本發(fā)明涉及室內(nèi)可見光通信系統(tǒng)中基于收斂狀態(tài)的變步長均衡方案，具體涉及室內(nèi)可見光通信系統(tǒng)接收端均衡器的基于收斂狀態(tài)的變步長均衡方案，屬于可見光通信技術(shù)領(lǐng)域。

背景技術(shù)：

可見光通信由于其綠色環(huán)保、無需頻譜認(rèn)證、傳輸速率高等優(yōu)點(diǎn)引起了全球范圍的研究熱潮。然而可見光通信室內(nèi)傳輸環(huán)境存在多徑效應(yīng)，一方面因?yàn)槭覂?nèi)通常安放多個(gè)距離接收機(jī)不同的光源，另一方面因?yàn)榻邮斩耸盏降墓庑盘栔袝?huì)包含直射和反射分量，從而產(chǎn)生碼元波形畸變、展寬、拖尾，當(dāng)系統(tǒng)傳輸速率較高時(shí)，信號之間相互干擾嚴(yán)重，造成碼間串?dāng)_。為了降低由此造成的誤碼率，必須采用相應(yīng)的技術(shù)來消除碼間干擾，均衡技術(shù)是消除碼間干擾的有效技術(shù)手段。均衡器根據(jù)是否需要訓(xùn)練序列分為自適應(yīng)均衡器和盲均衡器，自適應(yīng)均衡器在發(fā)送用戶數(shù)據(jù)前需要預(yù)先發(fā)送一段訓(xùn)練序列，這會(huì)占用信道的帶寬，增加傳輸?shù)拈_銷。盲均衡技術(shù)不使用訓(xùn)練序列，僅利用所接收到的信號對信道進(jìn)行均衡，從而可以獲得有效的帶寬利用率。

最小均方(leastmeansquare，lms)算法實(shí)現(xiàn)簡單，計(jì)算量小，是室內(nèi)可見光通信系統(tǒng)中使用最廣泛的自適應(yīng)均衡算法。在lms算法中存在兩種狀態(tài)，未收斂狀態(tài)和收斂狀態(tài)，在初次通信或者信道突變時(shí)lms算法一般處于未收斂狀態(tài)，在此狀態(tài)下均衡器抽頭系數(shù)向量變化較大，均方誤差(meansquareerror，mse)逐漸減小，經(jīng)過一定的迭代次數(shù)后算法會(huì)進(jìn)入收斂狀態(tài)，此時(shí)均衡器抽頭系數(shù)向量變化較小，mse趨于穩(wěn)定。lms算法的收斂性能受到步長因子的影響，當(dāng)使用較大步長因子時(shí)，算法的收斂速度快，但是收斂后的精確度低；當(dāng)使用較小步長因子時(shí)，算法的收斂速度慢，但是收斂后的精確度高。為優(yōu)化lms算法，可以采用變步長方案?，F(xiàn)有的變步長lms算法大多是以mse的值為自變量，以某一個(gè)s型曲線為基礎(chǔ)，通過線性變換建立mse值和步長之間的一個(gè)正比例函數(shù)，來實(shí)現(xiàn)步長隨mse的變化。但是，這種變步長算法存在兩個(gè)缺點(diǎn)：其一，在收斂的過程中步長因子逐漸減小，使得下降曲線彎曲不夠陡峭，也就是不能實(shí)現(xiàn)最快收斂；其二，當(dāng)信噪比較小時(shí)，mse會(huì)一直保持較大的值，所以步長因子也一直保持較大的值，造成算法收斂后的精確度低的問題。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明所要解決的技術(shù)問題是：提供室內(nèi)可見光通信系統(tǒng)中基于收斂狀態(tài)的變步長均衡方案，克服現(xiàn)有的變步長均衡方案下lms算法收斂速度慢和噪聲影響收斂精度的問題，加快算法的收斂速度，在信噪比較低時(shí)也可以使用較小步長因子，提高收斂精確度。

本發(fā)明為解決上述技術(shù)問題采用以下技術(shù)方案：

室內(nèi)可見光通信系統(tǒng)中基于收斂狀態(tài)的變步長均衡方案，包括如下步驟：

步驟1，對可見光通信系統(tǒng)的接收端進(jìn)行初始化，包括初始化均衡器抽頭系數(shù)向量、步長因子、收斂斜率閾值、平滑系數(shù)、區(qū)間長度；發(fā)射端光源依次向接收端發(fā)送訓(xùn)練序列中的碼元；

步驟2，計(jì)算第i個(gè)碼元的均方誤差，并對均方誤差進(jìn)行平滑，得到平滑后的均方誤差并存儲；

步驟3，利用初始化步長因子更新第1至第n個(gè)碼元對應(yīng)的均衡器抽頭系數(shù)向量；

步驟4，當(dāng)i被區(qū)間長度n整除時(shí)，計(jì)算第i-n+1個(gè)碼元到第i個(gè)碼元組成的區(qū)間的斜率；當(dāng)該斜率大于等于初始化收斂斜率閾值時(shí)，認(rèn)為最小均方算法未收斂，使用大步長因子更新第i+1至第i+n個(gè)碼元對應(yīng)的均衡器抽頭系數(shù)向量；當(dāng)該斜率小于初始化收斂斜率閾值時(shí)，認(rèn)為最小均方算法收斂，使用小步長因子更新第i+1至第i+n個(gè)碼元對應(yīng)的均衡器抽頭系數(shù)向量；

步驟5，判斷訓(xùn)練序列中的碼元是否發(fā)送結(jié)束，若結(jié)束，則均衡方案結(jié)束，否則，i＝i+1，i＝1,2,…,訓(xùn)練序列中碼元的總個(gè)數(shù)，并重復(fù)步驟2-5。

作為本發(fā)明的一種優(yōu)選方案，步驟2所述均方誤差計(jì)算方法為：接收端將檢測到的光信號轉(zhuǎn)換為電信號并送入均衡器，將均衡器輸入信號和初始化的均衡器抽頭系數(shù)向量相乘得到均衡器未判決輸出信號，均衡器未判決輸出信號與碼元做差并取平方得到該碼元的均方誤差。

作為本發(fā)明的一種優(yōu)選方案，步驟2所述對均方誤差進(jìn)行平滑計(jì)算公式為：

其中，esmooth(j)為第j個(gè)平滑后的均方誤差，e(i)為第i個(gè)碼元的均方誤差，s為平滑系數(shù)，且30≤s≤區(qū)間長度n，i＝1,2,…,訓(xùn)練序列中碼元的總個(gè)數(shù)，j＝1,2,…,訓(xùn)練序列中碼元的總個(gè)數(shù)。

作為本發(fā)明的一種優(yōu)選方案，步驟3所述均衡器抽頭系數(shù)向量的更新公式為：

w(i)′＝w(i)+μeiy(i)

其中，w(i)′、w(i)分別為更新后、更新前第i個(gè)碼元對應(yīng)的均衡器抽頭系數(shù)向量；μ為第i個(gè)碼元對應(yīng)的步長因子，ei為第i個(gè)碼元均衡器未判決輸出信號與該碼元的差值，y(i)為第i個(gè)碼元對應(yīng)的均衡器輸入信號。

作為本發(fā)明的一種優(yōu)選方案，步驟4所述斜率計(jì)算公式為：

其中，g為斜率，n為區(qū)間長度，esmooth(i-n+1)、esmooth(i)分別為第i-n+1、i個(gè)碼元平滑后的均方誤差。

作為本發(fā)明的一種優(yōu)選方案，所述區(qū)間長度n的取值范圍為[平滑系數(shù),100]。

作為本發(fā)明的一種優(yōu)選方案，所述收斂斜率閾值的取值范圍為[0.005,0.007]。

作為本發(fā)明的一種優(yōu)選方案，所述大步長因子為μlarge＝0.02，小步長因子為μsmall＝0.002。

本發(fā)明采用以上技術(shù)方案與現(xiàn)有技術(shù)相比，具有以下技術(shù)效果：

1、本發(fā)明利用平滑mse曲線區(qū)間的斜率來判斷算法的收斂狀態(tài)，在算法未收斂時(shí)一直保持較大的恒定的步長因子，而現(xiàn)有技術(shù)在算法未收斂時(shí)的步長因子隨mse的減小而減小。因此，本發(fā)明均衡方案的收斂速度快于現(xiàn)有技術(shù)。

2、本發(fā)明在信噪比低時(shí)可以根據(jù)平滑mse的區(qū)間斜率來判斷l(xiāng)ms算法是否收斂，并且在收斂后可以切換小步長因子來提高算法的精確度?，F(xiàn)有技術(shù)無法識別算法收斂狀態(tài)，在信噪比低時(shí)由于mse較大，所以一直使用較大步長因子，不能切換小步長因子，導(dǎo)致算法的精確度低。因此，本發(fā)明均衡方案在低信噪比時(shí)的精確度優(yōu)于現(xiàn)有技術(shù)。

附圖說明

圖1是本發(fā)明室內(nèi)可見光通信系統(tǒng)接收端的原理框圖。

圖2是本發(fā)明室內(nèi)可見光通信系統(tǒng)中基于收斂狀態(tài)的變步長均衡方案的流程圖。

圖3是本發(fā)明一個(gè)實(shí)施例的示意圖。

具體實(shí)施方式

下面詳細(xì)描述本發(fā)明的實(shí)施方式，所述實(shí)施方式的示例在附圖中示出。下面通過參考附圖描述的實(shí)施方式是示例性的，僅用于解釋本發(fā)明，而不能解釋為對本發(fā)明的限制。

本發(fā)明的思路是對現(xiàn)有室內(nèi)可見光通信系統(tǒng)接收端的均衡方案進(jìn)行改進(jìn)，在修改均衡器抽頭系數(shù)向量之前，通過平滑mse的小區(qū)間斜率的大小來判斷l(xiāng)ms算法是否已經(jīng)收斂，未收斂時(shí)使用較大步長因子，收斂時(shí)使用較小步長因子，從而加快了lms算法的收斂速度，提高了算法的精確度。

室內(nèi)可見光通信系統(tǒng)接收端的原理框圖如圖1所示，其中數(shù)據(jù)存儲模塊用來存儲mse數(shù)據(jù)，平滑計(jì)算模塊使用平滑計(jì)算公式得到平滑后的mse數(shù)據(jù)，并且存儲在數(shù)據(jù)存儲模塊中，狀態(tài)判斷模塊使用平滑mse小區(qū)間斜率計(jì)算公式來計(jì)算平滑mse小區(qū)間的斜率并且判斷算法的收斂狀態(tài)，依據(jù)不同的收斂狀態(tài)修改lms算法的步長因子。均衡器可以為線性均衡器結(jié)構(gòu)也可以為非線性均衡器結(jié)構(gòu)，并不做限定。

室內(nèi)可見光通信系統(tǒng)中基于收斂狀態(tài)的變步長均衡方案的流程圖如圖2所示，首先，信源發(fā)送一定長度的訓(xùn)練序列，lms算法的步長因子初始化為較大步長因子，依據(jù)均衡器的未判決輸出和訓(xùn)練序列計(jì)算mse，然后平滑mse，具體方法為當(dāng)碼元下標(biāo)i小于s時(shí)，以從下標(biāo)1到下標(biāo)i的mse的均值作為第i個(gè)碼元平滑后的mse值，當(dāng)碼元下標(biāo)i大于等于s時(shí)，以從下標(biāo)i-s+1到下標(biāo)i的mse的均值作為第i個(gè)碼元平滑后的mse值。當(dāng)碼元下標(biāo)i是小區(qū)間長度n的倍數(shù)并且大于n時(shí)，計(jì)算平滑mse小區(qū)間的斜率g，得到一個(gè)g后判斷它與收斂斜率閾值(convergenceslopethreshold，cst)的相對大小，如果g大于等于cst，說明算法還未收斂，使用較大步長因子，如果g小于cst，說明算法已經(jīng)收斂，使用較小步長因子，然后通過lms算法更新均衡器抽頭系數(shù)向量。重復(fù)從計(jì)算mse到更新均衡器抽頭系數(shù)向量的操作，重復(fù)次數(shù)為訓(xùn)練序列的長度。

下面以室內(nèi)可見光通信模型為例對發(fā)明技術(shù)方案作進(jìn)一步說明。

如圖3所示，房間的規(guī)格為(x×y×z)，例如(5m×5m×3m)；天花板上分布著4個(gè)發(fā)射功率相同的led光源，其坐標(biāo)分別為l1(ax,ay,az)、l2(bx,by,bz)、l3(cx,cy,cz)、l4(dx,dy,dz)，例如l1(1m,1m,3m)、l2(1m,4m,3m)、l3(4m,1m,3m)、l4(4m,4m,3m)；接收機(jī)的坐標(biāo)r(ex,ey,ez)，例如r(1m,0.5m,0.85m)。光源發(fā)射的光線到達(dá)接收機(jī)的方式有兩種，一種是視線傳播，另一種是反射傳播，在這里僅僅考慮一次反射，忽略其他反射。在該室內(nèi)可見光通信模型中，由于存在多個(gè)光源和反射鏈路，所以存在多徑效應(yīng)，接收機(jī)檢測到的碼元波形就可能會(huì)發(fā)生畸變，展寬，拖尾，從而產(chǎn)生碼間串?dāng)_。另外，由于在該模型中存在背景光，所以檢測到的信號中會(huì)含有加性高斯白噪聲。

在該案例中，均衡器抽頭系數(shù)向量初始化為全零向量，步長因子初始化為較大步長因子μlarge＝0.02，收斂斜率閾值初始化為cst＝0.005，平滑系數(shù)s＝30，平滑mse區(qū)間長度n＝40。

第一步，通信開始后，光源發(fā)送訓(xùn)練序列，接收機(jī)將檢測到的光信號轉(zhuǎn)換為電信號并送入均衡器，均衡器將輸入信號和抽頭系數(shù)向量相乘得到均衡器未判決輸出信號，均衡器未判決輸出信號與訓(xùn)練序列作差并取平方得到mse，數(shù)據(jù)存儲模塊記錄mse，平滑mse模塊按照公式平滑mse數(shù)據(jù)。

第二步，隨著碼元下標(biāo)的遞增，當(dāng)碼元下標(biāo)i是n的倍數(shù)時(shí)，按照公式計(jì)算平滑后的mse小區(qū)間的斜率g。

第三步，判斷g與收斂斜率閾值cst的相對大小，當(dāng)g的值大于等于收斂斜率閾值cst時(shí)，認(rèn)為算法未收斂，使用較大步長因子μlarge＝0.02，當(dāng)g的值小于收斂斜率閾值cst時(shí)，認(rèn)為算法已經(jīng)收斂，使用較小步長因子μsmall＝0.002。

第四步，使用公式更新均衡器抽頭系數(shù)向量。

以上步驟重復(fù)進(jìn)行，不斷判斷l(xiāng)ms算法的收斂狀態(tài)并且依據(jù)收斂狀態(tài)修改lms算法的步長因子，重復(fù)的次數(shù)為訓(xùn)練序列的長度。

在此應(yīng)用場景下，在前若干個(gè)碼元時(shí)，lms算法處于未收斂狀態(tài)，lms算法使用μlarge＝0.02的步長因子，在此期間mse曲線快速下降，在若干個(gè)碼元之后lms算法處于收斂狀態(tài)，lms算法使用μsmall＝0.002步長因子，mse曲線進(jìn)一步下降，最終穩(wěn)定在附近。與現(xiàn)有技術(shù)相比，因?yàn)槲词諗壳耙恢笔褂幂^大恒定步長因子，mse下降較陡，有效提高lms算法的收斂速度。又因?yàn)樵肼晫se的小區(qū)間斜率幾乎沒有影響，所以本發(fā)明在低信噪比環(huán)境下依然可以準(zhǔn)確識別收斂狀態(tài)，并且在收斂狀態(tài)下使用小步長因子，從而有效提高了低信噪比環(huán)境下lms算法的精準(zhǔn)度。

以上實(shí)施例僅為說明本發(fā)明的技術(shù)思想，不能以此限定本發(fā)明的保護(hù)范圍，凡是按照本發(fā)明提出的技術(shù)思想，在技術(shù)方案基礎(chǔ)上所做的任何改動(dòng)，均落入本發(fā)明保護(hù)范圍之內(nèi)。