CN109039468A - 一种信息调制方法、信息解调方法、装置及通信*** - Google Patents
一种信息调制方法、信息解调方法、装置及通信*** Download PDFInfo
- Publication number
- CN109039468A CN109039468A CN201810846124.XA CN201810846124A CN109039468A CN 109039468 A CN109039468 A CN 109039468A CN 201810846124 A CN201810846124 A CN 201810846124A CN 109039468 A CN109039468 A CN 109039468A
- Authority
- CN
- China
- Prior art keywords
- information
- oam
- transmitting terminal
- sequence
- target information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B10/00—Transmission systems employing electromagnetic waves other than radio-waves, e.g. infrared, visible or ultraviolet light, or employing corpuscular radiation, e.g. quantum communication
- H04B10/50—Transmitters
- H04B10/516—Details of coding or modulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B10/00—Transmission systems employing electromagnetic waves other than radio-waves, e.g. infrared, visible or ultraviolet light, or employing corpuscular radiation, e.g. quantum communication
- H04B10/60—Receivers
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/004—Arrangements for detecting or preventing errors in the information received by using forward error control
- H04L1/0056—Systems characterized by the type of code used
- H04L1/0071—Use of interleaving
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Electromagnetism (AREA)
- Optical Communication System (AREA)
Abstract
本发明实施例提供了一种信息调制方法、信息解调方法、装置及电子设备,其中信息调制方法,应用于发射端,方法包括:通过预设编码方式对初始信息编码;将编码后的初始信息映射到空间光调制器中;通过空间光调制器对编码后的初始信息,进行轨道角动量OAM调制,得到携带OAM信息的光束确定的目标信息,发送目标信息至接收端。其中信息解调方法,应用于接收端,方法包括:获取发射端的目标信息;通过预先训练的卷积神经网络CNN解调轨道角动量OAM模型,确定目标信息对应的OAM解调序列;对OAM解调序列解码,获得目标信息对应于发射端的初始信息。本发明实现了提高抗噪声性能和解调效率。
Description
技术领域
本发明涉及通信技术领域,特别是涉及一种信息调制方法、信息解调方法、装置及通信***。
背景技术
自由空间光通信结合了光纤通信与微波通信的优点,既具有大通信容量、高速传输的优点,又不需要铺设光纤,因此提高了频谱利用效率,满足了人们日益增长的信息量需求。
在自由空间光通信中,发射端将通信数据通过映射关系映射到空间光调制器中,通过该空间光调制器对该通信数据进行OAM(Orbital Angular Momenturn,轨道角动量)调制,得到目标信息,通过空间光的大气湍流信道传输目标信息。接收端通过光学器件对目标信息进行OAM解调,得到发送端的通信数据。
发明人发现,现有通过光学器件对目标信息进行传输过程中,受信道噪声干扰较大,而且解调过程较为低效。因此,如何提高抗噪声性能和信息解调的效率仍然是亟待解决的问题。
发明内容
本发明实施例的目的在于提供一种信息调制方法、信息解调方法、装置及通信***,以实现提高抗噪声性能和解调效率。具体技术方案如下:
第一方面,本发明实施例公开了一种信息调制方法,其特征在于,应用于发射端,所述方法包括:
通过预设编码方式对初始信息编码;
将编码后的所述初始信息映射到空间光调制器中;
通过所述空间光调制器对编码后的所述初始信息,进行轨道角动量OAM调制,得到携带OAM信息的光束确定的目标信息,发送所述携带OAM信息的光束信息至接收端。
可选地,所述通过预设编码方式对初始信息编码,包括:
通过turbo编码方式,对初始信息编码;
所述通过所述空间光调制器对编码后的所述初始信息,进行轨道角动量OAM调制,得到携带OAM信息的光束信息,包括:
通过确定的格雷码映射关系,将编码后的所述初始信息进行映射,使得编码后的所述初始信息对应的编码序列被分成多个数据组,每个数据组被映射到对应的各OAM模式序列;
在所述空间光调制器中,将连续的拉盖尔-高斯LG光束调制成携带所述各OAM模式序列的LG光束信息。
第二方面,本发明实施例还公开了一种信息解调方法,应用于接收端,所述方法包括:
获取发射端的目标信息;
通过预先训练的卷积神经网络CNN解调轨道角动量OAM模型,确定所述目标信息对应的OAM解调序列;所述CNN解调OAM模型为根据多个OAM调制信息训练确定的;
对所述OAM解调序列解码,获得所述目标信息对应于所述发射端的初始信息。
可选地,所述目标信息为携带OAM的拉盖尔-高斯LG光束的光强度图;
所述获取发射端的目标信息,包括:
通过电荷耦合元件CCD相机,接收发射端发送的LG光束的光强度图。
可选地,所述通过预先训练的卷积神经网络CNN解调轨道角动量OAM模型,确定所述目标信息对应的OAM解调序列,包括:
将所述光强度图输入到预先训练的CNN解调OAM模型,得到所述目标信息对应的OAM解调序列。
可选地,构建所述CNN解调OAM模型的步骤,包括:
将通过多种OAM调制方式对应形成的多个OAM调制信息,在tensorflow框架下进行训练,得到CNN解调OAM模型。
可选地,所述对所述OAM解调序列解码,获得所述目标信息对应于所述发射端的初始信息,包括:
通过格雷码映射方式,对所述OAM解调序列反映射,获得解调映射序列;
通过turbo译码方式,对所述解调映射序列译码,获得所述目标信息对应于所述发射端的初始信息。
第三方面,本发明实施例公开了一种信息调制装置,应用于发射端,所述装置包括:
初始信息编码模块,用于通过预设编码方式对初始信息编码;
初始信息映射模块,用于将编码后的所述初始信息映射到空间光调制器中;
初始信息调制模块,用于通过所述空间光调制器对编码后的所述初始信息,进行轨道角动量OAM调制,得到携带OAM信息的光束确定的目标信息,发送所述目标信息至接收端。
可选地,所述初始信息编码模块,具体用于通过turbo编码方式,对初始信息编码;
所述初始信息调制模块,包括:
初始信息映射子模块,用于通过确定的格雷码映射关系,将编码后的所述初始信息进行映射,使得编码后的所述初始信息对应的编码序列被分成多个数据组,每个数据组被映射到对应的各OAM模式序列;
初始信息调制子模块,用于在所述空间光调制器中,将连续的拉盖尔-高斯LG光束调制成携带所述各OAM模式序列的LG光束信息。
第三方面,本发明实施例还公开了一种信息解调装置,应用于接收端,所述装置包括:
目标信息获取模块,用于获取发射端的目标信息;
解调序列确定模块,用于通过预先训练的卷积神经网络CNN解调轨道角动量OAM模型,确定所述目标信息对应的OAM解调序列;所述CNN解调OAM模型为根据多个OAM调制信息训练确定的;
初始信息获取模块,用于对所述OAM解调序列解码,获得所述目标信息对应于所述发射端的初始信息。
可选地,所述目标信息为携带OAM的拉盖尔-高斯LG光束的光强度图;
所述目标信息获取模块,包括:
通过电荷耦合元件CCD相机,接收发射端发送的LG光束的光强度图。
可选地,所述解调序列确定模块,具体用于将所述光强度图输入到预先训练的CNN解调OAM模型,得到所述目标信息对应的OAM解调序列。
可选地,所述装置还包括:
解调模型确定模块,用于将通过多种OAM调制方式对应形成的多个OAM调制信息,在tensorflow框架下进行训练,得到CNN解调OAM模型。
可选地,所述初始信息获取模块,包括:
解调映射序列获取子模块,用于通过格雷码映射方式,对所述OAM解调序列反映射,获得解调映射序列;
初始信息获取子模块,用于通过turbo译码方式,对所述解调映射序列译码,获得所述目标信息对应于所述发射端的初始信息。
第五方面,本发明实施例还公开了一种通信***,包括发送端和接收端;
所述发送端用于实现上述任一所述的信息调制方法;
所述发送端用于实现上述任一所述的信息解调方法。
本发明实施例还提供了一种计算机可读存储介质,该计算机可读存储介质内存储有计算机程序,计算机程序被处理器执行时,实现上述信息解调方法中任一的方法步骤。
本发明实施例还提供了一种计算机可读存储介质,该计算机可读存储介质内存储有计算机程序,计算机程序被处理器执行时,实现上述信息调制方法中任一的方法步骤。
在本发明实施例提供的一种信息调制方法、信息解调方法、装置及通信***中,首先将初始信息转换成二进制编码序列,编码序列通过确定的格雷码映射关系,将编码信息映射到相应的OAM调制方式。在大气信道传输后,通过预先训练的CNN解调OAM模型,确定目标信息对应的OAM解调序列,对OAM解调序列通过格雷码反映射,并进行译码获得解调后的初始信息。本发明实施例将通过对初始信息编码以及映射处理,提高了通信***纠错性能,同时CNN解调OAM模型,相比于现有使用昂贵的光学器件对信息解调,降低了信息解调的成本,提高了信息解调效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例的一种信息调制方法流程图;
图2为本发明实施例的一种信息解调方法流程图;
图3为本发明实施例的一种信息解调方法中构建CNN解调OAM模型的训练过程结构示意图;
图4为本发明实施例的一种信息调制装置结构示意图;
图5为本发明实施例的一种信息调制装置结构示意图;
图6为本发明实施例的一种通信***框架图;
图7为本发明实施例的一种信息调制方法中turbo编码结构示意图;
图8为本发明实施例的一种信息解调方法中turbo译码结构示意图;
图9为本发明实施例的一种通信***传输图像实例演示图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
第一方面,本发明实施例公开了一种信息调制方法,应用于发射端,如图1所示。图1为本发明实施例的一种信息调制方法流程图,方法包括:
S101,通过预设编码方式对初始信息编码。
由于自由空间光通信受到大气湍流的强烈干扰,并且自由空间光通信实际传输信道存在噪声影响,使得经过信道传输后收到的信息与发射端的初始信息之间存在差错。为了克服大气湍流对光通信性能的影响,纠错编码被引入到自由空间光通信中,以改善通信***的传输质量。同时为提高数据传输效率,通常需要对信道内的信息流进行编码,以降低误码率,进而增强信道可靠性。
S102,将编码后的初始信息映射到空间光调制器中。
本步骤中,将该编码后的初始信息映射到空间光调制器SLM(Spatial lightmodulator)。
S103,通过空间光调制器对编码后的初始信息,进行轨道角动量OAM调制,得到携带OAM信息的光束确定的目标信息,发送目标信息至接收端。
本步骤中,通过空间光调制器将高斯波束调制成携带不同OAM(Orbital AngularMomenturn,轨道角动量)的LG(Laguerre-Gaussian,拉盖尔-高斯)光束,进而将经过编码后的初始信息形成经过OAM调制后的目标信息,通过自由空间湍流通道传输至接收端。
可选地,S101中通过预设编码方式对初始信息编码,可包括:
通过turbo编码方式,对初始信息编码。
Turbo编码不仅在信道信噪比较低的高噪声环境下性能优越,而且还具有较强的抗衰落、抗干扰的能力。本发明实施例在发送端选用Turbo编码对初始信息编码。
S103中通过空间光调制器对编码后的初始信息,进行轨道角动量OAM调制,得到携带OAM信息的光束确定的目标信息,可包括:
步骤一,通过确定的格雷码映射关系,将编码后的初始信息进行映射,使得编码后的初始信息对应的编码序列被分成多个数据组传输,每个数据组被映射到对应的各OAM模式序列。
在一组数的编码中,若任意两个相邻的代码只有一位二进制数不同,则称这种编码为格雷码,另外由于最大数与最小数之间也仅一位数不同,即“首尾相连”,因此又称循环码或反射码。在数字***中,常要求代码按一定顺序变化。例如,按自然数递增计数,若采用8421码,则数0111变到1000时四位均要变化,而实际上,4位的变化不可能绝对同时发生,则计数中可能出现短暂的其它代码(1100、1111等)。在特定情况下可能导致模式错误或输入错误。格雷码映射是为了改进随机的映射关系,对互相之间容易分类错误的OAM模式组合进行特殊的编码。
本步骤中,为了避免接收端对编码后的初始信息对应的OAM调制方式错分,在使用预设编码对初始信息编码后(例如,采用Turbo编码对初始信息编码),通过格雷码映射,将编码后的初始信息对应的编码序列分成多个数据组,每个数据组被映射到对应的各OAM模式序列。
例如,二进制序列“1011”对应的OAM模式{1,3,-5},容易错分为二进制序列“0100”对应的OAM模式{-2}。于是,将“1011”“0100”通过格雷码映射到“1011”“0011”。这样,在接收端通过CNN解调OAM模型对{1,3,-5}错分为{-2}时,原始码元“1011”在输出端会被识别为“0011”,即一次分类错误只会使码元序列发生1比特的错误,从而提高***传输性能。
步骤二,在空间光调制器中,将连续的拉盖尔-高斯LG光束调制成携带各OAM模式序列的LG光束信息。
本步骤中,在SLM中将连续的拉盖尔-高斯LG光束调制成携带各OAM模式序列的LG光束信息,通过自由空间湍流通道传输至接收端。
LG光束最显著的特征就是携带有螺旋相位,且LG光束具有轨道角动量l(表示普朗克常数)。它的数学描述为:
其中,表示LG光束的场分布;w(z)表示光束尺寸参数,下标l和p分别表示角向和径向模式数,Φ(z)表示Gouy相位,R(z)表示光束的曲率半径,表示缔合拉盖尔多项式,i表示虚数单位,r表示光束到传输轴的辐射距,k表示传播常数。
在本发明实施例的一种信息调制方法中,通过预设编码方式对初始信息编码;将编码后的初始信息通过SLM进行轨道角动量OAM调制,得到目标信息,通过对初始信息编码以及调制,可以降低信息传输过程中的误码率以及提高整个通信***的纠错性能。
第二方面,本发明实施例公开了一种信息解调方法,应用于接收端,如图2所示。图2为本发明实施的一种信息解调方法流程图,方法包括:
S201,获取发射端的目标信息;
本步骤中,接收端通过光学仪器获取发射端的目标信息,例如使用CCD(chargecoupled device camera,电荷耦合器件)相机获取发射端的目标信息。
可选地,目标信息为携带OAM的拉盖尔-高斯LG光束的光强度图;
上述S101中获取发射端的目标信息,可包括:
通过电荷耦合元件CCD相机,接收发射端发送的LG光束的光强度图。
本步骤中,目标信息为携带OAM的拉盖尔-高斯LG光束的光强度图,即为发射端将编码后的初始信息编码通过映射关系映射到SLM中,通过SLM将高斯光束转换为拉盖尔-高斯LG光束以实现OAM调制,即为将编码后的初始信息调制为携带OAM的LG光束的光强度图发送给接收端。接收端可通过电荷耦合元件CCD相机,接收LG光束的光强度图。
S202,通过预先训练的卷积神经网络CNN解调轨道角动量OAM模型,确定目标信息对应的OAM解调序列;CNN解调OAM模型为根据多个OAM调制信息训练确定的。
在上述接收到目标信息后,将该目标信息输入到预先训练的CNN(ConvolutionalNeural Network,卷积神经网络)解调OAM(Orbital Angular Momenturn,轨道角动量)模型轨道角动量中,通过该CNN解调OAM模型对目标信息解调,确定该目标信息对应的OAM解调序列。
本发明实施例中CNN解调OAM模型为根据多个OAM调制信息训练确定的。
可选地,S202中构建CNN解调OAM模型的步骤,可包括:
将通过多种OAM调制方式对应形成的多个OAM调制信息,在tensorflow框架下进行训练,得到CNN解调OAM模型。
本发明实施例中,可采用开源的tensorflow框架进行训练,在大气传输信道下,构建不同的OAM模式组合训练集进行识别训练。
如图3所示,图3为本发明实施例的一种信息解调方法中构建CNN解调OAM模型的训练过程结构示意图。在该图3中,将通过多种OAM调制方式对应形成的多个OAM调制图像信息,通过tensorflow框架的卷积层1、池化层1、卷积层2、池化层2,对各OAM调制信息进行特征提取,得到各OAM调制信息对应的预设OAM调制方式的各OAM特征信息。
然后在全连接层对各OAM特征信息进一步训练,最终得到与各OAM调制信息的预设OAM调制方式对应的分类模型,将该分类模型确定为CNN解调OAM模型。
具体为,OAM调制信息为OAM调制图像,收集OAM调制图像样本,固定图像的尺寸,做好标签分类,对OAM调制方式进行人工分类,并对OAM调制方式对应的OAM特征信息做好标记。采用图3所示的结构进行训练,对OAM调制图像进行剪切并设置每一层的维数数据以及超参数,进行卷积训练。对OAM调制图像的局部特征以及OAM特征信息提取,然后将OAM调制图像个体的局部特征合并成整体的图像特征。每类OAM调制图像的整体图像特征信息与权重相乘然后加上偏置就是输出结果标记。池化层进一步提高网络的统计效率,经过池化层对卷积层的输出进行最大值池化,降低数据维数,之后通过全连接层区分每类OAM调制图像的OAM特征信息,训练得到与各OAM调制图像的OAM调制方式对应的分类模型,将该分类模型确定为CNN解调OAM模型。
S203,对OAM解调序列解码,获得目标信息对应于发射端的初始信息。
上述在得目标信息的OAM解调序列后,对该解调序列进行解码,进而获得发射端发射的初始信息。
可选地,S203中对OAM解调序列解码,获得目标信息对应于发射端的初始信息,可包括:
步骤A,通过格雷码映射方式,对OAM解调序列反映射,获得解调映射序列。
为了降低CNN解调OAM模型解调过程的错误,可采用格雷码映射方式,对OAM解调序列反映射。
对于携带某一种OAM调制方式的LG光束的光强度图,如果CNN解调OAM模型在识别OAM调制方式错误,最后通过该OAM调制方式得到的OAM解调序列会出现至少1比特的错误。在最坏的情况下,得到的OAM解调序列会全错。
例如,如果CNN解调OAM模型将光强度图中OAM解调序列为二进制序列“1011”、所对应的OAM调制方式{1,3,-5}的OAM模式,误识别成OAM调制方式为{-2}的OAM模式,输出的OAM解调序列为二进制序列“0100”。也就是说,这种情况下一次识别错误会使OAM解调序列对应的二进制序列发生4位的连续错误。这会极大地增加通信过程的误码率,影响***的通信性能。
本步骤中,CNN解调OAM模型解调后获得OAM解调映射序列,格雷码反映射将OAM解调序列反映射为未译码的传输序列。例如,通过CNN解调OAM模型解调的OAM模式{1,3,-5}、{-2}对应的OAM解调序列分别为“1011”和“0011”,通过格雷码反映射,将其转换为“1011”和“0100”。
步骤B,通过turbo译码方式,对解调映射序列译码,获得目标信息对应于发射端的初始信息。
本步骤中采用对应于发射端的Turbo编码的译码方式,对解调映射序列解码,获得目标信息对应于发射端的初始信息。
在本发明实施例提供的一种信息解调方法中,通过预先训练的轨道角动量CNN解调OAM模型,对发射端的目标信息进行解调,进而对OAM解调序列解码,获得目标信息对应于发射端的初始信息。本发明实施例采用训练好的CNN解调OAM模型直接可对输入的信息进行解调,相比于现有技术中采用光学器件对目标信息进行解调,提高了信息解调效率。另外,相比于现有使用昂贵的光学器件对信息解调,本发明实施例采用卷CNN解调OAM模型对信息解调,降低了信息解调的成本。
第三方面,本发明实施例公开了一种信息调制装置,应用于发射端,如图4所示。图4为本发明实施例的一种信息调制装置结构示意图,装置包括:
初始信息编码模块401,用于通过预设编码方式对初始信息编码;
初始信息映射模块402,用于将编码后的初始信息映射到空间光调制器中;
初始信息调制模块403,用于通过空间光调制器对编码后的初始信息,进行轨道角动量OAM调制,得到携带OAM信息的光束确定的目标信息,发送目标信息至接收端。
可选地,在本发明的信息调制装置的一种实施例中,初始信息编码模块401,具体用于通过turbo编码方式,对初始信息编码;
初始信息调制模块403,包括:
初始信息映射子模块,用于通过确定的格雷码映射关系,将编码后的初始信息进行映射,使得编码后的初始信息对应的编码序列被分成多个数据组,每个数据组被映射到对应的各OAM模式序列;
初始信息调制子模块,用于在空间光调制器中,将连续的拉盖尔-高斯LG光束调制成携带各OAM模式序列的LG光束信息。
第四方面,本发明实施例还公开了一种信息解调装置,如图5所示。图5为本发明实施例的一种信息调制装置结构示意图,应用于接收端,装置包括:
目标信息获取模块501,用于获取发射端的目标信息;
解调序列确定模块502,用于通过预先训练的卷积神经网络CNN解调轨道角动量OAM模型,确定目标信息对应的OAM解调序列;CNN解调OAM模型为根据多个OAM调制信息训练确定的;
初始信息获取模块503,用于对OAM解调序列解码,获得目标信息对应于发射端的初始信息。
可选地,目标信息为携带OAM的拉盖尔-高斯LG光束的光强度图;
目标信息获取模块501,包括:
通过电荷耦合元件CCD相机,接收发射端发送的LG光束的光强度图。
可选地,解调序列确定模块502,具体用于将光强度图输入到预先训练的CNN解调OAM模型,得到目标信息对应的OAM解调序列。
可选地,装置还包括:
解调模型确定模块,用于将通过多种OAM调制方式对应形成的多个OAM调制信息,在tensorflow框架下进行训练,得到CNN解调OAM模型。
可选地,初始信息获取模块503,包括:
解调映射序列获取子模块,用于通过格雷码映射方式,对OAM解调序列反映射,获得解调映射序列;
初始信息获取子模块,用于通过turbo译码方式,对解调映射序列译码,获得目标信息对应于发射端的初始信息。
第五方面,本发明实施例还公开了一种通信***,包括发送端和接收端;
发送端用于实现上述任一的信息调制方法;
发送端用于实现上述任一的信息解调方法。
本发明实施例公开的一种通信***,如图6所示。该通信***包括应用上述信息调制方法的发射端、大气湍流信道,以及应用上述信息解调方法的接收端。该通信***的使用过程如下:
在发射端,初始信息对应的信息序列首先通过turbo编码转换成turbo编码序列,进而对turbo编码序列进行OAM调制。即为,通过确定的格雷码映射关系,将turbo编码序列进行映射,然后SLM将高斯波束调制成携带不同OAM的相应LG波束,将目标信息调制成携带OAM信息的LG光束。
例如,通过空间光调制器调制的OAM为:s=“0001”,“0010”,“0100”,“1000”可分别对应{1}、{-2}、{3}、{-5},其中,s表示码元序列,码元序列在空间光调制器上可以叠加,由4个{1},{-2},{3},{-5}单模式可以形成16种组合,即为0000到1111的16个OAM调制序列对应的二进制序列,一种OAM调制方式对应一种二进制序列。通过OAM调制器将OAM调制方式调制到LG光束上。
进而,LG光束通过大气湍流信道传输到接收端,失真的LG光束的光强度图在接收端被CCD相机捕获,进而被发送到训练好的CNN解调OAM模型,离线分析该光强度图对应的OAM解调序列,通过格雷码映射方式,对该OAM解调序列反映射,获得解调映射序列,对该解调映射序列进行turbo译码,得到目标信息对应于发射端的译码序列。
其中,发射端turbo编码方式可如图7所示。在图7中,将初始信息转化为未编码的信息序列。未编码的信息序列被传送到编码器1,得到生成序列1。同时将交织后的信息序列传送到相同编码器2,得到生成序列2。生成序列1和生成序列2经过删余单元,周期性地删除一些校验位信息,生成校验序列。将未编码的信息序列与校验序列经过复接器复接,得到标准的turbo编码后的序列。为了更好地对抗CNN解调OAM模型识别过程中的突发错误,根据OAM模式的使用个数N,将标准的turbo编码后的序列分成N组进行分别交织。将交织后的序列进行复接,得到新型turbo编码序列。
其中,接收端turbo译码方式可如图8所示。在图8中,将CNN解调OAM模型解调后的OAM解调序列输入到解复解器中,分成N组序列进行解交织,将每个序列输入到对应的解交织器1、解交织器2…解交织器N,分别进行解交织。解交织后的序列通过复接器得到标准的turbo编码序列,标准的turbo编码序列经过解复接器后,得到信息序列、校验序列1和校验序列2。初始化外信息为0,将外信息序列、校验序列1、信息序列输入到软输出译码器1。经过译码器1译码后产生的外部信息经过交织器后作为软输出译码器2的先验信息,同时输入到译码器2的还有信息序列经过交织后的信息以及校验序列2,译码器2产生的外部信息又送入解交织器以便进行循环利用。重复上述译码过程,对多次迭代之后译码器2的输出进行解交织,然后输入到判决器进行硬判决,得到译码后目标信息对应于发射端的初始信息。
本发明实施例应用上述信息调制方法以及信息解调方法的通信***中,将turbo编码引入OAM通信***中,提高了***纠错性能,同时增强通信***的传输可靠度,并在OAM空间光通信***中通过卷积神经网络实现了快速解调,加入格雷码映射关系进一步提升了卷积神经网络性能。
本发明实施例的通信***可有如图9所示的应用实例。图9为本发明实施例的一种通信***传输图像实例演示图。
在本实施例中,发射端的初始信息为一张像素值为128*128的lena图像,首先将其灰度化、像素值二值化,转化为一个含131072个比特的二进制信息,进而对该二进制信息进行turbo编码。
当完成编码后,在通过格雷码映射,然后将编码映射信息通过SLM加载到连续的LG光束上,该图像对应的码元信息转换成到一组OAM模式组合信息,实现对该编码后的图像进行OAM调制。将调制后携带OAM信息的LG光束通过大气湍流信道传输到接收端。
在传输过程中,OAM调制方式对于传输***的性能非常重要,因为OAM状态的间隔对相邻OAM模式之间的串扰有直接影响。采用CNN解调OAM模型进行解调,理论上可以选取任意的一组OAM模式进行映射,例如,本实施例中选取OAM模式为{1,-2,3,-5}进行组合,产生多个OAM调制模式来进行传输,生成目标信息为携带OAM的拉盖尔-高斯LG光束的光强度图。
在接收端,携带OAM的LG光束的光强度图可以通过CCD相机捕捉处理,进而将该光强度图输入到预先训练的轨道角动量CNN解调OAM模型进行解调,即为确定该光强度图对应的OAM调制方式,进而反映射得到OAM解调序列。进而,通过格雷码对OAM解调序列反映射,获得解调映射序列,通过turbo译码方式,对解调映射序列译码,获得对应于发射端的二进制序列,最终得到目标信息对应于该发射端的初始信息。
例如,本实施中对光强度图的OAM调制方式为{1,-2,3,-5},采用本发明实施例的CNN解调OAM模型进行解调,即为获得该光强度图对应的OAM调制方式为{1,-2,3,-5},进而得到OAM解调序列为“0111”的二进制序列,然后格雷码映射关系会将“0111”反映射为“1111”。通过turbo译码方式对二进制序列译码,即为重新排列所获得的二进制数据以获得发送端的lena图像的一段码元。
本发明实施例中,成功地恢复了128×128像素的lena图像。在接收端处,如果选择合适的信道传输距离和中等强度湍流进行传输,恢复的图像对二进制图像具有高保真度。
可见,通过本发明实施例,验证了应用上述信息调制方法以及信息解调方法的通信***的可行性。
本发明实施例还提供了一种计算机可读存储介质,该计算机可读存储介质内存储有计算机程序,计算机程序被处理器执行时,实现上述信息调制方法中任一的方法步骤。
在本发明实施例的一种计算机可读存储介质中,通过预设编码方式对初始信息编码;将编码后的初始信息通过空间光调制器进行轨道角动量OAM调制,得到目标信息,通过对初始信息编码以及调制,降低了信息传输过程中的误码率以及提高了接收端的纠错性能。
本发明实施例还提供了一种计算机可读存储介质,该计算机可读存储介质内存储有计算机程序,计算机程序被处理器执行时,实现上述信息解调方法中任一的方法步骤。
在本发明实施例提供的一种计算机可读存储介质中,通过预先训练的轨道角动量CNN解调OAM模型,对发射端的目标信息进行解调,进而对OAM解调序列解码,获得目标信息对应于发射端的初始信息。本发明实施例采用训练好的CNN解调OAM模型直接可对输入的信息进行解调,相比于现有技术中采用光学器件对目标信息进行解调,提高了信息解调效率。另外,相比于现有使用昂贵的光学器件对信息解调,本发明实施例采用卷CNN解调OAM模型对信息解调,降低了信息解调的成本。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时,全部或部分地产生按照本发明实施例的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置以及存储介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (10)
1.一种信息调制方法,其特征在于,应用于发射端,所述方法包括:
通过预设编码方式对初始信息编码;
将编码后的所述初始信息映射到空间光调制器中;
通过所述空间光调制器对编码后的所述初始信息,进行轨道角动量OAM调制,得到携带OAM信息的光束确定的目标信息,发送所述目标信息至接收端。
2.根据权利要求1所述的信息调制方法,其特征在于,所述通过预设编码方式对初始信息编码,包括:
通过turbo编码方式,对初始信息编码;
所述通过所述空间光调制器对编码后的所述初始信息,进行轨道角动量OAM调制,得到携带OAM信息的光束确定的目标信息,包括:
通过确定的格雷码映射关系,将编码后的所述初始信息进行映射,使得编码后的所述初始信息对应的编码序列被分成多个数据组,每个数据组被映射到对应的各OAM模式序列;
在所述空间光调制器中,将连续的拉盖尔-高斯LG光束调制成携带所述各OAM模式序列的LG光束。
3.一种信息解调方法,其特征在于,应用于接收端,所述方法包括:
获取发射端的目标信息;
通过预先训练的卷积神经网络CNN解调轨道角动量OAM模型,确定所述目标信息对应的OAM解调序列;所述CNN解调OAM模型为根据多个OAM调制信息训练确定的;
对所述OAM解调序列解码,获得所述目标信息对应于所述发射端的初始信息。
4.根据权利要求3所述的信息解调方法,其特征在于,所述目标信息为携带OAM的拉盖尔-高斯LG光束的光强度图;
所述获取发射端的目标信息,包括:
通过电荷耦合元件CCD相机,接收发射端发送的LG光束的光强度图。
5.根据权利要求4所述的信息解调方法,其特征在于,所述通过预先训练的卷积神经网络CNN解调轨道角动量OAM模型,确定所述目标信息对应的OAM解调序列,包括:
将所述光强度图输入到预先训练的CNN解调OAM模型,得到所述目标信息对应的OAM解调序列。
6.根据权利要求3所述的信息解调方法,其特征在于,构建所述CNN解调OAM模型的步骤,包括:
将通过多种OAM调制方式对应形成的多个OAM调制信息,在tensorflow框架下进行训练,得到CNN解调OAM模型。
7.根据权利要求3所述的信息解调方法,其特征在于,所述对所述OAM解调序列解码,获得所述目标信息对应于所述发射端的初始信息,包括:
通过格雷码映射方式,对所述OAM解调序列反映射,获得解调映射序列;
通过turbo译码方式,对所述解调映射序列译码,获得所述目标信息对应于所述发射端的初始信息。
8.一种信息调制装置,其特征在于,应用于发送端,所述装置包括:
初始信息编码模块,用于通过预设编码方式对初始信息编码;
初始信息映射模块,用于将编码后的所述初始信息映射到空间光调制器中;
初始信息调制模块,用于通过所述空间光调制器对编码后的所述初始信息,进行轨道角动量OAM调制,得到携带OAM信息的光束确定的目标信息,发送所述目标信息至接收端。
9.一种信息解调装置,其特征在于,应用于接收端,所述装置包括:
目标信息获取模块,用于获取发射端的目标信息;所述目标信息为所述发射端的初始信息经过编码以及轨道角动量OAM调制后的信息;
解调序列确定模块,用于通过预先训练的卷积神经网络CNN解调轨道角动量OAM模型,确定所述目标信息对应的OAM解调序列;所述CNN解调OAM模型为根据多个OAM调制信息训练确定的;
解调序列解码模块,用于对所述OAM解调序列解码,获得所述目标信息对应于所述发射端的初始信息。
10.一种通信***,其特征在于,包括发送端和接收端;
所述发送端用于实现上述权利要求1-2任一所述的信息调制方法;
所述发送端用于实现上述权利要求3-7任一所述的信息解调方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810846124.XA CN109039468B (zh) | 2018-07-27 | 2018-07-27 | 一种信息调制方法、信息解调方法、装置及通信*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810846124.XA CN109039468B (zh) | 2018-07-27 | 2018-07-27 | 一种信息调制方法、信息解调方法、装置及通信*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109039468A true CN109039468A (zh) | 2018-12-18 |
CN109039468B CN109039468B (zh) | 2020-01-14 |
Family
ID=64647164
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810846124.XA Active CN109039468B (zh) | 2018-07-27 | 2018-07-27 | 一种信息调制方法、信息解调方法、装置及通信*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109039468B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110166391A (zh) * | 2019-06-13 | 2019-08-23 | 电子科技大学 | 脉冲噪声下基于深度学习的基带预编码msk信号解调方法 |
CN110299921A (zh) * | 2019-06-11 | 2019-10-01 | 东南大学 | 一种模型驱动的Turbo码深度学习译码方法 |
CN110401488A (zh) * | 2019-07-12 | 2019-11-01 | 北京邮电大学 | 一种解调方法及装置 |
CN112953594A (zh) * | 2021-04-23 | 2021-06-11 | 四川九洲电器集团有限责任公司 | 一种突发msk直扩通信同步检测装置及方法 |
CN113225136A (zh) * | 2021-03-25 | 2021-08-06 | 中国人民解放军国防科技大学 | 能够实现自适应相位补偿的自由空间量子密钥分发*** |
CN113405675A (zh) * | 2021-05-06 | 2021-09-17 | 杭州电子科技大学 | 一种基于光束轨道角动量态的非相干叠加键控方法与*** |
CN113875171A (zh) * | 2019-04-12 | 2021-12-31 | 米兰大学 | 用于发射和接收具有轨道角动量检测的电磁辐射束的方法和***以及相关的远程通讯的方法和*** |
CN114615499A (zh) * | 2022-05-07 | 2022-06-10 | 北京邮电大学 | 一种面向图像传输的语义光通信***和方法 |
CN117411596A (zh) * | 2023-12-14 | 2024-01-16 | 北京思凌科半导体技术有限公司 | 解调方法、装置、存储介质及电子设备 |
WO2024098420A1 (zh) * | 2022-11-11 | 2024-05-16 | 华为技术有限公司 | 激光脉冲信号处理装置、通信装置以及通信方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150201186A1 (en) * | 2014-01-15 | 2015-07-16 | Disney Enterprises, Inc. | Optical vortex 3d displays |
CN106130655A (zh) * | 2016-06-30 | 2016-11-16 | 中国科学院上海微***与信息技术研究所 | 一种多模态轨道角动量复用通信***及方法 |
WO2017127211A1 (en) * | 2016-01-22 | 2017-07-27 | Nec Laboratories America, Inc. | Remote sensing of an object's direction of lateral motion using phase difference based optical orbital angular momentum spectroscopy |
CN107367795A (zh) * | 2017-07-27 | 2017-11-21 | 中国科学院上海光学精密机械研究所 | 完美光学涡旋轨道角动量复用/解复用的光纤耦合装置 |
US20180063519A1 (en) * | 2016-08-29 | 2018-03-01 | Disney Enterprises, Inc. | Multi-view displays using images encoded with orbital angular momentum (oam) on a pixel or image basis |
CN108234380A (zh) * | 2017-12-08 | 2018-06-29 | 西安电子科技大学 | 频-模态-空状态的多维混合调制无线通信信号方法 |
-
2018
- 2018-07-27 CN CN201810846124.XA patent/CN109039468B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150201186A1 (en) * | 2014-01-15 | 2015-07-16 | Disney Enterprises, Inc. | Optical vortex 3d displays |
WO2017127211A1 (en) * | 2016-01-22 | 2017-07-27 | Nec Laboratories America, Inc. | Remote sensing of an object's direction of lateral motion using phase difference based optical orbital angular momentum spectroscopy |
CN106130655A (zh) * | 2016-06-30 | 2016-11-16 | 中国科学院上海微***与信息技术研究所 | 一种多模态轨道角动量复用通信***及方法 |
US20180063519A1 (en) * | 2016-08-29 | 2018-03-01 | Disney Enterprises, Inc. | Multi-view displays using images encoded with orbital angular momentum (oam) on a pixel or image basis |
CN107367795A (zh) * | 2017-07-27 | 2017-11-21 | 中国科学院上海光学精密机械研究所 | 完美光学涡旋轨道角动量复用/解复用的光纤耦合装置 |
CN108234380A (zh) * | 2017-12-08 | 2018-06-29 | 西安电子科技大学 | 频-模态-空状态的多维混合调制无线通信信号方法 |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113875171A (zh) * | 2019-04-12 | 2021-12-31 | 米兰大学 | 用于发射和接收具有轨道角动量检测的电磁辐射束的方法和***以及相关的远程通讯的方法和*** |
CN110299921A (zh) * | 2019-06-11 | 2019-10-01 | 东南大学 | 一种模型驱动的Turbo码深度学习译码方法 |
CN110299921B (zh) * | 2019-06-11 | 2023-01-17 | 东南大学 | 一种模型驱动的Turbo码深度学习译码方法 |
CN110166391A (zh) * | 2019-06-13 | 2019-08-23 | 电子科技大学 | 脉冲噪声下基于深度学习的基带预编码msk信号解调方法 |
CN110401488A (zh) * | 2019-07-12 | 2019-11-01 | 北京邮电大学 | 一种解调方法及装置 |
CN110401488B (zh) * | 2019-07-12 | 2021-02-05 | 北京邮电大学 | 一种解调方法及装置 |
CN113225136B (zh) * | 2021-03-25 | 2022-09-16 | 中国人民解放军国防科技大学 | 能够实现自适应相位补偿的自由空间量子密钥分发*** |
CN113225136A (zh) * | 2021-03-25 | 2021-08-06 | 中国人民解放军国防科技大学 | 能够实现自适应相位补偿的自由空间量子密钥分发*** |
CN112953594A (zh) * | 2021-04-23 | 2021-06-11 | 四川九洲电器集团有限责任公司 | 一种突发msk直扩通信同步检测装置及方法 |
CN112953594B (zh) * | 2021-04-23 | 2022-02-15 | 四川九洲电器集团有限责任公司 | 一种突发msk直扩通信同步检测装置及方法 |
CN113405675A (zh) * | 2021-05-06 | 2021-09-17 | 杭州电子科技大学 | 一种基于光束轨道角动量态的非相干叠加键控方法与*** |
CN114615499A (zh) * | 2022-05-07 | 2022-06-10 | 北京邮电大学 | 一种面向图像传输的语义光通信***和方法 |
CN114615499B (zh) * | 2022-05-07 | 2022-09-16 | 北京邮电大学 | 一种面向图像传输的语义光通信***和方法 |
WO2024098420A1 (zh) * | 2022-11-11 | 2024-05-16 | 华为技术有限公司 | 激光脉冲信号处理装置、通信装置以及通信方法 |
CN117411596A (zh) * | 2023-12-14 | 2024-01-16 | 北京思凌科半导体技术有限公司 | 解调方法、装置、存储介质及电子设备 |
CN117411596B (zh) * | 2023-12-14 | 2024-03-15 | 北京思凌科半导体技术有限公司 | 解调方法、装置、存储介质及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN109039468B (zh) | 2020-01-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109039468A (zh) | 一种信息调制方法、信息解调方法、装置及通信*** | |
US8275050B2 (en) | Low density parity check (LDPC) encoded higher order modulation | |
CN1184768C (zh) | 编码调制方案中的非均匀错误保护 | |
Nguyen et al. | Coded multipulse pulse-position modulation for free-space optical communications | |
CN101926095B (zh) | 用于在无线通信中交织的伪随机排序的***和方法 | |
CN101385357B (zh) | 将不等错误保护应用于通过无线信道传输的未压缩视频的方法和*** | |
CN1511401A (zh) | 窄带混乱二相相移键控 | |
US11038525B2 (en) | Methods of converting or reconverting a data signal and method and system for data transmission and/or data reception | |
CN101292484B (zh) | 调制解调方法以及调制装置和解调装置 | |
CN107909133B (zh) | 二维码生成方法、二维码解码方法以及终端 | |
CN110048980A (zh) | 一种数字通信盲解调方法和装置 | |
WO2017039558A1 (en) | Method and apparatus for simplified generation of continuous phase modulation, cpm, waveforms | |
CN111106838B (zh) | 一种通信同步方法、装置及*** | |
EP3404856B1 (en) | Method of and apparatus for modulating an optical carrier | |
CN110061803A (zh) | 一种低复杂度的极化码比特交织编码调制方法 | |
CN103444113A (zh) | 发射分开的信令数据的信令数据发射 | |
Ghane et al. | A network steganographic approach to overlay cognitive radio systems utilizing systematic coding | |
CN102647202B (zh) | 一种基于mdfh的数据传输方法及其*** | |
CN106789919A (zh) | 一种自适应多频段协同安全传输方法及装置 | |
CN101399633B (zh) | 里得-所罗门码结合网格编码调制技术的抗干扰方法 | |
CN107493154B (zh) | 一种信道编码与格雷映射高阶调制联合处理方法及装置 | |
CN107196733A (zh) | 一种调制方法和装置 | |
KR101237974B1 (ko) | Rfid 태그, rfid 리더, 및 이들을 구비하는rfid 시스템 | |
CN102326349A (zh) | 数字发送和/或接收设备及其方法 | |
CN111030704A (zh) | 一种基于极化码的免同步通信方法、装置及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |