一种基于可见光通信的智能交通系统中最优输入分布获取方法与流程

本发明涉及可见光通信技术领域，尤其涉及一种基于可见光通信的智能交通系统中最优输入分布获取方法。

背景技术：

目前，可见光通信(VLC)技术一般通过对光的强度调制，在保证照明条件的同时提供通信功能，VLC经典的应用是室内非移动场景，而在室外移动场景下典型的应用是智能交通系统(ITS)，智能交通系统旨在解决交通堵塞同时提供实时的道路信息，该系统包括多种传感器、监视器以及无线传输技术。使用射频进行无线传输是传统的解决方案，但由于射频的传输延迟，它不能提供快速、实时、准确的信息，而VLC是解决这一问题非常有吸引力的技术，道路上的车灯和路边的信号灯天然地构成了信号的发送和接收端，利用VLC的高速传输特性，可以在车间、车与信号灯间构成实时传输通信链路，保障ITS功能的实现，这样的系统称作可见光通信的智能交通系统VLC-ITS。

尽管VLC理论上可以提供稳定的路上无线传输，但现有技术中VLC-ITS有两个主要的问题：一是由于高路径损耗和室外背景噪声的干扰，在接收端信噪比很低，而且接收端信噪比随时间和温度变化；二是由于室外收发端的相对移动，以及信号的反射造成信号的衰落以及码间串扰，严重影响了VLC在室外条件下的性能。信息传输受阻将严重影响VLC-ITS的功用，加剧交通堵塞且造成资源浪费，因此需要寻找一个能够逼近信道容量的最优输入信号的分布，从而提升VLC在室外环境下的可靠性，保障VLC-ITS功能的实现。

技术实现要素：

本发明的目的是提供一种基于可见光通信的智能交通系统中最优输入分布获取方法，该方法能够获得在特定室外条件下的最优输入分布，在室外衰落的条件下能获得更好的通信鲁棒性，从而提升VLC-ITS对环境的适应能力。

一种基于可见光通信的智能交通系统中最优输入分布获取方法，所述方法包括：

步骤1、通过传感器获取可见光通信的智能交通系统中的当前温度和照明条件，估计出系统接收端的噪声，并通过系统配置设置系统信号灯的峰值功率A₀以及接收端中断通信的SNR阈值SNR₀；

步骤2、根据系统最大服务距离d₀和路径损耗模型计算系统信号灯的平均功率P_E；

步骤3、再建立系统输入信号X与输出信号Y关系的信道模型，以及在此信道模型下的峰值约束A和均值约束ε，随机生成初始输入分布F₀(x)∈Φ；

步骤4、获得当前条件下互信息I(X；Y)＝H(Y)-H(Y|X)的最大值，并得到互信息其中X表示输入信号，Y表示输出信号；

步骤5、计算λ＝-[i(0；F₀)-I(F₀)]/ε，其中：

i(x；F₀)定义为而

步骤6、针对所有x∈[0,A]，计算i(x；F₀)，并判断是否满足关系

i(x；F₀)≤I(F₀)+λ(x-ε)；

若满足，则F₀为最优输入分布。

由上述本发明提供的技术方案可以看出，上述方法能够获得在特定室外条件下的最优输入分布，相对于均匀分布或其他非最优输入分布，所获取的最优分布能够逼近VLC的信道容量，在室外衰落的条件下能获得更好的通信鲁棒性，从而提升VLC-ITS对环境的适应能力。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。

图1为本发明实施例所提供基于可见光通信的智能交通系统中最优输入分布获取方法流程示意图；

图2为本发明所举实例中发送端与接收端的发射角及入射角示意图；

图3为本发明实施例提供的均值功率对峰值功率比为0.1情况下最优输入分布达到的互信息和已有容量界的比较示意图；

图4为本发明实施例提供的比值为0.7情况下最优输入分布达到的互信息和已有容量界的比较示意图；

图5为本发明实施例提供的在噪声为输入相关的情况下最优输入分布与输入相关噪声功率的关系图；

图6为本发明实施例提供的三种衰落条件下的中断概率与速率之间的关系示意图。

具体实施方式

下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明的保护范围。

本发明实施例所述的最优输入分布是一个带约束的优化问题，因为信号是通过对光强的调制来发送，故发送信号必须是非负实数，考虑能量效率和安全因素，系统对信号一般还有均值约束和峰值约束，而在有均值功率约束的标量加性高斯信道下，最优输入分布是离散的，通过获取在VLC-ITS下的最优输入分布对VLC-ITS的应用有显著意义。下面将结合附图对本发明实施例作进一步地详细描述，如图1所示为本发明实施例所提供基于可见光通信的智能交通系统中最优输入分布获取方法流程示意图，所述获取方法包括：

步骤1、通过传感器获取可见光通信的智能交通系统中的当前温度和照明条件，估计出系统接收端的噪声，并通过系统配置设置系统信号灯的峰值功率A₀以及接收端中断通信的SNR阈值SNR₀；

这里，可见光通信的智能交通系统的接收端可以使用高速光子探测器(PD)，包括聚光片、滤光片、基于FET的预防大器和PIN光电二极管。上述照明条件可以定义为当前背景光的功率P_bn，在白天P_bn主要受太阳光支配，而在夜间P_bn主要受人工照明支配，所估计出的系统接收端的噪声模型表示为：

${\mathrm{\σ}}_{thermal}^2=\frac{8{\mathrm{\πkT}}_k}{g}{\mathrm{\ηSI}}_2{B}^2+\frac{16{\mathrm{\π}}^2{\mathrm{kT}}_k\mathrm{\Γ}}{g_m}{\mathrm{\η}}^2{S}^2{I}_3{B}^3$

其中，T_K表示当前温度，g是开环电压，Γ是FET信道噪声因子，η是固定的电容，g_m是FET的跨导，k是玻尔兹曼常数，I₂、I₃是噪声带宽因子，B是数据速率，S是PD的接收面积。

另外，和背景光相关的散粒噪声可以表示为：

${\mathrm{\σ}}_{shot}^2=2{\mathrm{q\γP}}_{bn}{I}_{2}B$

其中，q为电子电荷量，γ表示光电转化效率，总噪声为由于信道模型被定义为噪声能量是和输入信号相关的，则系统接收端的总噪声表示为

其中，x表示接收端的信号强度，令x＝hγA₀即对应噪声最大情况，是信号相关噪声功率对非相关噪声的比值，是一个固定的值，h是瞬时信道增益，在后继步骤中求得。

另外，由于信号灯峰值功率A₀由信号灯本身的物理特性决定，而中断通信的SNR阈值SNR₀则由信号灯服务区域所要求的服务质量决定，因此上述通过系统配置设置系统信号灯的峰值功率A₀以及接收端中断通信的SNR阈值SNR₀的过程为：

在系统中维护一张通信质量(一般由误比特率衡量)与中断通信SNR阈值的对应关系表，以及一张信号灯型号与峰值功率的对应关系表；系统初始化时，通过给定的通信质量要求和信号灯型号，配置峰值功率A₀和SNR阈值SNR₀。

步骤2、根据系统最大服务距离d₀和路径损耗模型计算系统信号灯的平均功率P_E；

该步骤中，首先将系统信道直射分量的直流增益表示为：

$H{\left(0\right)}_{LOS}=\left(\frac{m+1}{2{\mathrm{\πd}}_0^2}\right)S{\cos }^m\mathrm{\φ}cos\mathrm{\ψ}$

其中，φ和ψ分别表示系统信号灯发送端的发射角和接收端的入射角，如图2所示为本发明所举实例中发送端与接收端的发射角及入射角示意图；m对应的是发送端的半功率角Φ_1/2，关系为m＝-ln 2/ln(cos(Φ_1/2))，则直射分量到达接收端的平均光功率可表示为：

$P_r=P_E\left(\frac{m+1}{2{{\mathrm{\πd}}_0}^2}\right)S{\cos }^m{\mathrm{\φT}}_s\left(\mathrm{\ψ}\right)Gcos\mathrm{\ψ}$

其中，P_E为系统信号灯的平均功率，d₀为信号灯的最大服务距离，T_s(ψ)是滤光片的增益，G是聚光片的增益，可表示为：G＝n²/sin²ψ_c，其中n是材料折射率；ψ_c是聚光片的视场角。

具体实现中，接收端在电域上的SNR可表示为：令SNR＝SNR₀从而获得系统信号灯的平均功率P_E，令瞬时信道增益h＝P_r/P_E。

步骤3、再建立系统输入信号X与输出信号Y关系的信道模型，以及在此信道模型下的峰值约束A和均值约束ε，随机生成初始输入分布F₀(x)∈Φ；

在该步骤中，所述初始输入分布F₀(x)∈Φ可表示为：

$\mathrm{\Φ}=\left\{F\left(x\right)\right|F\left(x\right)=\underset{i=1}{\overset{n}{\Σ}}{q}_i\mathrm{\δ}(x-x_i),0\≤x_i\≤A,q_i\≥0\}$

其中，δ(x)表示单位冲激函数，而q_i表示对应位置的概率值，x_i为输出对应的功率值，q_i和x_i满足如下关系：

对于均值功率约束，存在

其中，Z⁺表示正整数集合，并设置n＝2。

具体实现中，可以令峰值约束A＝hγA₀，均值约束ε＝hγP_E，则信道模型可简化为其中Z₀服从零均值方差为的高斯分布，Z₁服从均值为零方差为的高斯分布，X在[0,A]范围内。

步骤4、获得当前条件下互信息I(X；Y)＝H(Y)-H(Y|X)的最大值，并得到互信息其中X表示输入信号，Y表示输出信号；

在该步骤中，具体可以通过凸优化工具来获取I(X；Y)的最大值，例如在PC端可通过MATLAB的fmincon函数来解决，而在VLC-ITS系统中，可以在专用硬件平台上用特定的编程语言实现类似的功能，以实现更高的求解效率。

步骤5、计算λ＝-[i(0；F₀)-I(F₀)]/ε，其中：

i(x；F₀)定义为而

在该步骤中，此处λ为由均值功率约束引入的拉格朗日系数，且该系数满足i(x；F₀)＝I(F₀)+λ(x-ε)，其中x是最优分布所有位置集合中的元素。

求解此系数用到了x＝0一定是在最优分布的位置集合这一事实，而i(x；F₀)则是在给定X＝x下互信息I(X；Y)的值。

步骤6、针对所有x∈[0,A]，计算i(x；F₀)，并判断是否满足关系

i(x；F₀)≤I(F₀)+λ(x-ε)；

若满足，则F₀为最优输入分布。

在该步骤中，若判断不满足，则n＝n+1，根据n值重新生成分布F₀，并转至所述步骤4进行处理。优选地，这里重新生成的F₀可以使用n-1时经过步骤4获得的分布F₀'，把新的随机位置对应的概率设为0。

这里，为了对本发明实施例所述方法的有益效果进行充分的说明，可以进一步进行仿真实验，假设及在α＝ε/A＝0.1和α＝ε/A＝0.7的情况下，观察由获得的最优分布得出的互信息和容量上下界的关系。

如图3所示为本发明实施例提供的均值功率对峰值功率比为0.1情况下最优输入分布达到的互信息和已有容量界的比较示意图；如图4所示为比值为0.7情况下最优输入分布达到的互信息和已有容量界的比较示意图。由图3和4可知：最优分布很好地落在了信道容量的上下界中，验证了本发明获得的最优分布能够很好地逼近真实的信道容量。

同时如图5所示为本发明实施例提供的在噪声为输入相关的情况下最优输入分布与输入相关噪声功率的关系图，图5中：横轴表示的值，纵轴表示对应输入分布的位置，箭头标注表示对应的概率值。可以看出：随着噪声的功率的升高，最优分布的点数在下降，区间端点处的概率值在升高，VLC-ITS系统可以根据实时信道质量利用系统强大的计算能力获得当前时段的最优输入分布，进而改善系统在每一时段的通信质量。

为了验证最优输入分布在室外衰落环境下的性能，为突显最优输入分布在衰落下的性能，将之与满足均值约束和峰值约束的均匀分布进行比较。而在室外环境下，衰落信道模型通常被建模为Rician、Rayleigh和Nakagami分布，各个分布如下：

Rician分布为其中I₀(·)表示0阶贝塞尔函数；

Rayleigh分布为

Nakagami分布为

仿真使用的参数为：A＝6，ε＝3，对Rician分布，取s²＝3，σ²＝1；对Rayleigh分布，取σ²＝1；对Nakagami分布，取μ＝3，ω＝1。对于上述参数，最优分布为：

F_opt(x)＝0.48δ(x)+0.05δ(x-2.78)+0.47δ(x-6)，作为比较的均匀分布为

F_uni(x)＝1/3δ(x)+1/3δ(x-2.54)+1/3δ(x-6)

如图6所示为本发明实施例提供的三种衰落条件下的中断概率与速率之间的关系示意图，由图6可知：最优分布在有衰落的环境中，在相同的数据速率下，能够达到更低的中断概率，系统在衰落环境下的鲁棒性更强。

综上所述，本发明实施例所提供的方法能够获得在特定室外条件下的最优输入分布，相对于均匀分布或其他非最优输入分布，所获取的最优分布能够逼近VLC的信道容量，在室外衰落的条件下能获得更好的通信鲁棒性；同时该方法利用了VLC-ITS多传感器的优势，优化的目标值能够根据环境自动配置，从而提升了VLC-ITS对环境的适应能力。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书的保护范围为准。