Optik kamera iletişimlerinde görüş hattı olmayan veriler için derin öğrenme yaklaşımı

Optik kamera iletişimi (OCC) alanında, yansımalar ve kötü aydınlatma nedeniyle, doğrusal olmayan görüş (NLOS) durumlarından veriyi doğru bir şekilde çıkarmak zordur. Bu zorlu durumu aşmak için derin öğrenme yardımıyla veri içeren görseller bit seviyesinde bölütlendi. Farklı aydınlatma ve yansımaları içeren verilerle özelleştirilmiş bir Unet-merkezli evrişimli sinir ağı eğitildi. OCC'nin zorluklarını tam anlamıyla analiz etmek için daha geniş kapsamlı akademik araştırmaların ön analizi tamamlandı. Bunun ardından, OCC alanında derin öğrenmenin üstesinden gelmesi gereken zorluklar hakkında tartışıldı. Derin öğrenme segmentasyonuyla NLOS OCC durumunda çözülen bit sayısını nasıl artıracağınıza dair literatürde yeterli bilgi olmadığı için bu çalışma gerçekleştirildi. Farklı NLOS OCC senaryolarından oluşan büyük bir veri koleksiyonu geliştirildi. Bu geniş veri koleksiyonunun dahil edilmesiyle modelin sorunları çözme ve genelleme yapma yeteneği iyileştirildi. Bulgular, bu özel durumda, derin öğrenme modelinin geleneksel eşikleme tekniğinden daha iyi performans gösterdiğini ortaya koydu.