v0.4.12 积木编程最终完善版 🧩
Scratch 式积木拼接、并行接收容器与海洋风格工作区,保留 231 个信号积木和 122 个实验示例。
🔬 四类实验工具支持完整图扫描、批量、约束选参与课程验收。📚 12 个课程贯通学习目标、预测、实测和结论。📦 命名基线、实际种子复跑与校验成果包连接实验到报告。
v0.4.11 可视接线与分支实验 🪸
231 个可添加积木 + 固定信宿 122 个线性预设 2 个可视实验入口。
🔌 共享前段、2–4 路接收、双输入汇合与公共译码尾段;支持端口连接、拖动布局、撤销和工程保存。
⚡ 真实冻结信道输入与局部重跑;🛰️ 多目标距离 / 速度回波;🎯 二维 CA-CFAR、门限与噪声热图;📦 完整 JSON、Python 和 PDF 导出。

v0.4.10 自主接收与实验分析增强 🌊
230 个可添加积木 + 固定信宿 121 个实验示例。从真实波形恢复帧头、测量信道与目标,再用同种子实验比较接收与设计方案。
🧵 MLSE 📐 MUSIC / 自动 MVDR 🌊 3GPP TDL-A/B/C 📦 自描述连续帧 🌀 Turbo BCJR 🔁 IR-HARQ / 同预算 Chase。
🔬 本次算法回放、测量诊断与耗时、约束 Pareto 选参、教师批量评阅和帧级场景;🔱 两路接收汇合,🔭 OFDM 单目标测距测速。
海洋风格分析区按主题子页聚合,保留工程、调试、业务传输和报告功能。

v0.4.9 先进收发算法与实验调试增强 🌊
217 个可添加积木 109 个实验示例。从导频估计、空间软检测到预失真与波束成形,把先进收发算法接进真实积木链路。
🔍 LMMSE / Kalman / 软 MIMO 🌊 DFT-s-OFDM 🔧 记忆功放与 DPD ⏱️ 突发同步与时钟恢复 🛡️ Polar SC / CRC-SCL 🧭 MRT / SVD / MVDR。
🧰 条件断点、检查点续跑、统计复跑、学生阶段作业、空间视图联动和可编排 PDF 报告,沿用海洋风格与现有功能。

v0.4.8 闭环链路与空间通信增强 🛰️
193 个可添加积木 90 个实验示例。用当前链路运行 ARQ、HARQ 与 AMC,把真实接收过程连接到反馈、重传和业务吞吐。
📡 SIC、动态 MIMO、MIMO-OFDM、OFDMA 与 FHSS;观察空间流、信道矩阵、资源调度和跳频时频图。
🧩 版本化子工程、SigMF / 原始 I/Q 回放、教学任务编辑器、跨工程多种子队列与最低信噪比搜索,沿用海洋风格和统一交互。
v0.4.7 业务传输与教学实验增强 🐬
178 个可添加积木 78 个实验示例 9 项教学挑战。海洋风格工作区将真实业务传输、扩频多天线与逐步教学连接起来。
🎙️ 传输音频、灰度图像和文件,播放接收声音、比较 PSNR、核验文件 SHA256。🗜️ Huffman、IMA ADPCM、BCH、RS 与分包 / 组包组成压缩、纠错和重建链路。
📡 DSSS、码相位捕获、解扩与 RAKE;SIMO SC/MRC、Alamouti 2×1、2×2 MIMO ZF/MMSE。观察真实相关峰、路径增益、各天线数据和公共训练估计。
🎓 工程变量与公式、二维扫描热图、Huffman/Viterbi/LDPC/星座过程、挑战验收和工程差异;ARQ/HARQ 与五档 AMC 反馈实验;导出可运行 Python、结果 JSON 和海洋配色 SVG。
v0.4.5 真实收发链路与实验分析更新 🌊
150 个可添加模块、64 个示例、7 项实验任务。高阶调制、I/Q 校正、功放、ADC、OFDM 削峰、窄带干扰和打孔编码,配合 Welch、CCDF、ACLR、资源栅格、自动对齐与效率分析。

v0.4.4 积木编程体验更新 🌊
130 个可添加模块、54 个示例。搜索收藏、自动补齐接收链路、真实单步、多图联动、命名工程与快照、框选组合积木、共享信道分支、通用扫描续跑、多帧状态和中文 PDF。
新增 AGC、自动噪声估计、有理数重采样、T/2 均衡、OFDM 频偏与导频跟踪、独立时变多径和突发噪声。
v0.4.3 积木功能更新 🧩
122 个可添加模块、49 个预设:CRC、PRBS、扰码、压扩与预测编码、FSK/DPSK/MSK/GMSK、软 Viterbi、LDPC、完整复基带接收机、载波与帧同步、CMA、衰落导频估计和 OFDM。
观察每块接收处理的输出、相关峰和 OFDM 网格;自动扫描 BER/SER/FER,以 Eb/N₀ 对比链路,显示 95% 置信区间并导出 JSON/CSV。
v0.4.2 积木编程视图更新
六类表情积木工坊、紧凑拼接链路、完整参数面板,以及独立信宿观察与结果分析。选中积木高亮,未选中积木采用 3 px 框线;同步、均衡及高级参数分组展开。
全部 29 个示例、原生拖放/排序、撤销重做、Build/Run、草稿和工程/完整结果导出继续可用。下面是新版实际运行截图。
v0.4.1 传输环节模块补充
六类积木、29 个示例:AM/DSB-SC/SSB/VSB/FM/PM、十对线路编译码、2–256-PAM 与六种成形脉冲、带限/ISI/定时信道、自动符号同步及固定/自适应均衡。
在 Python 后端中 Build、Run,查看波形、频谱、眼图、时钟跟踪或 LMS/NLMS/RLS 均衡收敛。自动同步假设已知帧粗起点,自适应均衡使用实际发送的公共前导。
📡 用积木搭建通信实验
拖动信源、编码、调制、信道与译码积木,先 Build 再 Run,在信宿查看收到的信号、误码率和星座。支持数字通信、模拟信源 + PCM、文字传输,以及工程 JSON 和完整信宿 CSV 导出。
v0.4.0「通信原理积木编程」已包含通信实验室。交互实验需要启动 Python 后端;此处展示实际运行截图。
把实验整理成一份清晰的 PDF
v0.4.0 支持当前实验或最近 50 次处理结果的中文简版/标准版报告:统一封面、汇总表、可跳转目录、逐组矢量图表、指标与复现信息。运行后端后,在“模板与实验 → PDF 分析报告”选择历史、预览并下载。

一个轻松探索信号的小实验室
v0.4.0 采用青蓝、薰衣草紫与珊瑚粉渐变、华文中宋与 Times New Roman、清晰的双层框线,以及七个功能分区:工作区、模板与实验、数据导入、对比与报告、诊断实验室、通信实验室、模型与设置。切换分区时保留当前输入。
下载 v0.4.0,启动 Python 服务即可体验新版海洋界面。
v0.4.6 界面布局与交互优化 🌊
紧凑工程工具栏、统一实验库、参数与信宿切换、四类分析标签与大图模式。手机和平板通过底部参数抽屉编辑链路,保留 150 模块、64 示例和 7 项任务。
固定种子实验 静态演示
固定种子生成的信号、处理结果与分析指标。
种子 42 200 Hz 8 秒 1600 点 8 Hz 主频 random_process + mixed。图中曲线共享纵轴;完整数据见下方下载。
启动 Python 服务后,即可使用对话、上传分析、麦克风和自动调参。
核心指标
算法演示
六种预处理方法对比
同一输入、固定默认参数(窗口 7 点)的离线比较。
原始 SNR:2.859 dB,以本次仿真的干净信号为参考。
| 方法 | 处理后 SNR | 相对原始提升 |
|---|---|---|
| 鲁棒滑动平均 | 4.781 dB | +1.922 dB |
| 中值滤波 | 4.583 dB | +1.724 dB |
| 指数平滑 | 1.829 dB | -1.030 dB |
| FFT 低通 | 4.154 dB | +1.295 dB |
| 混合增强 | 4.672 dB | +1.813 dB |
| 卡尔曼滤波 | 2.144 dB | -0.714 dB |
智能体执行轨迹
- SensorAgent:采集随机信号。采样率 200 Hz,时长 8.0 s,共 1600 点。
- PreprocessAgent:噪声预处理。检测并修复 3 个脉冲异常点,去除均值 -0.0172,滑动平均窗口 7。
- FeatureAgent:提取时频域特征。RMS=0.868,一阶自相关=0.970,主频=8.00 Hz,谱熵=0.364。
- DecisionAgent:生成控制决策。判定状态为“可用但需抑噪”,控制策略为“中等滤波”。
控制建议
- 保持鲁棒异常点抑制,并使用 7-9 点平滑窗口
- 主频与目标频率一致,可继续跟踪该频段能量变化
- 时间相关性强,可引入 AR 模型或卡尔曼滤波进行预测
展开结构化分析结果
{
"time_features": {
"mean": -0.0001261655893997271,
"variance": 0.7538647337943593,
"std": 0.8682538417964871,
"rms": 0.8682538509630207,
"peak": 2.5721342212892075,
"peak_to_peak": 4.62808611980169,
"crest_factor": 2.962421898196445,
"skewness": -0.06564979779557997,
"kurtosis": 2.335609611783081,
"impulse_factor": 3.554338516036516,
"shape_factor": 1.1998083453934576,
"clearance_factor": 4.0835051377511835,
"zero_crossing_rate": 0.08442776735459662,
"lag1_autocorrelation": 0.9699513851699183,
"lag6_autocorrelation": 0.24883378673809695
},
"frequency_features": {
"dominant_frequency_hz": 8.0,
"dominant_power": 157712.78955155762,
"mean_frequency_hz": 14.979777409951796,
"spectral_centroid_hz": 7.346701545270375,
"rms_frequency_hz": 8.446433829583102,
"frequency_variance_hz2": 17.368220842247744,
"frequency_std_hz": 4.167519747073521,
"spectral_bandwidth_hz": 4.167519747073521,
"spectral_entropy": 0.36351473519441174,
"spectral_rolloff_85_hz": 8.125,
"top_peaks": [
{
"frequency_hz": 8.0,
"power": 157712.78955155762
},
{
"frequency_hz": 7.875,
"power": 41144.27352831679
},
{
"frequency_hz": 8.125,
"power": 32792.81398111956
},
{
"frequency_hz": 0.125,
"power": 4864.532581623334
},
{
"frequency_hz": 0.875,
"power": 4674.278294152882
}
]
},
"quality": {
"raw_snr_db": 2.8586184430642687,
"processed_snr_db": 4.780632617508033,
"snr_improvement_db": 1.9220141744437642,
"anomaly_rate": 0.001875,
"detected_anomaly_count": 3,
"has_clean_reference": true
}
}