【摘 要】
：
近年来,随着发光二极管（LED）的广泛应用及其功能的日趋完善,给人类社会带来了翻天覆地的变化,其照明应用已经渗透到人们日常生活的各个领域;同时由于LED的电光调制特性,基于LED的室内可见光通信（VLC）技术逐步成为宽带光通信接入领域的研究热点。另外,近年来随着具有多媒体功能和互联网连接的移动智能终端的大量增加,以及各种大数据业务、云计算和互联网+等概念的推广,导致移动数据流量爆炸式增长;而VLC
论文部分内容阅读
近年来,随着发光二极管（LED）的广泛应用及其功能的日趋完善,给人类社会带来了翻天覆地的变化,其照明应用已经渗透到人们日常生活的各个领域;同时由于LED的电光调制特性,基于LED的室内可见光通信（VLC）技术逐步成为宽带光通信接入领域的研究热点。另外,近年来随着具有多媒体功能和互联网连接的移动智能终端的大量增加,以及各种大数据业务、云计算和互联网+等概念的推广,导致移动数据流量爆炸式增长;而VLC技术具有调制带宽大、无电磁辐射和支持高速数据传输等优点,支持在射频通信和毫米波通信等多个波段之间实现面向全波段应用的集中架构无线接入网络,可满足目前室内大数据传输的高速率、大带宽需求。因此,面向室内大数据接入的多色复用可见光信号的调制解调技术研究具有技术可行性和必要性。本文分析了室内VLC接入系统的基本结构和原理,对其收发模式和信道模型进行了建模分析;介绍了开关键控（OOK）调制、脉冲幅度调制（PAM）、正交幅度调制（QAM）以及三种正交频分复用（OFDM）等技术的调制解调原理;并通过数值模拟和仿真实验分析了两种多色复用VLC系统的传输特性;对多种调制解调技术在室内VLC接入系统中的应用进行了理论分析和仿真实验研究。本文的研究重点是结合PAM调制与多输入多输出（MIMO）技术设计了一个室内4发1收VLC系统,研究了该系统在接收平面上的光照强度分布和接收光功率分布,并与2个LED光发射机的情况进行了对比。对比分析了4PAM信号和OOK-NRZ信号在室内4发1收MISO系统和1发1收SISO系统下的传输误码率（BER）性能。研究结果表明,采用四个LED光发射机具有更好的光照强度均匀分布特性和提升优势;在1×1 SISO-VLC和4×1MISO-VLC这两个系统下,当SNR越高,两种信号的接收BER性能越好,且MISO系统相比于SISO系统表现出更好的收发性能。另外还发现经过格雷编码后的4PAM信号的收发及传输性能要优于未经格雷编码的4PAM信号;本文还对传统OFDM系统进行了改进,设计了一个直流偏置光OFDM（DCO-OFDM）接入系统,以适应VLC系统的传输特性。研究了QAM信号在该系统下的传输性能,对比分析了不同偏置电流情况下四种调制阶数QAM信号的传输BER性能表现。同时还分析了不同偏置电流下的64QAM信号在DCO-OFDM系统的BER随SNR的变化曲线。研究结果表明,随着偏置电流的增大,不同阶数的QAM信号的BER性能越好,而当到达一定程度后其BER性能又呈现降低的趋势。在相同接收SNR的条件下,随着偏置电流的降低,接收BER性能越好,并且在一定条件下,BER可低于10-3,并且在接收信号的BER为10-3时,64QAM-OFDM信号具有较为清晰的星座图。最后,本文还拓展设计了一个100km的水下光通信系统,研究了10Gbit/s 4PAM信号在该系统下的传输性能。实验结果表明,该系统表现出不俗的接收BER性能,且4PAM信号相比于传统的NRZ光信号具备更高的频谱效率。
其他文献
曲率测量技术在建筑结构健康监测、地球物理、地质灾害监测等领域起着举足轻重的作用。目前,已经有很多种类的光纤曲率传感器,比较常见的有光纤布拉格光栅曲率传感器、长周期光纤光栅曲率传感器、光纤马赫-曾德尔干涉仪曲率传感器等。这些光纤曲率传感器各有优缺点,第一种光纤曲率传感器分辨率高,但是灵敏度较低;第二种光纤曲率传感器灵敏度比前者高,但是对外界环境折射率敏感;第三种光纤曲率传感器灵敏度更高但制作相对困难
我国是水果生产大国,每年各种水果的产量数以千万吨,因此,果业已成为我国农业发展的重点之一。但目前,我国的水果产业,尤其是在水果的识别和分拣阶段,由于对水果的自动识别分类技术并不成熟,往往还是通过人工的方式来完成识别分拣工作,这种方式不仅增加人力成本而且工作效率也不高。但是通过计算机视觉中的卷积神经网络（CNN）这一技术在农业领域中的运用,为解决以上这些问题提供了可能。针对在水果识别分拣过程中存在的
无线传感器网络因其网络可拓展性强、易于维护和自组织等特点成为当今世界重要的技术之一。但无线传感器网络中节点能量的有限性且更换供能模块难度较大,网络的生存时间一直以来是制约无线传感器网络发展的关键,而且在网络通信后期会出现由于部分节点失效死亡导致网络的覆盖范围急速下降的问题,所以如何提高无线传感器节点的能量利用率和减缓后期网络覆盖率急速下降成为近几年来学者们研究的热点之一。针对无线传感器网络中出现的
微小位移传感在诸多领域都起着至关重要的作用,例如结构健康监测领域、滑坡监测以及微观制造领域等。光纤表面等离子体共振（Surface Plasmons Resonance,SPR）传感器作为一种新型的高精度、高灵敏度、抗干扰的光纤传感器,已普遍应用于生物医学、食品安全和化学试剂检测等领域。然而,其在微位移测量方面的研究和应用却十分匮乏,在多维微位移检测方面的应用更是寥寥无几,且目前已提出的光纤SPR
声音无处不在,人听到声音后,不断地有意识地或潜意识地处理和理解这些音频,从而向我们提供有关周围环境的信息。智能环境声音分类是在众多实际应用中不断发展的研究领域。尽管在音频领域（例如语音和音乐）进行了大量研究,但对环境中的声音进行分类的工作相对较少。而利用深度学习对声音图像化处理后的分类还未出现,这就引出了利用卷积神经网络对随着时间而发生的离散声音信号进行分类的研究。本研究是将深度学习技术应用于环境
随着近年来物联网与信息传感技术的快速发展,以及我国乡村振兴战略正式提出的发展背景,现代设施农业迎来了新一轮发展浪潮。截止于2018年末,我国温室大棚占地面积为196.37万公顷,占全球80%以上,位居世界第一。总产量虽高,但由于智能化程度不高、管理不便、成本高,致使我国大棚亩产量仅为发达国家的1/8,总体生产效益低。国外温室大棚测控系统由于起步较早,自动化程度较高,但设备系统庞大、直接引进成本高,
图像配准的目标是将来自不同时间、不同方位,或者不同的传感器作用下拍摄的同一场景的两幅图像或多幅图像进行映射、对齐、叠加或者拼接成功的过程。一直以来,图像配准都是计算机视觉、模式识别、医学图像处理和遥感领域的热点。迄今为止,图像配准技术还在不断的完善和优化,当前算法在某些性能上的表现越来越不够理想,那么如何提高运算效率、加强技术的稳定性依旧是当前亟待优化的问题。本文主要围绕基于特征点的图像配准算法展
卷积神经网络（CNN）在图像识别领域的应用已经日益成熟,但随着物联网时代的到来,数据量呈现指数级别的飞速增长,庞大的训练数据需要耗费大量的计算资源和训练时间,传统的集中式方法不适合解决这些大规模优化问题。一方面,集中式框架受到性能限制,如较高的通信和计算要求、单点故障以及有限的灵活性和可扩展性。另一方面,将以分布式方式收集的数据传输到中心节点的成本过高,且可能造成敏感信息泄露。因此,研究分布式优化
农作物图像分类作为农业发展中亟待解决的难题之一,能够对可见光图像中的普通农作物进行快速准确的识别是现今实现智慧农业的重要手段。随着社会的不断发展和科学技术的不断进步,人工智能、机器学习和大数据技术得到了广泛的应用。图像识别技术在农业方面得到了高度的发展与应用,它在农业领域涉及了视觉模拟,农作物病虫害监控,农产品分类等方面,它是识别农作物产品、提早发现各类病虫害的重要手段。针对多数叶片可见光图像的分
随着“十四·五”计划开展,乡村振兴战略的全面实行,智能农业的快速发展势在必行。柑橘是我国重要的农业副产品,在南方地区广泛种植。柑橘生产械化作业,尤其是柑橘机械化、自动化采摘作业,是当前制约柑橘产业发展的重要因素。计算机视觉技术对柑橘目标检测是实现柑橘自动化采摘必不可少的技术手段。传统的目标检测算法要依靠人为设计特征,费时费力且鲁棒性差、效率低。随着科学技术的发展,深度学习技术逐渐成为目标检测的主流