Escanear frecuencias y clasificar las señales encontradas (Neural Network signal recognition rtlsdr https://github.com/randaller/cnn-rtlsdr)
|
1 2 |
#Escanear frecuencias y clasificar las señales encontradas python predict_scan.py --start 95000000 --stop 108000000 --step 50000 --gain 20 --ppm 56 --threshold 0.9955 |
Para cada señal encontrada guardar en un fichero de audio (RTL SDR in Windows https://github.com/2013-UQ-Communication-Systems/public/wiki/Installing-RTL-SDR-in-Windows)
|
1 2 |
#Para cada señal encontrada guardar en un fichero de audio rtl_fm -f 106.1M -p -24 -g 40 -s 11025 - | ffmpeg.exe -f s16le -ac 1 -ar 32k -i pipe:0 -acodec libmp3lame -ab 32k -f wav fichero.wav |
Convertir a texto el audio guardado (Bing Speech API https://azure.microsoft.com/es-es/services/cognitive-services/speech/)
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 |
#Convertir a texto el audio guardado #Convertir voz en texto para comprender la intención del usuario (Bing Speech API) #URI del servicio de reconocimiento $URI = 'https://speech.platform.bing.com/speech/recognition/interactive/cognitiveservices/v1?language=ES-es&format=detailed' #Cabeceras (incluir la clave del API) $Cabeceras = @{ 'Ocp-Apim-Subscription-Key' = 'Clave del API'; 'Transfer-Encoding' = 'chunked' 'Content-type' = 'audio/wav; codec=audio/pcm; samplerate=16000' } #Convertir el fichero WAV en Bytes $AudioBytes = [System.IO.File]::ReadAllBytes("C:\Users\juan\Desktop\RelWithDebInfo\rtl-sdr-release\x64\fichero.wav") #Preparar la petición y obtener respuesta $Respuesta = Invoke-RestMethod -Method POST -Uri $URI -Headers $Cabeceras -Body $AudioBytes #Convertir respuesta en formato JSON ConvertTo-Json $Respuesta |