Interface Python / C

Intérêt de l'approche

Le développement de fonctions de traitement du signal audio en langage C est particulièrement exigeant, du fait de la complexité des algorithmes de traitement du signal (DSP) et du niveau de précision nécessaire à leur bonne exécution. Obtenir des résultats fonctionnels dès la première tentative est pratiquement impossible. Par ailleurs, le débogage sur un système embarqué, sans les outils avancés de visualisation et d'analyse, peut considérablement compliquer la tâche.

Pour faciliter le développement de fonctions C, nous proposons de procéder de la manière suivante :

• Codage de la fonction C localement sur son ordinateur.
• Test de la fonction en python en utilisant des librairies comme numpy, scipy et matplotlib

Cette méthodologie présente les avantages suivants:

1. Rapidité de développement et de test:
   • Développement itératif rapide : Python offre un environnement de développement rapide grâce à sa syntaxe concise et à sa capacité à exécuter du code sans compilation préalable. Vous pouvez rapidement tester des idées, des algorithmes ou des modifications de vos fonctions DSP en C en les appelant depuis Python.
   • Tests et débogage simplifiés : Utiliser Python pour appeler du code C permet de bénéficier des outils de test et de débogage de Python, qui sont généralement plus accessibles et plus conviviaux que ceux disponibles pour le développement embarqué direct sur des microcontrôleurs.
2. Prototypage et validation d'algorithmes
   • Validation d'algorithmes : Vous pouvez utiliser des bibliothèques Python scientifiques et numériques bien établies, comme NumPy, pour développer et valider des modèles d'algorithmes DSP avant de les implémenter en C.
   • Facilité de manipulation des données : Python facilite la manipulation de données, comme le chargement, l'affichage et l'analyse de signaux audio, ce qui est crucial pour le développement et le test d'algorithmes DSP.
3. Interopérabilité et portabilité
   • Portabilité du code C : Le code C écrit pour les fonctions DSP peut être facilement porté sur d'autres plateformes ou architectures avec peu ou pas de modifications, y compris votre cible finale, le microcontrôleur STM32.
   • Interopérabilité : En utilisant des conventions d'appel standard et des types de données compatibles entre C et Python, vous assurez une interopérabilité fluide entre les deux langages, permettant une intégration sans heurts de votre code DSP dans des applications Python plus larges.

Etape 1: Coder la fonction C

#include <stddef.h> // pour size_t

void process(double* array, size_t length) {
    //This code shows to double the value of each element of the array
    for (size_t i = 0; i < length; i++) {
        array[i] = array[i] * 2;
    }
}

Étape 2: Compiler la fonction en une bibliothèque partagée

• Sur Linux:

gcc -shared -fPIC -o libprocessor.so processor.c

• Sur Windows:

gcc -shared -o libprocessor.dll processor.c

Étape 3: Utiliser la bibliothèque partagée en Python avec ctypes

import ctypes
import numpy as np

# Charger la bibliothèque
# Sur Linux
lib = ctypes.CDLL('./libprocessor.so')
# Sur Windows
# lib = ctypes.CDLL('path/to/libprocessor.dll')

# Préparer la fonction
lib.sum_array.restype = ctypes.c_double
lib.sum_array.argtypes = [ctypes.POINTER(ctypes.c_double), ctypes.c_size_t]

# Créer un tableau NumPy
arr = np.array([1.0, 2.0, 3.0, 4.0], dtype=np.double)

# Obtenir un pointeur vers les données du tableau NumPy
ptr = arr.ctypes.data_as(ctypes.POINTER(ctypes.c_double))
print(f"Array before function: {ptr}")

# Appeler la fonction C (passage par adresse)
lib.sum_array(ptr, arr.size)
print(f"Array after function: {ptr}")