GSSK‑VLC系统中基于SVM的LED选择算法

doi:10.12263/DZXB.20200747

电子学报 ›› 2021, Vol. 49 ›› Issue (7): 1400-1405.DOI: 10.12263/DZXB.20200747

GSSK‑VLC系统中基于SVM的LED选择算法

张芳鑫¹, 王法松¹, 李睿²(), 左婷¹

^1.郑州大学信息工程学院，河南郑州 450001
^2.河南工业大学理学院，河南郑州 450001

收稿日期:2020-07-19 修回日期:2020-12-16 出版日期:2021-07-25
- 作者简介:
- 张芳鑫　男，1993年4月生于河南鹤壁，现为郑州大学信息工程学院硕士研究生，研究方向为可见光通信天线选择技术．E‑mail:zzuzfx2018@163.com
  王法松　男，1979年3月生于河南潢川，工学博士，教授．2002年获中国地质大学（武汉）学士和硕士学位，2013年获西安电子科技大学博士学位，研究方向为可见光通信、稀疏信号处理．E‑mail:iefswang@zzu.edu.cn
  李　睿　女，1979年7月生于河南郑州，副教授．研究方向为优化理论与算法及其应用．E‑mail: slxlirui@haut.edu.cn
- 基金资助:
- 河南省科技攻关 (192102210088); 河南省高校科技创新人才 (18HASTIT021); 国家自然科学基金 (61401401)

SVM‑Based LED Selection Algorithm in GSSK‑VLC System

ZHANG Fang-xin¹, WANG Fa-song¹, LI Rui²(), ZUO Ting¹

^1.School of Information Engineering, Zhengzhou University, Zhengzhou, Henan 450001, China
^2.School of Sciences, Henan University of Technology, Zhengzhou, Henan 450001, China

Received:2020-07-19 Revised:2020-12-16 Online:2021-07-25 Published:2021-08-11
- Supported by:
- Technology Research and Development Program of Henan Province (192102210088); Science and Technology Innovation Talents Program of Colleges and Universities in Henan Province (18HASTIT021); National Natural Science Foundation of China (61401401)

摘要/Abstract

摘要：

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.

关键词: 可见光通信, 广义空移键控, LED选择, 支持向量机

Abstract:

In order to reduce the complexity of LED selection algorithm in generalized space shift keying (GSSK) aided indoor visible light communication (VLC) system, a support vector machine (SVM) assisted low complexity and high efficiency machine learning LED selection algorithm is proposed for the considered GSSK?VLC system. By modeling the LED selection in indoor GSSK?VLC system as a multi?classification problem, an optimization problem is constructed by utilizing kernel SVM. After the optimal parameters of the learning system are obtained, the LED selection procedure can be accomplished efficiently for any given user’s channel state information. Simulation results and complexity analysis show that, compared with traditional LED selection algorithms, the proposed SVM aided LED selection algorithm can achieve an ideal bit error ratio (BER) performance while having considerably lower complexity.

Key words: visible light communication (VLC), generalized space shift keying (GSSK), LED selection, support vector machine (SVM)

中图分类号:

TN911.25

张芳鑫, 王法松, 李睿, 等. GSSK‑VLC系统中基于SVM的LED选择算法[J]. 电子学报, 2021, 49(7): 1400-1405.

Fang-xin ZHANG, Fa-song WANG, Rui LI, et al. SVM‑Based LED Selection Algorithm in GSSK‑VLC System[J]. Acta Electronica Sinica, 2021, 49(7): 1400-1405.

图/表 7

图1 室内GSSK?VLC系统示意图

表1 算法时间复杂度对比分析结果

算法	时间复杂度
EDAS算法^［5］	$O N r N t + A n t - 1 N r + l o g A$
AS‑AC算法^［6］	$O (N t N r l o g N t)$
LCTAS‑A‑C算法^［7］	$O n t + 1 N t N r l o g N t$
SVM‑LED算法	$O N r N t$

表1 算法时间复杂度对比分析结果

算法	时间复杂度
EDAS算法^［5］	$O N r N t + A n t - 1 N r + l o g A$
AS‑AC算法^［6］	$O (N t N r l o g N t)$
LCTAS‑A‑C算法^［7］	$O n t + 1 N t N r l o g N t$
SVM‑LED算法	$O N r N t$

表2 不同LED数量场景中LED的位置分布表

8 LED		4 LED
LED	$[O X, O Y, O Z]$	1	（1.25， 1.25， 3.0） m
1	（1.25， 1.25， 3.0） m	2	（3.75， 1.25， 3.0） m
2	（1.25， 2.50， 3.0） m	3	（1.25， 3.75， 3.0） m
3	（1.25， 3.75， 3.0） m	4	（3.75， 3.75， 3.0） m
4	（2.50， 3.75， 3.0） m	5 LED
5	（3.75， 3.75， 3.0） m	1	（1.25， 1.25， 3.0） m
6	（3.75， 2.50， 3.0） m	2	（3.75， 1.25， 3.0） m
7	（3.75， 1.25， 3.0） m	3	（1.25， 3.75， 3.0） m
8	（2.50， 1.25， 3.0） m	4	（3.75， 3.75， 3.0） m
		5	（2.50， 2.50， 3.0） m

表2 不同LED数量场景中LED的位置分布表

8 LED		4 LED
LED	$[O X, O Y, O Z]$	1	（1.25， 1.25， 3.0） m
1	（1.25， 1.25， 3.0） m	2	（3.75， 1.25， 3.0） m
2	（1.25， 2.50， 3.0） m	3	（1.25， 3.75， 3.0） m
3	（1.25， 3.75， 3.0） m	4	（3.75， 3.75， 3.0） m
4	（2.50， 3.75， 3.0） m	5 LED
5	（3.75， 3.75， 3.0） m	1	（1.25， 1.25， 3.0） m
6	（3.75， 2.50， 3.0） m	2	（3.75， 1.25， 3.0） m
7	（3.75， 1.25， 3.0） m	3	（1.25， 3.75， 3.0） m
8	（2.50， 1.25， 3.0） m	4	（3.75， 3.75， 3.0） m
		5	（2.50， 2.50， 3.0） m

表3 仿真实验中的参数设置表

仿真设置参数
房间尺寸 $(L × W × H)$	$5 × 5 × 3 m 3$
LED高度	3 m
LED个数	4， 5， 8
接收端PD高度	0.85 m
发射端参数
半功率角 $(Φ 1 / 2)$	$60 ∘$
光学滤波器增益 $(T s (ψ))$	$1.0$
光功率/电转换效率 $(η)$	$813.6 μ W / m A$
调制指数 $(α)$	$0.1$
接收端参数
单个PD的物理面积 $(A P D)$	$1.0 c m 2$
接收端半视场角 $(Ψ F o V)$	$72 ∘$
PD响应度	$100 μ A / m W$
光折射率 $(β)$	$1.5$

表3 仿真实验中的参数设置表

仿真设置参数
房间尺寸 $(L × W × H)$	$5 × 5 × 3 m 3$
LED高度	3 m
LED个数	4， 5， 8
接收端PD高度	0.85 m
发射端参数
半功率角 $(Φ 1 / 2)$	$60 ∘$
光学滤波器增益 $(T s (ψ))$	$1.0$
光功率/电转换效率 $(η)$	$813.6 μ W / m A$
调制指数 $(α)$	$0.1$
接收端参数
单个PD的物理面积 $(A P D)$	$1.0 c m 2$
接收端半视场角 $(Ψ F o V)$	$72 ∘$
PD响应度	$100 μ A / m W$
光折射率 $(β)$	$1.5$

图2 三种SSK系统配置情况下LED的随机选择算法、EDAS算法、AS?AC算法、LCTAS?A?C算法和本文提出的基于SVM的LED选择算法的BER性能比较

图3 三种GSSK系统配置情况下LED的随机选择算法、EDAS算法、AS?AC算法、LCTAS?A?C算法和本文提出的基于SVM的LED选择算法的BER性能比较

图4 多种GSSK系统配置情况下LED的随机选择算法、EDAS算法、AS?AC算法、LCTAS?A?C算法和本文提出的基于SVM的LED选择算法的运行时间性能比较

参考文献 17

1	苏彦兵，谈振辉.基于天线选择的低秩信道MIMO系统容量研究［J］.电子学报，2004，32（3）：395 - 398.
	SUYan‑bing， TANZhen‑hui. Capacity of deficient rank MIMO channels with antenna selection［J］. Acta Electronica Sinica， 2004， 32（3）：395 - 398. （in Chinese）
2	TON K. Indoor optical wireless systems： Technology， trends， and applications ［J］. Journal of Lightwave Technology， 2018， 36（8）： 459 - 1467.
3	门宏志，刘文龙，王楠，等. 空间调制系统低复杂度的天线选择算法［J］. 电子学报， 2016， 44（6）： 1322 - 1327.
	Hong‑zhiMEN， LIUWen‑long， WANGNan， et al. Low‑complexity antenna selection algorithms for spatial modulation systems［J］. Acta Electronica Sinica， 2016， 44（6）：1322 - 1327. （in Chinese）
4	JEGANATHANJ， GHRAYEBA， SZCZECINSKIL. Generalized space shift keying modulation for MIMO channels ［A］. 2008 IEEE 19th International Symposium on Personal， Indoor and Mobile Radio Communications［C］. Cannes， French： IEEE， 2008. 1 - 5.
5	RAJASHEKARR， HARIK V S， HANZOL. Antenna selection in spatial modulation systems ［J］. IEEE Communications Letter， 2013， 17（3）： 521 - 524.
6	ZHOUZ， GEN， LINX. Reduced‑complexity antenna selection schemes in spatial modulation ［J］. IEEE Communications Letter， 2014， 18（1）： 14 - 17.
7	PILLAYN， XUH. Low complexity transmit antenna selection for spatial modulation ［J］. IEEE Communications Letter， 2015， 9（2）： 239 - 248.
8	JOUNGJ. Machine learning‑based antenna selection in wireless communications ［J］. IEEE Communications Letter， 2016， 20（11）： 2241 - 2244.
9	YANGP， ZHUJ， XIAOY， et al. Antenna selection for MIMO system based on pattern recognition［J］. Digit Communication and Network， 2019， 5（1）： 34 - 39.
10	WANGZ， GUOC， YANGY， et al. Antenna selection based dimming scheme for indoor MIMO visible light communication systems utilizing multiple lamps ［A］. IEEE 27th Annual International Symposium on Personal， Indoor， and Mobile Radio Communications［C］. Valencia， Spain： IEEE， 2016. 1 - 7.
11	FENGZ， et al. MMSE based spatial dimming scheme for multiuser MISO VLC systems ［A］. 2017 IEEE Globecom Workshops［C］. Singapore： IEEE， 2017. 1 - 6.
12	WANGH R， WANGF S， LIR. Enhancing power allocation efficiency of NOMA aided‑MIMO downlink VLC networks ［J］. Optics Communications， 2020， 454： 124497.
13	MOSTAFAA， LAMPEL. Physical‑layer security for MISO visible light communication channels ［J］. IEEE Journal on Selected Areas in Communications， 2015， 33（9）：1806 - 1818.
14	MOSTAFAA， LAMPEL. Optimal and robust beamforming for secure transmission in MISO visible‑light communication links ［J］. IEEE Transactions on Signal Processing， 2016， 64（24）： 6501 - 6516.
15	WANGF S， et al. Optical jamming enhances the secrecy performance of the generalized space shift keying aided visible light downlink ［J］. IEEE Transactions on Communications， 2018， 66（9）： 4087 - 4102.
16	YUANY， et al. SVM‑based detection in visible light communications ［J］. Optik， 2017， 151： 55 - 64.
17	WANGJ T， JIAS Y， SONGJ. Generalized spatial modulation system with multiple active transmit antennas and low complexity detection scheme ［J］. IEEE Transactions on Wireless Communications，2012，11（4）： 1605 - 1615.

[1]	曹源, 宋迪, 胡小溪, 孙永奎. 基于改进时域多尺度散布熵与支持向量机的转辙机故障诊断[J]. 电子学报, 2023, 51(1): 117-127.
[2]	李世银, 鲁姗妹, 马帅, 张凡, 徐子涵, 王洪梅, 李宗艳, 熊海良. 有限字符输入DCO-OFDMA系统的资源分配算法研究[J]. 电子学报, 2022, 50(3): 574-584.
[3]	吴国庆, 王罗胜斌, 庞晨, 李永祯, 王雪松. 雷达极化域变焦角反组合体对抗方法：抗冲淡式干扰[J]. 电子学报, 2022, 50(12): 2969-2983.
[4]	孙晨峰, 吕卫民, 戴洪德, 张浩晨. 一种基于TimeGAN和OCSVM的多元退化设备小子样数据增广方法[J]. 电子学报, 2022, 50(11): 2678-2687.
[5]	左婷, 王法松, 张建康, 李睿. 室内可见光通信系统中基于压缩感知的空移键控信号检测方法[J]. 电子学报, 2022, 50(1): 36-44.
[6]	卢霆威, 王泽平, 刘梦, 刘青青, 陈兵, 林岳, 吴挺竹, 陈忠. 基于可见光通信技术的全双工以太网通信系统设计[J]. 电子学报, 2022, 50(1): 45-53.
[7]	杨国为, 万鸣华, 赖志辉, 张凡龙, 黄伟强. 具有合适拒识机制的高正确识别率分类器设计[J]. 电子学报, 2021, 49(8): 1569-1576.
[8]	罗忠涛, 夏杭, 卢琨, 何子述. 超视距雷达中距离-多普勒图的瞬态干扰自动识别方法[J]. 电子学报, 2021, 49(7): 1279-1285.
[9]	钱忠胜, 俞情媛, 宋涛, 朱懿敏, 祝洁, 赵畅. 基于支持向量机回归模型的测试用例生成与重用[J]. 电子学报, 2021, 49(7): 1386-1391.
[10]	刘芳, 韩笑. 基于小波变换和深度网络的着陆地貌图像分类[J]. 电子学报, 2021, 49(11): 2171-2176.
[11]	白勃, 苏博, 李静磊, 柯熙政. 一种面向光学相机通信系统的数据帧结构[J]. 电子学报, 2021, 49(10): 1873-1880.
[12]	金建力, 路慧敏, 陈丹阳, 况荡, 于彤军, 王建萍. 一种抗可见光蜂窝网小区间干扰的光学发射天线设计[J]. 电子学报, 2021, 49(10): 1975-1981.
[13]	史聪伟, 赵杰煜, 陈瑜. 利用网格卷积特征的三维形变目标分类[J]. 电子学报, 2020, 48(4): 648-653.
[14]	张学军, 景鹏, 何涛, 孙知信. 基于变分模态分解的癫痫脑电信号分类方法[J]. 电子学报, 2020, 48(12): 2469-2475.
[15]	方佳艳, 刘峤. 具有同步化特征选择的迭代紧凑非平行支持向量聚类算法[J]. 电子学报, 2020, 48(1): 44-58.

GSSK‑VLC系统中基于SVM的LED选择算法

SVM‑Based LED Selection Algorithm in GSSK‑VLC System

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 7

参考文献 17

相关文章 15

编辑推荐

Metrics