[发明专利]一种适用于高速可见光通信的神经网络辅助的迭代接收方法

说明书

本发明提供了一种适用于高速可见光通信的神经网络辅助的迭代接收方法，该方案的目的是通过神经网络接收机修正软判决信息，以消除削波失真的影响。神经网络BICM接收机包括：（1）代价函数采用交叉熵函数；（2）训练方法采用反向传播算法；（3）输入层包括接受符号的实部、虚部以及对应的高斯噪声，输出层得到各星座点的概率值；（4）隐含层和输出层分别采用tanh和softmax函数。与现有削波增强方案对比，本发明具有更明显的抑制效果，以及合理的算法复杂度，有利于增强DCO‑OFDM针对削波失真的鲁棒性。

技术领域

本发明涉及可见光通信领域，特别是涉及一种适用于高速可见光通信的神经网络辅助的迭代接收方法。

背景技术

作为第五代通信系统(5G)的补充，可见光通信已经成为极具前景的室内短距离通信技术。可见光通信利用强度调制直接检测方式驱动发光二极管(LED)，可同时实现数据通信和室内照明。近年来，光正交频分复用多载波技术(O-OFDM)凭借更高的频谱利用率和抗多径效应的特点，而受到广泛关注。O-OFDM技术包括非对称限幅光OFDM(ACO-OFDM)、脉冲幅度调制离散多音频(PAM-DMT)以及直流偏置光OFDM(DCO-OFDM)等多种候选方案。相较于其他方案，DCO-OFDM具有频谱利用率高和易于实现的优势，其基本原理是通过频域共轭偶对称保证实数信号，并在时域信号叠加直流偏置，以保证非负性。值得注意的是，DCO-OFDM需要通过双边削波以适配线性放大动态范围，而DCO-OFDM信号峰均比(PAPR)高的特性将导致严重的非线性削波失真和子载波间干扰(ICI)。

围绕该技术挑战，国内外提出多种非线性削波抑制方案，包括峰均比降低、预失真、后失真以及编码调制等。其中，编码调制技术(BICM)在发射端利用比特级交织器将编码与调制分割，进行单独优化实现编码分集最大化，并在接收端改用软判决度量实现译码，能够提供抗非线性失真的能力。研究表明，考虑到LDPC码的逼近香农和高速译码特性，基于LDPC码的BICM技术能够在非线性削波失真情况下，获得明显的编码增益。尽管如此，传统的BICM接收机仍然受到严重的失真影响，其原因是削波失真并没有考虑到最大后验软解调过程中，仍然采用高斯分布作为信道条件概率，从而产生失配的对数似然比。研究机构针对非线性失真场景，提出诸如最大似然序列检测BICM接收机(MLSD-BICM)、高斯混合模型BICM接收机(GMM-BICM)等，但是两者性能离香农限仍有差距。因此，本发明提供了一种DCO-OFDM系统的神经网络BICM迭代接收机方案(NN-BICM)，通过神经网络修正软判决信息，以消除削波失真的影响。

发明内容

为了解决以上问题，本发明提供一种适用于高速可见光通信的神经网络辅助的迭代接收方法，具有更明显的抑制效果，以及合理的算法复杂度，有利于增强DCO-OFDM针对削波失真的鲁棒性，为达此目的，本发明所述的一种适用于高速可见光通信的神经网络辅助的迭代接收方法，包括如下步骤：

S1：初始化，给定非线性程度Ψ、调制阶数M和子载波数N；确定最大的大迭代次数T_m；确定神经网络NN1和NN2的隐含层层数以及各隐含层的神经元个数；

S2：多路选择器模块，NN-BICM接收机通过多路选择器MUX选择神经网络，如果大迭代次数T等于1，多路选择器选择NN1模块即S3步骤；如果大迭代次数T大于1，多路选择器选择NN2即S5步骤；

S3：NN1模块，NN-BICM接收机通过神经网络NN1进行条件概率计算，最大后验概率MAP解调器能够利用神经网络NN1输出的信道条件概率计算修正后的对数似然比，进入S4步骤；

S4：修正得到的对数似然比经过伪随机交织器后，进行LDPC译码，软信息通过置信传播译码BP算法在变量节点和校验节点间迭代更新，所有校验式则输出LDPC码译码判决结果，或达到BP算法最大迭代次数仍无法满足校验则终止译码，输出变量节点的软信息。大迭代次数T加1，T++，并计算先验概率

假如迭代次数T＜T_m，则返回步骤S2；否则，输出译码判决结果；