Gnuradio C++代碼塊：高CPU

我創建了一個python Gnuradio塊，現在我用C++重新編寫它。我注意到的是一件非常意外的事情 - 與Python版本（18％）相比，C++塊（python流程圖進程）消耗更多的CPU（〜125％）。我必須做一些錯誤的...所以 -Gnuradio C++代碼塊：高CPU

我創建的投入和產出比設定變量類型爲float沒有其他自定義代碼和編號的新塊1，我看到相同的行爲。我一定是做錯了什麼，但我不能告訴什麼...

$ gnuradio-config-info -v 
3.7.11 

Platform: Mac/x86_64

以下是我對我現有的模塊中創建的塊：

$ gr_modtool add -t general donothingcpp 
GNU Radio module name identified: acsound 
Language (python/cpp): cpp 
Language: C++ 
Block/code identifier: donothingcpp 
Enter valid argument list, including default arguments: 
Add Python QA code? [Y/n] n 
Add C++ QA code? [Y/n] n 
Adding file 'lib/donothingcpp_impl.h'... 
Adding file 'lib/donothingcpp_impl.cc'... 
Adding file 'include/acsound/donothingcpp.h'... 
Editing swig/acsound_swig.i... 
Adding file 'grc/acsound_donothingcpp.xml'... 
Editing grc/CMakeLists.txt...

下面是用於測試的流量曲線圖：

我修改的構造，以指定一個輸入和一個輸出，然後我調整在general_work函數的變量類型，它現在看起來像這樣：

int 
donothingcpp_impl::general_work (int noutput_items, 
        gr_vector_int &ninput_items, 
        gr_vector_const_void_star &input_items, 
        gr_vector_void_star &output_items) 
{ 
    const float *in = (const float *) input_items[0]; 
    float *out = (float *) output_items[0]; 

    // Do <+signal processing+> 
    // Tell runtime system how many input items we consumed on 
    // each input stream. 
    consume_each (noutput_items); 

    // Tell runtime system how many output items we produced. 
    return noutput_items; 
}

我是否在general_work函數中做過任何工作，該進程的CPU消耗約爲125％。當然，每次更改代碼後，我都會進行清理，製作和安裝，以便將代碼塊放入gnuradio中。如果我添加調試消息，我可以在控制檯上看到它們，所以我知道在運行流程圖時我的代碼更改正在被查看和使用。

如果我繞過donothing塊並運行流圖，它消耗0.3％的CPU。

我都嘗試空和探測信號接收器，但既不似乎是一個因素。

我不知所措但是我解釋，當我運行定製的C++塊CPU佔用率較高。

來源

2017-07-10 Brad Hein

你就吃下輸出樣本的數量，但這是錯在一般情況下（這是同步塊的情況下，在輸出項目的數量始終是相同的消耗輸入項目的號碼是否正確）。現在

，因爲你的塊不檢查是否有足夠的輸入項目，它總是要求運行 - 因此，CPU的燒燬。

我覺得你「不小心」製作了一個通用塊（使用general_work），但是意味着要創建一個同步塊（使用work）。

來源

2017-07-10 14:26:06

工作就像一個魅力，謝謝。我必須使用'-t sync'創建塊，並如您所說將我的信號處理邏輯放在'work（）'函數中。新的塊CPU使用率約爲0.0x –

Gnuradio C++代碼塊：高CPU

回答

相關問題