基于神经网络的可见光通信系统信道估计方法 |
| |
作者姓名: | 陈勇 吴志倩 刘焕淋 胡陈毅 吴金兰 王创世 |
| |
作者单位: | 1. 重庆邮电大学工业物联网与网络化控制教育部重点实验室;2. 重庆邮电大学通信与信息工程学院 |
| |
基金项目: | 国家自然科学基金(51977021);;重庆市自然科学基金(cstc2020jcyj-msxmX0682); |
| |
摘 要: | 针对现有的非对称限幅光正交频分复用(ACO-OFDM)可见光通信(VLC)系统中信道估计方法存在导频数量过大、精度低、估计效率不高的问题,提出一种基于深度神经网络(DNN)的VLC信道估计方法。利用梯度集中化(GC)方法进行模型优化,并采用端到端的方式跟踪信道信息并恢复失真信号。仿真结果表明:所提方法的误码率(BER)和均方误差(MSE)性能均优于传统方法;在使用较少的导频和省略循环前缀(CP)进行信道估计时,所提方法具有更强的鲁棒性。此外,在DNN训练过程中引入GC方法,可以加快网络的收敛速度,提高其优化能力。
|
关 键 词: | 光通信 非对称限幅光正交频分复用 信道估计 深度神经网络 |
|