没有合适的资源?快使用搜索试试~ 我知道了~
基于SVM的广义空移键控可见光通信系统信号检测算法.docx
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 85 浏览量
2023-02-23
20:04:34
上传
评论
收藏 417KB DOCX 举报
温馨提示
试读
12页
基于SVM的广义空移键控可见光通信系统信号检测算法.docx
资源推荐
资源详情
资源评论
1. 引言
鉴于多输入多输出(Multiple-Input Multiple-Output, MIMO)传输能够深度挖掘空间维度
的无线资源,从而显著提升系统频谱效率,已成为当前学术界和工业界的研究热点之一。
广义空移键控(Generalized Space Shift Keying, GSSK)作为 MIMO 传输技术中的一种新型调
制技术
[1-3]
,在 VLC(Visible Light Communication, VLC)系统的实际应用场景中,发射端利
用激活发光二极管(Light Emitting Diode, LED)的索引承载信息,在有效降低 MIMO-VLC 系
统成本和复杂度的同时可以获得更高的频谱效率
[3]
。
VLC 系统作为射频(Radio Frequency, RF)通信的有效补充正在蓬勃发展
[4]
,其研究主要
集中在系统传输层面,而对系统信号检测等性能分析的研究相对较少,一般采用基于极大
似然(Maximum Likelihood, ML)的最优信号检测方法
[5-7]
。由于 ML 信号检测技术的计算复
杂度高,因此如何在保证系统信号检测性能的前提下,降低信号检测的复杂度已成为待研
究的重要命题。
近年来,随着相关领域的深入研究,机器学习已被用来解决一系列工程问题,特别是
在信号处理、模式识别、智能控制和数字通信系统等问题中
[8,9]
。在传统的射频 RF 无线通
信系统信号检测问题中,机器学习技术可在有效降低信号检测复杂度的同时保持系统的
BER 性能
[10-12]
。具体来说,文献[10]提出了一种用于空移键控(Space Shift Keying, SSK)系
统的全盲 K 均值聚类(K-Means Clustering, KMC)检测算法,但是该检测器存在一定的误差
平台效应,虽然可以通过增加算法运行次数来降低这一影响,但是大大增加了算法复杂
度。针对这一问题,文献[11]提出了一种改进的 K 均值聚类(IKMC)检测算法,通过对初始
聚类中心进行优化,使初始聚类中心尽可能不在同一类,以此来降低算法复杂度。但是,
IKMC 检测器的性能会随聚类中心的增加而急剧恶化。文献[12]提出了一种基于约束聚类
概念的新型盲检测器,通过控制每个类中接收符号的数量,将 KMC 检测器的非约束优化
问题转换为约束优化问题,从而得到优化后的聚类中心,以此来避免簇数增大时所造成的
系统性能退化。以上方法主要采用了无监督学习,均没有使用监督学习方法。
针对 VLC 系统,文献[13]提出了一种基于深度学习(Deep Learning, DL)的信号检测方
法,通过将两个连接的多层感知(Multi-Layer Perception, MLP)网络集成到接收端,在水下
光无线通信(Underwater Optical Wireless Communication, UOWC)系统中对接收信号进行解
调并完成检测。文献[14]将基于 DL 的自动编码器用于多色 VLC 系统的多维颜色调制,可
以有效降低平均误符号率。而针对 OFDM-VLC 系统,文献[15]提出了一种基于 SVM 的信
号检测算法。上述这些方法均没有考虑将机器学习技术应用于实际的室内 MIMO GSSK-
VLC 系统。
本文考虑的室内 VLC 系统,由于照明的需要,一般在空间上布置多个 LED 模块,在
此背景下,非常适合采用 GSSK-VLC 系统实现对应用场景的无线通信服务。因此,本文将
考虑在室内 GSSK-VLC 系统中,通过使用支持向量机(Support Vector Machine, SVM),实
现用户对接收信号的检测。具体地,首先,通过随机生成的用户位置获取训练样本集并构
建训练样本的标签向量。然后利用核 SVM 构建信号检测的最优化问题,通过转化获得原
问题的凸对偶问题,从而高效地获取 SVM 的最优分类参数。最后,实现对任意给定用户
位置信息的在线信号检测。仿真结果表明,综合考虑误比特率(Bit Error Rate, BER)性能和
算法复杂度,基于 SVM 的检测器可以获得更好的系统检测性能。
本文内容安排如下:第 2 节给出了 GSSK-VLC 系统中信号及 VLC 信道的详细数学模
型;第 3 节详细讨论并给出了基于 SVM 的信号检测算法;第 4 节进行了详尽的仿真分
析,对比分析了不同信号检测算法在 BER 性能及计算复杂度的性能差异;第 5 节对本文内
容进行了总结。
2. GSSK-VLC 系统及信号建模
本文考虑基于强度调制(Intensity Modulation, IM)直接检测(Direct Detection, DD)技术的
室内 GSSK-VLC 系统,其中发射端使用多个 LED 将信息信号发送到室内随机分布的用户
接收端。在此通信系统中,考虑尺寸为 L~×W~×H~(m3)L~×W~×H~(m3)的室内应用环
境,发射端在天花板上装有 NtNt 个向下安装的 LED,接收端配备了 NrNr 个向上的光电探
测器(Photo-Detector, PD)用来与发射端 LED 进行通信,如图 1 所示,其中发射端 LED 数
Nt=4Nt=4,单个用户有 4 个 PD, Nr=4Nr=4, L~=W~=5m,H~=3mL~=W~=5m,H~=3m。为
简单起见,尽管不是必需的,本文假设所有 LED 和 PD 分别具有相同的参数。此外,进一
步假设发射端可以通过 VLC 系统的某些定位方法获得接收端的位置或信道状态信息
(Channel State Information, CSI)。因此,所考虑的 GSSK-VLC 系统代表了典型的 MIMO-
VLC 高斯信道模型。
图 1 室内 VLC 系统概念图
下载: 全尺寸图片 幻灯片
随机分布的用户接收端 PD 所观察到的信号表示为
\boldsymboly=\boldsymbolHx+\boldsymbolw\boldsymboly=\boldsymbolHx+\boldsymbolw
(1)
其中,\boldsymbolH∈RNr×Nt+\boldsymbolH∈R+Nr×Nt 代表发射端和接收端链路之
间的信道增益,\boldsymbolx=[x1x2⋯xNt]T∈RNt\boldsymbolx=[x1x2⋯xNt]T∈RNt 代表发
射端发送承载信息的信号向量。为了调节 LED 的照明水平,假定如等式(1)所示,信号是
叠加在相同的直流(DC)偏置 IDC∈R+IDC∈R+上的信号矢量
[16]
。另外,在等式(1)中,
\boldsymbolw∼N(\boldsymbolONr,σ2\boldsymbolINr)\boldsymbolw∼N(\boldsymbolONr,
σ2\boldsymbolINr)是在接收端 PD 处接收的 0 均值加性高斯白噪声(Additive White Gaussian
Noise, AWGN)。
为了避免削波失真,节省电能,并且为了安全起见,将第 ii 个 LED 的总电流
IDC+xiIDC+xi 限制在[(1−α)IDC,(1+α)IDC][(1−α)IDC,(1+α)IDC]的范围内,其中 α∈[0,1]α∈
[0,1]被称为调制指数
[17]
。同时,信息承载信号 xixi 必须满足峰值振幅约束
|xi|≤A,∀i|xi|≤A,∀i,其中 A=αIDC∈R+A=αIDC∈R+。GSSK-VLC 系统框图如图 2 所示
剩余11页未读,继续阅读
资源评论
罗伯特之技术屋
- 粉丝: 3744
- 资源: 1万+
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功