基于SVM的广义空移键控可见光通信系统信号检测算法.docx

在无线通信领域，特别是可见光通信（Visible Light Communication, VLC）系统中，基于SVM（Support Vector Machine）的广义空移键控（Generalized Space Shift Keying, GSSK）信号检测算法是一种新兴的技术，旨在提高系统性能的同时降低计算复杂度。GSSK是MIMO（Multiple-Input Multiple-Output）传输技术的一种变体，它利用LED的索引来携带信息，有效地利用空间资源，提升频谱效率。VLC系统作为一种补充射频（Radio Frequency, RF）通信的方式，近年来得到了广泛的关注。 传统的VLC系统通常采用最大似然（Maximum Likelihood, ML）信号检测方法，但这种方法的计算复杂度较高。随着机器学习技术的发展，尤其是监督学习方法的应用，研究人员开始寻找替代方案。SVM作为一种有效的监督学习模型，已经在信号处理、模式识别等领域展现出强大的潜力。 文献中提到，K均值聚类（K-Means Clustering, KMC）和改进的K均值聚类（Improved K-Means Clustering, IKMC）检测算法被用于降低信号检测的复杂度，但它们分别存在误差平台效应和性能随聚类中心增加而下降的问题。而基于约束聚类的盲检测器则尝试通过控制接收符号数量来优化这些问题。然而，这些方法主要依赖于无监督学习。 针对VLC系统，深度学习（Deep Learning, DL）也被引入到信号检测中，如使用多层感知器（Multi-Layer Perception, MLP）网络和自动编码器进行解调和检测，尤其是在多色VLC系统中的多维颜色调制。对于OFDM-VLC系统，有研究提出了基于SVM的信号检测算法。 本文聚焦于室内GSSK-VLC系统，考虑到室内环境中多个LED模块的布置，GSSK-VLC系统非常适合提供无线通信服务。文章首先通过随机生成的用户位置创建训练样本集，并构建相应的标签向量。接着，利用核SVM构建信号检测的优化问题，通过求解其对偶问题来获取最优分类参数。这样，系统可以对任意用户位置信息进行实时信号检测。 仿真结果证明，基于SVM的检测器在误比特率（Bit Error Rate, BER）性能和算法复杂度之间取得了较好的平衡，提供了优于其他检测算法的系统检测性能。文章的结构包括对GSSK-VLC系统和信号模型的详细阐述，SVM信号检测算法的讨论，以及全面的仿真分析，比较了不同检测算法的性能差异。 这篇文档探讨了如何利用SVM优化GSSK-VLC系统的信号检测，以克服传统ML方法的计算复杂度问题，同时保持良好的系统性能。这种方法为未来VLC系统的设计和优化提供了新的思路。