CN107682080A

CN107682080A - 基于人工神经元均衡器的通照一体化可见光通信系统

Info

Publication number: CN107682080A
Application number: CN201710687818.9A
Authority: CN
Inventors: 关伟鹏; 吴玉香; 翁子淳; 谢灿宇
Original assignee: South China University of Technology SCUT
Current assignee: South China University of Technology SCUT
Priority date: 2017-08-12
Filing date: 2017-08-12
Publication date: 2018-02-09

Abstract

本发明公开了基于人工神经元均衡器的通照一体化可见光通信系统，包括发射子系统、传输子系统和接收子系统，其特征在于，所述的发射子系统包括：第一可编程门阵列、模数转换器、LED驱动电路以及基于板上芯片封装的4×4LED阵列；所述的传输子系统为自由空间；所述的接收子系统包括n个光电二极管PD₁‑PD_n、模数转换器、神经元均衡器、第二可编程门阵列，其中n≥1且为正整数。本发明结构简单，成本低，所述的脉冲振幅调制利用一个4×4LED阵列，通过控制LED灯亮灭的个数，从而实现16级调光，每级脉冲振幅对应不同的二进制数据组，从而实现数据的传输，使得LED发射的光通量满足不同场合照明的需求，从而实现通照一体化。

Description

基于人工神经元均衡器的通照一体化可见光通信系统

技术领域

本发明涉及可见光通信技术，特别涉及一种基于人工神经元均衡器的通照一体化VLC系统。

背景技术

近年来，随着LED照明产业的飞速发展，LED在各行各业得到了广泛的应用，逐步取代白炽灯、节能灯等传统光源。与传统的白炽灯、节能灯等光源相比，LED具有体积小、耗电低、寿命长、亮度高、绿色环保等优点。更重要的是，LED还具有响应灵敏、调制性能好的优点，从而可以将人眼无法识别的高频率调制加载到LED上，这使得基于LED光源的可见光通信技术成为可能。与传统的射频与红外等通信技术相比，可见光通信具有对人体和精密仪器的影响小、无需申请频谱资源、保密性高等优点，使其成为了国内外研究的热点。

开关键控是可见光通信系统最常使用的调制方式，其以普通的荧光粉LED 作为载体，通过亮灭控制(亮代表“1”，灭代表“0”)向光电检测器件发送二进制数据。但是，基于荧光粉LED的调制受到其带宽的限制，而开关键控每个时钟周期只能发送1bit数据，这使得可见光通信系统的传输速率受到限制。另一方面，长久以来国内外对于可见光通信的研究都侧重于通信功能的实现而缺乏对LED原本的照明功能的研究，经过高频调制的LED光源所发送的光通量往往不符合特定场合的照明要求，因而可见光通信系统难以得到实际应用。

此外，在传输过程中，由于LED阵列中不同的点光源对应的不同路径中光信号传输延迟会导致码间干扰，并且在高频调制中由于LED调制带宽的限制，信号波形的拖尾会显著影响到相邻码元的判决，进而产生码间干扰。

发明内容

为了克服现有技术的上述缺点与不足，本发明的目的在于提出了一种基于人工神经元均衡器的通照一体化VLC系统，通过人工神经元均衡器均衡处理来降低码间干扰给可见光通信系统带来的影响，利用脉冲振幅调制和脉冲宽度调制双重调制技术实现通照一体化。

本发明的目的通过以下技术方案实现：

一种基于人工神经元均衡器的通照一体化可见光通信系统，包括发射子系统、传输子系统和接收子系统，所述的发射子系统包括：第一可编程门阵列、模数转换器、LED驱动电路以及基于板上芯片封装的4×4LED阵列；所述的传输子系统为自由空间；所述的接收子系统包括n个光电二极管PD₁‐PD_n、模数转换器、神经元均衡器、第二可编程门阵列，其中n≥1且为正整数；所述的第一可编程门阵列、模数转换器、LED驱动电路以及基于板上芯片封装的4× 4LED阵列、n个光电二极管PD₁‐PD_n、模数转换器、神经元均衡器、第二可编程门阵列依次连接。

所述的发射子系统对输入的基带信号进行脉冲振幅调制和脉冲宽度调制，实现驱动4×4LED阵列发送16级可见光信号，并调节LED阵列发出的光通量以适应不同场合的照明要求，进而实现通照一体化。

所述的接收子系统将输入的n个信号通过模数转换器进行模数转换、滤波与放大，再进行人工神经元均衡处理以降低码间干扰带来的系统误码率上升。

进一步地，第一可编程门阵列对输入的信号进行脉冲振幅调制与脉冲宽度调制；所述的脉冲振幅调制，是将输入的二进制数据串每4位分为一组，即构成一个16进制数，实现0‐15之间的16级脉冲振幅，从而驱动4×4LED阵列发送16级可见光信号；所述的脉冲宽度调制，通过控制信号的占空比来调节信号的总能量大小，从而调节LED阵列发出的光通量以适应不同场合的照明要求，进而实现通照一体化。所述的数模转换器将二进制数据转化为模拟信号输入所述的LED驱动电路，驱动所述的4×4LED阵列发出相应的可见光信号。

进一步地，所述基于板上芯片封装的4×4LED阵列中每块LED芯片由相应的LED驱动电路来独立控制；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经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，生成耦合电信号；所述耦合电信号通过限流电阻输出。

进一步地，所述的人工神经元均衡器采用一个3层的多层感知器结构，包括输入层、隐藏层和输出层；所述的输入层包含n个人工神经元细胞，分别接收n个光电二极管PD₁‐PD_n所发送的电信号；所述的隐藏层为一层包含若干个人工神经元细胞，具体个数由训练效果决定。所述的输出层包含16个人工神经元细胞，相应的输出为0‐15；所述的输入层各人工神经元与隐藏层各人工神经元之间以及隐藏层各人工神经元与输出层各人工神经元之间通过权重w_ij即第i个神经元的第j个输入相连接，通过反向传播算法对均衡器进行训练，进而调整各连接处的权重，使得人工神经元均衡器输出结果与期望值的均方误差达到或小于预期值。

与现有技术相比，本发明具有以下优点和有益效果：

(1)提出一种适用于可见光通信系统的16级脉冲振幅调制技术，将可见光通信系统的传输速率提高了4倍，用简单的基带调制方法突破了LED的带宽限制。

(2)针对特定场合的照明要求，在可见光通信系统中利用脉冲振幅调制和脉冲宽度调制技术进行调光，从而实现了通信照明一体化。

(3)在可见光通信系统中引入人工神经元网络进行均衡处理来优化接收端因信道多径效应而产生的码间干扰以及因为多级调光和信道噪声带来的误码率提升，从而大大提高了可见光通信系统的稳定性。

附图说明

图1为实例中的4×4LED阵列及脉冲振幅调制调整示意图。

图2为实例中所述的码间干扰的产生示意图。

图3a、图3b分别为实例中的人工神经元均衡器及人工神经元细胞示意图。

图4为实例中所述的LED驱动电路。

图5为实例中所述的可见光通信系统的框图。

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1：

如图5所示，一种基于人工神经元均衡器的通照一体化可见光通信系统，包括发射子系统、传输子系统和接收子系统，所述的发射子系统包括：第一可编程门阵列、模数转换器、LED驱动电路以及基于板上芯片封装的4×4LED阵列；所述的传输子系统为自由空间；所述的接收子系统包括n个光电二极管 PD₁‐PD_n、模数转换器、神经元均衡器、第二可编程门阵列；所述的第一可编程门阵列、模数转换器、LED驱动电路以及基于板上芯片封装的4×4LED阵列、 n个光电二极管PD₁‐PD_n、模数转换器、神经元均衡器、第二可编程门阵列依次连接。图4为实例中所述的LED驱动电路。

如图1所示，4位二进制数据0101在第一可编程门阵列1中进行调制，对应的脉冲振幅为5，即有5盏LED灯处于点亮状态，4×4LED阵列2发送 5级可见光脉冲信号。其中每一盏灯由于独立封装与驱动，以及每盏灯到光电检测器件的信道都不同，而在高频调制下相邻码元间的时间间隔很小，如图2 所示，信号波形的“拖尾”会显著影响下一个信号在判决时刻的值，由此产生了码间干扰。

进一步的，经由不同信道到达光电检测器件的可见光信号由n个光电二极管PD₁‐PD_n接收并转化为电信号，分别经过滤波与放大，作为人工神经元均衡器的输入。如图3a所示。n的值即为输入层神经元细胞的个数，n的大小由具体人工神经元网络的复杂度决定，需要兼顾运算速率与识别的精确度。

进一步的，如图3b所示，假设第i个神经元细胞的输入X_i为n维向量

X_i＝[x_i1 x_i2 x_i3 … x_in]

其中x_in为第i个神经元的第n个输入，相应的权重W_i也为n维向量

W_i＝[w_i1 w_i2 w_i3 … w_in]

其中w_i1表示第i个神经元的第n个权重，从而第i个神经元的输出值可以写为

Y_i＝φ(XW′-Q_i)

其中XW′称为激励值，它是每个输入与相应的权重的乘积的和。Q_i是第i个神经元的阈值，φ为激励函数。当激励值大于或等于阈值时，神经元表现为兴奋，反之则表现为抑制。

反向传播算法是神经元训练的算法，训练时，将一组训练集 [α₁ α₂ α₃ … α_k]与期望值E(α)赋予人工神经元网络，得到相应的输出值y(α)。按训练数据来调整连接中的权重w_ij(第i个神经元的第j个输入的权重)，通过比对输出与期望可以得到人工神经元网络的方均差D(α)

Dα)＝[y(α)-E(α)]²

在人工神经元网络中，利用梯度下降算法进行误差反向传播和权重校正，通过反复学习使得误差达到或小于预设值。权重校正公式为

其中w_ij(l)代表第l次训练中第i个神经元的第j个输入的权重，为D(α) 对w_ij(l)的偏导数，γ表示人工神经元均衡器的学习速率。从而经过反复训练，对于不同的光照度输入，神经元网络都可以给出误差低于预设值的判断，进而实现对信道的均衡处理。

经过人工神经元网络均衡处理的信号再输入第二可编程门阵列当中，可以还原出原信号，并与原信号进行比对，得出可见光通信系统的误码率。

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

1.基于人工神经元均衡器的通照一体化可见光通信系统，包括发射子系统、传输子系统和接收子系统，其特征在于，所述的发射子系统包括：第一可编程门阵列、模数转换器、LED驱动电路以及基于板上芯片封装的4×4LED阵列；所述的传输子系统为自由空间；所述的接收子系统包括n个光电二极管PD₁‐PD_n、模数转换器、神经元均衡器、第二可编程门阵列，其中n≥1且为正整数；所述的第一可编程门阵列、模数转换器、LED驱动电路以及基于板上芯片封装的4×4LED阵列、n个光电二极管PD₁‐PD_n、模数转换器、神经元均衡器、第二可编程门阵列依次连接。

2.根据权利要求1所述的一种基于人工神经元均衡器的通照一体化可见光通信系统，其特征在于，所述发射子系统的第一可编程门阵列将输入的信号进行调制，得到相应的二进制数据串；所述的数模转换器将二进制数据转化为模拟信号输入所述的LED驱动电路，驱动所述的4×4LED阵列发出相应的可见光信号。

3.根据权利要求2所述的一种基于人工神经元均衡器的通照一体化可见光通信系统，其特征在于第一可编程门阵列对输入的基带信号进行脉冲振幅调制与脉冲宽度调制；所述的脉冲振幅调制，将输入的二进制数据串每4位分为一组，即构成一个16进制数，实现0‐15之间的16级脉冲振幅，从而驱动4×4LED阵列发送16级可见光信号；所述的脉冲宽度调制，通过控制周期矩形波的周期大小和占空比来调节信号的总能量大小，从而调节LED阵列发出的光通量以适应不同场合的照明要求，进而实现通照一体化。

4.根据权利要求1所述的一种基于人工神经元均衡器的通照一体化可见光通信系统，其特征在于，所述的基于板上芯片封装的4×4LED阵列中每块LED芯片由相应的LED驱动电路来独立控制；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经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，生成耦合电信号；所述耦合电信号通过限流电阻输出。

5.根据权利要求1所述的一种基于人工神经元均衡器的通照一体化可见光通信系统，其特征在于所述的人工神经元均衡器采用一个3层的多层感知器结构，包括输入层、隐藏层和输出层；所述的输入层包含n个人工神经元细胞，分别接收n个光电二极管PD₁‐PD_n所发送的电信号；所述的隐藏层为一层包含若干个人工神经元细胞，具体个数由训练效果决定；所述的输出层包含16个人工神经元细胞，相应的输出为0‐15；所述的输入层各人工神经元与隐藏层各人工神经元之间以及隐藏层各人工神经元与输出层各人工神经元之间通过权重w_ij即第i个神经元的第j个输入相连接，通过算法对均衡器进行训练，进而调整各连接处的权重，使得人工神经元均衡器输出结果与期望值的均方误差达到或小于预期值；所述算法利用梯度下降算法进行误差反向传播和权重校正，通过反复学习使得误差达到或小于预设值；权重校正公式为

<mrow> <msub> <mi>w</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>=</mo> <msub> <mi>w</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>)</mo> </mrow> <mo>-</mo> <mi>&gamma;</mi> <mfrac> <mrow> <mo>&part;</mo> <mi>D</mi> <mrow> <mo>(</mo> <mi>&alpha;</mi> <mo>)</mo> </mrow> </mrow> <mrow> <mo>&part;</mo> <msub> <mi>w</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>)</mo> </mrow> </mrow> </mfrac> </mrow>

其中w_ij(l)代表第l次训练中第i个神经元的第j个输入的权重，γ表示人工神经元均衡器的学习速率；从而经过反复训练，对于不同的光照度输入，神经元网络都能给出误差低于预设值的判断，进而实现对信道的均衡处理。