基于卷积神经网络的SCMA-VLC接收机研究

邹少琴; 赖奇伟; 林邦姜

doi:10.13756/j.gtxyj.2022.01.006

您当前的位置：

首页 >

文章列表页 >

基于卷积神经网络的SCMA-VLC接收机研究

光通信系统与网络技术 | 更新时间：2022-06-15

- 基于卷积神经网络的SCMA-VLC接收机研究
- Research on SCMA-VLC Receiver based on Convolutional Neural Network
- 光通信研究 2022年第1期页码：27-30,62
- 作者机构：
  
  1.厦门南洋职业学院，福建　厦门　361102
  2.中国科学院福建物质结构研究所　泉州装备制造研究所，福建　泉州　362000
- 作者简介：
  
  邹少琴(1981-)，女，福建厦门人。硕士，主要研究方向为物联网技术。
  林邦姜，副研究员。E-mail：linbangjiang@fjirsm.ac.cn
- 基金信息：
  
  福建省科技计划资助项目(2019T3020;2018H2001);四川省科技计划资助项目(2020YFSY0021);中国科学院和福建省STS资助项目(2020T3026);福建省武平市工业园区管委会创新创业资助项目;泉州市科技计划资助项目(2019C010R;2020G18;2020C069)
- DOI：10.13756/j.gtxyj.2022.01.006
  中图分类号： TN256
- 纸质出版日期：2022-02-10，
  
  收稿日期：2021-01-28，
扫描看全文
邹少琴, 赖奇伟, 林邦姜. 基于卷积神经网络的SCMA-VLC接收机研究[J]. 光通信研究, 2022,(1):27-30,62.

ZOU Shao-qin, LAI Qi-wei, LIN Bang-jiang. Research on SCMA-VLC Receiver based on Convolutional Neural Network[J]. Study on Optical Communications, 2022,(1):27-30,62.
邹少琴, 赖奇伟, 林邦姜. 基于卷积神经网络的SCMA-VLC接收机研究[J]. 光通信研究, 2022,(1):27-30,62. DOI： 10.13756/j.gtxyj.2022.01.006.

ZOU Shao-qin, LAI Qi-wei, LIN Bang-jiang. Research on SCMA-VLC Receiver based on Convolutional Neural Network[J]. Study on Optical Communications, 2022,(1):27-30,62. DOI： 10.13756/j.gtxyj.2022.01.006.

摘要

发光二极管(LED)有限的带宽与其非线性电光转换引起的信号失真，是限制可见光通信(VLC)传输性能的重要因素。传统的消息传递算法(MPA)在稀疏码分多址(SCMA)-VLC系统中对抗信号非线性失真的能力有限。针对上述问题，文章提出了一种基于卷积神经网络(CNN)接收机，通过对接收信号进行特征提取、分类和判决，可有效提升SCMA-VLC系统抗非线性失真的能力。实验结果表明，在非线性失真较强的情况下，CNN接收机比MPA接收机表现出了更优的误码率(BER)性能，有效地扩大了偏置电压的动态范围，减少了系统对信噪比(SNR)的要求。

Abstract

The signal distortion caused by the limited bandwidth of Light Emitting Diode (LED) and its nonlinear electro-optic conversion severely limit the transmission performance of Visible Light Communication (VLC). Traditional Message Passing Algorithm (MPA) has limited ability to resist signal nonlinear distortion in Sparse Code Multiple Access (SCMA) -VLC. In order to solve the above problems

the paper proposes a Convolutional Neural Network (CNN) receiver

which can effectively improve the anti-nonlinear distortion ability of SCMA-VLC system by feature extraction

classification and judgment of the received signal. The results show that

in the case of strong nonlinear distortion

CNN receiver has better Bit Error Rate (BER) performance than MPA receiver

which effectively expands the dynamic range of bias voltage and reduces the Signal-to-Noise Ratio (SNR) requirements of the system.

关键词

卷积神经网络消息传递算法稀疏码分多址可见光通信信号失真

Keywords

CNNMPASCMAVLCsignal distortion

references

邵宣博. 非正交多址关键技术研究[D]. 北京: 北京邮电大学, 2019.

迟楠. LED可见光通信技术[M]. 北京: 清华大学出版社, 2013.

许俊翔, 林邦姜, 汤璇, 等. 一种基于LSTM的OFDM-VLC后失真补偿方法[J]. 光通信技术, 2020, 44(1): 54-57.

Lee H, Lee I, Lee S H. Deep Learning based Transceiver Design for Multi-colored VLC Systems[J]. Optics Express, 2018, 26(5): 6222-6238.

Wu N, Wang X, Lin B, et al. A CNN-based End-to-end Learning Framework Towards Intelligent Communication Systems[J]. IEEE Access, 2019, 7: 110197-110204.

Lin B, Yang H, Wang R, et al. Convolutional Neural Network-based Signal Demodulation Method for NOMA-PON[J]. Optics Express, 2020, 28(10): 392535.

Lin B, Tang X, Zhou Z, et al. Experimental Demonstration of SCMA for Visible Light Communications[J]. Optics Communications, 2018, 419(12): 36-40.

陈康. 室内可见光通信自适应均衡技术的研究[D]. 长春: 长春理工大学, 2019.

李静. 基于信息传递的SCMA低复杂度检测算法研究[D]. 北京: 北京邮电大学, 2019.

Lin B, Lai Q, Ghassemlooy Z, et al. A Machine Learning based Signal Demodulator in NOMA-VLC[J]. Journal of Lightwave Technology, 2021, 39: 3081-3087.

更多指标>

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于PIN的水下可见光双向语音通信试验研究

基于异构光波束的可见光通信覆盖特性分析

基于色移键控和有限状态机的联合编码设计

上行异步SCMA系统低复杂度检测算法

可见光通信中继技术研究