09. Анализ записанного сигнала в Python¶

Цель раздела¶

Научиться анализировать записанный IQ-сигнал в Python и использовать скриптовый подход для автоматизации измерений.

1. Зачем нужен Python¶

Python полезен в курсе как быстрый универсальный инструмент. Он позволяет:

читать IQ-файлы;
строить графики;
вычислять FFT;
автоматизировать повторяющиеся измерения;
готовить небольшие утилиты для обработки записей.

Для инженерной практики это особенно важно: Python хорошо подходит для быстрой проверки гипотез.

2. Задачи анализа¶

В рамках первого блока нужно:

прочитать файл с IQ-данными;
преобразовать данные в комплексный сигнал;
построить временную форму;
построить спектр;
найти частоту основного тона;
сохранить результаты.

3. Рекомендуемые библиотеки¶

Для первого анализа достаточно:

numpy
matplotlib

При необходимости можно использовать и:

scipy

4. Общая последовательность работы¶

Открыть файл.
Прочитать сырой массив.
Разделить I и Q.
Сформировать комплексный массив.
Построить временную форму.
Вычислить FFT.
Найти спектральный пик.
Вывести численные результаты.

5. Пример скрипта на Python¶

import numpy as np
import matplotlib.pyplot as plt

filename = "tone_capture_iq.bin"
fs = 2.4e6

raw = np.fromfile(filename, dtype=np.int16)

i_data = raw[0::2]
q_data = raw[1::2]

x = i_data.astype(np.float64) + 1j * q_data.astype(np.float64)

n_view = min(len(x), 2000)
t = np.arange(n_view) / fs

plt.figure()
plt.plot(t, np.real(x[:n_view]))
plt.xlabel("Time, s")
plt.ylabel("Amplitude")
plt.title("Real part of IQ signal")
plt.grid(True)

nfft = 4096
X = np.fft.fftshift(np.fft.fft(x[:nfft], nfft))
f = np.fft.fftshift(np.fft.fftfreq(nfft, d=1/fs))

plt.figure()
plt.plot(f, 20 * np.log10(np.abs(X) + 1e-12))
plt.xlabel("Frequency, Hz")
plt.ylabel("Magnitude, dB")
plt.title("Spectrum of recorded tone")
plt.grid(True)

peak_index = np.argmax(np.abs(X))
peak_freq = f[peak_index]

print(f"Peak frequency: {peak_freq:.2f} Hz")

plt.show()

Скрипт читает отсчёты int16: формат .ci16 курса. Сырой файл rtl_sdr хранит беззнаковые 8-битные отсчёты со смещением 127,5, а запись HDSDR это WAV-файл; см. таблицу форматов на странице 07. Читатели курса из Лабораторной 9.3 (ci16, cu8, cf32) и Лабораторной 9.4 (WAV IQ) делают это за вас.

5a. Запустите версию курса и проверьте её на известном тоне¶

Тот же анализ с печатью пика и сохранением графика лежит в blocks/block_01_intro_sdr/python/iq_analysis_example.py. Прежде чем доверять ему реальную запись, запустите его на файле с известным ответом. Тон 200 кГц при частоте дискретизации 2,4 MS/s, записанный как .ci16, даёт:

samples: 65536, FFT length: 4096, bin width: 585.9 Hz
peak offset from the tuning frequency: 199804.7 Hz
peak above the median spectrum level: 63.6 dB

Пик на 195 Гц не дотягивает до 200 кГц. Это не ошибка: у FFT есть только бины через fs/nfft = 585,9 Гц, и 199 804,7 Гц это бин, ближайший к тону.

python blocks/block_01_intro_sdr/python/iq_analysis_example.py capture.ci16 --fs 2.4e6 --out spectrum.png
python blocks/block_01_intro_sdr/python/iq_analysis_example.py capture.cu8 --dtype uint8

6. Что должен увидеть студент¶

Во временной области¶

устойчивую форму сигнала;
отсутствие случайных скачков;
периодическую структуру.

В спектре¶

основной спектральный пик;
уровень шума;
возможно, слабые паразитные составляющие.

7. Преимущества Python в этом блоке¶

Python удобен, потому что позволяет быстро:

менять параметры анализа;
обрабатывать несколько файлов;
автоматически вычислять частоту пика;
сохранять графики;
строить простые измерительные инструменты.

Это особенно полезно для дальнейшей работы с большими объёмами IQ-данных.

8. Что нужно проверить¶

Во время анализа убедитесь, что:

выбран правильный тип данных;
I и Q не перепутаны;
частота дискретизации задана правильно;
анализируется достаточно длинный фрагмент;
шкала частот интерпретирована правильно.

9. Что можно улучшить в следующей версии скрипта¶

Дальше студент может расширить скрипт:

добавить оконную функцию;
оценить уровень шума;
автоматически находить несколько пиков;
сохранять результаты в файл;
строить спектрограмму;
сравнивать несколько записей.

9a. Упражнения¶

Запишите тот же тон 200 кГц как файл rtl_sdr (uint8, смещение 127,5) и проанализируйте его с --dtype uint8. Затем проанализируйте тот же файл с типом по умолчанию int16. Неверный тип даёт уверенный, но неправильный ответ: пик около −400 кГц, примерно на 48 дБ выше медианы. Почему ошибка формата не выглядит как шум?
Измените --nfft с 4096 на 65536. Насколько пик приблизится к 200 000 Гц и какова теперь ширина бина?
Поменяйте местами I и Q в загрузчике. Куда сместится тон и почему?

10. Что включить в отчёт¶

Рекомендуется включить:

текст или фрагмент скрипта на Python;
график во временной области;
график спектра;
найденную частоту пика;
краткий вывод.

11. Выводы¶

После этого этапа студент должен:

уметь читать IQ-файл в Python;
строить базовый спектральный анализ;
автоматически находить частоту тестового тона;
использовать Python как инструмент инженерной автоматизации.