学位论文简介
随着第五代移动通信技术(5-th generation, 5G)的商用，智能家居、智慧城市、万物互联、增强现实娱乐等高带宽、低时延、多连接的应用带来了用户对数据流量的需求增长，也对无线接入网络提出了新的挑战。然而，受限于系统的器件以及信道特性带来的衰落效应，影响系统的接收性能和可实现速率。本论文对光OFDM系统中基于旋转QAM和机器学习方法进行了深入的研究，通过信道与系统模型的仿真分析以及实验平台搭建与结果讨论，对提出的方法进行了验证和分析。主要取得了以下创新性成果：
第一，针对器件带宽受限对光OFDM高频子载波性能的影响，提出了基于旋转QAM的增强自适应方案，该方案通过将旋转QAM自适应调制后的高频子载波和低频子载波符号进行交织，减轻了子载波之间的信噪比(Signal-to-Noise Rate, SNR)的不平衡，能有效地提升高频子载波的BER性能。
第二，针对基于旋转QAM的传统解调中对信道信息的依赖，从而在信道估计不准以及信道条件变化时解调性能受损的问题，提出了改进的误差纠正的最大似然判决(Deviation Correction-based Maximum Likelihood Decision，DC-MLD)和机器学习(Machine Learning ，ML)解调方法。改进的DC-MLD可以提高接收灵敏度，机器学习解调方法可以达到与MLD近似的性能而无需CSI。
第三，针对基于旋转QAM的OFDM系统中带宽受限的问题，设计了基于旋转QAM的PAS OFDM系统，在衰落信道中进行了系统的仿真分析并搭建了实验平台进行验证，表明基于旋转QAM的PAS可以在抵抗信道衰落的同时提升系统的可实现速率。在此基础上，为了避免在旋转QAM的解调过程中对CSI的估计，提出了ANN的解调方法，在1m自由空间以及50km光纤和1m自由空间传输后，与PAS方案相比能提高接收灵敏度。
第四，为了进一步降低降低训练和测试开销的同时保证性能，提出了改进的分组ANN(Grouped-ANN，G-ANN)的均衡方法，该方法对训练集的数据进行了分组和量化处理。搭建了实验平台对G-ANN网络在不同参数设置下的性能进行了分析，选择了最优网络性能的参数。经20km光纤和1m自由空间传输后，与传统均衡和ANN均衡方法相比，能提高接收灵敏度的同时可以提升系统的可实现速率。
主要学术成果
He J, Xu L, He J, et.al. Performance comparison of different rotated QAM based DMT schemes in underwater optical wireless communication. Journal of Lightwave Technology, 2023, 41(2): 610-617. (第一作者，SCI一区，top期刊)
He J, He J. A Grouped-ANN equalizer for the rotated PS 64QAM OFDM in W-band ROF system. IEEE Photonics Technology Letter, 2024, 36(19): 1165-1168. (第一作者，SCI三区)
He J, He J, Shi J. An enhanced adaptive scheme with pairwise coding for OFDM-VLC system. IEEE Photonics Technology Letters, 2018, 30(13): 1254-1257. (导师一作，本人二作，SCI三区)
He J, Zhou Z, He J. A rotated QAM-based probabilistically shaped OFDM with ANN scheme for W-band RoF system. 2022 Optical Fiber Communications Conference and Exhibition (OFC). IEEE, 2022: 1-3. (第一作者，顶级会议，EI)
He J, He J. A rotated QAM based DMT scheme for underwater optical wireless communication system. 2021 International Conference on Optical Instruments and Technology: Optical Communication and Optical Signal Processing. SPIE, 2022, 12278: 56-62. (第一作者，Invited paper，EI)
