室内可见光通信系统中基于收敛状态的变步长均衡方案的制作方法

本发明涉及室内可见光通信系统中基于收敛状态的变步长均衡方案，具体涉及室内可见光通信系统接收端均衡器的基于收敛状态的变步长均衡方案，属于可见光通信技术领域。

背景技术：

可见光通信由于其绿色环保、无需频谱认证、传输速率高等优点引起了全球范围的研究热潮。然而可见光通信室内传输环境存在多径效应，一方面因为室内通常安放多个距离接收机不同的光源，另一方面因为接收端收到的光信号中会包含直射和反射分量，从而产生码元波形畸变、展宽、拖尾，当系统传输速率较高时，信号之间相互干扰严重，造成码间串扰。为了降低由此造成的误码率，必须采用相应的技术来消除码间干扰，均衡技术是消除码间干扰的有效技术手段。均衡器根据是否需要训练序列分为自适应均衡器和盲均衡器，自适应均衡器在发送用户数据前需要预先发送一段训练序列，这会占用信道的带宽，增加传输的开销。盲均衡技术不使用训练序列，仅利用所接收到的信号对信道进行均衡，从而可以获得有效的带宽利用率。

最小均方(leastmeansquare，lms)算法实现简单，计算量小，是室内可见光通信系统中使用最广泛的自适应均衡算法。在lms算法中存在两种状态，未收敛状态和收敛状态，在初次通信或者信道突变时lms算法一般处于未收敛状态，在此状态下均衡器抽头系数向量变化较大，均方误差(meansquareerror，mse)逐渐减小，经过一定的迭代次数后算法会进入收敛状态，此时均衡器抽头系数向量变化较小，mse趋于稳定。lms算法的收敛性能受到步长因子的影响，当使用较大步长因子时，算法的收敛速度快，但是收敛后的精确度低；当使用较小步长因子时，算法的收敛速度慢，但是收敛后的精确度高。为优化lms算法，可以采用变步长方案。现有的变步长lms算法大多是以mse的值为自变量，以某一个s型曲线为基础，通过线性变换建立mse值和步长之间的一个正比例函数，来实现步长随mse的变化。但是，这种变步长算法存在两个缺点：其一，在收敛的过程中步长因子逐渐减小，使得下降曲线弯曲不够陡峭，也就是不能实现最快收敛；其二，当信噪比较小时，mse会一直保持较大的值，所以步长因子也一直保持较大的值，造成算法收敛后的精确度低的问题。

技术实现要素：

本发明所要解决的技术问题是：提供室内可见光通信系统中基于收敛状态的变步长均衡方案，克服现有的变步长均衡方案下lms算法收敛速度慢和噪声影响收敛精度的问题，加快算法的收敛速度，在信噪比较低时也可以使用较小步长因子，提高收敛精确度。

本发明为解决上述技术问题采用以下技术方案：

室内可见光通信系统中基于收敛状态的变步长均衡方案，包括如下步骤：

步骤1，对可见光通信系统的接收端进行初始化，包括初始化均衡器抽头系数向量、步长因子、收敛斜率阈值、平滑系数、区间长度；发射端光源依次向接收端发送训练序列中的码元；

步骤2，计算第i个码元的均方误差，并对均方误差进行平滑，得到平滑后的均方误差并存储；

步骤3，利用初始化步长因子更新第1至第n个码元对应的均衡器抽头系数向量；

步骤4，当i被区间长度n整除时，计算第i-n+1个码元到第i个码元组成的区间的斜率；当该斜率大于等于初始化收敛斜率阈值时，认为最小均方算法未收敛，使用大步长因子更新第i+1至第i+n个码元对应的均衡器抽头系数向量；当该斜率小于初始化收敛斜率阈值时，认为最小均方算法收敛，使用小步长因子更新第i+1至第i+n个码元对应的均衡器抽头系数向量；

步骤5，判断训练序列中的码元是否发送结束，若结束，则均衡方案结束，否则，i＝i+1，i＝1,2,…,训练序列中码元的总个数，并重复步骤2-5。

作为本发明的一种优选方案，步骤2所述均方误差计算方法为：接收端将检测到的光信号转换为电信号并送入均衡器，将均衡器输入信号和初始化的均衡器抽头系数向量相乘得到均衡器未判决输出信号，均衡器未判决输出信号与码元做差并取平方得到该码元的均方误差。

作为本发明的一种优选方案，步骤2所述对均方误差进行平滑计算公式为：

其中，esmooth(j)为第j个平滑后的均方误差，e(i)为第i个码元的均方误差，s为平滑系数，且30≤s≤区间长度n，i＝1,2,…,训练序列中码元的总个数，j＝1,2,…,训练序列中码元的总个数。

作为本发明的一种优选方案，步骤3所述均衡器抽头系数向量的更新公式为：

w(i)′＝w(i)+μeiy(i)

其中，w(i)′、w(i)分别为更新后、更新前第i个码元对应的均衡器抽头系数向量；μ为第i个码元对应的步长因子，ei为第i个码元均衡器未判决输出信号与该码元的差值，y(i)为第i个码元对应的均衡器输入信号。

作为本发明的一种优选方案，步骤4所述斜率计算公式为：

其中，g为斜率，n为区间长度，esmooth(i-n+1)、esmooth(i)分别为第i-n+1、i个码元平滑后的均方误差。

作为本发明的一种优选方案，所述区间长度n的取值范围为[平滑系数,100]。

作为本发明的一种优选方案，所述收敛斜率阈值的取值范围为[0.005,0.007]。

作为本发明的一种优选方案，所述大步长因子为μlarge＝0.02，小步长因子为μsmall＝0.002。

本发明采用以上技术方案与现有技术相比，具有以下技术效果：

1、本发明利用平滑mse曲线区间的斜率来判断算法的收敛状态，在算法未收敛时一直保持较大的恒定的步长因子，而现有技术在算法未收敛时的步长因子随mse的减小而减小。因此，本发明均衡方案的收敛速度快于现有技术。

2、本发明在信噪比低时可以根据平滑mse的区间斜率来判断lms算法是否收敛，并且在收敛后可以切换小步长因子来提高算法的精确度。现有技术无法识别算法收敛状态，在信噪比低时由于mse较大，所以一直使用较大步长因子，不能切换小步长因子，导致算法的精确度低。因此，本发明均衡方案在低信噪比时的精确度优于现有技术。

附图说明

图1是本发明室内可见光通信系统接收端的原理框图。

图2是本发明室内可见光通信系统中基于收敛状态的变步长均衡方案的流程图。

图3是本发明一个实施例的示意图。

具体实施方式

下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。

本发明的思路是对现有室内可见光通信系统接收端的均衡方案进行改进，在修改均衡器抽头系数向量之前，通过平滑mse的小区间斜率的大小来判断lms算法是否已经收敛，未收敛时使用较大步长因子，收敛时使用较小步长因子，从而加快了lms算法的收敛速度，提高了算法的精确度。

室内可见光通信系统接收端的原理框图如图1所示，其中数据存储模块用来存储mse数据，平滑计算模块使用平滑计算公式得到平滑后的mse数据，并且存储在数据存储模块中，状态判断模块使用平滑mse小区间斜率计算公式来计算平滑mse小区间的斜率并且判断算法的收敛状态，依据不同的收敛状态修改lms算法的步长因子。均衡器可以为线性均衡器结构也可以为非线性均衡器结构，并不做限定。

室内可见光通信系统中基于收敛状态的变步长均衡方案的流程图如图2所示，首先，信源发送一定长度的训练序列，lms算法的步长因子初始化为较大步长因子，依据均衡器的未判决输出和训练序列计算mse，然后平滑mse，具体方法为当码元下标i小于s时，以从下标1到下标i的mse的均值作为第i个码元平滑后的mse值，当码元下标i大于等于s时，以从下标i-s+1到下标i的mse的均值作为第i个码元平滑后的mse值。当码元下标i是小区间长度n的倍数并且大于n时，计算平滑mse小区间的斜率g，得到一个g后判断它与收敛斜率阈值(convergenceslopethreshold，cst)的相对大小，如果g大于等于cst，说明算法还未收敛，使用较大步长因子，如果g小于cst，说明算法已经收敛，使用较小步长因子，然后通过lms算法更新均衡器抽头系数向量。重复从计算mse到更新均衡器抽头系数向量的操作，重复次数为训练序列的长度。

下面以室内可见光通信模型为例对发明技术方案作进一步说明。

如图3所示，房间的规格为(x×y×z)，例如(5m×5m×3m)；天花板上分布着4个发射功率相同的led光源，其坐标分别为l1(ax,ay,az)、l2(bx,by,bz)、l3(cx,cy,cz)、l4(dx,dy,dz)，例如l1(1m,1m,3m)、l2(1m,4m,3m)、l3(4m,1m,3m)、l4(4m,4m,3m)；接收机的坐标r(ex,ey,ez)，例如r(1m,0.5m,0.85m)。光源发射的光线到达接收机的方式有两种，一种是视线传播，另一种是反射传播，在这里仅仅考虑一次反射，忽略其他反射。在该室内可见光通信模型中，由于存在多个光源和反射链路，所以存在多径效应，接收机检测到的码元波形就可能会发生畸变，展宽，拖尾，从而产生码间串扰。另外，由于在该模型中存在背景光，所以检测到的信号中会含有加性高斯白噪声。

在该案例中，均衡器抽头系数向量初始化为全零向量，步长因子初始化为较大步长因子μlarge＝0.02，收敛斜率阈值初始化为cst＝0.005，平滑系数s＝30，平滑mse区间长度n＝40。

第一步，通信开始后，光源发送训练序列，接收机将检测到的光信号转换为电信号并送入均衡器，均衡器将输入信号和抽头系数向量相乘得到均衡器未判决输出信号，均衡器未判决输出信号与训练序列作差并取平方得到mse，数据存储模块记录mse，平滑mse模块按照公式平滑mse数据。

第二步，随着码元下标的递增，当码元下标i是n的倍数时，按照公式计算平滑后的mse小区间的斜率g。

第三步，判断g与收敛斜率阈值cst的相对大小，当g的值大于等于收敛斜率阈值cst时，认为算法未收敛，使用较大步长因子μlarge＝0.02，当g的值小于收敛斜率阈值cst时，认为算法已经收敛，使用较小步长因子μsmall＝0.002。

第四步，使用公式更新均衡器抽头系数向量。

以上步骤重复进行，不断判断lms算法的收敛状态并且依据收敛状态修改lms算法的步长因子，重复的次数为训练序列的长度。

在此应用场景下，在前若干个码元时，lms算法处于未收敛状态，lms算法使用μlarge＝0.02的步长因子，在此期间mse曲线快速下降，在若干个码元之后lms算法处于收敛状态，lms算法使用μsmall＝0.002步长因子，mse曲线进一步下降，最终稳定在附近。与现有技术相比，因为未收敛前一直使用较大恒定步长因子，mse下降较陡，有效提高lms算法的收敛速度。又因为噪声对mse的小区间斜率几乎没有影响，所以本发明在低信噪比环境下依然可以准确识别收敛状态，并且在收敛状态下使用小步长因子，从而有效提高了低信噪比环境下lms算法的精准度。

以上实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。