ニューラル等化を用いた512色シフトキーイング信号復調の光カメラ通信における初の実証実験

1. 序論と概要

本論文は、光カメラ通信（OCC）における512色シフトキーイング（512-CSK）信号伝送の初の実験的実証を提示する。中核的な成果は、市販のソニーIMX530 CMOSイメージセンサモジュールと50mmレンズ、非線形等化器として機能するカスタムマルチラベル分類ニューラルネットワーク（NN）を組み合わせることで、4メートルの距離で誤りなしの復調を実現したことである。この研究は、従来実証されてきた8、16、または32-CSK方式から、512色（9ビット/シンボル）という高次変調領域へと移行し、OCCのデータ密度の限界を大幅に押し広げるものである。

本研究は、OCCにおける根本的な課題、すなわちカメラのRGBフィルターの非理想的な分光感度特性によって引き起こされ、CIE 1931色空間に基づく送信CSKコンステレーションを歪める色間クロストークに取り組む。提案するニューラル等化器は、複雑な線形信号処理モデルを必要とせず、生のセンサーデータから直接この非線形歪みを補償する。

512色

変調次数（9ビット/シンボル）

4メートル

伝送距離

誤りなし

復調を達成

8x8アレイ

LED送信パネル

2. 技術的枠組み

2.1 受信機構成とセットアップ

受信システムは、あらゆる後処理（デモザイク、ノイズ除去、ホワイトバランス）なしで12ビットの生RGBデータを出力可能なソニーセミコンダクタソリューションズのカメラシステムを中心に構築されている。この生データは正確な色回復に不可欠である。信号は、8x8 LED平面アレイ送信機（6.5 cmパネル）から50mm光学レンズを介して捕捉される。受信したRGB値は、ニューラル等化器に入力される前に、標準的な色空間変換行列を用いてCIE 1931 (x, y)色度座標に変換される。

2.2 ニューラルネットワーク等化器アーキテクチャ

復調システムの中核は、マルチラベルニューラルネットワークである。その目的は、歪んだ受信(x, y)座標を、最も可能性の高い送信9ビットシンボル（512-CSK用）にマッピングする非線形等化を実行することである。

入力層： 2ユニット（x, y色度座標）。
隠れ層： N_h層、各層N_uユニット（具体的なアーキテクチャの詳細は示唆されているが、抜粋では完全には列挙されていない）。
出力層： M = 9ユニット、512-CSKシンボルの9ビットに対応。ネットワークはマルチラベル分類のために訓練される。

ネットワークは各ビットについて事後確率分布$p(1|x, y)$を出力する。これらの確率から対数尤度比（LLR）が計算され、その後、最終的な誤り訂正のために低密度パリティ検査（LDPC）デコーダによって復号される。

2.3 512-CSKコンステレーションマッピング

512のシンボルは、RGB-LED送信機のCIE 1931色域内に戦略的に配置される。マッピングは、青色原色に対応する頂点$(x=0.1805, y=0.0722)$から始まり、利用可能な空間を「三角形状に」埋めていく。これは、物理的な色域内でコンステレーションポイント間のユークリッド距離を最大化し、シンボル誤り率を最小化するために重要な、効率的なパッキングアルゴリズムを示唆している。

3. 実験結果と分析

3.1 LEDアレイサイズに対するBER性能

実験では、送信アレイ内のアクティブなLEDの数を1x1から8x8まで変化させた。これは実質的に光強度とイメージセンサ上の信号が占める面積を変化させる。ビット誤り率（BER）特性がこの変数に対して評価された。成功した誤りなし動作は、異なる受信信号強度と空間プロファイルにわたるニューラル等化器の堅牢性を示している。完全な8x8アレイの使用は、複数のピクセルにわたって平均化し、ノイズの影響を低減することで、おそらく最高の性能を提供する。

3.2 先行研究との比較

本論文には、この研究と以前のOCC-CSK実証を比較する要約図（図1(c)）が含まれている。主な相違点は以下の通りである：

変調次数： 512-CSKは、先行する実験的研究で報告されている8-CSK [1]、16-CSK [2,3]、32-CSK [4,5]を大幅に上回る。
距離： 4mでの動作は、特に高次変調を考慮すると競争力がある。超短距離（3-4 cm）の高次実証と、より長距離（80-100 cm）の低次実証の中間に位置する。
技術： 生のセンサーデータから直接非線形等化を行うためのニューラルネットワークの使用は、モデルベースの線形補償技術と比較して、新規で潜在的に一般化可能性の高いアプローチである。

4. 核心的分析と専門的解釈

核心的洞察： 本論文は単に色数を増やすことではなく、光信号回復における「物理ファースト」のモデリングから「データファースト」の学習への戦略的転換を示している。著者らは暗黙のうちに、カメラ内の複雑で非線形な歪みパイプライン（フィルタークロストーク、センサーの非線形性、レンズのアーティファクト）は、緻密に導出されたが必然的に不完全な解析モデルよりも、普遍的な関数近似器（ニューラルネットワーク）によってより良く扱えることを認めている。これは、複雑で非線形なチャネルにおけるチャネル等化やシンボル検出に深層学習がますます使用されている無線通信などの他の分野で見られる転換と同様である。

論理的流れ： 論理は説得力がある：1）スループットのために高次CSKが必要。2）高次CSKは色歪みに非常に敏感。3）カメラの色歪みは複雑で非線形。4）したがって、実データでエンドツーエンドに訓練された非線形補償器（NN）を使用する。生のセンサーデータの使用は妙案であり、カメラのISP（イメージシグナルプロセッサ）が独自の（しばしばプロプライエタリで不可逆な）変換を導入する前に、ニューラルネットワークに最大量の未加工情報を提供する。このアプローチは、アルゴリズムが最大の柔軟性のために生のセンサーデータで動作する現代の計算写真学の哲学を彷彿とさせる。

長所と欠点： 主な長所は、スペクトル効率の劇的な向上であり、以前はシミュレーションのみの領域であったものを実験的に検証したことである。ニューラル等化器は優雅で強力である。しかし、多くのMLベースの通信論文に共通する欠点は、「ブラックボックス」的な性質である。本論文は、NNのアーキテクチャ探索、訓練データサイズ、異なるカメラ、レンズ、環境光条件への一般化能力については深く掘り下げていない。ネットワークは新しい受信機モデルごとに再訓練が必要になるのか？O'Shea & Hoydisによる通信のための機械学習に関する画期的なレビューで指摘されているように、DLベース受信機の実用性は、変化する条件に対する堅牢性と適応性にかかっている。さらに、4mの距離は良好ではあるが、依然として電力/SNRの制限を示唆している。最終的な誤りなし性能のためにLDPCデコーダに依存していることは、NN出力における生のシンボル誤り率がゼロではないことを示しており、より低いSNR下での等化器単体の性能について疑問を投げかけている。

実践的洞察： 研究者にとって、明確な次のステップはブラックボックスを開くことである。NNアーキテクチャ（CNNはセンサー全体の空間変動をより良く扱えるかもしれない）を調査し、新しいハードウェアに適応させるためのFew-shot学習や転移学習を探求し、等化器と前方誤り訂正をより包括的なターボ様構造に統合する。産業界にとって、この研究は、民生品カメラを使用した高データレートでフリッカーフリーなVLCが現実に近づいていることを示す信号である。センサーに関するソニーとの提携は注目に値する。商用化は、このようなニューラル処理をカメラのASICに効率的に組み込むか、スマートフォンに既に存在するオンデバイスAIアクセラレータを活用することにかかっている。注目すべき標準はIEEE 802.15.7r1（OCC）であり、このような貢献はその進化に直接影響を与える可能性がある。

5. 技術的詳細と数式定式化

色空間変換： 受信したRGB値（生センサーから）からCIE 1931 xy座標への変換は、CIE標準観測者に対するセンサーの分光特性から導出された標準行列を使用して実行される。本論文は使用された特定の行列を提供している： $$ \begin{pmatrix} x \\ y \end{pmatrix} = \begin{pmatrix} 0.4124 & 0.3576 & 0.1805 \\ 0.2126 & 0.7152 & 0.0722 \end{pmatrix} \begin{pmatrix} R \\ G \\ B \end{pmatrix} $$ これは簡略化された線形変換である。実際には、より正確なモデルには非線形マッピングや特定のセンサーのカラーフィルターに合わせた行列が必要になるかもしれない。

ニューラルネットワーク出力からLLRへ： マルチラベルNNは、9ビット中の$i$番目のビットが'1'である確率$p_i(1|x, y)$を出力する。LDPCデコーダに供給されるそのビットの対数尤度比（LLR）$L_i$は、次のように計算される： $$ L_i = \log \left( \frac{p_i(1|x, y)}{1 - p_i(1|x, y)} \right) $$ 大きな正のLLRはビットが1であるという高い確信度を示し、大きな負の値はビットが0であるという高い確信度を示す。

6. 分析フレームワークと事例

フレームワーク：OCCのための「学習済み受信機」パイプライン

この研究は、OCCを超えて適用可能な現代的な「学習済み受信機」設計パターンの典型例である。このフレームワークは、順次的な、最適化可能なブロックに分解できる：

ハードウェアを意識したデータ取得： 処理チェーンの中で最も早い、最も生の時点で信号を捕捉する（例：センサーRAWデータ、RF I/Qサンプル）。
微分可能な前処理： エンドツーエンド訓練の場合に勾配の流れを可能にするように、最小限の必要な前処理（例：色空間変換、同期）を適用する。
ニューラルネットワーク中核部： 中核的な復調/等化タスクを実行するためにニューラルネットワーク（MLP、CNN、Transformer）を採用する。ネットワークは、シンボルまたはビット誤り率を直接最小化する損失関数で訓練され、分類タスクにはしばしば交差エントロピー損失が使用される。
ハイブリッド復号： ニューラルネットワークのソフト出力（確率、LLR）を、最先端の非ニューラル誤り訂正デコーダ（LDPCやポーラー符号デコーダなど）とインターフェースする。これにより、学習の柔軟性と古典的な符号理論の実証済みの最適性が組み合わされる。

非コード事例：水中VLCへのフレームワーク適用

この同じフレームワークを、散乱や乱流によるフェージングなどの深刻なチャネル障害に悩まされる水中可視光通信（UVLC）に適用することを考える。UVLCのための「学習済み受信機」は以下のように構築できる：

ステップ1： 生の強度シーケンスを捕捉する高速フォトダイオードまたはカメラを使用する。
ステップ2： 信号の関心領域を分離し、粗い同期を実行する前処理を行う。
ステップ3： この生のシーケンスデータに対して、1次元畳み込みニューラルネットワーク（CNN）またはLSTMのようなリカレントニューラルネットワーク（RNN）を訓練する。ネットワークのタスクは、時間変化するチャネル効果を等化し、シンボルをデマップすることである。訓練データは、様々な水の濁度と乱流条件下で収集される。
ステップ4： ネットワークはFECデコーダのためのソフト判定を出力し、従来のチャネル推定が失敗する高度に動的なチャネルにおける堅牢な通信を可能にする。

7. 将来の応用と研究の方向性

スマートフォンベースのLi-Fi： 最終的な目標は、この技術をスマートフォンに統合し、既存のカメラハードウェアを活用して、安全で高速なピアツーピアデータ転送やセンチメートルレベルの精度での屋内測位を実現することである。
自動車V2X通信： 車両のヘッドライト/テールライトとカメラを使用したVehicle-to-Everything（V2X）通信により、RFベースのDSRC/C-V2Xを補完する追加の堅牢なデータリンクを提供する。
AR/VRおよびメタバースインターフェース： ARグラスとインフラストラクチャ間、または同期された共有体験のためのデバイス間の低遅延、高帯域幅データリンクを可能にする。
研究の方向性：
1. エンドツーエンド学習システム： 「オートエンコーダ」通信の概念と同様に、送信機のコンステレーション形状（ニューラルネットワーク経由）と受信機の等化器の共同最適化を探求する。
2. 堅牢性と標準化： 様々なカメラモデル、環境光、部分的な遮蔽に対して堅牢なニューラル受信機モデルを開発する。これはIEEE 802.15.7のような標準化活動にとって重要である。
3. 超高速OCC： 高次CSKと、高フレームレートカメラまたはイベントベースカメラを使用したローリングシャッターや空間変調技術を組み合わせて、Gbpsの壁を突破する。
4. セマンティック通信： ビット回復を超えて、OCCリンクを使用してセマンティック情報（例：オブジェクト識別子、マップデータ）を直接送信し、ビット誤り率ではなくタスクの成功のために最適化する。

8. 参考文献

H.-W. Chen et al., "8-CSK data transmission over 4 cm," Relevant Conference/Journal, 2019.
C. Zhu et al., "16-CSK over 80 cm using a quadrichromatic LED," Relevant Conference/Journal, 2016.
N. Murata et al., "16-digital CSK over 100 cm based on IEEE 802.15.7," Relevant Conference/Journal, 2016.
P. Hu et al., "Tri-LEDs based 32-CSK over 3 cm," Relevant Conference/Journal, 2019.
R. Singh et al., "Tri-LEDs based 32-CSK," Relevant Conference/Journal, 2014.
O'Shea, T., & Hoydis, J. (2017). "An Introduction to Deep Learning for the Physical Layer." IEEE Transactions on Cognitive Communications and Networking. （通信のためのMLに関する外部権威ある情報源）
IEEE Standard for Local and Metropolitan Area Networks--Part 15.7: Short-Range Optical Wireless Communications. IEEE Std 802.15.7-2018. （外部権威ある標準）
Commission Internationale de l'Eclairage (CIE). (1931). Commission internationale de l'éclairage proceedings, 1931. Cambridge: Cambridge University Press. （色彩科学の外部権威ある情報源）
Sony Semiconductor Solutions Corporation. IMX530 Sensor Datasheet. （外部権威あるハードウェア情報源）
Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press. （ニューラルネットワークに関する外部権威ある情報源）

目次