用 RTL-SDR 听 FM 广播：手把手教你把电磁波变成音乐
你有没有想过，窗外飘过的那些广播声，其实是空中飞驰的无线电波？它们以每秒几亿次的频率振荡，在空气中穿行数十公里，最终被收音机“听”到。而今天，我们要做的，是亲手拆解这个过程——不用专用芯片，不靠成品设备，只用一个 $20 的 USB 接口、一台电脑和几段 Python 代码，从零开始接收并播放 FM 广播。
这不是理论推导，也不是仿真演练。这是真实世界的声音，由你自己从空中“钓”出来。
为什么 SDR 让无线电变得不一样？
传统收音机是个“黑盒子”：天线一插，按钮一按，声音就出来了。但你不知道它内部发生了什么，也无法修改任何细节。而软件定义无线电（Software Defined Radio, SDR）彻底改变了这一点。
它的核心思想很简单：让硬件只负责“看”信号，让软件来决定“听”什么。
具体来说，SDR 设备会将一定频段内的射频信号全部数字化，输出为一种叫I/Q 数据的复数序列。每个样本都记录了信号在某一瞬间的幅度和相位信息。剩下的所有工作——选台、解调、滤波、还原音频——全都可以用代码完成。
这就像是给耳朵装上了显微镜：不仅能听见声音，还能看见它的频谱、测量它的强度、分析它的失真，甚至可以同时监听多个电台。
最令人兴奋的是，这一切现在只需要一个改装过的电视棒就能实现。
你的第一个 SDR 设备：RTL-SDR 到底是什么？
你可能已经见过它：一个小小的 USB 接口，带一根天线，看起来像极了多年前插在电脑上看地面数字电视的 DVB-T 接收器。没错，它本来就是那个东西。
工程师们发现，这类设备使用的RTL2832U + R820T2芯片组，在绕过原始驱动后，可以直接输出原始 I/Q 流。于是，一个本该只能解码 MPEG-TS 流的硬件，摇身一变成了通用射频采集工具。
它能干什么？
- 频率范围：24 MHz ~ 1766 MHz—— 覆盖 FM 广播、航空通信（VHF AM）、气象卫星（NOAA APT）、船舶 AIS、飞机 ADS-B……
- 采样率：最高3.2 MS/s（百万样本/秒），足够处理窄带信号。
- 输出格式：标准 I/Q 复数数据，可通过 USB 实时传输至 PC。
更重要的是，它有强大的开源生态支持：
-librtlsdr提供跨平台驱动；
- GNU Radio 可视化搭建信号链；
- Python 生态（NumPy、SciPy、PySDR）让算法开发轻而易举。
我们今天的主角，就是它。
FM 广播是怎么工作的？一句话讲清楚
FM，即调频（Frequency Modulation），是一种通过改变载波频率来传递声音的技术。
比如，你在听 98.5 MHz 的电台，那其实是一个中心频率。当你说话或音乐响起时，这个频率会在 ±75 kHz 范围内来回摆动——声音越大，偏移越多；音调越高，变化越快。
接收端的任务，就是检测这种频率的变化，并把它变回电压信号，驱动扬声器发声。
听起来抽象？别急，我们可以用数学把它“算”出来。
如何用代码“听懂”频率的变化？
关键在于：频率 = 相位的变化率。
对于一个复数信号 $ s(t) = I(t) + jQ(t) $，它的瞬时相位是 $ \theta(t) = \arg(s(t)) $，那么瞬时频率就是 $ f(t) = \frac{d\theta}{dt} $。
所以，我们的解调流程就清晰了：
- 获取 I/Q 样本；
- 计算每个样本的相位角；
- 对相位做差分（近似求导）；
- 缩放成音频电压；
- 滤波、去加重、输出。
整个过程可以用一段简洁的 Python 实现：
import numpy as np from scipy import signal from rtlsdr import RtlSdr def fm_demodulate(samples, audio_rate=48e3, dev=75e3): """FM 解调解码函数""" # 步骤1：提取相位 phase = np.angle(samples) # 步骤2：相位差分 → 瞬时频率 freq = np.diff(phase) # 相位跳变校正（±π 处会出现突变） freq = np.unwrap(freq) # 可选，视信噪比而定 # 步骤3：缩放至音频范围 # 比例因子来自：fs_audio / (2π × 最大频偏) scale = audio_rate / (2 * np.pi * dev) audio = freq * scale return audio就这么简单？是的。但要真正听得清楚，还得加上几个关键步骤。
让声音更干净：三个不能跳过的后期处理
1. 低通滤波：砍掉无用高频噪声
FM 广播的音频带宽上限是15 kHz。超过这个频率的内容要么是干扰，要么是立体声副载波（后面再说）。所以我们需要用一个 Butterworth 低通滤波器切掉多余成分：
b, a = signal.butter(6, 15e3, fs=48e3, btype='low') audio_filtered = signal.filtfilt(b, a, audio)6 阶滤波器足够平滑过渡，filtfilt函数还能避免相位畸变。
2. 去加重：消除“嘶嘶”的秘密武器
你知道 FM 收音机里的高频为什么特别清晰吗？因为发射端做了“预加重”——人为提升音频中的高频分量，对抗传输中容易出现的噪声。
作为接收方，我们必须反过来“去加重”，否则你会听到满耳的“滋滋”声。
去加重本质上是一个一阶 RC 低通滤波器，时间常数根据地区不同分为：
-欧洲标准：50 μs
-美国标准：75 μs
对应代码如下：
tau = 50e-6 # 根据所在地区选择 alpha = np.exp(-1.0 / (48e3 * tau)) b_deemph = [1 - alpha] a_deemph = [1, -alpha] audio_deemph = signal.lfilter(b_deemph, a_deemph, audio_filtered)这一步做完，声音立刻变得温暖自然。
3. 归一化与输出：保存为可播放的 WAV 文件
最后一步很简单，但很关键：把浮点数组归一化到 [-1, 1] 范围，防止爆音：
audio_final = audio_deemph / np.max(np.abs(audio_deemph)) # 写入 WAV 文件 from scipy.io.wavfile import write write("fm_radio.wav", int(48e3), audio_final.astype(np.float32))运行脚本，几分钟后你就拥有了自己的第一份“空中录音”。
完整流程实战：一步步跑通整个系统
下面我们把所有环节串起来，写一个完整的接收程序。
from rtlsdr import RtlSdr import numpy as np from scipy import signal from scipy.io.wavfile import write # 初始化 SDR sdr = RtlSdr() sdr.sample_rate = 2.4e6 # 采样率：2.4 MSPS sdr.center_freq = 98.5e6 # 调谐到目标电台 sdr.gain = 40 # 手动增益，避免自动调整不稳定 print(f"正在接收 {sdr.center_freq / 1e6:.1f} MHz ...") # 读取一批数据（约1秒） samples = sdr.read_samples(256 * 1024) # === FM 解调流程 === phase = np.angle(samples) freq = np.diff(phase) # 缩放至音频 deviation = 75e3 audio_rate = 48e3 scale = audio_rate / (2 * np.pi * deviation) audio_raw = freq * scale # 低通滤波 b_lp, a_lp = signal.butter(6, 15e3, fs=audio_rate, btype='low') audio_filtered = signal.filtfilt(b_lp, a_lp, audio_raw) # 去加重（50μs） tau = 50e-6 alpha = np.exp(-1.0 / (audio_rate * tau)) b_de, a_de = [1 - alpha], [1, -alpha] audio_clean = signal.lfilter(b_de, a_de, audio_filtered) # 归一化并保存 audio_final = audio_clean / np.max(np.abs(audio_clean)) write("fm_output.wav", int(audio_rate), audio_final.astype(np.float32)) print("音频已保存为 fm_output.wav") sdr.close()✅ 小贴士：如果你希望实时播放而不是存文件，可以用
PyAudio替代write()，实现边解调边播放。
常见问题与避坑指南
❌ 声音断续或无声？
可能是以下原因：
-增益设置不当：太低则信号弱，太高则前端饱和。建议从 30~40 开始尝试。
-频率漂移：廉价晶振存在 ppm 级误差，可能导致载波偏移。可启用 AFC 或改用 TCXO 版本的 RTL-SDR。
-USB 延迟：长时间运行时缓冲区溢出。使用异步读取模式可缓解。
❌ 有强烈杂音或隔壁台串进来？
这是典型的邻道干扰或镜像干扰。RTL-SDR 缺乏良好的前置滤波器，面对强信号时容易失真。
解决办法：
- 加装FM 带通滤波器（87–108 MHz）；
- 使用更高阶数字滤波器预处理；
- 远离手机充电器、显示器等干扰源。
❌ 立体声听不到？
标准 FM 广播采用 MPX（Multiplex）复合调制，包含：
- 主声道 L+R（0–15 kHz）
- 导频音 19 kHz
- 副载波 L-R（23–53 kHz）
要解出立体声，需要额外进行下变频、同步检波等操作。这超出了本文基础范围，但你可以使用 GNU Radio 的wbfm_rcv模块一键实现。
❌ 实时性不够，CPU 占用高？
纯 Python 处理大量 I/Q 数据确实吃力。优化方向包括：
- 使用 Cython 编译核心循环；
- 切换至 C/C++ 实现；
- 利用 GPU 加速（如 CuPy）；
- 或直接使用 GNU Radio 构建高效流水线。
更进一步：不只是听广播
一旦你掌握了这套方法论，你会发现——你能“听”的远不止 FM。
| 应用 | 频率 | 技术要点 |
|---|---|---|
| 航空 VHF 通信 | 118–137 MHz | AM 解调 |
| NOAA 气象卫星 | 137 MHz 左右 | APT 图像解码 |
| 飞机位置追踪（ADS-B） | 1090 MHz | 解码 Mode S 报文 |
| 船舶动态（AIS） | 162 MHz | FSK 解调 + NMEA 解析 |
这些项目共享同一个起点：获取 I/Q 数据 → 数字下变频 → 解调 → 信息提取。
你写的每一行代码，都在教你更深入地理解无线世界的运作方式。
写在最后：无线电不是魔法，是可触摸的物理
很多人觉得无线电神秘莫测，仿佛只有专家才能涉足。但 SDR 的出现打破了这种壁垒。
当你第一次用自己的代码把空中波动的电磁场变成耳边熟悉的旋律时，那种感觉难以言喻——你不再只是听众，而是参与了解码自然语言的过程。
这不仅仅是一次技术实践，更是一种认知升级。
下次你路过一台老式收音机，不妨停下来想想：那里面流淌的声音，此刻也许正安静地穿过你的房间，只需一块小设备和一段代码，就能被你唤醒。
要不要试试看？
