[发明专利]一种多重光信号的自由空间异步图像接收方法

摘要

本发明涉及一种多重光信号的自由空间异步图像接收方法，包括如下步骤假设对发送器位周期T，成像器位周期T‑ΔT和成像器曝光时间τ的最好的认识，此外，我们假设为了有效利用先用的成像器采样频率，ΔT≤T/2；假设噪音是点到点恒等分布的，方差为σ2，由于不同发送器的信号可以被单独获得，将限制到从单个发送器接收。本发明的优点在于本发明技术方案对体积以及传感器节点能量功耗的无限制会让实施这个同步通信体系结构，使用更普遍。

主权项

一种多重光信号的自由空间异步图像接收方法，其特征在于：包括如下步骤：1)基本假设和图像分割假设对发送器位周期T，成像器位周期T‑ΔT和成像器曝光时间τ的最好的认识，此外，我们假设为了有效利用先用的成像器采样频率，ΔT≤T/2；假设噪音是点到点恒等分布的，方差为σ2，由于不同发送器的信号可以被单独获得，将限制到从单个发送器接收；成像器从一个与传输位数有关的初始时间偏移t0开始，t0被假设为对接收器来说是已知的，在训练期间，对t0进行初始的估计；在该期间，一组1‑0交替的序列被传输了，如下，接收器形成了相邻帧之间的差异，也就是接收到序列的第一个差异，这第一个差异随着时间而变化，当在成像器曝光间隔期间没有出现位转移时第一个差异会达到最大值，当第一个差异第一次达到最大值时，我们记录下成像器曝光间隔i0，假设位过渡发生在曝光间隔i0‑1的最后，并形成我们对时间偏移的初始估计：当SNR比较高时，t0的真值依赖于间隔异步接收算法认为t0的量化候选值依赖于间隔，并形成了一个对t0更精确的估计，当SNR较低时，t0的真值可能会从初始估计偏移超过ΔT，在这种情况下，可以将下面章节描述的算法扩展，考虑运用更广泛的t0候选值来使t0的估计值更准确；由于两个相邻帧之间的最大对比不是在所有帧中获得的，需要大量的帧来使图像定位更精确，每个像素点中的dc光水平可以在训练序列开始前被准确估计，然而，每个像素点中的增益因子的估计值Rm在接收到的信号中被信号间干扰复杂化，对每个像素点来说，通过随着时间获取第一个差异的最大值只能获得大致的估计，为了进一步细化，需要Rm的估计值作为Rm的初始值，然后，我们可以在使用PSP进行数据检测的过程中更准确地估计Rm，2)使用拓展的格子图和PSP进行异步MLSD接收算法描述：如第二章中所述，如果传输的位序列为{xk}，接收到的信号为：假设有I帧的图像被接收了，接收到信号的条件概率密度为考虑到传输的位序列在给定一个接收到的信号我们想要使用MLSD来估计传输的位序列，也就是决定最小化相关权值的位序列对起始时间偏移t0的初始估计是不确定的，t0的准确值存在于间隔内，为了对抗这种不确定性，我们将t0量化为在间隔上均匀间隔的几个数值，我们在每个t0的量化值的一个格子上实施MLSD而不是只在一个单一的格子上，我们通过决定最小化了相关权值的共同数值来共同估计了位序列和时间偏移t0；同时，在MLSD之前估计收益因子Rm是不容易的，为了克服这种不确定性，我们使用了次最优的PSP，PSP的核心想法是为了格子中的转变来计算权值，在此过程中使用的是和通向该转变的存活路径有关的数据序列对应的未知数量的估计值，假设为了一个特色的转变，我们获得了一系列的表示为暂定判决，然后一个数据辅助型的参数估值器提供了一个带有收益因子估计值的Viterbi解码器：在其中，Il是当长度l的的暂定判决序列确定时接收到的信号的数量；错误概率分析：让传输的位序列为而Viterbi解码序列为让q表示用来估计起始时间偏移t0的量化电平的数量；我们假设解码器对t0的估计值是最接近t0真值的量化值，在这种情况下t0的估计误差表示为Δt0，该误差均匀分布在间隔[‑ΔT/q，ΔT/q]上，假设t0是均匀分布在间隔[0，T‑ΔT]上，平均BEP的一个上界可表达为：再此，表示误差序列的汉明权重，其为和之间的不同，K是序列和的长度，E是所有可能序列和的集合；P(favorX(1) X(0)；t0，Δt0)是当序列被传输时，Viterbi解码器支持序列的可能性，当产生一个比更小的值时，这种情况也会发生，让为位序列被传输时ith曝光间隔中的期望信号，也就是：同样地，我们可以将定义为使用t0估计值的相应期望信号，然后，我们得到：在这其中，I*表示ISI出现地方的时间指数集合，在Q方程的参数中，第一个术语代表的是在没有ISI情况下的表现，而第二个术语代表的是由ISI引起的异步耗损，推论接着分为两步：首先，通过采用对t0和Δt0的最大值(表示为)来粗略估计(33)方括号内的二重积分；然后求出主项也就是和对应的项的总和，根据附加的假设：与τ相比ΔT比较小，我们可以得到：我们观察到，在Q方程的参数中，第一个因子代表SNR的效果，而剩余的因子粗略估计出了由异步ISI引起的SNR耗损，我们定义该因子：并注意到在出现异步ISI的情况下维持一个给出的错误概率，SNR必须被增加约II‑1＞1，也就是分贝中SNR耗损大约为‑10log10II＞0，当q值大的时候是最容易解释该耗损的，因此对初始时间差t0错误估计的影响消除了，在这种情况下，II→1/2(1+(ΔT/τ))2，而ISI耗损变得只依赖于(ΔT/τ)，由于异步ISI不能增加探测效率，(37)只有在II≤1时才有效，也就是当时，在(ΔT/τ)＜＜1的极限情况下，ISI耗损达到3dB；为了测试错误概率边界的准确性，在位速率为50b/s，也就是T＝20ms情况下，发送器发出了伪随机为序列，成像器的抽样频率高于50Hz，抽样间隔为T‑ΔTms，发送器的图像在10相邻像素点中分布，这些像素点的光强分别与{10，9，9，8，8，7，7，6，6，5}成比例，对这些强度的原始估计和它们的正确值的随机偏差不超过10％，基于幸存道路上先前的位判决，PSP在MLSD的每一步上估计了收益因子我们采用5个在0到19ms之间等距的初始时间偏移t0来平均了模拟结果；首先，我们调查了q的效果和t0初始估计量化电平的数量，设定ΔT＝1ms，也就是成像器采样周期为19ms，成像器曝光时间τ固定为10ms，我们让SNR在7到16dB之间变化，而模拟结果随着近似上界(36)变化，两条实线代表q＝2和16时的模拟结果，而三条虚线分别代表q＝2,16和∞时，对(36)的求值，当q＝2时，界限是封闭的，而q>2时，它是紧的，在边界和q＝16的模拟结果的SNR之间只存在着半分贝的差异，最重要的是，模拟基本独立于q，因为q>2，因此，异步接收器对q的选择是不敏感的，而在实践中，q＝2这样的选择已足够获得一个好的表现，多重网格MLSD接收器系综平均BEP和初始时间差t0不同量化水平的电SNR比，假设发送器位周期T＝20ms，位周期差异ΔT＝1ms，曝光时间τ＝10ms，虚线代表近似上界(36)，而实线代表蒙特卡罗模拟，多重网格MLSD、接收器系综平均BEP和位周期差异ΔT和曝光时间τ不同值的电SNR的比，我们假设发送器位周期T＝20ms，q＝初始时间差t0的2量化水平，虚线代表近似上界，而实线代表的是蒙特卡罗模拟，多重网格MLSD接收器整体异步耗损(和不同噪音机制的曝光时间τ和位周期差异ΔT不同值的比，假设发送器位周期T＝20，以及q＝初始时间差t0的∞量化电平，虚线表示当背景光线散粒噪音和热噪音在前置放大器中占主要位置时的耗损，实线代表的是当热噪音出现在积分器占据支配地位后的耗损，不同ΔT和τ值得边界(36)准确性，该方程的参数设置和之前描述的一样，除了我们将q设为等于2并选择了(ΔT＝1ms，τ＝10ms)，(ΔT＝0.5ms，τ＝5ms)，(ΔT＝0.1ms，τ＝19.9ms)，以及(ΔT＝5ms，τ＝10ms)，我们让电SNR用实线表示蒙特卡罗模拟结果以及虚线表示近似上界，由于q值大时近似上界紧凑，绘制时选择了q＝∝，前两个参数集合产生了相同的比率(ΔT/τ)，因此可以用相同的近似上界描述，它们的蒙特卡罗模拟十分相似，只在共同边界上相差半分贝，第三组参数的模拟显示当(ΔT/τ)＜＜1时，边界是紧凑的，第四组参数的模拟结果证实了当(ΔT/τ)＞时，边界结果被看好，值得一提的是我们蒙特卡罗模拟和边界(36)的一致暗示了PSP在估算收益因子Rm中表现不错，异步ISI耗损依赖于比率ΔT/τ，对于一组固定的物理链路参数(传输距离，背景光强度等)来说，增加τ会增加SNR.3让我们考虑下整体性能是如何依赖于τ的选择上，我们将τ0定义为τ的最大可能值，也就是τ0＝T‑ΔT，有必要考虑到两种不同的噪音机制，首先，当前置放大器中的背景光散粒噪音和热噪音起主导作用时，噪音方差和τ成比例，且整体SNR和τ也成比例，当τ＜τ0时，SNR耗损为τ0/τ＞1，且整体耗损(SNR加ISI)为τ0/τII‑1，然后，当热噪音出现在积分器占据主导地位前，噪音方差是独立于τ的，并且整体SNR和τ2是成比例的，当τ＜τ0时，SNR耗损为(τ0/τ)2＞1，且整体耗损(SNR加ISI)为(τ0/τ)2II‑1，我们绘制了两种不同噪音机制中整体耗损的例子，我们假设T＝20描述，和1ms，以及τ在5到19ms之间变化，虚线代表的是噪音出现在积分器占据主导地位前的机制，而实线代表的是噪音出现在积分器占据主导地位后，当τ值较小时，第二种噪音机制会产生比第一种噪音机制总量更大的耗损。