基于CNN的QAM-PPM混合调制端到端通信系统

针对应用于可见光通信的正交振幅调制（QAM）和脉冲位置调制（PPM）的混合调制系统结构及性能优化问题，提出了一种基于卷积神经网络（CNN）的混合调制端到端通信系统设计方案。该方案利用设计的损失函数分多个阶段训练网络来分别实现QAM调制以及PPM调制，并将二者结合实现混合调制。解调方面，为了提升脉冲识别准确度并降低运算复杂度，提出了一种通过改变CNN卷积核大小对接收信号进行脉冲识别的方法。仿真结果表明，在加性高斯白噪声和瑞利衰落信道下，对于采用不同脉冲时隙数及调制阶数的混合调制方式，所提技术方案表现出良好的泛化能力，并且当误符号率为10-3时，相较传统解调方式，其误码性能改善范围为0.4 dB～2.8 dB。