劉希 苗圃 田大明
文章編號(hào):10069798(2022)02000707;DOI:10.13306/j.10069798.2022.02.002
摘要:為解決Volterra級(jí)數(shù)的非線性均衡器(volterraseriesnonlinearpost-distortionequalizer,VS-NPE)內(nèi)核數(shù)量大、計(jì)算困難等問(wèn)題,本研究采用壓縮感知重構(gòu)算法中的正交匹配追蹤算法(orthogonalmatchingpursuit,OMP)和改進(jìn)的近似消息傳遞算法(approximatemessagepassing,AMP)計(jì)算VS-NPE內(nèi)核參數(shù)。改進(jìn)的AMP算法應(yīng)用時(shí),需對(duì)VS-NPE測(cè)量矩陣歸一化處理,然后將AMP算法迭代過(guò)程引入阻尼因子和穩(wěn)固閾值函數(shù),進(jìn)而提高模型構(gòu)建精度。仿真結(jié)果表明,在訓(xùn)練樣本長(zhǎng)度較小時(shí),OMP算法和改進(jìn)的AMP算法仍擁有較高的重構(gòu)精度,且OMP算法計(jì)算的模型內(nèi)核數(shù)量減少65%,有效降低模型復(fù)雜度。另外,基于上述兩個(gè)算法的VS-NPE在歸一化功率譜和誤碼率(biterrorratio,BER)性能上展現(xiàn)了良好的失真補(bǔ)償性,證明了所提方案的有效性和可行性。該研究有助于構(gòu)建強(qiáng)健的VS-NPE模型,顯著緩解可見(jiàn)光通信系統(tǒng)信道非線性失真。
關(guān)鍵詞:可見(jiàn)光通信;非線性均衡器;壓縮感知;正交匹配追蹤
中圖分類(lèi)號(hào):TN911.22;TN92;TP391.9文獻(xiàn)標(biāo)識(shí)碼:A
可見(jiàn)光通信(visiblelightcommunication,VLC)是一種新型的信息傳輸方式,緩解了傳統(tǒng)無(wú)線通信系統(tǒng)頻譜資源緊缺的問(wèn)題。但VLC系統(tǒng)具有嚴(yán)重的非線性失真,其最關(guān)鍵的因素是LED非線性特性。近年來(lái),有學(xué)者提出預(yù)失真補(bǔ)償技術(shù)和后失真補(bǔ)償技術(shù),其中基于后失真補(bǔ)償技術(shù)的非線性均衡器因其優(yōu)勢(shì)明顯而被廣泛應(yīng)用[13]。均衡器是根據(jù)VLC強(qiáng)度調(diào)制直接檢測(cè)(intensitymodulationdirectdetection,IM/DD)的逆特性構(gòu)造非線性模型,將其放置在接收端,對(duì)IM/DD信道進(jìn)行非線性補(bǔ)償。沃爾特拉級(jí)數(shù)(volterraseries,VS)在建模動(dòng)態(tài)非線性系統(tǒng)方面的優(yōu)勢(shì),常被用作均衡器行為模型的基本函數(shù)[25]?;赩S的非線性后失真均衡器(VS-nonlinearpost-distortionequalizer,VS-NPE)建模的關(guān)鍵是其內(nèi)核參數(shù)的提取,而VSNPE內(nèi)核個(gè)數(shù)隨著非線性階數(shù)和記憶深度呈指數(shù)增長(zhǎng),增加了內(nèi)核參數(shù)計(jì)算難度。因此,降低計(jì)算復(fù)雜度,提高計(jì)算精度成為VS內(nèi)核參數(shù)提取的關(guān)鍵問(wèn)題。常用的內(nèi)核計(jì)算方法包括最小二乘(leastsquares,LS)[1]、遞歸最小二乘(recursiveleastsquares,RLS)[2]、卡爾曼(Kalman)濾波[4]和壓縮感知(compressedsensing,CS)[67]等,其中LS雖結(jié)構(gòu)簡(jiǎn)單,但在進(jìn)行參數(shù)更新時(shí)需反復(fù)進(jìn)行耗時(shí)較多的矩陣求逆運(yùn)算。相比之下,RLS收斂性較好,但其復(fù)雜度較高[2];Kalman濾波具有良好的穩(wěn)定性,但是算法中的噪聲和測(cè)量噪聲對(duì)參數(shù)估計(jì)影響較大[4]。CS是一種有效的稀疏重構(gòu)方案[67],可實(shí)現(xiàn)在信號(hào)采樣的同時(shí)完成壓縮,并利用較少的采樣值對(duì)信號(hào)進(jìn)行重建,實(shí)現(xiàn)了低復(fù)雜度的壓縮編碼。重構(gòu)算法是CS的核心,常見(jiàn)的重構(gòu)算法有正交匹配追蹤(orthogonalmatchingpursuit,OMP)[8]、近似消息傳遞(approximatemessagepassing,AMP)[9]和基本追蹤(basicpursuit,BP)[6]等。CS的可行性要求重構(gòu)信號(hào)在變換域中是稀疏的或本身是稀疏的,且測(cè)量矩陣應(yīng)滿(mǎn)足有限等距性質(zhì)(restrictedisometryproperty,RIP)的條件。VS的內(nèi)核參數(shù)滿(mǎn)足稀疏性且測(cè)量矩陣滿(mǎn)足RIP條件?;诖耍狙芯坷肙MP和AMP算法計(jì)算VS-NPE內(nèi)核參數(shù),仿真分析其內(nèi)核計(jì)算能力,評(píng)估VS-NPE模型[1011]對(duì)VLC系統(tǒng)失真補(bǔ)償性能,為緩解VLC系統(tǒng)非線性失真提供了一種基于壓縮感知的VS-NPE方案。該研究具有一定的可行性和有效性。
1系統(tǒng)模型
1.1OFDM調(diào)制
正交頻分復(fù)用(orthogonalfrequencydivisionmultiplexing,OFDM)調(diào)制技術(shù)由于其傳輸速率高且抗碼間干擾強(qiáng)的優(yōu)勢(shì),多被用于VLC系統(tǒng)中。該系統(tǒng)使用IM/DD方法傳輸單極性實(shí)信號(hào),傳統(tǒng)的OFDM需限制輸入信號(hào)的頻譜,使其滿(mǎn)足Hermitian共軛對(duì)稱(chēng),進(jìn)而輸出單極性實(shí)信號(hào)。目前實(shí)現(xiàn)上述目標(biāo)的方法有直流偏置正交頻分復(fù)用(DC-biasedopticalorthogonalfrequencydivisionmultiplexing,DCO-OFDM)調(diào)制技術(shù)[12]和非對(duì)稱(chēng)限幅(asymmetricallyclippedopticalorthogonalfrequencydivisionmultiplexing,ACO-OFDM)調(diào)制技術(shù),本研究采用DCO-OFDM調(diào)制技術(shù)對(duì)VLC系統(tǒng)進(jìn)行建模。
1.2IM/DD信道
IM/DD是收發(fā)兩端采用LED和光電二極管(photodiode,PD)分別完成電光轉(zhuǎn)換、光電轉(zhuǎn)換的通信系統(tǒng)?;贗M/DD信道的VLC系統(tǒng)如圖1所示。圖1中,發(fā)送端將信號(hào)源映射到子載波,雙極性信號(hào)通過(guò)添加直流偏置而轉(zhuǎn)換為單極信號(hào),并驅(qū)動(dòng)LED調(diào)制得到光信號(hào),在自由空間傳播鏈接之后,光信號(hào)由PD捕獲并轉(zhuǎn)換為電信號(hào)。因此,IM/DD信道建模應(yīng)同時(shí)考慮LED、光信道和PD。
LED常表現(xiàn)出非線性記憶效應(yīng)[1314],因此,本研究借助Wiener模型對(duì)LED建模,該模型包括線性時(shí)不變(lineartimeinvariant,LTI)模塊和非線性(nonlinear,NL)模塊[15]。LTI模塊可表示為
其中,n為函數(shù)變量;fc為截止頻率,fc=20MHz。NL模塊建模為
實(shí)際的LED具有單向?qū)щ娦院头蔷€性。因此,建模后的LED應(yīng)設(shè)置最小開(kāi)啟電流Imin=0.1A,最大前向電流Imax=1A和直流偏置IDC=0.4A,使LED工作在有效工作區(qū)。
本研究采用IEEE802.11協(xié)議的室內(nèi)可見(jiàn)光多徑信道模型,其信道脈沖響應(yīng)(channelimpulseresponse,CIR)可表示為
其中,Nr是在探測(cè)器處接收到的射線數(shù)量;Pn是第n射線的光功率;δt是狄克拉函數(shù);τn是第n射線的傳播時(shí)間。將PD視為狄克拉響應(yīng)hPDn=RPDδn,設(shè)RPD=1為響應(yīng)度。
信道噪聲建模是均值為零且方差為σ2e的加性高斯白噪聲(additivewhitegaussiannoise,AWGN),則輸出zn可表示為
其中,f(n)是NL模塊輸出;xn表示DCO-OFDM調(diào)制信號(hào);表示卷積運(yùn)算;hNr是信道脈沖響應(yīng);en表示信道噪聲。由式(4)可得,zn涉及的LED非線性和色散效應(yīng)將影響隨后的信號(hào)解調(diào)。因此,在接收端設(shè)計(jì)信號(hào)處理模塊對(duì)信號(hào)zn進(jìn)行均衡,以補(bǔ)償LED非線性失真及信道損失。
1.3后失真均衡器行為模型
VS模型是可用于非線性系統(tǒng)的通用模型,可以逼近任意非線性函數(shù)。本研究采用VS建立后失真均衡器模型,對(duì)應(yīng)的全內(nèi)核VS-NPE輸出[4]可表示為
其中,K是非線性階數(shù);Hk[zn]表示激勵(lì);zn表示VS-NPE的輸入;D是記憶深度;hkc1,…,ck是VS內(nèi)核;Ωkn=∏ki=1zn-ci是對(duì)應(yīng)的回歸量;en是測(cè)量噪聲。由于VS的輸出與內(nèi)核系數(shù)是線性關(guān)系,可將式(5)重寫(xiě)為矩陣形式,即
其中,x是輸出信號(hào)的連續(xù)采樣向量;Z是VS測(cè)量矩陣;h是VS模型內(nèi)核列向量;e是測(cè)量噪聲向量。由式(6)可知,構(gòu)建后失真均衡器模型的關(guān)鍵是內(nèi)核向量h的估計(jì)。
本研究訓(xùn)練VS-NPE模型時(shí),將IM/DD信道模型中的xn和zn作為訓(xùn)練樣本,利用一些信號(hào)處理算法獲得VS-NPE的內(nèi)核系數(shù),進(jìn)而得到估計(jì)值n,以min‖xn-n‖2=min‖en‖2為優(yōu)化目標(biāo)來(lái)評(píng)估參數(shù)計(jì)算方法的優(yōu)劣。
2基于壓縮感知的VS-NPE參數(shù)計(jì)算
2.1OMP算法
壓縮感知是一種稀疏信號(hào)重構(gòu)方法,即從y∈RN測(cè)量結(jié)果中恢復(fù)稀疏信號(hào)h∈RM。其測(cè)量模型為
式中,A∈RN×M表示傳感矩陣;n是噪聲。壓縮感知理論的關(guān)鍵是通過(guò)解決優(yōu)化問(wèn)題實(shí)現(xiàn)重構(gòu),重構(gòu)信號(hào)為
其中,是重構(gòu)信號(hào);‖h‖1是h的l1范數(shù);ε是信號(hào)重構(gòu)的上限誤差。
OMP是CS的重構(gòu)算法之一,可用于解決式(8)的優(yōu)化問(wèn)題。OMP算法在匹配追蹤算法的原子選擇策略基礎(chǔ)上正交化所有選定的原子,然后使用LS更新所選原子的線性組合系數(shù),每次迭代都會(huì)更新所選原子集[16]。該算法從查找矩陣A和y最相關(guān)的行開(kāi)始,反復(fù)查找信號(hào)的殘差值。與殘差rt的相關(guān)性由下式進(jìn)行選擇,即
其中,pt是索引項(xiàng);i是原子下標(biāo);S是所選系數(shù)集;(·)H是對(duì)矩陣做共軛轉(zhuǎn)置;A為傳感矩陣;rt是迭代t次的殘差值。將所選索引合并到所選系數(shù)S=S∪pt的集合中,再利用LS計(jì)算重構(gòu)信號(hào),即
其中,y是測(cè)量值。每次迭代的殘差重新計(jì)算作為原子選擇的新標(biāo)準(zhǔn)。
2.2AMP算法
AMP[9]算法是解決式(8)優(yōu)化問(wèn)題的一種有效方法。該算法從0=0,0=y迭代開(kāi)始,在迭代t次時(shí),AMP算法可表示為
其中,y是測(cè)量值;A是傳感矩陣;t∈RM是h迭代t次時(shí)的當(dāng)前估計(jì);rt-1是迭代t-1次時(shí)的殘差;‖t‖0是當(dāng)前估計(jì)t中的非零個(gè)數(shù);N表示矩陣A的行數(shù);η·;·是軟閾值函數(shù);AT表示矩陣A的轉(zhuǎn)置;θ是閾值參數(shù)。η·;·的表達(dá)式為
其中,signx是符號(hào)函數(shù);α=1.005是通過(guò)迭代固定的調(diào)整常數(shù);σ是經(jīng)驗(yàn)度量;N是殘差向量的維度。
2.3穩(wěn)固閾值A(chǔ)MP算法
AMP算法有效的前提是測(cè)量矩陣應(yīng)滿(mǎn)足獨(dú)立同分布(independentlyidenticallydistribution,IID)[17],VS-NPE測(cè)量矩陣未能達(dá)到IID標(biāo)準(zhǔn)。本研究將歸一化處理測(cè)量矩陣,使其格式更為標(biāo)準(zhǔn)便于后續(xù)數(shù)據(jù)處理。提出一種穩(wěn)固閾值的AMP(stabilitythreshold-AMP,ST-AMP)算法用于VS-NPE內(nèi)核計(jì)算,ST-AMP算法核心思想是在AMP算法基礎(chǔ)上引入阻尼思想,并修改軟閾值函數(shù)為穩(wěn)固閾值函數(shù),結(jié)合LS算法完成內(nèi)核計(jì)算。根據(jù)訓(xùn)練樣本的輸入信號(hào)和VS-NPE模型信息,生成VS測(cè)量矩陣Z=z1…zN∈RN×M,以Z的列特征計(jì)算歸一化因子Ψ=diag‖z1‖2,…,‖zN‖2∈RM×M[18],利用Ψ將等式(6)重寫(xiě)為
其中,ZΨ=ZΨ-1表示歸一化測(cè)量矩陣;hΨ=Ψh表示VS-NPE的歸一化內(nèi)核;e表示測(cè)量噪聲。通過(guò)歸一化處理Z,使新矩陣ZΨ更加方便進(jìn)行數(shù)據(jù)處理。
在AMP算法迭代過(guò)程引入阻尼技術(shù)[19]來(lái)提升算法收斂性,并修改存在恒定誤差的軟閾值函數(shù)為穩(wěn)固閾值函數(shù),最終得到ST-AMP算法迭代過(guò)程,即
其中,rt是迭代t次時(shí)的殘差;β1,β2∈0,1是阻尼因子,設(shè)置β1=β2=0.008;htΨ是重構(gòu)信號(hào);bt與式(11)中的含義一致;γ·;·是穩(wěn)固閾值函數(shù),可彌補(bǔ)軟閾值函數(shù)的恒定誤差[20];θ與式(12)中的含義一致;γ·;·定義為
其中,參數(shù)b是正實(shí)數(shù),設(shè)置b=2。
當(dāng)hΨ的估計(jì)滿(mǎn)足收斂要求時(shí),提取支持集h=Ψ-1hΨ。其中h的稀疏支持集是h的大系數(shù)分量的下標(biāo)集Ni=i:(h)i>μ,μ是系數(shù)閾值。提取Ni后,用LS算法計(jì)算基于Ni的uΨ為
其中,A為傳感矩陣;uΨ=hNi。根據(jù)Ni信息對(duì)h進(jìn)行重構(gòu),得到VS-NPE參數(shù)內(nèi)核。
3仿真分析
根據(jù)上述理論,搭建基于IM/DD信道的VLC系統(tǒng),通過(guò)迭代收斂性、歸一化均方誤差(normalizedmeansquareerrer,NMSE)ENMS性能、內(nèi)核數(shù)量和線性化能力等方面對(duì)比OMP算法和ST-AMP算法性能。訓(xùn)練所需的模擬環(huán)境采用文獻(xiàn)[21]室內(nèi)空房間的VLC信道模型,訓(xùn)練樣本選取帶寬125MHz,循環(huán)前綴長(zhǎng)32的DCO-OFDM信號(hào),而驗(yàn)證數(shù)據(jù)的設(shè)置也區(qū)別于訓(xùn)練樣本。
3.1模型結(jié)構(gòu)
由于記憶深度D和非線性階數(shù)K的確定直接影響了VS-NPE模型的結(jié)構(gòu)和性能,對(duì)比兩個(gè)算法性能之前,需提前確定參數(shù)(D,K)。本實(shí)驗(yàn)仿照粒子群的尋優(yōu)思想確定模型參數(shù)(D,K),以ENMS作為尋優(yōu)目標(biāo),D分別選取2~5,K分別選取1~5,共組成20組(D,K),計(jì)算每組參數(shù)對(duì)應(yīng)的ENMS,取ENMS最小的一組為最優(yōu)參數(shù)組。歸一化均方誤差與(D,K)構(gòu)成的三維曲面圖如圖2所示。由圖2可知,OMP算法和ST-AMP算法最優(yōu)模型參數(shù)都是(4,3),此時(shí),ENMS分別為-34.54dB和-34.93dB,達(dá)到內(nèi)核參數(shù)計(jì)算精度。因此,所有實(shí)驗(yàn)都將以模型參數(shù)(4,3)作為訓(xùn)練基礎(chǔ)。
3.2算法重構(gòu)精度分析
在無(wú)噪情況下,分析對(duì)比OMP算法與ST-AMP算法的收斂性。當(dāng)N=400時(shí),歸一化均方誤差隨迭代次數(shù)變化曲線如圖3所示。由圖3可以看出,在訓(xùn)練長(zhǎng)度條件苛刻的情況下,OMP算法與ST-AMP算法的NMSE都隨迭代次數(shù)的增大而減小,最后趨于穩(wěn)定。OMP算法僅迭代10次后,ENMS即可收斂于-35.26dB,而ST-AMP算法則需迭代240次時(shí),ENMS才趨于穩(wěn)定,近似收斂于-35.86dB。兩種算法相比,OMP算法收斂速度更快,而ST-AMP算法收斂穩(wěn)定后ENMS更優(yōu)。
歸一化均方誤差性能隨訓(xùn)練樣本長(zhǎng)度變化曲線如圖4所示,該曲線對(duì)比OMP和ST-AMP算法的ENMS性能。隨著訓(xùn)練樣本長(zhǎng)度N的增加,兩條曲線都逐漸趨于穩(wěn)定。兩者相比,ST-AMP算法在N=400時(shí),可達(dá)到ENMS=-30dB,比OMP算法小1.85dB,可見(jiàn)ST-AMP算法在訓(xùn)練規(guī)模較小時(shí),仍能保持較好的重構(gòu)精度。繼續(xù)增大N值,ST-AMP算法最終收斂于-33.78dB,而OMP算法最終收斂于-31.93dB,可見(jiàn)ST-AMP算法重構(gòu)精度高于OMP算法。
設(shè)置樣本長(zhǎng)度N=400,對(duì)比上述兩種算法計(jì)算的模型參數(shù)數(shù)量。確定模型參數(shù)(D,K)=(4,3),VS-NPE模型參數(shù)固定數(shù)量為84,ST-AMP和OMP計(jì)算所得參數(shù)數(shù)量分別為79和29,分別降低了6%和65%??梢?jiàn)OMP計(jì)算參數(shù)量減少最多,即通過(guò)OMP所得的VS-NPE模型結(jié)構(gòu)最為簡(jiǎn)單,可有效降低硬件消耗。測(cè)試上述兩種算法在含噪情況下NMSE性能,設(shè)置N=400,信噪比(signal-noiseratio,SNR)RSN為40dB時(shí),ST-AMP和OMP對(duì)應(yīng)的ENMS分別為-25.22dB和-25.45dB,證明了其在含噪情況下也可以正確重構(gòu)VS-NPE內(nèi)核系數(shù)。
3.3VS-NPE線性化能力
仿真分析所提方案的非線性補(bǔ)償性能,可通過(guò)比較功率譜密度和誤碼率,直觀地分析所提方案的功率譜密度,不同算法的VS-NPE輸出信號(hào)功率譜密度對(duì)比如圖5所示。圖5顯示了有均衡和無(wú)均衡情況下的接收信號(hào)功率譜密度。由圖5可以看出,在無(wú)均衡的情況下,接收信號(hào)的帶外和帶內(nèi)功率都不同程度的出現(xiàn)失真,且低頻和高頻部分嚴(yán)重衰減。在含有基于OMP和ST-AMP算法的均衡器的情況下,可有效地抑制接收信號(hào)帶內(nèi)、帶外功率的失真,證明上述兩個(gè)方案都具有較強(qiáng)的線性化能力。
當(dāng)N=400,RSN=40dB時(shí),基于不同算法構(gòu)建相應(yīng)的VS-NPE,對(duì)比其誤碼率性能,不同算法下VS-NPE的誤碼率曲線如圖6所示。由圖6可以看出,上述方案都具有較高的內(nèi)核重構(gòu)精度,OMP和ST-AMP兩個(gè)方案下的誤碼率性能都比原版明顯提升,其中ST-AMP算法在N=400的樣本規(guī)模下誤碼率性能最佳,并且它可以降低每比特所需信噪比,當(dāng)誤碼率達(dá)到10-3時(shí),比OMP降低近6dB信噪比,證明其緩減信道非線性的能力優(yōu)于OMP方案。
4結(jié)束語(yǔ)
本文利用CS重構(gòu)算法OMP和ST-AMP計(jì)算VS-NPE內(nèi)核參數(shù),構(gòu)造強(qiáng)健的VS-NPE模型以緩解VLC信道失真。ST-AMP算法是結(jié)合CS中AMP算法和LS算法,且為AMP的迭代過(guò)程引入阻尼因子和穩(wěn)固閾值函數(shù)。仿真結(jié)果表明,當(dāng)VS-NPE模型將參數(shù)(D,K)設(shè)置為最優(yōu)時(shí),OMP算法的優(yōu)點(diǎn)是收斂速度快,且計(jì)算的模型內(nèi)核數(shù)量少,可有效降低模型復(fù)雜度及硬件損耗。ST-AMP算法的優(yōu)點(diǎn)是收斂穩(wěn)定后NMSE更小,證明ST-AMP算法收斂時(shí)參數(shù)辨識(shí)精度更高。另外,在樣本長(zhǎng)度較小的苛刻條件下,兩種算法仍能保持較高的重構(gòu)精度。同時(shí),分析OMP算法和ST-AMP算法所構(gòu)建的VS-NPE在VLC系統(tǒng)中的線性化能力,歸一化功率譜密度曲線證明上述兩種算法下的VS-NPE都具有線性化能力,可同時(shí)補(bǔ)償VLC信道輸出信號(hào)的帶內(nèi)、帶外非線性失真,但ST-AMP算法收斂速度仍存在不足,因此在后續(xù)工作中仍需對(duì)ST-AMP算法的迭代過(guò)程繼續(xù)優(yōu)化。
參考文獻(xiàn):
[1]ELGALAH,MESLEHR,HAASH.Non-linearityeffectsandpredistortioninopticalOFDMwirelesstransmissionusingLEDs[J].InternationalJournalofUltraWidebandCommunicationsandSystems,2009,1(2):143150.
[2]STEPNIAKG,SIUZDAKJ,ZWIERKOP.CompensationofaVLCphosphorescentwhiteLEDnonlinearitybymeansofvolterraDFE[J].IEEEPhotonicsTechnologyLetters,2013,25(16):15971600.
[3]QIANH,YAOSJ,CAISZ,etal.AdaptivepostdistortionfornonlinearLEDsinvisiblelightcommunications[J].IEEEPhotonicsJournal,2014,6(4):18.
[4]MIAOP,ZHUB,QIC,etal.Amodel-drivendeeplearningmethodforLEDnonlinearitymitigationinOFDM-basedopticalcommunications[J].IEEEAccess,2019(7):7143671446.
[5]MIAOP,QIC,F(xiàn)ANGL,etal.DeepclippingnoisemitigationusingISTAwiththespecifiedobservationsforLED-basedDCO-OFDMsystem[J].IETCommunications,2018,12(20):25822591.
[6]HAUPTJ,BAJWAWU,RABBATM,etal.Compressedsensingfornetworkeddata[J].IEEESignalProcessingMagazine,2008,25(2):92101.
[7]CANDESEJ,WAKINMB.Anintroductiontocompressivesampling[J].IEEESignalProcessingMagazine,2008,25(2):2130.
[8]BECERRAJA,MADERO-AYORAMJ,REINA-TOSINAJ,etal.Structuredcompressed-sensingforvolterraseriesmodels[C]∥2016IEEE17thAnnualWirelessandMicrowaveTechnologyConference.ClearWater,F(xiàn)L,USA:IEEE,2016:14.
[9]KEKATOSV,GIANNAKISGB.Sparsevolterraandpolynomialregressionmodels:recoverabilityandestimation[J].IEEETransactionsonSignalProcessing,2011,59(12):59075920.
[10]DONOHODL,MALEKIA,MONTANARIA.Messagepassingalgorithmsforcompressedsensing:I.motivationandconstruction[C]∥2010IEEEInformationTheoryWorkshop.Cairo:IEEE,2010:15.
[11]TROPPJA,GILBERTAC.Signalrecoveryfromrandommeasurementsviaorthogonalmatchingpursuit[J].IEEETransactionsonInformationTheory,2007,53(12):46554666.
[12]LIANGQ,LUX,LIANGS,etal.Performanceanalysisofspacemultiplexingbysuperposedsignalinmulti-dimensionalVLCsystem[J].OpticsExpress,2018,26(16):1976219772.
[13]遲楠,張夢(mèng)潔,施劍陽(yáng).可見(jiàn)光通信中LED非線性失真補(bǔ)償算法研究[J].光學(xué)與光電技術(shù),2015,13(5):914.
[14]MIAOP,CHENG,WANGX,etal.Adaptivenonlinearequalizationcombiningsparsebayesianlearningandkalmanfilteringforvisiblelightcommunications[J].JournalofLightwaveTechnology,2020,38(24):67326745.
[15]SCHETZENM.Nonlinearsystemmodelingbasedonthewienertheory[J].ProceedingsoftheIEEE,1981,69(12):15571573.
[16]LIUX,MIAOP.Performanceinvestigationofvolterra-baseddigitalpredistortionusingorthogonalmatchingpursuit[C]∥2020InternationalConferenceonCommunications,InformationSystemandComputerEngineering.KualaLumpurMalaysia:CISCE,2020:6367.
[17]CHENWF,CHENLD,LVMJ,etal.IterativelyreweightedcomplexapproximatemessagepassingforISARimagingwithclustersparsestructure[C]∥IEEEInternationalConferenceonSignalProcessing,CommunicationsandComputing.Xiamen:ICSPCC,2017:14.
[18]MAJJ,LIP.OrthogonalAMP[J].IEEEAccess,2017,5:20202033.
[19]RANGANS,SCHNITERP,F(xiàn)LETCHERA,etal.Ontheconvergenceofapproximatemessagepassingwitharbitrarymatrices[J].IEEETransactionsonInformationTheory,2019,65(9):53395351.
[20]芮國(guó)勝,劉歌,田文飚,等.基于二次最優(yōu)閾值近似消息傳遞法的蒸發(fā)波導(dǎo)去噪重構(gòu)[J].通信學(xué)報(bào),2019,40(10):1019.
[21]UYSALM,MIRAMIRKHANIF,NARMANLIOGLUO,etal.IEEE802.15.7r1referencechannelmodelsforvisiblelightcommunications[J].IEEECommunicationsMagazine,2017,55(1):212217.
ResearchonVLCNonlinearEqualizerBasedonCompressedSensing
LIUXi,MIAOPu,TIANDaming
(TheCollegeofElectronicInformation,QingdaoUniversity,Qingdao266071,China)
Abstract:InordertosolveVolterraseriesnonlinearpost-distortionequalizer(VS-NPE)problemssuchasthelargenumberofcoresandcalculationdifficulties,thisstudyusestheorthogonalmatchingpursuit(OMP)algorithmandimprovedapproximatemessagepassing(AMP)algorithmtocalculateVS-NPEkernelparameters.WhentheimprovedAMPalgorithmisapplied,theVS-NPEmeasurementmatrixneedstobenormalized,andthentheAMPalgorithmiterativeprocessisintroducedintothedampingfactorsandthestablethresholdfunctiontoimprovetheaccuracyofmodelconstruction.Thesimulationresultsshowthatwhenthetrainingsamplelengthissmall,theOMPalgorithmandtheimprovedAMPalgorithmstillhavehighreconstructionaccuracy,andthenumberofmodelcorescalculatedbytheOMPalgorithmisreducedby65%,whicheffectivelyreducesthemodelcomplexity.Inaddition,theVS-NPEbasedontheabovetwoalgorithmsshowsgooddistortioncompensationinnormalizedpowerspectrumandbiterrorratio(BER)performance,whichprovetheeffectivenessandfeasibilityoftheproposedscheme.ThisresearchhelpstobuildarobustVS-NPEmodel,whichcansignificantlyalleviatethechannelnonlineardistortionofvisiblelightcommunication(VLC)systems.
Keywords:visiblelightcommunication;nonlinearequalizer;volterraseries;orthogonalmatchingpursuit
收稿日期:20211116;修回日期:20220110
基金項(xiàng)目:國(guó)家自然科學(xué)基金資助項(xiàng)目(61801257);山東省自然科學(xué)基金資助項(xiàng)目(ZR2019BF001)
作者簡(jiǎn)介:劉希(1997),女,碩士研究生,主要研究方向?yàn)橥ㄐ判畔⑻幚怼?/p>
通信作者:苗圃(1987),男,副教授,主要研究方向?yàn)橄乱淮ㄐ畔到y(tǒng)關(guān)鍵技術(shù)。Email:mpvae@qdu.edu.cn