GNU Radio3.8创建OOT的详细过程(基础/C++)
GNU Radio3.8创建OOT的详细过程(进阶/C++)
GNU Radio3.8创建OOT的详细过程(python)
GNU Radio自定义模块：Embedded Python Block的使用
GNU Radio3.8：编辑yaml文件的方法
GNU Radio3.8:创建自定义的QPSK块(C++)
----------------------------------------------------------------------------------------
在 GNU 3.8创建OOT的详细过程(基础/C++) 以及 GNU 3.8创建OOT的详细过程(进阶/C++) 中，我们详细介绍了如何使用 C++ 来创建自定义模块，这里我们将继续介绍如何使用 python 来进行自定义模块的创建。python 因其简介的代码可以大大曾快开发的效率 但是 python 固有的执行效率慢的问题使其不适用于复杂功能模块的编写，因此对于复杂的模块编写还是建议使用 C++，一些功能简单的模块使用 python 编写。
使用 python 编写模块的过程相比 C++ 简直不要太人性化！同样是创建一个具有平方功能的块，我们在 mymod 模块中 创建一个 python 块：
gr_modtool add -t sync -l python square3_ff
注意这里的命令行参数 -l 后是 python
wsx@wsx:~/temp/gr-mymod$ gr_modtool add -t sync -l python square3_ff
GNU Radio module name identified: mymod
Language: Python
Block/code identifier: square3_ff
Please specify the copyright holder:
Enter valid argument list, including default arguments:
Add Python QA code? [Y/n] y
Adding file 'python/square3_ff.py'...
Adding file 'python/qa_square3_ff.py'...
Editing python/CMakeLists.txt...
Adding file 'grc/mymod_square3_ff.block.yml'...
Editing grc/CMakeLists.txt...
首先，还是编写测试文件 python/qa_square3_ff.py ：
from gnuradio import gr, gr_unittest
from gnuradio import blocks
from square3_ff import square3_ff
class qa_square3_ff(gr_unittest.TestCase):
def setUp(self):
self.tb = gr.top_block()
def tearDown(self):
self.tb = None
def test_001_square3_ff (self):
src_data = (-3, 4, -5.5, 2, 3)
expected_result = (9, 16, 30.25, 4, 9)
src = blocks.vector_source_f (src_data)
sqr = square3_ff ()
dst = blocks.vector_sink_f ()
self.tb.connect (src, sqr)
self.tb.connect (sqr, dst)
self.tb.run ()
result_data = dst.data ()
self.assertFloatTuplesAlmostEqual (expected_result, result_data, 6)
# check data
if __name__ == '__main__':
gr_unittest.run(qa_square3_ff)与之前 C++ 块的 python 测试代码相比，主要是 square3_ff 的 import 方式 发生了变化。
接下来是 python 文件 python/square3_ff.py 的编写：
import numpy
from gnuradio import gr
class square3_ff(gr.sync_block):
"""
docstring for block square3_ff
"""
def __init__(self):
gr.sync_block.__init__(self,
name="square3_ff",
in_sig=[numpy.float32], # 输入端口
out_sig=[numpy.float32]) # 输出端口
def work(self, input_items, output_items):
# <+signal processing here+>
output_items[0][:] = input_items[0][:] * input_items[0][:] # 平方
return len(output_items[0])看了这代码的简洁程度，真想说，python 还是大爷(— . —)
昂，不扯了哈哈，来看下与之前的C++代码的对比吧：
同样是 sync 类型的块，因此信号处理的主函数为 work() , 在 python 中是继承自父类 gr.sync_block ，这在 C++ 版本中是 gr::sync_block 。
与 C++ 不同，这里的输入输出端口 in_sig/out_sig 的设置使用列表形式来列举 ，列表中的每一个元素都代表这个端口的数据流中包含的 item 的数量。这里的定义为：
in_sig = [numpy.float32],
out_sig = [numpy.float32],代表着输入输出端各有一个端口，端口的数据类型为 numpy.float32 。另外，如果想让端口可以输入/输出 vectors 或其他复杂的数据，则可以像这样定义
in_sig = [(numpy.float32, 4), numpy.float32] 这个定义意味着输入有两个端口，第一个端口是具有 4 个单精度浮点型类型数据的 vector ，第二个端口是一个单精度浮点型的标量。
另外，这里的 input_items 和 output_items 都是 numpy 数组，可以使用 numpy 方法进行操作。
wsx@wsx:~/temp/gr-mymod/build$ cmake ../
-- Build type not specified: defaulting to release.
-- Using GMP.
-- User set python executable /usr/bin/python3
-- Found PythonLibs: /usr/lib/x86_64-linux-gnu/libpython3.8.so (found suitable exact version "3.8.10")
-- Using install prefix: /usr/local
-- Building for version: v1.0-compat-xxx-xunknown / 1.0.0git
-- No C++ unit tests... skipping
--
-- Checking for module SWIG
-- Found SWIG version 4.0.1.
-- Found PythonLibs: /usr/lib/x86_64-linux-gnu/libpython3.8.so (found version "3.8.10")
-- Configuring done
-- Generating done
-- Build files have been written to: /home/wsx/temp/gr-mymod/build
wsx@wsx:~/temp/gr-mymod/build$ make test
Running tests...
Test project /home/wsx/temp/gr-mymod/build
Start 1: qa_square1_ff
1/3 Test #1: qa_square1_ff .................... Passed 0.52 sec
Start 2: qa_square2_ff
2/3 Test #2: qa_square2_ff .................... Passed 0.50 sec
Start 3: qa_square3_ff
3/3 Test #3: qa_square3_ff .................... Passed 0.55 sec
100% tests passed, 0 tests failed out of 3
Total Test time (real) = 1.57 sec
使用 python 来写 block 就没有C++那样复杂的编译安装等步骤了，遇到 bug 的概率也少了不少，开发效率直接上天！
然后是编写 yaml 文件，由于 gr_modtool makeyaml ××× 命令是针对 C++ 的，因此这里就只能手动修改 yaml 文件了，不过有了前面的基础，这一步也很容易完成，有关 yaml 代码的 修改 可以看这篇博客，修改后的 yaml 文件如下：
id: mymod_square3_ff
label: square3_ff
category: '[Mymod]'
templates:
imports: import mymod
make: mymod.square3_ff()
inputs:
- label: in
domain: stream
dtype: float
outputs:
- label: out
domain: stream
dtype: float
file_format: 1可以发现，除了命名，其他的与之前的一模一样。
最后一步，同样是回到 build/ 文件夹中，重新 cmake 一下，然后不需要再编译（make）了，直接运行 make test 进行测试，然后在 sudo make install 进行安装，这时再重新打开GRC，可以发现 square3_ff 模块：
运行该流图，结果如下：
最后多提一嘴，如果有小伙伴使用过 GRC 中的 Embedded Python Block 的话就会发现这两个其实是同样的，只不过这里是从头开始编辑模块的，而 Embedded Python Block 中是创建好了 block，我们只用往里面填写代码就行了。
最后，如同使用 C++ 进行 block 的创建及编写一样，使用 python 也可以创建所有类型的 block，python 中的四种 blocks 如下：
gr.sync_blockgr.decim_blockgr.interp_blockgr.basic_block - （这里对应 C++ 中的 gr::block）另外，与 C++ 中的一样，python 中也会根据 block 的类型来选择是否需要重写 forecast()、 work()、以及 general_work() 函数。
def work(self, input_items, output_items):
# Do stuff
def general_work(self, input_items, output_items):
# Do stuff参考：
GNU Radio自定义模块：Embedded Python Block的使用_Flag_ing的博客-CSDN博客
OutOfTreeModules - GNU Radio