本文提出了一种基于神经网络的深度学习框架，用于设计具有通用调光支持的二进制调制可见光通信收发机，并发展了一种新的训练算法解决了调光限制问题。数值结果表明，该方案在各种 VLC 设置下优于理论上最佳的定重码簿。

Oct, 2019

提出了一种新的编码调制方案，采用概率信号塑形和信道编码，通过调整输入分布和传输功率进行速率适应，并使用低密度奇偶校验码实现，适用于二维正交幅度调制，可在 1 至 5 比特 / 秒 / 赫兹的任何频谱效率下操作，而只需使用 5 种模式。

Feb, 2015

该研究提出了一种利用可见光通信（VLC）与无人机（UAVs）相结合的新方法，以同时提供灵活的通信和照明。通过优化无人机位置和单元格关联以尽量降低功耗，该方法可以将总传输功率消耗降至少 53.8％。

May, 2019

本文提出了一种综合的极化编码解决方案，该方案集成了可靠性计算、速率匹配和奇偶校验编码，具有低复杂性实现和优秀的性能表现，可为未来优化极化编码提供基线。

Jan, 2018

本文引入一种新的固定长度反馈编码方案，通过糅合前作品的特点，以及引入新的随机化技术和编码 / 解码规则，能够实现离散无记忆信道的全容量，并具有接近球装填界的误差指数，以及 O（nlogn）的编码复杂度。

Nov, 2013

本文提出了一种用于低密度奇偶校验码的量化解码算法，其中，标准的最小和算法的变量节点更新规则被用信息论准则设计的查找表所替换。研究结果表明，即使使用只有 3 位消息分辨率的算法，也能比使用浮点数的最小和译码器取得更好的误码率；此外，研究了不同的译码器设计参数对译码性能的影响，如设计信噪比和查找表树结构等，并提出了一些复杂度约简技术，如查找表重用和消息字母表缩小。

Dec, 2015

该论文研究了无人机的部署优化问题，提出了一种基于深度学习模型的算法用于解决通信和照明要求下的传输功率最小化问题，在真实数据上测试表明与传统解法相比，最佳部署下可达到 22.1% 的功率降低并给出了部署和工作指导。

Sep, 2019

本文研究了使用可见光通信能力的无人机的动态部署问题，以优化 UAV 网络的能源效率。研究模型中，UAV 可以同时为服务地面用户提供通信和照明，因此需要考虑目标区域的照明分布进行 UAV 的部署优化。本文提出了结合门控循环单元（GRUs）和卷积神经网络（CNNs）的算法来解决这个问题，并取得了有效的降低总发射功率的结果。

Nov, 2019

本文提出一种针对极化码的盲检测方案，其中用户 ID 被传输替代了某些已冻结的比特。第一阶段的粗略解码可以帮助选择一个更小的子集，然后使用更强大的算法进行解码。通过引入早停准则，实现少量系统资源的同时，实现了低的漏检率和误警率以及显著的延迟优势，该方案的架构是基于可以用于两个阶段的可调解码器。

Jan, 2018

使用数据驱动方法，通过利用因子图（也称为 Tanner 图）上的学习，在信道噪声模拟下开发满足现代短码长度约束并适应新的信道模型的局部最优稀疏码，以提高信念传播解码的性能。该方法通过使用信念传播算法的新型张量表示，在有限域上利用反向传播和高效的线性搜索方法进行优化，在解码性能上比现有流行码优越数个数量级，展示了数据驱动方法在码设计中的优势。

Jun, 2024