讀後感：

今天讀了《Non-linear Compensation of Multi-CAP VLC System Employing Pre-Distortion Base on Clustering of Machine Learning》有感如下：本文主要介紹了一種基於機器學習聚類演算法以減小VLC非線性失真的系統。

前面介紹了幾種降低非線性失真的方法：1.通過控制soft-clipping引數 2.基於多種LED的連續訊號限幅方法的提出可以完整的或者有效的減少非線性失真 3.基於Volterra series的非線性濾波器能夠完整的降低WDM CAP64 VLC系統的影響 4.最近，機器學習提出了一種在光通訊中新型的技術去緩和無記憶的非線性相位噪聲和修復無限頻率載波 5.基於機器學習CAPD模型（clustering algorithm of perception decision）去緩和一個使用單個紅綠藍（RGB）LED多頻段CAP16VLC系統產生的非線性影響。

CAPD模型的缺點：通過中心點和距離決定屬性，就會造成對在兩個中心點中間特殊點的誤判。

本文針對非線性提出一個在機器學習中K均值聚類的預矯正方法。加上預矯正的表現提升了5-bandCAP16的傳輸。在通常結論中，這個系統的表現可以有效的50% ~99% BER reduction in some of the sub-band

非線性失真原因：LED、PIN二極體、傳輸動態電路和放大器。

上圖顯示圖一是正常星座圖，圖二是聚類方法，圖三是預矯正星座點 

（a）找到原始的圖心Ci（b）獲由原始星座Si獲得出發點V’i（c）計算預矯正向量Vi（d）計算預矯正星座X’

系統工作過程：在傳輸端的傳輸相位，5-band 16-QAM的訊號是由Tektronix AWG 71工作在16 Sample/symbol符號速率為320Mb/s時產生的。5 CAP sub-bands處於不同的中心頻率15 MHz, 38 MHz, 61 MHz, 84 MHz and 107 MHz。隨後，電訊號和直流偏置電壓在Bias Tee處結合，然後他們應用到REB LED的紅色限幅中。在75cm free-space傳輸之後，一個商業有價值的PIN二極體用於檢測訊號。然後，接收到的訊號由EA放大，由一個數字儲存示波器記錄，取樣率為500MSample/s，進行進一步的離線訊號處理。在離線過程中，接收到的訊號第一次傳送到5 sub-bands的CAP解調。在DSP（digital signal processing）後展示在（a），訊號由QAM解調功能進行解調，恢復原始的二進位制訊號。在主要的實驗驗證之前，一個橋t振幅硬體預均衡器和一個時域級聯多模演算法（CMMA）去執行緩和通道頻寬約束和元件線性損傷。（b）展示了傳輸光譜和接受光譜（c）展示了實驗裝置照片。

在傳輸過程中，為了去獲得預矯正星座去緩和通道非線性，我們首先估計了通道對於傳輸訓練序列和應用CMMA預收斂。通過應用聚類演算法，預矯正星座描述為（a）

結論：我們提出了一個基於機器學習中聚類演算法的新興非線性預矯正系統，去緩和VLC系統中的非線性。這個系統的非線性補償可以勝過有較低BER價值的線性補償系統。