[发明专利]基于独立元分析的机器学习多带无载波幅度相位调制系统

说明书

本发明属于可见光通信技术领域，具体为一种基于独立元分析(ICA)的机器学习多带无载波幅度相位(multi‑band CAP)调制系统。本发明系统主要包括匹配滤波下采样、第一级CAP成型以及交叉匹配滤波、ICA子带信号提纯、各子带信号恢复相偏、第二级CAP成型以及交叉匹配滤波、减去子带干扰、最小均方滤波等模块。本发明在接收端通过子带干扰反演后，将其和原始接收子带信号一起送入ICA初步提纯各路子带信号，然后通过第二级的子带干扰反演、并减去子带间的干扰，再用第二级均衡，可以消除子带间的保护间隔，提高系统对子带间混叠的忍耐程度，用更少的带宽实现同样的传输速率，信号带宽得到更为有效的利用，提升可见光通信系统的频谱利用率。

技术领域

本发明属于可见光通信技术领域，具体涉及应用于可见光通信系统中的基于独立元分析(ICA)的机器学习多带无载波幅度相位调制(CAP)系统。

背景技术

可见光通信(Visible Light Communication,VLC)利用LED作为光源，在正常照明的前提下，可使照明设备具备“无线路由器”、“通信基站”、“网络接入点”等功能。可见光通信作为一种照明和光通信结合的新型通信模式将推动下一代照明和接入网的融合发展和技术进步，已成为国内外竞争的焦点和制高点。无论在国家战略层面，还是其潜在的广泛应用领域和巨大的市场规模上，可见光通信的发展都具有重大意义。

VLC技术具有众多的优点，包括无电磁辐射、安全性好、可用带宽高等，但是其发展也遇到了一些限制因素，其中最主要的因素在于商用白光LED的信号调制带宽非常有限，从而限制了系统的性能。因此，充分利用有限的带宽实现高频谱效率的VLC传输系统就显得尤为重要。

无载波幅度相位调制(Carrierless Amplitude and Phase,CAP)作为一种高频谱效率幅度调制，已经被实验证明是一种非常适用于可见光通信系统的调制方式，在多用户场景下的多边带CAP调制系统中，子带之间须保留一定的频率间隔(guard band)，这样会造成VLC系统的频谱利用率不高。同时，目前用于通信系统的机器学习信号处理办法基本都是基于数据驱动的思想，把通信系统当黑匣子、数据驱动地去训练学习，这样使得机器学习模型对数据依赖性大为增加，没有对通信系统本身给予足够多的思考。

相较于目前保留频带间隔的多带CAP可见光通信系统，本发明提出在接收端，通过子带干扰反演后，将其和原始接收子带信号一起进行独立元分析(Independent ComponentAnalysis,ICA)初步提纯各路子带信号，然后通过第二级的子带干扰反演、减去子带间的干扰，并用第二级均衡，来提高系统对子带间混叠(overlapping)的忍耐程度，用更少的带宽可以实现同样的或者更高的传输速率，信号带宽得到更为有效的利用，提升了可见光通信系统的频谱利用率；并且这是从通信系统模型本身出发来使用机器学习方法处理信号，使得模型驱动的思想得以体现，提升模型训练效率，减小数据依赖，降低系统整体复杂度。

发明内容

本发明的目的在于提供一种频谱效率更高的基于独立元分析(ICA)的机器学习多带无载波幅度相位调制(multi-band CAP)系统；该调制系统应用于可见光通信系统中，可以利用更少的调制带宽得到同样的或更高的系统传输速率，同时使得模型驱动的思想在机器学习信号处理中得以体现，提升模型训练效率，减小数据依赖，降低系统整体复杂度。

本发明提出的应用于可见光通信系统中的基于独立元分析(ICA)的机器学习多带无载波幅度相位调制(CAP)系统，如图1所示，由匹配滤波(下采样)、第一级CAP成型以及交叉匹配滤波、ICA子带信号提纯、各子带信号恢复相偏、第二级CAP成型以及交叉匹配滤波、减去子带干扰、最小均方(LMS)滤波等模块依次连接组成；其中：

所述多带CAP匹配滤波(下采样)模块，用于对接收信号进行初步的子带信号匹配分离，再通过下采样得到各个子带复数信号；

所述第一级CAP成型以及交叉匹配滤波模块，用于进行第一级子带间干扰的反演，用于接下来的ICA子带信号提纯；