在室内可见光通信中符号间干扰和噪声会严重影响系统性能,K均值(K-means)均衡方法可以抑制光无线信道的影响,但其复杂度较高,且在聚类边界处易出现误判。提出了改进聚类中心点的K-means(Improved Center K-means,IC-Kmeans)算法,通过随...在室内可见光通信中符号间干扰和噪声会严重影响系统性能,K均值(K-means)均衡方法可以抑制光无线信道的影响,但其复杂度较高,且在聚类边界处易出现误判。提出了改进聚类中心点的K-means(Improved Center K-means,IC-Kmeans)算法,通过随机生成足够长的训练序列,然后将训练序列每一簇的均值作为K-means聚类中心,避免了传统K-means反复迭代寻找聚类中心。进一步,提出了基于神经网络的IC-Kmeans(Neural Network Based IC-Kmeans,NNIC-Kmeans)算法,使用反向传播神经网络将接收端二维数据映射至三维空间,以增加不同簇之间混合数据的距离,提高了分类准确性。蒙特卡罗误码率仿真表明,IC-Kmeans均衡和传统K-means算法的误码率性能相当,但可以显著降低复杂度,特别是在信噪比较小时。同时,在室内多径信道模型下,与IC-Kmeans和传统Kmeans均衡相比,NNIC-Kmeans均衡的光正交频分复用系统误码率性能最好。展开更多
自适应光正交频分复用符号分解串行传输(Adaptive Optical Orthogonal Frequency Division Multiplexing Symbol Decomposition with Serial Transmission,O-OFDM-ASDST)可以抑制O-OFDM系统非线性失真,但在接收端将分解符号合并时会增...自适应光正交频分复用符号分解串行传输(Adaptive Optical Orthogonal Frequency Division Multiplexing Symbol Decomposition with Serial Transmission,O-OFDM-ASDST)可以抑制O-OFDM系统非线性失真,但在接收端将分解符号合并时会增大加性高斯白噪声(Additive White Gaussian Noise,AWGN),因此设计一种能够抑制AWGN的新型接收机.分析了O-OFDM分解符号的结构特征和可观测到的AWGN的最大偏移分量,基于此对接收分解符号进行预处理,尽可能恢复出原本等于限幅门限和零值的时域抽样值,再根据O-OFDM分解符号特征,重构接收分解符号.最后采用蒙特卡洛(Monte Carlo)误码率仿真方法,验证了接收机的有效性.展开更多
文摘在室内可见光通信中符号间干扰和噪声会严重影响系统性能,K均值(K-means)均衡方法可以抑制光无线信道的影响,但其复杂度较高,且在聚类边界处易出现误判。提出了改进聚类中心点的K-means(Improved Center K-means,IC-Kmeans)算法,通过随机生成足够长的训练序列,然后将训练序列每一簇的均值作为K-means聚类中心,避免了传统K-means反复迭代寻找聚类中心。进一步,提出了基于神经网络的IC-Kmeans(Neural Network Based IC-Kmeans,NNIC-Kmeans)算法,使用反向传播神经网络将接收端二维数据映射至三维空间,以增加不同簇之间混合数据的距离,提高了分类准确性。蒙特卡罗误码率仿真表明,IC-Kmeans均衡和传统K-means算法的误码率性能相当,但可以显著降低复杂度,特别是在信噪比较小时。同时,在室内多径信道模型下,与IC-Kmeans和传统Kmeans均衡相比,NNIC-Kmeans均衡的光正交频分复用系统误码率性能最好。
文摘自适应光正交频分复用符号分解串行传输(Adaptive Optical Orthogonal Frequency Division Multiplexing Symbol Decomposition with Serial Transmission,O-OFDM-ASDST)可以抑制O-OFDM系统非线性失真,但在接收端将分解符号合并时会增大加性高斯白噪声(Additive White Gaussian Noise,AWGN),因此设计一种能够抑制AWGN的新型接收机.分析了O-OFDM分解符号的结构特征和可观测到的AWGN的最大偏移分量,基于此对接收分解符号进行预处理,尽可能恢复出原本等于限幅门限和零值的时域抽样值,再根据O-OFDM分解符号特征,重构接收分解符号.最后采用蒙特卡洛(Monte Carlo)误码率仿真方法,验证了接收机的有效性.
