Методы подавления шума в системах цифровой связи с использованием видимого света (ЦСВС)

Содержание

1. Введение

Связь с использованием видимого света (СВС) стала перспективной дополнительной технологией к системам на основе радиочастот, использующей повсеместную осветительную инфраструктуру для передачи данных. Цифровая СВС (ЦСВС) использует такие схемы модуляции, как OOK и PPM. Однако её производительность серьёзно ограничивается оптическим шумом от источников окружающего света (например, люминесцентных ламп), что приводит к искажению формы сигнала и увеличению коэффициента битовых ошибок (BER). Данная статья из IJCNC Том.18, №1 (2026) за авторством Уэмуры и Хамано решает эту критическую проблему, предлагая и оценивая два различных метода подавления шума.

2. Связь с использованием видимого света (СВС)

СВС работает в видимом спектре 380-780 нм. Белые светодиоды являются распространёнными передатчиками. При цифровой импульсной модуляции (например, OOK) состояние «ВКЛ» света представляет двоичную единицу (HIGH), а «ВЫКЛ» — ноль (LOW). Данные передаются в виде последовательности таких временных интервалов. Приёмник обычно применяет пороговое напряжение для различения состояний.

3. Проблемы шума в системах СВС

Оптический шум, наложенный на сигнал СВС, может вызывать некорректное определение символов в процессе порогового детектирования на приёмнике, снижая надёжность связи.

3.1 Периодический шум (помехи от сети переменного тока)

Этот шум возникает от источников окружающего света, питающихся от сети переменного тока (например, люминесцентных ламп). Его частота привязана к местной электросети (50/60 Гц). В данном исследовании эксперименты проводились в условиях 60 Гц (Западная Япония). Форма шумового сигнала имеет предсказуемый, периодический характер.

3.2 Непериодический шум

Эта категория включает непредсказуемый шум из различных источников, не имеющий фиксированной периодической структуры, что делает его более сложным для подавления простыми синхронными методами.

4. Предлагаемый метод 1: Вычитание периодического шума

Этот метод направлен на борьбу с периодическими помехами от ламп, питающихся от сети переменного тока.

4.1 Принцип и реализация

Основная идея заключается в выборке одного полного цикла шумового сигнала (в течение известного периода молчания или путём оценки). Этот записанный профиль шума, $n_{sample}(t)$, затем вычитается из принимаемого сигнала $r(t)$, который содержит как полезный сигнал $s(t)$, так и шум $n(t)$: $r(t) = s(t) + n(t)$. Очищенный сигнал аппроксимируется как: $s_{cleaned}(t) \approx r(t) - n_{sample}(t)$.

4.2 Технические детали и математическая формулировка

Эффективность зависит от точной синхронизации с периодом шума $T_{noise}$ (например, 1/60 с). Вычитание выполняется в цифровой области после аналого-цифрового преобразования (АЦП). Ключевой проблемой является фазовая синхронизация; небольшая фазовая ошибка $\phi$ может привести к остаточному шуму: $n_{residual}(t) = n(t) - n_{sample}(t - \phi)$.

5. Предлагаемый метод 2: Адаптивная компенсация шума в реальном времени по аналогии с ANC

Вдохновлённый акустической активной компенсацией шума (ANC), этот метод справляется как с периодическим, так и с непериодическим шумом.

5.1 Архитектура системы

Система включает вспомогательный фотодетектор, стратегически размещённый для захвата преимущественно компоненты окружающего шума $n(t)$, минимизируя приём целевого сигнала СВС $s(t)$. Это обеспечивает опорный шумовой сигнал.

5.2 Конструкция схемы вычитания

Аналоговая схема вычитания (например, на основе дифференциального усилителя) получает два входа: основной сигнал $r(t) = s(t) + n(t)$ и опорный шум $n_{ref}(t) \approx n(t)$. Схема выводит: $s_{cleaned}(t) \approx r(t) - G \cdot n_{ref}(t)$, где $G$ — коэффициент усиления, регулируемый для соответствия амплитуде шума в основном канале. Это позволяет осуществлять адаптивную компенсацию шума в реальном времени.

6. Экспериментальные результаты и оценка производительности

Производительность оценивалась с использованием стандартного показателя — коэффициента битовых ошибок (BER) в зависимости от отношения энергии бита к спектральной плотности мощности шума ($E_b/N_0$).

Ключевые экспериментальные результаты

Базовый уровень (без подавления): Высокий BER при низком $E_b/N_0$, производительность быстро ухудшается с увеличением шума.
Метод 1 (Вычитание периодического шума): Показывает значительное улучшение BER, особенно при сильных периодических помехах (например, от люминесцентных ламп). Эффективен, но производительность зависит от стабильности периода шума.
Метод 2 (По аналогии с ANC): Продемонстрировал превосходную производительность во всех тестовых условиях. Обеспечил устойчивое снижение шума как для периодических, так и для непериодических источников, что привело к самым низким кривым BER.

6.1 Анализ BER в зависимости от Eb/N0

Результаты ясно показывают, что оба предложенных метода смещают кривую BER в зависимости от $E_b/N_0$ вниз по сравнению с традиционным приёмником. Для целевого значения BER (например, $10^{-3}$) метод по аналогии с ANC достигает его при более низком $E_b/N_0$, что указывает на более высокую энергоэффективность и устойчивость.

6.2 Сравнительная производительность

Метод 1 проще и эффективен для доминирующего периодического шума, но не справляется с непериодическими компонентами. Метод 2 сложнее (требует дополнительного фотодиода и схемы), но обеспечивает комплексную защиту в реальном времени, что делает его подходящим для динамичных сред со смешанным шумом.

7. Структура анализа и пример использования

Сценарий: Система ЦСВС для определения местоположения в помещении супермаркета. Люминесцентные лампы (60 Гц) создают периодический шум, а солнечный свет из окон — непериодический, изменяющийся во времени шум.

Применение структуры:

Профилирование шума: Использовать вспомогательный фотодиод (Метод 2) для записи составной характеристики шума с течением времени.
Выбор метода: Реализовать метод по аналогии с ANC в качестве основного компенсатора из-за его адаптивности.
Настройка параметров: Динамически регулировать коэффициент вычитания $G$ на основе корреляции между основным и опорным каналами. Простой адаптивный фильтр, такой как алгоритм наименьших средних квадратов (LMS), может быть реализован в микроконтроллере: $G_{k+1} = G_k + \mu \cdot e_k \cdot n_{ref,k}$, где $e_k$ — сигнал ошибки (очищенный выход), а $\mu$ — шаг адаптации.
Валидация: Измерить точность определения местоположения (например, ошибку в см) с включённой и выключенной системой подавления шума.

Эта структура демонстрирует системный подход к внедрению исследования в реальных условиях.

8. Перспективы применения и направления будущих исследований

Непосредственные применения: Устойчивая СВС для Li-Fi в офисах/на производствах с агрессивным освещением, системы определения местоположения/навигации на основе СВС в помещениях, безопасная связь в средах, подверженных шуму.

Направления будущих исследований:

Компенсация с использованием ИИ: Интеграция машинного обучения (например, рекуррентных нейронных сетей) для предсказания и подавления сложных, нестационарных шумовых паттернов, выходящих за рамки традиционного ANC.
Интегрированные фотонные схемы: Миниатюризация системы ANC (фотодиод + схема вычитания) в единую фотонную интегральную схему (PIC) для экономически эффективного массового развёртывания.
Гибридные системы RF/СВС: Использование опорного шумового сигнала от приёмника СВС для также подавления помех в совмещённых RF-системах (например, WiFi), как исследуется в работах по межтехнологическим помехам.
Стандартизация: Предложение этих методов подавления в качестве части будущих поправок к стандартам IEEE 802.15.7r1 (СВС) или другим стандартам Li-Fi для улучшения совместимости.

9. Ссылки

Uemura, W., & Hamano, T. (2026). Noise Mitigation Methods for Digital Visible Light Communication. International Journal of Computer Networks & Communications (IJCNC), Vol.18, No.1, pp.51-52.
Kahn, J. M., & Barry, J. R. (1997). Wireless Infrared Communications. Proceedings of the IEEE, 85(2), 265-298.
Haas, H., Yin, L., Wang, Y., & Chen, C. (2016). What is LiFi? Journal of Lightwave Technology, 34(6), 1533-1544.
Kuo, S. M., & Morgan, D. R. (1996). Active Noise Control Systems: Algorithms and DSP Implementations. John Wiley & Sons. (Фундаментальный труд по принципам ANC).
IEEE Standard for Local and Metropolitan Area Networks–Part 15.7: Short-Range Wireless Optical Communication Using Visible Light. (2018). IEEE Std 802.15.7-2018.

10. Оригинальный анализ и экспертное заключение

Ключевая идея

Работа Уэмуры и Хамано — это не просто очистка сигнала; это прагматичное признание того, что величайшая сила СВС — использование встроенной среды в качестве среды передачи — также является её ахиллесовой пятой. В статье верно отмечается, что для перехода ЦСВС из лабораторной диковинки в коммерческую реальность (например, на растущем рынке Li-Fi, прогнозируемом такими компаниями, как Signify и pureLiFi), она должна выживать в электромагнитно «грязном» реальном мире. Их двусторонний подход — детерминированное вычитание для предсказуемого шума и адаптивный ANC для непредсказуемого — демонстрирует зрелое понимание проблематики, которую многие более ранние работы по СВС обходили стороной.

Логика исследования

Логика исследования обоснована и поступательна. Они начинают с более простой, чётко определённой проблемы (периодический шум) и решают её с помощью прямоливидного приёма цифровой обработки сигналов (ЦОС). Это закладывает основу. Затем они переходят к более сложной, общей проблеме (непериодический шум), заимствуя проверенную парадигму из акустики — ANC. Это умный инженерный подход. Ссылка на фундаментальные труды по ANC таких исследователей, как Куо и Морган, обосновывает их подход десятилетиями устоявшейся теории, а не представляет его как новый алгоритм. Экспериментальная валидация с использованием BER в зависимости от $E_b/N_0$ является золотым стандартом в области связи, что делает их утверждения сразу же заслуживающими доверия в научном сообществе.

Сильные стороны и недостатки

Сильные стороны: Ясность сравнения двух методов является главным достоинством. Превосходная производительность метода по аналогии с ANC убедительна и подчёркивает ценность междисциплинарного подхода. Статья заслуживает похвалы за практическую направленность, фокусируясь на реализуемых решениях на уровне схем, а не на чисто теоретических конструкциях.

Недостатки и пробелы: Анализ, хотя и основательный, кажется первым шагом. Существенным недостатком является отсутствие обсуждения стоимости и потребляемой мощности вспомогательного фотодиода и схемы вычитания — критически важных для интеграции в IoT или мобильные устройства. Как добавленная сложность влияет на размер приёмника и срок службы батареи? Более того, метод ANC предполагает, что опорный фотодиод захватывает «чистый» шумовой сигнал. В плотных средах СВС с несколькими передатчиками (например, потолок с поддержкой Li-Fi) выделение шума из других, нежелательных сигналов данных становится новой проблемой — своего рода «проблемой коктейльной вечеринки» для света. Эта проблема внутриканальных помех не рассматривается.

Практические выводы

Для представителей индустрии: Отдайте приоритет архитектуре по аналогии с ANC для чипсетов приёмников Li-Fi следующего поколения. Её устойчивость стоит незначительного увеличения количества компонентов. Для исследователей: Следующим логическим шагом является интеграция простого адаптивного фильтра (например, LMS) в путь вычитания для автоматической настройки коэффициента усиления $G$, переход от статической к интеллектуальной системе. Исследуйте использование этой оптической шумовой опоры для совместного управления ресурсами СВС-RF — области, набирающей обороты в исследованиях 6G. Наконец, начните исследования надёжности в экстремальных шумовых сценариях (например, стробоскопы, сварочные дуги), чтобы стресс-тестировать эти методы за пределами благоприятных лабораторных условий с люминесцентным светом. Эта статья предоставляет необходимый инструментарий; теперь пришло время создать надёжный продукт.