可见光通信网络信号非线性失真自适应校正方法研究

可见光通信网络是现今通信领域中的主要构成部分之一,但其应用的物理设备(LED照明设备)具有非线性特征,致使可见光通信网络信号出现非线性失真情况,影响着用户通信的质量,故提出可见光通信网络信号非线性失真自适应校正方法研究。通过深入分析可知信号非线性失真分为非线性转换失真和非线性限幅失真,以此为基础,设计信号非线性失真校正电路(DG预失真校正电路与DP预失真校正电路),引入自适应算法制定信号非线性失真自适应校正架构,确定信号非线性失真自适应校正公式,从而实现了信号非线性失真的有效校正。实验数据显示:应用提出方法获得的信号非线性失真自适应校正结果中不存在非线性失真现象,通信信号接收误码率最小值为3%,充分证实了提出方法应用性能更加优质。

基于深度森林的可见光通信网络恶意代码识别研究

由于可见光通信网络恶意代码的升级和变形,导致恶意代码识别正确率与效率下降,因此,提出一种基于深度森林的可见光通信网络恶意代码识别方法。将恶意代码二进制文件映射为图片形式,并且通过分析图像梯度获取方向梯度直方图的特征,提取恶意代码图像特征向量。在随机森林模型中,利用决策树划分恶意代码类别,同时多粒度扫描图像特征向量矩阵,扫描结果作为深度森林的输入,输出中平均值最大的类别即为恶意代码,实现识别恶意代码。仿真实验结果表明,所提方法的识别误报率最低、正确率最高,并且识别效率最高,提高了光通信网络的安全性,其具有可行性和有效性。

基于改进模糊聚类算法的可见光通信网络资源安全分配方法

可见光接入点网络资源有限,而接入用户数量呈现逐渐上升的趋势,网络资源分配的公平系数较低、时延较高,对此,提出基于改进模糊聚类算法的可见光通信网络资源安全分配方法。提出方法通过构建可见光通信网络模型,展示可见光通信网络内部环境与结构,确定可见光通信信道模式,获取网络信道信息,应用改进模糊聚类算法分块处理可见光通信网络资源,计算数据聚合器(用户)在每个资源块上的信噪比,衡量不同通信链路的增益情况,以最大增益为标准,将网络资源安全分配给每个用户。实验结果显示,提出方法网络资源安全分配时延均值为4.72 s,用户被分配网络资源公平系数均值为0.79,实现了可见光通信网络资源的安全分配。

基于超鞅理论的VLC系统服务效率优化算法

为提高通信网络带宽资源的利用率,针对可见光通信(VLC)上行系统,设计了一种基于超鞅理论的服务效率优化算法,以应对终端业务对网络服务质量(QoS)的差异化需求。该算法首先通过构建基于马尔可夫调制的On-Off(MMOO)过程与ALOHA随机接入过程的网络队列系统模型,推导了各终端设备成功接入协调器的概率。接着,利用超鞅理论评估了系统的时延性能,并将多用户QoS高效保障问题转化为一个受鞅域时延界约束的服务速率最小化问题。最终,采用蜜獾算法(HBA)来求解该问题。仿真结果表明,该算法能满足终端业务的不同Qo S要求,并优化了网络服务效率。