[发明专利]基于K均值聚类的光空间脉冲位置调制分步分类检测方法

说明书

基于K均值聚类的光空间脉冲位置调制分步分类检测方法，依据光空间脉冲位置调制信号的特点，采用基于信号向量检测(SVD)算法完成光源索引号的检测，利用K‑means算法对离线接收信号进行聚类，通过对所得簇进行局部解映射得到质心与调制符号间的映射关系，并以该映射关系为准则完成在线信号的实时检测。在此基础上分析了本发明与ML、MMSE等检测算法的误码性能和计算复杂度。与ML算法相比，本发明能够以较小的误码性能损失为代价，大大降低译码算法的复杂度，同时还有效弥补了线性译码算法无法适用于探测器数目小于光源数目的缺陷。

技术领域

本发明涉及无线光通信中光空间调制系统的信号检测技术，尤其是涉及基于K均值聚类(K-means)的光空间脉冲位置调制(Spatial pulse position modulation，SPPM)分步分类检测方法，属于无线光通信技术领域。

背景技术

近年来，随着移动用户的迅速增长以及各种传输业务的急剧增加，人们对无线光通信(WOC)技术的通信质量和数据传输速率提出了更高的要求。空间调制(SM)作为一种新型多输入多输出(MIMO)技术，在每传输符号周期只激活一个发射天线，即只需建立一条通信链路，从而有效避免了存在的信道间干扰(ICI)和对天线间同步(IAS)要求高的难题。尤其是在大规模光MIMO系统中，SM技术已成为主要研究热点之一。

目前关于无线光通信中光空间调制(OSM)技术的研究已取得了丰硕的成果。其研究主要集中在发送端调制方案的设计以及分析各种环境因素(如大气湍流、衰减和瞄准误差等)对系统性能的影响上。信号检测作为无线光通信系统中的重要环节，其可靠性与计算复杂度是衡量整个通信系统能否走向实用化的关键。由于室外环境的复杂多变，使得大气信道具有更强的时变性和随机性，导致无线光通信中信号检测的难度更大。虽然有关光空间调制技术方案的研究较多，但有关其信号检测算法的研究还较少。

目前常用的信号检测方法主要有最大似然(ML)检测、常规线性检测算法和基于压缩感知(CS)的信号检测方法等。其中，最大似然检测因复杂度较高而限制了其在实际场景中的应用。常规线性检测算法虽具有较低的复杂度，但其误码性能有限，且仅适用于光源数目小于探测器数目的场景。基于压缩感知的信号检测方法虽然能够有效降低译码复杂度，但其只适用于具有稀疏特性的OSM通信系统。信号检测算法的可靠性和计算复杂度已成为影响OSM系统性能提升的瓶颈，因此，研究合适于OSM系统的低复杂度检测算法已迫在眉睫。

近年来，机器学习的出现为信号检测问题提供了新的解决思路，它根据信号特点可将传统求解最小欧式距离问题转化为分类解映射问题，并以此获得计算复杂度低、误码性能好、实用性强的信号检测算法。基于此，针对光空间脉冲位置调制系统，本发明根据其调制信号矩阵的特点，引入机器学习中具有优良分类特性的K均值聚类算法，并由此提出了一种适合于SPPM的低复杂度分步分类检测方法，为进一步推广和加速光空间调制技术的应用和发展奠定基础。

发明内容

本发明的目的是提供一种基于K均值聚类的光空间脉冲位置调制分步分类检测方法。

本发明是基于K均值聚类的光空间脉冲位置调制分步分类检测方法，其步骤为：

发送端:

步骤(1)对二进制序列进行光空间脉冲位置调制；

步骤(2)将调制信号经激活光源发送出去；

接收端：

步骤(1)经过光电探测器，将接收到的光信号转换为电信号，同时收集此处信号构建训练样本集；

步骤(2)采用基于信号向量检测(Signal vector based detection，SVD)算法对训练样本的激活光源索引号进行检测；

步骤(3)根据训练样本的特征，利用K均值聚类算法对其进行聚类；

步骤(4)通过对所得簇进行局部解映射得到各质心与调制符号间的映射关系；