一种数字示波器的自适应解调方法

本发明属于数字示波器，更为具体地讲，涉及一种数字示波器的自适应解调方法。

背景技术：

1、在现代通信系统中，信号会经历各种变化和干扰。信道条件，如多径效应、信号衰减、干扰等，都会影响信号的接收。随着无线通信技术的发展，需要更复杂的信号处理技术来应对信号的多样性和信道的不确定性。信道的复杂性和动态性也在不断增加。在早期通信系统中，通常采用固定的调制解调方案，这意味着即使信道条件发生变化，系统的调制方式和解调策略也保持不变。然而，固定解调方案在面对信号强度不稳定、频率选择性衰落、时间变化的干扰等问题时，会导致通信效率下降，错误率增加。

2、传统的模拟和数字解调技术设计相对简单，但通常会受到噪声和干扰的影响。此外，传统的解调通常不支持多路复用技术，且由于信道条件或估计算法的准确性，导致估计参数与实际参数存在偏差，会影响信号解调的输出结果。在非合作通信环境中，这些问题尤其突出，因为没有预先定义的协议来协助适应这些变化，需要估计信号特征，对信号进行盲处理解调。合作通信提供了一些改善信号质量的机制，但也要求系统具有更高的灵活性和适应性，需要用户手动更改信号的参数设置。可见，传统的解调技术已经无法满足目前的需求，为了更灵活和通用的处理调制信号，提高通信的可靠性和效率，需要一个能够自动识别和适应这些变化的解调方法。

技术实现思路

1、本发明的目的在于克服现有技术的不足，提供一种数字示波器的自适应解调方法，根据信道实时信息来选择最合适的解调方案，以此提高频谱利用率，减少干扰，增强通信的可靠性、有效提高调制信号盲解调质量和参数估计准确度。

2、为实现上述发明目的，本发明一种数字示波器的自适应解调方法，其特征在于，包括以下步骤：

3、(1)、在gpu中离线训练包含m个神经元的gru神经网络并生成系数矩阵p；

4、(2)、在fpga中部署gru神经网络并加载系数矩阵p；

5、(3)、采样待解调信号并输入至fpga；

6、(4)、通过参数估计模块估计采样信号的参数；

7、(5)、确定待解调信号的调制分类；

8、(6)、根据待解调信号的调制分类结果选取对应的调解方式并解调。

9、本发明的发明目的是这样实现的：

10、本发明一种数字示波器的自适应解调方法，先在gpu中离线训练gru神经网络并生成系数矩阵，再将系数矩阵加载到部署了gru神经网络的fpga，然后通过数字示波器的采集系统采集待解调信号，将采样数据与系数矩阵相乘，进而确定待解调信号对应的调制分类；最后根据待解调信号的调制分类结果选取对应的调解方式，完成待解调信号的自适应解调，如果解调过程中出现分类错误现象，则进行gpu在线增量学习，从而提供解调的精准度。

11、同时，本发明一种数字示波器的自适应解调方法还具有以下有益效果：

12、(1)、本发明解决了信号格式和参数不确定情况下，信号解调和参数估计准确度不高的问题；此外，自适应解调技术不仅能处理信号的多样性和信道的不确定性，还能实时调整解调策略以优化通信链路的性能。

13、(2)、本发明可以更加灵活地实现自适应解调，达到初始离线训练，之后在线增量学习和解调的效果。本系统可以通过在线增量学习使可处理的信号种类逐渐增加；也可以在分类错误的情况下，利用在线增量学习提取当前信号特性，微调参数，降低后续同种分类错误出现的概率。最终实现便利性、实用性、准确性和可靠性都随着使用时间的增加而不断提高。

14、(3)、本发明可以根据应用于合作通信和非合作通信领域，不需要用户自定义调节解调的参数设置，实现较好的人机交互性能，针对不同的调制信号输入，可以对其智能进行解调，提高通信的可靠性和效率。

15、(4)、本发明在gpu中大量的数据训练下和存储资源条件下完成一种调制信号的自适应解调系统，满足现代测量技术对于智能技术的需求，对调制信号通信领域具有一定的指导意义。

16、(5)、本发明既可以对模拟调制信号进行解调，又可以数字调制信号进行解调；

17、(6)、本发明由gpu训练神经网络，最终将神经网络部署到fpga中。相比于由软件实现的神经网络，fpga的处理速度更快，快至百倍以上，实时性更强。

技术特征：

1.一种数字示波器的自适应解调方法，其特征在于，包括以下步骤：

2.根据权利要求1中所述的一种数字示波器的自适应解调方法，其特征在于，所述待解调信号包括模拟调制信号和数字调制信号，其中，模拟调制信号只能是周期信号，且其基带信号是正弦波、方波和三角波中的一种。

技术总结
本发明公开了一种数字示波器的自适应解调方法，先在GPU中离线训练GRU神经网络并生成系数矩阵，再将系数矩阵加载到部署了GRU神经网络的FPGA，然后通过数字示波器的采集系统采集待解调信号，将采样数据与系数矩阵相乘，进而确定待解调信号对应的调制分类；最后根据待解调信号的调制分类结果选取对应的调解方式，完成待解调信号的自适应解调，如果解调过程中出现分类错误现象，则进行GPU在线增量学习，从而提供解调的精准度。

技术研发人员：杨扩军,王硕,张雷,邱渡裕,张沁川,李承阳,潘志翔,赵禹,叶芃,黄武煌
受保护的技术使用者：电子科技大学
技术研发日：
技术公布日：2025/3/16