一种基于可见光通信的神经网络均衡器制造技术

本发明专利技术公开了一种基于可见光通信的神经网络均衡器，包括依次连接的可见光通信发射子系统、可见光通信传输子系统和可见光通信接收子系统；可见光通信发射子系统包括：数据采集模块、数据编码模块、LED驱动模块和LED发射器件；数据编码模块的一端与数据采集模块连接；所述数据编码模块的另一端与LED驱动模块的一端相连；LED驱动模块的另一端与LED发射器件相连；可见光通信接收子系统包括：光电检测器件、接收电路模块、神经网络均衡器和数据解码模块；接收电路模块的一端与光电检测器件相连；接收电路模块的另一端与神经网络均衡器的一端相连；神经网络均衡器的另一端与数据解码模块的一段相连。具有系统传输速率高等优点。

A neural network equalizer based on visible light communication

The invention discloses a neural network equalizer based on visible light communication, comprising a visible light communication transmission subsystem, visible light communication transmission subsystem and receiving subsystem of visible light communication; visible light communication transmission subsystem includes data acquisition module, data encoding module, LED driver module and LED emission device the data encoding module; the end is connected with the data acquisition module; one end and the other end of the data encoding LED driver module is connected to the LED drive module; and the other end of the LED emission device connected; visible light communication connection including receiving subsystem: photoelectric detection device, receiving circuit module, neural network equalizer and data decoding module one end of the module; the receiving circuit is connected with the photoelectric detection device; one end of the receiving circuit module and the other end connected neural network equalizer; The other end of the neural network equalizer is connected to a part of the data decoding module. The system has the advantages of high transmission rate.

【技术实现步骤摘要】
一种基于可见光通信的神经网络均衡器
本专利技术涉及一种可见光通信技术，特别涉及一种基于可见光通信的神经网络均衡器。技术背景近年来，被誉为“绿色照明”的半导体照明技术迅速发展。与传统的白炽灯等照明光源相比，LED具有低功耗、寿命长、尺寸小、绿色环保等优点。与此同时，LED更具有调制性能好、响应灵敏度高等优势。将信号以人眼无法识别的高频加载到LED上进行传输，进而催生出一门能够实现照明与通信一体化的技术——可见光通信。与传统的红外和无线通信相比，可见光通信具有发射功率高、无电磁干扰、无需申请频谱资源和信息的保密性等优点。然而，可见光通信中仍然面临着不少的问题，其中最大的挑战之一是LED有限的调制带宽。一般的荧光粉LED调制带宽只有几兆赫兹，VLC数据传输速率受到限制。为了提升传输速率，除了从LED的结构、驱动电路的设计上拓展带宽；还可以通过不同的调制方式来提高系统整体带宽。然而却大大地增加了可见光通信系统的复杂程度。
技术实现思路
为了克服现有技术的上述缺点与不足，本专利技术的目的在于提供一种基于可见光通信的神经网络均衡器，该神经网络均衡器克服了由于LED调制带宽的限制而导致的码间干扰的问题，在减少系统复杂性的同时，提高了系统的数据传输速率，实现VLC系统的高速通信。本专利技术的目的通过以下技术方案实现：一种基于可见光通信的神经网络均衡器，可应用于可见光通信系统，所述可见光通信系统包括可见光通信发射子系统10，可见光通信传输子系统20和可见光通信接收子系统30。所述可见光通信发射子系统10包括数据采集模块11，数据编码模块12，LED驱动模块13和LED发射器件14。进一步地，所述数据采集模块11负责原始信号的采集并传输给数据编码模块12；所述数据编码模块12负责数据的编码处理，并将编码之后数据传输给LED驱动模块13；所述LED驱动模块13产生驱动电流并驱动LED发射器件14产生可见光信号。所述传输子系统20为自由空间。所述接收子系统30包括光电检测器件31，接收电路模块32，神经网络均衡器33和数据解码模块34。进一步地，所述光电检测器件31将LED发射器件14发出的可见光信号转换为电信号，并传输给接收电路模块32。进一步地，所述接收电路模块32一端与光电检测器件31相连，所述接收电路模块的另一端与神经网络均衡器33一端相连；进一步地，所述接收电路模块32包括放大电路模块321，滤波电路模块322和AD模数转换模块323；进一步地，所述放大电路模块321对可见光信号进行放大，所述滤波电路模块322对所接收信号的高频噪声进行滤除，所述AD模数转换模块323将模拟信号转换为数字信号，并传输给神经网络均衡器33。进一步地，所述神经网络均衡器33包括神经网络输入层331，神经网络隐含层332，神经网络输出层333；所述神经网络隐含层332，由多个神经元3321组成；所述神经元3321并行，且每个神经元3321都与神经网络输入层331的所有抽头相连，所述神经网络均衡器33负责对信号进行均衡化处理，并将处理之后的数据传输给数据解码模块34解码得到所需信号。进一步地，所述神经元(3321)的输入与输出关系可由以下关系式描述：式中，z(k)为所述神经元(3321)的输出；wi,j(k)是连接输入层(331)第i个神经元的输出信号ui(k)与隐含层(332)第j个神经元的输入信号之间的加权系数，其中，j＝1,2,…,N表示总共有N个隐含层节点；每个常数bj是第i个隐含层的偏差值，也称为门限；f{·}为隐含层节点的激活函数。进一步地，所述的神经元均衡器33，使用反向传播BP算法进行学习训练，包括以下步骤：步骤1：初始化神经元均衡器的阈值；步骤2：指定输入向量x(n)与输出向量d(n)；步骤3：根据输入向量计算实际输出向量y(n)，然后计算成本函数E(n)；步骤4：若E())大于指定值，根据公式更新神经元均衡器的阈值，返回步骤32；否则，神经元均衡器训练完成。式中，ωij(n)代表第n次训练的连接加权值，ωij(n+1)代表第n+1次训练的连接加权值，γ代表学习速率，表示微分运算。传统可见光通信由于发光二极管(LED)调制带宽的限制约束着可见光通信系统的传输速率，为此，本专利技术基于神经网络非线性映射的能力，提出一种基于可见光通信的神经网络均衡器，对由于LED窄带宽而产生码间干扰的信号进行分类恢复，从而对LED信道进行补偿，恢复受损信号，实现信道均衡。与现有技术相比，本专利技术具有以下优点和有益效果：1、利用人工神经网络作为信道均衡器，仅需使用训练数据对神经网络进行训练，并不需要对信道环境进行分析，使系统的实现更加简单。2、利用神经网络强大的非线性特性，可以有效的解决因LED带宽限制造成的码间干扰问题，大大提高VLC系统的传输速率。3、无需使用复杂的调制解调技术与LED加工工艺来增加VLC系统的传输速率，减少系统的成本的同时提高系统的传输速率。附图说明图1为本专利技术的可见光通信系统原理框图。图2为本专利技术的接收电路模块框图。图3为本专利技术的神经网络均衡器的结构图。图4为本专利技术的神经网络节点的示意图。图5为本专利技术的神经网络BP算法原理图。具体实施方式下面结合实例及附图，对本专利技术作进一步地详细说明，但本专利技术的实施方式不限于此。实施例如图1所示，一种基于可见光通信的神经网络均衡器，应用于可见光通信系统，所述可见光通信系统包括可见光通信发射子系统10，可见光通信传输子系统20和可见光通信接收子系统30。所述可见光通信发射子系统10包括数据采集模块11，数据编码模块12，LED驱动模块13和LED发射器件14。所述数据采集模块11负责原始信号的采集并传输给数据编码模块12；所述数据编码模块12负责数据的编码处理，并将编码之后数据传输给LED驱动模块13；所述LED驱动模块13产生驱动电流并驱动LED发射器件14产生可见光信号。所述传输子系统20为自由空间。所述接收子系统30包括光电检测器件31，接收电路模块32，神经网络均衡器33和数据解码模块34。所述光电检测器件31将LED发射器件14发出的可见光信号转换为电信号，并传输给接收电路模块32。所述接收电路模块32一端与光电检测器件31相连，所述接收电路模块的另一端与神经网络均衡器33一端相连；如图2所示，所述接收电路模块32包括放大电路模块321，滤波电路模块322和AD模数转换模块323；所述放大电路模块321对可见光信号进行放大，所述滤波电路模块322对所接收信号的高频噪声进行滤除，所述AD模数转换模块323将模拟信号转换为数字信号，并传输给神经网络均衡器33；所述神经网络均衡器33负责对信号进行均衡化处理，并将处理之后的数据传输给数据解码模块34解码得到所需信号。如图3所示，所述神经网络均衡器33包括神经网络输入层331，神经网络隐含层332，神经网络输出层333；所述神经网络隐含层332，由多个神经元3321组成；所述神经元3321并行，且每个神经元3321都与神经网络输入层331的所有抽头相连，如图4所示，所述神经元(3321)的输入与输出关系可由以下关系式描述：式中，z(k)为所述神经元(3321)的输出；wi,j(k)是连接输入层(331)第i个神经元的输出信号ui(k)与隐含层本文档来自技高网...

【技术保护点】
一种基于可见光通信的神经网络均衡器，其特征在于，包括依次连接的可见光通信发射子系统(10)、可见光通信传输子系统(20)和可见光通信接收子系统(30)；所述可见光通信发射子系统(10)包括：数据采集模块(11)、数据编码模块(12)、LED驱动模块(13)和LED发射器件(14)；所述数据编码模块(12)的一端与数据采集模块(11)连接；所述数据编码模块(12)的另一端与LED驱动模块的(13)一端相连；所述LED驱动模块(13)的另一端与LED发射器件(14)相连；所述可见光通信传输子系统(20)为自由空间；所述可见光通信接收子系统(30)包括：光电检测器件(31)、接收电路模块(32)、神经网络均衡器(33)和数据解码模块(34)；所述接收电路模块(32)的一端与光电检测器件(31)相连；所述接收电路模块(32)的另一端与神经网络均衡器(33)的一端相连；所述神经网络均衡器(33)的另一端与数据解码模块的一段相连；所述接收电路模块(32)包括依次连接的放大电路模块(321)滤波电路模块(322)和AD模数转换模块(323)；所述数据采集模块(11)采集原始信号并通过数据编码模块(12)进行编码处理之后控制LED驱动模块(13)产生驱动电流，驱动LED发射器件(14)发射可见光信号；所述光电检测器件(31)接收LED发射器件(14)发出的可见光信号，并将可见光信号转换为电信号传输给接收电路模块(32)；所述接收电路模块的放大电路模块(321)用于将接收到的电信号放大，滤波电路模块(322)用于将高频噪声干扰滤除，AD模数转换模块(323)用于将模拟信号转换为数字信号，并传输给神经网络均衡器(33)；所述神经网络均衡器(33)，利用分类器的原理，对接收信号进行均衡恢复，再将恢复之后的接收信号通过数据解码模块(34)解码以得到所需数据。...

【技术特征摘要】
1.一种基于可见光通信的神经网络均衡器，其特征在于，包括依次连接的可见光通信发射子系统(10)、可见光通信传输子系统(20)和可见光通信接收子系统(30)；所述可见光通信发射子系统(10)包括：数据采集模块(11)、数据编码模块(12)、LED驱动模块(13)和LED发射器件(14)；所述数据编码模块(12)的一端与数据采集模块(11)连接；所述数据编码模块(12)的另一端与LED驱动模块的(13)一端相连；所述LED驱动模块(13)的另一端与LED发射器件(14)相连；所述可见光通信传输子系统(20)为自由空间；所述可见光通信接收子系统(30)包括：光电检测器件(31)、接收电路模块(32)、神经网络均衡器(33)和数据解码模块(34)；所述接收电路模块(32)的一端与光电检测器件(31)相连；所述接收电路模块(32)的另一端与神经网络均衡器(33)的一端相连；所述神经网络均衡器(33)的另一端与数据解码模块的一段相连；所述接收电路模块(32)包括依次连接的放大电路模块(321)滤波电路模块(322)和AD模数转换模块(323)；所述数据采集模块(11)采集原始信号并通过数据编码模块(12)进行编码处理之后控制LED驱动模块(13)产生驱动电流，驱动LED发射器件(14)发射可见光信号；所述光电检测器件(31)接收LED发射器件(14)发出的可见光信号，并将可见光信号转换为电信号传输给接收电路模块(32)；所述接收电路模块的放大电路模块(321)用于将接收到的电信号放大，滤波电路模块(322)用于将高频噪声干扰滤除，AD模数转换模块(323)用于将模拟信号转换为数字信号，并传输给神经网络均衡器(33)；所述神经网络均衡器(33)，利用分类器的原理，对接收信号进行均衡恢复，再将恢复之后的接收信号通过数据解码模块(34)解码以得到所需数据。2....

【专利技术属性】
技术研发人员：吴玉香，谢灿宇，关伟鹏，陈颖聪，文尚胜，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东,44