計測  ·  07日 9月 2024

    BLEを下から見ていく(7)

     

    だいぶ一般的になっているBLEについて。すごく概念的なことはあちこちに書いてある。が、下から上まで(むしろ下だけ)知りたいのに、資料少なすぎ。なので自力で調べる無茶な挑戦。第7回＝(続)デバイス名称の取得について 

    もうよくわからんので、Seeed XIAO BLE nRF52840からではなく、Adalm-plutoからアドバタイズを撃ってみて、そしてSCAN_REQを取れないかどうか試してみる。これの何がいいかって、ADV_INDのチャンネルを固定してしまうので、SCAN_REQも固定されるってこと。
    いつも通りいきなりな感じで、
    1. import matplotlib.pyplot as plt
    2. import numpy as np
    3. import scipy.signal as signal
    4. import adi
    5. # import time
    6.  
    7. # https://jp.mathworks.com/help/signal/examples/fir-gaussian-pulse-shaping-filter-design.html
    8. def gaussdesign(bt,nsymbol_in_filter=3,nsample_per_symbol=2):
    9.     t_normalized=np.linspace(-nsymbol_in_filter/2,nsymbol_in_filter/2,nsymbol_in_filter*nsample_per_symbol+1)
    10.     a=np.sqrt(np.log(2)/2)/bt
    11.     expindex=-(np.pi*t_normalized/a)**2
    12.     h=np.sqrt(np.pi/a)*np.exp(expindex)
    13.     h=h/np.sum(h)
    14.     return h
    15.  
    16. # シンボル列を引き延ばす
    17. def extend_symbol_to_simulation_sampling_rate(symbols,t_symbol,t_simulation_sampling):
    18.     # シンボル数
    19.     size_of_symbols=symbols.size
    20.     # 最後のシンボルが終わる時間
    21.     end_time=size_of_symbols*t_symbol
    22.     # 計算タイミング
    23.     t=np.arange(0,end_time,t_simulation_sampling)
    24.     # 各シンボルの開始（終了）時間
    25.     t_periods_of_symbols=np.append(0,np.arange(1,size_of_symbols,1)*t_symbol)
    26.     # 結果データ領域確保
    27.     ex_symbols=np.zeros_like(t)
    28.     # 先頭データは入れておく
    29.     ex_symbols[0]=symbols[0]
    30.     # 各シンボルについて、その期間のインデックスを取得し、データを入れ込む
    31.     for i in range(0,size_of_symbols):
    32.         ex_symbols[np.where(t>t_periods_of_symbols[i])]=symbols[i]
    33.     return ex_symbols,end_time
    34.          
    35. # よく使う変数
    36. pi=np.pi
    37. deg2rad=pi/180.0
    38. twopi=2*pi
    39.  
    40. # 設定
    41. f_carrier=2402e6 # 搬送波周波数 in Hz
    42. f_sym=1e6 # シンボルレート in Hz
    43. m=0.5 # 変調指数
    44. f_samp_simulation=f_sym*8 # 計算のサンプリングレート in Hz
    45. thetaIB=0*deg2rad # 搬送波の初期位相(何でもいい) in rad
    46. f_deviation=(m*f_sym)/2 # 周波数偏差 in Hz
    47. n_symbol_preamble=16
    48.  
    49. # ガウスフィルタ設定
    50. n_sample_per_symbol=f_samp_simulation/f_sym
    51. BT=0.5
    52. n_symbol_in_filter=float(6)
    53. filter_length=n_symbol_in_filter*n_sample_per_symbol+1
    54. h=gaussdesign(BT,int(n_symbol_in_filter),int(n_sample_per_symbol))
    55. symbols_gf_in_base=np.zeros(int(np.ceil(n_symbol_in_filter/2)))
    56.  
    57. # シンボル列生成
    58. symbols_in_base=np.array([0,1,0,1,0,1,0,1,0,1,1,0,1,0,1,1,0,1,1,1,1,1,0,1,1,0,0,1,0,0,0,1,0,1,1,1,0,0,0,1,1,0,1,1,0,1,1,1,0,1,1,0,1,1,1,1,1,0,0,1,0,0,0,1,1,0,0,0,1,0,0,1,0,0,0,0,1,1,1,1,1,1,1,1,1,1,1,1,1,0,1,1,0,0,1,1,1,1,1,1,0,1,1,0,1,1,1,0,1,1,1,0,0,0,0,0,1,1,0,0,1,1,1,0,1,0,0,0,0,1,0,0,1,0,1,0,1,0,0,1,0,1,1,0,0,1,1,1,0,1,0,0,0,0,0,1,1,1,1,1,1,0,0,0,0,1,1,1,1,1,0,0,1,0,1,0,0,0,0,1,0,1,1,1,1,0,0,1,1,1,0,1,1,1,0,0,1,1,1,1,0,1,0,1,0,1,0,1,0,1,1,0,1,0,0,0,1,0,1,0,0,1,1,0,1,1,1,1,1,1,0,1,0,1,0,0,0,0,1,1,1,0,0,0,1,0,0,0,0,1,0,0,1,0,0,1,1,1,1,1,0,0,0,1,1,1,1,0,1,1,1,0,0,1,1,0,1,1,1,1,0,1,0,0,0,1,0,0,0,1,1,1,1,0,0,1,1,1,0,0,1,0,1,0,0,1,0,1,0,1,0,0,0,0,0,1,1,1,1,1,0,1,1,0,1,0,1,1,0,0,0,0,0,1,0,0,1,1,0,0,0,1,1,0,1,0,1,1,0,0,1,0,0,0,0,1,1,1,0,0,1,1,0,0,0,0,0,0,0,0,0,0])
    59. symbols_in_base=symbols_in_base*(2)-1 # -1 or +1 にする
    60.  
    61. # 後で使う変数
    62. t_sym=1/f_sym
    63. t_samp_simulation=1/f_samp_simulation
    64. omega_deviation=twopi*f_deviation
    65.  
    66. # シンボルを計算用に拡張
    67. symbols,t_end=extend_symbol_to_simulation_sampling_rate(symbols_in_base,t_sym,t_samp_simulation)
    68.  
    69. # ガウスフィルタ設定
    70. n_sample_per_symbol=f_samp_simulation/f_sym
    71. BT=0.5
    72. n_symbol_in_filter=float(6)
    73. filter_length=n_symbol_in_filter*n_sample_per_symbol+1
    74. h=gaussdesign(BT,int(n_symbol_in_filter),int(n_sample_per_symbol))
    75. symbols_gf_in_base=np.zeros(int(np.ceil(n_symbol_in_filter/2)))
    76. symbols_gf_in_base=symbols_gf_in_base*(2)-1 # -1 or +1 にする
    77.  
    78. symbols_gf,t_end_gf=extend_symbol_to_simulation_sampling_rate(symbols_gf_in_base,t_sym,t_samp_simulation)
    79.  
    80. # ガウスフィルタ適用
    81. symbols_gf=signal.lfilter(h,1,np.append(symbols,symbols_gf))
    82. symbols=symbols_gf[symbols_gf.size-symbols.size::1]
    83.  
    84. # 計算するタイミング
    85. t=np.arange(0,t_end,t_samp_simulation)
    86.  
    87. # 全計算タイミングにおける瞬間的な角速度
    88. omega_in_moment=omega_deviation*symbols
    89.  
    90. # 全計算タイミングにおける瞬間的な位相変化量
    91. phase_change_in_moment=omega_in_moment*t_samp_simulation
    92.  
    93. # 全計算タイミングでの位相
    94. phiIB_t=np.cumsum(phase_change_in_moment)+thetaIB
    95.  
    96. # 送信波形生成
    97. xITX_t=np.exp(1j*phiIB_t)
    98. xITX_t=np.append(xITX_t,np.zeros(600000))
    99.  
    100. n_samples_rx=xITX_t.size*4
    101.  
    102. # ADALM-PLUTOの設定
    103. sdr = adi.Pluto("ip:192.168.2.1")
    104. sdr.tx_lo=int(f_carrier)
    105. sdr.tx_rf_bandwidth=int(f_deviation*8)
    106. sdr.tx_hardwaregain_chan0=0
    107. # 繰り返し送信を有効にする
    108. sdr.tx_cyclic_buffer=1
    109.  
    110. sdr.rx_lo=int(f_carrier)
    111. sdr.rx_rf_bandwidth=int(f_deviation*8)
    112. sdr.gain_control_mode_chan0='manual'
    113. sdr.rx_hardwaregain_chan0=6
    114. sdr.rx_buffer_size=n_samples_rx
    115.  
    116. sdr.sample_rate=int(f_samp_simulation)
    117.  
    118. sdr.tx(xITX_t*16384)
    119. # 受信
    120. xIRX_t = sdr.rx()
    121. print(sdr)
    122.  
    123. #sdr.tx_destroy_buffer()
    124. #sdr.tx_cyclic_buffer=0
    125. ## オブジェクト解放
    126. #sdr=None
    127.  
    128. # 復調
    129. xIRX_t0=xIRX_t[:-1:]
    130. xIRX_t1=xIRX_t[1::]
    131. symbols_rx=1*np.angle(xIRX_t1/xIRX_t0)
    132. symbols_rx=np.append(0,symbols_rx)
    133.  
    134. # 規格化
    135. symbols_rx=symbols_rx/(f_sym/f_samp_simulation*pi*m)
    136.  
    137. # プロット
    138. fig = plt.figure(figsize=(8.0, 8.0))
    139. plt.subplot(4,1,1)
    140. plt.plot(xITX_t.real)
    141. plt.plot(xITX_t.imag)
    142. plt.subplot(4,1,2)
    143. plt.plot(symbols)
    144. plt.subplot(4,1,3)
    145. plt.plot(xIRX_t.real)
    146. plt.plot(xIRX_t.imag)
    147. plt.subplot(4,1,4)
    148. plt.plot(symbols_rx)
    149. plt.show()
    150.  
    151. sdr.tx_destroy_buffer()
    152. sdr.tx_cyclic_buffer=0
    153. # オブジェクト解放
    154. sdr=None
    155. np.save('o_t',t)
    156. np.save('o_rx_t',xIRX_t)
    Adalm-plutoで受信して復号したnRF52840からのデータをそのまま、Adalm-plutoで送ってみる。いちおう、GFSKにせんといかんかもしれないので、ガウスフィルタも実装している。そすっと、こうなる
    上2つが送信波形とそれを作ったベースバンドで、下２つが受信波形と復調結果(それらしく見える範囲を拡大している)。
    で、
    Wiresharkで読み取れたデータがこちら。BeaconになってもらっていたSeeed XIAO BLE nRF52840はUSBケーブルを抜いてあるので、これがAdalm-plutoから送信されたものであるはず。でちゃんと読み取れている。で、スマホでnRF Connectを起動してSCAN状態でやってみると、
    拡大してみると、
    それらしいのがいる。左(先のタイミング)がAdalm-plutoからのADV_INDで右(後のタイミング)がスマホからのSCAN_REQと思われる。

    Wiresharkだと
    これが、Adalm-plutoが出しているやつで
    これがスマホが出しているSCAN_REQっぽい。
    で、Adalm-pluto波形を解析してみる、、、で、解析するコードに間違いを発見。Preamble+Access Addressをパタン検索する際に、いきなりマッチしてカウント0で戻る場合があるのに、0より大きい場合に見つかったものとしていたorzので修正。ついでに電波を送受するPythonコードで、tについて、Tx側のtを保存してしまっていたので、受信データに合わせて再生成するようにパッチあてした。
    1. import numpy as np
    2. import matplotlib.pyplot as plt
    3. from scipy import signal
    4.  
    5. def search_index_by_pattern(data,pattern):
    6.     ds=data.size
    7.     ps=pattern.size
    8.     cyc=ds-ps+1
    9.     ret=-1
    10.     if cyc>0:
    11.         for i in range(cyc):
    12.             data_part=data[i:i+ps]
    13.             if np.all(data_part==pattern):
    14.                 ret=i
    15.                 break
    16.     return ret
    17.  
    18. f_sym=1e6 #
    19. rx_all=np.load('o_rx_t.npy')
    20. t_all=np.load('o_t.npy')
    21. t_all=t_all-t_all[0]
    22. t_all_0=t_all[:-1:]
    23. t_all_1=t_all[1::]
    24. t_samp=np.mean(t_all_1-t_all_0)
    25. f_samp=1/t_samp
    26. print(f_samp/1e6) # should be 8MHz
    27. t_all=np.linspace(0,t_samp*rx_all.size,rx_all.size) #tの保存がイマイチだったので再生成する
    28. # フィルター係数生成
    29. freq_cutoff=f_sym*2
    30. w_cutoff=freq_cutoff/(f_samp/2)
    31. b,a=signal.butter(1,w_cutoff,'lowpass')
    32.  
    33. # フィルター適用
    34. rx_all=signal.lfilter(b,a,rx_all)
    35.  
    36. rx_all_amp=np.abs(rx_all)
    37. rx_all_amp_dig=np.where(rx_all_amp>5,1,0)
    38. rx_all_amp_dig_0=rx_all_amp_dig[:-1:]
    39. rx_all_amp_dig_1=rx_all_amp_dig[1::]
    40. rx_all_amp_dig_10=np.append(rx_all_amp_dig_1-rx_all_amp_dig_0,0)
    41. rx_all_amp_dig_rising_edge=np.where(rx_all_amp_dig_10>0)[0]
    42. rx_all_amp_dig_falling_edge=np.where(rx_all_amp_dig_10<0)[0]
    43. print(rx_all_amp_dig_rising_edge.size)
    44. print(rx_all_amp_dig_falling_edge.size)
    45.  
    46. pa_and_aa=np.array([0,1,0,1,0,1,0,1,0,1,1,0,1,0,1,1,0,1,1,1,1,1,0,1,1,0,0,1,0,0,0,1,0,1,1,1,0,0,0,1])
    47. pnum=0
    48.  
    49. for i in range(rx_all_amp_dig_rising_edge.size):
    50.     if rx_all_amp_dig_falling_edge[i]-rx_all_amp_dig_rising_edge[i]>40:
    51.         rx=rx_all[rx_all_amp_dig_rising_edge[i]:rx_all_amp_dig_falling_edge[i]]
    52.         t=t_all[rx_all_amp_dig_rising_edge[i]:rx_all_amp_dig_falling_edge[i]]
    53.         # demod
    54.         rx_t0=rx[:-1:]
    55.         rx_t1=rx[1::]
    56.         rx_dem=-1*np.angle(rx_t1/rx_t0)
    57.         rx_dem=np.append(0,rx_dem)
    58.         # normalization
    59.         rx_dem=rx_dem/(f_sym/f_samp*np.pi*1)
    60.         # digitization
    61.         rx_dig=np.where(rx_dem>0,0,1)
    62.         # counter top value
    63.         counter_top=8-1
    64.         counter_half=int(counter_top/2)
    65.         cnt_list=[]
    66.         cnt_list.append(int(0))
    67.         for i in range(rx_dig.size-1):
    68.             dig_pres=rx_dig[i+1]
    69.             dig_prev=rx_dig[i]
    70.             if (dig_pres!=dig_prev):
    71.                 cnt_list.append(int(0))
    72.             else:
    73.                 if (cnt_list[i]<counter_top):
    74.                     cnt_list.append(cnt_list[i]+int(1))
    75.                 else:
    76.                     cnt_list.append(int(0))
    77.         cnt=np.array(cnt_list)
    78.         smp_pos=np.where(cnt==counter_half)[0]
    79.         rd_dig_smp=rx_dig[smp_pos]
    80.         fig=plt.figure()
    81.         fig.add_subplot(3,1,1)
    82.         plt.plot(t,np.real(rx))
    83.         plt.plot(t,np.imag(rx))
    84.         fig.add_subplot(3,1,2)
    85.         plt.plot(t,rx_dem)
    86.         plt.ylim(-1,1)
    87.         fig.add_subplot(3,1,3)
    88.         plt.plot(rx_dig)
    89.         plt.plot(smp_pos,rd_dig_smp,linestyle='',marker='.')
    90.         plt.ylim(-0.5,1.5)
    91.         fig.tight_layout()
    92.         plt.savefig('pic'+str(pnum)+'.png')
    93.         pnum=pnum+1
    94.         #plt.show()
    95.         pp_and_aa_pos=search_index_by_pattern(rd_dig_smp,pa_and_aa)
    96.         if(pp_and_aa_pos>=0): #間違ってた
    97.             print("t_start=",end="")
    98.             print(t[0])
    99.             print("t_end=",end="")
    100.             print(t[-1])
    101.             print(pp_and_aa_pos)
    102.             rd_dig_smp=rd_dig_smp[pp_and_aa_pos:]
    103.             pos=0
    104.             while pos<rd_dig_smp.size:
    105.                 for n in range(8):
    106.                     print(rd_dig_smp[pos],end='')
    107.                     pos=pos+1
    108.                     if pos==rd_dig_smp.size:
    109.                         break
    110.                 print("")
    111. fig=plt.figure()
    112. fig.add_subplot(1,1,1)
    113. plt.plot(t_all,np.real(rx_all))
    114. plt.plot(t_all,np.imag(rx_all))
    115. plt.show()
    で、結果を解析すると、
    6024DE30CD58ABDF0201061AFF590002150112233445566778899AABBCCDDEEFF0DEADBEEFCA54545E
    と、
    C30C6EB7A13FEA5BDE30CD58ABDF6458BD
    が得られる。
    前者はよく見たパタン(Adalm-plutoで送信したやつ)。で、後者の方、
    Header : C3 (SCAN_REQ, TxAdd: Random, RxAdd: Random)
    PDU Length : 0C (12bytes)
    AdvA : 6EB7A13FEA5B (5B:EA:3F:A1:B7:6E)
    ScanAdr : DE30CD58ABDF (DF:AB:58:CD:30:DE)
    CRC : 6458BD
    って読み解ける。Adalm-plutoが出したADV_INDに対してSCAN_REQを出していることがわかる(AdvAがWiresharkのデータと違うのはAdalm-plutoでうまく受信させるために何度もやり直した(スマホのSCANボタンを押した)、で、TxAddがRandomだからだと思う)。
    ではnRF52840でやってみる。が、３つのアドバタイズチャンネルをAdalm-plutoで同時に受信できないので、やっぱり固定にしたい。で、
    ~/.arduino15/packages/Seeeduino/hardware/nrf52/1.1.8/libraries/Bluefruit52Lib/src/BLEAdvertising.cpp
    をいじる。349行目にある(バージョンによって違うかも)、
    .channel_mask  = { 0, 0, 0, 0, 0}        , // 40 channel, set 1 to disable
    を
    .channel_mask  = { 0, 0, 0, 0, 0xC0 }        , // 40 channel, set 1 to disable
    にすれば、Channel37だけになるっぽい。この設定がChannel indexなのかRF channelなのか正直わからんのだけど、どうやらChannel indexなんやないかな？知らんけど。Wiresharkによると、実際のところこれでChannel Index : 37だらけになる。
    で、さらに、
    Bluefruit.Advertising.setInterval(160, 160);    // in unit of 0.625 ms
    の部分も
    Bluefruit.Advertising.setInterval(64, 64);    // in unit of 0.625 ms
    ってすることで、Adalm-plutoでnRF52840が出したものなのかどうかをわかりやすくしてみる(高頻度で出しているやつがこいつだってわかる)。で、Adalm-plutoで受信すると、こうなる。
    で、こいつを解析するんだが、ビットで出してLibreOfficeCalcで結果を算出するのがめんどくさくなってきたので、もうここまで解析用のPythonでやってしまう。で、こんなコードで、
    1. import numpy as np
    2. import matplotlib.pyplot as plt
    3. from scipy import signal
    4.  
    5. def byte_invert_order(src:np.uint8):
    6.     a=((src>>4)&0x0F)|((0xF0)&(src<<4))
    7.     b=((a>>2)&0x33)|((a<<2)&0xCC)
    8.     return ((b>>1)&0x55)|((b<<1)&0xAA)
    9.  
    10. def search_index_by_pattern(data,pattern):
    11.     ds=data.size
    12.     ps=pattern.size
    13.     cyc=ds-ps+1
    14.     ret=-1
    15.     if cyc>0:
    16.         for i in range(cyc):
    17.             data_part=data[i:i+ps]
    18.             if np.all(data_part==pattern):
    19.                 ret=i
    20.                 break
    21.     return ret
    22.  
    23. ch37whiten=np.array([
    24. 0xB1,0x4B,0xEA,0x85,0xBC,0xE5,0x66,0x0D,
    25. 0xAE,0x8C,0x88,0x12,0x69,0xEE,0x1F,0xC7,
    26. 0x62,0x97,0xD5,0x0B,0x79,0xCA,0xCC,0x1B,
    27. 0x5D,0x19,0x10,0x24,0xD3,0xDC,0x3F,0x8E,
    28. 0xC5,0x2F,0xAA,0x16,0xF3,0x95,0x98,0x36,
    29. 0xBA,0x32,0x20,0x49,0xA7,0xB8,0x7F,0x1D,
    30. 0x8A,0x5F,0x54,0x2D,0xE7,0x2B,0x30,0x6D,
    31. 0x74,0x64,0x40,0x93,0x4F,0x70,0xFE,0x3B,
    32. 0x14,0xBE,0xA8,0x5B,0xCE,0x56,0x60,0xDA,
    33. 0xE8,0xC8,0x81,0x26,0x9E,0xE1,0xFC,0x76,
    34. 0x29,0x7D,0x50,0xB7,0x9C,0xAC,0xC1,0xB5,
    35. 0xD1,0x91,0x02,0x4D,0x3D,0xC3,0xF8,0xEC,
    36. 0x52,0xFA,0xA1,0x6F,0x39,0x59,0x83,0x6B,
    37. 0xA3,0x22,0x04,0x9A,0x7B,0x87,0xF1,0xD8,
    38. 0xA5,0xF5,0x42,0xDE,0x72,0xB3,0x06,0xD7,
    39. 0x46,0x44,0x09,0x34,0xF7,0x0F,0xE3,0xB1
    40. ])
    41. f_sym=1e6 #
    42. rx_all=np.load('o_rx_t.npy')
    43. t_all=np.load('o_t.npy')
    44. t_all=t_all-t_all[0]
    45. t_all_0=t_all[:-1:]
    46. t_all_1=t_all[1::]
    47. t_samp=np.mean(t_all_1-t_all_0)
    48. f_samp=1/t_samp
    49. print(f_samp/1e6) # should be 8MHz
    50. #t_all=np.linspace(0,t_samp*rx_all.size,rx_all.size)
    51. # フィルター係数生成
    52. freq_cutoff=f_sym*2
    53. w_cutoff=freq_cutoff/(f_samp/2)
    54. b,a=signal.butter(1,w_cutoff,'lowpass')
    55.  
    56. # フィルター適用
    57. rx_all=signal.lfilter(b,a,rx_all)
    58.  
    59. rx_all_amp=np.abs(rx_all)
    60. rx_all_amp_dig=np.where(rx_all_amp>5,1,0)
    61. rx_all_amp_dig_0=rx_all_amp_dig[:-1:]
    62. rx_all_amp_dig_1=rx_all_amp_dig[1::]
    63. rx_all_amp_dig_10=np.append(rx_all_amp_dig_1-rx_all_amp_dig_0,0)
    64. rx_all_amp_dig_rising_edge=np.where(rx_all_amp_dig_10>0)[0]
    65. rx_all_amp_dig_falling_edge=np.where(rx_all_amp_dig_10<0)[0]
    66. print(rx_all_amp_dig_rising_edge.size)
    67. print(rx_all_amp_dig_falling_edge.size)
    68.  
    69. pa_and_aa=np.array([0,1,0,1,0,1,0,1,0,1,1,0,1,0,1,1,0,1,1,1,1,1,0,1,1,0,0,1,0,0,0,1,0,1,1,1,0,0,0,1])
    70. pnum=0
    71.  
    72. for i in range(rx_all_amp_dig_rising_edge.size):
    73.     if rx_all_amp_dig_falling_edge[i]-rx_all_amp_dig_rising_edge[i]>40:
    74.         rx=rx_all[rx_all_amp_dig_rising_edge[i]:rx_all_amp_dig_falling_edge[i]]
    75.         t=t_all[rx_all_amp_dig_rising_edge[i]:rx_all_amp_dig_falling_edge[i]]
    76.         # demod
    77.         rx_t0=rx[:-1:]
    78.         rx_t1=rx[1::]
    79.         rx_dem=-1*np.angle(rx_t1/rx_t0)
    80.         rx_dem=np.append(0,rx_dem)
    81.         # normalization
    82.         rx_dem=rx_dem/(f_sym/f_samp*np.pi*1)
    83.         # digitization
    84.         rx_dig=np.where(rx_dem>0,0,1)
    85.         # counter top value
    86.         counter_top=8-1
    87.         counter_half=int(counter_top/2)
    88.         cnt_list=[]
    89.         cnt_list.append(int(0))
    90.         for i in range(rx_dig.size-1):
    91.             dig_pres=rx_dig[i+1]
    92.             dig_prev=rx_dig[i]
    93.             if (dig_pres!=dig_prev):
    94.                 cnt_list.append(int(0))
    95.             else:
    96.                 if (cnt_list[i]<counter_top):
    97.                     cnt_list.append(cnt_list[i]+int(1))
    98.                 else:
    99.                     cnt_list.append(int(0))
    100.         cnt=np.array(cnt_list)
    101.         smp_pos=np.where(cnt==counter_half)[0]
    102.         rd_dig_smp=rx_dig[smp_pos]
    103.         fig=plt.figure()
    104.         fig.add_subplot(3,1,1)
    105.         plt.plot(t,np.real(rx))
    106.         plt.plot(t,np.imag(rx))
    107.         fig.add_subplot(3,1,2)
    108.         plt.plot(t,rx_dem)
    109.         plt.ylim(-1,1)
    110.         fig.add_subplot(3,1,3)
    111.         plt.plot(rx_dig)
    112.         plt.plot(smp_pos,rd_dig_smp,linestyle='',marker='.')
    113.         plt.ylim(-0.5,1.5)
    114.         fig.tight_layout()
    115.         plt.savefig('pic'+str(pnum)+'.png')
    116.         pnum=pnum+1
    117.         #plt.show()
    118.         pp_and_aa_pos=search_index_by_pattern(rd_dig_smp,pa_and_aa)
    119.         if(pp_and_aa_pos>=0):
    120.             print(f"t_start={t[0]}({pp_and_aa_pos}):",end="")
    121.             rd_dig_smp=rd_dig_smp[pp_and_aa_pos:]
    122.             pos=0
    123.             bpos=0
    124.             barray_str=''
    125.             while pos<rd_dig_smp.size:
    126.                 bdata=0
    127.                 for n in range(8):
    128.                     bdata=bdata*2+rd_dig_smp[pos]
    129.                     pos=pos+1
    130.                     if pos==rd_dig_smp.size:
    131.                         break
    132.                 if bpos>4:
    133.                     bdata=byte_invert_order(bdata^ch37whiten[bpos-5])
    134.                 barray_str=barray_str+format(bdata,'02X')
    135.                 bpos=bpos+1
    136.             print(barray_str)
    137.                 
    138. fig=plt.figure()
    139. fig.add_subplot(1,1,1)
    140. plt.plot(t_all,np.real(rx_all))
    141. plt.plot(t_all,np.imag(rx_all))
    142. #plt.show()
    でもって、さっきの波形を解析したら
    1. 7.9999991999999995
    2. 159
    3. 159
    4. t_start=0.0017272501727250173(14):556B7D91716024DE30CD58ABDF0201061AFF590002150112233445566778899AABBCCDDEEFF0DEADBEEFCA54545E4C
    5. t_start=0.002253000225300023(7):556B7D9171C30CA7B8B5EAC25BDE30CD58ABDFFD21AF
    6. t_start=0.002572250257225026(14):556B7D91714415DE30CD58ABDF0E095849414F206E524635323834308B3BB308
    7. t_start=0.05169388016938802(14):556B7D91716024DE30CD58ABDF0201061AFF5900029539D837CB7EF9A63FBB2C3B24D7B94D04A0A5C58E6F831C5B4C
    8. t_start=0.05222013022201302(7):556B7D9171C30CA7B8B5EAC25BDE30CD58ABDFFD21AFE9
    9. t_start=0.05253975525397553(13):556B7D91714415DE30CD58ABDF0E095849414F206E524635323834308B3BB308
    10. t_start=0.09338825933882594(14):556B7D91716024DE30CD58ABDF0201061AFF590002150112233445566778899AABBCCDDEEFF0DEADBEEFCA54545E4C
    11. t_start=0.14026701402670141(14):556B7D91716024DE30CD58ABDF0201061AFF590002150112233445566778899AABBCCDDEEFF0DEADBEEFCA54545E4C
    12. t_start=0.18584964358496436(14):556B7D91716024DE30CD58ABDF0201061AFF590002150112233445566778899AABBCCDDEEFF0DEADBEEFCA54545E4C
    13. t_start=0.23199227319922733(14):556B7D91716024DE30CD58ABDF0201061AFF590002150112233445566778899AABBCCDDEEFF0DEADBEEFCA54545E4C
    14. t_start=0.2763419026341903(13):556B7D91716024DE30CD58ABDF0201061AFF590002150112233445566778899AABBCCDDEEFF0DEADBEEFCA54545E4C
    15. t_start=0.2771869027186903(14):556B7D91714415DE30CD58ABDF0E095849414F206E524635323834308B3BB308
    16. t_start=0.3170135317013532(14):556B7D91716024DE30CD58ABDF0201061AFF590002150112233445566778899AABBCCDDEEFF0DEADBEEFCA54545E4C
    17. t_start=0.3644361614436162(14):556B7D91716024DE30CD58ABDF0201061AFF590002150112233445566778899AABBCCDDEEFF0DEADBEEFCA54545E4C
    18. t_start=0.40646579064657906(14):556B7D91716024DE30CD58ABDF0201061AFF590002150112233445566778899AABBCCDDEEFF0DEADBEEFCA54545E4C
    19. t_start=0.4069920406992041(7):556B7D9171C30CA7B8B5EAC25BDE30CD58ABDFFD21AF
    20. t_start=0.40731091573109157(15):556B7D91714415DE30CD58ABDF0E095849414F206E524635323834308B3BB308
    21. t_start=0.4502735450273545(12):556B7D91716024DE30CD58ABDF0201061AFF590002150112233445566778899AABBCCDDEEFF0DEADBEEFCA54545E4C
    22. t_start=0.45079929507992955(7):556B7D9171C30CA7B8B5EAC25BDE30CD58ABDFFD21AF
    23. t_start=0.45111829511182955(14):556B7D91714415DE30CD58ABDF0E095849414F206E524635323834308B3BB308
    24. t_start=0.4925281742528175(14):556B7D91716024DE30CD58ABDF0201061AFF590002150112233445566778899AABBCCDDEEFF0DEADBEEFCA54545E4C
    25. t_start=0.5345579284557929(13):556B7D91716024DE30CD58ABDF0201061AFF590002150112233445566778899AABBCCDDEEFF0DEADBEEFCA54545E4C
    26. t_start=0.5801895580189559(13):556B7D91716024DE30CD58ABDF0201061AFF590002150112233445566778899AABBCCDDEEFF0DEADBEEFCA54545E4C
    27. t_start=0.6218823121882312(13):556B7D91716024DE30CD58ABDF0201061AFF590002150112233445566778899AABBCCDDEEFF0DEADBEEFCA54545E4C
    28. t_start=0.6649379414937941(15):556B7D91716024DE30CD58ABDF0201061AFF590002150112233445566778899AABBCCDDEEFF0DEADBEEFCA54545E4C
    29. t_start=0.6654641915464192(7):556B7D9171C30CA7B8B5EAC25BDE30CD58ABDFFD21AFE9
    30. t_start=0.6657830665783067(13):556B7D91714415DE30CD58ABDF0E095849414F206E524635323834308B3BB308
    31. t_start=0.7054006955400696(14):556B7D91716024DE30CD58ABDF0201061AFF590002150112233445566778899AABBCCDDEEFF0DEADBEEFCA54545E4C
    32. t_start=0.749431449943145(14):556B7D91716024DE30CD58ABDF0201061AFF590002150112233445566778899AABBCCDDEEFF0DEADBEEFCA54545E4C
    33. t_start=0.7499568249956825(8):556B7D9171C30CA7B8B5EAC25BDE30CD58ABDFFD21AF
    34. t_start=0.7502764500276451(14):556B7D91714415DE30CD58ABDF0E095849414F206E524635323834308B3BB308
    35. t_start=0.7965969546596955(14):556B7D91716024DE30CD58ABDF0201061AFF590002150112233445566778899AABBCCDDEEFF0DEADBEEFCA54545E4C
    36. t_start=0.8286788328678834(7):556B7D9171C30CA7B8B5EAC25BBBAF54C78D7358B503E9
    37. t_start=0.8424845842484585(13):556B7D91716024DE30CD58ABDF0201061AFF590002150112233445566778899AABBCCDDEEFF0DEADBEEFCA54545E4C
    38. t_start=0.8898920889892089(14):556B7D91716024DE30CD58ABDF0201061AFF590002150112233445566778899AABBCCDDEEFF0DEADBEEFCA54545E4C
    39. t_start=0.890417839041784(7):556B7D9171C30CA7B8B5EAC25BDE30CD58ABDFFD21AF
    40. t_start=0.890737089073709(15):556B7D91714415DE30CD58ABDF0E095849414F206E524635323834308B3BB308
    41. t_start=0.939841468984147(14):556B7D91716024DE30CD58ABDF0201061AFF590002150112233445566778899AABBCCDDEEFF0DEADBEEFCA54545E4C
    42. t_start=0.9841122234112224(14):556B7D91716024DE30CD58ABDF0201061AFF590002150112233445566778899AABBCCDDEEFF0DEADBEEFCA54545E4C
    43. t_start=1.0294228529422853(13):556B7D91716024DE30CD58ABDF0201061AFF590002150112233445566778899AABBCCDDEEFF0DEADBEEFCA54545E4C
    44. t_start=1.0758213575821358(14):556B7D91716024DE30CD58ABDF0201061AFF590002150112233445566778899AABBCCDDEEFF0DEADBEEFCA54545E4C
    45. t_start=1.1229389872938988(14):556B7D91716024DE30CD58ABDF0201061AFF590002150112233445566778899AABBCCDDEEFF0DEADBEEFCA54545E4C
    46. t_start=1.1234643623464362(7):556B7D9171C30CA7B8B5EAC25BDE30CD58ABDFFD21AF
    47. t_start=1.1237839873783988(14):556B7D91714415DE30CD58ABDF0E095849414F206E524635323834308B3BB308
    48. t_start=1.1657067415706743(13):556B7D91716024DE30CD58ABDF0201061AFF590002150112233445566778899AABBCCDDEEFF0DEADBEEFCA54545E4C
    49. t_start=1.2126012462601248(14):556B7D91716024DE30CD58ABDF0201061AFF590002150112233445566778899AABBCCDDEEFF0DEADBEEFCA54545E4C
    こうなってる。
    45,46,47行に着目すると
    [45行目]
    60 : ADV_SCAN_IND 
    24 : 36byte
    DE30CD58ABDF : AdvAdr=DF:AB:58:CD:30:DE
    (...省略)
    [46行目]
    C3 : SCA_REQ, TxAdd=Random, RxAdd=Random
    0C : 12byte
    A7B8B5EAC25B : ScanAdr=5B:C2:EA:B5:B8:A7 
    DE30CD58ABDF : AdvAdr=DF:AB:58:CD:30:DE
    [47行目]
    44 : SCAN_RESP, TxAdd=Random
    15 : 21byte
    DE30CD58ABDF : AdvAdr=DF:AB:58:CD:30:DE
    0E : 14Byte
    09 : Complete Local Name
    5849414F206E52463532383430 : XIAO nRF52840
    よし、できた。
    いちおうWiresharkによると、
    おお、同じだ。
    、、
    、じゃぁWiresharkでいいやん、、、あ、そす、、、無線の波形からデータにしてみたかっただけです。こんなの知らんでもいいんやろうけど、モノ作りでは、うまくいかないことも多くて、そういう時に、自分で手を動かした、自分の目で見た経験が活きると思ってる。最近できてないなーーー
     
    そういえばVSCodeのArduino拡張機能が廃止になったらしい。で、ArduinoIDEを使えって書いてある。Arduino IDEは1系だと変数や関数をたどるのがﾒﾝﾄﾞｸｻｲ、2系だと、、、思い出せないけど１度移行してみたもののたしか嫌な点があってやめたんだったと思う。が、実際問題、2系を使っていくしかないかな。
    カテゴリ： 現実