Hướng dẫn về SDR và DSP bằng Python (PySDR)

• Radio định nghĩa bằng phần mềm (SDR) và xử lý tín hiệu số (DSP) được trình bày như một giáo trình trực tuyến thiên về thực hành, giúp học bằng Python
• Bao gồm nguyên lý của SDR, nơi tín hiệu RF được xử lý bằng phần mềm thay vì phần cứng, cùng các ví dụ trực quan hóa và phân tích tín hiệu bằng NumPy·Matplotlib
• Được thiết kế để giúp người học hiểu khái niệm một cách trực quan thông qua hoạt hình và tài liệu trực quan thay vì công thức toán học
• Được xây dựng để người học có kinh nghiệm lập trình cũng có thể dễ dàng tiếp cận, ngay cả khi không học chuyên ngành kỹ thuật điện
• Vận hành theo mô hình mã nguồn mở, và có thể tham gia cải thiện giáo trình thông qua đóng góp trên GitHub·ủng hộ qua Patreon

---

1. Mục đích và độc giả mục tiêu

• SDR (Software-Defined Radio) là khái niệm thực hiện xử lý RF vốn dựa trên phần cứng bằng phần mềm
  • Có thể chạy trên máy tính phổ thông (CPU), FPGA, GPU, v.v., đồng thời hỗ trợ xử lý ngoại tuyến đối với tín hiệu thời gian thực hoặc tín hiệu đã được ghi lại
  • Cũng tồn tại dưới dạng thiết bị có thể kết nối ăng-ten để thu và phát tín hiệu RF
• DSP (Digital Signal Processing) là công nghệ xử lý tín hiệu theo phương thức số, và trong giáo trình này tập trung chủ yếu vào tín hiệu RF
• Giáo trình hướng tới những người học như sau
  • Người muốn thực hiện các dự án thử nghiệm bằng SDR
  • Người đã quen với Python nhưng là người mới bắt đầu với DSP·truyền thông không dây
  • Người học thích tài liệu trực quan hơn công thức
  • Người thích phần giải thích ngắn gọn và muốn học theo hướng thực hành thay vì dùng giáo trình dài
• Phù hợp với cả sinh viên khoa học máy tính có kinh nghiệm lập trình, ngay cả khi không học chuyên ngành kỹ thuật điện
• Thay vì toán học phức tạp, giáo trình giải thích các khái niệm cốt lõi như chuỗi Fourier thông qua hình ảnh·hoạt hình
  • Vì lý do đó, PySDR không được bán dưới dạng bản in

2. Cấu trúc giáo trình và cách tiếp cận học tập

• Nén phần lý thuyết nền tảng của DSP từ lượng kiến thức tương đương một học kỳ “Signals and Systems” trong kỹ thuật điện xuống còn vài chương
• Sau đó mở rộng sang các chủ đề liên quan đến SDR, với các khái niệm về DSP và truyền thông không dây được lặp lại xuyên suốt giáo trình
• Ví dụ mã Python sử dụng NumPy và Matplotlib
  • NumPy là thư viện tiêu chuẩn cho mảng và phép toán, trong đó phần lớn phép tính được tối ưu bằng C/C++
  • Matplotlib là công cụ vẽ đồ thị để trực quan hóa tín hiệu·mảng·số phức
• Dù Python chậm hơn C++, các phép toán bên trong đã được tối ưu nên vẫn cung cấp hiệu năng đủ tốt cho thực hành
• Người có kinh nghiệm với MATLAB, Ruby, Perl cũng có thể dễ dàng sử dụng khi đã quen cú pháp Python

3. Cách đóng góp

• Khuyến khích chia sẻ những điều học được từ PySDR cho sinh viên·đồng nghiệp·người học khác
• Có thể hiển thị tên ở cuối trang giáo trình thông qua việc ủng hộ trên Patreon
• Nếu đọc giáo trình và gửi câu hỏi·ý kiến·đề xuất chỉnh sửa qua email, bạn sẽ tự động được công nhận là người đóng góp
• Có thể trực tiếp đề xuất chỉnh sửa (Pull Request) thông qua kho mã GitHub
• Ngay cả khi chưa quen dùng Git, bạn vẫn có thể gửi đề xuất qua email

4. Lời cảm ơn

• Gửi lời cảm ơn tới độc giả và những người đóng góp bản dịch đã cung cấp phản hồi cho giáo trình
  • Có nêu tên những người tham gia dịch sang tiếng Pháp, tiếng Hà Lan, tiếng Ukraina, tiếng Trung và tiếng Tây Ban Nha
• Cũng bao gồm danh sách người ủng hộ trên Patreon và các tổ chức tài trợ như Analog Devices, Inc.
• PySDR được phát hành theo giấy phép CC BY-NC-SA 4.0

[GN⁺]

Ý kiến trên Hacker News

• Gần đây tôi đã đọc thử các chương sau của cuốn sách này. Có ví dụ mã Python nên khá dễ hiểu.
  Nhìn chung tôi nghĩ đây là tài liệu tốt, nhưng hơi tiếc là có một số điểm chi tiết bị lướt qua khá mơ hồ.
  Ví dụ, khi biết độ dài preamble và độ lệch tần số tối đa, sách không giải thích cách chọn tham số vòng lặp để có thể khóa ổn định.
  Nếu đưa ra được định hướng theo hướng đó thì sẽ còn tốt hơn nhiều.
  • Tôi ước gì có thêm các tài liệu tham khảo cụ thể hơn. Vì là tài liệu miễn phí nên cũng không phàn nàn nhiều, nhưng hiệu ứng windowing của sóng vuông ở chương đầu được mô tả khá thô.
    Sẽ hay hơn nếu sách cho thấy nó thay đổi thế nào theo sample rate và thời lượng.
    Tất nhiên, tôi cũng thừa nhận rằng chuỗi sóng sin hoàn hảo trong các lớp hệ tuyến tính cũng không thực tế.
  • Nói ra điều này có thể nghe như dị giáo, nhưng thành thật mà nói cứ hỏi LLM là ra đáp án.
    Giờ ai cũng coi như có một trợ giảng cá nhân cấp cao học, nên điều quan trọng là học cách đặt câu hỏi đúng.
• Tôi nghĩ đây là tài liệu thực sự xuất sắc. Tôi không phải chuyên gia DSP, nhưng đang làm việc trong lĩnh vực liên quan, và mỗi khi muốn ôn lại nền tảng thì đây luôn là tài liệu tôi tìm đến đầu tiên.
  • Tôi là chuyên gia DSP, nhưng vẫn cảm thấy phần giải thích trong cuốn sách này mang lại góc nhìn mới mẻ và hữu ích.
    Đặc biệt, đây là tài liệu nhập môn rất tốt cho các thành viên mới trong nhóm, những người quen với code nhưng còn yếu về DSP.
• Hiện tôi đang học bằng cuốn sách này. Đây là hướng dẫn thực dụng và thiên về kỹ thuật, nên rất đáng để giới thiệu.
  Hơn nữa, phần cứng mà sách đề cập cũng rẻ nên rất dễ tiếp cận. Hiện tôi đang dùng RTL-SDR của Nooelec, và để học cơ bản thì khoảng 50 euro là đủ.
  • RTL-SDR là một thiết bị SDR có hiệu năng trên giá thành rất tốt, không nên chỉ xem là đồ cho người mới bắt đầu.
    Tùy theo dải tần sẽ có nhiễu hoặc tín hiệu giả, nhưng người có kinh nghiệm thì phần lớn đều xử lý được.
    Càng tìm hiểu sâu về thế giới radio, bạn sẽ càng thấy RTL-SDR mở ra những khả năng mới, và về sau có thể bạn sẽ tự viết phần mềm xử lý trực tiếp các mẫu I/Q.
• Tôi rất thích logo và hoạt ảnh Fourier. Cảm ơn vì đã chia sẻ một tài liệu tuyệt vời như vậy.
• Tuần trước tôi đã đọc khá nhiều tài liệu về SDR và tìm hiểu thị trường radio hiện nay.
  Tôi nhớ cảm giác nghe radio nên quyết định quay lại, và cuối cùng đã đặt mua Tecsun PL-880.
  Nếu nghe bằng máy tính thì chỉ cần streaming là đủ, nhưng nếu sau này cảm thấy Tecsun chưa đáp ứng thì tôi sẽ tìm hiểu sâu hơn về SDR.
  Tôi không muốn chất đống nhiều máy radio hay đặt một bộ thiết bị desktop cồng kềnh.
• Wow, cảm ơn rất nhiều!!!