《表1 灰度阈值BP神经元训练参数》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于CMOS摄像头的水下MIMO短距离可见光通信》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

（5）在各个信号源有效图像范围内分别解码。在解码步骤不采用二值化的图像，而采用灰度图像是基于2点考虑：在二值化的过程中由于背景光源的分布不均匀性会导致条码的宽度失真；在二值化的过程中图像有效区域的两侧由于光强较弱会导致信息丢失，减小了单帧图像的传输速率。根据上述步骤（1）所述，由于导光面罩及摄像头透镜的存在，条码图案的波形分布呈现抛物线型，因此为了码元宽度的准确恢复需要在解码时使用阈值曲线拟合。由于图像的光强分布为非线性函数，常规的多项式拟合运算量大且曲线偏移大，在摄像头解码过程中会造成传输延迟，为此本文提出使用BP神经元网络的最佳阈值快速拟合算法用于比较阈值的逼近。根据步骤（4），从获取的各个有效数字图像的区域（ak、bk、rk）中获取一行数字图像信息。通过前向差分获取条纹突变点确定出“亮带”的数据，并以“亮带”数据作为有效训练数据输入BP神经网络，根据数字信号的最佳接收理论，可将比较阈值设置为拟合数据大小的一半。具体的训练参数如表1所示。拟合效果如图5所示。训练后的网络输出数据与原始数据基本重合，从图5中可以看出仅有少许偏差。