VIP20
本课程属于：020-通信调制识别与雷达识别 无线通信与物联网 · 共 20 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买
知脉学社
把知识变为收入

《CNN通信调制识别源码复现教程》

从IQ数据生成到FPGA部署，30章源码级复现CNN通信调制识别系统，覆盖训练、剪枝、量化、ONNX、TensorRT、Vitis AI及RTL设计

课程规模
图文体系
30个系统小节
总字数约 11.7 万字，配套12张动态热点交互图表、14张矢量图、20个表格
适宜人群
人群定位
有项目经验的工程师
调试优化人员
架构与性能提升需求人群
资料特色
内容特色
30章完整源码复现，从GNU Radio IQ数据生成到FPGA RTL流水线
覆盖模型剪枝、INT8量化、TensorRT推理、Vitis AI编译、Zynq部署
包含对抗样本、多信道校正、知识蒸馏、TFLite、OpenVINO等高级专题
学习收获
落地结果
掌握CNN调制识别从数据生成到硬件部署的全链路工程能力
能够独立完成模型剪枝、量化、ONNX导出及FPGA加速落地
具备多信道场景下的频偏校正、信道估计及对抗防御实战经验
阶段 01 · 第 01-05 节

基础认知篇

基础认知篇：搭建完整工程全景，从IQ样本生成到VGG11训练脚本

01
课程导论：CNN调制识别工程全景与复现目标
  • 复现目标
  • 模块边界收敛
  • 工程复现全局认知
执行清单
02
GNU Radio与HackRF生成11种调制IQ样本
  • 搭建GNU
  • 使用HackRF采集
  • 生成标注数据集
执行清单
03
IQ数据预处理：归一化、帧切割与增强策略
  • 增强策略
  • 固定长度帧切割
  • IQ数据预处理
执行清单
04
PyTorch搭建VGG11风格CNN分类网络
  • 基于PyTorch构
  • 适配IQ二维输入
  • 定义卷积层
素材清单
05
训练脚本编写：学习率调度与早停机制
  • 早停机制
  • 编写训练循环
  • 集成CosineAn
脚本
阶段 02 · 第 06-10 节

核心机制篇

核心机制篇：掌握模型评估、剪枝、量化、TensorRT与DPU部署

06
混淆矩阵与分类报告：模型性能评估
  • 性能取舍表
  • 使用sklearn计
  • 分析各类调制识别瓶颈
执行清单
07
模型剪枝：结构化剪枝减少参数量50%
  • 参数配置项
  • 对卷积层实施L1范数
  • 保持精度下降小于1
参数
08
量化感知训练：INT8量化与校准数据集
  • INT8量化
  • 使用PyTorch
  • 参数配置项
工程资产
09
ONNX导出与TensorRT推理引擎部署
  • 将量化模型导出为ON
  • 使用TensorRT
  • 测试吞吐量
执行清单
10
Xilinx DPU：Vitis AI编译与Zynq部署
  • Vitis
  • DPU指令
  • 在Zynq-7020
执行清单
阶段 03 · 第 11-15 节

工程实现篇

工程实现篇：深入FPGA RTL设计，实现卷积、池化、全连接硬件加速

11
FPGA RTL实现：卷积层流水线设计与仿真
  • 卷积层流水线设计
  • 用Verilog设计
  • 在Vivado中仿真
执行清单
12
AXI4-Stream接口：IQ数据流输入模块
  • 关键对象
  • 将ADC
  • 头文件契约
执行清单
13
全连接层矩阵乘法：脉动阵列架构设计
  • 关键对象
  • 设计8x8脉动阵列
  • 全连接层矩阵乘累加
执行清单
14
池化与激活：MaxPool+ReLU硬件实现
  • MaxPool+Re
  • 用移位寄存器
  • ReLU采用截断处理
执行清单
15
片上存储优化：双缓冲与行缓冲策略
  • DMA缓冲队列
  • 消除数据搬运瓶颈
  • 性能取舍表
执行清单
阶段 04 · 第 16-20 节

调试验证篇

调试验证篇：解决时序收敛、UDP通信、端到端联调及对抗样本防御

16
FPGA综合与布局布线：时序收敛技巧
  • 时序收敛技巧
  • 在Vivado中设置
  • 性能取舍表
流程模板
17
上位机通信：UDP接收IQ数据与结果回传
  • UDP接收IQ数据
  • 编写Python上位
  • UDP接收FPGA推
执行清单
18
端到端联调：HackRF+FPGA+上位机闭环
  • HackRF+FPG
  • 连接HackRF发射
  • FPGA实时识别
执行清单
19
对抗样本生成：FGSM攻击与防御微调
  • FGSM攻击
  • 使用FGSM生成对抗
  • 对模型进行对抗训练提
执行清单
20
多信道场景：频偏校正与信道估计预处理
  • 频偏校正
  • LS信道估计
  • 提升多径环境识别率
执行清单
阶段 05 · 第 21-25 节

高级专题篇

高级专题篇：探索轻量化网络、知识蒸馏、TFLite、OpenVINO及容器化

21
轻量化网络：MobileNetV3-Small替换VGG11
  • MobileNetV
  • 替换为MobileN
  • 对比精度
执行清单
22
知识蒸馏：教师模型指导小模型训练
  • 教师模型指导小模型训
  • 以大模型为教师
  • 蒸馏训练小模型
工程资产
23
TensorFlow Lite：模型转换与树莓派部署
  • 模型转换
  • 将Keras模型转换
  • 在树莓派4B上运行实
执行清单
24
OpenVINO优化：Intel CPU / VPU推理加速
  • Intel
  • 性能取舍表
  • 在Intel
执行清单
25
Docker容器化：训练环境一键复现
  • 训练环境一键复现
  • 编写Dockerfi
  • Radio环境
执行清单
阶段 06 · 第 26-30 节

项目收束篇

项目收束篇：CI/CD自动化、数据集扩展、实时可视化与性能基准报告

26
CI / CD流水线：GitHub Actions自动训练与测试
  • GitHub
  • 参数配置项
  • 每次提交自动运行训练
配置
27
数据集扩展：RadioML 2018与自采数据混合
  • RadioML
  • 融合RadioML
  • 提升模型泛化
执行清单
28
实时频谱显示：PyQtGraph可视化推理结果
  • PyQtGraph可
  • 使用PyQtGrap
  • 标注识别出的调制类型
执行清单
29
性能基准测试：延迟、吞吐与功耗对比报告
  • 功耗对比报告
  • 在CPU
  • 对比表格
素材清单
30
课程总结：复现成果与工业部署最佳实践
  • 复现成果
  • 执行步骤链
  • 常见陷阱
流程模板