基于掩码感知深度学习的多用户可见光通信动态预编码方法

《IEEE Open Journal of the Communications Society》：Deep Learning-based Precoding for MU-MISO VLC Systems

　　摘要：在多用户可见光通信（VLC）系统中，干扰管理仍是一个主要挑战，尤其是在活跃用户数量动态变化的室内多输入单输出（MISO）场景中。在现有方法中，基于优化的线性预编码技术能够实现较强的性能，但存在计算复杂度高和难以适应用户配置变化的问题。本文提出了一种基于深度学习（DL）的预编码框架，直接学习可见光通信信道、发射功率与最优预编码矩阵之间的映射关系。与假设用户数量固定的现有基于学习的方法不同，所提方法通过一种掩码感知设计纳入用户活动信息，使单个训练好的模型能够处理不同的用户配置而无需重新训练。该模型利用最优线性预编码（OLP）获得的高质量解进行离线训练，并能够在显著降低计算复杂性的同时实现快速的在线推理。仿真结果表明，所提方法能够很好地逼近最优线性预编码，有效抑制干扰，并在室内可见光通信系统中各种用户场景下保持可靠通信。