基于神经网络的可见光通信系统信道估计方法

陈勇 Chen Yong、吴志倩 Wu Zhiqian、刘焕淋 Liu Huanlin、胡陈毅 Hu Chenyi、吴金兰 Wu Jinlan、王创世 Wang Chuangshi

2023Acta Optica SinicaComputer Science被引 17开放获取

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。

引用本文（GB/T 7714）

陈勇 Chen Yong, 吴志倩 Wu Zhiqian, 刘焕淋 Liu Huanlin, 等. 基于神经网络的可见光通信系统信道估计方法[J]. Acta Optica Sinica, 2023.

引文网络

参考文献与被引分析加载中…

DOI：https://doi.org/10.3788/aos221812

本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。