数字可见光通信（DVLC）噪声抑制方法 - IJCNC 第18卷第1期

目录

1. 引言

可见光通信（VLC）已成为射频系统一种极具前景的补充技术，它利用无处不在的照明基础设施进行数据传输。数字可见光通信（DVLC）采用OOK和PPM等调制方案。然而，其性能受到来自环境光源（如荧光灯）的光学噪声的严重阻碍，导致波形失真和误码率（BER）升高。本文由Uemura和Hamano发表于IJCNC第18卷第1期（2026年），通过提出并评估两种不同的噪声抑制方法，应对这一关键挑战。

2. 可见光通信（VLC）

VLC工作在380-780纳米的可见光谱范围内。白光LED是常见的发射器。在数字脉冲调制（如OOK）中，光的“亮”状态代表二进制“高”电平，“灭”状态代表“低”电平。数据以这些时隙的序列形式传输。接收器通常应用电压阈值来区分状态。

3. VLC系统中的噪声问题

叠加在VLC信号上的光学噪声会导致接收器在阈值判决过程中产生错误的符号检测，从而降低通信可靠性。

3.1 周期性噪声（交流电源线干扰）

这种噪声源自交流供电的环境光源（如荧光灯）。其频率与当地电网频率（50/60 Hz）相关。在本研究中，实验在60 Hz条件下（日本西部）进行。该噪声波形呈现出可预测的周期性特征。

3.2 非周期性噪声

此类噪声包括来自各种来源的不可预测噪声，缺乏固定的周期结构，因此使用简单的同步方法进行抑制更具挑战性。

4. 方法一：周期性噪声减法

该方法针对交流供电光源产生的周期性干扰。

4.1 原理与实现

核心思想是采样噪声波形的一个完整周期（在已知的静默期或通过估计）。然后将这个采样的噪声轮廓 $n_{sample}(t)$ 从包含期望信号 $s(t)$ 和噪声 $n(t)$ 的接收信号 $r(t)$ 中减去：$r(t) = s(t) + n(t)$。清理后的信号近似为：$s_{cleaned}(t) \approx r(t) - n_{sample}(t)$。

4.2 技术细节与数学表述

该方法的有效性依赖于与噪声周期 $T_{noise}$（例如 1/60 秒）的精确同步。减法在模数转换（ADC）后的数字域中进行。一个关键挑战是相位对齐；微小的相位误差 $\phi$ 可能导致残留噪声：$n_{residual}(t) = n(t) - n_{sample}(t - \phi)$。

5. 方法二：受ANC启发的实时噪声消除

该方法受声学主动噪声控制（ANC）启发，可处理周期性和非周期性噪声。

5.1 系统架构

该系统引入一个辅助光电探测器，其放置位置经过策略性设计，旨在主要捕获环境噪声分量 $n(t)$，同时最小化对目标VLC信号 $s(t)$ 的接收。这提供了一个参考噪声信号。

5.2 减法电路设计

一个模拟减法电路（例如基于差分放大器）接收两个输入：主信号 $r(t) = s(t) + n(t)$ 和参考噪声 $n_{ref}(t) \approx n(t)$。电路输出：$s_{cleaned}(t) \approx r(t) - G \cdot n_{ref}(t)$，其中 $G$ 是一个增益因子，用于匹配主通道中的噪声幅度。这使得实时、自适应的噪声消除成为可能。

6. 实验结果与性能评估

性能使用标准指标——误码率（BER）与每比特能量对噪声功率谱密度比（$E_b/N_0$）的关系——进行量化。

6.1 误码率与Eb/N0分析

结果清楚地表明，与传统接收器相比，两种提出的方法都将误码率与 $E_b/N_0$ 的关系曲线向下移动。对于目标误码率（例如 $10^{-3}$），受ANC启发的方法在更低的 $E_b/N_0$ 下即可实现，表明其具有更高的功率效率和鲁棒性。

6.2 性能比较

方法一 更简单，对于占主导的周期性噪声有效，但无法应对非周期性分量。方法二 更复杂（需要额外的光电二极管和电路），但提供了全面、实时的保护，使其适用于动态、混合噪声环境。

7. 分析框架与案例示例

场景： 用于超市室内定位的DVLC系统。荧光灯（60 Hz）产生周期性噪声，来自窗户的阳光产生非周期性、时变的噪声。

框架应用：

1. 噪声分析： 使用辅助光电二极管（方法二）记录随时间变化的复合噪声特征。
2. 方法选择： 实施受ANC启发的方法作为主要消除器，因其具有适应性。
3. 参数调优： 基于主通道和参考通道之间的相关性动态调整减法增益 $G$。可以在微控制器中实现一个简单的自适应滤波器，如最小均方（LMS）算法：$G_{k+1} = G_k + \mu \cdot e_k \cdot n_{ref,k}$，其中 $e_k$ 是误差信号（清理后的输出），$\mu$ 是步长。
4. 验证： 测量启用和禁用噪声抑制系统时的定位精度（例如，误差以厘米计）。

该框架展示了将研究成果部署到实际环境中的系统化方法。

8. 应用前景与未来方向

近期应用： 用于照明条件恶劣的办公室/工业环境中的稳健Li-Fi VLC、基于VLC的室内定位/导航，以及易受噪声干扰环境中的安全通信。

未来研究方向：

• AI增强的消除： 集成机器学习（如循环神经网络）来预测和消除超越传统ANC的复杂、非平稳噪声模式。
• 集成光子电路： 将ANC系统（光电二极管+减法电路）微型化为单个光子集成芯片（PIC），以实现经济高效的大规模部署。
• 混合RF/VLC系统： 利用VLC接收器的噪声参考信号来抑制共址RF系统（如WiFi）中的干扰，正如跨技术干扰研究中所探讨的那样。
• 标准化： 提议将这些抑制技术作为未来IEEE 802.15.7r1（VLC）或其他Li-Fi标准修订的一部分，以提高互操作性。

9. 参考文献

1. 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.
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. Kuo, S. M., & Morgan, D. R. (1996). Active Noise Control Systems: Algorithms and DSP Implementations. John Wiley & Sons. （关于ANC原理的基础文献）.
5. 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. 原创分析与专家评论