基于室内可见光通信的多目标协调优化控制方法及系统技术方案

本发明专利技术公开了一种基于室内可见光通信的多目标协调优化控制方法及系统，涉及室内可见光通信技术领域。将包含通信平面上不同用户位置的接收信号的误码率、系统峰均比、系统LED功耗和光接收功率四个因素作为目标函数来确定网络的参数和LED优化布局方案。方案中基于训练完成的神经网络，利用NSGA

【技术实现步骤摘要】
基于室内可见光通信的多目标协调优化控制方法及系统


[0001]本专利技术涉及室内可见光通信
，尤其涉及一种基于室内可见光通信的多目标协调优化控制方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]能源消耗和室内环境是建筑设计中两个非常重要但相互冲突的问题，因而涉及多个目标的建筑优化通常是一个非常耗时的过程。国际能源机构的调查研究显示，全球约40.7％的能源用于室内和商业照明，建筑物内的照明能耗是一个亟待解决的问题。最先进的照明技术是发光二极管(LED)，它的能量效率比传统灯源更高，同时响应时间短、调制速度快不易被人眼察觉，在发光时可提供数据通信功能。使用商用发光二极管的可见光通信(VLC)可同时提供照明和通信，且数据速率、数据密度和传输安全性更高，传输还通过使用多输入多输出(MIMO)和正交频分复用(OFDM)技术显著降低了误码率(BER)，成为短距离无线通信和室内环境更新技术的主流。
[0004]目前可见光通信利用其高速传输和频率范围可达400～800太赫兹的优势以解决6G频带资源不够的难题，已经成为6G不可或缺的一部分。在室内环境中，可见光通信有其独特的优势，可以实现高保密、人体无害、无电磁辐射的高速通信，能够覆盖人们近80％的活动范围。除了室内的短距离高速通信，可见光通信技术还可以应用于从低速、高速到超高速的各种距离下的应用，如低速的室内定位、车联网、船联网，高速的医疗通信、高安全性通信、专网通信以及深空通信，超高速的室内超高速接入网等。与其他通信手段相结合，可见光通信将是未来6G蓝图中十分重要的组成部分。
[0005]然而专利技术人发现，室内可见光通信的目标优化的过程中，多个优化目标之间相互冲突，所以对各种因素进行综合优化造成了很大的困难，尤其是照明舒适度与能耗和通信性能无法实现有效的协调。传统方法中的一般模型并不适用于室内可见光通信目标优化过程的高纬度、多变量的情况，因此针对如何同时优化室内可见光通信存在对立关系的目标的问题，现有技术中没有行之有效的技术方案。

技术实现思路

[0006]针对现有技术存在的不足，本专利技术的目的是提供一种基于室内可见光通信的多目标协调优化控制方法及系统，利用神经网络拟合出输入输出映射关系的模型，然后根据NSGA
‑Ⅱ
算法(二代非支配排序遗传算法)找出最优解和与之对应的输入变量的值，利用这种方法可以快速地进行多目标优化分析，克服了传统方法用时过长、精度过低且无法对各种因素进行综合优化的缺点。
[0007]为了实现上述目的，本专利技术是通过如下的技术方案来实现：
[0008]本专利技术第一方面提供了一种基于室内可见光通信的多目标协调优化控制方法，该
方法将包含通信平面上不同用户位置的接收信号的误码率、系统峰均比(PAPR)、系统LED功耗和光接收功率四个因素作为目标函数来确定网络的参数和LED优化布局方案。方案中基于训练完成的神经网络，利用NSGA
‑
II算法对系统参数进行多目标优化。包括以下步骤：
[0009]获取训练样本，对训练样本中的参数进行初始化；
[0010]采用训练样本训练神经网络用于数据测试；
[0011]确定优化目标并构建目标函数；
[0012]采用神经网络与NSGA
‑
II算法计算目标函数并输出控制参数；
[0013]根据控制参数形成优化控制方案。
[0014]进一步的，训练样本包括能耗参数、照明参数及VLC设备所得参数。
[0015]进一步的，采用神经网络训练结果，将包含通信平面上不同用户位置的接收信号的误码率、系统峰均比、系统LED功耗和光接收功率四个因素作为优化目标构建目标函数。
[0016]进一步的，采用训练样本对神经网络进行训练，对训练后的网络进行误差计算，根据计算结果调整学习率和网络参数，直至误差小于训练目标。
[0017]进一步的，计算目标函数之前，先设置系统参数，并初始化种群。
[0018]进一步的，采用神经网络与NSGA
‑
II算法计算目标函数并输出控制参数的具体过程为：将系统参数输入进训练好的神经网络，采用NSGA
‑
II算法对人工神经网络进行性能评估，从而完成对系统参数的多目标优化过程。
[0019]更进一步的，采用NSGA
‑
II算法对人工神经网络进行性能评估的具体过程为：
[0020]依据神经网络学习的输入输出的映射关系中的输出结果来设置目标函数，根据Pareto解(帕累托效率)得到最优解的输入变量的参数值。
[0021]更进一步的，采用神经网络对目标函数进行计算，根据非支配排序和拥挤度计算以产生新的父代种群。
[0022]更进一步的，对父代种群进行交叉操作；执行变异操作，产生子代种群；
[0023]将子代种群和父代种群合并并重新计算目标函数，根据非支配排序和拥挤度比较算子选择新的父代种群；
[0024]重复上述过程直到种群的迭代次数小于最大迭代次数；
[0025]对所得种群进行非支配排序和拥挤度计算；根据非支配排序和拥挤度比较算子得到Pareto解，输出控制参数。
[0026]本专利技术第二方面提供了一种基于室内可见光通信的多目标协调优化控制系统，包括：
[0027]神经网络模块，被配置为获取训练样本，对训练样本中的参数进行初始化；采用训练样本训练神经网络用于数据测试；
[0028]目标函数模块，被配置为确定优化目标并构建目标函数；
[0029]参数计算模块，被配置为采用神经网络与NSGA
‑
II算法计算目标函数并输出控制参数；
[0030]优化方案模块，被配置为根据控制参数形成优化控制方案。
[0031]以上一个或多个技术方案存在以下有益效果：
[0032]本专利技术公开了一种基于室内可见光通信的多目标协调优化控制方法，该方法将包含通信平面上不同用户位置的接收信号的误码率、系统峰均比、系统LED功耗和光接收功率
四个因素作为目标函数来确定网络的参数和LED优化布局方案。方案中基于训练完成的神经网络，利用NSGA
‑
II算法对系统参数进行多目标优化。具体操作为：将神经网络学习的输入输出的映射关系中的输出作为NSGA
‑
II算法的目标函数值；根据Pareto解得到最优解的输入变量的参数值，将得到的输入变量值传递给运行一体化调度与控制系统来调节照明和通信参数。本专利技术上述方案解决了一般模型不适用于高纬度、多变量情况以及多个目标互相冲突使优化难度增大的问题，同时优化能耗、照明舒适度、通信性能这几个存在对立关系的目标，为室内可见光通信的发展前景提供了新的理论依据。
[0033]本专利技术利用神经网络拟合出输入输出映射关系的模型，然后根据遗传算法找出最优解和与之对应的输入变量的值，该方法可以快速地建立输入输出本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于室内可见光通信的多目标协调优化控制方法，其特征在于，包括以下步骤：获取训练样本，对训练样本中的参数进行初始化；采用训练样本训练神经网络用于数据测试；确定优化目标并构建目标函数；采用神经网络与NSGA
‑
II算法计算目标函数并输出控制参数；根据控制参数形成优化控制方案。2.如权利要求1所述的基于室内可见光通信的多目标协调优化控制方法，其特征在于，训练样本包括能耗参数、照明参数及VLC设备所得参数。3.如权利要求1所述的基于室内可见光通信的多目标协调优化控制方法，其特征在于，采用神经网络训练结果，将包含通信平面上不同用户位置的接收信号的误码率、系统峰均比、系统LED功耗和光接收功率四个因素作为优化目标构建目标函数。4.如权利要求1所述的基于室内可见光通信的多目标协调优化控制方法，其特征在于，采用训练样本对神经网络进行训练，对训练后的网络进行误差计算，根据计算结果调整学习率和网络参数，直至误差小于训练目标。5.如权利要求1所述的基于室内可见光通信的多目标协调优化控制方法，其特征在于，计算目标函数之前，先设置系统参数，并初始化种群。6.如权利要求1所述的基于室内可见光通信的多目标协调优化控制方法，其特征在于，采用神经网络与NSGA
‑
II算法计算目标函数并输出控制参数的具体过程为：将系统参数输入进训练好的神经网络，采用NSGA
‑
II算法对人工神经网络进行性能评估...

【专利技术属性】
技术研发人员：郝丽丽，曹盼，张奔，张国禄，李成栋，
申请(专利权)人：山东建筑大学，
类型：发明
国别省市：