射频边缘的人工智能和机器学习：Matchstiq™ X40 将射频前端与多个数字收发器通道相结合，覆盖范围高达 18GHz，搭配高性能的英伟达 Orin NX 16G GPU/CPU 以及 AMD Zynq Ultrascale+ FPGA。它配备了高性能组件，在射频边缘提供前沿的数据处理能力。
两种配置：Matchstiq™ X40 将射频前端与多个数字收发器通道相结合，覆盖范围高达 18GHz，搭配高性能的英伟达 Orin NX 16G GPU/CPU 以及 AMD Zynq Ultrascale+ FPGA。它配备了高性能组件，在射频边缘提供前沿的数据处理能力。

Epiq Solutions 与 DeepSig 的合作通过生成式人工智能助力下一代测向技术

DeepSig 是一家以产品为核心的技术公司，致力于开发创新的无线处理解决方案。应美国特种作战司令部的要求，DeepSig 启动了一个颇具雄心的项目：开发一种基于机器学习（ML）的神经网络，用于识别射频（RF）信号的相位到达情况。

由于 Sidekiq™ X4 的高品质和先进性能，DeepSig 不仅为美国特种作战司令部提供了一种新型的基于机器学习的射频信号测向方案，还为未来的安全和国防客户提供了多种选择。

支持海军行动效率提升

由 Sidekiq™ X4 驱动的 OmniSIG DF® 已在多项海军行动中取得成功，包括两次不同的海军特种作战 “三叉戟幽灵” 演习（其中一次在海上小型舰艇上进行），以及美国特种作战司令部的多次测试活动，包括在海军射频测试靶场进行的测向精度测试。

更高的精度

得益于 Sidekiq™ X4，DeepSig 在快速跳频信号上实现了 3 倍均方根误差（精度）的提升。

更高的性能

在多次现场测试中，Sidekiq™ X4 还使 DeepSig 的新型神经网络在严重拥堵的频谱环境中也能持续保持高性能。

2、AIR7310系列 300MHz至6GHz 2收2发人工智能软件无线电模块 100MHz带宽 GPU处理|Deepwave Digital

AIR7310-B 是一款先进的软件定义无线电（SDR）平台，专为高性能无线信号处理应用而设计。它由 NVIDIA Jetson Orin NX 16GB 驱动，集成了宽带射频收发器、高速现场可编程门阵列（FPGA）、ARM 处理器和 NVIDIA GPU，为实时信号分析和人工智能驱动的通信提供了无与伦比的能力。AIR7310-B 支持多吉赫兹的可调带宽，针对 5G、雷达、电子战和频谱监测系统进行了优化。它与基于 Python 的框架无缝兼容，并且预装了 AirStack 软件，简化了部署过程，其紧凑的设计确保了在实验室和现场环境中的可靠性。

技术规格

参数	数值
射频集成电路	Analog Devices AD9371
MIMO 通道（发射 × 接收）	2×2（100MHz 带宽，每通道 125MSPS 采样率）
频率范围	300MHz 至 6GHz（发射 / 接收）
接收器模拟增益	+35dB，噪声系数 3.0dB
最大发射功率	+20dBm
嵌入式 GPU 模块	NVIDIA Jetson Orin NX 16GB
GPU 核心	1024 个（安培架构），32 个 Tensor 核心
CPU	ARM 8 核 Cortex® v8.2 64 位
内存	16GB 共享内存
存储	2TB NVMe（PCIe 4.0x2 M.2 2280 模块）
FPGA	Xilinx Artix-7 200T
导航与定时	GNSS 接收器
1PPS 精度	与协调世界时（UTC）同步精度达 5ns
振荡器	温补晶体振荡器（TCXO）
网络	1Gbps 以太网
电源	PoE++
HDMI	支持 3840×2160（4K）分辨率
工作温度范围	0°C 至 50°C
操作系统	AirStack（基于 Ubuntu 的实时 Linux 系统）

3、UCRP4320 75MHz至6GHz 高性能小型化通用认知无线电平台 4RX/4TX 200MHz带宽 |彬鸿科技

UCRP4320平台搭载NVIDIA Jetson Xavier NX核心板模块，AI性能最高达21TOPS（15W功耗）；GPU方面包括384个CUDA核心，48个Tenseor Core；CPU方面包括6个NVIDIA Carmel ARM V8.2 64位核心，6MB L2+4MB L3；包括8GB 128-bit LPDDR4，以及16GB eMMC。

板载的NX支持所有通用的AI框架，将SDR系统与GPU相结合，基于人工智能技术对信号进行分析处理，解决无线电频率管制、侦察、对抗中的弱信号、多模式、调制识别以及个体识别、信号智能处理技术。

4、IC880x系列 1MHz至6/7.2GHz便携式多通道收发射频一体机|立思方

频率范围：

IC8801-G06 ：10MHz至6GHz零中频

IC8801-G08 ：10MHz至6GHz超外差

IC8801-G11 ：1MHz至7.2GHz超外差

瞬时带宽：80MHz/160MHz/400MHz (根据通道配置不同)

通道配置：4Rx+4Tx、2Rx+2Tx、4Rx 等多种配置

异构计算平台

以CPU+FPGA+GPU异构计算平台为核心，集成多路射频收发通道，实现多任务高速信号处理。

CPU：Intel® 酷睿i7 4核8线程，主频2.8GHz，睿频4.7GHz

FPGA：Xilinx Zynq® UltraScale+TM ZU28DR

GPU：4.6TFLOPS单精度浮点计算能力，6GB显存

存储容量：高至16TB，≥2GB/s持续读写能力

信号分析：多通道实时频谱分析、脉冲捕获与测量

15.6寸屏幕

所有嵌入式GPU皆是：

NVIDIA® Jetson Xavier™ NX 16GB 是一款外形小巧的系统模组 (SOM)，体积比信用卡要小，却可为边缘计算提供超级计算机性能。高效节能的 Jetson Xavier NX 模组可提供服务器级性能 – 高达 14 TOPS（10 瓦）或 21 TOPS（15 瓦或 20 瓦）。这种外形规格、性能和功耗优势的独特组合非常适合制造、物流、零售、服务、农业、智慧城市以及医疗仪器等领域的创新型边缘设备。

根据市场上的常见价格，Jetson Xavier NX 16GB 模组的价格通常在 400美元至500美元之间

接下来，交给AI，预测下趋势：

随着无线通信技术的飞速发展，射频测试仪器和软件无线电在通信、雷达、电子战等领域中的重要性日益凸显。GPU因其强大的并行计算能力，在实时信号处理、大规模数据运算等领域具有显著优势。例如，射频仪器和软件无线电需要处理高频、多通道的无线信号，传统CPU难以满足实时性要求，而GPU的并行架构可加速信号处理、频谱分析等任务。

GPU的可编程性（如CUDA架构）使其能够动态支持多种通信协议和算法迭代，从而适应5G、物联网等多样化场景需求。

此外，人工智能和深度学习技术的兴起进一步推动了GPU在射频领域的应用，例如通过GPU加速的神经网络优化无线信号调制与解调。

嵌入GPU（图形处理单元）技术为这些设备带来了显著的性能提升和新的应用可能性，成为未来发展的关键趋势之一。

市场趋势

高性能需求推动GPU嵌入：随着5G、6G等新一代通信技术的发展，以及雷达、电子战等领域的复杂信号处理需求，射频测试仪器和软件无线电需要处理的数据量和计算复杂度不断增加。GPU的并行计算能力能够满足这些高性能需求，提升信号处理效率和实时性
市场增长潜力巨大：据市场研究机构预测，未来几年内，嵌入GPU的射频测试仪器和软件无线电市场将保持快速增长。这主要得益于通信、国防、航空航天等行业的持续投入和技术升级需求。

技术优势

提升信号处理效率：GPU的并行计算能力显著提高了信号处理速度，能够快速完成复杂的信号处理任务，如FFT、滤波、解调等。例如，cuSignal库在GPU上的执行时间远低于CPU，展示了GPU在信号处理中的高性能优势
增强实时性：嵌入GPU的设备能够更快速地处理和分析数据，满足实时性要求较高的应用场景，如雷达信号处理、实时频谱分析等。
提高灵活性和可扩展性：GPU的嵌入使得射频测试仪器和软件无线电平台具有更高的灵活性和可扩展性，能够更方便地进行功能升级和扩展，满足不同应用场景的需求。

未来展望

6G通信的推动：6G通信技术的发展将对射频测试仪器和软件无线电提出更高的性能要求。GPU的并行计算能力和灵活性使其成为6G空口信号处理的理想硬件平台，能够满足高传输速率、低延迟和广泛移动应用场景的需求。
人工智能与机器学习的融合：随着人工智能和机器学习技术的发展，嵌入GPU的射频测试仪器和软件无线电将能够更高效地进行信号分析和处理，实现自动信号识别、干扰抑制等复杂功能，提高系统的智能化水平。
小型化与便携化：未来，射频测试仪器和软件无线电将朝着小型化、便携化方向发展。嵌入GPU技术能够在保持高性能的同时，减小设备体积和功耗，提高便携性和可靠性，满足野外、现场测试等应用场景的需求

GPU未来是否会代替FPGA做信号处理？

1. GPU和FPGA在信号处理中的优势

GPU的优势：

强大的并行计算能力：GPU拥有数千个核心，能够并行处理大量数据，显著提高信号处理效率。例如，NVIDIA的RTX系列GPU具有强大的CUDA核心，能够并行执行大量计算任务，适用于快速傅里叶变换、卷积运算等算法。
丰富的软件生态系统：GPU拥有丰富的软件生态系统，如NVIDIA提供的CUDA编程框架，以及开源的深度学习框架TensorFlow、PyTorch等，这些工具降低了开发者的门槛，使得更多人能够利用GPU进行信号处理算法的开发和优化。
成本效益：GPU可以在通用的计算机硬件平台上使用，不需要专门的FPGA开发板和编程设备。随着GPU技术的不断发展，其价格逐渐下降，性能不断提升，使得GPU在大规模信号处理应用中具有更高的成本效益。

FPGA的优势：

高度的灵活性：FPGA可以根据不同的信号处理需求进行定制化编程，实现并行处理，适用于对实时性要求极高、算法复杂度较低且需要频繁调整逻辑的信号处理任务，如雷达信号处理、通信基站的信号调制解调等
低延迟和高实时性：FPGA在处理实时性要求极高的任务时具有优势，能够实现低延迟和高实时性，适用于需要快速响应的场景。

2. GPU在信号处理市场中的崛起

GPU+FPGA的SDR产品：

一款典型的GPU+FPGA的SDR产品由NVIDIA Jetson Orin NX 16GB提供动力，集成了宽带射频收发器、FPGA、ARM处理器。该产品与基于Python的框架以及预安装的AirStack软件无缝兼容，简化了部署过程，同时其紧凑的设计确保了在实验室和野外环境中的可靠性
该产品的射频收发频率范围为300MHz至6GHz，信号带宽为100MHz，FPGA使用的是Artix 7 FPGA，属于中低端FPGA，主要用于信号的采集和发射，复杂的信号处理则通过PCIe传给GPU完成。

GPU在信号处理中的应用趋势：

随着GPU技术的不断发展，其在信号处理领域的应用越来越广泛。例如，NVIDIA的Jetson系列嵌入式平台从2014年的Jetson TK1到2022年的Jetson AGX Orin，性能不断提升，价格逐渐下降，使得GPU在信号处理中的应用更加普及
GPU的并行计算能力和丰富的软件生态系统使其在信号处理市场中逐渐占据优势，尤其是在大规模信号处理应用中。

3. GPU是否会完全代替FPGA？

短期内不会完全代替：

尽管GPU在信号处理领域表现出色，但FPGA在某些特定场景中仍具有不可替代的优势。例如，FPGA在处理实时性要求极高的任务时具有低延迟和高实时性，适用于需要快速响应的场景。
FPGA的灵活性和定制化编程能力使其在某些特定应用中仍然具有优势，如雷达信号处理、通信基站的信号调制解调等。

长期趋势：

随着GPU技术的不断进步，其在信号处理领域的应用范围可能会进一步扩大。特别是在大规模、通用性强的信号处理任务中，GPU可能会逐渐蚕食FPGA的市场份额。
然而，FPGA在某些特定场景中的优势仍然不可忽视，因此GPU和FPGA在信号处理领域可能会形成互补关系，而不是完全替代。

结论

GPU在信号处理领域具有显著的优势，特别是在并行计算能力和软件生态系统方面。随着技术的不断发展，GPU在信号处理市场中的份额可能会逐渐增加。然而，FPGA在某些特定场景中仍具有不可替代的优势，因此短期内GPU不会完全代替FPGA。未来，GPU和FPGA可能会在信号处理领域形成互补关系，共同推动技术的发展

未尽收录的厂家，请扫码联系我们收录专员，提供资料免费收录：

文中所有产品已收录，电脑端登录onetest仪器资源库（www.onetest.net），或阅读全文，进入网站开启您的仪器选型之旅：

上一篇: 2025.1.9 K

下一篇: 新品发布|创远信科4