第 1章 概述 001
1.1 引言 002
1.2 國際國內研究現狀 004
1.3 水下可見光通信系統(tǒng)結構 006
1.4 本章小結 007
參考文獻 008
第 2章 水下信道建?!?11
2.1 海水的吸收和散射特性 012
2.1.1 海水的固有光學特性 013
2.1.2 海水信道的光學吸收特性 013
2.1.3 海水信道的光學散射特性 020
2.1.4 海水信道的總衰減特性 024
2.2 海水信道光傳輸散射特性的蒙特卡洛模擬 025
2.2.1 海水信道中光傳輸散射效應 026
2.2.2 海水信道中光傳輸散射相位函數 027
2.2.3 海水信道中光傳輸散射特性的蒙特卡洛仿真 029
2.3 基于蒙特卡洛統(tǒng)計方法的水下傳輸時域展寬特性 033
2.3.1 光信號在水下傳輸的時域特性分析 033
2.3.2 光脈沖信號在水下傳輸的時域展寬模型 038
2.4 水下無線光通信空域光斑擴展模型分析 043
2.5 水下LED無線光信號傳輸模型及實驗分析 044
2.6 本章小結 046
參考文獻 046
第3章 LED發(fā)射光學系統(tǒng) 049
3.1 非成像光學理論基礎 050
3.1.1 非成像光學 050
3.1.2 非成像光學的發(fā)展 051
3.1.3 非成像光學系統(tǒng) 051
3.1.4 光學擴展量理論 051
3.2 非成像光學設計方法 054
3.3 LED發(fā)射準直光學設計 058
3.3.1 LED光學特性 058
3.3.2 發(fā)射準直天線設計 061
3.4 本章小結 066
參考文獻 066
第4章 LED光學接收、探測及處理系統(tǒng) 069
4.1 LED接收機結構概述 070
4.2 LED接收光學天線特性分析 070
4.2.1 菲涅耳透鏡 071
4.2.2 復合拋物面聚光器 079
4.3 高靈敏單光子探測及處理技術 083
4.3.1 高靈敏單光子探測器 083
4.3.2 單光子探測面臨的主要問題 090
4.3.3 單光子信號檢測技術 091
4.4 水密封艙體結構 092
4.5 本章小結 093
參考文獻 094
第5章 水下高速光通信調制方式 097
5.1 高速高譜效率調制的實現途徑 098
5.2 單載波調制技術 100
5.2.1 通斷鍵控 100
5.2.2 無載波幅度相位調制 102
5.3 多載波調制技術 108
5.3.1 正交頻分復用技術調制與解調原理 109
5.3.2 離散多音頻調制 117
5.3.3 DFT-S OFDM調制 118
5.3.4 水下實驗 123
5.4 幾何整形 130
5.4.1 幾何整形8-QAM 130
5.4.2 幾何整形16-QAM 133
5.4.3 應用 135
5.5 概率整形 137
5.5.1 麥克斯韋 玻爾茲曼分布 137
5.5.2 歸一化廣義互信息 139
5.5.3 概率幅度整形 140
5.5.4 實際應用 141
5.6 本章小結 145
參考文獻 145
第6章 水下光通信非線性均衡技術 147
6.1 基于Volterra級數的非線性均衡 148
6.2 基于多項式的非線性均衡 150
6.3 基于非線性自適應濾波器的水下可見光通信實驗 151
6.4 本章小結 153
參考文獻 155
第7章 水下MIMO光通信技術 157
7.1 多輸入單輸出系統(tǒng) 158
7.1.1 等概率預編碼PAM7調制的2×1 MISO水下可見光通信系統(tǒng) 158
7.1.2 利用DBSCAN的機器學習算法增強PAM7 MISO UVLC系統(tǒng)性能 163
7.2 單輸入多輸出系統(tǒng) 170
7.2.1 采用等增益合并技術集成PIN陣列的水下可見光通信系統(tǒng) 170
7.2.2 基于接收最大比合并的多PIN高速水下可見光通信系統(tǒng) 176
7.3 多輸入多輸出系統(tǒng) 183
7.3.1 基于簡化空時分組編碼技術的可見光MIMO傳輸實驗 184
7.3.2 基于雙邊帶獨立信號非線性串擾消除算法的光纖大容量傳輸實驗 188
7.3.3 疊加編碼在MIMO VLC系統(tǒng)中的技術研究 194
7.4 本章小結 200
參考文獻 201
第8章 水下可見光通信的機器學習算法 203
8.1 基于無監(jiān)督的聚類算法 204
8.1.1 K-Means算法 204
8.1.2 DBSCAN算法 212
8.1.3 高斯混合模型 219
8.2 基于有監(jiān)督的支持向量機算法 226
8.2.1 支持向量機原理 226
8.2.2 基于支持向量機的多頻帶CAP VLC系統(tǒng)相位估計新方案 227
8.2.3 基于支持向量機的車輛照明多路訪問互聯網幾何星座分類的機器學習方案 229
8.3 基于神經網絡的算法 231
8.3.1 神經網絡的原理 231
8.3.2 函數連接人工神經網絡在水下可見光通信系統(tǒng)中的應用 232
8.3.3 深度神經網絡在可見光通信系統(tǒng)信道估計中的應用 238
8.3.4 高斯核深度神經網絡在水下可見光通信系統(tǒng)中的應用 247
8.4 本章小結 259
參考文獻 259
名詞索引 265