基于无透镜成像器的可见光通信方法技术

本发明专利技术涉及一种基于无透镜成像器的可见光通信方法，该方法在通信过程中，发送的每一帧数据比特都增加了训练序列，然后对捕获的训练序列对应的图像帧进行压缩处理，以减少接收端数据处理的复杂度。接着再用压缩完的训练序列对应的图像帧的特征向量周期性地不断训练卷积神经网络，利用反向传播和梯度下降算法不断优化权值使互熵损失最小化，提高卷积神经网络的环境适应度，最终不断提高卷积神经网络对图像帧的分类效果，最后用训练完的卷积神经网络对之后捕获的数据比特对应的图像帧进行分类，再用分类后的图像帧进行解码数据比特，最终使解码数据更准确。

【技术实现步骤摘要】
基于无透镜成像器的可见光通信方法
本专利技术属于光通信技术及图像处理
，涉及一种基于无透镜成像器的可见光通信方法。
技术介绍
可见光通信技术发展的主要动力——基于无线通信的光谱具有解决从家用和工厂机器人到车载网络等几个应用领域的定向传输挑战的潜能。具有窄波束宽度和视距(Lineofsight，LOS)限制的定向传输可以通过空间重用改进来减少同信道干扰，窄传输波束在传输功率和信噪比(Signaltonoiseratio，SNR)方面具有优势。并且传输功率和定向传输在通信范围内的限制也取得了进展。另一种动力涉及发光二极管(LED)革命，除了显示出寿命长和能源效率高的优点外，LED可以以非常快的速度切换到不同的光强度水平。鉴于此功能，可以通过编码光来调制数据。并且由于定向通信，安全和安全的环境等优点，可见光通信被认为是具有良好发展前景的技术。目前可见光信号的接收端普遍地采用基于光电二极管(例如PIN、APD等)的光信号接收器。光信号接收器接收光信号后,进行光电转换，然后再对转换出来的电信号进行解码等信号处理，还原成原信号。但是这要求接收端配备基于光电二极管的光信号接收器，增加了成本。本文档来自技高网...

【技术保护点】
1.一种基于无透镜成像器的可见光通信方法，其特征在于包括下述步骤：步骤一、在发送端，首先对输入的帧数据比特进行调制，然后在每帧数据比特前增加训练序列作为调制信号，用以驱动LED灯；步骤二、在接收端，由无透镜成像器捕获训练序列对应的一系列帧图像并将其压缩，依次将压缩后第1、第2，……第i…..第I帧图像对应的特征向量送入卷积神经网络；步骤三、利用步骤二得到的I帧图像训练卷积神经网络，训练方法如下：(一)针对任一帧图像，设其特征向量为X＝{x1,x2,...xm}，利用公式(1)、(2)计算第1层神经网络第k个神经元的总输出值

【技术特征摘要】
1.一种基于无透镜成像器的可见光通信方法，其特征在于包括下述步骤：步骤一、在发送端，首先对输入的帧数据比特进行调制，然后在每帧数据比特前增加训练序列作为调制信号，用以驱动LED灯；步骤二、在接收端，由无透镜成像器捕获训练序列对应的一系列帧图像并将其压缩，依次将压缩后第1、第2，……第i…..第I帧图像对应的特征向量送入卷积神经网络；步骤三、利用步骤二得到的I帧图像训练卷积神经网络，训练方法如下：(一)针对任一帧图像，设其特征向量为X＝{x1,x2,...xm}，利用公式(1)、(2)计算第1层神经网络第k个神经元的总输出值其中，表示该帧图像第k个灰度值到第1层神经网络的第j个神经元之间的连接权值，其初始值为0-1之间的随机数且所有不能全设置为“0”；是第1层第j个神经元的未激活输出，b1是第1层神经网络所加的偏置，其初始值为0-1之间的随机数；(二)利用公式(3)、(4)计算后面每层神经网络各神经元的总输出值其中，表示第l-1层神经网络第k个神经元到第l层的第j个神经元之间的连接权值，其初始值为0-1之间的随机数；第bl是第l层神经元所加的偏置，其初始值为0-1之间的随机数；是第l层第j个神经元的未激活输出，是经过激活函数后的输出；(三)根据第L层神经网络各神经元的输出计算卷积神经网络的第一、第二输出端的输出值y1、y2：其中是第L层的第j个神经元与第一输出端之间的连接权值；是第L层的第j个神经元的输出值；是第L层的第j个神经元与第二输出端之间的连接权值；bL是第L层神经网络的偏置；(四)计算该帧图像所有输出的总的互熵损失Ctotal，即实际输出值与期望输出值之间的误差，用于描述分类效果与真实情况的吻合度：yi表示的是该帧图像对应的输出端期望类相应的得分，yr表示卷积神经网络的第r个输出值，r＝1,2；(五)根据公式(8)～(11)反向计算第l层分别关于连接权值和偏置的梯度，以梯度方向的负值更新连接权值和偏置；其中初始值是设定好的一个随机数(0-1之间)，是第l-1层神经网络的第k个神...

【专利技术属性】
技术研发人员：祝宇鸿，钟苏华，迟学芬，莫秀玲，李志军，王爽，
申请(专利权)人：吉林大学，
类型：发明
国别省市：吉林,22