CN112272055A - 一种移动可见光通信接收机的ook调制方法、调制器 - Google Patents
一种移动可见光通信接收机的ook调制方法、调制器 Download PDFInfo
- Publication number
- CN112272055A CN112272055A CN202011064680.5A CN202011064680A CN112272055A CN 112272055 A CN112272055 A CN 112272055A CN 202011064680 A CN202011064680 A CN 202011064680A CN 112272055 A CN112272055 A CN 112272055A
- Authority
- CN
- China
- Prior art keywords
- signal
- ook
- threshold
- integrator
- self
- 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
- H04B10/11—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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/02—Amplitude-modulated carrier systems, e.g. using on-off keying; Single sideband or vestigial sideband modulation
- H04L27/04—Modulator circuits; Transmitter circuits
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/02—Amplitude-modulated carrier systems, e.g. using on-off keying; Single sideband or vestigial sideband modulation
- H04L27/06—Demodulator circuits; Receiver circuits
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Optical Communication System (AREA)
Abstract
本发明提出一种移动可见光通信接收机的OOK调制方法,包括以下步骤:当信号处于校准阶段时,将信号通过积分器得到积分结果,并检测当前信号源的运动状态:若当前信号源的运动状态为静止状态,则直接计算当前时隙i的OOK阈值;否则将积分器输出的积分结果输入由人工神经网络构成的自适应决策模块中决策OOK阈值,且当运动状态发生变化时重新训练用于决策OOK阈值的人工神经网络;当信号进入数据传输阶段时,将输入的光信号转换为电信号,通过积分器检测1比特周期的信号总值,将积分结果与相应的OOK阈值进行比较,决定该比特数据为“1”或为“0”,得到OOK调制数字信号。本发明还提出了一种调制器,应用于上述OOK调制方法。
Description
技术领域
本发明涉及光通信技术领域,更具体地,涉及一种移动可见光通信接收机的OOK调制方法、调制器。
背景技术
可见光通信技术主要利用荧光灯或发光二极管所发出的高速明暗闪烁信号,实现数据信号的快速传输。相较于传统的电磁波通信技术,可见光通信还具备抗电磁干扰和发送能耗低的优势,但其性能依赖于理想的光照条件,噪声干扰、人体走动或障碍物遮挡等一系列环境因素均会对可见光通信的性能造成极大的影响。
在已有的可见光通信技术研究的基础上,尹浩浩等人对可见光调制和编码方式进行了进一步研究,提出了一种发光二极管光源布局方式并设计了专门的驱动电路,实现了大范围的可见光覆盖,设计并实现了基于移动场景下的可见光通信系统,如图1~2所示,该系统主要由上位机、可见光发送端LED、光探测器、可见光接收端和受控装置5个部分组成(尹浩浩.移动场景下一种可见光通信系统的设计与实现[J].重庆邮电大学学报(自然科学版),2017,29(4).)。然而,该研究中仅针对发送端驱动电路、调制编码方式和接收端进行了研究,没有对信号源在不同速度下接收机的性能进行分析,当信号源速度变化时系统的解调性能变差,导致上述系统存在解调精度较低、误码率较高的问题。此外,存在接收机模型将慢速移动状态和快速移动状态的初始化阈值设置为固定值,虽然能够根据不同的移动状态快速地调节OOK阈值,但仍然存在解调精度较低的问题。
发明内容
本发明为克服上述现有技术所述的OOK调制精度较低、误码率较高的缺陷,提供一种移动可见光通信接收机的OOK调制方法,以及一种调制器。
为解决上述技术问题,本发明的技术方案如下:
一种移动可见光通信接收机的OOK调制方法,包括以下步骤:
当信号处于校准阶段时,将信号通过积分器得到积分结果,并检测当前信号源的运动状态:若当前信号源的运动状态为静止状态,则直接计算当前时隙i的OOK阈值;否则将积分器输出的积分结果输入由人工神经网络构成的自适应决策模块中进行处理;
自适应决策模块中,提取信号源校准阶段的光强度序列,并判断当前处理的信号的运动状态是否发生变化:若是,则从光强度序列中选择新的特征子集,采用新的特征子集重新训练预设的人工神经网络,然后将当前处理的信号输入完成重新训练的人工神经网络中,输出OOK阈值;若否,则直接将当前处理的信号输入人工神经网络中,输出OOK阈值;
当信号进入数据传输阶段时,将输入的光信号转换为电信号,通过积分器检测1比特周期的信号总值,将积分结果与相应的OOK阈值进行比较,决定该比特数据为“1”或为“0”;重复上述步骤对下一比特周期的信号源进行OOK调制,得到OOK调制数字信号。
作为优选方案,自适应决策模块中,采用动态时间规整度量光信号序列与模板序列之间的距离,得到光强度序列;其计算公式如下:
其中,s=s1,…,st'为光信号序列,p=p1,…,pu'表示模板序列;u'和t'分别为p和s两个序列发生匹配的索引。
作为优选方案,自适应决策模块中,采用遗传算法判断当前处理的信号的运动状态是否发生变化;其具体步骤如下:
初始化一个大小为WS的窗口,随机初始化种群;假设数据流样本为(…Si-1,Si,Si+1…),Si为正在处理的样本;当新的信号流到达,先检测是否发生特征漂移,若当前阈值改变率大于或等于10%,则判断发生特征漂移,即表示当前处理的信号的运动状态发生变化;否则判断当前处理的信号的运动状态未发生变化。
作为优选方案,自适应决策模块中,采用基于遗传算法的动态特征选择算法对光强度序列特征集进行优化处理,从光强度序列中更新最优的特征子集;其中,遗传算法的目标设置为:最小化特征数量;最大化OOK阈值和特征子集之间的相关性。
作为优选方案,自适应决策模块中预设的人工神经网络的结构包括1个隐层,其中隐层节点采用sigmoid函数;神经网络的输入节点数量等于选择的特征数量,训练程序包括1000次迭代。
其中,Sk(i)表示接收测试信号第k个周期的第i个时隙的采样信号值,K为测试信号的周期数量,T是1比特周期的采样数量;
其中,积分器输出的积分结果y的表达公式如下:
其中,S(i)表示1比特周期的信号总值。
作为优选方案,信号源的运动状态还包括慢速移动状态和快速移动状态;信号源的运动状态通过积分器输出的积分结果判断得到:
其中,w表示上一信号的权值;
否则设置该比特数据为“0”,并初始化阈值为
ThO(i)=ThO(i-1)。
否则设置该比特数据为“0”,并初始化阈值为
ThO(i)=ThO(i-1)。
本发明还提出了一种调制器,应用于上述任一技术方案提出的移动可见光通信接收机的OOK调制方法,包括光电转换模块、积分器、自适应决策模块、决策系统和阈值寄存器,其中:
光电转换模块用于将输入的光信号转为电信号;光电转换模块的输出端与积分器的输入端连接;
积分器用于检测1比特周期的信号总值,并检测当前信号源的运动状态;积分器的第一输出端与自适应决策模块的第一输入端连接,积分器的第二输出端与决策系统的第一输入端连接;
自适应决策模块中预设有人工神经网络,用于根据信号源的运动状态决策OOK阈值;自适应决策模块的第一输出端与决策系统的第二输入端连接,自适应决策模块的第二输出端与阈值寄存器的输入端连接;
决策系统用于将积分器输出的积分结果与相应的OOK阈值进行比较,决定该比特数据为“1”或为“0”,得到OOK调制数字信号;决策系统的输出端与自适应决策模块的第二输入端连接,决策系统将其输出的信号经过非归零编码后作为上一时隙(i-1)的参考阈值输入自适应决策模块中决策当前时隙(i)的OOK阈值;
阈值寄存器用于缓存自适应决策模块输出的OOK阈值;阈值寄存器的输出端与自适应决策模块的第三输入端连接。
与现有技术相比,本发明技术方案的有益效果是:本发明通过检测信号源的运动状态,决策不同的OOK阈值,以提高OOK调制精度;当信号源的运动状态发生变化时采用选取更优且数量更少的特征子集输入人工神经网络中进行重新训练,能够提高人工神经网络的预测精度,且加快人工神经网络的训练速度,能够自适应地调节OOK阈值,有效提高OOK调制精度,降低误码率。
附图说明
图1为移动场景下可见光通信系统示意图。
图2为移动场景下可见光通信系统框架图。
图3为实施例1的移动可见光通信接收机的OOK调制方法的流程图。
图4为实施例1的自适应决策模块的处理流程图。
图5为实施例1中光强度序列1的示意图。
图6为实施例1中光强度序列2的示意图。
图7为实施例1中光强度序列1的互信息曲线图。
图8为实施例1中光强度序列2的互信息曲线图。
图9为实施例2中固定光源和移动OOK接收机的示意图。
图10为实施例2中接收机慢速移动实验的阈值变化曲线图。
图11为实施例2中接收机慢速移动实验的预测偏差结果曲线图。
图12为实施例2中接收机慢速移动实验的不同通信距离的平均误码率曲线图。
图13为实施例2中接收机快速移动实验的阈值变化曲线图。
图14为实施例2中接收机快速移动实验的预测偏差结果曲线图。
图15为实施例2中接收机快速移动实验的不同通信距离的平均误码率曲线图。
图16为实施例3中调制器的物理结构示意图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;
为了更好说明本实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;
对于本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
本实施例提出一种移动可见光通信接收机的OOK调制方法,如图3所示,为本实施例的移动可见光通信接收机的OOK调制方法的流程图。
本实施例提出的移动可见光通信接收机的OOK调制方法中,具体包括以下步骤:
当信号处于校准阶段时,将信号通过积分器得到积分结果,并检测当前信号源的运动状态:若当前信号源的运动状态为静止状态,则直接计算当前时隙i的OOK阈值;否则将积分器输出的积分结果输入由人工神经网络构成的自适应决策模块中进行处理;
自适应决策模块中,提取信号源校准阶段的光强度序列,并判断当前处理的信号的运动状态是否发生变化:若是,则从光强度序列中选择新的特征子集,采用新的特征子集重新训练预设的人工神经网络,然后将当前处理的信号输入完成重新训练的人工神经网络中,输出OOK阈值;若否,则直接将当前处理的信号输入人工神经网络中,输出OOK阈值;
当信号进入数据传输阶段时,将输入的光信号转换为电信号,通过积分器检测1比特周期的信号总值,将积分结果与相应的OOK阈值进行比较,决定该比特数据为“1”或为“0”;重复上述步骤对下一比特周期的信号源进行OOK调制,得到OOK调制数字信号。
本实施例中,设置校准阶段Tx为10个1比特的时间周期Tb。
在具体实施过程中,当信号处于校准阶段Tx时,通过积分器输出的积分结果判断得到当前信号源的运动状态,其中,信号源的运动状态包括静止状态、慢速移动状态、快速移动状态。积分器输出的积分结果y的表达公式如下:
其中,S(i)表示1比特周期的信号总值。
将积分器输出的当前时隙i的积分结果y(i)与上一时隙(i-1)的积分结果y(i-1)进行比较:
当满足y(i)=y(i-1)时,则表示当前信号源处于静止状态;
其中,Sk(i)表示接收测试信号第k个周期的第i个时隙的采样信号值,K为测试信号的周期数量,T是1比特周期的采样数量。
若当前信号源处于慢速移动状态或快速移动状态时,则将积分器输出的积分结果输入由人工神经网络构成的自适应决策模块中进行处理。本实施例的自适应决策模块中,其处理流程如图4所示。
自适应决策模块中,将校准阶段的光强度值组成序列行驶。采用动态时间规整度量光信号序列与模板序列之间的距离,提取信号源校准阶段的光强度序列;其计算公式如下:
其中,s=s1,…,st'为光信号序列,p=p1,…,pu'表示模板序列;u'和t'分别为p和s两个序列发生匹配的索引。本实施例中采用平均序列算法生成模板序列p。
根据所提取的光强度序列,采用遗传算法判断当前处理的信号的运动状态是否发生变化;其具体步骤如下:初始化一个大小为WS的窗口,随机初始化种群;假设数据流样本为(…Si-1,Si,Si+1…),Si为正在处理的样本;当新的信号流到达,先检测是否发生特征漂移,若当前阈值改变率大于或等于10%,则判断发生特征漂移,即表示当前处理的信号的运动状态发生变化;否则判断当前处理的信号的运动状态未发生变化。
进一步地,当判断当前处理的信号的运动状态未发生变化时,则直接将当前处理的信号输入人工神经网络中,输出OOK阈值;
当判断当前处理的信号的运动状态发生变化时,则从光强度序列中选择新的特征子集,采用新的特征子集重新训练预设的人工神经网络,然后将当前处理的信号输入完成重新训练的人工神经网络中,输出OOK阈值。
为了加快人工神经网络的训练速度,当判断当前处理的信号的运动状态发生变化时,激活遗传算法选择新的特征子集,即采用基于遗传算法的动态特征选择算法对光强度序列特征集进行优化处理,从光强度序列中更新最优的、高显著性的特征子集,应用于对人工神经网络的重新训练,其目的在于通过减少特征数量,同时提高OOK解调的精度。
在本实施例中,首先定义一个动态多目标优化问题,其表达公式如下:
minf(x,t)={f1(x,t),f2(x,t),...,fM(x,t)}
其约束条件为:gi(x,t)≤0;
其中,i=1,2,…,Nc,x={x1,x2,…,xn},x为决策变量的向量,n为决策变量的数量;f(x,t)为目标函数集。函数gi(x,t)表示问题的约束条件,Nc为约束条件的数量。遗传算法的解表示为长度为N的二值向量格式,N为特征数量,特征值“0”表示该特征被删除,“1”表示该特征被选择。
本实施例中,遗传算法的目标设置为:(1)最小化特征数量;(2)最大化OOK阈值和特征子集之间的相关性。目标(1)可以直接通过计数实现,目标(2)采用互信息评估相关性实现。
其中,互信息I(X;Y)的计算如下:
I(X;Y)=H(X)-H(X|Y)=H(Y)-H(Y|X)
式中,H(X)为信息熵;H(X|Y)为条件熵。信息熵H(X)度量了离散随机变量X的不确定度,其计算式如下:
式中,p(x)为变量X的概率密度函数。条件熵H(X|Y)评估了随机变量X位于观察变量Y之后出现的不确定性,其计算式如下:
式中,p(x|y)表示给定Y的情况下X出现的后验概率,H(X|Y)等于0表示变量X完全依赖于Y,H(X|Y)=H(X)表示Y与X间没有关系。互信息的值越高说明相关性越小,采用互信息评估特征子集和阈值间的相关性。将所有特征和阈值间的互信息累加作为特征子集与阈值的总相关性Rl,总相关性Rl的计算公式如下:
式中,X表示选择的特征子集;c为阈值,I(x,c)表示互信息。
在一具体实施过程中,如图5~8所示,为两个校准序列与特征数量的关系曲线,其中校准阶段的窗口大小为10个比特。由图可知,随着特征数量的提高,互信息逐渐降低。第1个序列的特征数大于3时,其互信息趋于稳定,第2个序列的特征数大于4时,其互信息趋于稳定,因此可以通过特征选择技术减少特征数量,加快人工神经网络的训练速度。
经过上述方法完成特征子集的优化选择后,采用该子集训练人工神经网络,调节人工神经网络的权重,然后将当前处理的信号输入完成重新训练的人工神经网络中,决策当前时隙i的OOK阈值。
本实施例中,自适应决策模块中预设的人工神经网络的结构包括1个隐层,其中隐层节点采用sigmoid函数;神经网络的输入节点数量等于选择的特征数量,训练程序包括1000次迭代。
当信号进入数据传输阶段时,将输入的光信号转换为电信号,通过积分器检测1比特周期的信号总值,将积分结果与相应的OOK阈值进行比较,决定该比特数据为“1”或为“0”。
其中,w表示上一信号的权值,本实施例中w设置为1/2;否则设置该比特数据为“0”,并初始化阈值为ThO(i)=ThO(i-1);
否则设置该比特数据为“0”,并初始化阈值为ThO(i)=ThO(i-1)。
输入的信号源依次经过上述移动可见光通信接收机的OOK调制方法的调制后,输出得到OOK调制数字信号。
实施例2
在一具体实施过程中,采用友晶公司的Terasic DE0-Nano FPGA(FieldProgrammable GateArray)开发板采集可见光实验的数据,图5是固定光源和移动OOK接收机的示意图。FPGA的时钟频率为50MHz,模数转换(Analog-to-Digital Converter,ADC)速率为156250个/秒。固定光源和接收机轨道间的垂直距离范围为0.5米~3米,接收机轨道的长度为1米。为了排除环境光的干扰,在实验过程中关闭室内其他灯光。OOK接收机的训练阶段时长Tx设为10×Tb。数据传输速率约为1000bps,将光源调制信号在每个时隙的平均值作为实际的正定阈值。
多目标遗传算法的参数取值如表1所示,解的变量为二进制格式,“1”表示对应的特征被选择,“0”表示对应的特征被排除。
表1算法的参数设置
采用实施例1提出的移动可见光通信接收机的OOK调制方法对输入信号源进行调制。在一慢速移动实验中,设定固定光源和接收机轨道间的垂直距离为2米,接收机在轨道上从一端移动以约0.1米/秒速度移动到另一端,光源以1000bps的速率发送随机比特流。如图10~12所示,为慢速移动实验的结果示意图。其中,图10所示是理论阈值、神经网络预测阈值及初始阈值(接收机积分器计算值)的变化曲线图,图中可看出接收机积分器直接计算的OOK阈值变化范围较小且存在较大的误差。图11所示是本文神经网络对阈值预测的误差率,当接收机与光源距离较远时,预测偏差升高。将固定光源和接收机轨道间的垂直距离置于{0.5,1,1.5,2,2.5,3}米,分别统计每个距离下慢速移动的平均误码率,结果如图12所示。观察图12的结果,直接积分值和本文的人工神经网络的误码率均随着通信距离的增加而升高,当距离较近时,人工神经网络的误码率明显优于直接积分值。
在一快速移动实验中,设定固定光源和接收机轨道间的垂直距离为2米,接收机在轨道上从一端移动以约0.5米/秒速度移动到另一端,光源以1000bps的速率发送随机比特流。如图13~15所示,为快速移动实验的结果示意图。其中,图13所示是理论阈值、神经网络预测阈值及初始阈值(接收机积分器计算值)的变化曲线图,图中可看出接收机积分器直接计算的OOK阈值变化范围较小且存在较大的误差。图14所示是神经网络对阈值预测的误差率,当接收机与光源距离较远时,预测偏差升高。将固定光源和接收机轨道间的垂直距离置于{0.5,1,1.5,2,2.5,3}米,分别统计每个距离下慢速移动的平均误码率,结果如图15所示。观察图15的结果,直接积分值和本文的人工神经网络的误码率均随着通信距离的增加而升高,当距离较近时,人工神经网络的误码率明显优于直接积分值。比较接收机慢速移动和快速移动的实验结果,快速移动下的阈值预测偏差大于慢速移动的状态,并且导致快速移动下的误码率高于慢速移动的状态,但本实施例的人工神经网络技术依然对直接积分值实现了有效地改良。
实施例3
本实施例提出一种调制器,应用于实施例1提出的一种移动可见光通信接收机的OOK调制方法,如图16所示,为本实施例的调制器的物理结构示意图。
本实施例提出的调制器中,包括光电转换模块、积分器、自适应决策模块、决策系统和阈值寄存器,其中:
光电转换模块用于将输入的光信号转为电信号;光电转换模块的输出端与积分器的输入端连接;
积分器用于检测1比特周期的信号总值,并检测当前信号源的运动状态;积分器的第一输出端与自适应决策模块的第一输入端连接,积分器的第二输出端与决策系统的第一输入端连接;
自适应决策模块中预设有人工神经网络,用于根据信号源的运动状态决策OOK阈值;自适应决策模块的第一输出端与决策系统的第二输入端连接,自适应决策模块的第二输出端与阈值寄存器的输入端连接;
决策系统用于将积分器输出的积分结果与相应的OOK阈值进行比较,决定该比特数据为“1”或为“0”,得到OOK调制数字信号;决策系统的输出端与自适应决策模块的第二输入端连接,决策系统将其输出的信号经过非归零编码后作为上一时隙(i-1)的参考阈值输入自适应决策模块中决策当前时隙(i)的OOK阈值;
阈值寄存器用于缓存上一时隙(i-1)自适应决策模块输出的OOK阈值;阈值寄存器的输出端与自适应决策模块的第三输入端连接。
相同或相似的标号对应相同或相似的部件;
附图中描述位置关系的用语仅用于示例性说明,不能理解为对本专利的限制;
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (10)
1.一种移动可见光通信接收机的OOK调制方法,其特征在于,包括以下步骤:
当信号处于校准阶段时,将信号通过积分器得到积分结果,并检测当前信号源的运动状态:若当前信号源的运动状态为静止状态,则直接计算当前时隙i的OOK阈值;否则将积分器输出的积分结果输入由人工神经网络构成的自适应决策模块中进行处理;
自适应决策模块中,提取信号源校准阶段的光强度序列,并判断当前处理的信号的运动状态是否发生变化:若是,则从光强度序列中选择新的特征子集,采用新的特征子集重新训练预设的人工神经网络,然后将当前处理的信号输入完成重新训练的人工神经网络中,输出OOK阈值;若否,则直接将当前处理的信号输入人工神经网络中,输出OOK阈值;
当信号进入数据传输阶段时,将输入的光信号转换为电信号,通过积分器检测1比特周期的信号总值,将积分结果与相应的OOK阈值进行比较,决定该比特数据为“1”或为“0”;重复上述步骤对下一比特周期的信号源进行OOK调制,得到OOK调制数字信号。
3.根据权利要求2所述的移动可见光通信接收机的OOK调制方法,其特征在于:所述自适应决策模块中,采用遗传算法判断当前处理的信号的运动状态是否发生变化;其具体步骤如下:
初始化一个大小为WS的窗口,随机初始化种群;假设数据流样本为(…Si-1,Si,Si+1…),Si为正在处理的样本;当新的信号流到达,先检测是否发生特征漂移,若当前阈值改变率大于或等于10%,则判断发生特征漂移,即表示当前处理的信号的运动状态发生变化;否则判断当前处理的信号的运动状态未发生变化。
4.根据权利要求2所述的移动可见光通信接收机的OOK调制方法,其特征在于:所述自适应决策模块中,采用基于遗传算法的动态特征选择算法对光强度序列特征集进行优化处理,从光强度序列中更新最优的特征子集;其中,遗传算法的目标设置为:最小化特征数量;最大化OOK阈值和特征子集之间的相关性。
5.根据权利要求1所述的移动可见光通信接收机的OOK调制方法,其特征在于:所述自适应决策模块中预设的人工神经网络的结构包括1个隐层,其中隐层节点采用sigmoid函数;所述神经网络的输入节点数量等于选择的特征数量,训练程序包括1000次迭代。
10.一种调制器,其特征在于,应用权利要求1~9所述的移动可见光通信接收机的OOK调制方法,其特征在于,包括光电转换模块、积分器、自适应决策模块、决策系统和阈值寄存器,其中:
所述光电转换模块用于将输入的光信号转为电信号;所述光电转换模块的输出端与所述积分器的输入端连接;
所述积分器用于检测1比特周期的信号总值,并检测当前信号源的运动状态;所述积分器的第一输出端与所述自适应决策模块的第一输入端连接,所述积分器的第二输出端与所述决策系统的第一输入端连接;
所述自适应决策模块中预设有人工神经网络,用于根据信号源的运动状态决策OOK阈值;所述自适应决策模块的第一输出端与所述决策系统的第二输入端连接,所述自适应决策模块的第二输出端与所述阈值寄存器的输入端连接;
所述决策系统用于将积分器输出的积分结果与相应的OOK阈值进行比较,决定该比特数据为“1”或为“0”,得到OOK调制数字信号;所述决策系统的输出端与所述自适应决策模块的第二输入端连接,所述决策系统将其输出的信号经过非归零编码后作为上一时隙(i-1)的参考阈值输入所述自适应决策模块中决策当前时隙(i)的OOK阈值;
所述阈值寄存器用于缓存所述自适应决策模块输出的OOK阈值;所述阈值寄存器的输出端与所述自适应决策模块的第三输入端连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011064680.5A CN112272055B (zh) | 2020-09-30 | 2020-09-30 | 一种移动可见光通信接收机的ook调制方法、调制器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011064680.5A CN112272055B (zh) | 2020-09-30 | 2020-09-30 | 一种移动可见光通信接收机的ook调制方法、调制器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112272055A true CN112272055A (zh) | 2021-01-26 |
CN112272055B CN112272055B (zh) | 2022-02-18 |
Family
ID=74338782
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011064680.5A Active CN112272055B (zh) | 2020-09-30 | 2020-09-30 | 一种移动可见光通信接收机的ook调制方法、调制器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112272055B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101159821A (zh) * | 2007-11-21 | 2008-04-09 | 华东理工大学 | 光接收机面阵传感器的信号输出方法 |
CN105007118A (zh) * | 2015-06-10 | 2015-10-28 | 重庆邮电大学 | 一种用于室内可见光通信系统的神经网络均衡方法 |
CN107104734A (zh) * | 2017-05-24 | 2017-08-29 | 西安邮电大学 | 基于蓝绿激光的水下可见光收发系统 |
CN107682692A (zh) * | 2017-10-11 | 2018-02-09 | 深圳市光域物联科技有限公司 | 光成像通信的自适应检测系统及方法 |
CN107749779A (zh) * | 2017-09-29 | 2018-03-02 | 北京邮电大学 | 一种脉冲幅度调制pam‑n信号光性能监测方法与装置 |
US9918013B2 (en) * | 2011-07-26 | 2018-03-13 | Abl Ip Holding Llc | Method and apparatus for switching between cameras in a mobile device to receive a light signal |
CN111431565A (zh) * | 2020-03-16 | 2020-07-17 | 东莞职业技术学院 | 一种光通信mimo检测方法及系统 |
-
2020
- 2020-09-30 CN CN202011064680.5A patent/CN112272055B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101159821A (zh) * | 2007-11-21 | 2008-04-09 | 华东理工大学 | 光接收机面阵传感器的信号输出方法 |
US9918013B2 (en) * | 2011-07-26 | 2018-03-13 | Abl Ip Holding Llc | Method and apparatus for switching between cameras in a mobile device to receive a light signal |
CN105007118A (zh) * | 2015-06-10 | 2015-10-28 | 重庆邮电大学 | 一种用于室内可见光通信系统的神经网络均衡方法 |
CN107104734A (zh) * | 2017-05-24 | 2017-08-29 | 西安邮电大学 | 基于蓝绿激光的水下可见光收发系统 |
CN107749779A (zh) * | 2017-09-29 | 2018-03-02 | 北京邮电大学 | 一种脉冲幅度调制pam‑n信号光性能监测方法与装置 |
CN107682692A (zh) * | 2017-10-11 | 2018-02-09 | 深圳市光域物联科技有限公司 | 光成像通信的自适应检测系统及方法 |
CN111431565A (zh) * | 2020-03-16 | 2020-07-17 | 东莞职业技术学院 | 一种光通信mimo检测方法及系统 |
Non-Patent Citations (1)
Title |
---|
朱宝芹等: "自适应判决门限和直流提取技术对OOK/FSO系统性能的优化(英文) ", 《量子电子学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112272055B (zh) | 2022-02-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110120926B (zh) | 基于演化bp神经网络的通信信号调制方式识别方法 | |
Chen et al. | Automatic modulation classification scheme based on LSTM with random erasing and attention mechanism | |
Güner et al. | Automatic digital modulation classification using extreme learning machine with local binary pattern histogram features | |
CN110233810B (zh) | 一种混合噪声下基于深度学习的msk信号解调方法 | |
CN110569752A (zh) | 基于卷积神经网络的雷达信号类别确定方法 | |
CN112600618B (zh) | 一种基于注意力机制的可见光信号均衡系统及方法 | |
Chen et al. | Attention-based dual-stream vision transformer for radar gait recognition | |
CN114239749B (zh) | 基于残差收缩及双向长短期记忆网络的调制识别方法 | |
CN114881092A (zh) | 一种基于特征融合的信号调制识别方法 | |
CN111239692A (zh) | 基于深度学习的pri联合脉内信息辐射源信号识别方法 | |
CN112272055B (zh) | 一种移动可见光通信接收机的ook调制方法、调制器 | |
CN110751049B (zh) | 一种面向信号采样梯度攻击的防御方法 | |
CN104734793B (zh) | 基于p次方的无线协作频谱感知的能量检测方法 | |
Sönmez | Artificial neural network-based threshold detection for OOK-VLC Systems | |
CN110474798A (zh) | 一种利用回声状态网络预测无线通信未来信号的方法 | |
Xie et al. | A kind of wireless modulation recognition method based on densenet and blstm | |
CN116257780A (zh) | 基于盲信号分离的无监督特征提取和自适应的dbscan聚类方法 | |
CN113344168B (zh) | 短期泊位预测方法及系统 | |
CN116437365A (zh) | 一种无线传感器网络链路质量评价方法及系统 | |
CN112165366B (zh) | 应用于环境反向散射系统信号检测的最优门限值的确定方法 | |
Burns et al. | Evaluating deep learning networks for modulation recognition | |
Aghamalek et al. | An Improved soft decision method in Viterbi decoder using artificial neural networks | |
Turan et al. | Vehicular visible light communications noise analysis and Autoencoder based denoising | |
Zhou et al. | Msom based automatic modulation recognition and demodulation | |
CN110728175A (zh) | 一种用于无线网络的电磁信号红黑识别装置与识别方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |