GSSK⁃VLC系统中基于SVM的LED选择算法

为了有效降低室内基于广义空移键控(Generalized Space Shift Keying,GSSK)调制技术的可见光通信(Visible Light Communications,VLC)系统LED选择算法的复杂度,提高系统的LED选择速度,提出了一种基于支持向量机(Support Vector Machine,SVM)的机器学习低复杂度高效率LED选择算法.通过将室内GSSK⁃VLC系统的LED选择等价建模为多分类的机器学习问题,利用核SVM构建LED选择的最优化问题,通过对偶理论,获得原问题的二次凸规划对偶问题,从而高效的获取SVM的最优分类参数.最后,通过学习训练获得的最优分类参数实现对任意给定用户信道信息的在线天线选择.通过计算机仿真和复杂度分析,与传统的LED选择算法相比,本文提出的算法能够在实现在线LED选择的同时保持低误码率(Bit Error Ratio,BER)性能,表明了该算法的有效性.

LED显示屏“马赛克”问题解决初步

LED显示屏"马赛克"问题产生的原因主要是由LED灯和显示屏的机械特性一致性差造成的,文章主要介绍LED显示屏产生"马赛克"现象的机械特性和解决方法。

基于朴素贝叶斯的室内VLC网络天线选择方法

在室内多天线多用户可见光通信(VLC)网络中,为了改善在发射天线和用户数量增多的情况下,最优天线选择算法存在时间复杂度过高问题,将朴素贝叶斯(NB)方法应用于室内多用户VLC网络下行链路发光二极管(LED)选择问题中.首先,将该LED选择任务建模为多分类问题,利用用户已知信道状态信息生成训练样本集,并通过VLC网络多用户通信和速率最大生成对应类标签;其次,利用生成的训练样本集,通过NB方法得到分类器模型;最后,将训练得到的分类器模型应用于新用户的LED选择.仿真分析表明,与最优多用户VLC网络LED选择算法相比,所提出的基于NB的LED选择方案可以有效地降低时间复杂度,在算法复杂度和用户传输和速率之间实现了较好的平衡.