CN111447007A - 一种基于正弦函数变步长lms均衡的可见光通信系统 - Google Patents

Abstract

本发明公开了一种基于正弦函数变步长LMS均衡的可见光通信系统，该系统包括：首次通信时，训练序列经过发射机驱动电路驱动LED发光，光信号进入VLC信道后受到码间干扰和随机噪声的影响，输出信号为u(n)；将信号u(n)与抽头系数相乘并求和得到滤波器的输出信号，将期望信号和输出信号相减得到误差信号进而构造均方误差函数；根据正弦函数曲线构造步长因子和误差信号的非线性函数，构造抽头系数的更新关系式，将调整好的α和β取值的变步长正弦函数式代入，获得抽头系数的最优值实现对信道的补偿。再次通信时，采用接收信号差值比的LMS初始化方式，选择合适的抽头系数加快收敛速度，均衡器的收敛速度加快，抽头系数更快达到最佳值，实现对信道的补偿。

Description

一种基于正弦函数变步长LMS均衡的可见光通信系统

技术领域

本发明涉及可见光通信(Visible Light Communication，VLC)和数字信号处理技术领域，尤其涉及一种消除码间干扰影响的可见光通信系统，并通过信号处理技术对系统进行优化，提高可见光通信系统的均衡效果。

背景技术

当今社会发展迅速，移动互联网技术不断普及，对无线通信业务的需求增加迅猛，导致射频频谱资源越发紧张。因此，人们开始关注更高频率的波段。研究发现在红外光和紫外光间的可见光波段具有巨大的应用潜力，且无需无线电频谱认证。作为一种室内无线传输技术，可见光通信利用发光二极管(Light-emittingDiode，LED)作为光源，在照明的同时实现高速通信，因而具有广泛的开发前景。然而，室内可见光通信存在着多径效应；一方面是因为接收信号既包含直射光也包含来自墙壁和天花板等的反射光；另一方面是因为室内安放有多个发射光源。因接收信号受到码间干扰的影响，故信号判决准确度大大降低。因此，研究人员提出了多种对室内VLC系统信道进行补偿的方法，如最小均方(Least MeanSquare，LMS)算法、递归最小二乘(Recursive least squares，RLS)算法以及Bussgang类盲均衡算法。其中，基于最小均方(LMS)算法的自适应均衡技术因其具有收敛速度快、稳态误差小、抗干扰能力强、计算量较小的优点，因而成为可见光通信系统领域的研究热点之一。

通常，基于LMS算法的可见光通信系统的性能是通过收敛速度和稳态误差两项指标进行判断的。当步长因子取值较大时，可获取较快的收敛速度，但稳态误差较大；反之，当步长因子取值较小时，可获取较小的稳态误差，但收敛速度较慢。因此，固定步长因子的LMS算法存在收敛速度和稳态误差间的相互矛盾。

为解决上述问题，研究人员提出了变步长方法^[1,2]：在误差值大时(初始收敛阶段)，为获取较快的收敛速度，步长取较大值；当误差值小时(收敛完成阶段)，为获取小的稳态误差，步长取较小值，以此来提高整个算法的性能。目前，LMS算法的优化方案主要以Sigmoid函数为基础，已构造出多个变步长的优化算法，例如，罗小东等人提出的SVSLMS算法^[3]以及杨红等人提出改进的SVSLMS算法^[4]。

这些优化算法都是根据变步长的基本原则，在步长因子和误差信号间建立非线性关系，达到变步长调整的目的。尽管可见光通信系统中提出的变步长方法改进效果较为显著，但也存在着两个缺点：

1、在收敛过程中曲线下降速率慢，难以实现快速收敛；

2、在收敛阶段，曲线不具有缓变特性，步长在稳态阶段调整过快。

参考文献

[1]一种基于变步长LMS算法的有源噪声控制系统(申请号：CN201610725164.X)

[2]一种快速LMS自适应波束形成的方法(申请号：CN201410339145.4)

[3]罗小东,贾振红,王强.一种新的变步长LMS自适应滤波算法[J].电子学报,2006,34(6):1123-1126.

[4]杨红,李德敏,林苍松,等.一种新的变步长LMS自适应滤波算法[J].通信技术,2010,43(11):153-155.

发明内容

为了解决变步长LMS算法在可见光通信系统中存在的上述问题，本发明拟利用正弦函数来构造步长因子和误差信号的非线性关系，该系统不仅提高了可见光通信系统在收敛过程中函数曲线的下降速率，加快系统的收敛速度，而且在收敛阶段，函数曲线下降速率变缓，步长在稳态阶段的调整也变慢，从而优化可见光通信系统的均衡效果，详见下文描述：

一种基于正弦函数变步长LMS均衡的可见光通信系统，该系统包括：

训练序列经过发射机驱动电路驱动LED发光，光信号进入VLC信道后受到码间干扰和随机噪声的影响，输出信号为u(n)；

将信号u(n)与抽头系数相乘并求和，得到滤波器的输出信号，将期望信号和输出信号相减得到误差信号进而构造均方误差函数；

根据正弦函数曲线构造步长因子和误差信号的非线性函数，构造抽头系数的更新关系式，将调整好的α和β取值的变步长正弦函数式代入，获得抽头系数的最优值实现对信道的补偿。

再次通信时，采用接收信号差值比的LMS初始化方式，选择合适的抽头系数加快收敛速度，均衡器的收敛速度加快，抽头系数更快达到最佳值，实现对信道的补偿。

1、其中，步长因子和误差信号的非线性函数为：

μ(n)＝αsin(βe²(n))

通过调整变步长正弦函数的α和β取值，使曲线变化在收敛过程中和收敛阶段达到最佳状态，e(n)为误差信号。

2、再次进行通信时，系统的数据存储模块已记录收敛时的接收信号值N_n和对应的收敛抽头系数W_n。计算接收信号值N与已收敛接收信号值N_n的差值比d。

若d<D，则抽头系数选择w_n；反之，则抽头系数选择w_e(0)。D为阈值，若D的取值太大，初始抽头系数会使LMS算法出现误收敛的情况；若D的取值太小，数据存储模块中的数据失去参考价值。经过多次试验和数据分析，将D设置为10％。

本发明提供的技术方案的有益效果是：

1、本发明的均衡器采用有限脉冲响应滤波器结构，具有系统稳定的特点；而采用的LMS算法具有收敛速度快、稳态误差小、计算量较小的特点；因此，结合两者的特点，本发明所述均衡结构具有抗干扰能力强、结构易实现、收敛速度快等特点；

2、本发明的可见光通信系统在收敛过程中，曲线下降速度较快，可加快收敛速度；收敛阶段，曲线下降速率变缓，步长在稳态阶段调整具有缓变特性；

3、本发明所构造的变步长正弦函数通过调整α和β取值，使函数曲线变化在收敛过程中和收敛阶段达到最佳状态，进而使可见通信系统快速达到收敛状态；

4、本发明通过选择合适的抽头系数加快收敛速度，在不增加计算复杂度的基础上，均衡器的收敛速度加快，稳态误差相对减小，抽头系数更快达到最佳值。

附图说明

图1为VLC信道模型及LMS均衡器的结构图；

图2是有限脉冲响应滤波器结构图；

图3是基于接收信号差值比的初始化方法流程图；

图4是本算法的步长因子与误差函数对比图(α不同β相同)；

图5是本算法的步长因子与误差函数另一对比图(α相同β不同)；

图6是三种算法的α和β取最佳值时步长因子与误差函数对比图；

图7是三种算法在相同环境下均方误差对比图。

图8是两种初始化方法的均方误差分布图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面对本发明实施方式作进一步地详细描述。

实施例1

1、本发明的可见光通信系统中的均衡器包括两部分：数字滤波器和自适应算法。其中，数字滤波器采用有限脉冲响应滤波器结构，自适应算法采用最小均方(LMS)算法。

2、训练序列d(n)经过发射机驱动电路驱动LED发光，将电信号转化为光信号，光信号进入VLC信道后受到码间干扰和随机噪声v(n)的影响，输出信号为u(n)＝d(n)h(n)+v(n)。

3、在信号处理过程中，首先将输入信号u(n)与抽头系数W(n)相乘并求和，得到滤波器的输出信号y(n)，然后，将期望信号d(n)和输出信号y(n)相减得到误差信号e(n)；随后，通过误差信号e(n)来构造自适应算法所需的均方误差函数，即J＝e²(n)。

4、根据正弦函数曲线的变化特点来构造步长因子μ(n)和误差信号e(n)的非线性函数，具体函数形式如下：

μ(n)＝αsin(βe²(n))

5、通过调整变步长正弦函数的α和β取值，使函数曲线变化在收敛过程中和收敛阶段达到最佳状态。

6、构造抽头系数的更新关系式W(n+1)＝W(n)+2μe(n)u(n)，将调整好的α和β取值的变步长正弦函数式代入抽头系数的更新关系式中，通过不断迭代运算，获得抽头系数的最优值。

7、通过使用抽头系数的最优值，均衡器就可以将正常通信的发射信号在接收端准确地恢复出来，从而实现对信道的补偿。

8、再次通信时，计算接收信号值N与已收敛接收信号值N_n的差值比d，通过d与阈值进行比较来选择合适的抽头系数，当抽头系数达到收敛状态时，将此时接收信号值N和抽头系数W记录在数据存储模块中作为之后通信的参考数据。

实施例2

本发明的可见光通信系统如图1所示，训练序列d(n)经过发射机驱动电路驱动LED发光，将电信号转化为光信号；光信号进入VLC信道后受到码间干扰和随机噪声v(n)的影响，输出信号为u(n)＝d(n)h(n)+v(n)；随后信号u(n)经过光电转换电路，将光信号转化为电信号；电信号作为均衡器的输入信号，均衡器通过对接收到的电信号进行均衡处理，从而起到对可见光通信信道补偿的作用；均衡后的电信号经过抽样判决电路，可以准确地将原始训练序列d(n)恢复出来。均衡器适应了VLC信道的变化，抽头系数通过不断地迭代运算达到最佳值，然后通过使用此最佳抽头系数，均衡器就可以将正常通信的发射信号在接收端准确地恢复出来，这样就可大大降低了可见光通信系统的误码率。

均衡器的均衡效果取决于滤波器结构和自适应算法。本发明采用的是有限脉冲响应滤波器结构。有限脉冲响应滤波器结构如图2所示，其由有限个采样值组成，在每个采样时刻完成有限个卷积运算，它有2N个延时，每个延时时间为T_b，在各个延时之间引出抽头系数，共2N+1个。每个抽头系数w_i是可调的，输入延时和对应的抽头系数相乘后相加得到输出。因此，当输入x(t)存在码间干扰和噪声影响的失真时，可以调整各个w_i(i＝-N，-N+1，-N+2，…，0，…，N)值，这样能够使输出的信号y(t)对相邻输出信号的码间干扰影响得到降低，当抽头系数调整到最佳值，输出信号的码间干扰也降到最低。本发明采用的自适应算法是最小均方(LMS)算法，结合以下的实施方式进行具体介绍。

可见光通信系统中的均衡器对输入信号进行均衡的具体实施方式如下：

步骤1：对均衡器的抽头系数W进行初始化设置，采用中心抽头初始化方法，即中间的抽头系数为1，其余为0；

步骤2：输入信号u(n)与抽头系数W(n)相乘，得到输出信号y(n)。

式中，N为均衡器的阶数；W为抽头系数。

步骤3：期望信号d(n)和输出信号y(n)相减，得到误差信号e(n)。

e(n)＝d(n)-y(n) (2)

步骤4：通过误差信号e(n)来构造自适应算法所需的均方误差函数。

J＝e²(n) (3)

步骤5：根据变步长的基本原则，构造步长因子μ(n)和误差信号e(n)的非线性正弦函数，具体函数形式如下：

μ(n)＝αsin(βe²(n)) (4)

从而达到变步长调整的目的。

步骤6：构造抽头系数的更新关系式。

W(n+1)＝W(n)+2μe(n)u(n) (5)

式中，μ为步长因子。

步骤7：将式(4)代入步骤6的式(5)中，不断地迭代运算，从获得抽头系数的最优值。

由式(5)可知，抽头系数W决定于步长因子μ，步长因子μ通过影响抽头系数W来控制收敛速度。因此，步长变化的特点决定抽头系数的最佳值和算法的收敛速度。

再次通信时，对系统的处理如下。

基于接收信号差值比的LMS初始化方法的流程图如图3所示，具体操作如下：

(1)首次通信时，数据存储模块中没有接收信号值和抽头系数可参考，故均衡器采用中心抽头初始化方法，采用LMS算法得到收敛后的均衡器抽头系数W_n和接收信号值N_n并记录。

(2)再次进行通信时，系统的数据存储模块已记录收敛时的接收信号值N_n和对应的收敛抽头系数W_n。然后计算接收信号值N与已收敛接收信号值N_n的差值比d。

(3)若d<D，则抽头系数选择w_n；反之，则抽头系数选择w_e(0)。D为阈值，若D的取值太大，初始抽头系数会使LMS算法出现误收敛的情况；若D的取值太小，数据存储模块中的数据失去参考价值。经过多次试验和数据分析，将D设置为10％。

初始化完成后，按照LMS算法的步骤完成通信信道的均衡。当抽头系数达到收敛状态时，将此时接收信号值N和抽头系数W记录在数据存储模块中作为之后通信的参考数据。当再次进行通信时，重复以上步骤即可。

实施例3

下面通过本发明提出的非线性正弦函数的曲线变化进行变步长分析。经过对β多次取值仿真，β取值0.6时，可以更好的分析α对曲线变化的影响以及最佳取值范围。如图3所示，α取值越大，收敛过程中，函数曲线下降速率越快，但在收敛阶段，α取值太大，曲线下降速率的缓变特性会降低，通过曲线对比，α最佳取值范围在0.5～0.7。确定α的最佳取值为0.6后，分析β对曲线变化的影响以及最佳取值范围。如图4所示，β取值越小，收敛阶段，曲线下降速率的变缓特性越明显，但在收敛过程中，函数曲线下降速率越慢，通过曲线对比，β最佳取值范围在0.5～0.7。本算法函数曲线变化在收敛过程中和收敛阶段达到最佳状态时，α取值为0.6，β取值为0.6。

下面通过对比三种算法曲线变化来说明本算法的优点。本算法中α和β的最佳取值均为0.6，SVSLMS算法和改进的SVSLMS算法使用文献(3、4)中的最佳值。如图5所示，三种算法的α和β取最佳值时步长因子与误差函数对比图。由图可见，收敛过程中，SVSLMS算法的函数曲线的下降速率快于改进的SVSLMS算法，但收敛阶段，SVSLMS算法的函数曲线下降速率的变缓程度明显不如改进的SVSLMS算法。而本算法弥补了两者的不足，在收敛过程中，函数曲线的下降速率明显快于改进的SVSLMS算法，但在误差信号为0～0.7之间，下降速率慢于SVSLMS算法；在收敛阶段，曲线下降速率的变缓特性明显强于两者。

将α和β均取最佳值的三种算法都用于上面设计的均衡器中，对比三种算法在相同环境下均方误差变化情况，仿真结果如图6，SVSLMS算法的收敛速度快于改进的SVSLMS算法，但稳态误差小于改进的SVSLMS算法，而本算法的收敛速度快于两者，且稳态误差明显小于两者。基于正弦函数的变步长LMS算法均衡器的均衡效果明显提高。

实施例4

下面将中心抽头系数初始化方法与基于接收信号差值比初始化方法进行对比分析。图8为两种初始化方法的均方误差对比分布图。中心抽头初始化方法的均衡器达到稳态误差需要迭代250次，而基于接收信号差值比的LMS初始化方法的均衡器达到稳态误差只需要迭代100次。两者对比，可见基于接收信号差值比的LMS初始化方法可以提高LMS算法的收敛速度，抽头系数更快达到最优值。

综上所述，本发明提出了基于正弦函数变步长的可见光通信系统采用了有限脉冲响应滤波器结构和最小均方(LMS)算法，具有抗干扰能力强、结构易实现、收敛速度快等特点。介绍了均衡器对输入信号进行均衡的具体实施方式。对基于正弦函数的均衡方法进行了分析，曲线变化在收敛过程中和收敛阶段达到最佳状态时，α和β均取值为0.6。将三种算法的α和β均取最佳值时，函数曲线进行了对比分析，本算法的变步长的特性明显强于两者，并且将在相同信道环境下的均衡效果进行对比，本算法的收敛速度明显快于两者。介绍了基于接收信号差值比的LMS初始化方法，该方法可以提高LMS算法的收敛速度，稳态均方误差较小，抽头系数更快达到最优值。

本发明实施例对各器件的型号除做特殊说明的以外，其他器件的型号不做限制，只要能完成上述功能的器件均可。

本领域技术人员可以理解附图只是一个优选实施例的示意图，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种基于正弦函数变步长LMS均衡的可见光通信系统，其特征在于，该系统包括：

训练序列经过发射机驱动电路驱动LED发光，光信号进入VLC信道后受到码间干扰和随机噪声的影响，输出信号为u(n)；

将信号u(n)与抽头系数相乘并求和，得到滤波器的输出信号，将期望信号和输出信号相减得到误差信号进而构造均方误差函数，其抽头系数采用中心抽头初始化方式；

根据正弦函数曲线构造步长因子和误差信号的非线性函数，构造抽头系数的更新关系式，将调整好的α和β取值的变步长正弦函数式代入，获得抽头系数的最优值实现对信道的补偿。

再次通信时，采用接收信号差值比的LMS初始化方式：选择合适的抽头系数加快收敛速度，均衡器的收敛速度加快，抽头系数更快达到最佳值，实现对信道的补偿。

2.根据权利要求1所述的一种基于正弦函数变步长LMS均衡的可见光通信系统，其特征在于，步长因子和误差信号的非线性函数为：

μ(n)＝αsin(βe²(n))

通过调整变步长正弦函数的α和β取值，使曲线变化在收敛过程中和收敛阶段达到最佳状态，e(n)为误差信号。

3.根据权利要求1所述的一种基于正弦函数变步长LMS均衡的可见光通信系统，其特征在于，所述采用接收信号差值比的LMS初始化方式具体为：：

(1)首次通信时，数据存储模块中没有接收信号值和抽头系数可参考，故均衡器采用中心抽头初始化方法，采用变步长LMS算法得到收敛后的均衡器抽头系数W_n和接收信号值N_n并记录；

(2)再次通信时，数据存储模块已记录收敛时的接收信号值N_n和对应的收敛抽头系数W_n，计算接收信号值N与已收敛接收信号值N_n的差值比d；

(3)若d<D，则抽头系数选择w_n；反之，则抽头系数选择w_e(0)；D为阈值，若D的取值太大，初始抽头系数会使LMS算法出现误收敛的情况；若D的取值太小，数据存储模块中的数据失去参考价值；经过多次试验和数据分析，将D设置为10％；

初始化完成后，按照LMS算法的步骤完成通信信道的均衡；当抽头系数达到收敛状态时，将此时接收信号值N和抽头系数W记录在数据存储模块中作为之后通信的参考数据，当再次进行通信时，重复以上步骤即可。

Images