基于混合神经网络的紫外光散射信道盲均衡方法

作     者：赵太飞 孙玉歆 潘飞翔 张爽 Zhao Taifei;Sun Yuxin;Pan Feixiang;Zhang Shuang

作者机构：西安理工大学自动化与信息工程学院 西安市无线光通信与网络研究重点实验室 

出 版 物：《光学学报》 (Acta Optica Sinica)

年 卷 期：2024年第44卷第18期

页      面：1-10页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0803[工学-光学工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61971345) 陕西省重点研发计划(2021GY-044) 人工智能四川省重点实验室开发基金(2022RYY01) 西安市科技计划(23GXFW0060) 

主　　题：无线紫外光信道 单次散射 神经网络 盲均衡 脉冲展宽 

摘      要：针对非直视无线紫外光通信受大气散射等多种因素影响而存在严重的脉冲展宽和信号衰减的问题，本文提出了一种基于混合神经网络的紫外光散射信道盲均衡方法。该方法将长短期记忆递归神经网络（LSTM）和深度神经网络（DNN）相结合，把接收信号视为时间序列，不依赖先验的信道知识，充分利用LSTM强大的时间记忆序列学习能力提取接收信号特征，从而恢复原始信号。仿真结果显示，信噪比大于11 dB时，本文算法的误码率相较最小均方算法和递归最小二乘算法可降低1～2个数量级，均方误差可降低0.5个数量级以上；与单一的DNN相比，本文算法的均衡性能也有显著提升。信噪比等于11 dB时，其误码率和均方误差分别降低了81.0%和27.8%，证明提出的混合神经网络具有更强的噪声抑制能力。