Радиолюбительские измерения: когда нет частотомера

То есть время измерения классическим способом подсчета составит от 2x1000 секунд. Уйдет в районе получаса на одно измерение.

N = 100000
f0 = 1.000012345e4
fd = 44100.0
a_sig = np.sin(2.0*np.pi*f0/fd*np.arange(N)+0.01)
d_sig = np.array([1.0 if x > 0 else 0.0 for x in a_sig])
d_sig += np.random.normal(0.0, 0.1, size=len(d_sig))
f_sig = butter_bandpass_filter(d_sig, 1e4, 1.5e4, fd)[20:]

import numpy as np
import matplotlib.pyplot as plt

from scipy.optimize import differential_evolution
from scipy.signal import butter, lfilter

def butter_bandpass(lowcut, highcut, fs, order=6):
  nyq = 0.5 * fs
  low = lowcut / nyq
  high = highcut / nyq
  b, a = butter(order, [low, high], btype='band')
  return b, a
    
def butter_bandpass_filter(data, lowcut, highcut, fs, order=6):
  b, a = butter_bandpass(lowcut, highcut, fs, order=order)
  y = lfilter(b, a, data)
  return y

def sig_estim(x, *args):
  A = x[0]
  f = x[1]
  phi = x[2]
  sig_len = len(args[0])
  sig = np.sin(2.0*np.pi*f*np.arange(sig_len)+phi)

  return np.sum((sig - args[0])**2)

N = 100000
f0 = 1.000012345e4
fd = 44100.0
a_sig = np.sin(2.0*np.pi*f0/fd*np.arange(N)+0.01)
d_sig = np.array([1.0 if x > 0 else 0.0 for x in a_sig])
d_sig += np.random.normal(0.0, 0.1, size=len(d_sig))
f_sig = butter_bandpass_filter(d_sig, 1e4, 1.5e4, fd)[20:]

bounds = [(0.1, 1.0), (1e4/fd, 1.5e4/fd), (-3.14, 3.14)]
result = differential_evolution(sig_estim, bounds, args = (f_sig,))
print(result.x, result.fun)
print(result.x[1]*fd)

но тут есть один неприятный ньюанс… прием этих сигналов на больших расстояниях подвержен доплеровскому эффекту и в зависимости от состояния атмосферы и ионосферы принимаемая частота может плавать +-3Гц даже если исходный сигнал будет стоять как вкопаный.