首页|融合模型求解与深度学习的可见光通信非线性均衡器

融合模型求解与深度学习的可见光通信非线性均衡器

扫码查看
原文链接
  • 万方数据
  • 维普
沃尔特拉非线性后均衡器(Vo1terra Series Non1inear Post-Equa1izer，VS-NPE)可以补偿可见光通信(Visib1e Light Communication，VLC)的非线性失真和多径效应，但其结构复杂且均衡精度有限。在VS-NPE内核求解基础上，提出一种基于阈值自学习近似消息传递(Learned Thresho1d Approximate Message Passing，LTAMP)网络的非线性均衡器。修正样本观测矩阵以克服其列高度相关的缺陷;在改进近似消息传递(Approximate Message Passing，AMP)算法迭代的基础上，将算法每一次迭代的计算过程映射为一层特殊的神经网络，经逐层展开后构建出完整的LTAMP均衡器。所提方法融合了模型求解和深度学习的优势，可从样本中学习最佳的AMP参数，以克服其对噪声敏感且输出不稳定的缺陷，进而提升内核求解稳定性与计算精度。仿真结果表明，与稳固阈值AMP算法相比，所提方法在误码率为1×10-3时能取得2 dB的信噪比增益，且对样本噪声具有较强的自适应性，展现出优异的非线性失真补偿能力。
Visible Light Communication Nonlinear Equalizer Based on Model Solving and Deep Learning

Volterra nonlinear post-equalizervisible light communicationapproximate message passing algorithmdeep learning

田大明、苗圃

展开 >

青岛大学 电子信息学院,山东 青岛266071

沃尔特拉非线性后均衡器 可见光通信 近似消息传递算法 深度学习

国家自然科学基金山东省自然科学基金

61801257ZR2019BF001

2024

10.12382/bgxb.2022.0679

兵工学报
中国兵工学会

兵工学报

CSTPCD北大核心
影响因子：0.735
ISSN：1000-1093
年,卷(期)：2024.45(2)
  • 20