将 AI 算力与射频前端结合，是软件无线电从算法验证走向实际应用的关键一步。珞光电子的 DEEPSDR1 搭载 NVIDIA Jetson Orin NX，并内置射频单元，可在同一台设备上完成信号采集和边缘 AI 推理。

近期，工程师团队基于实际设备升级了 Demo 生态。本文介绍其中两个应用案例，并附上完整的演示视频，帮助大家直观了解实际运行效果。

应用一：无人机图传信号识别（大疆实测升级版）

算法方案

采用两阶段级联识别方案：YOLO 在时频图上检测疑似信号，ResNet 提取特征并判断具体类别。模型经 ONNX 导出后，使用 TensorRT 优化部署。推理过程中采用 GPU 共享内存零拷贝通道，使信号样本能够从射频单元直接传入神经网络，减少数据传输开销。

实测验证

工程师使用大疆无人机在真实环境下进行测试。DEEPSDR1 通过内置射频单元实时采集空中信号，并将数据送入识别模型。

Web 界面可显示频谱瀑布图、YOLO 检测框、ResNet 分类结果及置信度。系统支持实时采集和离线回放两种模式，并提供参数配置、数据存储和日志查询功能。

演示视频一：无人机图传信号识别

应用二：AMR-Benchmark 调制方式识别

算法方案

基于开源项目 AMR-Benchmark，实现对 24 种信号调制格式的实时识别。

实测验证

由另一台 LW-B210 发射信号，DEEPSDR1 通过内置射频单元实时接收并识别，演示了 BPSK、QPSK 和 AM 三种调制方式。

界面根据可配置的置信度阈值（例如 0.7）对识别结果进行分级显示：绿色代表高置信度，黄色代表需要进一步关注，浅灰色代表低置信度。同时，系统还会绘制星座图，辅助分析信号特征。

演示视频二：AMR-Benchmark 调制方式识别

DEEPSDR1 的核心特点

1. 边缘 AI 计算

搭载 NVIDIA Jetson Orin NX，支持 TensorFlow、PyTorch 等主流深度学习框架。基于 CNN、Transformer 等架构的模型可直接部署在设备端运行，无需依赖外部计算资源。

2. 开箱即用

提供一键启动脚本，采用前后端分离架构，集成信号采集、模型推理和可视化展示，帮助工程师快速验证算法。

3. 兼容常用开发工具

融入 SDR 开源软件生态，支持 GNU Radio、MATLAB 等常用开发工具，便于接入现有研发工作流。

统一软件平台

这两个 Demo 只是 DEEPSDR1 应用的一部分。我们正在构建统一的软件平台，逐步集成各类 AI 应用模型。用户只需一键启动，即可在同一个平台上使用多个应用，无需分别配置软件环境、适配驱动或调试代码。

除本文介绍的两个应用外，其他 Demo 也已在真实射频链路中完成验证，并正逐步纳入统一平台。

结语

DEEPSDR1 将边缘 AI 与软件无线电结合，打造集信号处理与智能计算于一体的无线设备。我们将持续丰富 Demo 生态、完善统一软件平台，让工程师能够更加专注于算法开发与业务逻辑。