基于神经网络的紫外光散射湍流信道估计方法

摘要：

由于紫外光在传输过程中受到散射效应和大气湍流的影响,非直视无线紫外光通信中存在严重的码间串扰和传输衰减问题.提出一种基于深度学习的无线紫外光散射信道估计方法.在深度学习模型训练阶段,利用差分进化算法优化深度神经网络(DNN),根据网络最优的输出结果准确估计出信道特性,进而在接收端对传输衰减进行补偿.仿真结果表明:与最小二乘估计相比,所提方法的均方误差提升了1个数量级,在误码率性能方面提升了2个数量级;与最小均方误差估计相比,所提方法的均方误差提升了38％,在误码率性能方面提升了78％.此外,在DNN训练过程中引入差分进化算法,可以提高网络的学习收敛速度和全局优化能力.最后改变信道模型的湍流强度,验证了所提方法在不同湍流环境下的稳定性.

关键词：光通信、无线紫外光通信、单次散射、大气湍流、深度学习、信道估计

所属期刊栏目：41

分类号：TN929.12

资助基金：国家自然科学基金;陕西省重点研发计划一般项目;陕西省教育厅科研计划项目;西安市碑林区科技计划;榆林市科技计划

在线出版日期：2022-03-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：20-29