CN108365891A - 一种室内可见光通信系统下行覆盖均匀性优化方法 - Google Patents

Abstract

本发明涉及一种室内可见光通信系统下行覆盖均匀性优化方法，属于光通信技术领域。本发明所述的方法通过采用改进的遗传模拟退火算法搜索一组最优的功率调节因子调节室内LED阵列的发射功率，使得接收平面上的接收光功率分布更加均匀。基于接收平面上所有接收点的接收光功率信息设计了适应度函数作为选择功率调节因子个体的依据；在算法流程中将种群划分为两个子种群后分别对其执行交叉操作和变异操作；根据种群中最优个体是否发生变化的信息设计自适应的变异概率公式；本发明能够有效改善室内可见光通信系统下行光功率分布的均匀性，减小接收平面上不同位置的接收光功率的差异，提高系统照明和通信的公平性。

Description

一种室内可见光通信系统下行覆盖均匀性优化方法

技术领域

本发明属于光通信技术领域，涉及一种室内可见光通信系统下行覆盖均匀性优化方法。

背景技术

相比于传统射频(Radio Frequency,RF)通信，基于发光二极管(LED,lightemitting diode)的室内可见光通信具有功耗低、安全性高、无电磁干扰、可用带宽大且无需认证等优点，具有广阔的应用发展前景。在实际应用场景中，可见光通信系统通常需要布置多个LED阵列来实现照明和高密度、高速率的数据传输需要。但是，LED固有的朗伯辐射模型及信道的多径效应等会造成接收平面的接收光功率和照明强度分布不均匀，使得位于同一接收平面不同位置的用户难以享受到同等的服务质量。因此，研究优化室内可见光通信系统覆盖均匀性具有重要意义。

目前优化室内可见光通信系统下行链路覆盖均匀性的方案大致有基于几何图形优化LED阵列的布局、基于算法优化LED阵列的布局和基于算法优化系统的参数等几类。其中基于几何图形优化LED阵列布局的方案通常具有一定的主观性，并且优化效果有限。基于算法优化LED阵列布局通常利用的智能优化算法，但智能优化算法的搜索结果是未知的，进而造成最终求得的LED阵列的坐标不可预知。此时即便是达到了相对理想的优化结果，LED阵列凌乱的坐标影响美观并且也不适用于实际的应用场景。因而相对理想的方案是在固定LED阵列坐标的情况下优化系统的参数，在众多的参数中最具有可调性和可操作性的参数便是LED阵列的发射光功率。目前这类方案的问题在于如何选择或改进合适的算法。

发明内容

有鉴于此，本发明的目的在于提供一种室内可见光通信系统下行覆盖均匀性优化方法，该方法基于改进的遗传模拟退火算法为LED阵列搜索最优的功率调节因子，以此来调节LED阵列的发射功率，使得调节后的发射功率能均匀地覆盖接收平面。为了使接收平面上各个接收点之间的接收光功率差别最小，该方法以基于接收点的接收光功率差异性信息的适应度函数作为个体选择的依据，并且在执行选择操作后将种群划分为规模大小相同(或仅相差一个个体)的两个子种群。然后对两个子种群分别执行交叉操作和自适应的变异操作。最后对产生的新个体，利用Metropolis接受准则决定是否予以接受。

为达到上述目的，本发明提供如下技术方案：

一种室内可见光通信系统下行覆盖均匀性优化方法，包括以下步骤：

输入：室内系统参数和算法执行所需要的参数；其中，室内系统参数包括：室内环境的尺寸、发射端LED阵列的数目、初始的LED发射功率、LED阵列的器件参数、接收机的参数和接收点数目，算法执行所需要的参数包括：初始温度、降温系数、种群规模、交叉概率、初始变异概率、变异步长和最大进化代数；

S1：初始化初始温度T₀，降温函数T_k＝T₀，进化代数k＝1，生成规模为N_popu的初始种群；

S2：计算种群中个体的适应度函数值f(c)；

S3：判断进化代数k是否达到设定最大进化代数或者种群中最优适应度函数值连续15代不变或者温度降温0，若是，转步骤S8，否则，转步骤S4；

S4：执行选择操作，按P_sel(c)选择个体，并将得到的种群随机划分为规模为和的子种群1和子种群2，表示向下取整；P_sel(c)表示个体c被选中的概率：

其中，N_popu为种群中个体的数目，分母为种群中所有个体的适应度函数值之和，f(u)表示种群中个体u的适应度函数值；

S5：对子种群1和子种群2分别按交叉概率P_cro和公式P_mut＝P_init+λ_inc×P_inc的变异概率P_mut执行交叉和变异操作；P_init为初始变异概率，P_inc为步长，λ_inc为从上次变异概率变化时开始，种群中最优个体未变优的进化代数；当最优个体保持不变的代数逐渐增多时，会适当的增大变异概率，调节算法的局部搜索能力；

S6：按Metropolis准则接受步骤S5中得到的新个体并替换相应父代个体，得到新种群；

S7：执行降温操作，按公式T_k＝λ·T_k-1更新T_k，k＝k+1，λ为降温系数，取值范围为[0.5,0.99]，T_k为第k代的温度，转步骤S2；

S8：输出种群中适应度函数值最大的最优个体信息；

输出：一组调节LED阵列的最优的功率调节因子c＝(k₁,k₂,…,k_NLED)。

进一步，在步骤S2中，所述适应度函数为：

其中P_r(R_j)为接收点j的接收功率，c为染色体，即个体；由上式知，个体的适应度函数值的范围为0～1；并且当各个接收点的接收光功率值越接近时，f(c)的越接近1，当且仅当P_r(R₁)＝P_r(R₂)＝...＝P_r(R_j)时，f(c)＝1。

进一步，所述P_r(R_j)表达式为：

式中，S_i表示第i个LED，R_j表示第j个PD，N_LED为总的LED数目，P_t为LED的发射功率，H_d(0)为直射链路的信道的信道增益，H_ref(0)为反射链路信道增益；其中：

m为朗伯指数，表达式为：m＝-ln2/ln(cos(φ_1/2))，φ_1/2为LED半功率角，A为PD接收机有效监测面积，ψ_c为PD的半视场角(Field ofView,FOV)，D_d为LED和PD之间的直线距离，ψ为PD的入射角，φ为LED发射角，在视距链路中入射角和发射角相等，T_s(ψ)和g(ψ)分别为光滤波器和光集中器的增益，g(ψ)定义如下：

n_lens是PD透镜的折射系数。

进一步，在步骤S6中，所述按Metropolis准则接受步骤S5中得到的新个体的概率为：

ΔE＝f(c')-f(c)，表示新个体与旧个体的适应度函数值之差；rand为[0,1)之间的随机数；当新个体适应度函数值高于旧个体时则接受新个体，当新个体质量较差时，仍以一定概率接受，避免算法陷入局部最优。

本发明的有益效果在于：本发明为选择最优个体设计了基于接收点的接收光功率差异性信息的适应度函数，并依据该公式进行个体(也即解)的选择，在选择操作后对种群进行划分能够丰富算法的执行流程，充分保持种群的多样性。此外设计的变异概率公式能够根据算法的执行情况自适应的调节变异概率，调节算法的局部搜索能力。最后采用的Metropolis接受准则能够以一定的概率接受质量较差的个体，避免算法陷入局部最优。

附图说明

为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行说明：

图1为室内可见光通信系统下行链路示意图；

图2为染色体交叉示意图；

图3为LED阵列布局示意图；

图4为图3布局下原始的接收光功率分布；

图5为图3布局下优化后的接收光功率分布。

图6为改进的遗传模拟退火算法总流程图。

具体实施方式

下面将结合附图，对本发明的优选实施例进行详细的描述。

本发明提供的一种室内可见光通信系统下行覆盖均匀性优化方法，在特定的室内环境下，利用改进的遗传模拟退火算法寻找一组最优的功率调节因子用来调节LED阵列的发射功率，使得接收面上的接收光功率分布尽量均匀。本发明首先根据输入的系统参数构造染色体，采用十进制的编码方式构造染色体，染色体中的基因为LED的功率调节因子k_l，k_l∈(0,1)。一组功率调节因子共同构成一条染色体：算法中设计了基于接收点的接收光功率差异性信息的适应度函数如公式(1)所示：

公式(1)中P_r(R_j)为接收点j的接收功率，c为染色体(个体)。由公式(1)可知，个体的适应度函数值的范围为0～1。并且当各个接收点的接收光功率值越接近时，f(c)的越接近1。公式中的接收光功率表达式如式(2)所示：

公式(2)中，S_i表示第i个LED，R_j表示第j个PD，N_LED为总的LED数目，P_t为LED的发射功率，H_d(0)为直射链路的信道的信道增益，H_ref(0)为反射链路信道增益。其中：

公式(3)中，m为朗伯指数，其表达式为：m＝-ln2/ln(cos(φ_1/2))，φ_1/2为LED半功率角，A为PD接收机有效监测面积，ψ_c为PD的半视场角(Field ofView,FOV)，D_d为LED和PD之间的直线距离，ψ为PD的入射角，φ为LED发射角，在视距链路中两者相等，T_s(ψ)和g(ψ)分别为光滤波器和光集中器的增益，g(ψ)定义如下：

n_lens是PD透镜的折射系数。

一阶反射链路的信道增益计算方式如公式(5)所示：

公式(5)中，D₁为LED到反射点的距离，D₂为反射点到接收端的距离，α为反射点的入射角，β为反射点到接收端的散射角，ρ为反射因子，dA_wall为反射元的面积，其余参数与公式(3)中物理意义相同。为了便于理解各个参数的关系，在图1中给出室内可见光通信系统下行链路示意图。

染色体及适应度函数设计完成后执行选择操作，选择操作采用采用轮盘赌选择(Roulette Wheel Selection,RWS)的方式。RWS根据个体适应度函数值选择个体，使适应度值高的个体被选中而生存下来的概率更大，在选择操作中，个体c被选中的概率为：

公式(6)中N_popu为种群中个体的数目，分母为种群中所有个体的适应度函数值之和。

本发明设计的算法流程在对种群执行完选择操作后，将种群划分为规模相等或仅相差一个个体的两个子种群。然后对两个子种群分别执行交叉操作和变异操作。交叉操作采用双点交叉方式，如图2所示，即在两个父代个体中随机设定两个交叉点，然后将交叉点之间的等位基因进行互换生成两个新的个体，交叉概率为常数P_cro。

本发明中设计的变异概率如公式(7)所示：

P_mut＝P_init+λ_inc×P_inc (7)

公式(7)中P_init为初始变异概率，P_inc为步长。λ_inc为从上次变异概率变化时开始，种群中最优个体未变优的进化代数。当最优个体保持不变的代数逐渐增多时，(7)式会适当的增大变异概率，以此调节算法的局部搜索能力。

两个子种群分别执行完交叉操作和变异操作后，采用Metropolis接受准则接受种群产生的新个体，接受新个体的概率为：

式(8)中ΔE＝f(c')-f(c)，表示新个体与旧个体的适应度函数值之差。rand为[0,1)之间的随机数。由式(8)可知当新个体适应度函数值高于旧个体时则接受新个体。当新个体质量较差时，仍以一定概率接受，这样可以避免算法陷入局部最优。T_k为第k代的温度，本发明采用的降温函数如公式(9)所示：

T_k＝λ·T_k-1 (9)

式(9)中的λ为降温系数，其取值范围一般在[0.5,0.99]。

下面将结合图6对本发明的室内可见光通信系统下行覆盖均匀性优化方法进行更为具体的介绍，具体的流程可分为以下几个步骤：

输入：室内系统参数(系统参数包括：室内环境的尺寸、发射端LED阵列的数目、初始的LED发射功率、LED阵列的器件参数、接收机的参数、接收点数目等)和算法执行所需要的参数(包括：初始温度、降温系数、种群规模、交叉概率、初始变异概率、变异步长、最大进化代数等)。

输出：一组调节LED阵列的最优的功率调节因子

步骤1：初始化初始温度T₀，降温函数T_k＝T₀，进化代数k＝1，生成规模为N_popu的初始种群；

步骤2：计算种群中个体的适应度函数值f(c)；

步骤3：判断进化代数k是否达到设定最大进化代数或者种群中最优适应度函数值连续15代不变或者温度降温0，若是，转步骤8，否则，转步骤4；

步骤4：执行选择操作，按P_sel(c)选择个体，并将得到的种群随机划分为规模为(表示向下取整)和的子种群1和子种群2；

步骤5：对子种群1和子种群2分别按交叉概率P_cro和公式(7)的变异概率P_mut执行交叉和变异操作；

步骤6：按Metropolis准则接受步骤5中得到的新个体并替换相应父代个体，得到新种群；

步骤7：执行降温操作，按公式(9)更新T_k，k＝k+1，转步骤2；

步骤8：输出种群中适应度函数值最大的最优个体信息。

下面将结合实例对本发明的室内可见光通信系统下行覆盖均匀性优化方法的优化效果进行分析：

假设室内室内环境参数取值如表1所示，且LED阵列布局如图3所示。算法执行所需要的参数取值为初始温度T₀＝1000、降温系数λ＝0.95、种群规模N_popu为100、交叉概率P_cro＝0.30、初始变异概率P_init＝0.003、变异步长P_inc＝0.001，最大进化代数为300。

表1室内系统参数

符号	含义	值
			L×W×H	房间尺寸	5m×5m×3m
NLED	LED阵列数目	16
			FOV	发射机视场角	45°
Hf	接收平面高度	0.85m
			Pt	单LED发送功率	452mW
Φ1/2	半功率角	80deg
			–	单阵列中LED芯片数	7×7
–	LED芯片之间的间隔	0.01m
			Ts0	滤波器增益	1.0
g0	集中器增益	1.0
			ψc	接收机视场角	55deg
A	检测器物理表面积	1.0cm2
			Psens	PD接收机灵敏度	0.52A/W
nlens	透镜反射指数	1.5
			Nrec	接收点数目	50×50

图4所示为在图3所示布局及系统参数条件下的原始的接收光功率分布，此时接收光功率的范围为-2.46dBm～-1.38dBm，功率方差为2.78。图5所示为在图3所示布局及上述的系统参数和算法参数设置条件下，利用本发明中室内可见光通信系统下行覆盖均匀性优化方法优化后的接收光功率分布，优化后的接收光功率范围为-4.57dBm～-3.71dBm，功率方差为0.99。由此可见本发明所提方法能够有效的优化室内可见光通信系统下行覆盖的均匀性。

最后说明的是，以上优选实施例仅用以说明本发明的技术方案而非限制，尽管通过上述优选实施例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离本发明权利要求书所限定的范围。

Claims (4)

1.一种室内可见光通信系统下行覆盖均匀性优化方法，其特征在于：该方法包括以下步骤：

输入：室内系统参数和算法执行所需要的参数；其中，室内系统参数包括：室内环境的尺寸、发射端LED阵列的数目、初始的LED发射功率、LED阵列的器件参数、接收机的参数和接收点数目，算法执行所需要的参数包括：初始温度、降温系数、种群规模、交叉概率、初始变异概率、变异步长和最大进化代数；

S1：初始化初始温度T₀，降温函数T_k＝T₀，进化代数k＝1，生成规模为N_popu的初始种群；

S2：计算种群中个体的适应度函数值f(c)；

S3：判断进化代数k是否达到设定最大进化代数或者种群中最优适应度函数值连续15代不变或者温度降温0，若是，转步骤S8，否则，转步骤S4；

S4：执行选择操作，按P_sel(c)选择个体，并将得到的种群随机划分为规模为和的子种群1和子种群2，表示向下取整；P_sel(c)表示个体c被选中的概率：

其中，N_popu为种群中个体的数目，分母为种群中所有个体的适应度函数值之和，f(u)表示种群中个体u的适应度函数值；

S5：对子种群1和子种群2分别按交叉概率P_cro和公式P_mut＝P_init+λ_inc×P_inc的变异概率P_mut执行交叉和变异操作；P_init为初始变异概率，P_inc为步长，λ_inc为从上次变异概率变化时开始，种群中最优个体未变优的进化代数；当最优个体保持不变的代数逐渐增多时，会适当的增大变异概率，调节算法的局部搜索能力；

S6：按Metropolis准则接受步骤S5中得到的新个体并替换相应父代个体，得到新种群；

S7：执行降温操作，按公式T_k＝λ·T_k-1更新T_k，k＝k+1，λ为降温系数，取值范围为[0.5,0.99]，T_k为第k代的温度，转步骤S2；

S8：输出种群中适应度函数值最大的最优个体信息；

输出：一组调节LED阵列的最优的功率调节因子

2.根据权利要求1所述的一种室内可见光通信系统下行覆盖均匀性优化方法，其特征在于：在步骤S2中，所述适应度函数为：

其中P_r(R_j)为接收点j的接收功率，c为染色体，即个体；由上式知，个体的适应度函数值的范围为0～1；并且当各个接收点的接收光功率值越接近时，f(c)的越接近1，当且仅当P_r(R₁)＝P_r(R₂)＝...＝P_r(R_j)时，f(c)＝1。

3.根据权利要求2所述的一种室内可见光通信系统下行覆盖均匀性优化方法，其特征在于：所述P_r(R_j)表达式为：

式中，S_i表示第i个LED，R_j表示第j个PD，N_LED为总的LED数目，P_t为LED的发射功率，H_d(0)为直射链路的信道的信道增益，H_ref(0)为反射链路信道增益；其中：

m为朗伯指数，表达式为：m＝-ln2/ln(cos(φ_1/2))，φ_1/2为LED半功率角，A为PD接收机有效监测面积，ψ_c为PD的半视场角(Field of View,FOV)，D_d为LED和PD之间的直线距离，ψ为PD的入射角，φ为LED发射角，在视距链路中入射角和发射角相等，T_s(ψ)和g(ψ)分别为光滤波器和光集中器的增益，g(ψ)定义如下：

n_lens是PD透镜的折射系数。

4.根据权利要求1所述的一种室内可见光通信系统下行覆盖均匀性优化方法，其特征在于：在步骤S6中，所述按Metropolis准则接受步骤S5中得到的新个体的概率为：

ΔE＝f(c')-f(c)，表示新个体与旧个体的适应度函数值之差；rand为[0,1)之间的随机数；当新个体适应度函数值高于旧个体时则接受新个体，当新个体质量较差时，仍以一定概率接受，避免算法陷入局部最优。