基于遗传算法的可见光通信系统接收功率优化方法

摘要

本发明公开了一种基于遗传算法的可见光通信系统接收功率优化方法，首先将可见光通信系统的接收机组成的接收平面划分为若干个区域，每个区域内的接收机采用透光率相同的聚光器，然后将这若干个区域的透光率作为基因得到一个个体，设置适应度的目标函数，采用遗传算法得到最优透光率组合，重复若干次遗传算法后，将得到的最优透光率组合进行平均，得到最终的透光率组合结果。采用本发明可以有效地提高可见光通信系统中接收功率的均匀性，而且简单易行，并且本发明是在接收端进行调控，不会对发射端功率造成影响，因此也不会对室内的照明水平和传输时延造成影响。

说明书

技术领域

本发明属于可见光通信系统技术领域，更为具体地讲，涉及一种基于遗传 算法的可见光通信系统接收功率优化方法。

背景技术

基于发光二极管LED的室内可见光通信技术，越来越受到学术界的关注。 LED具有很多的优点，比如说辐射效率高、使用寿命长、能耗低、环境友好性 等。和传统的光源相比，LED能够同时提供通信和照明。然而，由于室内镜面 天花板等的镜面反射效应，可见光通信系统的多径传输是不可避免的。多径传 输会导致位于不同位置的接收机接收到的功率是不均匀分布的，即位于房间中 心的接收机能比位于角落的接收机接收到更多的功率。

为了减少不均匀功率覆盖的影响，目前也提出了一些方法，主要把重点放 在控制LED光束和LED阵列分布上。例如Jupeng Ding等发表在Journal of the  Optical Society of America A,2012,29(6):971-979.的题目为《Evolutionary  Algorithm Based Uniform Received Power&Illumination Rendering for Indoor  Visible Light Communication》的论文提出了用进化方法优化发射端LED阵列的 发射功率来达到优化的目的，然而，这些方法不但降低了光照水平，同时还增 加了传输的均方根时延扩展。此外，T.Komine等发表在Wireless Communications, IEEE Transactions,2009,8(6),2892-2900的题目为《Adaptive equalization system  for visible light wireless communication utilizing multiple white LED lighting  equipment》的论文提出了基于自适应均衡技术的优化方案，但自适应均衡技术 实现起来十分复杂，成本也高。因此，在不影响光照水平和均方根时延的前提 下，简单快捷地实现可见光通信接收功率分布的优化很重要。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于遗传算法的可见光 通信系统接收功率优化方法，简单快捷地实现可见光通信系统中接收功率分布 的优化，提高接收功率的均匀性。

为实现上述发明目的，本发明基于遗传算法的可见光通信系统接收功率优 化方法，包括以下步骤：

S1：将可见光通信系统的接收机组成的接收平面划分为M个区域，每个区 域内的接收机采用透光率相同的聚光器，第m个区域聚光器的透光率记为l_m，m 的取值范围为m＝1,2,…,M；

S2：设置遗传算法执行总次数K，进行K次遗传算法，每次遗传算法的具 体步骤包括：

S2.1：将M个透光率l_m作为M个基因，组成一个个体L＝(l₁,l₂,…,l_M)，随 机产生N个个体组成一个初始种群；

S2.2：设定基于接收功率的个体适应度的目标函数，设定原则为：接收功率 分布越均匀，适应度越高；

S2.3：计算种群中每个个体对应的所有接收机的接收功率，并根据接收功率 计算每个个体的适应度值；

S2.4：判断是否达到预设的遗传算法终止条件，如果不是，进入步骤S2.5， 否则进入步骤2.6；

S2.5：根据适应度值进行算法中的选择、交叉、变异的操作得到子代种群， 返回步骤S2.3；

S2.6：在最后一代子代种群中筛选出一个适应度值最大的个体作为最优透光 率组合L_k＝(l_1,k,l_2,k,…,l_M,k)；

S3：将K次遗传算法得到的最优透光率组合L_k＝(l_1,k,l_2,k,…,l_M,k)进行平均， 得到透光率组合的最终结果将该透光率组合应用于可见光通信 系统。

本发明基于遗传算法的可见光通信系统接收功率优化方法，首先将可见光 通信系统的接收机组成的接收平面划分为若干个区域，每个区域内的接收机采 用透光率相同的聚光器，然后将这若干个区域的透光率作为基因得到一个个体， 设置适应度的目标函数，采用遗传算法得到最优透光率组合，重复若干次遗传 算法后，将得到的最优透光率组合进行平均，得到最终的透光率组合结果。采 用本发明可以有效地提高可见光通信系统中接收功率的均匀性，而且简单易行， 并且本发明是在接收端进行调控，不会对发射端功率造成影响，因此也不会对 室内的照明水平和传输时延造成影响。

附图说明

图1是本发明基于遗传算法的可见光通信系统接收功率优化方法的具体实 施方式流程图；

图2是本实施例的接收平面示意图；

图3是本实施例的LED发射机配置图；

图4是本实施例中的接收平面划分示意图；

图5是未采用接收功率优化方法的接收功率分布图；

图6是采用本发明接收功率优化方法的接收功率分布图。

具体实施方式

下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员 更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和 设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。

实施例

图1是本发明基于遗传算法的可见光通信系统接收功率优化方法的具体实 施方式流程图。如图1所示，本发明基于遗传算法的可见光通信系统接收功率 优化方法包括以下步骤：

S101：接收平面划分：

将可见光通信系统的接收机组成的接收平面划分为M个区域，每个区域内 的接收机采用透光率相同的聚光器，第m个区域聚光器的透光率记为l_m，m的 取值范围为m＝1,2,…,M。

图2是本实施例的接收平面示意图。如图2所示，本实施例中房间的长5 米、宽5米、高3米，是全空的，不含任何的干扰光源和遮挡。在地面平均分 布25×25＝625个接收机，接收平面位于距离地面0.85米处。图3是本实施例 的LED发射机配置图。如图3所示，本实施例中共计3×3＝9个LED发射机阵 列，均匀分布在天花板上，每个LED发射机阵列中包含7×7＝49个LED发射 机。图4是本实施例中的接收平面划分示意图。如图4所示，本实施例中接收 平面划分为5×5＝25个区域，每个区域中有25个接收机，每个接收机使用的 聚光器的透光率均相同。则本实施例中共计25个透光率。实际应用中接收平面 的区域划分不一定是均匀，可以根据环境的实际情况进行划分。

S102：设置遗传算法执行总次数K。本实施例中设置K＝20。

S103：令k＝1。

S104：生成第k次遗传算法的初始种群：

将M个透光率l_m作为M个基因，组成一个个体L＝(l₁,l₂,…,l_M)，随机产生N 个个体组成一个初始种群。

S105：设定基于接收功率的个体适应度的目标函数，设定原则为：接收功 率分布越均匀，适应度越高。本实施例中采用的适应度的目标函数为：

$O\left(L_v\right)=100-100\left[\frac{\sqrt{\max P_r\left(L_v\right)}-\sqrt{\min P_r\left(L_v\right)}}{\sqrt{\max P_r\left(L_v\right)}}\right]$

其中，maxP_r(L_v)和minP_r(L_v)分别表示对于一个特定的透光率组合个体L_v，整 个接收平面内所有接收机接收功率中的最大值与最小值。接收功率的最大值与 最小值差别越小，适应度越大。

目标函数可以根据实际情况进行选择，例如还可以采用方差来构建适应度 目标函数。

S106：计算种群中每个个体对应的所有接收机的接收功率。本实施例中， 接收功率的计算公式：

$\mathrm{Pr}\left(R_j\right)=\underset{i=1}{\overset{I}{\Sigma }}\{P_t\frac{n_j^2}{{\sin }^2{\psi }_c}{H}^{\left(0\right)}(0;S_i,R_j)+{\int }_{A_{\mathrm{sur}}}\frac{n_j^2}{{\sin }^2{\psi }_c}{P}_t{H}_{\mathrm{ref}}(0;S_i,R_j)\}$

其中，S_i表示第i个发射机，i＝1,2,…,I，I表示可见光通信系统中LED发射 机的数量，R_j表示第j个接收机，j＝1,2,…,J，J表示可见光通信系统中接收机 的数量，P_t表示每个LED发射机的发射功率，H⁽⁰⁾(0；S_i,R_j)是第i个发射机到第j个 接收机的直射增益，H_ref(0；S_i,R_j)代表反射增益，A_sur表示反射平面面积，n_j表示 第j个接收机的聚光器的透光率，ψ_c表示每个接收机的视野角FOV(视野角)。

可见光通信系统中接收功率的计算方法可以参见Fundeamental Analysis for  Visible-Light Communication System using LED Lights(Toshihiko Komine,and  Masao Nakagawa)。

S107：根据接收功率计算每个个体的适应度值。

S108：判断是否达到预设的遗传算法终止条件，如果不是，进入步骤S109， 否则进入步骤S110。遗传算法终止条件根据实际需要进行设置，通常有两种方 式，一种是设置适应度值的阈值，当适应度值达到阈值则终止；还有一种是设 置子代种群的最大代数，当达到最大代数则终止。

S109：根据适应度值进行算法中的选择、交叉、变异的操作得到子代种群， 返回步骤S106。

S110：在最后一代子代种群中筛选出一个适应度值最大的个体作为最优透 光率组合L_k＝(l_1,k,l_2,k,…,l_M,k)，进入步骤S111。

遗传算法是目前一种常用的成熟算法，其原理和选择、交叉、变异的操作 在此不再赘述。

S111：判断是否k＜K，如果是，进入步骤S112，否则进入步骤S113。

S112：令k＝k+1，返回步骤S104。

S113：将K个最优透光率组合L_k＝(l_1,k,l_2,k,…,l_M,k)进行平均，得到透光率组 合的最终结果计算公式为：

${\hat{l}}_m=\frac{1}{K}\underset{k=1}{\overset{K}{\Sigma }}{l}_{m,k}$

之所以采用K次遗传算法得到的最优透光率组合进行平均，是因为遗传算 法存在一定的随机性，采用平均可以降低这种随机性的影响。

根据本发明所述的步骤对图2所示实施例进行仿真，将20次遗传算法得到 的最优透光率组合平均，得到最终结果。本实施例中透光率组合中的25个透光 率依次为1.9,1.8,1.7,1.7,1.9,1.8,1.6,1.5,1.6,1.8,1.7,1.6,1.7,1.7,1.7,1.7,1.7,1.6,1.7,1.7, 2.0,1.8,1.7,1.9,1.9。所有接收机中接收功率最大值为2.9μW，最小值为1.4μW。

图5是未采用接收功率优化方法的接收功率分布图。图6是采用本发明接 收功率优化方法的接收功率分布图。对比图5和图6可知，当不采用接收功率 优化方法时，本实施例的房间内，接收功率分布以房间中心为最大，向外沿递 减，且最大值和最小值相差很大；当采用本发明接收功率优化方法进行接收功 率优化后，接收功率的公布更加均匀，尤其是房间角落处的接受功率有很大改 善。可见，采用本发明得到的透光率组合，可以有效地提高可见光通信系统中 接收功率的均匀性。

尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域 的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对 本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定 的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发 明创造均在保护之列。