使用Octave分析GNU Radio的数据
Octave 是 GNU Radio 的最流行的分析工具，因此 GNU Radio 软件包也包含它自身的一组脚本用于读取和语法分析输出。本文介绍如何使用 Octave 分析 GNU Radio 产生的数据, 并解决"error: 'read_complex_binary' undefined"这类错误信息!
1. 安装Octave
在 Ubuntu 下使用如下命令安装 Octave
$ sudo apt-get install octave
为了可以使用 GNURadio 的 Octave 脚本，你必须将 gnuradio 的路径添加了 Octave 的路径变量中。可以通过配置~/.octaverc文件完成。将gnuradio的路径命令添加到 .octaverc 文件中.具体方法为:
1) 打开新终端(Ctrl + Alt + t)
$ gedit .octaverc
2) 在.octaverc文件中输入如下, 根据gnuradio所在路径与版本自行修改, 然后保存退出即可.
addpath("/home/hao/software/gnuradio-3.7.5.1/gr-utils/octave")
如果不执行上面的步骤, 在调用函数 read_complex_binary() 则会产生error: error: 'read_complex_binary' undefined near line 1 column 3
从语法上分析 GNU Radio 的数据输出，最便捷的方法便是使用 GNU Radio 提供的脚本。如上安装指导所示，确保把 GNU Radio 的脚本的路径已经添加到 Octave 的路径中。这便可帮助读取那些被使用 gr.file_sink (大小、文件名) 顷倒到磁盘的数据。
下 面的方法函数是基于参数 size 的用在 gr.file_sink() 内的，它把文件名作为第一个参数、第二个参数是可选项，它表示了从文件中要读取的数量。
1 read_complex_binary(): gr.sizeof_gr_complex 2 read_float_binary(): gr.sizeof_float 3 read_int_binary(): gr.sizeof_int 4 read_short_binary(): gr.sizeof_short 5 read_char_binary(): gr.sizeof_char
比如：在 Python 脚本中，使用 gr.file_sink(gr.sizeof_gr_complex, "capture.dat") 获取了 64 位的复合数据如下：
c = read_complex_binary('capture.dat');
从 USRP 直接能获取的数据是以 32 位复合数据形式存储的，而不是 64 位复合型 (gr.sizeof_gr_complex)。为了能读取此数据，首先，使用 read_short_binary() 然后将其分离进入 - a two dimensional vector 如下：
1 d = read_short_binary(data); 2 c = split_vect(d, 2);
2. 安装gnuplot
使用 Octave 来绘制数据，最简便的方法是使用 gnuplot。在 Ubuntu 上键入如下命令:
$ sudo apt-get install gnuplot gnuplot-doc
在时间轴上的 I 和 Q，可如下分别地绘制各个元素：
plot([real(c), imag(c)])
如下可生成一个 I/Q 曲线（x 表示 I, y 表示 Q）:
plot(c)
3. 举例说明
例子背景: LTE下行数据链路中, 每个帧1ms, 每个帧包含10个子帧, 每个子帧包含14个 OFDM 符号, 在3M带宽条件下, 其时频资源格为14 * 180的 std::vector <std::vector<gr_complex> > 类型. 在发端2天线, 收端2天线的LTE MOMI-OFDM无线通信系统中, 进行信道估计和插值后得到插值后的信道估计值, 或称信道特征矩阵. 其类型也为 std::vector <std::vector<gr_complex> > 使用如下C++程序, 将信道特征矩阵存入本地文件, 2×2 MIMO 可以得到4个信道特征矩阵(s00, s01, s10, s11):
1 for (int i = 0; i < d_channel_estimate_s00.size(); ++i) 2 { 3 dump_array("s00.dat", &d_channel_estimate_s00[i][0], d_channel_estimate_s00[i].size()); 4 } 5 for (int i = 0; i < d_channel_estimate_s01.size(); ++i) 6 { 7 dump_array("s01.dat", &d_channel_estimate_s01[i][0], d_channel_estimate_s01[i].size()); 8 } 9 for (int i = 0; i < d_channel_estimate_s10.size(); ++i) 10 { 11 dump_array("s10.dat", &d_channel_estimate_s10[i][0], d_channel_estimate_s10[i].size()); 12 } 13 for (int i = 0; i < d_channel_estimate_s11.size(); ++i) 14 { 15 dump_array("s11.dat", &d_channel_estimate_s11[i][0], d_channel_estimate_s11[i].size()); 16 }
其中dump_array()函数的定义如下:
1 template <typename T> 2 static void dump_array(const char* filename, T* arr, int len) 3 { 4 std::string sname = filename; 5 FILE* f = fopen(sname.c_str(), "ab+");//"ab+"是可读可写追加方式的打开一个二进制文件 6 fwrite(arr, sizeof(T), len, f);//fwrite(buffer, size, count, fp);//从buffer地址读size*count个字节写到f文件中. 7 fclose(f); 8 }
如果数据为 std::vector<gr_complex> 类型, 可以这样调用dump_array()函数
1 dump_array("fd_user_data_subf_1tx1rx_before.dat", &fd_user_data[0], fd_user_data.size());
使用 Octave 对这4个信道特征矩阵(s00, s01, s10, s11)进行分析, 代码如下(文件名为test.m):
1 a = read_complex_binary('s00.dat', 10000); 2 plot(abs(a), 'b+'); 3 title("00"); 4 figure; 5 6 b = read_complex_binary('s01.dat', 10000); 7 plot(abs(b), 'ro'); 8 title("01"); 9 figure; 10 11 c = read_complex_binary('s10.dat', 10000); 12 plot(abs(c), 'g-'); 13 title("10"); 14 figure; 15 16 d = read_complex_binary('s11.dat', 10000); 17 plot(abs(d), 'bo'); 18 title("11");
运行程序:
$ octave octave:1> test
注意: 如果没有把 gnuradio 的脚本的路径已经添加到 Octave 的路径中, 将会有如下提示错误
error: 'read_complex_binary' undefined near line 1 column 3
4. 使用Octave画星座图:
以QPSK调制为例, 用前面所述的dump_array()函数, 将接收端均衡前后的数据存到文件里, 然后使用Octave处理数据, 程序如下:(文件名: plot_scatter.m)
1 a = read_complex_binary('before.dat', 10000); 2 a1 = real(a); 3 a2 = imag(a); 4 scatter(a1, a2); 5 title("Before Equalization"); 6 figure; 7 8 b = read_complex_binary('after.dat', 10000); 9 b1 = real(b); 10 b2 = imag(b); 11 scatter(b1, b2); 12 title("After Equalization");
运行结果如下, 左图为均衡前, 又图为均衡后
用Python作为Octave和Matlab之外的另一个选择
很有可能你已经安装了一些Python的科学分析包，例如SciPy和NumPy （特别是Matplotlib）。利用这些工具，你可以使用Python来绘制或者分析数据。
本文地址:
http://www.cnblogs.com/moon1992/p/5717706.html
参考连接:
