PySDR: una guía para SDR y DSP usando Python by Dr. Marc Lichtman. Introducciòn.

 Fuente: https://pysdr.org/content/intro.html

 

 

1. Introduction

Propósito y público objetivo

Primero y más importante, un par de términos importantes:

Radio definida por software (SDR):

Como concepto , se refiere al uso de software para realizar tareas de procesamiento de señales que tradicionalmente se realizaban mediante hardware, específico para aplicaciones de radio/RF. Este software se puede ejecutar en una computadora de uso general (CPU), FPGA o incluso GPU, y se puede usar para aplicaciones en tiempo real o procesamiento fuera de línea de señales grabadas. Términos análogos incluyen “radio software” y “procesamiento de señales digitales de RF”.

Como cosa (p. ej., “un SDR”), normalmente se refiere a un dispositivo al que se puede conectar una antena y recibir señales de RF, y las muestras de RF digitalizadas se envían a una computadora para su procesamiento o grabación (p. ej., a través de USB, Ethernet , PCI). Muchos SDR también tienen capacidades de transmisión, lo que permite que la computadora envíe muestras al SDR, que luego transmite la señal a una frecuencia de RF específica. Algunos SDR de estilo integrado incluyen una computadora a bordo. 

 

Procesamiento de señales digitales (DSP):

El procesamiento digital de señales; en nuestro caso, señales de RF.

Este libro de texto actúa como una introducción práctica a las áreas de DSP, SDR y comunicaciones inalámbricas. Está diseñado para alguien que es:

1. Interesado en usar DEG para hacer cosas interesantes

2. Bueno con Python

3. Relativamente nuevo en DSP, comunicaciones inalámbricas y SDR

4. Un estudiante visual que prefiere las animaciones a las ecuaciones.

5. Mejor comprensión de ecuaciones después de aprender los conceptos.

6. Buscando explicaciones concisas, no un libro de texto de 1.000 páginas

Un ejemplo es un estudiante de Ciencias de la Computación interesado en un trabajo que involucre comunicaciones inalámbricas después de graduarse, aunque puede ser utilizado por cualquiera que desee aprender sobre SDR y tenga experiencia en programación. Como tal, cubre la teoría necesaria para comprender las técnicas de DSP sin las intensas matemáticas que normalmente se incluyen en los cursos de DSP. En lugar de sumergirnos en ecuaciones, se utiliza una gran cantidad de imágenes y animaciones para ayudar a transmitir los conceptos, como la animación de plano complejo de la serie de Fourier que aparece a continuación. Creo que las ecuaciones se entienden mejor después de aprender los conceptos a través de imágenes y ejercicios prácticos. El uso intensivo de animaciones es la razón por la que PySDR nunca tendrá una versión impresa a la venta en Amazon.

Este libro de texto está destinado a presentar conceptos de forma rápida y sencilla, permitiendo al lector realizar DSP y utilizar SDR de forma inteligente. No pretende ser un libro de texto de referencia para todos los temas de DSP/SDR; Ya existen muchos libros de texto excelentes, como el libro de texto SDR de Analog Device y dspguide.com . Siempre puedes utilizar Google para recuperar identidades trigonométricas o el límite de Shannon. Piense en este libro de texto como una puerta de entrada al mundo de DSP y SDR: es más liviano y requiere menos tiempo y compromiso monetario, en comparación con cursos y libros de texto más tradicionales.

Para cubrir la teoría fundamental de DSP, un semestre completo de "Señales y sistemas", un curso típico dentro de la ingeniería eléctrica, se condensa en unos pocos capítulos. Una vez que se cubren los fundamentos de DSP, nos lanzamos a los SDR, aunque los conceptos de DSP y comunicaciones inalámbricas continúan apareciendo a lo largo del libro de texto.

Se proporcionan ejemplos de código en Python. Utilizan NumPy, que es la biblioteca estándar de Python para matrices y matemáticas de alto nivel. Los ejemplos también se basan en Matplotlib, que es una biblioteca de trazado de Python que proporciona una manera sencilla de visualizar señales, matrices y números complejos. Tenga en cuenta que, si bien Python es "más lento" que C++ en general, la mayoría de las funciones matemáticas dentro de Python/NumPy se implementan en C/C++ y están muy optimizadas. Del mismo modo, la API SDR que utilizamos es simplemente un conjunto de enlaces de Python para funciones/clases de C/C++. Aquellos que tienen poca experiencia en Python pero una base sólida en MATLAB, Ruby o Perl probablemente estarán bien después de familiarizarse con la sintaxis de Python.