一种基于孪生支持向量回归的可见光通信预失真方法技术

本发明专利技术提供一种基于孪生支持向量回归的可见光通信预失真方法，其包括以下步骤：步骤S1，搭建可见光通信离线数字预失真平台；步骤S2，基于步骤S1的可见光通信离线数字预失真平台获得的信号信息，构建幅度增强结构的训练集；步骤S3，基于步骤S2中构建幅度增强结构的训练集，建立基于幅度TSVR的可见光通信预失真非线性抑制方法，并形成测试集；步骤S4，利用构建幅度增强结构的训练集训练集和测试集,进行模型训练；步骤S5，进行模型训练后得到预失真器参数，进一步设计构建可见光通信预失真系统。本发明专利技术基于幅度增强的TSVR时延结构在建模精度方面获得明显提升，与现有记忆多项式建模相比，NSME提升22dB以上；与广义记忆多项式相比,精度平均提升5.5dB左右。比,精度平均提升5.5dB左右。比,精度平均提升5.5dB左右。

【技术实现步骤摘要】
一种基于孪生支持向量回归的可见光通信预失真方法


[0001]本专利技术属于可见光通信
，具体涉及一种基于孪生支持向量回归的可见光通信预失真方法。

技术介绍

[0002]传统的无线电频率(RF)频谱资源越来越有限，同时随着发光二极管(LED) 芯片设计的技术改进和LED设备的广泛使用，可见光通信(VLC)技术的研究逐渐引起了广泛的关注。然而，可见光通信(VLC)系统包含许多非线性元件，非线性元件会引起信号失真，限制了可见光通信(VLC)的系统性能。
[0003]此外，LED设备作为可见光通信(VLC)系统中的发射器，在光电转换的过程中LED电流光功率的关系不是线性的，还存在饱和光功率限制；同时，对于高速率、大带宽信号的传输，LED还会表现出严重的非线性记忆效应；多方面因素导致LED成为了非线性的主要来源。因此，缓解非线性是VLC系统设计的一个重要方面。
[0004]进一步地，随着可见光通信的发展，一些高阶信号调制方式也被引入可见光通信(VLC)系统，尤为典型的是OFDM信号。OFDM有着较高的峰均值，这类OFDM 信号对非线性有着较高的敏感度，加之LED有限的带宽，在可见光通信(VLC)系统中频率响应呈现一个低通特性，并且会产生更加严重的失真，以及传输过程中也会造成带内失真和带外频谱的干扰，最终使得整个可见光通信系统性能下降，误码率受限。
[0005]通常来说，可见光通信(VLC)系统缓解非线性失真有两个办法，最直截了当的途径是将波形设计成对非线性不敏感的形式，例如降低PAPR或者采用双级性调制方法；另外一种方法是设计失真补偿方法，通常包括后失真和预失真，通过加入均衡器或者预失真器，对失真的信号进行补偿矫正，从而达到缓解非线性的目的。后失真是在接收端进行设计的，这种方法消耗了大量计算资源，同时在传输过程中也加大了能量开销。与此相反，预失真是在发射端进行设计，操作简单有效，因此也受到越来越多人的关注。同时，基本上所有的预失真技术都是建立在行为模型的基础上，因此，采用合适的模型对LED进行行为建模显得尤为重要。
[0006]现有技术中，经常使用基于Voterra级数通过来增加非线性阶数来提升精度，但其建模的计算复杂度也随之提高，同时，LED表现出来的记忆效应导致 Voterra级数不能很好的刻画描述系统，并且其对光通信系统信能提升有限。基于神经网络预失真器的非线性补偿方法，在训练建模过程中存在过拟合的问题，容易建模失败；同时，神经网络对噪声也比较敏感，容易受到系统信道的影响。因此，现有技术存在对可见光通信中非线性传输特性以及记忆效应的建模精度不够，抑制非线性的能力有限等缺陷。

技术实现思路

[0007]基于现有技术中存在的技术问题，本专利技术提供一种基于孪生支持向量回归的可见光通信预失真方法，其通过采用时延结构，同时考虑到可见光通信本身强度调制/直接检测
的特点，进一步将幅度也作为训练的特征项，进而解决了现有技术存在的技术问题。
[0008]为实现上述目的，本专利技术提供一种基于孪生支持向量回归的可见光通信预失真方法，其包括以下步骤：
[0009]步骤S1，搭建可见光通信离线数字预失真平台；
[0010]步骤S2，基于步骤S1的可见光通信离线数字预失真平台获得的信号信息，构建幅度增强结构的训练集；
[0011]步骤S3，基于步骤S2中构建幅度增强结构的训练集，建立基于幅度TSVR 的可见光通信预失真非线性抑制方法，并形成测试集；
[0012]步骤S4，利用构建幅度增强结构的训练集训练集和测试集,进行模型训练；
[0013]步骤S5，进行模型训练后得到预失真器参数，进一步设计构建可见光通信预失真系统。
[0014]其中，步骤S1采用wiener模型对可见光通信系统的非线性传输特性和记忆效应进行描述，获取了LED实测输入信号x(n)和输出信号y(n)。
[0015]进一步地，步骤S2针对输入信号x(n)与输出信号y(n)，进行归一化处理后，构建幅度增强结构的训练集，所述训练集基于TSVR算法进行运算。
[0016]优选地，Wiener模型分解为一个线性时不变系统和一个非线性系统的级联，针对LED的记忆性采用时延抽头的结构进行记忆非线性的引入。
[0017]更优选地，描述记忆效应的线性时不变系统的线性时不变模块表示为：
[0018][0019]其中L是最大的延迟抽头,b
l
是记忆效应因子，x(n
‑
l)表示输入变量的延迟项，x(n)表示输入信号，l表示延迟深度。
[0020]更优选地，描述非线性系统的非线性模块的Rapps模型如下:
[0021][0022]其中，I
max
是当前最大输出，k是拐点系数，控制从线性区域到饱和区域的平滑程度，V
TOV
是发光二极管的开启电压值。
[0023]进一步地，TSVR算法有如下表示关系：
[0024][0025]CC结构如图1所示。f1(x)为上界函数，f2(x)为下界函数，abs(x(n))表示信号幅度，x(n)表示输入信号，x(n
‑
1)表示信号一阶延迟，x(n
‑
2)表示信号二阶延迟， TSVR Machine表示构建出来的孪生支持向量回归机，训练集通过TSVR Machine 训练机之后得到预测输出信号
[0026]优选地，步骤S3，建立基于幅度TSVR的可见光通信预失真非线性抑制方法，其通过将TSVR预失真器与可见光通信系统发射端进行级联，组成一个近似于线性的系统，实现对非线性的补偿，提升系统整体的性能。
[0027]更优选地，TSVR预失真器中，首先待传输的比特流信号经过16QAM映射，可见光通
信采用的是强度调制/直接检测的方式，经过埃尔米特映射之后，经由 IFFT(逆快速傅里叶变换)变为实数信号，然后添加前缀和保护间隔，信号并串转换之后经过TSVR预失真器，数模转换后通过Bias
‑
Tee将直流信号与待发送信号耦合加载到LED。
[0028]进一步地，在TSVR预失真器接收端，采用APD探测器将收到信号光电转化，进行离线处理。
[0029]与现有技术相比，本专利技术的有益效果是：。
[0030]1、本专利技术基于孪生支持向量回归的可见光通信预失真方法，基于幅度增强的TSVR时延结构在建模精度方面获得明显提升。与现有记忆多项式建模(MP) 相比，NSME提升22dB以上；与广义记忆多项式(GMP)相比,精度平均提升5.5dB 左右。
[0031]2、本专利技术基于孪生支持向量回归的可见光通信预失真方法，基于TSVR的建模方法在建模速度方面与传统SVR有明显提升；当M＝2时，TSVR的NMSE指标与SVR相比，有着16.5403dB的提升。CPU运算效率至少是SVR的四倍。
[0032]3、本专利技术在缓解LED低通效应上有明显优势，且对带外信号的频谱干扰也有较强的抑制作用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于孪生支持向量回归的可见光通信预失真方法，其特征在于，其包括以下步骤：步骤S1，搭建可见光通信离线数字预失真平台；步骤S2，基于步骤S1的可见光通信离线数字预失真平台获得的信号信息，构建幅度增强结构的训练集；步骤S3，基于步骤S2中构建幅度增强结构的训练集，建立基于幅度TSVR的可见光通信预失真非线性抑制方法，并形成测试集；步骤S4，利用构建幅度增强结构的训练集和测试集,进行模型训练；步骤S5，进行模型训练后得到预失真器参数，进一步设计构建可见光通信预失真系统。2.根据权利要求1所述的一种基于孪生支持向量回归的可见光通信预失真方法，其特征在于，步骤S1采用wiener模型对可见光通信系统的非线性传输特性和记忆效应进行描述，获取了LED实测输入信号x(n)和输出信号y(n)。3.根据权利要求2所述的一种基于孪生支持向量回归的可见光通信预失真方法，其特征在于，步骤S2针对输入信号x(n)与输出信号y(n)，进行归一化处理后，构建幅度增强结构的训练集，所述训练集基于TSVR算法进行运算。4.根据权利要求2所述的一种基于孪生支持向量回归的可见光通信预失真方法，其特征在于，Wiener模型分解为一个线性时不变系统和一个非线性系统的级联，针对LED的记忆性采用时延抽头的结构进行记忆非线性的引入。5.根据权利要求4所述的一种基于孪生支持向量回归的可见光通信预失真方法，其特征在于，描述记忆效应的线性时不变系统的线性时不变模块表示为：其中L是最大的延迟抽头,b
l
是记忆效应因子，x(n
‑
l)表示输入变量的延迟项，x(n)表示输入信号，l表示延迟深度。6.根据权利要求4所述的一种基于孪生支持向量回归的可见光通信预失真方法，其特征在于，描述非线性系统的非线性模块的Rapps...

【专利技术属性】
技术研发人员：陆文强，查海朋，张禄卓，
申请(专利权)人：中国科学院重庆绿色智能技术研究院，
类型：发明
国别省市：