面向6G的可见光通信关键技术

　　本书主要介绍了面向6G的可见光通信关键技术。介绍了可见光通信的由来，说明了在6G通信中发展可见光通信的必要性，同时介绍了国内外的研究现状及6G可见光通信的主要应用场景与优势。其次，分别从可见光通信在6G中的网络架构、可见光通信系统的结构、先进调制技术、信号处理技术等方面具体介绍了实现6G可见光通信所采用的先进技术和关键算法。再次，介绍了人工智能在可见光通信中的应用以及可见光通信MIMO叠加调制技术。本书在介绍具体技术的同时，给出了作者的研究团队基于相关技术理论的实验成果。对6G可见光通信的未来发展趋势进行了展望。本书适合从事通信领域相关工作尤其是可见光通信研究和6G研究的工程技术人员，以及高等院校通信工程等相关专业的研究生和教师阅读。

　　迟楠复旦大学信息学院院长、教授、博士生导师、国家杰出青年科学基金获得者、美国光学学会会士。担任中国电子学会通信分会副主任委员、中国光学学会纤维光学与集成光学专业委员会常务委员、中国通信学会光通信专业委员会委员。先后获得教 育部新世纪优 秀人才、上海市曙光学 者、上海市巾帼建功标兵、上海市三八红旗手和中国电子学会优秀科技工作者等荣誉。获教 育部自然科学奖二等奖、中国产学研合作创新成果奖一等奖、中国国际工业博览会创新奖、宝钢优 秀教师奖等各1项。长期从事高速光通信和高速可见光通信方面的研究，发表 SCI 检索论文 300 余篇，出版专著 6 部。其中《高速可见光通信关键技术》入选“‘十三五’国之重器重点图书”， LED-based Visible Light Communication 入选“国务院中国图书对外推广计划教材”。

第 1章 概述 001
1.1　背景　002
1.2　国内外研究现状　006
1.2.1　国外研究现状　006
1.2.2　国内研究现状　007
1.3　本书章节结构　008
参考文献　009
第　2章 VLC在6G中的网络架构　013
2.1　空天地海一体化网络　014
2.2　天基可见光激光通信　015
2.2.1　国内外研究现状　017
2.2.2　重要意义及发展趋势　021
2.3　海基水下VLC　022
2.3.1　国内外研究现状　023
2.3.2　重要意义及发展趋势　025
2.4　陆基VLC　026
2.4.1　可见光传输链路　027
2.4.2　VLC组网　028
2.4.3　重要意义及发展趋势　031
2.5　本章小结　031
参考文献　031
第3章　VLC系统的结构　035
3.1　VLC系统　036
3.2　LED发射器件　037
3.2.1　RGB LED　037
3.2.2　PC-LED　039
3.2.3　OLED　040
3.2.4　Micro LED　040
3.3　LD发射器件　041
3.3.1　非极性GaN激光二极管　041
3.3.2　两段式激光与光子集成　042
3.3.3　超辐射发光二极管　043
3.4　集成PIN阵列　044
3.5　柔性探测器　045
3.6　本章小结　047
参考文献　047
第4章　VLC的先进调制技术　049
4.1　PAM技术　050
4.2　DMT调制技术　051
4.3　CAP调制与解调原理　053
4.4　自适应比特功率加载OFDM　054
4.4.1　SNR估测技术　054
4.4.2　自适应比特功率分配技术　057
4.5　DFT-S OFDM调制　062
4.6　几何整形与概率整形技术　063
4.6.1　几何整形　063
4.6.2　概率整形　067
4.7　多带超奈奎斯特脉冲成形CAP调制　076
4.7.1　超奈奎斯特机制　076
4.7.2　多带CAP调制解调原理　078
4.7.3　多带CAP FTN VLC　079
4.8　本章小结　083
参考文献　083
第5章　VLC的信号处理技术　087
5.1　VLC系统信道特性与均衡技术的必要性　088
5.2　硬件预均衡技术　089
5.2.1　双级联定阻对称T型幅度均衡器　092
5.2.2　硬件预均衡电路仿真结果　094
5.2.3　硬件预均衡电路测试结果　097
5.3　软件预均衡技术　100
5.3.1　时域均衡器　100
5.3.2　基于FIR滤波器的软件预均衡技术　101
5.3.3　基于OFDM调制的软件预均衡技术　108
5.3.4　软件预均衡技术仿真　110
5.4　线性后均衡技术　111
5.4.1　LMS后均衡技术　112
5.4.2　RLS后均衡技术　113
5.5　非线性后均衡技术　115
5.6　VLC线性/非线性联合后均衡技术　118
5.7　基于无记忆幂级数的自适应软件预均衡技术　120
5.8　本章小结　121
参考文献　122
第6章　传统机器学习在VLC中的应用　125
6.1　传统机器学习在VLC中的应用概述　126
6.2　机器学习算法　128
6.2.1　基于聚类的K-Means算法　128
6.2.2　GMM算法　138
6.2.3　DBSCAN算法　145
6.2.4　基于SVM的信号处理　152
6.2.5　基于ICA的多带CAP算法　158
6.3　本章小结　176
参考文献　176
第7章　深度学习在VLC中的应用　181
7.1　深度学习在VLC中的应用概述　182
7.2　深度学习神经网络算法　183
7.2.1　GK-DNN　183
7.2.2　基于双分支神经网络的DBMLP　194
7.2.3　MIMO-MBNN　203
7.2.4　基于STFT的二维图像网络算法　212
7.3　本章小结　219
参考文献　219
第8章　VLC MIMO叠加调制技术　223
8.1　MIMO与叠加调制概述　224
8.2　PAM7叠加调制　231
8.2.1　传统PAM-MISO系统　231
8.2.2　等概率预编码方案　234
8.2.3　数值仿真分析　236
8.2.4　基于等概率预编码方案的UVLC系统　240
8.3　QAM信号的叠加调制　243
8.3.1　叠加调制　243
8.3.2　接收端的叠加调制分离技术　247
8.3.3　基于OC的MISO-VLC实验　251
8.4　方形星座点叠加调制　256
8.4.1　方形几何整形的研究背景　256
8.4.2　方形几何整形的原理　257
8.4.3　SGS-8QAM UVLC系统实验研究　258
8.4.4　SGS-32QAM和SGS-128QAM UVLC系统实验研究　262
8.4.5　SGS-32QAM FSO VLC系统实验研究　270
8.4.6　SGS-64QAM和SGS-128QAM混合调制UVLC实验研究　274
8.5　PS-MISO叠加编码调制　282
8.5.1　概率星座整形及叠加编码调制技术在16QAM MISO- VLC系统中的实验研究　283
8.5.2　概率星座整形及叠加编码调制技术在32QAM MISO- VLC系统中的实验研究　288
8.6　MBNN的PAM叠加QAM实验　292
8.7　本章小结　297
参考文献　298
第9章　6G VLC的发展趋势　303
9.1　高速VLC中的新器件　304
9.2　从P2P走向MIMO　306
9.3　柔性器件　307
9.4　6G VLC的挑战与展望　308
9.5　本章小结　311
参考文献　311
名词索引　313