文献类型：期刊文章

作　　者：黎天翼[1] 黎明[2] 周明欧[2] 林芸[2]

LI Tianyi;LI Ming;ZHOU Mingou;LIN Yun(College of Arts and Science,Hubei Normal University,Huangshi,Hubei 435002,China;College of Physics and Electronic Science,Hubei Normal University,Huangshi,Hubei 435002,China)

机构地区：[1]湖北师范大学文理学院,湖北黄石435002 [2]湖北师范大学物理与电子科学学院,湖北黄石435002

出　　处：《光电子．激光》

基　　金：国家自然科学基金(12104141)资助项目。

年　　份：2023

卷　　号：34

期　　号：1

起止页码：68-73

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD_E2023_2024、IC、JST、RCCSE、SCOPUS、核心刊

摘　　要：针对自由空间光通信(free-space optical communication, FSO)系统中大气湍流引起的光强起伏闪烁效应对正交幅度调制(quadrature amplitude modulation, QAM)信号影响很大,缺少实时信道信息时的最大似然(maximum likelihood, ML)检测器性能较差问题,本文提出了一种基于深度学习(deep learning, DL)的信号检测器。其网络框架采用了一个具有全连接层的深度学习神经网络(deep-learning neural network, DNN),实现了无导频的ACO-OFDM空间通信系统中信道盲估计、信道均衡和信号解调。仿真结果表明:在中强湍流大气信道下训练的DNN检测器,8QAM、16QAM和64QAM等调制信号解调的误码率分别可以下降到在2×10^(-5)、5×10^(-5)和5×10^(-4)左右,具有优越性能和鲁棒性,能较好抑制大气湍流引起的信道衰落。

关 键 词：自由空间光通信 大气湍流 深度学习神经网络  正交频分复用

分 类 号：TN929.1]