蚁群算法优化室内可见光通信功率均匀性的研究 下载: 1022次
1 引言
室内可见光通信(VLC)是一种基于白光发光二极管(LED)的安全高速无线通信技术,具有绿色环保、应用领域多样以及通信容量大等优点[1-3],得到了广泛关注。
传统室内可见光通信系统中,由于用户与LED发射机的相对位置不同,通信质量也有较大的不同[4]。如何保证同一接收平面上得到相同的通信质量,一直是可见光通信领域的研究热点[5]。近年来,国内外的相关学者就这一问题从不同方向提出了一些解决方案。文献[ 1]提出了一种LED阵列独立均匀分布的布局,并运用改进自适应遗传算法优化LED阵列间距离和LED半功率角。文献[ 2]通过引入遗传算法对每个LED进行功率优化分配。文献[ 6]基于烟花算法调整LED的高度,优化接收功率。综上所述,人工智能算法在可靠性与经济性方面可以得到保证,因此寻找一种最佳算法是对可见光系统进行功率优化的关键。
文献[ 7]利用蚁群算法生成一组功率调节因子,并通过反复试验的方式找到当前室内通信环境的最佳因子。但该方法采用方差作为待优化的目标函数,在降低了接收光功率偏移量的同时,也降低了平均光功率,从而造成了通信环境的劣化,并且人工筛选功率调节因子的方式造成了可靠性的降低以及人力与时间上的大量耗费。针对以上问题,本文提出了一种改进型的蚁群算法,在重新构建蚂蚁寻优模型的基础上,以接收平面最大最小功率差作为目标函数,并引入约束条件,减小了算法的复杂程度与人力资源的耗费,解决了由该目标函数造成的偏移量过大的问题。
2 可见光通信系统模型
2.1 信道模型
在室内无线光通信信道模型中,LED为发射机,光电探测器件为接收机。为了计算其直流增益以及信号功率,需要指定发射器和接收器的相对位置[8]。这种相对定位如
任意接收器
式中,
文献[
10]表明,在可见光通信环境中,多次反射造成的直流增益衰减十分严重,对接收机接收到的光功率分布影响相对较小,且在实际应用中,通常情况下非视距链路无法用于有效信息的传送[11],因此在本系统中仅考虑视距链路在光功率分布中的影响。单个接收机所接收到的总功率
式中,
可见光系统中,任意一个接收机所对应的水平照度为所有发射机对其作用产生的照度之和[9],即
式中,
式中,
2.2 可见光MIMO通信系统
如
在可见光MIMO通信系统中,如(5)式所示,接收机阵列中任意接收机接收到的光功率均为所有发射机对其产生的光功率之和。故可通过矩阵阵列形式
式中,
式中,
3 可见光接收功率调节存在的问题
由(7)式和(10)式可以看出,在室内可见光系统中,任意一个接收机可接收来自不同位置所有发射机的光,而由于接收机的位置不同,接收机与发射机的距离
因此,发射机经过功率调整后,接收平面上的
式中,
4 可见光接收功率调节策略设计
4.1 LED布局优化
文献[
7]采用传统LED布局方案,即将LED以矩形阵列形式在天花板上进行均匀排布,如
如(5)式和(7)式所示,接收光功率与入射角的余弦成正比,在传统LED布局方案下,由于LED阵列在天花板上呈均匀排布,对多数发射机而言,边缘部分接收机的入射角远小于中心部分接收机的入射角,故导致边缘接收光功率远低于房间中心。为了进一步改善功率分布的均匀性,提高边缘区域的接收功率,提出了一种新型布局方案,将16个LED分为3组,其中8个LED均匀排布于天花板距离墙壁0.5 m处,4个LED排布于距离墙壁1 m处的4个角,4个LED布置于天花板中心距离墙壁1.5 m的4个角落,如
通过仿真得到的接收平面光功率分布如
4.2 可见光功率调节模型转化
控制参数优化是蚁群算法的重要应用之一,其本质是经过多次迭代,找到一组适用于系统的最佳参数。而本文所提出的可见光功率调节模型,也是通过对蚁群算法的改进寻找一组功率调节因子,进而实现接收机光功率平均化。
4.3 目标函数设计
文献[ 7]利用方差作为目标函数,但算法的时间复杂度在增加的同时,整体光功率与光照强度下降过多。其结果也表明,优化后的平均光功率低于优化前的最低光功率,这对信号传输有不利影响。
蚁群算法在优化系统参数时,每一次迭代产生的最优参数与系统本身的性能指标相互独立,因此在本模型中,一旦生成功率调节因子,系统整体的接收机光功率便为已知。因此可以将接收机阵列整体的光功率作为优化目标,故设计目标函数如下:
式中,max
4.4 节点和路径的生成
传统蚁群算法在解决参数优化问题上,通常在所有蚂蚁从同一原点出发时即进行迭代,运算效率往往较低。为解决这一问题,本研究以一个5 m×5 m×10 m的长方体外表面作为蚂蚁寻优模型,将传统一维路径寻优问题转化为三维,如
式中,
图 7. 蚂蚁移动路径示意图。(a)三维移动路径图;(b)三维路径展开图
Fig. 7. Diagrams of ant moving path. (a) 3D moving path map; (b) developed map of 3D path
4.5 路径点的选择
从
式中,
式中,
4.6 约束条件
传统人工智能算法在计算功率调节因子的问题上均存在收敛结果过小的问题,为解决这一问题,本研究在传统算法上添加了对优化结果的约束条件。
若迭代结果计算所得的平均功率低于额定功率(RP)或最大接收功率与最小接收功率大于预定阈值,则继续算法迭代以防止接收机的接收光功率过低。整体算法流程图如
5 算例分析
仿真环境为模拟5 m×5 m×3 m的空的矩形房间,LED采用改进后的布局方式。单一发射机发射功率为0.825 W,最大发光强度为35.95 cd,半功率角为54°。单一接收机表面积为1 cm2。可根据(9)式和(10)式求得初始接收机的接收光功率分布,如
图 10. 传统蚁群算法光照强度分布
Fig. 10. Light intensity distribution of traditional ant colony algorithm
现对本文所述的改进蚁群算法进行仿真分析,在迭代更新过程中,信息素的蒸发速度满足
可知接收机接收到的光功率分布为405~463 μW,接收的光照强度为553~598 lx。二者的波动幅度分别为58 μW与45 lx,由此可见该算法进一步优化了接收平面的光功率与光强分布。
图 12. 改进蚁群算法光照强度分布
Fig. 12. Light intensity distribution of optimized ant colony algorithm
最后将该改进型蚁群算法与传统蚁群算法的收敛曲线进行对比,如
综上,改进后的蚁群算法在降低了算法的时间复杂度的同时,减小了优化后的功率与光照度偏移量,并且能够减小由优化所造成的光功率损失对信号正常传输的影响。
6 结论
提出了一种新型室内LED布局方式,提高了接收功率的均匀性。并结合改进蚁群算法提出了一种适用于可见光通信系统的功率优化方案,改进节点布局方式,提高运算效率;将最大最小功率差作为目标函数,缩短了功率优化问题的计算时间并降低了算法复杂度;添加约束条件,以及信息素蒸发算法,减小了光功率偏移量,避免了人工筛选造成的不稳定性。仿真结果表明,本文提出的功率优化方法进一步减小了光功率的偏移量,同时保证了优化后通信环境的稳定性,具有更加优良的收敛性。
[1] 宋小庆, 魏有财, 赵梓旭, 等. 高速可见光通信硬件预均衡技术研究进展[J]. 激光与光电子学进展, 2017, 54(8): 080003.
[2] 宋小庆, 王慕煜, 邢松, 等. 基于可见光通信的正交频分复用技术研究进展[J]. 激光与光电子学进展, 2018, 55(12): 120008.
[3] 陈勇, 沈奇翔, 刘焕淋. 室内可见光通信中接收光功率均匀性优化方法[J]. 中国激光, 2018, 45(5): 0506003.
[6] 游春霞, 张申, 张然, 等. 基于烟花算法的煤矿工作面VLC光源高度优化[J]. 中国矿业大学学报, 2017, 46(5): 1174-1180.
[7] 陈勇, 尹辉, 刘焕淋, 等. LED通信中利用蚁群算法优化光功率[J]. 光电子·激光, 2015, 26(3): 462-467.
[9] Li C P, Park K H, Alouini M S. On the use of a direct radiative transfer equation solver for path loss calculation in underwater optical wireless channels[J]. IEEE Wireless Communications Letters, 2015, 4(5): 561-564.
[11] 丁举鹏. 可见光通信室内信道建模及性能优化[D]. 北京: 北京邮电大学, 2013.
Ding JP. Visible light communications indoor channel modeling & performance optimization[D]. Beijing: Beijing University of Posts and Telecommunications, 2013.
[12] Pérez S R, Jiménez R P. Hernández F J L, et al. Reflection model for calculation of the impulse response on IR-wireless indoor channels using ray-tracing algorithm[J]. Microwave and Optical Technology Letters, 2002, 32(4): 296-300.
Article Outline
杨智群, 梁继然, 毛陆虹. 蚁群算法优化室内可见光通信功率均匀性的研究[J]. 激光与光电子学进展, 2019, 56(22): 220601. Zhiqun Yang, Jiran Liang, Luhong Mao. Power Uniformity Optimization in Indoor Visible Light Communication Based on Ant Colony Algorithm[J]. Laser & Optoelectronics Progress, 2019, 56(22): 220601.