The invention discloses a visible light communication equalization method based on radial basis function neural network, which is used to improve the error code performance of visible light communication, improve the convergence speed of equalization algorithm and reduce the complexity of traditional neural network equalization. Signals pass through the visible channel from the transmitter to the receiver to analyze the relationship between the equalizer input signal and the transmitting signal. The hidden layer of the neural network determined by the radial basis function completes the non-linear change of the signal. The input is mapped to the emitter layer, and the output layer weights the hidden node output linearly to optimize the equalizer structure. K-means clustering algorithm is used to learn the central vector. The neural network is trained to minimize the error function, and the final output is determined to restore the transmission sequence, so as to achieve the goal of equalization. The invention realizes a visible light communication equalization method based on radial basis function neural network, improves the communication quality and transmission rate of visible light communication, shortens the training time of equalization algorithm, and reduces the system complexity.
【技术实现步骤摘要】
一种基于径向基函数神经网络的可见光通信均衡方法
本专利技术涉及可见光通信领域,具体涉及一种基于径向基函数神经网络的可见光通信均衡方法。
技术介绍
基于LED的可见光通信(VisibleLightCommunication,VLC)技术是一种宽带无线接入技术,具有频谱资源丰富、潜在通信容量大、保密性好、绿色安全、无需许可等优点。可见光通信融合了照明与通信技术,不仅符合现代发展绿色节能的需求,而且使用免费频谱,可以得到更高的数据传输速率,还有比传统无线通信系统更高的信噪比,可以缓解当前的射频频谱资源越来越紧缺等问题。可见光通信作为一种新兴的无线通信技术,正受到越来越多的瞩目。可见光通信系统中LED的调制带宽非常有限,需要研究各种提高可见光通信系统速率和网络容量的方法和技术,以实现高速通信的目标。可见光通信系统的非理想传输特性在传输速率、通信误码率等方面限制着可见光通信技术的发展,尤其是可见光在高速无线光通信领域的应用。信道均衡(Channelequalization)是指为了提高衰落信道中的通信系统的传输性能而采取的一种抗衰落措施。它主要是为了消除或者是减弱宽带通信时的多径时延带来的码间串扰(InterSymbolInterference,ISI)问题。针对可见光通信的发展现状,很多专家提出了各种信道均衡的方法以期解决高速可见光通信现存的问题。60年代初期,信道均衡技术不是自适应的,需要手动调节均衡器参数,步骤繁琐,灵活性差,也有学者研究基于不同准则的均衡算法,例如最小均方误差(Mean-SquareError,MSE)等,随着技术不断发展,结构简单的线性均衡 ...
【技术保护点】
1.一种基于径向基函数神经网络的可见光通信均衡方法,包括以下步骤:步骤一:产生随机信号比特流a(n),独立等概取值为{±1},将原始序列发送给编码模块进行编码,编码模块输出信号到调制模块进行调制,将调制完的信号x(n)再发送到Bias‑Tee信号耦合模块,增加直流偏置,最后LED将电信号转换为光信号s(n),光信号经过可见光信道被接收端的光电探测器接收;步骤二:在信号接收端,信道噪声w(n)和原光信号s(n)一起被光电检测器接收,将其转换为电信号,去除直流偏置,得到放大滤波后的电信号y(n);步骤三:将步骤二中得到的序列y(n)输入到径向基函数神经网络均衡器的各个中心节点ci(n),1
【技术特征摘要】
1.一种基于径向基函数神经网络的可见光通信均衡方法,包括以下步骤:步骤一:产生随机信号比特流a(n),独立等概取值为{±1},将原始序列发送给编码模块进行编码,编码模块输出信号到调制模块进行调制,将调制完的信号x(n)再发送到Bias-Tee信号耦合模块,增加直流偏置,最后LED将电信号转换为光信号s(n),光信号经过可见光信道被接收端的光电探测器接收;步骤二:在信号接收端,信道噪声w(n)和原光信号s(n)一起被光电检测器接收,将其转换为电信号,去除直流偏置,得到放大滤波后的电信号y(n);步骤三:将步骤二中得到的序列y(n)输入到径向基函数神经网络均衡器的各个中心节点ci(n),1<i<I,I为RBF网络隐层节点的个数,ci(n)表示RBF网络的第i个中心节点;步骤四:由第三步中的RBF网络中心节点和均衡器输入序列,进行信号的恢复训练,通过RBF网络结构,得到均衡器输出信号为其中即径向基函数,其中fi(n)为RBF网络输出层的第i个权系数,σ为高斯函数的宽度,exp(·)为以e为底的指数函数,||·||表示输入空间的欧几里得范数,下同;步骤五:将步骤四中均衡器的输出信号z(n)解调解码,之后通过符号函数sign(·)进行判决,输出数据,得到原始信号的估计(n)。2.根据权利要...
【专利技术属性】
技术研发人员:黄治同,王凡尘,纪越峰,
申请(专利权)人:北京邮电大学,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。