【技术实现步骤摘要】
采用遗传算法和深度学习对MIMO
‑
OFDM可见光通信实施信道估计的方法及系统
[0001]本专利技术属于室内可见光通信网络中的接入系统领域,用于提升室内环境中可见光通信用户收发信号的传输性能及质量
。
技术介绍
[0002]随着信息时代多种类接入业务的快速发展,人们对高速
、
高频谱利用率
、
高度灵活的通信系统的需求越来越大
。
室内可见光通信是一种极具发展潜力的无线通信技术,近年来有了很大的发展与其他无线通信相比,不仅能够满足日常照明功能,还支持室内信息传输和接收
。
相比于其他技术,
VLC
具有更高的数据速率
、
电磁辐射对人体伤害小
、
免许可证操作
、
保密性高
、
拓宽频谱等优点
。
而
MIMO
与
OFDM
相结合是下一代无线通信系统和标准的空中接口解决方案
。
然而,准确的信道估计对于可见光通信系统实现高性能至关重要
。
传统的信道估计方法不适用于复杂和动态的可见光信道
。
近年来,深度学习已成为
MIMO
‑
OFDM
系统信道估计的一种有前途的方法;操作上更加简便,通信传输成本更低,适用性更加灵活,但在传统无线通信系统中应用较多,可见光通信系统领域应用较少
。
技术实现思路
...
【技术保护点】
【技术特征摘要】
1.
采用遗传算法和深度学习对
MIMO
‑
OFDM
可见光通信实施信道估计的方法,其特征在于:包括以下步骤:离线训练:获取
MIMO
‑
OFDM
可见光通信系统中不同信噪比对应的信道估计的数据,将其作为深度神经网络离线训练数据集;所述深度神经网络包括以下处理步骤:初始化种群:根据变量范围和编码方式,初始种群集合为
[w1,w2,...,w
i
]
,
w
i
表示神经元的权值;选择操作:根据个体适应度,选择一定数量的个体作为父代,用于产生新一代个体,所述个体适应度为:
n
为网络输出节点数,
y
i
为深度神经网络第
i
个节点的期望输出,
o
i
为第
i
个节点的实际输出,
a
为系数,
asb
表示绝对值函数;遗传操作:通过交叉
、
变异操作,生成新一代个体,并计算个体适应度;替换操作:将新一代个体与上一代个体进行比较,选择适应度更好的个体作为下一代种群;输出最优解:重复以上操作直到达到预设的停止条件,输出种群中适应度最好的个体,作为优化后的神经元的权值;使用优化后深度神经网络对信道进行估计
。2.
根据权利要求1所述采用遗传算法和深度学习对
MIMO
‑
OFDM
可见光通信实施信道估计的方法,其特征在于:所述深度神经网络的目标函数为:
F(x)
=
‑
f(x)+f
max
+
ξ
l
,
f
max
为第
l
代最大目标值;
ξ
l
为好坏个体选择概率的差
。3.
根据权利要求1所述采用遗传算法和深度学习对
MIMO
‑
OFDM
可见光通信实施信道估计的方法,其特征在于:采用遗传算法优化权值
W
的过程如下:前向反馈深度神经网络的每第一层神经元输出为
z
=
σ
l
(k)
=
σ
(W
l
a
l
‑1+b
l
)
,
Δ
w
i
(k)
=
η
(
σ
l
(k)
‑
σ
l
‑1(k))w
i
(k)
=
w
i
(k
‑
1)+
Δ
w
i
(k)+
α
(w
i
(k
‑
1)
‑
w
i
(k
‑
2))
通过选择操作,以
P
c
的概率使
W
i
和
W
i+1
交叉操作产生新个体,没有进行交叉操作的个体直接复制;再以
P
m
概率进行变异操作,不断更新种群,直到种群收敛得到最优解;其中
z
表示第
l
层输出,
σ
()
表示激活函数,
W
为每个神经元权值,
w
i
为每个神经元的权值,
b
为偏置量,
η
为学习速率,
α
为动量因子,
P
c
为交叉率,
P
m
为变异率,
k
为未激活前输出向量
。4.
根据权利要求1所述采用遗传算法和深度学习对
MIMO
‑
OFDM
可见光通信实施信道估计的方法,其特征在于:所述
MIMO
‑
OFDM
可见光通信系统的信号处理流程包括,首先将
Turbo
编码后的传输数据经
QPSK
映射后转换为并行数据流,插入导频,利用快速傅里叶变换的逆变换将信号从频域转换为时域,然后,插入循环前缀后进行并串转换;经室内可见光信道传输,接收的数据串并转换后去除循环前缀,利用快速傅里叶变换从时域转换为频域信号,通过
QPSK
技术解映射后
Turbo
解码恢复原始数据
。5.
采用遗传算法和深度学习对
MIMO
‑
OFDM
可见光通信实施信道估计的系统,其特征在于:发送端包括依次连接的
Turbo...
【专利技术属性】
技术研发人员:邵宇丰,李冲,王安蓉,陈鹏,李彦霖,袁杰,刘栓凡,左仁杰,李文臣,陈超,杨林婕,柳海楠,胡文光,
申请(专利权)人:重庆三峡学院,
类型:发明
国别省市:
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。