Python 如何在gnuradio中测试源代码块
我试图在gnuradio中创建一个简单的源代码块。我使用gr_modtool创建了裸体模块和块,但每当我尝试运行测试时,它会很快占用我所有的内存,我的计算机开始落后。更糟糕的是,线程[thread per block[1]:]:std::bad_alloc的测试失败 这是我的名为csv的块:Python 如何在gnuradio中测试源代码块,python,gnuradio,Python,Gnuradio,我试图在gnuradio中创建一个简单的源代码块。我使用gr_modtool创建了裸体模块和块,但每当我尝试运行测试时,它会很快占用我所有的内存,我的计算机开始落后。更糟糕的是,线程[thread per block[1]:]:std::bad_alloc的测试失败 这是我的名为csv的块: import numpy from gnuradio import gr class csv(gr.sync_block): """ docstring for block csv
import numpy
from gnuradio import gr
class csv(gr.sync_block):
"""
docstring for block csv
"""
def __init__(self, filename):
gr.sync_block.__init__(self, name="csv",
in_sig=None,
out_sig=[numpy.float32])
def work(self, input_items, output_items):
out = output_items[0]
out[:] = 0
return len(output_items[0])
下面是我用来测试的代码:
from gnuradio import gr, gr_unittest
from gnuradio import blocks
from csv import csv
import time
class qa_csv (gr_unittest.TestCase):
def setUp (self):
self.tb = gr.top_block ()
def tearDown (self):
self.tb = None
def test_001_t (self):
expected = [0.0]
# set up fg
c = csv(None)
sink = blocks.vector_sink_f()
self.tb.connect(c, sink)
self.tb.run()
# check data
results = sink.data()
self.assertFloatTuplesAlmostEqual(expected, results)
if __name__ == '__main__':
gr_unittest.run(qa_csv, "qa_csv.xml")
有人能帮我找出哪里出了问题,或者给我指出了正确的方向吗?有几件事:
默认情况下,流程图将一直运行,直到被告知停止为止。所以这就是为什么你的记忆被吞噬了。GNU电台正在抛出std::bad_alloc,因为你一直在向量_接收器中填充东西,最终它的内存用完了
你需要停止流程图。有几种方法可以做到这一点:
从块的功函数返回功_DONE-1。这适用于当块有有限数量的数据要提供服务,然后发出完成的信号时。以vector_source为例
使用,它将复制N个样本,然后返回为您完成的工作。这对于单元测试很有用
最后一点注意:一旦你开始工作,你的测试仍然会失败,除非你请求head只复制一个样本,因为在你写它的时候,你的源块每次调用时都会用零填充它的整个输出缓冲区:
>>> import numpy as np
>>> out = np.empty(10, dtype=float)
>>> out[:] = 0
>>> out
array([ 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.])
因此,只需确保预期阵列的样本数与您向head请求的样本数相同:
有几件事:
默认情况下,流程图将一直运行,直到被告知停止为止。所以这就是为什么你的记忆被吞噬了。GNU电台正在抛出std::bad_alloc,因为你一直在向量_接收器中填充东西,最终它的内存用完了
你需要停止流程图。有几种方法可以做到这一点:
从块的功函数返回功_DONE-1。这适用于当块有有限数量的数据要提供服务,然后发出完成的信号时。以vector_source为例
使用,它将复制N个样本,然后返回为您完成的工作。这对于单元测试很有用
最后一点注意:一旦你开始工作,你的测试仍然会失败,除非你请求head只复制一个样本,因为在你写它的时候,你的源块每次调用时都会用零填充它的整个输出缓冲区:
>>> import numpy as np
>>> out = np.empty(10, dtype=float)
>>> out[:] = 0
>>> out
array([ 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.])
因此,只需确保预期阵列的样本数与您向head请求的样本数相同: