一种基于FPGA和深度学习的调制方式识别方法技术

一种基于FPGA和深度学习的调制方式识别方法，本发明专利技术涉及基于FPGA和深度学习的调制方式识别方法，本发明专利技术的目的是在FPGA平台上使用轻量化的Transformer来实现调制方式识别，并在较复杂的调制方式下实现高精度，低延迟和低功耗。过程为：获得训练好的深度学习模型，导出权重和偏置；使用Vivado HLS工具将深度学习模型的算法搭建在PYNQ‑Z2的PL端，得到编译好的代码；通过编译好的代码生成HDL的IP核；将IP核导入Vivado中，得到.bit文件、.tcl文件和.hwh文件并保存；将待测数据、权重和偏置以及保存的文件存储到PYNQ‑Z2的SD卡中；将待测数据、权重和偏置存储到PYNQ‑Z2的ARM里；将PYNQ‑Z2的ARM里的待测数据、权重和偏置传输到FPGA，得到分类结果，分类结果返回到PYNQ‑Z2的ARM里。本发明专利技术属于深度学习、无线通信领域。

【技术实现步骤摘要】

本专利技术涉及基于fpga和深度学习的调制方式识别方法，属于深度学习、无线通信领域。

技术介绍

1、调制方式识别是指在有限或者没有先验信息的条件下，识别接收到的未知信号调制方式。调制识别技术在军用和民用领域都有着广泛的应用。根据是否应用深度学习算法，可以将现有的调制识别算法分成两大类：经典调制识别算法和基于深度学习的智能调制识别算法。通过神经网络自动提取和训练样本，能够分析未处理的i/q样本，而不需要特定于应用程序且计算成本高昂的特征提取和选择算法，有效地弥补了传统调制识别方法的不足，实现了更高的识别精度。

2、现有方法大多只关注识别的精度，模型延迟和资源消耗通常不受关注。然而，无线通信中的数据以高速率运行，大量i/q数据样本将在接收端进行处理，因此在实时操作中通常需要考虑系统的延迟。另一个问题是需要满足对资源消耗的严格限制。事实上，具有大量神经元/层/参数的模型必然需要额外的硬件和能耗，而这些在嵌入式系统中显然是稀缺的资源。

3、对于调制方式识别，目前缺乏在嵌入式设备上实现实时深度学习的方案，而且现有的方案可识别的调制类型较少。f本文档来自技高网...

【技术保护点】

1.一种基于FPGA和深度学习的调制方式识别方法，其特征在于：所述方法具体过程为：

2.根据权利要求1所述的一种基于FPGA和深度学习的调制方式识别方法，其特征在于：所述步骤一中获得深度学习模型的训练集；

3.根据权利要求2所述的一种基于FPGA和深度学习的调制方式识别方法，其特征在于：所述深度学习模型为Vision Transformer模型。

4.根据权利要求3所述的一种基于FPGA和深度学习的调制方式识别方法，其特征在于：所述步骤六中将IP核导入Vivado中，得到.bit文件、.tcl文件和.hwh文件，将.bit文件，.tcl文件和.hwh文...

【技术特征摘要】

1.一种基于fpga和深度学习的调制方式识别方法，其特征在于：所述方法具体过程为：

2.根据权利要求1所述的一种基于fpga和深度学习的调制方式识别方法，其特征在于：所述步骤一中获得深度学习模型的训练集；

3.根据权利要求2所述的一种基于fpga和深度学习的调制方式识别方法，其特征在于：所述深度学习模型为vision transformer模型。

【专利技术属性】
技术研发人员：李赞，齐忠政，
申请(专利权)人：吉林大学，
类型：发明
国别省市：