基于机器学习的水下光通信信道估计与信号解调算法仿真研究

作     者：叶鹏飞 张鹏 伍文韬 于浩 范云龙 张鹏浩 

作者机构：长春理工大学中山研究院 长春理工大学光电工程学院 长春理工大学电子信息工程学院 

出 版 物：《光电子·激光》 (Journal of Optoelectronics·Laser)

年 卷 期：2024年

学科分类：08[工学] 0803[工学-光学工程] 

基　　金：国家自然基金重点项目（62231005） 国家重点研发计划（2022YFB2903400） 吉林省教育厅基金（JJKH20220746KJ、JJKH20220771KJ） 

主　　题：水下无线光通信 光正交频分复用 深度神经网络 k-means 信道估计 信号检测 

摘      要：在水下无线光通信系统中，水的吸收、散射以及湍流等效应将造成了信道估计与信号检测的困难，从而导致了通信误比特率升高，甚至无法通信。针对水下复杂信道下光通信信道估计与信号检测的难题，提出了基于机器学习的信道估计与解调算法，研究其在直流偏置光-正交频分复用光通信系统中水下信道估计及信号检测性能。首先基于所提信道估计与解调算法(深度神经网络和无监督学习的k-means星座解调器)完成复杂信道频率响应、二次均衡及误比特分析的仿真建模。其次对比传统最小二乘法、线性最小均方误差信道估计算法及最小距离解调算法，完成复杂信道下光通信信噪比增益等研究。仿真结果中，在湍流闪烁指数为0.18，距离为10 m的水下信道中，当子载波为8阶正交幅度调制(quadrature amplitude modulation，QAM)，误比特率为10-5时，所提信道估计算法相比最小二乘法与线性最小均方误差估计分别有6 dB与1 dB的信噪比增益。另外采用所提信号检测算法，对比传统算法有1 dB的信噪比增益。仿真结果表明，所提出基于机器学习的信道估计与解调算法可提高复杂信道水下光通信的性能。研究结果为远距离高速复杂水下光通信系统设计提供一定参考。