47DR + Jetson AGX Orin 异构信号处理平台
高速射频系统做到更高带宽、更低时延之后，真正影响工程落地的，往往是采集、同步、实时处理和后端计算之间如何协同。RTSD2605 以 XCZU47DR RFSoC 与 NVIDIA Jetson AGX Orin 构建板级异构处理平台，在同一块板卡上完成射频采集、同步、FPGA 实时处理和 GPU 并行计算，为雷达信号处理、高速通信、人工智能推理及边缘计算提供一条更紧凑的数据链路。
英伟达GPU：为板端并行计算提供计算支撑
Jetson AGX Orin 提供 275 TOPS AI 性能、2048 核 NVIDIA Ampere GPU 与 64 个 Tensor Core，让复杂计算和 AI 推理直接进入采集设备侧。
为什么要采用 RFSoC + GPU 的异构架构？
从工程实现看，RFSoC 和 GPU 并不是二选一。RFSoC 更适合高速采集、通道同步以及对时序确定性要求高的实时处理；GPU 则更适合并行度高、数据量大、算法计算量高的任务。RTSD2605 通过 PCIe 4.0 x8 将两类计算资源连接起来，让数据在板内完成快速流转。这样做的核心目的很明确：减少跨设备搬运，把计算资源放到更靠近数据源的位置。
一方面，RFSoC 负责把原始射频数据稳定地采集下来，并在 FPGA 侧完成必要的实时处理；另一方面，GPU 承接后续的大规模并行计算、信号分类、特征提取和复杂算法。两类资源各司其职，既保留 FPGA 在实时链路中的优势，也利用 GPU 近年来快速发展的并行计算能力，为后端算法留出更大的处理空间。
图 1｜RFSoC + GPU 协同数据链路
XCZU47DR 承担 8 路 ADC、8 路 DAC 的数据采集、同步和 FPGA 实时处理；Jetson AGX Orin 负责板级并行计算；PCIe 4.0 x8 将 RFSoC 与 GPU 连接起来，形成连续的数据通路。
GPU 为什么值得放到射频处理板上？
过去，GPU 更多作为主机侧的扩展计算资源存在。射频数据进入采集卡后，再经过总线、主机内存等环节才能送往 GPU，系统需要同时处理数据搬运、缓存和多设备协同。随着数据量不断增加，这条链路本身就可能成为系统瓶颈。RTSD2605 把 Jetson AGX Orin 直接部署在板上，本质上是在缩短数据从采集到计算的距离。
RFSoC 与 GPU 的分工
FPGA 更适合处理确定性强、对时序和响应速度敏感的数据通路；GPU 更适合并行度高、计算规模大、算法迭代频繁的任务。两者并不是替代关系，而是互补关系：前者负责高速数据的采集、同步和实时处理，后者负责更大规模的并行计算。对于工程师来说，这种分工的价值在于系统边界更清晰，也便于后续根据算法和应用不断调整计算资源。
01 板级并行计算：把 GPU 放到数据源旁边
Jetson AGX Orin 为板端并行计算提供充足的计算资源，可用于信号分类、特征提取、目标识别及其他计算量较大的任务。
02 RFSoC：承担高速采集与实时处理
XCZU47DR RFSoC 集成高速 RF 数据转换器与 FPGA 可编程逻辑，负责射频数据采集、通道同步及确定性处理，是整条实时信号链的前端核心。
03 PCIe 4.0 x8：连接两类计算资源
通过板内高速 PCIe 链路，让 RFSoC 处理后的数据直接进入 GPU 侧计算，减少传统多设备架构中的中间环节。
一条更短的数据链路
射频信号由 8 路 ADC 进入 RFSoC，完成同步采集和 FPGA 实时处理；处理后的数据通过 PCIe 4.0 x8 进入 Jetson AGX Orin，继续完成并行计算；结果再通过 100G 光口、网络、USB、显示或 NVMe 存储进行输出、记录和交换。采集、处理和计算在同一块板卡内部形成连续链路，系统结构更紧凑，也更方便做软硬件协同优化。
RFSoC 负责实时，GPU 负责并行------两类资源通过板内高速互联协同工作，把射频数据从采集端更直接地送到计算端。
核心性能，一眼看懂
|------------------------|------------------------|----------------------------|
| < 5 ps 板内通道同步 | ≥ 60 dB 通道间隔离度 | 100 Gbps QSFP28 光口 |
射频与同步指标
| 指标 | 规格 |
|---|---|
| 通道配置 | 8 路 ADC + 8 路 DAC，均为 14bit |
| 最高采样率 | ADC 5 GSPS；DAC 9.85 GSPS |
| 接收频率范围 | 200 kHz-2 GHz / 10 MHz-7 GHz |
| 同步能力 | 支持板内射频通道同步，同步精度优于 5 ps |
| 通道一致性 | 幅度 ≤ ±0.5 dB；相位 ≤ ±2°（3 GHz 单音，校准后） |
| 动态与输出 | SFDR ≥ 55 dBc；DAC 输出功率 ≥ -10 dBm |
| 参考时钟 | 支持 10 MHz / 100 MHz 时钟输入与输出 |
计算与板卡配置
| 项目 | 配置 |
|---|---|
| GPU | 2048 核 NVIDIA Ampere；64 个 Tensor Core；最高 1.3 GHz |
| CPU | 12 核 Arm Cortex-A78AE v8.2 64 位；最高 2.2 GHz |
| 板载存储 | PL 端 DDR4 4 GB / 32 bit；PS 端 DDR4 8 GB / 64 bit |
| 启动方式 | JTAG、Flash、SD Card |
| 供电 | DC +12 V，电流 ≤ 10 A |
| 尺寸 | 245 × 165 mm；板厚 2.5 mm |
图 2｜RTSD2605 板卡高清实拍
注：以上参数来自 RTSD2605（47DR+AGX）技术规格书，最终以正式交付配置为准。
接口与系统扩展
从射频通道到高速光口，从调试、显示到网络和 USB，RTSD2605 将常用系统接口集中在单板上，便于原型验证、算法开发和后续系统集成。对于需要持续迭代的研发项目，这种板级集成也能减少外部设备数量。
图 3｜正面接口分组示意（浅蓝标注）
| 接口组 | 主要配置 |
|---|---|
| 高速互联 | QSFP28 100G；RFSoC 与 GPU 内部 PCIe 4.0 x8 |
| 射频接口 | 8 × ADC SMP；8 × DAC SMP；参考时钟与同步接口 |
| 扩展连接 | J30J-74 芯、J30J-25 芯，支持 RS-422 / TTL 等信号 |
| 常用外设 | DP、双层网口、4 × USB Type-C、2 × USB Type-A |
背面扩展：双 NVMe + 无线连接
板背预留双 M.2-M Key 存储位和 M.2-E Key 无线接口，可用于高速数据记录、本地数据存储以及网络接入，为板端独立运行和后续系统集成提供更多选择。
图 4｜背面存储与无线扩展示意
| 扩展项 | 说明 |
|---|---|
| M.2-M Key | 2 个；PCIe 4.0 x4；可挂载 NVMe 固态硬盘 |
| M.2-E Key | 标配无线网卡接口 |
| TF 卡 | 板载 TF 卡插槽 |
面向雷达、通信与宽带信号处理的多类任务
01 雷达信号处理
多通道高速采集、板内同步与 FPGA 实时处理可以构成稳定的前端数据通路；GPU 侧进一步承担目标检测、信号分类、特征提取等并行计算任务，适合雷达原型验证和后端算法研究。
02 高速通信与宽带信号处理
平台可用于宽带信号采集、基带处理、高速数据传输和通信算法验证。100G 光口、板内 PCIe 4.0 x8 以及丰富的外设接口，为原型开发和系统扩展提供较大的数据通路。
03 人工智能推理
将 Jetson AGX Orin 的通用计算与 AI 推理能力部署在采集设备侧，可缩短原始数据进入智能处理环节的路径，并利用 CUDA 与 TensorRT 生态持续迭代模型和应用。
04 板端计算与独立处理节点
一体化、模块化设计适合空间与链路受限的边缘部署场景。结合双 NVMe、本地网络、无线连接、USB 和显示接口，可进一步构建具备采集、存储、计算与交互能力的独立节点。
异构架构的价值，在于把链路做短
RTSD2605 的重点并不是简单增加一颗 GPU，而是从整条信号处理链路出发，把射频采集、同步、FPGA 实时处理、板内高速互联和 GPU 并行计算放进同一个工程框架。对于正在开发雷达、高速通信和多通道信号处理系统的团队，这意味着更少的跨设备拼接、更清晰的数据路径，以及更方便的后续算法升级。