iWave Global社のAgilex 9 Direct RF FPGA SoMは、ますます複雑化するRF環境において、高度なRF信号解析と波形分類を可能にします。通信、レーダー、その他のRF信号はしばしば同じ周波数帯域を使用するため、迅速な信号識別が不可欠です。スペクトル監視やソフトウェア無線（SDR）から、認知レーダー、信号情報、電子戦に至るまで、波形分類はシステムが変化するRF環境を分析し、対応するのに役立ちます。
機械学習は、波形特性を学習し、取得データから信号の種類を識別することで、このプロセスを自動化する手段を提供します。Direct RF技術とFPGAベースの処理およびAI推論を組み合わせることで、開発者はインテリジェントなRF信号解析への新たなアプローチを探求できます。
iWave Agilex® 9 Direct RF FPGA SoMは、機械学習に基づく波形分類設計によってこの機能を実証しています。この設計は、ADCデータと訓練済みのニューラルネットワークを使用して、EagleNetデータセットに基づいて、AM、CW、FM、無信号、OFDM、QPSK、およびランプの7種類の波形を分類します。
MATLABベースのグラフィカルユーザーインターフェース（GUI）により、FPGAのプログラミング、ハードウェアへの接続、波形入力の設定、分類結果の表示が簡単に行えます。
図1：RF波形分類のためのMATLABベースのGUI
RF信号評価のための柔軟な波形入力
プリセットデータパネルでは、サポートされている7つの波形クラスの中からいずれかを入力刺激として選択できます。
リファレンスデザインは、2つの入力モードをサポートしています。
1. 外部信号モード
外部信号モードでは、外部信号発生器がタイル0のADCポート0に接続され、設計に波形入力を提供します。
2. 内部信号モード
内部信号モードでは、外部信号発生器なしで波形分類デモを実行できます。この設計では内蔵信号源を使用し、再生モードで動作します。再生メモリに格納された波形データは、4つのループバックモードを介して前処理フロントエンドサブシステムに提供されます。
このモードでは、外部のRF信号発生装置を必要とせずに、プリロードされた波形データを使用して分類設計を評価できます。
自動分類と結果の可視化
Agilex 9 Direct RF FPGA SoMを使用することで、開発者は7種類の波形タイプにわたる分類結果を評価し、グラフィカルなパフォーマンス指標を通じて予測の信頼性を分析できます。
GUIは、結果を複数のビューで表示します。
- 指標： 推論実行ごとに1,024フレームの分類結果を表示し、分類されたフレーム全体の平均信頼度スコアを表示します。
- 出力： 個々のフレームに対する信頼度スコアを表示することで、ユーザーはより詳細なレベルで予測の信頼度を調べることができます。
- アナリティクス： 実際の波形クラスと予測されたクラスを比較する混同行列を表示することで、ユーザーは7つのカテゴリ全体にわたる分類性能を評価できます。
これらの見解を総合すると、分類全体の挙動と個々の予測結果の両方について洞察が得られる。
図1：指標
図2：分析
図3：出力
FPGA上での低遅延AI推論
Agilex 9 Direct RF FPGA SoMは、信号取得とニューラルネットワーク処理を単一プラットフォーム上で組み合わせることで、FPGAベースのAI推論がいかに低遅延のRF波形分類をサポートできるかを実証しています。
Direct RF FPGAプラットフォーム内で信号取得とニューラルネットワーク推論を統合することで、この設計はプログラマブルハードウェアが低遅延RF解析をどのようにサポートできるかを示す実践的な例を提供する。
EagleNetデータセットによって提供されています
波形分類デモでは、特定のAタイル構成と事前定義された粗NCOおよび細NCO設定を使用して生成されたEagleNetデータセットを使用します。このデータセットは、サポートされている7つの信号クラス全体にわたる分類モデルの開発と評価に必要な波形データを提供します。
この定義済みデータセットと構成は、分類ワークフローを実演し、GUI を通じてその結果を検証するための基礎となる。
インテリジェントRFアプリケーションの実現
自動波形分類は、さまざまなRFアプリケーションをサポートできます。スペクトル監視システムは、分類を利用して信号アクティビティを特定できます。また、ソフトウェア無線機は、受信変調方式を認識することでメリットを得られます。認知レーダーや信号情報システムも、波形解析を利用して周囲のRF環境を特性評価できます。
iWave Agilex® 9 Direct RF FPGA SoMは、ダイレクトRF信号取得、高速データコンバータ、FPGA処理、および機械学習推論を組み合わせることで、低遅延推論によるインテリジェントRF処理を探求するためのプラットフォームを提供します。
その結果、AIとプログラマブルハードウェアが連携することで、開発者がより応答性が高く適応性の高いRFシステムを構築できることを示す実践的なデモンストレーションが実現した。
