Erste Demonstration der 512-Farb-Shift-Keying-Signaldemodulation mittels neuronaler Entzerrung für optische Kamera-Kommunikation

Inhaltsverzeichnis

1. Einführung & Überblick

Dieses Papier präsentiert die erste experimentelle Demonstration der 512-Farb-Shift-Keying (512-CSK)-Signalübertragung für optische Kamera-Kommunikation (OCC). Die Kernleistung ist die fehlerfreie Demodulation über eine Distanz von 4 Metern unter Verwendung eines kommerziellen Sony IMX530 CMOS-Bildsensormoduls, gepaart mit einem 50-mm-Objektiv und einem speziellen Multi-Label-Klassifikations-Neuronalen Netz (NN), das als nichtlinearer Entzerrer fungiert. Diese Arbeit erweitert die Grenzen der OCC-Datendichte erheblich und bewegt sich von zuvor demonstrierten 8-, 16- oder 32-CSK-Schemata in den Bereich der Hochordnungsmodulation mit 512 Farben (9 Bit/Symbol).

Die Forschung adressiert eine grundlegende Herausforderung in OCC: Inter-Farben-Übersprechen, verursacht durch die nicht-ideale spektrale Empfindlichkeit der Kamera-RGB-Filter, welches die übertragene CSK-Konstellation basierend auf dem CIE-1931-Farbraum verzerrt. Der vorgeschlagene neuronale Entzerrer kompensiert diese nichtlineare Verzerrung direkt aus den Rohsensordaten und umgeht so die Notwendigkeit komplexer linearer Signalverarbeitungsmodelle.

2. Technisches Framework

2.1 Empfängerkonfiguration & Aufbau

Das Empfängersystem basiert auf einem Kamerasystem von Sony Semiconductor Solutions, das in der Lage ist, 12-Bit-Roh-RGB-Daten ohne jegliche Nachbearbeitung (Demosaicing, Rauschunterdrückung, Weißabgleich) auszugeben. Diese Rohdaten sind entscheidend für eine genaue Farbwiedergabe. Das Signal wird durch ein 50-mm-Objektiv von einem 8x8-LED-Flächenarraysender (6,5 cm Panel) erfasst. Die empfangenen RGB-Werte werden zunächst unter Verwendung einer Standard-Farbraumtransformationsmatrix in CIE-1931-(x, y)-Farbwertkoordinaten umgewandelt, bevor sie in den neuronalen Entzerrer eingespeist werden.

2.2 Architektur des neuronalen Netzwerk-Entzerrers

Das Herz des Demodulationssystems ist ein Multi-Label-Neuronales Netz. Sein Zweck ist die Durchführung nichtlinearer Entzerrung, indem es die verzerrten empfangenen (x, y)-Koordinaten auf das wahrscheinlichste gesendete 9-Bit-Symbol (für 512-CSK) zurückabbildet.

• Eingabeschicht: 2 Einheiten (x, y Farbwertkoordinaten).
• Versteckte Schichten: N_h Schichten mit jeweils N_u Einheiten (spezifische Architekturdetails sind angedeutet, aber im Auszug nicht vollständig aufgeführt).
• Ausgabeschicht: M = 9 Einheiten, entsprechend den 9 Bits des 512-CSK-Symbols. Das Netzwerk wird für Multi-Label-Klassifikation trainiert.

Das Netzwerk gibt eine A-posteriori-Wahrscheinlichkeitsverteilung $p(1|x, y)$ für jedes Bit aus. Ein Log-Likelihood-Verhältnis (LLR) wird aus diesen Wahrscheinlichkeiten berechnet und anschließend von einem Low-Density-Parity-Check (LDPC)-Decoder zur finalen Fehlerkorrektur decodiert.

2.3 512-CSK-Konstellationsabbildung

Die 512 Symbole sind strategisch innerhalb des CIE-1931-Gamuts des RGB-LED-Senders platziert. Die Abbildung beginnt an der Ecke, die der blauen Primärfarbe $(x=0.1805, y=0.0722)$ entspricht, und füllt den verfügbaren Raum auf "dreieckige Weise". Dies deutet auf einen effizienten Packungsalgorithmus hin, um den euklidischen Abstand zwischen den Konstellationspunkten innerhalb des physikalischen Farbgamuts zu maximieren, was für die Minimierung der Symbolfehlerrate entscheidend ist.

3. Experimentelle Ergebnisse & Analyse

3.1 BER-Leistung vs. LED-Array-Größe

Das Experiment variierte die Anzahl der aktiven LEDs im Senderarray von 1x1 bis 8x8. Dies ändert effektiv die Lichtintensität und die Fläche, die das Signal auf dem Bildsensor einnimmt. Die Bitfehlerrate (BER)-Charakteristik wurde gegen diese Variable ausgewertet. Der erfolgreiche fehlerfreie Betrieb demonstriert die Robustheit des neuronalen Entzerrers über verschiedene empfangene Signalstärken und räumliche Profile hinweg. Die Verwendung eines vollen 8x8-Arrays bietet wahrscheinlich die beste Leistung, indem sie über mehrere Pixel mittelt und den Rauscheinfluss reduziert.

3.2 Vergleich mit früheren Arbeiten

Das Papier enthält eine zusammenfassende Abbildung (Abb. 1(c)), die diese Arbeit mit früheren OCC-CSK-Demonstrationen vergleicht. Wichtige Unterscheidungsmerkmale sind:

• Modulationsordnung: 512-CSK übertrifft bei weitem die 8-CSK [1], 16-CSK [2,3] und 32-CSK [4,5], die in früheren experimentellen Arbeiten berichtet wurden.
• Distanz: Der Betrieb über 4m ist wettbewerbsfähig, insbesondere unter Berücksichtigung der hohen Modulationsordnung. Er liegt zwischen sehr kurzen (3-4 cm) Hochordnungs-Demos und längeren (80-100 cm) Niedrigordnungs-Demos.
• Technik: Die Verwendung eines neuronalen Netzes für die direkte nichtlineare Entzerrung aus Rohsensordaten ist ein neuartiger und potenziell verallgemeinerbarer Ansatz im Vergleich zu modellbasierten linearen Kompensationstechniken.

4. Kernanalyse & Experteninterpretation

Kerneinsicht: Dieses Papier handelt nicht nur davon, eine höhere Anzahl von Farben zu erreichen; es ist ein strategischer Wechsel von der physik-zuerst-Modellierung zum daten-zuerst-Lernen bei der optischen Signalrückgewinnung. Die Autoren erkennen implizit an, dass die komplexe, nichtlineare Verzerrungspipeline in einer Kamera (Filter-Übersprechen, Sensornonlinearität, Linsenartefakte) besser durch einen universellen Funktionsapproximator (ein neuronales Netz) behandelt wird als durch ein sorgfältig abgeleitetes, aber unweigerlich unvollständiges analytisches Modell. Dies spiegelt den Wandel wider, der in anderen Bereichen wie der drahtlosen Kommunikation zu beobachten ist, wo Deep Learning zunehmend für Kanalequalisierung und Symboldetektion in komplexen, nichtlinearen Kanälen eingesetzt wird.

Logischer Ablauf: Die Logik ist überzeugend: 1) Hochordnungs-CSK wird für den Durchsatz benötigt. 2) Hochordnungs-CSK ist hochgradig empfindlich gegenüber Farbverzerrung. 3) Kamera-Farbverzerrung ist komplex und nichtlinear. 4) Daher wird ein nichtlinearer Kompensator (NN) verwendet, der end-to-end auf realen Daten trainiert wird. Die Verwendung von Rohsensordaten ist ein Meisterstreich – sie liefert dem neuronalen Netz die maximale Menge an unveränderter Information, bevor jeder Kamera-ISP (Image Signal Processor) seine eigenen, oft proprietären und nicht umkehrbaren Transformationen einführt. Dieser Ansatz erinnert an die Philosophie der modernen computergestützten Fotografie, wo Algorithmen auf Rohsensordaten arbeiten, um maximale Flexibilität zu erreichen.

Stärken & Schwächen: Die primäre Stärke ist der dramatische Sprung in der spektralen Effizienz, der experimentell validiert, was zuvor nur Simulationsgebiet war. Der neuronale Entzerrer ist elegant und leistungsstark. Die Schwäche – die vielen ML-basierten Kommunikationspapieren gemein ist – ist jedoch der "Black-Box"-Charakter. Das Papier geht nicht auf die Architektursuche des NN, die Größe der Trainingsdaten oder die Verallgemeinerungsfähigkeit auf verschiedene Kameras, Objektive oder Umgebungslichtbedingungen ein. Muss das Netzwerk für jedes neue Empfängermodell neu trainiert werden? Wie in einem wegweisenden Übersichtsartikel zu maschinellem Lernen für Kommunikation von O'Shea & Hoydis festgestellt, hängt die Praktikabilität DL-basierter Empfänger von ihrer Robustheit und Anpassungsfähigkeit an sich ändernde Bedingungen ab. Darüber hinaus deutet die Distanz von 4m, obwohl gut, immer noch auf eine Leistungs-/SNR-Begrenzung hin. Die Abhängigkeit von einem LDPC-Decoder für die finale fehlerfreie Leistung zeigt, dass die rohe Symbolfehlerrate am NN-Ausgang nicht null ist, was Fragen zur eigenständigen Leistung des Entzerrers unter niedrigerem SNR aufwirft.

Umsetzbare Erkenntnisse: Für Forscher ist der klare nächste Schritt, die Black Box zu öffnen. Untersuchen Sie NN-Architekturen (CNNs könnten räumliche Variationen über den Sensor hinweg besser handhaben), erforschen Sie Few-Shot- oder Transfer-Learning, um sich an neue Hardware anzupassen, und integrieren Sie den Entzerrer in einer ganzheitlicheren, turboähnlichen Struktur mit Vorwärtsfehlerkorrektur. Für die Industrie signalisiert diese Arbeit, dass hochdatenratige, flimmerfreie VLC mit handelsüblichen Kameras der Realität näher rückt. Die Partnerschaft mit Sony für den Sensor ist bemerkenswert; die Kommerzialisierung wird davon abhängen, eine solche neuronale Verarbeitung effizient in Kamera-ASICs einzubetten oder bereits in Smartphones vorhandene KI-Beschleuniger auf dem Gerät zu nutzen. Der zu beobachtende Standard ist IEEE 802.15.7r1 (OCC), und Beiträge wie dieser könnten seine Entwicklung direkt beeinflussen.

5. Technische Details & Mathematische Formulierung

Farbraumumwandlung: Die Transformation von empfangenen RGB-Werten (vom Rohsensor) zu CIE-1931-xy-Koordinaten wird unter Verwendung einer Standardmatrix durchgeführt, die aus den spektralen Eigenschaften des Sensors relativ zum CIE-Standardbeobachter abgeleitet ist. Das Papier liefert die spezifisch verwendete Matrix: $$ \begin{pmatrix} x \\ y \end{pmatrix} = \begin{pmatrix} 0.4124 & 0.3576 & 0.1805 \\ 0.2126 & 0.7152 & 0.0722 \end{pmatrix} \begin{pmatrix} R \\ G \\ B \end{pmatrix} $$ Dies ist eine vereinfachte lineare Transformation. In der Praxis könnte ein genaueres Modell eine nichtlineare Abbildung oder eine auf die spezifischen Farbfilter des Sensors zugeschnittene Matrix erfordern.

Neuronales Netzwerk-Ausgabe zu LLR: Das Multi-Label-NN gibt die Wahrscheinlichkeit $p_i(1|x, y)$ aus, dass das $i$-te Bit (von 9) '1' ist. Das Log-Likelihood-Verhältnis (LLR) $L_i$ für dieses Bit, das dem LDPC-Decoder zugeführt wird, wird berechnet als: $$ L_i = \log \left( \frac{p_i(1|x, y)}{1 - p_i(1|x, y)} \right) $$ Ein großer positiver LLR-Wert deutet auf hohes Vertrauen hin, dass das Bit 1 ist, ein großer negativer Wert auf hohes Vertrauen, dass es 0 ist.

6. Analyseframework & Fallbeispiel

Framework: Die "Gelernte Empfänger"-Pipeline für OCC

Diese Forschung veranschaulicht ein modernes "Gelernte Empfänger"-Designmuster, das über OCC hinaus anwendbar ist. Das Framework kann in sequentielle, optimierbare Blöcke unterteilt werden:

1. Hardwarebewusste Datenerfassung: Erfassen von Signalen am frühestmöglichen, rohesten Punkt in der Verarbeitungskette (z.B. Sensor-ROHDaten, RF-I/Q-Abtastwerte).
2. Differenzierbare Vorverarbeitung: Anwendung minimaler, notwendiger Vorverarbeitung (z.B. Farbraumumwandlung, Synchronisation) auf eine Weise, die differenzierbar ist, um den Gradientenfluss beim end-to-end-Training zu ermöglichen.
3. Neuronales Netzwerk-Kern: Einsatz eines neuronalen Netzes (MLP, CNN, Transformer) zur Durchführung der Kern-Demodulations-/Entzerrungsaufgabe. Das Netzwerk wird mit einer Verlustfunktion trainiert, die die Symbol- oder Bitfehlerrate direkt minimiert, oft unter Verwendung eines Kreuzentropieverlusts für Klassifikationsaufgaben.
4. Hybrid-Decodierung: Verbindung der weichen Ausgaben des neuronalen Netzes (Wahrscheinlichkeiten, LLRs) mit einem modernen, nicht-neuronalen Fehlerkorrektur-Decoder (wie LDPC- oder Polar-Code-Decoder). Dies kombiniert die Flexibilität des Lernens mit der bewährten Optimalität der klassischen Codierungstheorie.

Nicht-Code-Fallbeispiel: Anwendung des Frameworks auf Unterwasser-VLC

Betrachten Sie die Anwendung desselben Frameworks auf Unterwasser-Sichtlichtkommunikation (UVLC), die unter schweren Kanalschäden wie Streuung und turbulenzinduziertem Fading leidet. Ein "Gelernte Empfänger" für UVLC könnte wie folgt aufgebaut werden:

• Schritt 1: Verwenden eines Hochgeschwindigkeits-Photodetektors oder einer Kamera, die Rohintensitätssequenzen erfasst.
• Schritt 2: Vorverarbeitung zur Isolierung des Signalbereichs von Interesse und zur Durchführung grober Synchronisation.
• Schritt 3: Training eines 1D-Convolutional Neural Network (CNN) oder eines Recurrent Neural Network (RNN) wie eines LSTM auf diesen Rohsequenzdaten. Die Aufgabe des Netzwerks ist es, die zeitvariablen Kanaleffekte zu entzerren und die Symbole zurückzuabbilden. Die Trainingsdaten würden unter verschiedenen Wassertrübungs- und Turbulenzbedingungen gesammelt.
• Schritt 4: Das Netzwerk gibt weiche Entscheidungen für einen FEC-Decoder aus und ermöglicht so robuste Kommunikation in einem hochdynamischen Kanal, in dem traditionelle Kanalschätzung versagt.

7. Zukünftige Anwendungen & Forschungsrichtungen

• Smartphone-basiertes Li-Fi: Das ultimative Ziel ist die Integration dieser Technologie in Smartphones für sicheren, hochgeschwindigkeits Peer-to-Peer-Datentransfer oder Indoor-Positionierung mit Zentimeter-Genauigkeit unter Nutzung vorhandener Kamerahardware.
• Automotive V2X-Kommunikation: Nutzung von Fahrzeugscheinwerfern/Rückleuchten und Kameras für Vehicle-to-Everything (V2X)-Kommunikation, Bereitstellung eines zusätzlichen, robusten Datenlinks als Ergänzung zu RF-basiertem DSRC/C-V2X.
• AR/VR- und Metaverse-Schnittstellen: Ermöglichen von niedriglatenten, hochbandbreitigen Datenverbindungen zwischen AR-Brillen und Infrastruktur oder zwischen Geräten für synchronisierte gemeinsame Erlebnisse.
• Forschungsrichtungen:
  1. End-to-End-Gelernte Systeme: Erforschung der gemeinsamen Optimierung der Konstellationsform des Senders (über ein neuronales Netz) und des Entzerrers des Empfängers, ähnlich dem Konzept der "Autoencoder"-Kommunikation.
  2. Robustheit und Standardisierung: Entwicklung neuronaler Empfängermodelle, die robust gegenüber verschiedenen Kameramodellen, Umgebungslicht und teilweiser Verdeckung sind. Dies ist entscheidend für Standardisierungsbemühungen wie IEEE 802.15.7.
  3. Ultrahochgeschwindigkeits-OCC: Kombination von Hochordnungs-CSK mit Rolling-Shutter- oder räumlichen Modulationstechniken unter Verwendung von Hochfrequenz- oder Event-basierten Kameras, um die Gbps-Barriere zu durchbrechen.
  4. Semantische Kommunikation: Über die Bitrückgewinnung hinausgehend, Nutzung des OCC-Links zur direkten Übertragung semantischer Informationen (z.B. Objektkennungen, Kartendaten), Optimierung auf Aufgaben-Erfolg statt auf Bitfehlerrate.

8. Referenzen

1. H.-W. Chen et al., "8-CSK data transmission over 4 cm," Relevant Conference/Journal, 2019.
2. C. Zhu et al., "16-CSK over 80 cm using a quadrichromatic LED," Relevant Conference/Journal, 2016.
3. N. Murata et al., "16-digital CSK over 100 cm based on IEEE 802.15.7," Relevant Conference/Journal, 2016.
4. P. Hu et al., "Tri-LEDs based 32-CSK over 3 cm," Relevant Conference/Journal, 2019.
5. R. Singh et al., "Tri-LEDs based 32-CSK," Relevant Conference/Journal, 2014.
6. O'Shea, T., & Hoydis, J. (2017). "An Introduction to Deep Learning for the Physical Layer." IEEE Transactions on Cognitive Communications and Networking. (Externe autoritative Quelle zu ML für Kommunikation)
7. IEEE Standard for Local and Metropolitan Area Networks--Part 15.7: Short-Range Optical Wireless Communications. IEEE Std 802.15.7-2018. (Externer autoritativer Standard)
8. Commission Internationale de l'Eclairage (CIE). (1931). Commission internationale de l'éclairage proceedings, 1931. Cambridge: Cambridge University Press. (Externe autoritative Quelle für Farbwissenschaft)
9. Sony Semiconductor Solutions Corporation. IMX530 Sensor Datasheet. (Externe autoritative Hardwarequelle)
10. Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press. (Externe autoritative Quelle zu neuronalen Netzen)