0 引言
       在水下发光二极管（LED）可见光通信中，海水对光信号的吸收、散射、背景噪声以及系统中的非线性效应等因素的影响会造成接收端信号的畸变[1-2]。传统的水下LED可见光通信中采用的检测方式是直接判决最小均方（DD-LMS）检测[3]，由于其判决分类线是直线，因此抗噪能力较弱，判决性能较差。而基于支持向量机（SVM）的信号检测方法能根据实时接收的信号数据自动调整判决平面，进而构建更加平滑、精确的超平面对其进行判决，降低了误判率。目前，机器学习领域的诸多方法均可用于解决通信系统中的非线性问题[4-6]，例如：神经网络通过训练接收信号数据，得到发送信号数据与接收信号数据之间的映射关系，进而恢复出接收信号[7]；将SVM用于大气中激光通信系统接收端的信号检测等[8]。针对大气湍流影响下的环境，文献[9]采用基于SVM的信号检测方法，在弱湍流条件下改善了系统的性能。因此，本文将SVM信号检测方法用于直流偏置光正交频分复用（DCO-OFDM）水下LED可见光通信系统中，以提高检测性能。

4 结束语
       本文通过对水下LED可见光通信进行实验仿真，提出了一种基于SVM的水下LED可见光通信信号检测方法，该方法独立于水下信道的统计特性，且只与信号数据有关。考虑到不同水下信道的衰减情况不同，系统分别采用SVM与DD-LMS检测方式进行判决，得到了2种检测方式下系统的BER与SNR之间的关系。通过比较两者的BER与SNR曲线图可以看出，在同一通信距离下，低SNR时，两者检测的效果相当；高SNR时，SVM检测的性能优于DD-LMS。此外，本文还仿真了不同检测方式下系统的BER与d之间的关系，相同BER下，在d小于3 m时，基于SVM检测方法的通信距离略远于DD-LMS，这对提高水下LED可见光通信距离提供了一种思路。