基于神经网络的可见光通信系统信道估计方法

针对现有的非对称限幅光正交频分复用(ACO-OFDM)可见光通信(VLC)系统中信道估计方法存在导频数量过大、精度低、估计效率不高的问题,提出一种基于深度神经网络(DNN)的VLC信道估计方法.利用梯度集中化(GC)方法进行模型优化,并采用端到端的方式跟踪信道信息并恢复失真信号.仿真结果表明:所提方法的误码率(BER)和均方误差(MSE)性能均优于传统方法;在使用较少的导频和省略循环前缀(CP)进行信道估计时,所提方法具有更强的鲁棒性.此外,在DNN训练过程中引入GC方法,可以加快网络的收敛速度,提高其优化能力.