بله | کانال SDR

۱۸ فروردین

sub_correlation.py

۲.۰۴ کیلوبایت

به نام خداسلام وقت همگی بخیر
کد پایتون زیر مقایسه sub correlation با correlation می‌باشد در حضور افست فرکانسی همانطور که مشاهده می‌کنید وقتی طبق عکس پایین وقتی از sub correlation استفاده می‌کنیم مقاومت ما در برابر CFO بیشتر است.
@gnu_radio

۶:۴۹

به نام خدا سلام وقت همگی بخیر
مقایسه بین Sub correlation و correlation در حضور CFO در پیدا کردن شروع Frame.
@gnu_radio

۶:۵۱

SDR

به نام خدا سلام وقتتون بخیر در این قسمت به موضوع افست زمانی پرداخته شده است. نکته ای که وجود دارد افست زمانی از دو قسمت تشکیل شده است: افست زمانی fractional و افست زمانی integer نکته‌ای که وجود دارد برای حذف افست فرکانسی fractional باید در ابتدا عملیات oversampling انجام داد. و در صورتی که به صورت real time در حال ارسال داده باشیم حتما برای دریافت درست داده باید این کار روچا انجام بدهیم. قسمت بیستم مخابرات در پایتون @gnu_radio

به نام خدا
سلام وقت همگی بخیر
بعد از 23 قسمت توانستیم یک فرستنده و گیرنده با استفاده از مدولاسیون BPSK را به صورت Real time به پایان برسانیم. نکته فرستنده در gnu radio پیاده‌سازی شده است ولی گیرنده در pycharm.
در پیاده‌سازی گیرنده به موضوعاتی مانند افست زمانی integer و fractional و افست فرکانسی coarse و fine و افست فازی پرداخته شده است و چون کد پایتون می‌باشد به صورت کامل و جزئی می‌توان ساختار یک فرستنده و گیرنده را درک کرد.
نکته به علت محدویت حال حاضر در بله، ویدیوها در کانال روبیکا و آپارات قرار گرفته است:
http://rubika.ir/Gnu_Radiohttps://www.aparat.com/v/hps1761?playlist=23599558
خیلی ممنون.
@gnu_radio

۷:۰۰

۲۶ فروردین

به نام خدا
سلام وقت همگی بخیر
در قسمت زیر که در آپارت بارگذازی شده است و به علت محدویت‌ها در بله به موضوع sub-correlation و مقاومت آن در برابر افست فرکانسی پرداخته شده است.
قسمت 24 مخابرات در پایتون:
https://www.aparat.com/v/oho5v2d
نکته: در این ویدیو به صورت مقایسه‌ای این کار انجام شده است تا تفاوت این دو الگوریتم به خوبی مشخص شود از دیگر نکاتی که به آن باید توجه کرد این است وقتی ما می‌گویم در برابر افست فرکانسی مقاوم هستیم یعنی اگر افست فرکانسی یا CFO بیشتر باشد شروع فریم قابل تشخیص است با استفاده از UW یا به عبارتی Preamble یا به عبارتی دنباله شناخته شده.
@gnu_radio

۱۰:۵۶

۲۷ فروردین

Understanding LTE with MATLAB From Mathematical Modeling to Simulation and Prototyping (Houman Zarrinkoub).pdf

۸.۵۳ مگابایت

۸:۲۶

Wireless communications systems design (Haesik Kim)).pdf

۱۰.۵۹ مگابایت

به نام خدا
سلام وقت همگی بخیر به تازگی یکی از دوستان یک گروه معرفی کرد در بله که در حوزه مخابرات فعالیت میکنه و من این دو کتاب فوق که به نظرم جالب بود از داخل این گروه داخل کانال قرار دادم
ادرس گروه در بله:
ble.ir/join/AjzUtKCW7Q

خیلی ممنون
@Gnu_radio

۸:۲۸

۲۸ فروردین

به نام خدا
سلام وقت همگی بخیر
امروز سه الگوریتم Timing recovery رو می‌خواهم با هم مقایسه کنیم.
zero crossing
اولین الگوریتم الگوریتم Zero crossing یا به عبارتی ZC می‌باشد این الگوریتم به علت محدودیت‌های که دارد معمولا نباید استفاده بشود اولین مشکل آن این است که در حضور Carrier phase مقاوم نیست و باعث ایجاد نتایج اشتباه می‌شود و نکته‌ای که وجود دارد این است که حتما باید sample per symbol بزرگتر یا مساوی 2 باشد.

Gardner
دومین الگوریتم الگوریتم Gardner ‌می‌باشد، این الگوریتم در حضور carrier phase می‌تواند عملیات timing recovery را انجام بدهد. و در شرایطی کار می‌کند که sample per symbol حداقل 2 باشد. این الگوریتم برای timing recovery مدولاسیون‌های BPSK و QPSK مناسب است البته نکته‌ای که وجود دارد این است که این الگوریتم زمانی خوب کار می‌کند که Roll of factor دارای مقدار بین 4. تا 1 باشد.

Müller and Mueller

یکی از بهترین الگوریتم‌ها Timing recovery می‌باشد البته نکته‌ای که وجود دارد در صورتی که مقدار roll of factor زیاد باشد به نتایج مناسبی نمی‌رسیم. همچنین مقدار sample per symbol نیز در صورتی که یک باشد این الگوریتم کار می‌کند اما به علت این که اطلاعات کمی در هر symbol برای تخمین خطا وجود دارد عملکرد آن ضعیف است.
برگرفته شده از کتاب:
Software-Defined Radio for Engineers
@gnu_radio

۱۱:۵۴

۳۰ فروردین

به نام خدا
سلام وقت همگی بخیر
در این قسمت‌ها به پیاده‌سازی DSSS خواهیم پرداخت نکته ای که وجود داشت من در ویدیوهای که تا به حال قرار دادم در بحث Timing recovery تنها از Preamble استفاده کرده ام و من فکر میکردم اگه از Preamble استفاده کنم نیازی به استفاده از DPLL نیست ولی اشتباه فکر میکردم و DPLL نیاز کار است بنابراین باید یاد گرفته شود.
پیش نمایش:
پیاده‌سازی فرستنده و گیرنده طیف گسترده direct sequence spread spectrum به صورت real timeادامه قسمت ها در اپاراتآپارت:https://www.aparat.com/v/xjdn3p3
@gnu_radio

۱۸:۵۵

۱۰ اردیبهشت

به نام خدا
سلام وقت همگی بخیر
قسمت سوم پیاده‌سازی فرستنده و گیرنده Direct sequence spread spectrum در پایتون در آپارات بارگذاری شد.
نکته در آپارت بارگذاری میشه کیفیت افت میکنه
https://www.aparat.com/v/apgi30k
و به زودی در کانال روبیکا بارگذاری می‌شود:
http://rubika.ir/Gnu_Radio
در این سه قسمت به موضوع chip و ویژگی‌های طیف گسترده DSSS پرداخته شد. نکته‌ای که وجود دارد در این پیاده‌سازی دنباله chip برابر با 256 و spreading factor یا SF برابر با 16 می‌باشد. و از مدولاسیون bpsk استفاده شده است.
در گیرنده نیز به صورت مختصر به موضوع sub correlation و مقایسه آن با correlation پرداخته شده است. استفاده از sub correlation ما را در برابر CFO بزرگ افست فرکانسی درشت مقاوم‌تر می‌کند.

@gnu_radio

۱۳:۵۳

۱۵ اردیبهشت

The Cyclic Prefix (CP) in OFDM - DSPIllustrations.com.pdf

۸۰۰.۵۷ کیلوبایت

به نام خدا
سلام وقت همگی بخیر
@gnu_radio

۱۶:۱۹

Python OFDM Example - DSPIllustrations.com.pdf

۱.۵۶ مگابایت

به نام خدا
سلام وقت همگی بخیر
فایل شبیه سازی مدولاسیون OFDM با استفاده از کد پایتون.
@gnu_radio

۱۶:۲۰

Schmidl&Cox Synchronization for OFDM - DSPIllustrations.com.pdf

۲.۷۳ مگابایت

به نام خدا
سلام وقت همگی بخیر چند روز پیش دانشگاه بودم
و با استفاده از اینرنت که بود چند فایل شبیه سازی پایتون دربارهی مدولاسیون ofdm دانلود کردم.
به عنوان مثال این فایل به موضوع حذف افست فرکانسی می‌پردازد.
@gnu_radio

۱۶:۲۰

Synchronization _ PySDR_ A Guide to SDR and DSP using Python.pdf

۱.۳ مگابایت

به نام خدا
سلام وقتتون بخیر
من خودم این فایل مطالعه نکردم اما من خودم دربارهی موضوعی به نام Timing synchronization هستم در ابتدا این موضوع به صورت ابتدایی گفته شده گفتم شاید دوستان دیگه ای هم نیاز داشته باشند.
@gnu_radio

۱۶:۳۹

۱۶ اردیبهشت

به نام خدا
سلام وقت همگی بخیر
در کنفرانس برق، یه ورکشاپ در حوزه مخابرات موبایل وجود دارد نگاه کردن به اون و استفاده از تجربیات به نظرم خیلی خوب باشه

https://iceeconf.ir/2026/fa/Home/Content?id=277
این کنفرانس در تاریخ 27 اردیبهشت برگزار میشه ساعت 2 تا 4 بعدازظهر
@gnu_radio

۱۰:۵۴

۱۷ اردیبهشت

به نام خدا
سلام وقت همگی بخیر
امروز قسمت چهارم و پنجم تکنیک طیف گسترده direct sequence spread spectrum در آپارات قرار داده شد:
https://www.aparat.com/v/bei0tj1?refererRef=channel_page
در این دو قسمت به دو موضوع زیر پرداخته شده است:
1) در این قسمت سعی شده است قسمت فرستنده به Gnu radio منتقل شود به دلیل دسترسی به Hack RF و RTL-SDR، زیرا در قسمت‌های بعدی این تکنیک طیف گسترده به صورت عملی مورد تست قرار می‌گیرد.
2) در این قسمت به موضوع حذف افست فرکانسی درشت با استفاده از روش maximum likelihood پرداخته می‌شود. ولی از روش‌های می‌باشد که سربار محاسباتی بالایی دارد.

@Gnu_radio

۱۳:۵۹

۱۹ اردیبهشت

SDR

به نام خدا سلام وقت همگی بخیر امروز سه الگوریتم Timing recovery رو می‌خواهم با هم مقایسه کنیم. zero crossing اولین الگوریتم الگوریتم Zero crossing یا به عبارتی ZC می‌باشد این الگوریتم به علت محدودیت‌های که دارد معمولا نباید استفاده بشود اولین مشکل آن این است که در حضور Carrier phase مقاوم نیست و باعث ایجاد نتایج اشتباه می‌شود و نکته‌ای که وجود دارد این است که حتما باید sample per symbol بزرگتر یا مساوی 2 باشد. Gardner دومین الگوریتم الگوریتم Gardner ‌می‌باشد، این الگوریتم در حضور carrier phase می‌تواند عملیات timing recovery را انجام بدهد. و در شرایطی کار می‌کند که sample per symbol حداقل 2 باشد. این الگوریتم برای timing recovery مدولاسیون‌های BPSK و QPSK مناسب است البته نکته‌ای که وجود دارد این است که این الگوریتم زمانی خوب کار می‌کند که Roll of factor دارای مقدار بین 4. تا 1 باشد. Müller and Mueller یکی از بهترین الگوریتم‌ها Timing recovery می‌باشد البته نکته‌ای که وجود دارد در صورتی که مقدار roll of factor زیاد باشد به نتایج مناسبی نمی‌رسیم. همچنین مقدار sample per symbol نیز در صورتی که یک باشد این الگوریتم کار می‌کند اما به علت این که اطلاعات کمی در هر symbol برای تخمین خطا وجود دارد عملکرد آن ضعیف است. برگرفته شده از کتاب: Software-Defined Radio for Engineers @gnu_radio

fractional_delay_version_1.py

۳.۱ کیلوبایت

به نام خدا
سلام وقت همگی بخیر
امروز بعد از مدت‌ها یک الگوریتم timing recovery تونستم پیاده‌سازی کنم البته از دید خودم ولی به نظرم شاید برخی قسمت های اون اشتباه باشه اگه کسی از دوستان خطای پیدا کرد ممنون می‌شوم به من هم بگه که به علم من اضافه بشه.
اما در این پیاده‌سازی برای به دست آوردن خطا از روش early-late استفاده شده است یا به عبارتی timing error detector که TED نامیده می‌شود از روش Early-late استفاده می‌کند.از دیگر نکاتی که باید به آن اشاره شود نوع interpolation مورد استفاده در این پیاده سازی polyphase interpolation می‌باشد.
این پیاده‌سازی فعلا در حد شبیه‌سازی است اما به نظرم در عملی هم جواب بدهد
@gnu_radio

۷:۴۳

۲۰ اردیبهشت

۱۸:۲۱

به نام خدا
سلام وقت همگی بخیر دو شکل فوق مقایسه‌ای بین استفاده از timing recovery می‌باشد با زمانی که از timing recovery استفاده نمی‌کنیم.
اختلاف مشهود است
@gnu_radio

۱۸:۲۱

۲۱ اردیبهشت

SDR

به نام خدا سلام وقت همگی بخیر دو شکل فوق مقایسه‌ای بین استفاده از timing recovery می‌باشد با زمانی که از timing recovery استفاده نمی‌کنیم. اختلاف مشهود است @gnu_radio

به نام خدا
سلام وقت همگی بخیر
گزارش کار
1405/02/20
شرایط آزمایش: در این آزمایش در حالت شبیه سازی شده از gnuradio استفاده شده است به همراه pycharm و نکته ای که وجود داشت در شرایط شبیه سازی از بلوک channel model با افست فرکانس ۱۱ کیلوهرتز استفاده شده است.
در شرایط عملی از سخت افزار های Pluto sdr و RTL-SDR استفاده شده است.
الگوریتم early late تحت دو شرایط تست شد.
در ابتدا به صورت شبیه سازی شده و سپس عملی تحت پروتکل direct sequence spread spectrum. نکته ای که وجود داشت در شرایطی شبیه سازی شده افست فرکانسی نیز شبیه سازی شد.

نتیجه: عملکرد اصلا مناسب نبود و تحت شرایط عملی و شبیه سازی شده جواب مناسب گرفته نشد. ولی در حالت بدون افست فرکانسی در حالت شبیه‌سازی الگوریتم به درستی کار می‌کرد.
از دیگر نکاتی که باید مورد توجه قرار بگیرد این است قبلا بیان شد که الگوریتم zero crossing نسبت به CFO حساس است بنابراین این موضوع از chatgpt پرسیدم و گفت بله الگوریتم early late نیز نسبت به CFO حساس است.
و بهتر است از الگوریتم gardner استفاده کنی و یا Muller and Muller.
البته نکته ای که وجود دارد این است این امکان نیز وجود دارد که من در نوشتن کد خطا داشته باشم. یا نتیجه گیری‌ام اشتباه باشد ممنون میشم اگه در این زمینه ای نکته ای بود بهم بگید

@gnu_radio

۶:۲۹