[发明专利]基于卷积神经网络的可见光成像通信解码方法

说明书

本发明公开一种基于卷积神经网络的可见光成像通信解码方法，该方法在发射端使用RGB‑LED为光源，待发送数据采用OOK编码并分成三个数据流，三个数据流分别驱动RGB‑LED的红色、绿色、蓝色灯珠发出光信号，在接收端采用CMOS传感器摄像头正对RGB‑LED录像来捕捉光信号，然后逐帧提取，从图像中截取条纹分布区域，分别对R通道、G通道和B通道生成平均帧并归一化，接着以有限个条纹为单位裁剪图片，再输入已经训练好的卷积神经网络识别，解码后的数据依序排列组合，还原出原始数据。该方法简单可行，可通过改造现有灯具结合智能手机实现，具有广阔的市场价值。

技术领域

本发明涉及可见光通信领域，尤其涉及一种基于卷积神经网络的可见光成像通信解码方法。

背景技术

随着无线通信技术的发展，基于射频技术的无线通信面临着数据传输速率低，频谱资源短缺等问题而无法满足未来业务在高速传输、超宽带宽等方面的需求。可见光通信技术（Visible Light CommunicaTIon，VLC）因其频谱资源丰富、数据传输速率高、绿色节能、成本低廉、安全性高、保密性好等优点而被广泛视为现有RF无线通信的有效补充。VLC兼具照明与通信双重功能，因此发光二极管（LED）的普及亦提升了VLC的实用价值、丰富了VLC的应用场景，其逐渐成为备受关注的无线通信技术之一。

VLC利用LED承载的高速明暗闪烁信号来传输信息，在实现照明的同时完成信息从服务器到达客户端的无线传输。其接收端最常用的光接收核心器件有PIN光电二极管、雪崩二极管等。随着CMOS 技术的发展，CMOS图像传感器被嵌入到许多电子设备中，如手机、电脑以及各种监控装置等。为了进一步实现VLC 的广泛应用，一种特殊的可见光通信技术应运而生——可见光成像通信（optical camera communication，OCC）。OCC以图像传感器作为光接收器件，相比于传统的VLC技术，其主要优势在于通信设备的高普及率大大降低了OCC的建设成本及布网复杂度；图像传感器的空间分辨率使 OCC 能够天然支持多输入多输出（Multiple Input Multiple Output, MIMO）技术，从而轻松实现通信的分集或复用，增强通信系统的可靠性与有效性。图像传感器作为物联网感应层核心传感器之一，是实现OCC与物联网融合的关键所在。因此物联网技术的蓬勃发展必将成为OCC带来更加广阔的应用前景。

然而，由于符号间干扰和不同通道之间的干扰问题，随着发送端发送速度提升，接收端的条纹识别难度也会相应的增加，误码率会升高，严重的情况下，会出现严重的识别错误的情形，误码率高于所能容忍的数值，使得通信无法正常运行。并且，由于这两类干扰难以通过简单的数学模型进行模拟，目前这两类干扰问题尚未的到充分的讨论与解决。

因此，现有技术存在缺陷，需要改进。

发明内容

本发明的目的是克服现有技术的不足，提供一种基于卷积神经网络的可见光成像通信解码方法，该方法实现简单、便利，通过改造现有灯具结合智能手机即可实现，具有广阔的市场价值。

本发明的技术方案如下：提供一种基于卷积神经网络的可见光成像通信解码方法，包括以下步骤：

步骤1：在发射端使用RGB-LED为光源，待发送数据采用OOK编码并分成三个数据流，所述三个数据流分别驱动RGB-LED的红色灯珠、绿色灯珠、蓝色灯珠发出光信号；

步骤2：在接收端采用CMOS传感器摄像头正对RGB-LED录像来捕捉光信号，然后逐帧提取图像，从图像中截取条纹分布区域，分别对R通道、G通道和B通道生成平均帧并归一化，接着以有限个条纹为单位裁剪图片；

步骤3：取部分标签已知的条纹图片，输入到结构既定的卷积神经网络，以最小化交叉熵损失函数为目标，反复修正卷积神经网络的参数，建立分类器，直至将卷积神经网络训练完成；

步骤4：将上述剪裁所得的条纹图片输入到已经训练好的卷积神经网络进行识别，将识别结果转化为相应的bit数据，再将数据依序排列组合，依据头部还原发送端发送的数据包。