项目优选
收起
暂无描述
Dockerfile
767
4.99 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.94 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
686
1.34 K
Ascend Extension for PyTorch
Python
721
892
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
458
445
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++
1.08 K
1.11 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.01 K
262
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1 K
618
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
2.99 K
637
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
151
253