6.3 KiB

Raw Blame History

信号处理JNI封装使用说明

概述

本项目已将C++信号处理功能封装成JNI接口，可以在Android应用中直接调用。主要功能包括：

各种数字滤波器（带通、低通、高通、陷波）
信号质量评估
ECG信号质量指数计算
信号特征提取
信号预处理（归一化、去直流等）
实时信号处理

文件结构

app/src/main/
├── cpp/
│   ├── include/cpp/
│   │   └── signal_processor.h          # C++头文件
│   ├── src/
│   │   └── signal_processor.cpp        # C++实现文件（需要修复乱码）
│   ├── jni/
│   │   └── jni_bridge.cpp              # 统一的JNI桥接文件（包含所有JNI函数）
│   └── CMakeLists.txt                  # 构建配置
└── java/
    └── com/example/cmake_project_test/
        ├── SignalProcessorJNI.kt       # Java JNI接口类
        └── SignalProcessorExample.kt   # 使用示例类

使用方法

1. 基本使用

// 创建信号处理器实例
val signalProcessor = SignalProcessorJNI()
if (signalProcessor.createProcessor()) {
    // 使用各种信号处理功能
    val filteredSignal = signalProcessor.bandpassFilter(
        inputSignal, 
        sampleRate = 1000.0, 
        lowFreq = 40.0, 
        highFreq = 60.0
    )
    
    // 清理资源
    signalProcessor.destroyProcessor()
}

2. 主要功能

数字滤波

// 带通滤波
val bandpassResult = signalProcessor.bandpassFilter(
    signal, sampleRate, lowFreq, highFreq
)

// 低通滤波
val lowpassResult = signalProcessor.lowpassFilter(
    signal, sampleRate, cutoffFreq
)

// 高通滤波
val highpassResult = signalProcessor.highpassFilter(
    signal, sampleRate, cutoffFreq
)

// 陷波滤波（去除工频干扰）
val notchResult = signalProcessor.notchFilter(
    signal, sampleRate, notchFreq, qFactor
)

信号质量评估

// 计算信号质量指数
val quality = signalProcessor.calculateSignalQuality(signal)

// 计算ECG信号质量指数
val ecgSQI = signalProcessor.calculateECGSQI(ecgSignal, sampleRate)

// 计算两个信号的相关性
val correlation = signalProcessor.calculateCorrelation(signal1, signal2)

信号预处理

// 归一化信号幅度
signalProcessor.normalizeAmplitude(signal)

// 提取信号特征
val features = signalProcessor.extractFeatures(signal, sampleRate)

// 重置滤波器状态
signalProcessor.resetFilters()

实时处理

// 实时处理数据块
val processedChunk = signalProcessor.processRealtimeChunk(
    chunk, sampleRate
)

3. 完整示例

参考 SignalProcessorExample.kt 文件，其中包含了所有功能的演示代码：

val example = SignalProcessorExample()

// 运行所有演示
example.runAllDemonstrations()

// 清理资源
example.cleanup()

数据格式

输入数据

所有信号数据使用 FloatArray 格式
采样率使用 Double 类型
频率参数使用 Double 类型

输出数据

滤波结果返回 FloatArray?（可能为null表示处理失败）
质量指数返回 Float 类型（0.0-1.0）
相关性返回 Float 类型（-1.0到1.0）

内部转换

Java端使用 ByteBuffer 进行 FloatArray 和 ByteArray 的转换
C++端使用 std::vector<float> 处理数据
字节序使用小端序（Little Endian）

注意事项

1. 资源管理

// 必须在使用前创建处理器
if (!signalProcessor.createProcessor()) {
    // 处理创建失败的情况
    return
}

// 使用完毕后必须销毁处理器
signalProcessor.destroyProcessor()

2. 错误处理

val result = signalProcessor.bandpassFilter(signal, sampleRate, lowFreq, highFreq)
if (result != null) {
    // 处理成功
    processResult(result)
} else {
    // 处理失败
    Log.e("SignalProcessor", "滤波处理失败")
}

3. 性能考虑

滤波器初始化有一定开销，建议复用处理器实例
大数据量处理时考虑分块处理
实时处理时注意内存分配

4. 线程安全

JNI函数不是线程安全的
多线程使用时需要适当的同步机制
建议在主线程或专用工作线程中使用

构建配置

CMakeLists.txt

确保在 CMakeLists.txt 中包含了信号处理库：

# Signal processor static library
add_library(signal_processor STATIC
        src/signal_processor.cpp)

target_include_directories(signal_processor PUBLIC
        ${CMAKE_CURRENT_SOURCE_DIR}/include)

# 链接到主库
target_link_libraries(${CMAKE_PROJECT_NAME}
        core_math
        data_parser
        signal_processor
        android
        log)

注意：信号处理的JNI函数现在已整合到 jni_bridge.cpp 中，不再需要单独的 signal_processor_jni.cpp 文件。

库加载

在Java代码中确保正确加载原生库：

companion object {
    init {
        System.loadLibrary("cmake_project_test")
    }
}

故障排除

1. 编译错误

检查 CMakeLists.txt 配置
确保所有源文件路径正确
检查头文件包含路径

2. 运行时错误

检查Logcat中的错误信息
确保处理器已正确创建
检查输入数据格式和大小

3. 性能问题

使用Android Profiler分析性能瓶颈
考虑减少数据转换开销
优化滤波器参数

扩展功能

1. 添加新的滤波器

在 signal_processor.h 中声明新方法
在 signal_processor.cpp 中实现
在 signal_processor_jni.cpp 中添加JNI封装
在 SignalProcessorJNI.kt 中添加Java接口

2. 自定义信号处理

可以基于现有的JNI接口构建更高级的信号处理功能：

class AdvancedSignalProcessor(private val jni: SignalProcessorJNI) {
    fun adaptiveFilter(signal: FloatArray, sampleRate: Double): FloatArray? {
        // 实现自适应滤波算法
        // 使用JNI接口调用底层功能
    }
}

总结

通过JNI封装，您现在可以在Android应用中直接使用C++的高性能信号处理功能。这种架构既保持了C++的性能优势，又提供了Java/Kotlin的易用性。

建议在使用前先运行示例代码，熟悉各种功能的使用方法，然后根据具体需求进行定制化开发。

6.3 KiB Raw Blame History Unescape Escape