[發(fā)明專利]一種基于深度學(xué)習(xí)的位置信息輔助的可見光信道估計(jì)方法

有效

• 申請?zhí)枺?/td>: 201911360037.4
• 申請日: 2019-12-25
• 公開（公告）號: CN111049768B
• 公開（公告）日: 2021-04-27
• 發(fā)明（設(shè)計(jì)）人: 張琳;林心桐
• 申請（專利權(quán)）人: 中山大學(xué)
• 主分類號: H04L25/02
• 分類號: H04L25/02;H04B10/116
• 代理公司: 廣州粵高專利商標(biāo)代理有限公司 44102
• 代理人: 林麗明

1.一種基于深度學(xué)習(xí)的位置信息輔助的可見光信道估計(jì)方法，其特征在于：包括以下步驟：

S1：采集導(dǎo)頻信號、位置坐標(biāo)和真實(shí)的可見光信道頻率響應(yīng)CFR，獲取訓(xùn)練數(shù)據(jù)集；

S2：對訓(xùn)練數(shù)據(jù)集進(jìn)行預(yù)處理，得到預(yù)處理后的訓(xùn)練數(shù)據(jù)集；

S3：將預(yù)處理后的導(dǎo)頻信號、位置坐標(biāo)作為深度神經(jīng)網(wǎng)絡(luò)DNN模型的輸入，真實(shí)的CFR為DNN模型的目標(biāo)輸出，對DNN模型進(jìn)行離線訓(xùn)練；

S4：實(shí)時采集導(dǎo)頻信號和位置坐標(biāo)，進(jìn)行數(shù)據(jù)預(yù)處理后輸入訓(xùn)練完成的DNN模型中，輸出實(shí)時的CFR，完成可見光信道的估計(jì)；

其中，所述步驟S2具體包括以下步驟：

S21：對導(dǎo)頻信號進(jìn)行拆分實(shí)部虛部處理；

S22：對已拆分實(shí)部虛部的導(dǎo)頻信號、位置坐標(biāo)分別進(jìn)行歸一化處理，完成導(dǎo)頻信號、位置坐標(biāo)的預(yù)處理；

S23：對真實(shí)的CFR進(jìn)行拆分實(shí)部虛部處理，完成真實(shí)的CFR的預(yù)處理；

其中，所述在所述步驟S22中，所述已拆分實(shí)部虛部的導(dǎo)頻信號歸一化處理的具體計(jì)算公式為：

其中，Y為歸一化前的數(shù)值，是歸一化后的數(shù)值，Y_min是導(dǎo)頻信號實(shí)部值和虛部值中的最小值，Y_max是導(dǎo)頻信號實(shí)部值和虛部值中的最大值；同理，位置坐標(biāo)(m,n)進(jìn)行歸一化處理后為

2.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的位置信息輔助的可見光信道估計(jì)方法，其特征在于：所述步驟S1具體為：在房間內(nèi)部署一個可見光通信VLC系統(tǒng)，通過發(fā)光二極管LED發(fā)送可見光信號，以接收二極管PD作為接收機(jī)，通過室內(nèi)定位技術(shù)獲取各個采樣點(diǎn)的位置坐標(biāo)；收集各個采樣點(diǎn)處的來自LED的經(jīng)過快速傅里葉變換FFT處理后的導(dǎo)頻信號；采用用信道測量方法來測得真實(shí)的CFR，或通過已有的信道建模方法計(jì)算出真實(shí)的CFR。

3.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的位置信息輔助的可見光信道估計(jì)方法，其特征在于：在所述步驟S3中，采用有L個全連接層的DNN模型，設(shè)其輸入為x，第l層的輸出表示為：

其中，和分別表示權(quán)重矩陣和偏置向量，f(·)是激活函數(shù)；其中，除了DNN模型最后一層不使用任何激活函數(shù)外，其他層均采用了指數(shù)線性單元ELU函數(shù)；所述DNN模型訓(xùn)練目標(biāo)是最小化損失函數(shù)，即真實(shí)CFR和估計(jì)CFR之間的均方誤差函數(shù)MSE最小化，具體計(jì)算公式為：

其中，E[·]表示求數(shù)學(xué)期望，為DNN的輸出，即估計(jì)的CFR，H為DNN的期望輸出，即真實(shí)的CFR；通過損失函數(shù)計(jì)算出DNN模型的輸出值與真實(shí)值的誤差，再使用反向誤差傳播算法，從輸出層到輸入層逐層更新權(quán)值，對DNN模型進(jìn)行訓(xùn)練；當(dāng)DNN模型的損失函數(shù)不再下降時，訓(xùn)練完成。

4.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的位置信息輔助的可見光信道估計(jì)方法，其特征在于：所述步驟S4具體為：在線實(shí)時通過室內(nèi)定位技術(shù)獲取PD的位置坐標(biāo)并進(jìn)行歸一化處理，收集來自LED的經(jīng)過FFT處理的導(dǎo)頻信號并對其進(jìn)行拆分實(shí)部虛部處理、歸一化處理；將處理后的位置坐標(biāo)、導(dǎo)頻信號輸入訓(xùn)練完成的DNN模型中，實(shí)時輸出估計(jì)的CFR。