中国专利搜索 世界专利搜索 专利分类查询 专利引用检索 专利族检索
登陆 | |

一种基于K-DNN的非线性失真补偿算法及可见光通信装置
有权
阅读授权文献

nonlinear distortion compensation algorithm based on K-DNN and a visible light communication device

申请号:201910041824.6 申请日:2019-01-17
CN201910041824
CN109905170A
微信扫码查看/分享专利
摘要:本发明属于可见光通信技术领域,具体为一种基于K‑DNN的非线性失真补偿算法及可见光通信装置。其提供非线性失真补偿算法,步骤包括:将经过自适应线性均衡器的串行信号转换为并行信号,作为特征向量输入核函数辅助的DNN均衡器;经K‑DNN训练,把特征向量归类于概率最大的类别,获得原始信号;本装置采用上述非线性失真补偿算法,结构包括:发射端和接收端,接收端通过处理芯片对信号进行离线处理,包括:采用S‑MCMMA的自适应后均衡器补偿线性失真;采用K‑DNN均衡和解映射进行非线性失真补偿,获得原始信号。本发明可以方便、高效补偿现有水下无线光通信中复杂的信道环境对信号造成的非线性失真,具有重要的实用意义。
Abstract: The invention belongs to the technical field of visible light communication, and particularly relates to a nonlinear distortion compensation algorithm based on K-DNN and a visible light communicationdevice. The method provides a nonlinear distortion compensation algorithm, and comprises the following steps: converting a serial signal passing through an adaptive linear equalizer into a parallel signal, and inputting the parallel signal as a feature vector into a DNN equalizer assisted by a kernel function; through K-DNN training, classifying the feature vectors into a category with the maximumprobability to obtain an original signal; The device adopts the nonlinear distortion compensation algorithm and structurally comprises a transmitting end and a receiving end, and the receiving end carries out offline processing on signals through a processing chip and comprises the steps of using a S-MCMMA's adaptive post-equalizer to compensate linear distortion; using K-DNN equalization and demapping for nonlinear distortion compensation to obtain the original signal.. The method can conveniently and efficiently compensate the nonlinear distortion of the signal caused by the complex channelenvironment in the existing underwater wireless optical communication, and has important practical significance.
申请人: 复旦大学
Applicant: UNIV FUDAN
地址: 200433 上海市杨浦区邯郸路********(隐藏)
发明(设计)人: 迟楠 赵一衡 石蒙
Inventor: CHI NAN; ZHAO YIHENG; SHI MENG
主分类号: H04B10/116(2013.01)I
分类号: H04B10/116(2013.01)I H04B10/58(2013.01)I H04B10/61(2013.01)I H04B10/69(2013.01)I
  • 法律状态
2021-09-17  授权
2019-07-12  实质审查的生效IPC(主分类):H04B 10/116申请日:20190117
2019-06-18  公开
注:本法律状态信息仅供参考,即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
  • 其他信息
主权项  1.一种基于K‑DNN的非线性失真补偿算法,其特征在于,是采用核函数辅助的DNN均衡器进行预加权,基于核函数辅助的DNN均衡器记为K‑DNN;其步骤为:首先将经过自适应线性均衡器进行线性均衡后的串行信号转换为并行信号,作为特征向量输入K‑DNN;经过K‑DNN模型训练,把特征向量归类于概率最大的那个类别,获得原始信号;其中,K‑DNN模型训练,采用交叉熵函数作为代价函数,通过反向传播算法对K‑DNN中的参数进行迭代优化;其中:所述的K‑DNN包含一个输入层、一个核函数层、多个隐藏层、一个输出层以及一个Softmax分类层;所述输入层到核函数层之间的节点是一一对应的,即输入层中的一个输入节点仅将数据发送到核函数层中唯一与之对应的核节点;核函数层到输出层之间的每一个节点的输出都乘以一个权重被发送到下一层所有节点中,并最终达到Softmax层进行分类;权重的矩阵表示为Wl其中,i和j分别代表当前层的第i个节点和下一层的第j个节点,l则代表第l个隐藏层,当l等于L+1的时候,l代表输出层,L为隐藏层的总个数,m为当前层的节点数,n为下一次的节点数;经过自适应线性均衡器进行线性均衡后的串行信号被转换为并行信号后作为特征向量输入到K‑DNN的输入层;非线性和符号间串扰(ISI)造成的失真导致中心信号受到其在时序上相邻的数个信号的干扰;因此,与相邻的数个信号被作为特征向量的元素并行输入到K‑DNN的输入层;所述核函数层是K‑DNN的第二层;在这层,采用核函数来加速DNN的训练过程;所述核函数包括:线性核(LK)、多项式核(PK)、余弦核(CK),具体表达式为:线性核(LK):多项式核(PK):余弦核(CK):其中,σ为用于调节核函数的参量,t0为当前信号的时刻,t为临近信号的时刻;对于具有n个特征输入的网络,核函数K可以表示为一个幅度修正向量所述隐藏层夹在核函数层和输出层之间;其中第一隐藏层中的节点对前一层所有节点的输出求和,并作为节点的输入,然后将这一输入加上一个偏置这里,ki是核函数K的幅度修正向量的元素;在K‑DNN中,使用Sigmoid作为激活函数,其表达为f(x)=max(0,x),其中,x是与ReLU相连的节点的输出;考虑到激活函数,所有隐藏层中的节点表达式为:所述输出层中,其节点数与发送信号的电平类别的数量相当,于是,经过Softmax层,得到分类结果,其表达为:其中,Oi是输出层节点的输出,它的表达式为:然后,根据训练的模型,把特征向量x归类于概率最大的那个类别Lp;最后,采用交叉熵函数作为代价函数,通过反向传播算法对K‑DNN中的超参数(Wl和bl)进行迭代优化;获得原始信号。
公开号  109905170A
公开日  2019-06-18
专利代理机构  上海正旦专利代理有限公司 31200
代理人  陆飞 陆尤
颁证日  
优先权  
 
国别 优先权号 优先权日 类型
CN  201910041824  20190117 
国际申请  
国际公布  
进入国家日期  
  • 专利对比文献
类型 阶段 文献号 公开日期 涉及权利要求项 相关页数
SEA  CN105007118A  20151028  1-2  全文 
SEA  CN105207963A  20151230  1-2  全文 
SEA  CN207835454U  20180907  1-2  全文 
SEA  US2019007143A1  20190103  1-2  全文 
注:不保证该信息的有效性、完整性、准确性,以上信息也不具有任何效力,仅供参考。使用前请另行委托专业机构进一步查核,使用该信息的一切后果由用户自行负责。
X:单独影响权利要求的新颖性或创造性的文件;
Y:与检索报告中其他 Y类文件组合后影响权利要求的创造性的文件;
A:背景技术文件,即反映权利要求的部分技术特征或者有关的现有技术的文件;
R:任何单位或个人在申请日向专利局提交的、属于同样的发明创造的专利或专利申请文件;
P:中间文件,其公开日在申请的申请日与所要求的优先权日之间的文件,或会导致需核实该申请优先权的文件;
E:单独影响权利要求新颖性的抵触申请文件。
  • 期刊对比文献
类型 阶段 期刊文摘名称 作者 标题 涉及权利要求项 相关页数
SEA  《OPTICS EXPRESS》  NAN CHI 等  Gaussian kernel-aided deep neural network equalizer utilized in underwater PAM8 visible light communication system  1-2  第26700-26712页 
NAN CHI 等: "Gaussian kernel-aided deep neural network equalizer utilized in underwater PAM8 visible light communication system", 《OPTICS EXPRESS》 
  • 书籍对比文献
类型 阶段 书名 作者 标题 涉及权利要求项 相关页数