CN111711482A - 基于oam因子的弱湍条件下fso系统性能的确定方法 - Google Patents
基于oam因子的弱湍条件下fso系统性能的确定方法 Download PDFInfo
- Publication number
- CN111711482A CN111711482A CN202010514881.4A CN202010514881A CN111711482A CN 111711482 A CN111711482 A CN 111711482A CN 202010514881 A CN202010514881 A CN 202010514881A CN 111711482 A CN111711482 A CN 111711482A
- Authority
- CN
- China
- Prior art keywords
- oam
- fso system
- factors
- probability density
- fso
- 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.)
- Granted
Links
Images
Classifications
-
- 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
- H04B10/07—Arrangements for monitoring or testing transmission systems; Arrangements for fault measurement of transmission systems
- H04B10/075—Arrangements for monitoring or testing transmission systems; Arrangements for fault measurement of transmission systems using an in-service signal
- H04B10/079—Arrangements for monitoring or testing transmission systems; Arrangements for fault measurement of transmission systems using an in-service signal using measurements of the data signal
- H04B10/0795—Performance monitoring; Measurement of transmission parameters
- H04B10/07953—Monitoring or measuring OSNR, BER or Q
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
Abstract
本发明公开了一种基于OAM因子的弱湍条件下FSO系统性能的确定方法,包括:基于大气湍流传输模型,得到计算OAM因子的表达式;给出FSO系统中OAM因子统计分布的概率密度函数,给出FSO系统中OAM因子的统计模型;基于最小二乘法,给出求解FSO系统中OAM因子的统计模型参数的优化问题和优化算法,求解FSO系统中OAM因子的统计模型参数,再验证FSO系统中OAM因子的统计模型的可靠性;基于FSO系统中OAM因子的统计模型,结合QPSK调制OAM复用FSO系统传输模型,推导系统误码率表达式,对比不同湍流强度对系统性能的影响。该方法将概率密度函数参数用湍流强度定量表示,能适用于更多的应用环境。
Description
技术领域
本发明属于无线光通信技术领域,具体为一种在大气弱湍条件下,基于FSO系统被湍流强度定量表示的OAM因子的统计模型,研究系统性能的确定方法。
背景技术
自由空间光通信(FSO Free Space Optical Communication)是以激光为载体,以大气为传输介质的传输通信技术。由于其结合了光通信的高带宽和无线技术的灵活性,使人们对该技术兴趣倍增。同时,轨道角动量(OAM Orbital Angular Momentum)模式为光提供了一个新的自由度,可以进一步在FSO链路中提高通信系统的容量。然而,光束的光强和相位会受到大气湍流的影响,造成OAM模式的变形和失真。因此,为了加深对通信系统的理解,科研人员提出了多种统计模型描述由大气湍流引起的OAM模式衰减和模式间串扰。
自由空间中,涡旋光的能量会保持在OAM本征态中,但是,随着湍流增强,本征态中的能量会逐步泄露到其它OAM模式中。本征态中的能量衰减比例通过OAM衰减因子描述,转移到其它OAM模式的能量比例通过OAM串扰因子描述,可统称为OAM因子。目前为止,人们提出了多种数学模型来描述关于OAM衰减和串扰因子的概率密度函数(PDF ProbabilityDensity Function)。其中,Johnson SB概率密度函数和指数分布函数最先被提出分别描述衰减和串扰因子的统计特性。最近,E.M.Amhoud等人提出了一种新型描述湍流引起的涡旋光功率衰减和OAM模式间串扰的数学模型—广义伽马分布函数(GGD Generalized GammaDistribution),该模型适用于多种湍流条件,并且对拉盖尔-高斯光(LG Laguerre-Gaussian beam,LG)的模拟数据提供了极好的拟合,可以研究基于LG光FSO系统性能的影响。
目前的问题在于:所有已知的有关于衰减和串扰因子的统计分布需要通过多次实验然后计算得到PDF参数,在湍流条件变化的环境中,已有的数学模型无法直接得出准确的PDF,并且有关OAM因子的PDF参数与湍流强度有定量关系的统计模型未见报道。因此,基于描述大气湍流引起的OAM本征态模式衰减和OAM模式间串扰、PDF参数由折射率结构常数定量表示的统计模型研究FSO系统性能实属当前十分重要的研究方向。
发明内容
本发明的目的在于建立一个统一描述不同OAM模式的涡旋光功率受大气湍流影响的概率密度函数,并将该分布函数的参数用湍流的强度定量的表示,得到具体的统计模型。基于优化方法中的信赖域算法,设计优化算法计算该统计模型参数,进而研究不同湍流条件下的OAM复用通信系统的性能。其中,由于信赖域算法具有整体收敛性,因此本发明基于该算法,通过将拟合问题表示成优化问题,调整优化算法有效计算定量关系式,进而能够基于该模型计算系统性能。
本发明是通过下述技术方案来实现的。
基于OAM因子的弱湍条件下FSO系统性能的确定方法,包括下述步骤:
1)基于大气湍流传输模型,通过对接收到的LG光进行滤波分解,计算FSO系统中的OAM因子,并多次仿真,基于概率密度的非参数估计,计算其经验概率密度函数;
2)给出FSO系统中OAM因子统计分布的概率密度函数;并拟合在不同转移间隔、OAM模式和湍流条件下提出的FSO系统中OAM因子统计分布的概率密度函数,得到参数对统计分布的影响,再在一定湍流条件范围内建立概率密度函数参数与湍流强度之间的定量关系,得到FSO系统中OAM因子的统计模型;
3)基于最小二乘法,给出求解FSO系统中OAM因子的统计模型参数的优化问题和优化算法,求解FSO系统中OAM因子的统计模型参数,再通过回代结果验证FSO系统中OAM因子的统计模型在不同OAM转移间隔、OAM模式和湍流条件下的可靠性;
4)基于FSO系统中OAM因子的统计模型,结合QPSK调制OAM复用FSO系统传输模型,推导系统误码率表达式,仿真验证FSO系统中OAM因子的统计模型的实用性,并将湍流强度带入求得的误码率表达式中,对比不同湍流强度对系统性能的影响。
上述技术方案中,本发明还有进一步限定的方案:
进一步,所述步骤1)中,OAM衰减和串扰因子,是通过下述方法计算的:
1a)给出光源表达式;
1b)基于大气湍流传输模型,将传输得到的光场进行内积计算,得到OAM衰减和串扰因子。
进一步,所述步骤2)中,描述FSO系统中OAM衰减和串扰因子统计分布的概率密度函数,通过下述步骤给出:
2a)给出统一描述FSO系统中OAM衰减和串扰因子的概率密度函数;
2b)给出不同OAM转移间隔条件下,FSO系统中OAM因子统计分布的概率密度函数化简的形式。
进一步,所述步骤2)中,在一定湍流条件范围内建立概率密度函数参数与湍流强度之间的定量关系,得到FSO系统中OAM因子的统计模型,通过下述步骤给出:
2c)在一定湍流条件范围内,给出代表湍流强度的大气折射率结构常数的定量表达式,结合步骤2a)、2b)得到的统一描述的、衰减到GGD和指数分布的FSO系统中OAM因子统计分布的概率密度函数,进而确定FSO系统OAM因子的统计模型。
所述步骤2c)中,一定湍流范围为计算弱湍条件下的折射率结构常数Cn2范围,并将此范围按数量级划分得到。
进一步,所述步骤3)中,给出求解FSO系统中OAM因子的统计模型参数的优化问题和优化算法,通过下述步骤实现:
3a)根据步骤1)生成的经验概率密度函数,结合步骤2)中在一定湍流条件范围内FSO系统中OAM因子的统计模型,基于最小二乘法,给出在不同FSO系统中OAM因子统计分布的概率密度函数类型和OAM转移间隔条件下求解FSO系统中OAM因子的统计模型参数的优化问题。
3b)在不同FSO系统中OAM因子统计分布的概率密度函数类型和OAM转移间隔条件下,分解步骤3a)中求解FSO系统中OAM因子的统计模型参数的优化问题,并给出求解FSO系统中OAM因子的统计模型参数的优化算法,并求解。
进一步,所述步骤4)中,QPSK调制OAM复用FSO系统误码率表达式,由下述步骤实现:
4a)给出QPSK调制OAM复用FSO系统考虑噪声影响的信噪比表达式;
4b)给出误码率表达式。
本发明具有以下优点:
本发明首先提出了一个描述基于大气弱湍条件下FSO系统中OAM衰减和串扰因子的统计模型,且该统计模型中概率密度函数参数能够用湍流强度表示。进而在得到统计模型之后,能够直接通过统计模型得到OAM衰减和串扰因子的统计信息,且不需要多次仿真计算。因此,该方法为研究与OAM有关的FSO系统的性能提供了很大的便利。
附图说明
图1是FSO通信系统的OAM复用传输模型;
图2a)、2b)和2c)分别是三种不同OAM转移间隔条件下,GGD拟合基于FSO通信系统大气湍流条件下的OAM衰减和串扰因子的概率分布和指数分布拟合的比较图;
图3a)、3b)和3c)分别是三种不同OAM转移间隔条件下,模型计算得到的基于FSO通信系统大气湍流条件下的OAM衰减和串扰因子的概率密度函数和数据得到的概率分布的比较图;
图4a)和4b)分别是两种不同湍流条件下基于OAM复用FSO通信系统不同信道误码率的对比图;
图5a)和5b)分别是两种不同平均信噪比条件下基于OAM复用FSO通信系统不同信道误码率的对比图。
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,下面结合附图和具体实施方式进一步详细说明。本实施例仅表示对本发明的原理性说明,不代表对本发明的任何限制。
本发明的基于大气弱湍的研究湍流强度影响系统性能的计算方法,其特征在于,包括下述步骤:
步骤1:基于大气湍流传输模型,通过对接收到的LG光进行滤波分解,计算FSO系统中的OAM因子,并多次仿真,基于概率密度的非参数估计,计算其经验概率密度函数。
其中,OAM因子,是通过下述方法计算得到的:
1b)OAM为m到OAM为n的OAM因子计算表达式为:
步骤2:给出FSO系统中OAM因子统计分布的概率密度函数;并拟合在不同转移间隔、OAM模式和湍流条件下提出的FSO系统中OAM因子统计分布的概率密度函数,得到参数对统计分布的影响,再在一定湍流条件范围内建立概率密度函数参数与湍流强度之间的定量关系,得到FSO系统中OAM因子的统计模型;
其中,描述FSO系统中OAM因子统计分布的概率密度函数,通过下述步骤给出:
2a)统一描述FSO系统中OAM因子统计分布的概率密度函数为混合指数广义伽马分布函数(EGG the mixture Exponential-Generalized Gamma distribution)
2b)给出不同OAM转移间隔条件下,FSO系统中OAM因子统计分布的概率密度函数化简的形式;
其中|m-n|即为OAM转移间隔;
进一步,在一定湍流条件范围内建立概率密度函数参数与湍流强度之间的定量关系,得到FSO系统中OAM因子的统计模型:
2c)在一定湍流条件范围内,给出代表湍流强度的大气折射率结构常数的定量表达式,结合步骤2a)、2b)得到的统一描述的、衰减到GGD和指数分布的FSO系统中OAM因子统计分布的概率密度函数,进而确定FSO系统OAM因子的统计模型。
当|m-n|=0时,概率密度函数参数与湍流强度之间的定量关系表达式为:
其中,m为传输前的OAM模式数,为定量关系表达式参数,为折射率结构常数,且OAM因子中传输前后的OAM模式数一定相等;公式(1)和公式(4)-(8)构成了|m-n|=0时,FSO系统中OAM因子的统计模型。
当FSO系统中OAM因子统计分布的概率密度函数衰减到GGD且|m-n|≥1时,概率密度函数参数与湍流强度之间的定量关系表达式为:
当FSO系统中OAM因子统计分布的概率密度函数衰减到指数分布时,概率密度函数参数与湍流强度之间的定量关系表达式为:
步骤3:基于最小二乘法,给出求解FSO系统中OAM因子的统计模型参数的优化问题和优化算法,求解FSO系统中OAM因子的统计模型参数,再通过回代结果验证FSO系统中OAM因子的统计模型在不同OAM转移间隔、OAM模式和湍流条件下的可靠性;
其中,给出求解FSO系统中OAM因子的统计模型参数的优化问题和优化算法,求解FSO系统中OAM因子的统计模型参数,通过下述方法得到:
3a)根据步骤1)生成的经验概率密度函数,结合步骤2a)-2c)中在一定湍流条件范围内FSO系统中OAM因子的统计模型,基于最小二乘法,给出在不同FSO系统中OAM因子统计分布的概率密度函数类型和不同OAM转移间隔条件下求解FSO系统中OAM因子的统计模型参数的优化问题:
当|m-n|=0时,求解FSO系统中OAM因子的统计模型参数的优化问题为:
当FSO系统中OAM因子统计分布的概率密度函数衰减到GGD且|m-n|≥1时,求解FSO系统中OAM因子的统计模型参数的优化问题为:
当FSO系统中OAM因子统计分布的概率密度函数衰减到指数分布时,求解FSO系统中OAM因子的统计模型参数的优化问题为:
3b)在不同FSO系统中OAM因子统计分布的概率密度函数类型条件下,分解步骤3a)中求解FSO系统中OAM因子的统计模型参数的优化问题,并给出求解FSO系统中OAM因子的统计模型参数的优化算法,并求解。
当|m-n|=0时,根据公式(13)求解FSO系统中OAM因子的统计模型参数的优化问题可以分解成两部分:
第一部分:
第二部分:
当|m-n|=0时,求解FSO系统中OAM因子的统计模型参数的优化算法:
当FSO系统中OAM因子统计分布的概率密度函数衰减到GGD且|m-n|≥1时,根据公式(14)求解FSO系统中OAM因子的统计模型参数的优化问题可以分解成两部分:
第一部分:
第二部分:
当FSO系统中OAM因子统计分布的概率密度函数衰减到GGD且|m-n|≥1时,求解FSO系统中OAM因子的统计模型参数的优化算法:
当FSO系统中OAM因子统计分布的概率密度函数衰减到指数分布时,根据公式(15)求解FSO系统中OAM因子的统计模型参数的优化问题可以分解成两部分:
第一部分:
第二部分:
当FSO系统中OAM因子统计分布的概率密度函数衰减到指数分布时,求解FSO系统中OAM因子的统计模型参数的优化算法:
对于公式(13)-(27)的求解办法,可以采用信赖域算法、极大似然算法进行求解。
步骤4:基于FSO系统中OAM因子的统计模型,结合QPSK调制OAM复用FSO系统传输模型,推导系统误码率表达式,仿真验证FSO系统中OAM因子的统计模型的实用性,并将湍流强度带入求得的误码率表达式中,对比不同湍流强度对系统性能的影响。
其中,QPSK调制OAM复用FSO系统传输模型如下:
其中,QPSK调制OAM复用FSO系统误码率表达式,由下述步骤实现:
4a)QPSK调制OAM复用FSO系统考虑噪声影响的信噪比表达式;
本发明的正确性和优点可通过以下理论结果对比进一步说明:
本发明方法中,通过MATLAB进行求解优化过程,并使用蒙特卡洛进行仿真验证。
首先,准确描述所提出的计算OAM因子的方法;然后,在不同湍流条件下,比较EGG和GGD对衰减因子概率分布的拟合程度;再者,在不同湍流条件下,比较EGG和指数分布函数对串扰因子概率分布的拟合程度;其次,在不同OAM转移间隔和湍流条件下,比较模型计算得到的OAM因子的概率密度函数和仿真数据;同时,在湍流条件下,研究不同信道和平均信噪比对OAM复用FSO通信系统误比特率的影响;最后,在不同信噪比条件下,研究湍流对系统误码性能的影响。
理论和仿真结果
图1给出了在FSO通信系统中大气湍流条件下OAM复用传输模型图。图2a)、2b)和2c)分别给出了三种不同OAM转移间隔条件下,GGD拟合基于FSO通信系统大气湍流条件下的OAM衰减和串扰因子的概率分布和指数分布拟合效果。从图2a)可以看出EGG分布能够很好地拟合OAM衰减因子的PDF,且相比较GGD函数拥有更好的匹配程度。从图2b)可以看出OAM转移间隔为1时,GGD函数能够很好地拟合OAM串扰因子的PDF,且相比较指数分布函数拥有更好的拟合效果。从图2c)可以看出OAM转移间隔为2时,指数分布函数和GGD函数都能够很好地拟合OAM串扰因子的PDF。而GGD函数是EGG分布函数的特殊情况,同时指数分布函数是GGD函数的特殊情况。因而,EGG函数可以统一表示OAM衰减和串扰因子的统计分布,当OAM转移间隔逐步从0增加到1,甚至2时,统计分布函数从EGG逐步衰退到GGD函数,指数分布函数。图3a)、3b)和3c)分别给出三种不同OAM转移间隔条件下,模型计算得到的基于FSO通信系统大气湍流条件下的OAM衰减和串扰因子的概率密度函数。可看出在不同的OAM转移间隔、湍流强度和OAM模式数下,模型计算得到的OAM衰减和串扰因子统计分布函数能够很好地表示仿真数据的统计特性。图4a)和4b)给出两种不同湍流条件下OAM模式{3,4,5,6}复用FSO通信系统不同信道误码率。可以看出同一条件下,湍流强度增加会导致系统性能下降,平均信噪比增加可以提高系统性能。并且随着平均信噪比提高,OAM模式为6的误码率从高于模式5逐渐下降到低于模式5。图5a)和5b)分别给出两种不同平均信噪比条件下基于OAM复用FSO通信系统不同信道误码率。可看出随着湍流强度增加,误比特率增加,系统性能下降。
本发明并不局限于上述实施例,在本发明公开的技术方案的基础上,本领域的技术人员根据所公开的技术内容,不需要创造性的劳动就可以对其中的一些技术特征作出一些替换和变形,这些替换和变形均在本发明的保护范围内。
Claims (10)
1.基于OAM因子的弱湍条件下FSO系统性能的确定方法,其特征在于,包括下述步骤:
1)基于大气湍流传输模型,通过对接收到的LG光进行滤波分解,计算FSO系统中的OAM因子,并多次仿真,基于概率密度的非参数估计,计算其经验概率密度函数;
2)给出FSO系统中OAM因子统计分布的概率密度函数;并拟合在不同转移间隔、OAM模式和湍流条件下提出的FSO系统中OAM因子统计分布的概率密度函数,得到参数对统计分布的影响,再在一定湍流条件范围内建立概率密度函数参数与湍流强度之间的定量关系,得到FSO系统中OAM因子的统计模型;
3)基于最小二乘法,给出求解FSO系统中OAM因子的统计模型参数的优化问题和优化算法,求解FSO系统中OAM因子的统计模型参数,再通过回代结果验证FSO系统中OAM因子的统计模型在不同OAM转移间隔、OAM模式和湍流条件下的可靠性;
4)基于FSO系统中OAM因子的统计模型,结合QPSK调制OAM复用FSO系统传输模型,推导系统误码率表达式,仿真验证FSO系统中OAM因子的统计模型的实用性,并将湍流强度带入求得的误码率表达式中,对比不同湍流强度对系统性能的影响。
2.根据权利要求1所述的基于OAM因子的弱湍条件下FSO系统性能的确定方法,其特征在于,所述步骤1)中,OAM衰减和串扰因子,是通过下述方法计算的:
1a)给出光源表达式;
1b)基于大气湍流传输模型,将传输得到的光场进行内积计算,得到OAM衰减和串扰因子。
4.根据权利要求3所述的基于OAM因子的弱湍条件下FSO系统性能的确定方法,其特征在于,所述步骤2)中,在一定湍流条件范围内建立概率密度函数参数与湍流强度之间的定量关系,得到FSO系统中OAM因子的统计模型,通过以下步骤实现:
2c)在一定湍流条件范围内,给出代表湍流强度的大气折射率结构常数的定量表达式,结合步骤2a)、2b)得到的统一描述的、衰减到GGD和指数分布的FSO系统中OAM因子统计分布的概率密度函数,进而确定FSO系统OAM因子的统计模型。
5.根据权利要求1所述的基于OAM因子的弱湍条件下FSO系统性能的确定方法,其特征在于,在一定湍流条件范围内建立概率密度函数参数与湍流强度之间的定量关系,得到FSO系统中OAM因子的统计模型如下:
当|m-n|=0时,概率密度函数参数与湍流强度之间的定量关系表达式为:
公式(1)和公式(4)-(8)构成了|m-n|=0时,FSO系统中OAM因子的统计模型;
当FSO系统中OAM因子统计分布的概率密度函数衰减到GGD且|m-n|≥1时,概率密度函数参数与湍流强度之间的定量关系表达式为:
公式(2)和公式(9)-(11)构成了当FSO系统中OAM因子统计分布的概率密度函数衰减到GGD且|m-n|≥1时,FSO系统中OAM因子的统计模型;
当FSO系统中OAM因子统计分布的概率密度函数衰减到指数分布时,概率密度函数参数与湍流强度之间的定量关系表达式为:
公式(3)和公式(12)构成了FSO系统中OAM因子统计分布的概率密度函数衰减到指数分布时,FSO系统中OAM因子的统计模型。
7.根据权利要求1所述的基于OAM因子的弱湍条件下FSO系统性能的确定方法,其特征在于,所述步骤3)中,给出求解FSO系统中OAM因子的统计模型参数的优化问题和优化算法,求解FSO系统中OAM因子的统计模型参数,通过下述方法得到:
3a)根据步骤1)生成的经验概率密度函数,结合步骤2)中在一定湍流条件范围内FSO系统中OAM因子的统计模型,基于最小二乘法,给出在不同FSO系统中OAM因子统计分布的概率密度函数类型和OAM转移间隔条件下求解FSO系统中OAM因子的统计模型参数的优化问题;
3b)在不同FSO系统中OAM因子统计分布的概率密度函数类型和OAM转移间隔条件下,分解步骤3a)中求解FSO系统中OAM因子的统计模型参数的优化问题,并给出求解FSO系统中OAM因子的统计模型参数的优化算法,并求解。
8.根据权利要求7所述的基于OAM因子的弱湍条件下FSO系统性能的确定方法,其特征在于,所述步骤3a)中,在不同FSO系统中OAM因子统计分布的概率密度函数类型和OAM转移间隔条件下求解FSO系统中OAM因子的统计模型参数的优化问题包括:
当|m-n|=0时,求解FSO系统中OAM因子的统计模型参数的优化问题为:
当FSO系统中OAM因子统计分布的概率密度函数衰减到GGD且|m-n|≥1时,求解FSO系统中OAM因子的统计模型参数的优化问题为:
其中,a,b,c通过公式(9)-(11)确定,表示时的经验函数的点,am→n,为FSO系统中OAM因子统计分布的概率密度函数衰减到GGD且|m-n|≥1时FSO系统中OAM因子的统计模型的参数,即为公式(2);
当FSO系统中OAM因子统计分布的概率密度函数衰减到指数分布时,求解FSO系统中OAM因子的统计模型参数的优化问题为:
9.根据权利要求8所述的基于OAM因子的弱湍条件下FSO系统性能的确定方法,其特征在于,所述步骤3b)中,求解FSO系统中OAM因子的统计模型参数的优化算法为:
当|m-n|=0时、当FSO系统中OAM因子统计分布的概率密度函数衰减到GGD且|m-n|≥1时,以及当FSO系统中OAM因子统计分布的概率密度函数衰减到指数分布时,分别根据公式(13)、(14)和(15)求解FSO系统中OAM因子的统计模型参数的优化问题可以分解成两部分简化的优化问题,并给出基于两部分简化的优化问题的优化算法,并对其进行求解。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010514881.4A CN111711482B (zh) | 2020-06-08 | 2020-06-08 | 基于oam因子的弱湍条件下fso系统性能的确定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010514881.4A CN111711482B (zh) | 2020-06-08 | 2020-06-08 | 基于oam因子的弱湍条件下fso系统性能的确定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111711482A true CN111711482A (zh) | 2020-09-25 |
CN111711482B CN111711482B (zh) | 2021-05-18 |
Family
ID=72539336
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010514881.4A Active CN111711482B (zh) | 2020-06-08 | 2020-06-08 | 基于oam因子的弱湍条件下fso系统性能的确定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111711482B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113446984A (zh) * | 2021-05-22 | 2021-09-28 | 西安电子科技大学 | 轨道角动量探测概率优化选择方法、系统、介质、终端 |
CN114629549A (zh) * | 2022-03-14 | 2022-06-14 | 西安电子科技大学 | 基于部分相干光的智能反射面辅助fso系统误码率计算方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160119059A1 (en) * | 2014-10-22 | 2016-04-28 | Indian Institute Of Technology Delhi | System and a method for free space optical communications |
CN105743593A (zh) * | 2016-01-25 | 2016-07-06 | 重庆邮电大学 | 一种基于双对数累积量期望的Gamma-Gamma分布参数估计方法 |
CN106357317A (zh) * | 2016-12-06 | 2017-01-25 | 南通大学 | 一种自由空间光通信中大气湍流干扰的抑制方法 |
CN108400815A (zh) * | 2018-01-12 | 2018-08-14 | 西安电子科技大学 | 考虑不同波束影响的Double GG复合信道基多跳-FSO误码率计算方法 |
US20180262291A1 (en) * | 2017-03-07 | 2018-09-13 | Government Of The United States Of America, As Represented By The Secretary Of The Navy | Method for free space optical communication utilizing patterned light and convolutional neural networks |
CN109067489A (zh) * | 2018-09-25 | 2018-12-21 | 西安电子科技大学 | 基于ln分布的uwoc-md通信系统误码率和吞吐量的计算方法 |
CN109302232A (zh) * | 2018-10-26 | 2019-02-01 | 西安电子科技大学 | 基于平行多跳架构的水下无线光通信系统误码率计算方法 |
CN110730039A (zh) * | 2019-09-19 | 2020-01-24 | 华侨大学 | 一种提升强流流水下无线光通信性能的方法 |
CN110954903A (zh) * | 2019-12-20 | 2020-04-03 | 武汉大学 | 一种基于涡旋电磁波的大气湍流探测方法及系统 |
-
2020
- 2020-06-08 CN CN202010514881.4A patent/CN111711482B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160119059A1 (en) * | 2014-10-22 | 2016-04-28 | Indian Institute Of Technology Delhi | System and a method for free space optical communications |
CN105743593A (zh) * | 2016-01-25 | 2016-07-06 | 重庆邮电大学 | 一种基于双对数累积量期望的Gamma-Gamma分布参数估计方法 |
CN106357317A (zh) * | 2016-12-06 | 2017-01-25 | 南通大学 | 一种自由空间光通信中大气湍流干扰的抑制方法 |
US20180262291A1 (en) * | 2017-03-07 | 2018-09-13 | Government Of The United States Of America, As Represented By The Secretary Of The Navy | Method for free space optical communication utilizing patterned light and convolutional neural networks |
CN108400815A (zh) * | 2018-01-12 | 2018-08-14 | 西安电子科技大学 | 考虑不同波束影响的Double GG复合信道基多跳-FSO误码率计算方法 |
CN109067489A (zh) * | 2018-09-25 | 2018-12-21 | 西安电子科技大学 | 基于ln分布的uwoc-md通信系统误码率和吞吐量的计算方法 |
CN109302232A (zh) * | 2018-10-26 | 2019-02-01 | 西安电子科技大学 | 基于平行多跳架构的水下无线光通信系统误码率计算方法 |
CN110730039A (zh) * | 2019-09-19 | 2020-01-24 | 华侨大学 | 一种提升强流流水下无线光通信性能的方法 |
CN110954903A (zh) * | 2019-12-20 | 2020-04-03 | 武汉大学 | 一种基于涡旋电磁波的大气湍流探测方法及系统 |
Non-Patent Citations (2)
Title |
---|
IVANB.DJORDJEVIC,ETAL.: "Error-Correction Coded Orbital-Angular-Momentum Modulation for FSO Channels Affected by Turbulence", 《JOURNAL OF LIGHTWAVE TECHNOLOGY》 * |
YAN ZHANG,ETAL.: "Performance analysis of an OAM multiplexing-based MIMO FSO system over atmospheric turbulence using space-time coding with channel estimation", 《OPTICS EXPRESS》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113446984A (zh) * | 2021-05-22 | 2021-09-28 | 西安电子科技大学 | 轨道角动量探测概率优化选择方法、系统、介质、终端 |
CN113446984B (zh) * | 2021-05-22 | 2022-04-19 | 西安电子科技大学 | 轨道角动量探测概率优化选择方法、系统、介质、终端 |
CN114629549A (zh) * | 2022-03-14 | 2022-06-14 | 西安电子科技大学 | 基于部分相干光的智能反射面辅助fso系统误码率计算方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111711482B (zh) | 2021-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yuan et al. | Monte-Carlo integration models for multiple scattering based optical wireless communication | |
CN111711482B (zh) | 基于oam因子的弱湍条件下fso系统性能的确定方法 | |
CN105743593B (zh) | 一种基于双对数累积量期望的Gamma-Gamma分布参数估计方法 | |
Careem et al. | Real-time prediction of non-stationary wireless channels | |
CN111464469B (zh) | 基于神经网络的混合数字调制方式识别方法 | |
CN107094043B (zh) | 基于块迭代法的改进后的mmse低复杂度信号检测方法 | |
CN105897626B (zh) | 一种mppm调制的软解调算法及误符号率性能估计方法 | |
CN114531208B (zh) | 考虑光电探测噪声的大气湍流信道衰落参数估计方法 | |
CN108718211A (zh) | 基于ggd信道模型的uwoc系统硬解调误码率计算方法 | |
CN112215335A (zh) | 一种基于深度学习的系统检测方法 | |
CN109302232B (zh) | 基于平行多跳架构的水下无线光通信系统误码率计算方法 | |
JPWO2004068756A1 (ja) | マルチキャリア通信システム及びその受信装置 | |
Elfikky et al. | Performance analysis of convolutional codes in dynamic underwater visible light communication systems | |
CN109917658B (zh) | 一种多径衰落信道下非线性网络化系统滤波器及设计方法 | |
Olama et al. | Stochastic differential equations for modeling, estimation and identification of mobile-to-mobile communication channels | |
CN114422027B (zh) | 基于Gerchberg-Saxton算法的涡旋光束波前相位校正方法 | |
JP7383182B2 (ja) | 通信チャネルの容量を最適化する方法、コンピュータープログラム、システム、及び通信デバイス | |
Yee et al. | Approximate conditional mean particle filtering for linear/nonlinear dynamic state space models | |
Hassan et al. | Free space optical communication system: Impact of weather conditions | |
Róka et al. | Performance analysis of the FBMC modulation format in optical fiber and wireless communications | |
Le et al. | Outage performance analysis of NOMA over log-normal fading distribution in presence of CSI and SIC imperfections | |
Yi et al. | Influence of angle-of-arrival fluctuations on ground-to-satellite laser uplink communication system | |
Róka et al. | Effects of the multi-beam optical FBMC technology with applied data separations in optical wireless communications | |
Zhang et al. | Optimal resource allocation for statistical QoS provisioning in supporting mURLLC over FBC-driven 6G terahertz wireless nano-networks | |
Park et al. | Novel Predistortion Approaches Using Coefficient Approximation and Bidirectional LSTM for Nonlinearity Compensation in Visible Light Communication. Photonics 2022, 9, 198 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |