基于深度学习的6G可见光通信多址接入解调方法

Abstract

发光二极管的调制带宽较窄，导致可见光通信系统的容量受限，通过多址接入技术可提高频谱效率和终端用户数量。然而，可见光通信系统多址接入的用户间存在较强的干扰。针对此问题，利用可见光通信系统接收信号间的相关性，提出一种基于深度神经网络的多址接入多用户检测与信号还原方法。基于稀疏码多址接入给出了可见光通信系统的发送端模型与接收端模型，采用时域卷积网络学习长序列的信号间时域相关性，再传入密集层学习信号序列的空间域映射关系，最终在可见光通信系统的接收端还原所有用户的信号。实验结果表明，该方法有效提高了可见光通信系统多址接入的通信性能，在不同通信距离、信噪比、发送速率下均能发挥积极作用。

Keywords

• 可见光通信系统
• 多址接入
• 解调技术
• 短距离无线通信
• 卷积神经网络