- La radio logicielle (SDR) et le traitement numérique du signal (DSP) sont présentés dans un manuel en ligne conçu pour un apprentissage pratique avec Python
- Inclut les principes du SDR, qui traite les signaux RF par logiciel plutôt que par matériel, ainsi que des exemples de visualisation et d’analyse de signaux avec NumPy·Matplotlib
- Conçu pour permettre une compréhension intuitive des concepts grâce à des animations et supports visuels plutôt qu’à des formules mathématiques
- Structuré pour rester accessible même à des apprenants ayant une expérience en programmation sans formation en génie électrique
- Projet open source, auquel il est possible de contribuer à l’amélioration du manuel via des contributions GitHub et le soutien Patreon
1. Objectif et lectorat visé
- Le SDR (Software-Defined Radio) est un concept consistant à effectuer par logiciel le traitement RF traditionnellement assuré par du matériel
- Il peut s’exécuter sur un ordinateur classique (CPU), un FPGA, un GPU, etc., et prend en charge le traitement hors ligne de signaux en temps réel ou enregistrés
- Il existe aussi sous forme d’appareils capables de recevoir et d’émettre des signaux RF via une antenne
- Le DSP (Digital Signal Processing) est la technique de traitement des signaux en mode numérique ; dans ce manuel, l’accent est mis sur les signaux RF
- Le manuel s’adresse notamment aux profils suivants
- Les personnes souhaitant réaliser des projets expérimentaux avec le SDR
- Celles qui sont à l’aise avec Python mais débutantes en DSP et en communications sans fil
- Les apprenants qui préfèrent les supports visuels aux formules
- Les personnes qui préfèrent des explications concises et un apprentissage pratique plutôt qu’un long manuel théorique
- Il convient aussi à des étudiants en informatique ayant une expérience en programmation, même sans spécialisation en génie électrique
- Les concepts clés, comme les séries de Fourier, sont expliqués à l’aide d’images et d’animations plutôt qu’au moyen de mathématiques complexes
- C’est pour cette raison que PySDR n’est pas vendu sous forme imprimée
2. Structure du manuel et approche d’apprentissage
- Les bases théoriques du DSP condensent en quelques chapitres ce qui correspond généralement à un semestre de « Signals and Systems » en génie électrique
- Le contenu s’élargit ensuite à des sujets liés au SDR, tandis que les notions de DSP et de communications sans fil réapparaissent tout au long du manuel
- Les exemples de code Python utilisent NumPy et Matplotlib
- NumPy est la bibliothèque standard pour les tableaux et les opérations mathématiques, et la plupart de ses calculs sont optimisés en C/C++
- Matplotlib est un outil de tracé pour visualiser les signaux, les tableaux et les nombres complexes
- Même si Python est plus lent que C++, ses opérations internes étant optimisées, il offre des performances suffisantes pour la pratique
- Les personnes ayant une expérience de MATLAB, Ruby ou Perl peuvent aussi l’utiliser facilement une fois familiarisées avec la syntaxe Python
3. Comment contribuer
- Il est recommandé de partager ce que vous avez appris avec PySDR avec des étudiants, collègues et autres apprenants
- Un soutien sur Patreon permet d’afficher son nom en bas des pages du manuel
- En lisant le manuel, vous pouvez envoyer questions, avis et propositions de correction par e-mail, ce qui vous fera automatiquement reconnaître comme contributeur
- Vous pouvez aussi proposer directement des modifications (Pull Request) via le dépôt GitHub
- Même sans être à l’aise avec Git, il est possible d’envoyer des suggestions par e-mail
4. Remerciements
- Des remerciements sont adressés aux lecteurs et aux contributeurs aux traductions ayant fourni des retours sur le manuel
- Les participants aux traductions française, néerlandaise, ukrainienne, chinoise et espagnole sont mentionnés
- La liste des soutiens Patreon et des sponsors institutionnels, dont Analog Devices, Inc., est également incluse
- PySDR est distribué sous licence CC BY-NC-SA 4.0
Aucun commentaire pour le moment.