CN112737682B - Led非线性失真补偿方法、装置及可见光通信系统 - Google Patents
Led非线性失真补偿方法、装置及可见光通信系统 Download PDFInfo
- Publication number
- CN112737682B CN112737682B CN202011640137.5A CN202011640137A CN112737682B CN 112737682 B CN112737682 B CN 112737682B CN 202011640137 A CN202011640137 A CN 202011640137A CN 112737682 B CN112737682 B CN 112737682B
- Authority
- CN
- China
- Prior art keywords
- led
- nonlinear distortion
- distortion compensation
- signal
- digital signal
- 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.)
- Active
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
- H04B10/50—Transmitters
- H04B10/501—Structural aspects
- H04B10/502—LED transmitters
-
- 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
- H04B10/50—Transmitters
- H04B10/58—Compensation for non-linear transmitter output
Abstract
本申请公开了一种LED非线性失真补偿方法、装置、可见光通信系统及计算机可读存储介质,所述方法包括:接收原始模拟信号,其中,所述原始模拟信号为LED非线性失真信号;将所述原始模拟信号转换为第一数字信号;根据LED非线性失真补偿模型对所述第一数字信号进行补偿得到第二数字信号;其中,所述LED非线性失真补偿模型包括第一计算公式和第二计算公式,先根据第一计算公式和第一数字信号计算出LED活跃层中过载流子浓度,然后根据第二计算公式和LED活跃层中过载流子浓度计算出第二数字信号,能够有效地补偿LED带来的非线性失真,且使用的LED非线性失真补偿模型复杂度低,实现成本低。
Description
技术领域
本申请涉及LED非线性系统领域,特别涉及一种LED非线性补偿方法、装置、可见光通信系统及计算机可读存储介质。
背景技术
可见光通信(Visible Light Communication,VLC)系统具有发射功率高、无电磁干扰、无频谱认证、节约能源等优点,能够有效缓解无线电频谱资源趋于枯竭的问题,近年来越来越受到人们的重视。可见光通信系统使用发光二极管(Light Emitting Diode,LED)作为信号发射机,LED同时提供照明和通信服务,LED对可见光通信系统整体性能的影响至关重要,但是由于LED的非线性特性,会给可见光通信系统的发射信号带来非线性失真。
发明内容
本申请旨在至少解决现有技术中存在的技术问题之一。为此,本申请提出一种LED非线性失真补偿方法、装置、可见光通信系统及计算机可读存储介质,能够有效地补偿LED带来的非线性失真,且使用的LED非线性失真补偿模型复杂度低,实现成本低。
第一方面,本申请提供了一种LED非线性失真补偿方法,包括:
接收原始模拟信号,其中,所述原始模拟信号为LED非线性失真信号;
将所述原始模拟信号转换为第一数字信号;
根据LED非线性失真补偿模型对所述第一数字信号进行补偿得到第二数字信号;
其中,所述LED非线性失真补偿模型包括第一计算公式和第二计算公式,
所述根据LED非线性失真补偿模型对所述第一数字信号进行补偿得到第二数字信号,包括:
根据所述第一计算公式和所述第一数字信号计算出LED活跃层中过载流子浓度;
根据所述第二计算公式和所述LED活跃层中过载流子浓度计算出第二数字信号;
所述第一计算公式表示为:
所述第二计算公式表示为:
本申请上述第一方面的技术方案至少具有如下优点或有益效果之一:根据本申请实施例的LED非线性失真补偿方法,能够应用于LED非线性失真补偿装置,接收原始模拟信号,原始模拟信号为LED非线性失真信号,然后将原始模拟信号转换为第一数字信号,然后根据LED非线性失真补偿模型对所述第一数字信号进行补偿得到第二数字信号;其中,LED非线性失真补偿模型包括第一计算公式和第二计算公式;然后先根据所述第一计算公式和所述第一数字信号计算出LED活跃层中过载流子浓度,再根据LED活跃层中过载流子浓度计算出第二数字信号;
第一计算公式表示为:
第二计算公式表示为:
其中,表示前一时刻t-Ts的LED活跃层中过载流子浓度,为第二数字信号,d0,d1,d2,c0,c1,c2为LED非线性失真补偿模型的系数。能够有效地补偿LED非线性系统的原始模拟信号的非线性失真,且使用的LED非线性失真补偿模型复杂度低,实现成本低,当应用于可见光通信系统,原始模拟信号为可见光通信系统中的发射信号,LED非线性失真补偿方法能够对发射信号的非线性失真进行补偿,进而提高可见光通信系统的通信质量。
根据本申请第一方面的一些实施例,所述系数d0、d1、d2、c0、c1、c2根据LED信号模拟模型的系数得到,所述LED信号模拟模型具体为:
其中,nc(t)表示t时刻的过载流子浓度,nc(t+Ts)表示下一个采样时刻的过载流子浓度, 为所述LED模拟模型的系数,I(t)为所述LED信号模拟模型的输入信号,Popt(t)为所述LED信号模拟模型的输出信号,
根据本申请第一方面的一些实施例,所述第一系数估计算法为如下之一:
LMS算法、RLS算法、Nelder-Mead算法、Powell算法、拟牛顿法。
根据本申请第一方面的一些实施例,所述LED非线性失真补偿模型的系数d0、d1、d2、c0、c1、c2通过第二系数估计算法对所述原始模拟信号进行训练得到。
根据本申请第一方面的一些实施例,所述第二系数估计算法为如下之一:
直接型非线性最优化算法、解析型非线性最优化算法、人工神经网络、粒子群优化算法。
第二方面,本申请提供了一种LED非线性失真补偿装置,包括:
模数转换模块,用于接收原始模拟信号,并将所述原始模拟信号转换为第一数字信号,其中,所述原始模拟信号为LED非线性失真信号;
信号处理模块,所述模数转换模块与所述信号处理模块电连接,所述信号处理模块用于根据LED非线性失真补偿模型对所述第一数字信号进行补偿得到第二数字信号;
其中,所述LED非线性失真补偿模型包括第一计算公式和第二计算公式,
所述根据LED非线性失真补偿模型对所述第一数字信号进行补偿得到第二数字信号,包括:
根据所述第一计算公式和所述第一数字信号计算出LED活跃层中过载流子浓度;
根据所述第二计算公式和所述LED活跃层中过载流子浓度计算出第二数字信号;
所述第一计算公式表示为:
所述第二计算公式表示为:
根据本申请第二方面的一些实施例,所述信号处理模块为如下之一:
FPGA、DSP、ASIC、SOC、Arduino、树莓派。
第三方面,本申请提供了一种可见光通信系统,其特征在于,包括:
至少一个存储器;
至少一个处理器;
至少一个程序;
所述程序被存储在所述存储器中,所述处理器执行至少一个所述程序以实现如本申请第一方面的任意一项实施例所述的LED非线性失真补偿方法。
第四方面,本申请提供了一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机可执行信号,所述计算机可执行信号用于执行如本申请第一方面的任意一项实施例所述的LED非线性失真补偿方法。
本申请的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
本申请的附加方面和优点结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1为本申请一个实施例提供的LED非线性失真补偿方法的流程示意图;
图2为本申请一个实施例提供的LED非线性失真补偿模型的示意图;
图3为本申请一个实施例提供的LED非线性失真补偿装置的结构示意图。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本申请,而不能理解为对本申请的限制。
在本申请的描述中,如果有描述到第一、第二只是用于区分技术特征为目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
参照图1和图2,为本申请一个实施例提供的LED非线性失真补偿方法的流程示意图;图2为本申请一个实施例提供的LED非线性失真补偿模型的示意图;本申请实施例提供了一种LED非线性失真补偿方法,包括但不限于步骤S110,步骤S120,步骤S130。
步骤S110,接收原始模拟信号,其中,原始模拟信号为LED非线性失真信号。
步骤S120,将原始模拟信号转换为第一数字信号。
步骤S130,根据LED非线性失真补偿模型对第一数字信号进行补偿得到第二数字信号。
可以理解的是,根据本申请实施例的LED非线性失真补偿方法,能够应用于LED非线性失真补偿装置,接收原始模拟信号,原始模拟信号为LED非线性失真信号,然后将原始模拟信号转换为第一数字信号,然后根据LED非线性失真补偿模型对所述第一数字信号进行补偿得到第二数字信号;其中,LED非线性失真补偿模型包括第一计算公式和第二计算公式;然后先根据所述第一计算公式和所述第一数字信号计算出LED活跃层中过载流子浓度,再根据LED活跃层中过载流子浓度计算出第二数字信号;
第一计算公式表示为:
第二计算公式表示为:
其中,表示前一时刻t-Ts的LED活跃层中过载流子浓度,为第二数字信号,d0,d1,d2,c0,c1,c2为LED非线性失真补偿模型的系数。能够有效地补偿LED非线性系统的原始模拟信号的非线性失真,且使用的LED非线性失真补偿模型复杂度低,实现成本低,当应用于可见光通信系统,原始模拟信号为可见光通信系统中的发射信号,LED非线性失真补偿方法能够对发射信号的非线性失真进行补偿,进而提高可见光通信系统的通信质量。
可以理解的是,LED非线性失真补偿模型的系数d0、d1、d2、c0、c1、c2根据LED信号模拟模型的系数得到,LED信号模拟模型具体为:
其中,nc(t)表示t时刻的过载流子浓度,nc(t+Ts)表示下一个采样时刻的过载流子浓度, 为所述LED模拟模型的系数,I(t)为所述LED信号模拟模型的输入信号,Popt(t)为所述LED信号模拟模型的输出信号,
可以理解的是,第一系数估计算法为如下之一:
LMS算法、RLS算法、Nelder-Mead算法、Powell算法、拟牛顿法。
例如,通过Nelder-Mead算法对LED发射信号进行训练得到LED信号模拟模型的系数具体为:N维的Nelder-Mead包括有N+1个测试点,由N+1个测试点组成一个数据集合;然后计算该数据集合中每个点的目标函数值;计算该数据集合的质心,即该数据集合中前N个测试点的平均值;使用质心的反射点替换最差的测试点,获得一个新的数据集合;使用新的数据集合的质心的反射点替换新的数据集合中最差的测试点,如此迭代计算,直至最新的数据集合中的测试点满足容忍条件,并得到最优解。本申请实施例信号模拟模型的系数有4个,因此N=4,x1为系数的集合,根据初始点x1另外生成N个初始点x2,x3,x4,x5,将x1+i的第i个分量设置为比x1的大5%,其他分量保持相同,1≤i≤4,若x1的第i个分量为零,则将x1+i的第i个分量设置为0.00025;
将f(xi)从小到大的顺序排序并按照该顺序重新命名,使得当i越大,f(xi)越大;
计算xN+1关于m点的反射点:r=2m-xN+1;
若f(x1)≤f(r)<f(xN),则令xN+1=r;
若f(r)<f(x1),计算拓展点:s=m+2(m-xN+1),若f(s)<f(r),令xN+1=s,若f(s)≥f(r),令xN+1=r;
若f(xN)≤f(r)<f(xN+1),令c1=m+(r-m)/2,若f(c1)<f(r),令xN+1=c1;
若f(xN+1)≤f(r),令c2=m+(xN+1-m)/2,若f(c2)<f(xN+1),令xN+1=c2;
计算vj=x1+(xj-x1)/2,2≤j≤N+1,使xj=vj,使用vj对x2,x3,x4,x5重新赋值;
可以理解的是,LED非线性失真补偿模型的系数d0、d1、d2、c0、c1、c2通过第二系数估计算法对LED非线性系统原始模拟信号进行训练得到。
可以理解的是,第二系数估计算法为如下之一:
直接型非线性最优化算法、解析型非线性最优化算法、人工神经网络、粒子群优化算法。
例如,使用人工神经网络对可见光通信系统中的LED发射机的信号进行训练,训练的过程如下:采集可见光通信系统中的LED发射机不同频率的输入信号、输出信号;然后将采集到的可见光通信系统中的LED发射机不同频率的输入信号、输出信号输入到人工神经网络中做训练并将人工神经网络的结构固定;给LED非线性失真补偿模型以及神经网络模型同样的输入信号,然后计算两个输出信号的误差,通过不断调整LED非线性失真补偿模型的系数,当误差小于预设值,则结束训练,取训练结果作为LED非线性失真补偿模型的系数。
此外,参照图3,本申请实施例还提供了一种LED非线性失真补偿装置,包括:
模数转换模块,用于接收原始模拟信号,并将所述原始模拟信号转换为第一数字信号,其中,所述原始模拟信号为LED非线性失真信号;
信号处理模块,模数转换模块与信号处理模块电连接,信号处理模块用于根据LED非线性失真补偿模型对第一数字信号进行补偿得到第二数字信号;
其中,LED非线性失真补偿模型包括第一计算公式和第二计算公式,
根据LED非线性失真补偿模型对所述第一数字信号进行补偿得到第二数字信号,包括:
根据第一计算公式和第一数字信号计算出LED活跃层中过载流子浓度;
根据第二计算公式和LED活跃层中过载流子浓度计算出第二数字信号;
第一计算公式表示为:
第二计算公式表示为:
其中,表示前一时刻Ts的LED活跃层中过载流子浓度,为第二数字信号,d0,d1,d2,c0,c1,c2为LED非线性失真补偿模型的系数。本申请实施例的LED非线性失真补偿装置,能够有效地补偿LED非线性系统的原始模拟信号的非线性失真,且LED非线性失真补偿模型的复杂度低,实现成本低,可以理解的是,LED非线性失真补偿装置能够应用于可见光通信系统,原始模拟信号为可见光通信系统中的发射信号,LED非线性失真补偿方法能够对发射信号的非线性失真进行补偿,进而提高可见光通信系统的通信质量。
可以理解的是,信号处理模块为如下之一:FPGA、DSP、ASIC、SOC、Arduino、树莓派。
此外,本申请实施例还提供了一种可见光通信系统,包括:
至少一个存储器;
至少一个处理器;
至少一个程序;
程序被存储在所述存储器中,处理器执行至少一个程序以实现如本申请上述实施例的LED非线性失真补偿方法。
可以理解的是,由于处理器能执行至少一个程序以实现如本申请上述实施例的LED非线性失真补偿方法,因此本申请实施例的可见光通信系统,能够对可见光通信系统的发射信号的非线性失真进行补偿,进而提高可见光通信系统的通信质量。
处理器和存储器可以通过总线或其他方式连接。
存储器作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态性计算机可执行程序以及信号,如本申请实施例中的可见光通信系统对应的程序指令/信号。处理器通过运行存储在存储器中的非暂态软件程序、指令以及信号,从而执行各种功能应用以及数据处理,即实现上述方法实施例的LED非线性失真补偿方法。
存储器可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储上述可见光通信发射信号的模拟方法的相关数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至该可见光通信系统。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
一个或者多个信号存储在存储器中,当被一个或者多个处理器执行时,执行本申请上述方法实施例的LED非线性失真补偿方法。例如,执行以上描述的图1中的方法步骤S110至S130。
此外,本申请实施例还提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机可执行信号,该计算机可执行信号被一个处理器或控制器执行,例如,被上述本申请的装置实施例中的处理器执行,可使得上述处理器执行如本申请上述实施例的LED非线性失真补偿方法,例如,执行以上描述的图1中的方法步骤S100至S130。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器,如中央处理器、数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读介质上,计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的,术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。
上面结合附图对本申请实施例作了详细说明,但是本申请不限于上述实施例,在所属技术领域普通技术人员所具备的知识范围内,还可以在不脱离本申请宗旨的前提下,作出各种变化。
Claims (10)
1.一种LED非线性失真补偿方法,其特征在于,包括:
接收原始模拟信号,其中,所述原始模拟信号为LED非线性失真信号;
将所述原始模拟信号转换为第一数字信号;
根据LED非线性失真补偿模型对所述第一数字信号进行补偿得到第二数字信号;
其中,所述LED非线性失真补偿模型包括第一计算公式和第二计算公式,
所述根据LED非线性失真补偿模型对所述第一数字信号进行补偿得到第二数字信号,包括:
根据所述第一计算公式和所述第一数字信号计算出LED活跃层中过载流子浓度;
根据所述第二计算公式和所述LED活跃层中过载流子浓度计算出第二数字信号;
所述第一计算公式表示为:
所述第二计算公式表示为:
4.根据权利要求3所述的LED非线性失真补偿方法,其特征在于,所述第一系数估计算法为如下之一:
LMS算法、RLS算法、Nelder-Mead算法、Powell算法、拟牛顿法。
5.根据权利要求1所述的LED非线性失真补偿方法,其特征在于,所述所述LED非线性失真补偿模型系数d0、d1、d2、c0、c1、c2通过第二系数估计算法对所述原始模拟信号进行训练得到。
6.根据权利要求5所述的LED非线性失真补偿方法,其特征在于,所述第二系数估计算法为如下之一:
直接型非线性最优化算法、解析型非线性最优化算法、人工神经网络、粒子群优化算法。
7.一种LED非线性失真补偿装置,其特征在于,包括:
模数转换模块,用于接收原始模拟信号,并将所述原始模拟信号转换为第一数字信号,其中,所述原始模拟信号为LED非线性失真信号;
信号处理模块,所述模数转换模块与所述信号处理模块电连接,所述信号处理模块用于根据LED非线性失真补偿模型对所述第一数字信号进行补偿得到第二数字信号;
其中,所述LED非线性失真补偿模型包括第一计算公式和第二计算公式,
所述根据LED非线性失真补偿模型对所述第一数字信号进行补偿得到第二数字信号,包括:
根据所述第一计算公式和所述第一数字信号计算出LED活跃层中过载流子浓度;
根据所述第二计算公式和所述LED活跃层中过载流子浓度计算出第二数字信号;
所述第一计算公式表示为:
所述第二计算公式表示为:
8.根据权利要求7所述的LED非线性失真补偿装置,其特征在于,所述信号处理模块为如下之一:
FPGA、DSP、ASIC、SOC、Arduino、树莓派。
9.一种可见光通信系统,其特征在于,包括:
至少一个存储器;
至少一个处理器;
至少一个程序;
所述程序被存储在所述存储器中,所述处理器执行至少一个所述程序以实现如权利要求1至6任一项所述的LED非线性失真补偿方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机可执行信号,所述计算机可执行信号用于执行如权利要求1至6任一项所述的LED非线性失真补偿方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011640137.5A CN112737682B (zh) | 2020-12-31 | 2020-12-31 | Led非线性失真补偿方法、装置及可见光通信系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011640137.5A CN112737682B (zh) | 2020-12-31 | 2020-12-31 | Led非线性失真补偿方法、装置及可见光通信系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112737682A CN112737682A (zh) | 2021-04-30 |
CN112737682B true CN112737682B (zh) | 2022-02-18 |
Family
ID=75608934
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011640137.5A Active CN112737682B (zh) | 2020-12-31 | 2020-12-31 | Led非线性失真补偿方法、装置及可见光通信系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112737682B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113676259B (zh) * | 2021-07-30 | 2022-07-26 | 华南师范大学 | 基于Legendre多项式的LED非线性补偿方法、系统、设备及介质 |
CN114826400B (zh) * | 2022-02-28 | 2023-08-08 | 北京邮电大学 | 一种基于可见光通信的信号补偿方法及相关设备 |
CN115765901A (zh) * | 2022-11-10 | 2023-03-07 | 西南交通大学 | 一种基于速率方程的led非线性信道建模方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105721056A (zh) * | 2016-03-14 | 2016-06-29 | 北京科技大学 | 一种降低可见光通信系统光源led非线性的方法及系统 |
CN106921470A (zh) * | 2017-04-27 | 2017-07-04 | 华南理工大学 | 一种基于神经元网络的可见光通信接收方法及其接收系统 |
CN109905170A (zh) * | 2019-01-17 | 2019-06-18 | 复旦大学 | 一种基于k-dnn的非线性失真补偿算法及可见光通信装置 |
CN110492938A (zh) * | 2019-08-28 | 2019-11-22 | 兰州理工大学 | 一种抑制led非线性失真对可见光通信性能影响的方法 |
CN110830112A (zh) * | 2019-10-16 | 2020-02-21 | 青岛海信电器股份有限公司 | 一种可见光通信的方法及设备 |
CN111525955A (zh) * | 2020-04-13 | 2020-08-11 | 青岛大学 | 一种基于稀疏贝叶斯学习的可见光通信的均衡方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107566039A (zh) * | 2017-09-04 | 2018-01-09 | 复旦大学 | 一种基于聚类判决的可见光系统非线性补偿方法 |
-
2020
- 2020-12-31 CN CN202011640137.5A patent/CN112737682B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105721056A (zh) * | 2016-03-14 | 2016-06-29 | 北京科技大学 | 一种降低可见光通信系统光源led非线性的方法及系统 |
CN106921470A (zh) * | 2017-04-27 | 2017-07-04 | 华南理工大学 | 一种基于神经元网络的可见光通信接收方法及其接收系统 |
CN109905170A (zh) * | 2019-01-17 | 2019-06-18 | 复旦大学 | 一种基于k-dnn的非线性失真补偿算法及可见光通信装置 |
CN110492938A (zh) * | 2019-08-28 | 2019-11-22 | 兰州理工大学 | 一种抑制led非线性失真对可见光通信性能影响的方法 |
CN110830112A (zh) * | 2019-10-16 | 2020-02-21 | 青岛海信电器股份有限公司 | 一种可见光通信的方法及设备 |
CN111525955A (zh) * | 2020-04-13 | 2020-08-11 | 青岛大学 | 一种基于稀疏贝叶斯学习的可见光通信的均衡方法及系统 |
Non-Patent Citations (2)
Title |
---|
LED Nonlinearity Estimation and Compensation in VLC Systems Using Probabilistic Bayesian Learning;Chen Chen et al;《Applied Sciences》;20190703;第1-12页 * |
可见光通信中LED非线性补偿和带宽拓展技术;王玉皞 等;《光电工程》;20200331;第47卷(第3期);第25-36页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112737682A (zh) | 2021-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112737682B (zh) | Led非线性失真补偿方法、装置及可见光通信系统 | |
CN107707494B (zh) | 用于64-qam相干光通信系统的光纤非线性均衡方法 | |
CN103684600B (zh) | 均衡器系数的更新装置和方法、以及接收机和光通信系统 | |
WO2019169731A1 (zh) | 基于无数据辅助的knn算法的光纤非线性均衡方法 | |
CN110233755B (zh) | 一种物联网中雾计算的计算资源和频谱资源分配方法 | |
CN112040498A (zh) | 一种基于定点迭代的无线供能传感器网络时间分配方法 | |
CN112803434A (zh) | 有源配电网的无功优化方法、装置、设备和存储介质 | |
CN106059531A (zh) | 一种非负自适应滤波器 | |
CN107395274B (zh) | 一种dco-ofdm可见光通信传输系统的实现方法 | |
CN103905370B (zh) | 正交振幅调制信号的软解调方法和装置、移动终端 | |
CN113595942B (zh) | 一种基于粒子滤波器的全双工系统自干扰消除方法 | |
CN103338170B (zh) | 混沌人工鱼群优化广义多模盲均衡方法 | |
CN112865864B (zh) | 可见光通信系统的发射信号模拟方法及信号模拟机 | |
CN114500200B (zh) | 数字信号处理方法、动态均衡方法、装置、介质以及设备 | |
CN111723978B (zh) | 一种基于虚拟映射适应多种电力业务差异性需求的指标评价方法 | |
CN113162658B (zh) | 一种电力线通信中基于升价配额匹配的任务卸载方法 | |
CN111327558B (zh) | 用于滤波器多载波调制光通信的gmm非均匀量化的方法及系统 | |
CN111510223B (zh) | 一种平面判决向偏振态跟踪方法及装置 | |
CN113993175B (zh) | 一种无人机通信切换方法、系统、设备及存储介质 | |
CN113938198B (zh) | 光纤传输系统、基于lda简化非线性均衡器的方法及模块 | |
CN115856825B (zh) | 一种雷达信号无损拾音方法 | |
Lu et al. | Patterns quantization with noise using Gaussian features and Bayesian learning in VLC systems | |
CN114513252B (zh) | 基于加权密度峰值聚类算法的光纤非线性补偿方法 | |
CN113537511B (zh) | 一种自动梯度量化的联邦学习装置和方法 | |
Zhou et al. | Cascaded modulation format identification and optical signal-to-noise ratio estimation method for optical communication system |
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 |