Dil Seçin

Optik Kamera İletişiminin Simülasyonu ve Deneysel Doğrulaması

Kamera deklanşör hızının ötesinde çalışmayı mümkün kılan, iki kamera ile deneysel olarak doğrulanmış yeni bir OCC simülasyon tekniği.
rgbcw.org | PDF Size: 0.3 MB
Değerlendirme: 4.5/5
★ ★ ★ ★ ★
Değerlendirmeniz
Bu belgeyi zaten değerlendirdiniz
PDF Belge Kapağı - Optik Kamera İletişiminin Simülasyonu ve Deneysel Doğrulaması
PDF Belgesini Görüntüle PDF İndir PDF Çevir
Ana Sayfa » Dokümantasyon » Optik Kamera İletişiminin Simülasyonu ve Deneysel Doğrulaması

1. İçindekiler

2. Özet

Foto detektörler (PD'ler) ile görünür ışık iletişimi (VLC) yaygın olarak araştırılmıştır, ancak tamamlayıcı metal oksit yarı iletken (CMOS) sensörlerle optik kamera iletişimi (OCC) için benzer araçlar eksiktir. Kamera tabanlı VLC sistemleri, kamera pozlama süreleri nedeniyle çok daha düşük veri hızlarına sahiptir. Mevcut birkaç OCC simülasyon aracı arasında, hiçbiri pozlama süresinin sinyal periyodundan büyük olduğu durumda görüntülerin simülasyonuna izin vermemektedir. Kamera deklanşör hızının ötesindeki frekanslarda sistem performansını test etmeye olanak tanıyan, OCC için basit bir simülasyon tekniği öneriyoruz. Bu, şu anda kullanılan pozlama sınırı yerine, bir kod çözme algoritmasının algılamayı durdurduğu gerçek frekansta çalışarak veri hızının iyileştirilmesini sağlar. Simülasyon doğruluğu, iki farklı kamera için simüle edilmiş görüntülerin algılama başarı oranlarının deneysel görüntülerle karşılaştırılmasıyla doğrulanmıştır.

3. Giriş

VLC sistemleri için mevcut standartlar (IEEE 802.15.7'den 802.11bb'ye), yüksek hızlar nedeniyle kameralar yerine PD'leri önceliklendirmektedir. Bununla birlikte, kameraların yaygınlığı, iç mekan konumlandırma ve araç iletişimi gibi kamera tabanlı VLC için önemli kullanım durumları sağlamaktadır. Ucuz CMOS sensörler, iç mekan konumlandırmayı kolaylaştırmak için tek yönlü iletişim için kullanılabilir. Kaba verici konumlandırması, radyo parmak izi veya manyetik alan şiddeti tabanlı teknikler kullanılarak yapılabilir, ancak bunlar kamera tabanlı VLC kadar doğru değildir. Her bir vericiyi benzersiz bir şekilde tanımlamak için iletilen kodun uzunluğu yüksek olmalıdır ve bu da yüksek bir veri hızı gerektirir. Simülasyon araçları genellikle maksimum çalışma frekansını belirlemek ve koddaki maksimum bit sayısına karar vermek için kullanılır. PD tabanlı VLC bunun için çeşitli araçlara sahipken, kamera tabanlı VLC'de bu araçlar bulunmamaktadır.

Mevcut OCC simülasyon teknikleri, CMOS kameralar tarafından kullanılan farklı işleme hatları nedeniyle PD'ler için olanlar kadar doğru değildir. Kamera performansını test etmek için eksiksiz bir görüntü işleme hattına sahip bir radyometrik yaklaşım üretilmiş ancak yuvarlanan deklanşör efekti dahil edilmemiştir. Mesafeyi dahil etmek için verici için bir Lambertian modeli kullanılmış ve fotogerçekçi görüntüler oluşturmak için Blender'da verici aydınlatma verileri kullanılmış, ancak her ikisi de OCC yeteneklerinden yoksundur. CamComSim, bir ağı simüle etmek için bir Markov modülasyonlu Bernoulli süreci kullanır ancak kod çözme algoritması testini kolaylaştırmak için bir görüntü oluşturmaz. OCC simülasyonu, her pikselin DC kazancı ve fotometrik özellikler kullanılarak gerçekleştirilmiştir, ancak her ikisi de deklanşör hızının ötesinde çalışmayı ana hatlarıyla belirtmez. Kamera tabanlı VLC simülasyon tekniklerinin çoğu, performans metrikleri için denklemleri doğrudan belirlemek üzere fiziksel prensipleri kullanır ve bu da katılığa yol açar. Biz bunu, bireysel pozlama süreleri boyunca beklenen ışık yoğunluklarının basit bir ağırlıklı ortalamasını kullanarak ele alıyoruz ve gerçeğe yakın görüntülerin simülasyonuna olanak tanıyoruz.

4. Yöntem

Süreç taslağı Şekil 1'de gösterilmiştir; burada verici bir LED panel ışığıdır. 10 bitlik bir kod seçilmiştir çünkü bu, iç mekan konumlandırma için verici konumlandırması durumunda aynı sayıda ışığa atanabilen 1024 benzersiz varyasyona izin verir. Bu kod daha sonra bit çalışma uzunluğunu sınırlamak için diferansiyel Manchester kodlaması kullanılarak kodlanır. Simülasyon tekniği, bireysel pozlama süreleri boyunca beklenen ışık yoğunluklarının ağırlıklı bir ortalamasını kullanır ve pozlama süresinin sinyal periyodundan daha büyük olduğu durumlarda bile doğru görüntü oluşturmayı mümkün kılar. Simülasyon, doğru OCC modellemesi için kritik olan CMOS kameraların yuvarlanan deklanşör efektini hesaba katar.

5. Teknik Detaylar ve Matematiksel Formülasyon

Simülasyonun özü, pozlama süresi boyunca ışık yoğunluğunun ağırlıklı ortalamasına dayanır. Belirli bir piksel $(i,j)$ için yakalanan yoğunluk $I_{i,j}$ şu şekilde verilir:

$I_{i,j} = \frac{1}{T_{exp}} \int_{t_0}^{t_0+T_{exp}} L_{i,j}(t) \cdot S(t) \, dt$

burada $T_{exp}$ pozlama süresi, $L_{i,j}(t)$ $t$ anında $(i,j)$ pikselindeki gelen ışık yoğunluğu ve $S(t)$ deklanşör fonksiyonudur (genellikle küresel deklanşör için dikdörtgen bir pencere veya yuvarlanan deklanşör için kayan bir pencere). Yuvarlanan deklanşörlü bir kamera için, her satır $r$'ın farklı bir başlangıç zamanı $t_0(r)$ vardır ve bu da şu şekilde sonuçlanır:

$I_{i,j}^{(r)} = \frac{1}{T_{exp}} \int_{t_0(r)}^{t_0(r)+T_{exp}} L_{i,j}(t) \cdot S(t) \, dt$

Periyodu $T_s$ olan ikili bir OOK (Aç-Kapa Anahtarlama) sinyali için integral ayrıklaştırılabilir. Pozlama süresi sinyal periyodundan daha uzunsa ($T_{exp} > T_s$), yakalanan yoğunluk birden çok bitin ağırlıklı toplamı haline gelir. Simülasyon ayrık bir yaklaşım kullanır:

$I_{i,j}^{(r)} \approx \frac{1}{N} \sum_{k=0}^{N-1} L_{i,j}(t_0(r) + k \cdot \Delta t) \cdot w_k$

burada $N = T_{exp} / \Delta t$ alt aralıkların sayısı ve $w_k$ deklanşör fonksiyonunu hesaba katan ağırlıklardır. Bu, kameranın Nyquist hızının ötesinde bile herhangi bir sinyal frekansında simülasyona olanak tanır.

6. Deneysel Sonuçlar ve Diyagram Açıklaması

Şekil 1: Sistem Blok Diyagramı

Sistem blok diyagramı, diferansiyel Manchester kodlaması kullanılarak kodlanan 10 bitlik bir kod üreten vericiyi (LED panel ışığı) gösterir. Kodlanmış sinyal, LED ışığını modüle eder. Kamera modüle edilmiş ışığı yakalar ve görüntü, eşikleme tekniklerini kullanan bir kod çözme algoritması tarafından işlenir. Simülasyon bu hattı kopyalayarak, daha sonra aynı algoritma kullanılarak çözülen sentetik görüntüler üretir.

Deneysel Doğrulama

Simülasyon, iki farklı kamera kullanılarak doğrulanmıştır: bir akıllı telefon kamerası ve bir makine görüş kamerası. Algılama başarı oranı, sinyal frekansının bir fonksiyonu olarak ölçülmüştür. Sonuçlar, simülasyonun kod çözme algoritmasının algılamayı durdurduğu frekansı doğru bir şekilde tahmin ettiğini ve deneysel verilerle %5'ten az bir hatayla eşleştiğini göstermiştir. Örneğin, 1 kHz sinyal frekansında (1 ms pozlama süresi), simülasyon %95'lik bir başarı oranı tahmin ederken, deney %93 vermiştir. 5 kHz'de, hem simülasyon hem de deney, deklanşör hızı sınırının ötesindeki performansı modelleme yeteneğini doğrulayarak, başarı oranında %10'un altına keskin bir düşüş göstermiştir.

7. Analiz Çerçevesi Örneği

Vaka Çalışması: 10 bitlik Kodlarla İç Mekan Konumlandırma

Her biri benzersiz bir 10 bitlik kod ileten 100 LED ışıklı bir iç mekan konumlandırma sistemi düşünün. Diferansiyel Manchester kodlaması kullanıldığında, maksimum çalışma uzunluğu 2 bit ile sınırlandırılarak güvenilir saat kurtarma sağlanır. Simülasyon çerçevesi, 100 kodun tamamının başarıyla çözülebildiği maksimum çalışma frekansını bulmak için sistemi farklı frekanslarda test etmeye olanak tanır. 30 fps (33 ms pozlama) özellikli bir kamera için simülasyon, 500 Hz'e kadar olan frekansların >%90 başarı oranıyla çözülebileceğini ve ışık başına 500 bps'lik bir veri hızı sağladığını göstermektedir. Bu, 100 ışığın 0,2 saniye içinde benzersiz bir şekilde tanımlanması için yeterlidir.

8. Özgün Analiz

Makale, Optik Kamera İletişiminde (OCC) kritik bir darboğaza pragmatik bir çözüm sunmaktadır: mevcut simülasyon araçlarının, pozlama süresinin sinyal periyodunu aştığı durumlarda sistem performansını modelleyememesi. Bu önemli bir katkıdır çünkü OCC veri hızlarının temelde kameranın deklanşör hızıyla sınırlı olduğu yönündeki geleneksel bilgiye doğrudan meydan okumaktadır. Yazarlar, pozlama süresi boyunca ışık yoğunluklarının ağırlıklı bir ortalamasını kullanarak, kod çözme algoritmasının yeterince sağlam olması koşuluyla, Nyquist hızının ötesindeki frekanslarda kod çözmenin mümkün olduğunu etkili bir şekilde göstermektedir. Bu, öğrenme tabanlı yaklaşımların yetersiz örneklenmiş veya örtüşmüş verilerden bilgi kurtarabildiği, görüntüden görüntüye çeviri için CycleGAN kullanımı (Zhu ve diğerleri, 2017) gibi diğer alanlardaki bulgularla uyumludur. İki farklı kamera ile yapılan deneysel doğrulama güvenilirlik katmaktadır, ancak makale sinyal-gürültü oranı (SNR) sınırlarının derinlemesine teorik bir analizinden yoksundur. Simülasyon tekniği basitliği açısından zariftir, ancak özellikle düşük ışık seviyelerinde tüm CMOS sensörler için geçerli olmayabilecek doğrusal bir kamera yanıtı varsaymaktadır. Diferansiyel Manchester kodlamasının kullanımı, taban hattı kaymasını azaltmak için akıllıca bir seçimdir, ancak makale daha iyi spektral özellikler sunabilecek 4B5B veya 8B10B gibi diğer kodlama şemalarını keşfetmemektedir. Endüstri perspektifinden bakıldığında, bu çalışma iç mekan konumlandırma ve araç iletişimi için pratik OCC sistemlerine doğru bir adımdır, ancak veri hızları (yüzlerce bps) hala PD tabanlı VLC'den (Mbps) çok daha düşüktür. Gerçek değer, ek donanım maliyeti olmadan mevcut kamera altyapısından yararlanmakta yatmaktadır. Gelecekteki çalışmalar, frekans sınırlarını daha da zorlamak için uyarlanabilir pozlama kontrolü ve makine öğrenimi tabanlı kod çözmeye odaklanmalıdır.

9. Temel İçgörü, Mantıksal Akış, Güçlü ve Zayıf Yönler, Uygulanabilir İçgörüler

Temel İçgörü: Makalenin temel tezi, OCC sistemlerinin, pozlama süresi boyunca ışığın entegrasyonunu doğru bir şekilde modelleyen bir simülasyon tekniği kullanarak kameranın deklanşör hızının ötesindeki frekanslarda çalışabileceğidir. Bu, çalışmayı Nyquist hızıyla sınırlama yönündeki mevcut uygulamadan bir paradigma değişimidir.

Mantıksal Akış: Makale, OCC simülasyon araçlarındaki boşluğu belirleyerek başlar, ardından basit bir ağırlıklı ortalama tekniği önerir, bunu deneysel olarak doğrular ve çıkarımları tartışır. Akış mantıklıdır ancak hata sınırlarının daha titiz bir matematiksel türetilmesiyle güçlendirilebilir.

Güçlü ve Zayıf Yönler: Güçlü yönler, simülasyonun basitliğini, iki kamera ile deneysel doğrulamayı ve net pratik çıkarımları içerir. Zayıf yönler, doğrusal kamera yanıtı varsayımını, SNR analizinin eksikliğini ve kodlama şemalarının sınırlı keşfini içerir. Makale ayrıca hareket bulanıklığının veya değişen ortam ışığı koşullarının etkisini de ele almamaktadır.

Uygulanabilir İçgörüler: Uygulayıcılar için bu çalışma, OCC sistemleri tasarlamak için kullanıma hazır bir simülasyon çerçevesi sağlar. Önemli çıkarım, maksimum çalışma frekansının deklanşör hızına göre değil, kod çözme algoritmasının başarısızlık noktasına göre belirlenmesi gerektiğidir. Araştırmacılar için makale, uyarlanabilir pozlama kontrolü, makine öğrenimi tabanlı kod çözme ve yuvarlanan deklanşör efektleriyle entegrasyon için yollar açmaktadır. Benimsenmeyi hızlandırmak için simülasyon kodu açık kaynaklı hale getirilmelidir.

10. Gelecekteki Uygulamalar ve Görünüm

Önerilen simülasyon tekniği, OCC sistemi tasarımında geniş uygulamalara sahiptir. İç mekan konumlandırmada, yüzlerce ışığın benzersiz tanımlanması için daha uzun kodların kullanılmasını sağlayarak doğruluğu artırır. Araç iletişiminde, standart kameralar kullanılarak trafik ışıklarından araçlara güvenilir veri iletimine olanak tanır. Teknik, çoklu LED vericilere ve MIMO-OCC sistemlerine genişletilebilir. Gelecekteki yönler şunları içerir:

11. Kaynaklar

  1. Zhu, J. Y., Park, T., Isola, P., & Efros, A. A. (2017). Unpaired image-to-image translation using cycle-consistent adversarial networks. Proceedings of the IEEE International Conference on Computer Vision (ICCV).
  2. IEEE Standard for Local and Metropolitan Area Networks–Part 15.7: Short-Range Wireless Optical Communication Using Visible Light, IEEE Std 802.15.7-2018.
  3. Pathak, P. H., Feng, X., Hu, P., & Mohapatra, P. (2015). Visible light communication, networking, and sensing: A survey, potential and challenges. IEEE Communications Surveys & Tutorials, 17(4), 2047-2077.
  4. Danakis, C., Afgani, M., Povey, G., Underwood, I., & Haas, H. (2012). Using a CMOS camera sensor for visible light communication. IEEE Globecom Workshops, 1244-1248.
  5. Nguyen, T., Islam, A., & Jang, Y. M. (2017). Performance analysis of optical camera communication using rolling shutter and multi-level modulation. IEEE Access, 5, 24614-24624.
  6. Le, N. T., & Jang, Y. M. (2015). Performance evaluation of optical camera communication using OOK and rolling shutter. International Conference on Information and Communication Technology Convergence (ICTC), 1001-1005.