买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉电子科技大学申请的专利一种数字示波器的自适应解调方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119629006B 。

龙图腾网通过国家知识产权局官网在2025-11-25发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411689111.8，技术领域涉及：H04L27/00；该发明授权一种数字示波器的自适应解调方法是由杨扩军;王硕;张雷;邱渡裕;张沁川;李承阳;潘志翔;赵禹;叶芃;黄武煌设计研发完成，并于2024-11-25向国家知识产权局提交的专利申请。

本一种数字示波器的自适应解调方法在说明书摘要公布了：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。

本发明授权一种数字示波器的自适应解调方法在权利要求书中公布了：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： 1、在GPU中离线训练包含M个神经元的GRU神经网络，GRU神经网络每批次完成N种调制信号的分类，从而输出大小为M×N的系数矩阵P，其中，矩阵P中第i行第j列的元素pij是第i个神经元关于第j种调制类型的神经权重系数； 2、GPU加载信号模板库，信号模板库由不同格式、不同参数、不同噪声的已知n种调制信号，以及N-n种随机信号组成；将信号模板库输入至训练后的GRU神经网络，得到系数矩阵P；然后将系数矩阵P送到CPU，再由CPU部署到FPGA中； 3、将待解调信号输入至数字示波器，经过ADC采样得到长度为M的采样信号，然后将采样信号输入至FPGA； 4、通过FPGA中的参数估计模块估计采样信号的参数，包括：载波频率fc、信号带宽B、符号速率R、信号幅度A、信号频率f1和滚降因子α； 5、FPGA将长度为M的采样信号与系数矩阵P相乘，得到一个1*N的概率矩阵，概率矩阵中的每个元素为待解调信号属于信号模板库中各调制类型信号的概率，然后取概率最大值作为待解调信号对应的调制分类； 6、根据待解调信号的调制分类选取对应的调解方式，如果待解调信号为模拟调制信号，则进入步骤7；如果待解调信号为数字调制信号则进入步骤8；否则，进入步骤9； 7、采样信号模拟解调； 7.1、模拟解调模块根据采样信号的载波频率fc和信号带宽B进行数字下变频和低通滤波处理，解调得到包含M个点的基带信号X＝{x1,x2,…,xi,…,xM}，xi表示第i个采样点的幅值； 7.2、利用KNN算法对解调得到的基带信号进行分类，获取基带信号的波形类型； 7.3、CPU根据信号幅度A、信号频率f1以及KNN分类得到的波形类型生成包含M个点的参考波形Y＝{y1,y2,…,yi,…,yM}，yi表示第i个参考点的幅值； 7.4、计算解调得到的基带信号与参考波形的曼哈顿距离： 7.5、比较曼哈顿距离MD与设定阈值的大小，如果MD小于设定阈值，则判定解调及分类结果正确，处理结束；否则进入步骤7.6； 7.6、GPU在线增量学习； 7.6.1、控制上位机显示采样信号，并通过人工检索方式识别采样信号的调制类型； 7.6.2、判断识别的调制类型是否为信号模板库中已知调制类型，如果该调制类型不是已知调制类型，将信号模板库增加一种已知调制信号，即信号模板库中已知种类的调制信号由n变为n+1；如果该调制类型是已知调制类型，则不增加新的调制类型； 7.6.3、GPU重新加载信号模板库，然后输入至训练后的GRU神经网络，得到新的系数矩阵P'，再将新的系数矩阵P'送到CPU并重新部署到FPGA中，并替换原系数矩阵P，完成GPU在线增量学习； 8、采样信号数字解调； 8.1、将采样信号与载波频率为fc的载波进行数字混频得到和频信号与差频信号，然后通过带宽为B的低通滤波进行低通滤波保留差频信号； 根据滚降因子α生成根升余弦滤波器的系数，然后使用根升余弦滤波器对差频信号进行匹配滤波得到基带信号； 8.2、对基带信号进行重采样，使采样率为R的4倍；然后对重采样信号先进行定时同步，再进行载波同步校正载波频偏和载波相偏，得到两路校正后的IQ基带信号，并将其送到CPU； 8.3、分别获取IQ基带信号中的二进制序列，然后生成IrefQref两路参考信号； 8.4、计算误差矢量幅度EVM的均方根ERMS： 其中，Ei为第i个采样点的矢量差，Ii、Qi为IQ基带信号中第i个采样点的量化值，Irefi、Qrefi为IrefQref参考信号中第i个参考点的量化值； 8.5、比较误差矢量幅度均方根ERMS与设定阈值的大小，如果ERMS小于设定阈值，则判定解调及分类结果正确，处理结束；否则进入步骤8.6； 8.6、GPU在线增量学习； 8.6.1、控制上位机显示采样信号，并通过人工检索方式识别采样信号的调制类型； 8.6.2、判断识别的调制类型是否为信号模板库中已知调制类型，如果该调制类型不是已知调制类型，将信号模板库增加一种已知调制信号，即信号模板库中已知种类的调制信号由n变为n+1；如果该调制类型是已知调制类型，则不增加新的调制类型； 8.6.3、GPU重新加载信号模板库，然后输入至训练后的GRU神经网络，得到新的系数矩阵P'，再将新的系数矩阵P'送到CPU并重新部署到FPGA中，并替换原系数矩阵P，完成GPU在线增量学习； 9、待定调制类型的信号的在线增量学习； 9.1、控制上位机显示采样信号，并通过人工检索方式识别采样信号的调制类型； 9.2、将信号模板库增加一种已知调制信号，即信号模板库中已知种类的调制信号由n变为n+1； 9.3、GPU重新加载信号模板库，然后输入至训练后的GRU神经网络，得到新的系数矩阵P'，再将新的系数矩阵P'送到CPU并重新部署到FPGA中，并替换原系数矩阵P，完成GPU在线增量学习。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。