【摘 要】
：
随着可见光通信（VLC）技术的快速发展和基本照明设备的日趋完善,可见光系统由于具有广阔频谱资源、无电磁干扰、传输速率高等优点被广泛关注。但是在可见光系统中仍存在资源分配不均衡、定位存有误差等问题。为了实现可靠的室内可见光系统,本文分别从发光二极管（LED）布局、功率优化分配因子和噪声处理方面来解决可见光系统的功率优化分配和定位问题,主要研究内容及其仿真结果如下:1、可见光系统模型基本特性研究分析。
论文部分内容阅读
随着可见光通信（VLC）技术的快速发展和基本照明设备的日趋完善,可见光系统由于具有广阔频谱资源、无电磁干扰、传输速率高等优点被广泛关注。但是在可见光系统中仍存在资源分配不均衡、定位存有误差等问题。为了实现可靠的室内可见光系统,本文分别从发光二极管（LED）布局、功率优化分配因子和噪声处理方面来解决可见光系统的功率优化分配和定位问题,主要研究内容及其仿真结果如下:1、可见光系统模型基本特性研究分析。分析了可见光系统的基本构成和信道模型,主要包括发射端特性、接收端特性、信道特性等。并对可见光系统参数进行研究分析,主要包括信道增益、光度学参数、信道加性噪声、性能指标等。为后文可见光系统功率优化和定位提供了理论基础。2、照明约束下的可见光系统功率优化设计以及仿真测试。将功率分布优化问题转化为用户公平性问题,使得实验场景满足照明需求的同时公平性最优。引入蜂窝型LED布局,设置不同的LED数量参数来对VLC系统仿真测试。信噪比（SNR）均值作为模型优化的标签,采用训练深度神经网络模型的方式获取一组最优功率分配因子。通过优化因子对发射端功率进行调节,从而最大限度地减少多个接收端之间的功率的波动,改善VLC系统的公平性。最后仿真结果表明与传统可见光系统功率优化方法相比光照度及功率均方差均得到大幅度降低。3、单LED发射器下多级别噪声的可见光定位网络训练与性能测试。设计发射端和接收端阵列形式为单一发射器偏角落布局的一对多结构,来增强定位预测网络训练数据的分布特征。在接收信号强度（RSSI）预处理中,针对不同的环境噪声采用不同噪声级别的图像降噪网络进行处理,并设置SSIM参数进行RSSI预处理实验结果对比,得到受噪声影响最小的RSSI指纹数据。在定位预测中,建立三层BP网络来预测物体位置坐标。方便起见以DPNet表示本文定位网络,通过仿真测试对比了DPNet和其他定位模型的误差和收敛速度,结果显示DPNet定位网络在单发射器下不仅精度高并且收敛速度快。
其他文献
数字图像作为一种重要的信息载体,在人们的日常生活中应用广泛。因此,保证图像在恶劣的网络环境中能够安全稳定地传输就显得尤为重要。本文基于混沌系统和离散余弦斯托克韦尔变换设计了两种安全、高效的图像加密算法。本文的主要研究工作如下:提出了一种基于六维非退化离散超混沌系统、二维离散余弦斯托克韦尔变换（Two-dimensional discrete cosine Stockwell transform,2
随着国内动漫产业的火爆,越来越多的人开始关注生成对抗网络在动漫领域的应用,如短视频平台的动漫风格迁移以及动漫头像生成等。传统的生成对抗网络在动漫头像这类细节复杂的图像生成效果往往欠佳,主要表现在:一方面大部分生成对抗网络在动漫头像的生成上会呈现出训练不稳定,生成样本的多样性差,容易会出现模式崩塌;另一方面生成样本质量不高、人物局部细节效果不好造成图像失真。针对上述问题,本文以生成对抗网络为基础,对
地球外辐射带是指地球周围较远区域（相比于内辐射带）包含大量高能带电粒子的聚集区。外辐射带高能的电子将会对卫星的飞行和宇航员出舱活动造成极大的威胁。因此对于地球外辐射带中电子通量的研究一直是空间物理学科中一个非常重要的内容。又由于近几年人工智能技术的兴起,不少研究人员开始将人工智能技术运用在对地球外辐射带中电子通量的研究上。本文主要内容是对地球辐射带中电子通量的拟合,接着延伸到对地球外辐射带中电子通
表情是人类表达心理活动和情绪状态的一种最自然、最普遍的方法。随着深度学习的发展,人脸表情识别技术广泛地运用在情感模拟、辅助驾驶、网络教育、辅助医疗和刑事侦探等多种领域。本文针对细粒度条件下的静态人脸表情识别展开研究。当前人脸表情识别工作中主要存在着两大问题。（1）卷积神经网络在卷积和池化过程中,不同尺度特征之间缺乏高效的交流和融合,高维特征易丢失关键的细粒度信息,如纹理和边缘等,导致人脸表情的识别
交警指挥手势识别是智能交通领域中一项非常重要的研究课题,在辅助驾驶、无人驾驶中有着广泛的应用价值。现有基于图卷积网络的交警手势识别方法存在两个问题。问题一是现有基于图卷积的交警手势识别方法易受复杂背景和过平滑问题的影响,导致特征提取不准确。现有图卷积方法易受图像背景中移动行人的影响,冗余的行人骨架数据导致交警手势特征提取不准确。同时,图卷积的过平滑问题使得手势特征随着卷积过程而被同化,降低了行为特
流计算模式是在流数据背景下出现的一种新型动态计算形式,其本质是一种同时实施增量学习与减量学习的计算方法。目前在流计算背景下进行动态三支决策问题的推理和求解主要针对完备符号型数据,而实际应用中数据往往是数值型和符号型混合在一起,并通常呈现出不完备性特征。此外,现有的大多数研究主要针对于对象流计算,而在属性流计算背景下进行动态三支决策却少有研究。因此,本文以流数据为背景,在不完备混合型信息系统中对对象
属性级情感分析旨在挖掘出文本中某个特定属性的情感极性,从而为决策者提供更可靠的支撑,在电商平台、外卖平台和舆情分析等诸多领域有着重要的应用价值。本文基于深度学习的方法开展属性级情感分析研究,针对现有方法中存在语义特征不丰富、句法特征质量不高等问题,开展了一系列研究工作,主要内容如下:（1）针对特征表示不够丰富的问题,提出一种融合位置信息和交互注意力的属性级情感分析模型PGIA。模型使用BI-LST
作为形式概念分析理论的基石,概念格是具有偏序关系的二元组所构成的Hasse图。动态环境中的更新,更是近些年来形式概念分析研究的热点问题。在深度学习中采用的卷积计算是一种滑动窗口形式的数据动态处理方式。面向卷积计算进行概念格的动态研究是概念格逻辑推理与神经网络相结合的重要探索,目前本领域尚未开展相关研究。因此,本文以动态信息系统为背景,卷积计算为模型,分别针对形式概念分析理论的两大热门研究方向进行钻
伴随计算机辅助诊断技术的日渐成熟,借助超声图像和深度学习技术构建辅助诊断模型,对医生为甲状腺结节做出高效准确的定性诊断具有重要意义。全文是针对模型构建过程中存在甲状腺超声图像训练样本不足、深层特征提取难、良恶性识别性能不佳等问题,开展基于迁移学习和深度卷积神经网络的甲状腺超声图像分类算法研究。研究的主要内容和取得的阶段性成果如下:（1）预处理甲状腺超声图像数据集,改善图像质量,扩充样本数量,解决真
虚拟手术系统是一个通过计算机技术模拟现实手术操作的系统,其除了能为实习医生提供手术训练条件外,还可以在实际手术中为手术医生提供术前规划、术中导航以及术后评价等帮助。而在众多手术操作中,切割作为出现频率最高、最普遍的手术操作,对其进行模拟仿真一直是虚拟手术领域的重点研究内容,但由于软组织结构的复杂性,目前还有诸多难点尚待解决,其大致可分为三类:其一是软组织几何模型的稳定性问题,即当进行切割仿真时,软