1. Einleitung

Diese Arbeit untersucht ein Non-Orthogonal Multiple Access (NOMA) Visible Light Communication (VLC)-System, das durch Winkel-Diversity-Empfänger (ADRs) verbessert wird. Die primäre Herausforderung, die adressiert wird, ist die Begrenzung konventioneller VLC-Systeme bei der Bereitstellung hoher Datenraten aufgrund von Faktoren wie Intersymbolinterferenz (ISI) und Gleichkanalinterferenz (CCI). Das vorgeschlagene System kombiniert die spektrale Effizienz von NOMA mit den Interferenzunterdrückungs- und Signalerfassungsfähigkeiten eines 4-Zweig-ADRs, mit dem Ziel, die Nutzerdatenraten in einer Innenraumumgebung zu maximieren.

2. Systemmodell

Das System wird in einem leeren Raum von 8m × 4m × 3m modelliert. Der optische Kanal berücksichtigt Reflexionen von Wänden und Decken, die als Lambert'sche Reflektoren mit einem Reflexionskoeffizienten (ρ) von 0,8 modelliert sind. Raytracing wird eingesetzt, um die Mehrwegeausbreitung der Lichtsignale zu simulieren.

2.1 Raum- und Kanalmodellierung

Die Impulsantwort des Innenraumkanals wird unter Berücksichtigung sowohl der Sichtverbindung (LOS) als auch der diffusen (reflektierten) Komponenten berechnet. Reflektierende Oberflächen werden in kleine Flächenelemente der Größe dA unterteilt. Der Gleichstrom-Kanalgewinn für einen Empfänger mit Detektorfläche $A_{pd}$ und Gewinn $T_s(\psi)$ ist gegeben durch:

$H(0) = \frac{(m+1)A_{pd}}{2\pi d^2} \cos^m(\phi) T_s(\psi) g(\psi) \cos(\psi)$ für $0 \le \psi \le \Psi_c$

wobei $m$ die Lambert'sche Ordnung, $d$ die Entfernung, $\phi$ der Bestrahlungswinkel, $\psi$ der Einfallswinkel und $\Psi_c$ das Sichtfeld (FOV) des Empfängers ist.

2.2 Winkel-Diversity-Empfänger (ADR) Design

Der ADR besteht aus vier Photodetektoren mit engem FOV, die jeweils in eine andere Richtung ausgerichtet sind (z.B. zu Raumecken oder bestimmten Zugangspunkten). Dieses Design ermöglicht es dem Empfänger, den Zweig mit dem stärksten Signal-Rausch-Verhältnis (SNR) auszuwählen oder Signale zu kombinieren, wodurch die Auswirkungen von Umgebungslicht, Mehrwegeausbreitung und Gleichkanalinterferenz effektiv reduziert werden.

2.3 NOMA-Prinzip und Leistungszuweisung

NOMA funktioniert durch Überlagerung der Signale mehrerer Nutzer im Leistungsbereich am Sender. Am Empfänger wird Successive Interference Cancellation (SIC) zum Decodieren der Signale verwendet. Die Leistung wird umgekehrt zum Kanalgewinn zugewiesen: Nutzer mit besseren Kanalbedingungen (stärkere Signale) erhalten weniger Leistung, während Nutzer mit schlechteren Bedingungen mehr Leistung erhalten, um Fairness zu gewährleisten. Die erreichbare Rate für Nutzer $i$ ist:

$R_i = B \log_2 \left(1 + \frac{P_i |h_i|^2}{\sum_{j>i} P_j |h_i|^2 + \sigma^2}\right)$

wobei $B$ die Bandbreite, $P_i$ die dem Nutzer $i$ zugewiesene Leistung, $h_i$ der Kanalgewinn und $\sigma^2$ die Rauschvarianz ist.

3. Simulationsergebnisse & Diskussion

Die Leistung des NOMA-VLC-Systems mit ADR wird mit einem Referenzsystem verglichen, das einen einzelnen Weitwinkel-FOV-Empfänger verwendet.

3.1 Leistungsvergleich: ADR vs. Weitwinkel-FOV

Die zentrale Erkenntnis ist, dass das ADR-basierte System eine durchschnittliche Datenratensteigerung von 35% gegenüber dem Weitwinkel-FOV-Empfängersystem erzielt. Dieser Gewinn wird der Fähigkeit des ADR zugeschrieben, selektiv stärkere, weniger verzerrte Signale zu erfassen und störende Komponenten von anderen Sendern oder Reflexionen abzuweisen.

3.2 Datenratenanalyse und -optimierung

Die Simulationen umfassen die Optimierung der Ressourcen- (Leistungs-)Zuweisung unter den Nutzern basierend auf ihren momentanen Kanalbedingungen, die sich aus den ADR-Zweigauswahlen ergeben. Die Optimierung zielt darauf ab, die Gesamtdatenrate zu maximieren und gleichzeitig die Nutzerfairness beizubehalten, gemäß dem früheren Ansatz der Autoren [36]. Die Ergebnisse zeigen, dass die Kombination aus adaptiver Zweigauswahl und NOMA-Leistungszuweisung die spektrale Effizienz signifikant steigert.

Wesentliche Leistungskennzahl

35% durchschnittlicher Datenratengewinn, erzielt durch das ADR-basierte NOMA-VLC-System im Vergleich zu einem Weitwinkel-FOV-Empfänger als Referenz.

4. Schlussfolgerung

Die Arbeit kommt zu dem Schluss, dass die Integration von Winkel-Diversity-Empfängern mit NOMA in VLC-Systemen eine hochwirksame Strategie zur Überwindung zentraler Limitierungen wie Interferenz und begrenzter Bandbreite ist. Der 4-Zweig-ADR erzielt erhebliche Gewinne bei der Datenrate durch Verbesserung der Signalqualität und Ermöglichung einer effizienteren Mehrnutzer-Leistungszuweisung via NOMA. Diese Arbeit bestätigt das Potenzial fortschrittlicher Empfängerkonzepte in Kombination mit nicht-orthogonalem Multiplexing für optische Drahtlosnetze der nächsten Generation.

5. Zentrale Analystenerkenntnis

Kernaussage: Diese Arbeit handelt nicht nur von einer marginalen Verbesserung; es ist eine strategische Neuausrichtung. Sie identifiziert korrekt, dass der Engpass für dichte, hochkapazitive VLC nicht nur der Sender ist (wo sich die meiste Forschung konzentriert, z.B. auf µLEDs oder Laserdioden), sondern entscheidend die Fähigkeit des Empfängers, Signale in einer rauschbehafteten, mehrwegebehafteten Umgebung zu unterscheiden. Der 35%ige Gewinn durch einen relativ einfachen 4-Zweig-ADR ist ein deutlicher Beleg für diese oft übersehene Dimension.

Logischer Ablauf: Die Argumentation ist schlüssig: 1) VLC leidet unter Interferenz (CCI/ISI), 2) ADRs mildern Interferenz durch räumliche Filterung, 3) sauberere Signale ermöglichen aggressiveres Multiplexing (NOMA), 4) NOMAs Multiplexing im Leistungsbereich steigert die spektrale Effizienz. Die Simulation in einem standardisierten Raummodell (ähnlich denen der IEEE 802.15.7r1 Task Group) liefert eine glaubwürdige Validierung.

Stärken & Schwächen: Die Stärke liegt in der pragmatischen Kombination zweier ausgereifter Konzepte (Diversity-Empfang und NOMA) für einen klaren, quantifizierbaren Gewinn. Die Methodik ist robust. Die Schwäche liegt jedoch in der Einfachheit des ADR-Modells. Reale ADRs sehen sich Herausforderungen wie Zweigkorrelation, erhöhter Hardwarekomplexität und der Notwendigkeit schneller, stromsparender Zweigauswahlalgorithmen gegenüber – Probleme, die nur angedeutet werden. Verglichen mit Spitzenforschung zu adaptiver Optik oder MIMO-basierter VLC mit bildgebenden Empfängern (wie in Arbeiten des MIT Media Lab oder des UC Berkeley BWRC zu sehen) ist dieser Ansatz unmittelbarer einsetzbar, könnte aber eine niedrigere ultimative Kapazitätsgrenze haben.

Umsetzbare Erkenntnisse: Für Praktiker in der Industrie ist diese Arbeit ein Freibrief, in Innovation auf der Empfängerseite zu investieren. Produktmanager für Li-Fi oder industrielle VLC-Systeme sollten die Integration von Mehrelementen-Empfängern priorisieren. Für Forscher sind die nächsten Schritte klar: 1) Untersuchung von maschinellem Lernen für dynamische, optimale ADR-Zweigauswahl und NOMA-Nutzerpaarung. 2) Erforschung der Integration mit Wellenlängenmultiplex (WDM) für multiplikative Gewinne. 3) Durchführung von Tests in realer Umgebung mit mobilen Nutzern zur Validierung der dynamischen Leistung. Die Vernachlässigung von Empfängerdiversität in zukünftigen VLC-Standards wäre ein erhebliches Versäumnis.

6. Technische Details & Mathematische Formulierung

Der zentrale technische Beitrag ist die gemeinsame Optimierung von ADR-Zweigauswahl und NOMA-Leistungszuweisung. Das am $k$-ten Zweig des ADR für Nutzer $i$ empfangene Signal ist:

$y_{i,k} = h_{i,k} \sum_{u=1}^{U} \sqrt{P_u} x_u + n_{i,k}$

wobei $h_{i,k}$ der Kanalgewinn vom Sender zum $k$-ten Zweig für Nutzer $i$ ist, $P_u$ die dem Signal $x_u$ des Nutzers $u$ zugewiesene Leistung und $n_{i,k}$ additives weißes Gaußsches Rauschen. Der Empfänger wählt für jeden Nutzer oder Decodierschritt den Zweig $k^*$ aus, der den effektiven SNR maximiert. Der SIC-Prozess bei einem Nutzer mit Kanalgewinn $|h_i|^2$ decodiert Signale in der Reihenfolge steigenden Kanalgewinns. Die Leistungszuweisungskoeffizienten $\alpha_i$ (wobei $\sum \alpha_i = 1$ und $\alpha_i < \alpha_j$ wenn $|h_i|^2 > |h_j|^2$) werden optimiert, um die Summenrate $\sum R_i$ unter einer Gesamtleistungsbeschränkung $P_T$ zu maximieren.

7. Experimentelle Ergebnisse & Diagrammbeschreibung

Obwohl die Arbeit simulationsbasiert ist, können die beschriebenen Ergebnisse durch zentrale Diagramme visualisiert werden:

  • Diagramm 1: Summenrate vs. Sendeleistung: Dieses Diagramm würde zwei Kurven zeigen, eine für das ADR-NOMA-System und eine für die Weitwinkel-FOV-NOMA-Referenz. Beide Kurven würden mit der Leistung ansteigen, aber die ADR-Kurve würde eine steilere Steigung und ein höheres Plateau zeigen und so den durchschnittlichen 35%igen Gewinn über den gesamten Leistungsbereich deutlich veranschaulichen.
  • Diagramm 2: Nutzerratenverteilung: Ein Balkendiagramm oder eine CDF, die die von einzelnen Nutzern im Raum erreichten Datenraten zeigt. Das ADR-System würde eine engere, höhere Verteilung zeigen, was auf einen konsistenteren und verbesserten Service für Nutzer an verschiedenen Standorten hindeutet (insbesondere in der Nähe von Wänden oder in Ecken, wo Weitwinkel-FOV-Empfänger unter Mehrwegeausbreitung leiden).
  • Diagramm 3: Zweigauswahlhäufigkeit: Eine Heatmap auf dem Raumboden, die anzeigt, wie oft jeder der vier ADR-Zweige als „bester“ Zweig ausgewählt wird. Dies würde die adaptive Natur des ADR visuell demonstrieren, wobei in verschiedenen Raumregionen unterschiedliche Zweige optimal sind.

8. Analyseframework: Eine Fallstudie

Szenario: Entwurf eines VLC-Netzwerks für ein Großraumbüro mit 20 Arbeitsplätzen.

Framework-Anwendung:

  1. Problemzerlegung: Trennen Sie die Verbindungsbudgetanalyse in: (a) Sendeleistung & Modulation, (b) Kanaldämpfung & Impulsantwort (unter Verwendung von Raytracing), (c) Empfängerempfindlichkeit & Sichtfeld.
  2. ADR-Nutzenquantifizierung: Simulieren Sie für jeden Arbeitsplatzstandort die empfangene Signalstärke und die Verzögerungsstreuung mit einem Weitwinkel-FOV-Empfänger und dem 4-Zweig-ADR. Berechnen Sie die potenzielle SNR-Verbesserung und ISI-Reduktion, die sich aus der Fähigkeit des ADR ergibt, spät eintreffende Reflexionen abzuweisen.
  3. NOMA-Nutzergruppierung: Gruppieren Sie Nutzer basierend auf ihrer Kanalgewinn-Disparität in NOMA-Paare/Gruppen, die nun aufgrund der saubereren Kanalschätzungen des ADR ausgeprägter und zuverlässiger ist.
  4. Systemweite Simulation: Führen Sie eine Monte-Carlo-Simulation durch, bei der Nutzeraktivität und Datenanforderungen variieren. Vergleichen Sie den gesamten Netzwerkdurchsatz und die Nutzerrate am 5. Perzentil (eine Fairness-Metrik) für das ADR-NOMA-System mit einem traditionellen OFDMA-VLC-System mit Weitwinkel-FOV-Empfängern.
Dieses Framework ermöglicht es einem Netzwerkdesigner, systematisch die Kosten-Nutzen-Relation des Einsatzes komplexerer ADR-Hardware gegenüber den versprochenen Kapazitätsgewinnen zu bewerten.

9. Zukünftige Anwendungen & Forschungsrichtungen

  • 6G Li-Fi Backhaul/Downlink: ADR-NOMA-VLC ist ein Hauptkandidat für hochdichten Downlink in zukünftigen 6G-Netzen, ergänzend zu Funk in Stadien, Flughäfen und Fabriken. Seine Unempfindlichkeit gegenüber Funkinterferenz ist ein Schlüsselvorteil.
  • Ultrazuverlässiges industrielles IoT: In automatisierten Lagern oder Fertigungsstraßen, wo niedrige Latenz und Zuverlässigkeit kritisch sind, können ADRs robuste Verbindungen für Maschine-zu-Maschine-Kommunikation bereitstellen, wobei NOMA die massive Sensorvernetzung unterstützt.
  • Unterwasseroptische Kommunikation: Die Streuumgebung unter Wasser ist analog zu einem schweren Mehrwegeszenario. ADRs könnten Reichweite und Zuverlässigkeit von Blau/Grün-Laser-Kommunikation für autonome Unterwasserfahrzeuge signifikant verbessern.
  • Forschungsrichtungen:
    • Intelligente ADRs: Einsatz von mikro-elektromechanischen Systemen (MEMS) oder flüssigkristallbasierter Strahlführung für kontinuierliche, fein abgestufte Winkeljustierung anstelle fester Zweige.
    • Cross-Layer-Optimierung: Gemeinsame Optimierung der physischen Schicht (ADR-Auswahl) mit der Medienzugriffssteuerung (MAC) und NOMA-Nutzerclustering.
    • Hybride RF/VLC-Systeme: Untersuchung, wie ADR-NOMA-VLC nahtlos mit mmWave- oder Sub-6-GHz-Funk in einem heterogenen Netzwerk integriert werden kann, mit intelligenter Lastverteilung.

10. Referenzen

  1. Z. Ghassemlooy, W. Popoola, S. Rajbhandari, Optical Wireless Communications: System and Channel Modelling with MATLAB®, CRC Press, 2019. (Autorität zur VLC-Kanalmodellierung)
  2. L. Yin, et al., "Non-orthogonal multiple access for visible light communications," IEEE Photonics Technology Letters, vol. 28, no. 1, 2016. (Grundlagenarbeit zu NOMA-VLC)
  3. J. M. Kahn, J. R. Barry, "Wireless infrared communications," Proceedings of the IEEE, vol. 85, no. 2, 1997. (Grundlegendes Review)
  4. T. Fath, H. Haas, "Performance comparison of MIMO techniques for optical wireless communications in indoor environments," IEEE Transactions on Communications, vol. 61, no. 2, 2013. (Behandelt Diversity-Techniken)
  5. IEEE Standard for Local and Metropolitan Area Networks–Part 15.7: Short-Range Optical Wireless Communications, IEEE Std 802.15.7-2018. (Relevanter Standard)
  6. M. O. I. Musa, et al., "Resource Allocation in Visible Light Communication Systems," Journal of Lightwave Technology, 2022. (Vorherige Arbeit der Autoren, Ref [36])
  7. PureLiFi. "Li-Fi Technology." https://purelifi.com/ (Branchenführer in der VLC-Kommerzialisierung)
  8. Z. Wang, et al., "Angle diversity receiver for MIMO visible light communications," Optics Express, vol. 26, no. 10, 2018. (Spezifische ADR-Implementierungsstudie)