CN106921470A - 一种基于神经元网络的可见光通信接收方法及其接收系统 - Google Patents
一种基于神经元网络的可见光通信接收方法及其接收系统 Download PDFInfo
- Publication number
- CN106921470A CN106921470A CN201710287156.6A CN201710287156A CN106921470A CN 106921470 A CN106921470 A CN 106921470A CN 201710287156 A CN201710287156 A CN 201710287156A CN 106921470 A CN106921470 A CN 106921470A
- Authority
- CN
- China
- Prior art keywords
- signal
- gate array
- neuron
- programmable gate
- subsystem
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004891 communication Methods 0.000 title claims abstract description 25
- 238000000034 method Methods 0.000 title claims abstract description 20
- 210000002569 neuron Anatomy 0.000 claims abstract description 46
- 230000005540 biological transmission Effects 0.000 claims abstract description 24
- 230000003287 optical effect Effects 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 9
- 230000005622 photoelectricity Effects 0.000 claims description 24
- 238000012360 testing method Methods 0.000 claims description 24
- 239000004973 liquid crystal related substance Substances 0.000 claims description 19
- 238000012549 training Methods 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 8
- 230000008054 signal transmission Effects 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 7
- 230000003321 amplification Effects 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 4
- 230000004913 activation Effects 0.000 claims description 3
- 238000011478 gradient descent method Methods 0.000 claims description 3
- 230000007935 neutral effect Effects 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 2
- 230000008878 coupling Effects 0.000 claims description 2
- 238000010168 coupling process Methods 0.000 claims description 2
- 238000005859 coupling reaction Methods 0.000 claims description 2
- 210000005036 nerve Anatomy 0.000 claims description 2
- 230000003139 buffering effect Effects 0.000 claims 1
- 230000001934 delay Effects 0.000 claims 1
- 238000004088 simulation Methods 0.000 claims 1
- 230000009466 transformation Effects 0.000 claims 1
- 238000005516 engineering process Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 3
- 206010019133 Hangover Diseases 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000004925 denaturation Methods 0.000 description 1
- 230000036425 denaturation Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000010363 phase shift Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/02—Arrangements for detecting or preventing errors in the information received by diversity reception
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B10/00—Transmission systems employing electromagnetic waves other than radio-waves, e.g. infrared, visible or ultraviolet light, or employing corpuscular radiation, e.g. quantum communication
- H04B10/11—Arrangements specific to free-space transmission, i.e. transmission through air or vacuum
- H04B10/114—Indoor or close-range type systems
- H04B10/1141—One-way transmission
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B10/00—Transmission systems employing electromagnetic waves other than radio-waves, e.g. infrared, visible or ultraviolet light, or employing corpuscular radiation, e.g. quantum communication
- H04B10/11—Arrangements specific to free-space transmission, i.e. transmission through air or vacuum
- H04B10/114—Indoor or close-range type systems
- H04B10/116—Visible light communication
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B10/00—Transmission systems employing electromagnetic waves other than radio-waves, e.g. infrared, visible or ultraviolet light, or employing corpuscular radiation, e.g. quantum communication
- H04B10/60—Receivers
- H04B10/66—Non-coherent receivers, e.g. using direct detection
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/03—Shaping networks in transmitter or receiver, e.g. adaptive shaping networks
- H04L25/03006—Arrangements for removing intersymbol interference
- H04L25/03165—Arrangements for removing intersymbol interference using neural networks
Abstract
本发明公开了一种基于神经元网络的可见光通信接收方法,包括以下步骤:1、第一可编程门阵列视频信号转换为数字信号;2、所述数字信号驱动LED灯具发射光信号;3、所述光信号进入接收子系统;4、数据流处理后,输出到神经元合并模块中;5、所述神经元合并模块将n个数据流作均衡处理并输出合并数据流;所述合并数据流转化为视频信号。本发明还公开了一种基于神经元网络的可见光通信接收方法的接收系统,包括:发射子系统、传输子系统和接收子系统。具有提高了接收信号的信噪比和降低了误码率等优点。
Description
技术领域
本发明涉及可见光通信技术领域,特别涉及一种基于神经元网络的可见光通信接收方法及其接收系统。
背景技术
与传统的红外和无线通信相比,LED可见光通信技术具有发射功率高、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,可见光通信仍然面临不少挑战,其中最大挑战之一是码间干扰大大限制了可见光通信系统数据传输速率。用于照明的白光LED一般为LED阵列形式,不同的点光源LED对应着不同的光路径,而光路径间信号传输的延迟会产生码间干扰;同时当系统数据传输速率比较高时,由于LED带宽的限制,会造成一个信号的影响扩展到相邻信号上,产生码间干扰而使系统误码率大大提升;并且由于信道不理想,码元在发送过程中会发生拓宽和时延,在波形上表现为码元脉冲产生拖尾,相邻脉冲的拖尾会互相重叠,亦会产生码间干扰,提升了误码率,从而影响了通信的质量。一般情况下,可通过改变编码方式,如:将OOK调制方式中不归零编码改为归零码或使用正交频分复用技术来降低码间干扰。然而却大大地增加了可见光通信系统的复杂程度。
在散射、中继、微波等通信领域中,常使用分集接收技术来解决由于信道参数的不稳定性而导致的多径效应。分集接收技术是同一信号通过不同的路径、时间、角度、频率等方式分散传输,接收端获得多组独立信号,并通过合适的合并方式,如选择合并、等增益合并或最大比值相加等;将多组独立信号合并成总的接收信号。同时在分集接收系统中,由于接收模块具有多个光电探测器,相当于增大了光电二极管的接收面积,从而为系统提供了分集增益,故可使用分集接收技术来改善可见光通信系统的性能。然而,由于无线信道的时变性与随机性,不同的环境下所选取的合并方式不同;且所接收的数据是信道中受干扰的原始数据,并没有对数据进一步优化处理。
发明内容
本发明的首要目的在于克服现有技术的缺点与不足,提供一种基于神经元网络的可见光通信接收方法,包括以下步骤:
步骤1、第一可编程门阵列将信源发出的视频信号转换为数字信号;
步骤2、所述数字信号通过LED驱动电路驱动LED灯具发射光信号;
步骤3、所述光信号经过n个光电检测器件进入接收子系统,其中,n为正整数;所述n个光电检测器对应传输子系统的n个子信道;所述n个子信道对应接收子系统的n个数据流;
步骤4、所述的n个数据流经过放大处理、滤波处理后,输出到经过训练后的神经元合并模块中;
步骤5、所述神经元合并模块将所述n个数据流作均衡处理并输出合并数据流;所述合并数据流经第二可编程门阵列解调处理转化为视频信号。
在步骤5中,经过训练后的所述神经元合并模块包括以下步骤:
步骤51、训练时,把一组输入值和与之相匹配的期望值给予所述的神经元网络,按这组训练数据来调整连接加权值。通过所述的期望值与正向传播的实际输出值对比可得到误差信号;
E(x)=[y(x)-F(x)]2
式中,wij是第i个神经元与第j个神经元的连接加权取值;Vj是第j个神经元的输出;Qi是第i个神经元的阈值;f为激活函数,n表示n个神经元节点;E(x)表示误差准则函数,和y(x)分别代表输入信号以及与之相对应的实际输出信号;F(x)为期望输出信号;
步骤52、利用梯度下降法进行误差反向传播和权值校正,通过反复学习使所述的误差信号达到或低于设定值;
其中,ωij代表连接加权值,γ表示学习速率,E(x)表示误差准则函数;
步骤53、通过上述方程的训练可以使所述的连接加权值调整到使神经网络的实际输出与所述的期望输出间的均方误差最小。经过BP算法训练后,对于任意输入值,神经元均衡器均能给出相对较为合适的输出。进而实现了对信道的均衡处理。
本发明的另一目的在于克服现有技术的缺点与不足,提供一种实现基于神经元网络的可见光通信接收方法的接收系统,包括:发射子系统、传输子系统和接收子系统,所述发射子系统具有:第一可编程门阵列、LED驱动电路和LED灯具;所述的第一可编程门阵列、LED驱动电路和LED灯具依次连接:所述的第一可编程阵列连接LED驱动电路,所述的LED驱动电路接LED灯具;所述接收子系统具有:n个光电检测器件、ADC模数转换器、神经元合并模块、第二可编程门阵列。所述的n个光电检测器件、ADC模数转换器、神经元合并模块、第二可编程门阵列依次连接:所述的n个光电检测器件接ADC模数转换器,所述的ADC模数转换器接神经元合并模块,所述的神经元合并模块接第二可编程门阵列。所述传输子系统用于把LED灯具发出的可见光信号传输给n个光电检测器件;所述n个光电检测器件对应传输子系统的n个子信道;所述第一可编程门阵列、LED驱动电路、LED灯具、光电检测器件、ADC模数转换器、神经元合并模块和第二可编程门阵列依次连接;所述第一可编程门阵列将视频信号转换为数字信号,并把所述数字信号传输给LED驱动电路;所述LED驱动电路驱动LED灯具发射光信号;所述光信号经过自由空间进入光电检测器件;所述n个光电检测器件把光信号转换成模拟信号,形成n路数据流;所述ADC数模转换器把光电检测器件输出的模拟信号取样成n路数字信号;所述的n路数字信号经神经元合并模块进行合并以及均衡处理后,输到第二可编程门阵列;所述第二可编程门阵列把信号经过解调还原为视频信号,其中,n为正整数。
所述LED驱动电路包括:信源、可变电阻、高速缓冲器、Bias Tee模块、直流电流源和限流电阻,所述的信源、可变电阻、高速缓冲器、Bias Tee模块和限流电阻依次连接;所述直流电流源的正极和信源连接,所述直流电流源的负极和Bias Tee模块连接;所述的BiasTee模块包括电容和电感;所述电感的一端与直流电流源的负极连接,所述电感的另一端与电容的负极连接,所述电容的正极与高速缓冲器连接;所述信源输出的电信号通过高速缓冲器传输到Bias Tee模块,所述直流电流源所输出的直流电信号与高速缓冲器所传输的信号在Bias Tee模块中进行耦合以生成耦合电信号;所述耦合电信号通过限流电阻输出到LED灯具。
所述神经元合并模块其合并处理过程在可编程门阵列或数字信号处理芯片等信号处理芯片中进行。
所述发射子系统还包括:第一液晶显示器和摄影机,所述接收子系统还包括放大电路、滤波电路和第二液晶显示器;所述的第一液晶显示器和摄影机均与第一可编程门阵列连接,光电检测器件通过前置放大电路和后置放大电路与ADC数模转换器连接,第二可编程门阵列和第二液晶显示器连接;所述的摄影机将视频信号传输给第一可编程门阵列;所述第一可编程门阵列把视频信号传输给第一液晶显示器;所述光电检测器件把模拟信号通过放大电路进行放大处理;放大后的所述模拟信号经过滤波电路进行滤波处理再传输给ADC模数转换器;所述第二可编程门阵列把视频信号传输给第二液晶显示器。
本发明的接收系统,可以包括分集接收技术与神经元合并网络。所述分集接收技术是同一信号通过不同的路径、时间、角度、频率等方式分散传输,在接收端由多个光电检测器件获得多组独立信号,并通过合适的合并方式,如选择合并、等增益合并或最大比值相加等;将多组独立信号合并成总的接收信号。同时由于分集接收技术有多个光电检测器,相当于增大了接收器光接收的有效面积,故在信源的信噪比不变的情况下增大了接收信噪比,从而使到系统误码率更低、容错性更强。所述神经元合并模块是对所获得的多组数据进行合并优化构成总的输出信号。通过使用非线性的传递函数来实现输入输出的非线性映射关系。进而对受到干扰的信号进行滤波处理、对信道进行相移的估计与补偿等以实现均衡处理以降低系统的误码率。克服了传统的分集接收技术在不同环境下合并方式的多样性,进一步优化了VLC系统信道性能,在不增加器件带宽前提下,成倍提高无线通信的质量与数据传输速率。
本发明的接收系统也可以具体包括发射子系统、传输子系统和接收子系统,所述发射子系统通过LED驱动电路将数据输入LED灯具中,发出可见光,通过传输子系统将光信号进行有效地传输,最后通过接收子系统把感应光强的变化与数据的转换实现通信。
所述发射子系统由摄影机、第一可编程门阵列、第一液晶显示器、LED驱动电路、LED灯具组成,进一步地,所述LED驱动电路由电容与电感等电学元件组成。
所述传输子系统为自由空间,具有n条子信道,其中,n为正整数。
所述接收子系统由n个光电检测器、放大电路、滤波电路、神经元合并模块、第二可编程门阵列、第二液晶显示器组成。
现有技术中,由于码间干扰的影响,导致可见光通信系统的误码率提升,进而大大影响了信息传输的准确性。为此,通过运用分集接收技术来减弱码间干扰对系统的影响,并使用人工神经元网络来对分集接收所获得的数据进行合并以及优化以降低系统的误码率。该接收系统可以有效地降低码间干扰对系统的影响,提高接收信号的信噪比,降低系统的误码率。在不增加器件带宽前提下,成倍提高无线通信的质量与数据传输速率,具有广阔的应用前景。
与现有技术相比,本发明具有以下优点和有益效果:
1、本发明基于简单的基带调制技术,比起传统的使用正交分频复用调制、离散多音调制技术等,大大简化了系统的复杂程度,且可以不增加LED器件带宽的前提下,成倍地提高了无线通信的质量及信道的容量。
2、本发明运用了人工神经元网络对分集接收技术所获得的多组数据进行合并优化,在实现了消除码间干扰的影响的同时,降低了误码率,起到了后均衡的作用。
附图说明
图1为本发明实现基于神经元网络的可见光通信接收系统的示意图。
图2为本发明LED驱动电路的示意图。
图3为本发明MLP神经元网络示意图。
图4位本发明使用BP训练算法的示意图。
图5为本发明神经元合并模块的工作示意图。
具体实施方式
下面结合实施例及附图,对本发明作进一步地详细说明,但本发明的实施方式不限于此。
实施例
如图1所示,一种基于神经元网络的可见光通信系统,主要包括:发射子系统、传输子系统、接收子系统。所述的发射子系统,摄影机接收实时视频信号通过第一可编程门阵列传输到第一液晶显示器;所述第一液晶显示器显示出原始视频信号;所述第一可编程门阵列对所述实时视频信号进行调制和相应视频信号处理技术后,传输到LED驱动电路中;所述LED驱动电路驱动LED灯具发射可见光信号。如图2所示,为LED驱动电路的示意图,通过BiasTee结构的电容与电感T型结合,实现直流信号与交流信号的耦合从而保证了信号在LED中不会丢失。
进一步地,光信号通过传输子系统到达接收子系统;所述传输子系统在本实施方式中为4条不同的信道。所述光信号分别经4个光电检测器转换为电信号,形式4路数据流;所述的4路数据流由放大电路与滤波电路进行滤波放大处理,再由ADC模数转换器对电信号进行量化转换为数字信号。然后通过神经元合并模块对4路数据流进行合并处理获得最终数据流。
进一步地,所述神经元合并模块使用三层的MLP神经元网络,并使用BP算法对神经元网络进行学习训练。如图3所示,为三层MLP神经元网络的结构示意图;如图4所示,为BP训练算法。对于第i个神经元的输出状态Yi为:
式中,wij是第i个神经元与第j个神经元的连接加权取值;Vj是第j个神经元的输出;Qi是第i个神经元的f阈值;为激活函数,n表示n个神经元节点。
训练时把一组输入值和与之相匹配的期望值给予所述的神经元网络,按这组训练数据来调整连接加权值。通过所述的期望值与正向传播的输出值对比可得到误差信号。
E(x)=[y(x)-F(x)]2
其中,E(x)表示误差准则函数,x和y(x)分别代表输入信号以及与之相对应的实际输出信号;F(x)为期望输出信号。利用梯度下降法进行误差反向传播和权值校正,通过反复学习使所述的误差信号达到或低于设定值。
其中,ωij代表连接加权值,γ表示学习速率,E(x)表示误差准则函数。通过上述方程的训练可以使所述的连接加权值调整到使神经网络的实际输出与所述的期望输出间的均方误差最小。经过BP算法训练后,对于任意输入值,神经元均衡器均能给出相对较为合适的输出。进而实现了对信道的均衡处理。如图5所示,训练后的神经元网络将n路数据合并为一路数据流,并在神经元的输出端设置一个阈值为0.5以产生二进制代码。其中,在本实例中,n=4。
所述最终数据流再由第二可编程门阵列将信号转换为视频信号,再传到第二液晶显示器中。通过第一液晶显示器与第二液晶显示器中信号比较,可测试出系统的误码率,用于验证系统的操作。
上述实施例仅为本发明的一种实施方式,但本发明的实施方式并不受上述实施例的限制,其他任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (6)
1.一种基于神经元网络的可见光通信接收方法,其特征在于,包括以下步骤:
步骤1、第一可编程门阵列将信源发出的视频信号转换为数字信号;
步骤2、所述数字信号通过LED驱动电路驱动LED灯具发射光信号;
步骤3、所述光信号经过n个光电检测器件进入接收子系统,其中,n为正整数;所述n个光电检测器对应传输子系统的n个子信道;所述n个子信道对应接收子系统的n个数据流;
步骤4、所述的n个数据流经过放大处理、滤波处理后,输出到经过训练后的神经元合并模块中;
步骤5、所述神经元合并模块将所述n个数据流作均衡处理并输出合并数据流;所述合并数据流经第二可编程门阵列解调处理转化为视频信号。
2.根据权利要求1所述的基于神经元网络的可见光通信接收方法,其特征在于,在步骤5中,经过训练后的所述神经元合并模块包括以下步骤:
步骤51、训练时,把一组输入值和与之相匹配的期望值给予所述的神经元网络,按这组训练数据来调整连接加权值;通过所述的期望值与正向传播的实际输出值对比可得到误差信号;
E(x)=[y(x)-F(x)]2
式中,wij是第i个神经元与第j个神经元的连接加权取值;Vj是第j个神经元的输出;Qi是第i个神经元的阈值;f为激活函数,n表示n个神经元节点;E(x)表示误差准则函数,和y(x)分别代表输入信号以及与之相对应的实际输出信号;F(x)为期望输出信号;
步骤52、利用梯度下降法进行误差反向传播和权值校正,通过反复学习使所述的误差信号达到或低于设定值;
其中,ωij代表连接加权值,γ表示学习速率,E(x)表示误差准则函数;
步骤53、通过上述方程的训练可以使所述的连接加权值调整到使神经网络的实际输出与所述的期望输出间的均方误差最小。
3.一种实现权利要求1所述的基于神经元网络的可见光通信接收方法的接收系统,其特征在于,包括:发射子系统、传输子系统和接收子系统,所述发射子系统具有:第一可编程门阵列、LED驱动电路和LED灯具;所述的第一可编程门阵列、LED驱动电路和LED灯具依次连接:所述的第一可编程阵列连接LED驱动电路,所述的LED驱动电路接LED灯具;所述接收子系统具有:n个光电检测器件、ADC模数转换器、神经元合并模块、第二可编程门阵列;所述的n个光电检测器件、ADC模数转换器、神经元合并模块、第二可编程门阵列依次连接:所述的n个光电检测器件接ADC模数转换器,所述的ADC模数转换器接神经元合并模块,所述的神经元合并模块接第二可编程门阵列;所述传输子系统用于把LED灯具发出的可见光信号传输给n个光电检测器件;所述n个光电检测器件对应传输子系统的n个子信道;所述第一可编程门阵列、LED驱动电路、LED灯具、光电检测器件、ADC模数转换器、神经元合并模块和第二可编程门阵列依次连接;所述第一可编程门阵列将视频信号转换为数字信号,并把所述数字信号传输给LED驱动电路;所述LED驱动电路驱动LED灯具发射光信号;所述光信号经过自由空间进入光电检测器件;所述n个光电检测器件把光信号转换成模拟信号,形成n路数据流;所述ADC数模转换器把光电检测器件输出的模拟信号取样成n路数字信号;所述的n路数字信号经神经元合并模块进行合并以及均衡处理后,输到第二可编程门阵列;所述第二可编程门阵列把信号经过解调还原为视频信号,其中,n为正整数。
4.根据权利要求3所述的接收系统,其特征在于,所述LED驱动电路包括:信源、可变电阻、高速缓冲器、Bias Tee模块、直流电流源和限流电阻,所述的信源、可变电阻、高速缓冲器、Bias Tee模块和限流电阻依次连接;所述直流电流源的正极和信源连接,所述直流电流源的负极和Bias Tee模块连接;所述的Bias Tee模块包括电容和电感;所述电感的一端与直流电流源的负极连接,所述电感的另一端与电容的负极连接,所述电容的正极与高速缓冲器连接;所述信源输出的电信号通过高速缓冲器传输到Bias Tee模块,所述直流电流源所输出的直流电信号与高速缓冲器所传输的信号在Bias Tee模块中进行耦合以生成耦合电信号;所述耦合电信号通过限流电阻输出到LED灯具。
5.根据权利要求3所述的接收系统,其特征在于,所述神经元合并模块其合并处理过程在可编程门阵列或数字信号处理芯片等信号处理芯片中进行。
6.根据权利要求3所述的接收系统,其特征在于,所述发射子系统还包括:第一液晶显示器和摄影机,所述接收子系统还包括放大电路、滤波电路和第二液晶显示器;所述的第一液晶显示器和摄影机均与第一可编程门阵列连接,光电检测器件通过前置放大电路和后置放大电路与ADC数模转换器连接,第二可编程门阵列和第二液晶显示器连接;所述的摄影机将视频信号传输给第一可编程门阵列;所述第一可编程门阵列把视频信号传输给第一液晶显示器;所述光电检测器件把模拟信号通过放大电路进行放大处理;放大后的所述模拟信号经过滤波电路进行滤波处理再传输给ADC模数转换器;所述第二可编程门阵列把视频信号传输给第二液晶显示器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710287156.6A CN106921470A (zh) | 2017-04-27 | 2017-04-27 | 一种基于神经元网络的可见光通信接收方法及其接收系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710287156.6A CN106921470A (zh) | 2017-04-27 | 2017-04-27 | 一种基于神经元网络的可见光通信接收方法及其接收系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106921470A true CN106921470A (zh) | 2017-07-04 |
Family
ID=59568569
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710287156.6A Pending CN106921470A (zh) | 2017-04-27 | 2017-04-27 | 一种基于神经元网络的可见光通信接收方法及其接收系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106921470A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107342813A (zh) * | 2017-07-21 | 2017-11-10 | 华南理工大学 | 基于神经元均衡器的高速有机可见光通信系统 |
CN107682080A (zh) * | 2017-08-12 | 2018-02-09 | 华南理工大学 | 基于人工神经元均衡器的通照一体化可见光通信系统 |
CN109376855A (zh) * | 2018-12-14 | 2019-02-22 | 中国科学院计算技术研究所 | 一种光神经元结构和包含该结构的神经网络处理系统 |
CN111355531A (zh) * | 2020-02-29 | 2020-06-30 | 珠海复旦创新研究院 | 一种基于深度神经网络的单发多收车灯联网系统 |
CN111490823A (zh) * | 2020-04-22 | 2020-08-04 | 深圳市南科信息科技有限公司 | 基于卷积神经网络的可见光成像通信解码方法 |
CN111769880A (zh) * | 2020-07-03 | 2020-10-13 | 中国计量大学 | 应用波长分集的串行中继ofdm自由空间光通信系统及方法 |
CN112737682A (zh) * | 2020-12-31 | 2021-04-30 | 华南师范大学 | Led非线性失真补偿方法、装置及可见光通信系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105099553A (zh) * | 2015-08-31 | 2015-11-25 | 华南理工大学 | 一种基于神经元网络的可见光通信接收方法及其系统 |
CN204948075U (zh) * | 2015-08-31 | 2016-01-06 | 华南理工大学 | 一种基于神经元网络的可见光通信接收系统 |
-
2017
- 2017-04-27 CN CN201710287156.6A patent/CN106921470A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105099553A (zh) * | 2015-08-31 | 2015-11-25 | 华南理工大学 | 一种基于神经元网络的可见光通信接收方法及其系统 |
CN204948075U (zh) * | 2015-08-31 | 2016-01-06 | 华南理工大学 | 一种基于神经元网络的可见光通信接收系统 |
Non-Patent Citations (1)
Title |
---|
关伟鹏等: "基于神经网络的可见光通信接收系统的研究", 《中国激光》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107342813A (zh) * | 2017-07-21 | 2017-11-10 | 华南理工大学 | 基于神经元均衡器的高速有机可见光通信系统 |
CN107682080A (zh) * | 2017-08-12 | 2018-02-09 | 华南理工大学 | 基于人工神经元均衡器的通照一体化可见光通信系统 |
CN109376855A (zh) * | 2018-12-14 | 2019-02-22 | 中国科学院计算技术研究所 | 一种光神经元结构和包含该结构的神经网络处理系统 |
CN109376855B (zh) * | 2018-12-14 | 2021-04-06 | 中国科学院计算技术研究所 | 一种光神经元结构和包含该结构的神经网络处理系统 |
CN111355531A (zh) * | 2020-02-29 | 2020-06-30 | 珠海复旦创新研究院 | 一种基于深度神经网络的单发多收车灯联网系统 |
WO2021169735A1 (zh) * | 2020-02-29 | 2021-09-02 | 珠海复旦创新研究院 | 一种基于深度神经网络的单发多收车灯联网系统 |
CN111490823A (zh) * | 2020-04-22 | 2020-08-04 | 深圳市南科信息科技有限公司 | 基于卷积神经网络的可见光成像通信解码方法 |
CN111490823B (zh) * | 2020-04-22 | 2021-03-19 | 深圳市南科信息科技有限公司 | 基于卷积神经网络的可见光成像通信解码方法 |
CN111769880A (zh) * | 2020-07-03 | 2020-10-13 | 中国计量大学 | 应用波长分集的串行中继ofdm自由空间光通信系统及方法 |
CN111769880B (zh) * | 2020-07-03 | 2021-04-30 | 中国计量大学 | 应用波长分集的串行中继ofdm自由空间光通信系统及方法 |
CN112737682A (zh) * | 2020-12-31 | 2021-04-30 | 华南师范大学 | Led非线性失真补偿方法、装置及可见光通信系统 |
CN112737682B (zh) * | 2020-12-31 | 2022-02-18 | 华南师范大学 | Led非线性失真补偿方法、装置及可见光通信系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105099553B (zh) | 一种基于神经元网络的可见光通信接收方法及其系统 | |
CN106921470A (zh) | 一种基于神经元网络的可见光通信接收方法及其接收系统 | |
Le Minh et al. | Indoor gigabit optical wireless communications: challenges and possibilities | |
Rajbhandari et al. | A multigigabit per second integrated multiple-input multiple-output VLC demonstrator | |
Ying et al. | Joint optimization of precoder and equalizer in MIMO VLC systems | |
CN104158632B (zh) | 用于可见光通信系统的可变脉冲幅度位置调制和误码率改善方法 | |
CN207835454U (zh) | 一种基于可见光通信的神经网络均衡器 | |
O'Brien et al. | Indoor visible light communications: challenges and prospects | |
Burton et al. | Experimental demonstration of a 10BASE‐T Ethernet visible light communications system using white phosphor light‐emitting diodes | |
Ndjiongue et al. | Cascaded PLC-VLC channel using OFDM and CSK techniques | |
CN107342814A (zh) | 一种基于可见光通信的神经网络均衡器 | |
CN105049118A (zh) | 基于双重调制技术的可见光通信方法及其可见光通信系统 | |
Wang et al. | A 75-Mb/s RGB PAM-4 visible light communication transceiver system with pre-and post-equalization | |
CN107210814A (zh) | 用于优化vlc型双向传输流量的与光伏模块相关的电子设备 | |
Zhou et al. | Design and implementation of wireless optical access system for VLC-IoT networks | |
CN109286431A (zh) | 一种基于脉冲幅度调制两发一收系统的等概率预编码方法 | |
Rahaim et al. | Software defined visible light communication | |
Yang et al. | SynLight: synthetic light emission for fast transmission in COTS device-enabled VLC | |
Deng et al. | Real-time software-defined single-carrier QAM MIMO visible light communication system | |
Wang et al. | Using pre-distorted PAM-4 signal and parallel resistance circuit to enhance the passive solar cell based visible light communication | |
CN204948075U (zh) | 一种基于神经元网络的可见光通信接收系统 | |
CN113141214B (zh) | 基于深度学习的水下光通信失准鲁棒盲接收机设计方法 | |
Deng et al. | Adaptive real-time software defined MIMO visible light communications using spatial multiplexing and spatial diversity | |
Haigh et al. | Transmitter distribution for MIMO visible light communication systems | |
CN111917471B (zh) | 一种自由空间可见光通信系统及其通信性能优化算法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170704 |
|
RJ01 | Rejection of invention patent application after publication |