-
公开(公告)号：CN114978313B
公开(公告)日：2023-10-24
申请号：CN202210539304.X
申请日：2022-05-18
Applicant: 重庆邮电大学
IPC: H04B10/116 , H04B10/54 , H04L25/03 , G06V10/764 , G06V10/82 , G06V10/84 , G06N3/047 , G06N3/048 , G06N3/084
Abstract: 本发明属于可见光通信技术领域，具体涉及一种基于贝叶斯神经元的可见光CAP系统的补偿方法；该方法包括：在可见光CPA系统中，将接收端下采样接收到的信号输入到基于贝叶斯神经元的深度学习非线性补偿模块中进行非线性补偿，得到补偿后的QAM信号；对补偿后的QAM信号进行QAM解映射，得到均衡信号，实现对可见光CAP系统的非线性补偿；本发明能将接收到的畸变信号补偿为发送前的正常信号，提高VLC系统的传输速度，改善系统的整体性能，本发明中神经网络的权重参数是随机变量，而非确定的值，可以给出预测的不确定性，防止过拟合，在非线性补偿上，具有非常强的鲁棒性。
-
公开(公告)号：CN115085808B
公开(公告)日：2023-10-17
申请号：CN202210645161.0
申请日：2022-06-09
Applicant: 重庆邮电大学
IPC: H04B10/116 , H04B10/69 , G06N3/0464 , G06N3/084
Abstract: 本发明属于可见光通信中数字信号处理领域，特别涉及一种基于小波神经网络的VLC系统时频联合后均衡方法，包括在接收端的信号经过同步、归一化后输入到基于小波神经网络的时频联合后均衡器进行非线性补偿，得到均衡后的PAM信号，所述基于小波神经网络的时频联合后均衡器包括时域子网、频域子网、通道注意力模块以及输出层，其中时域子网和频域子网分别用于提取时域和频域的特征，并将提取的特征输入通道注意力模块获取时域分量、频域分量的补偿权重，在输出层通过时域分量、频域分量及其分别对应补偿权重计算获取均衡后的信号；本发明联合时域和频域特征来补偿信号在传输过程中产生的非线性损伤，降低系统的误码率，提高系统的传输性能。
-
公开(公告)号：CN115085808A
公开(公告)日：2022-09-20
申请号：CN202210645161.0
申请日：2022-06-09
Applicant: 重庆邮电大学
IPC: H04B10/116 , H04B10/69 , G06N3/04 , G06N3/08
Abstract: 本发明属于可见光通信中数字信号处理领域，特别涉及一种基于小波神经网络的VLC系统时频联合后均衡方法，包括在接收端的信号经过同步、归一化后输入到基于小波神经网络的时频联合后均衡器进行非线性补偿，得到均衡后的PAM信号，所述基于小波神经网络的时频联合后均衡器包括时域子网、频域子网、通道注意力模块以及输出层，其中时域子网和频域子网分别用于提取时域和频域的特征，并将提取的特征输入通道注意力模块获取时域分量、频域分量的补偿权重，在输出层通过时域分量、频域分量及其分别对应补偿权重计算获取均衡后的信号；本发明联合时域和频域特征来补偿信号在传输过程中产生的非线性损伤，降低系统的误码率，提高系统的传输性能。
-
公开(公告)号：CN114978313A
公开(公告)日：2022-08-30
申请号：CN202210539304.X
申请日：2022-05-18
Applicant: 重庆邮电大学
IPC: H04B10/116 , H04B10/54 , H04L25/03 , G06V10/764 , G06V10/82 , G06V10/84 , G06N3/04 , G06N3/08
Abstract: 本发明属于可见光通信技术领域，具体涉及一种基于贝叶斯神经元的深度学习可见光CAP系统的非线性补偿方法；该方法包括：在可见光CPA系统中，将接收端下采样接收到的信号输入到基于贝叶斯神经元的深度学习非线性补偿模块中进行非线性补偿，得到补偿后的QAM信号；对补偿后的QAM信号进行QAM解映射，得到均衡信号，实现对可见光CAP系统的非线性补偿；本发明能将接收到的畸变信号补偿为发送前的正常信号，提高VLC系统的传输速度，改善系统的整体性能，本发明中神经网络的权重参数是随机变量，而非确定的值，可以给出预测的不确定性，防止过拟合，在非线性补偿上，具有非常强的鲁棒性。
-
公开(公告)号：CN112257795A
公开(公告)日：2021-01-22
申请号：CN202011172598.4
申请日：2020-10-28
Applicant: 重庆邮电大学
Abstract: 本发明属于光通信技术的自由空间光子领域，具体涉及一种基于朴素贝叶斯的空间光通信系统非线性补偿方法，该方法包括接收端获取发送端发送的信号，将接收的信号输入到训练好的朴素贝叶斯算法模型中，得到接收信号的待分类项与类别映射关系；根据待分类项与类别映射关系对接收信号进行非线性补偿；本发明利用核函数考虑数据序列与数据序列之间的相似度，利用机器学习中的朴素贝叶斯算法，提供一种较低复杂度以及对特定应用场景下自由空间光通信系统整体非线性有明显补偿效果的判决方式，降低自由空间光通信系统的误码率，提高其传输速率。
-
Patent Agency Ranking
公开(公告)号：CN112257795B
公开(公告)日：2022-10-18
申请号：CN202011172598.4
申请日：2020-10-28
Applicant: 重庆邮电大学
IPC: G06V10/764 , G06V10/74 , G06V10/774 , G06N20/00 , H04B10/11
Abstract: 本发明属于光通信技术的自由空间光子领域，具体涉及一种基于朴素贝叶斯的空间光通信系统非线性补偿方法，该方法包括接收端获取发送端发送的信号，将接收的信号输入到训练好的朴素贝叶斯算法模型中，得到接收信号的待分类项与类别映射关系；根据待分类项与类别映射关系对接收信号进行非线性补偿；本发明利用核函数考虑数据序列与数据序列之间的相似度，利用机器学习中的朴素贝叶斯算法，提供一种较低复杂度以及对特定应用场景下自由空间光通信系统整体非线性有明显补偿效果的判决方式，降低自由空间光通信系统的误码率，提高其传输速率。
-
公开(公告)号：CN112865866A
公开(公告)日：2021-05-28
申请号：CN202110073541.7
申请日：2021-01-20
Applicant: 重庆邮电大学
IPC: H04B10/116 , H04B10/524 , H04B10/54
Abstract: 本发明属于可见光通信技术领域，具体涉及一种基于GSN的可见光PAM系统非线性补偿方法，该方法包括：将接收到的PAM信号输入到基于GSN的非线性均衡模块中进行非线性补偿得到补偿后的PAM信号，再通过PAM解映射把补偿后的PAM信号转变为二进制信号；基于GSN的非线性均衡模块由辅助分类器网络和分类器网络组成；辅助分类器网络主要对接收的数据进行特征映射；分类器网络为一个多分类器，通过分类方法得到补偿后的PAM信号电平；本发明中2个网络参数的更新会受彼此的影响，最终达到动态的平衡，防止了系统过拟合现象的出现，降低了误码率，提高了系统的传输速率。
-
公开(公告)号：CN112600618A
公开(公告)日：2021-04-02
申请号：CN202011414459.8
申请日：2020-12-07
Applicant: 重庆邮电大学
IPC: H04B10/116 , H04L25/03 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及可见光通信技术领域，具体涉及一种基于注意力机制的可见光信号均衡系统及方法，包括：数据接收端接收到数据后，将接收到的数据进行解码，得到解码数据；将解码数据输入到训练好网络权重参数的CLSTM神经网络模型中，得到均衡信号并输出。本发明利用卷积神经网络和长短时记忆网络(LSTM)补偿接收数据中存在的线性和非线性损伤，提高了可见光通信系统的传输速率和接收机的灵敏度，改善传输性能。
-
公开(公告)号：CN112600618B
公开(公告)日：2023-04-07
申请号：CN202011414459.8
申请日：2020-12-07
Applicant: 重庆邮电大学
IPC: H04B10/116 , H04L25/03 , G06F18/213 , G06F18/214 , G06F18/25 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及可见光通信技术领域，具体涉及一种基于注意力机制的可见光信号均衡系统及方法，包括：数据接收端接收到数据后，将接收到的数据进行解码，得到解码数据；将解码数据输入到训练好网络权重参数的CLSTM神经网络模型中，得到均衡信号并输出。本发明利用卷积神经网络和长短时记忆网络(LSTM)补偿接收数据中存在的线性和非线性损伤，提高了可见光通信系统的传输速率和接收机的灵敏度，改善传输性能。
-
公开(公告)号：CN112865866B
公开(公告)日：2022-04-05
申请号：CN202110073541.7
申请日：2021-01-20
Applicant: 重庆邮电大学
IPC: H04B10/116 , H04B10/524 , H04B10/54
Abstract: 本发明属于可见光通信技术领域，具体涉及一种基于GSN的可见光PAM系统非线性补偿方法，该方法包括：将接收到的PAM信号输入到基于GSN的非线性均衡模块中进行非线性补偿得到补偿后的PAM信号，再通过PAM解映射把补偿后的PAM信号转变为二进制信号；基于GSN的非线性均衡模块由辅助分类器网络和分类器网络组成；辅助分类器网络主要对接收的数据进行特征映射；分类器网络为一个多分类器，通过分类方法得到补偿后的PAM信号电平；本发明中2个网络参数的更新会受彼此的影响，最终达到动态的平衡，防止了系统过拟合现象的出现，降低了误码率，提高了系统的传输速率。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.021 seconds)
