شناسایی کانال در ارتباطات نوری دوربین‌محور مبتنی بر صفحه‌نمایش به دوربین

1. مقدمه

ارتباطات نور مرئی (VLC) از دیودهای ساطع‌کننده نور (LED) برای انتقال بی‌سیم داده استفاده می‌کند. این مقاله بر زیرمجموعه‌ای خاص تمرکز دارد: ارتباطات نوری دوربین‌محور (OCC) با استفاده از صفحه‌نمایش گوشی‌های هوشمند به عنوان فرستنده و دوربین‌ها به عنوان گیرنده، که به آن VLC گوشی‌به‌گوشی (S2SVLC) گفته می‌شود. این پژوهش به صورت تجربی یک سیستم S2SVLC را روی یک پیوند ۲۰ سانتی‌متری نشان می‌دهد، با هدف اصلی شناسایی کانال ارتباطی و تحلیل ویژگی‌های انتشار لامبرتی صفحه‌نمایش گوشی هوشمند.

انگیزه این کار از فراگیری گوشی‌های هوشمند و نیاز به ارتباط امن دستگاه به دستگاه مبتنی بر مجاورت ناشی می‌شود که جایگزینی برای فناوری‌های مبتنی بر RF مانند NFC یا بلوتوث برای موارد استفاده خاص ارائه می‌دهد.

2. طراحی سیستم

طرح سیستم S2SVLC شامل طراحی ساده‌ای است که در عین حال مؤثر است:

• فرستنده (Tx): داده‌ها (متن/رسانه) به یک جریان باینری تبدیل می‌شوند. این جریان در یک تصویر کدگذاری می‌شود که در آن بیت‌ها شدت پیکسل را مدوله می‌کنند - معمولاً پیکسل‌های سفید برای '1' و پیکسل‌های سیاه برای '0'. این تصویر روی صفحه‌نمایش گوشی هوشمند نمایش داده می‌شود.
• گیرنده (Rx): دوربین پشت گوشی هوشمند تصویر صفحه را ثبت می‌کند. یک الگوریتم پردازش تصویر، شدت پیکسل‌ها را دوباره به جریان داده باینری رمزگشایی می‌کند.

این طراحی از سخت‌افزار موجود بهره می‌برد و نیاز به قطعات تخصصی را برطرف می‌کند که یک مزیت کلیدی برای استقرار عملی است.

3. شناسایی کانال و مرتبه لامبرتی

بخش حیاتی این مطالعه، مدل‌سازی کانال نوری است. صفحه‌نمایش گوشی هوشمند یک منبع لامبرتی کامل نیست (که نور را به طور مساوی در همه جهات تابش می‌کند). انتشار آن از یک الگوی لامبرتی تعمیم‌یافته با مرتبه n پیروی می‌کند. بهره DC کانال، H(0)، که توان نوری دریافتی را تعیین می‌کند، به صورت زیر مدل می‌شود:

$H(0) = \frac{(n+1)A}{2\pi d^2} \cos^n(\phi) \cos(\psi)$

که در آن A مساحت آشکارساز، d فاصله، \phi زاویه تابش، و \psi زاویه برخورد است. هدف آزمایش این مقاله تعیین مقدار تجربی n برای صفحه‌نمایش گوشی هوشمند خاص تحت شرایط آزمایش است، که برای محاسبه دقیق بودجه پیوند و پیش‌بینی عملکرد سیستم اساسی است.

4. تنظیمات آزمایشی و نتایج

آزمایش یک پیوند نقطه‌به‌نقطه روی فاصله ۲۰ سانتی‌متری برقرار می‌کند. گوشی هوشمند فرستنده یک الگوی آزمایشی شناخته شده را نمایش می‌دهد. دوربین گیرنده، که در یک تراز خاص ثابت شده است، تصاویر را ثبت می‌کند. با تحلیل شدت پیکسل دریافتی در زوایا یا فواصل مختلف، مرتبه لامبرتی n استخراج می‌شود.

نتایج کلیدی و توضیح نمودار: در حالی که نتایج عددی خاص در متن ارائه شده جزئیات داده نشده است، روش‌شناسی نشان می‌دهد که نتایج معمولاً به دو شکل ارائه می‌شوند:

1. نمودار مرتبه لامبرتی: نموداری که توان نوری دریافتی (یا شدت پیکسل نرمال‌شده) را بر حسب زاویه انتشار (\phi) رسم می‌کند. نقاط داده با یک منحنی $\cos^n(\phi)$ برازش داده می‌شوند. مقدار بهینه n (مثلاً n=1.8، 2.5) جهت‌داری صفحه را کمّی می‌کند - مقدار n پایین‌تر نشان‌دهنده پرتو پهن‌تر است.
2. نرخ خطای بیت (BER) در مقابل فاصله/نسبت سیگنال به نویز (SNR): یک معیار عملکرد کلیدی. نموداری نشان می‌دهد که BER با افزایش فاصله یا کاهش SNR افزایش می‌یابد. نقطه‌ای که BER از یک آستانه عبور می‌کند (مثلاً $10^{-3}$) حد عملیاتی پیوند تحت طرح مدولاسیون آزمایش شده (مثلاً کلیدزنی روشن-خاموش از طریق پیکسل‌های سفید/سیاه) را تعریف می‌کند.

محدوده پیوند ۲۰ سانتی‌متری نشان می‌دهد که مطالعه بر شرایط میدان نزدیک و SNR بالا متمرکز بوده است، که احتمالاً به BER بسیار پایین دست یافته و امکان‌سنجی اولیه را تأیید می‌کند.

5. بینش‌های کلیدی و تحلیل

6. جزئیات فنی و مدل ریاضی

مشارکت فنی اصلی، تطبیق مدل کانال VLC استاندارد برای یک منبع صفحه‌نمایش است. توان دریافتی P_r به صورت زیر داده می‌شود:

$P_r = P_t \cdot H(0) = P_t \cdot \frac{(n+1)A}{2\pi d^2} \cos^n(\phi) T_s(\psi) g(\psi) \cos(\psi)$

که در آن:

• $P_t$: توان نوری ارسالی از ناحیه صفحه.
• $T_s(\psi)$: بهره فیلتر نوری (در صورت وجود).
• $g(\psi)$: بهره متمرکزکننده نوری (لنز).
• برای یک دوربین، $A$ به اندازه پیکسل و ناحیه تصویربرداری‌شده صفحه مربوط می‌شود.

نسبت سیگنال به نویز (SNR) در گیرنده، که برای BER حیاتی است، به صورت زیر است:

$SNR = \frac{(R P_r)^2}{\sigma_{total}^2}$

که در آن $R$ پاسخگویی آشکارساز نوری است (برای یک دوربین، این شامل بازده کوانتومی پیکسل و بهره تبدیل می‌شود)، و $\sigma_{total}^2$ واریانس کل نویز است، شامل نویز شات و نویز حرارتی از مدار خوانش سنسور دوربین.

7. چارچوب تحلیل: یک مطالعه موردی

سناریو: احراز هویت پرداخت مبتنی بر مجاورت
یک کافی‌شاپ را تصور کنید که پرداخت در آن با نگه داشتن صفحه گوشی شما (که یک الگوی پویا و کدگذاری‌شده را نمایش می‌دهد) در نزدیکی دوربین تبلت فروشنده مجاز می‌شود.

کاربرد چارچوب:

1. مدل‌سازی کانال: از مرتبه لامبرتی استخراج‌شده n و مدل کانال برای محاسبه حداقل روشنایی و نسبت کنتراست پیکسل مورد نیاز روی صفحه مشتری استفاده کنید تا اطمینان حاصل شود دوربین فروشنده حتی تحت نور محیطی فروشگاه، در فاصله معمول ۱۰-۳۰ سانتی‌متری، سیگنال قابل رمزگشایی دریافت می‌کند.
2. تحلیل امنیت: محدودیت فضایی نور (مدل‌شده توسط $\cos^n(\phi)$) یک دارایی است. دوربین یک استراق‌سنج که در فاصله ۱ متری و با انحراف ۴۵ درجه از محور قرار گرفته باشد، سیگنالی دریافت می‌کند که توسط ضریب $\cos^n(45^\circ)/ (d_{eve}/d_{legit})^2$ تضعیف شده است. برای n=2 و فواصل ۰.۲ متر (مجاز) در مقابل ۱ متر (استراق‌سنج)، سیگنال استراق‌سنج حدود ۱/۵۰ قدرت سیگنال اصلی است که امنیت لایه فیزیکی ذاتی را فراهم می‌کند.
3. مبادله عملکرد: برای مقابله با نویز نور محیط، سیستم می‌تواند از زمان نوردهی طولانی‌تر روی دوربین گیرنده استفاده کند، که نرخ داده مؤثر را کاهش می‌دهد اما قابلیت اطمینان را افزایش می‌دهد. این مبادله را می‌توان با استفاده از مدل‌های SNR و BER بالا کمّی کرد.

8. کاربردها و جهت‌های آینده

آینده S2SVLC نه در بهتر عمل کردن از وای‌فای، بلکه در امکان‌پذیر کردن کاربردهای نوآورانه نهفته است:

• جفت‌سازی امن فوق‌العاده مبتنی بر مجاورت: برای راه‌اندازی دستگاه‌های اینترنت اشیا یا تراکنش‌های مالی، جایی که پیوند کوتاه و جهت‌دار یک ویژگی امنیتی است.
• مکان‌یابی و ناوبری داخلی: دوربین‌های گوشی هوشمند که نور کدگذاری‌شده از LEDهای سقف یا تابلوها را برای مکان‌یابی دقیق تا حد سانتی‌متر می‌خوانند، حوزه‌ای که به شدت توسط گروه‌هایی مانند مرکز تحقیق و توسعه LiFi در دانشگاه ادینبورگ مورد پژوهش قرار گرفته است.
• راه‌اندازی محتوای واقعیت افزوده (AR): صفحه‌نمایش‌ها در موزه‌ها یا ویترین‌های خرده‌فروشی که الگوهای داده نامرئی (از طریق مدولاسیون جزئی رنگ) ساطع می‌کنند که عینک‌های AR یا دوربین‌های گوشی برای روی هم قرار دادن محتوای دیجیتال آن را رمزگشایی می‌کنند.
• جهت‌های پژوهشی آینده:
  • فراتر از کلیدزنی روشن-خاموش (OOK): پیاده‌سازی مدولاسیون مرتبه بالاتر (مثلاً کلیدزنی تغییر رنگ) با استفاده از زیرپیکسل‌های RGB صفحه برای افزایش نرخ داده، همانطور که در مرور ادبیات اشاره شده است.
  • تکنیک‌های MIMO: استفاده از چندین ناحیه صفحه و پیکسل دوربین به عنوان کانال‌های موازی، مشابه مفهوم "MIMO بصری" که به آن ارجاع داده شده است.
  • پروتکل‌های مقاوم: توسعه استانداردهایی برای نرخ چشمک‌زدن صفحه، طرح‌های کدگذاری و همگام‌سازی که برای انسان غیرقابل تشخیص و در برابر اثرات شاتر غلتشی دوربین مقاوم باشند.

9. مراجع

1. Yokar, V. N., Le-Minh, H., Ghassemlooy, Z., & Woo, W. L. (Year). Channel characterization in screen-to-camera based optical camera communication. Conference/Journal Name.
2. Kahn, J. M., & Barry, J. R. (1997). Wireless infrared communications. Proceedings of the IEEE, 85(2), 265-298.
3. Haas, H., Yin, L., Wang, Y., & Chen, C. (2016). What is LiFi?. Journal of Lightwave Technology, 34(6), 1533-1544.
4. MIT Media Lab. (n.d.). Optical Communications. Retrieved from https://www.media.mit.edu/projects/optical-communications/overview/
5. University of Edinburgh. (n.d.). LiFi Research and Development Centre. Retrieved from https://www.lifi.eng.ed.ac.uk/
6. Song, L., & Mittal, P. (2021). Inaudible Voice Commands: The Long-Range Attack and Defense. In 30th USENIX Security Symposium (USENIX Security 21).
7. Research cited in the PDF regarding barcode/color-based S2SVLC [5-9].