1. 目录
- 2. 摘要
- 3. 引言
- 4. 方法
- 5. 技术细节与数学公式
- 6. 实验结果与图表说明
- 7. 分析框架示例
- 8. 原创分析
- 9. 核心见解、逻辑流程、优势与不足、可操作建议
- 10. 未来应用与展望
- 11. 参考文献
2. 摘要
基于光电探测器（PD）的可见光通信（VLC）已被广泛研究，但针对采用互补金属氧化物半导体（CMOS）传感器的光学相机通信（OCC）的类似工具尚显不足。基于相机的VLC系统由于相机曝光时间较长，数据速率远低于PD系统。在现有的少数OCC仿真工具中，没有一个能够模拟曝光时间大于信号周期时的图像。我们提出了一种简单的OCC仿真技术，允许在相机快门速度以上的频率测试系统性能。这使得数据速率得以提升，因为系统可以在解码算法实际停止检测的频率下运行，而非目前使用的曝光极限。通过比较两种不同相机的仿真图像与实验图像的检测成功率，验证了仿真的准确性。
3. 引言
现有的VLC系统标准（IEEE 802.15.7至802.11bb）由于高速需求，优先采用PD而非相机。然而，相机的普及为基于相机的VLC提供了重要应用场景，例如室内定位和车载通信。廉价的CMOS传感器可用于单向通信，以辅助室内定位。利用射频指纹或磁场强度技术可以实现粗略的发射器定位，但其精度不如基于相机的VLC。为了唯一识别每个发射器，传输的编码长度必须足够长，这要求较高的数据速率。仿真工具通常用于确定最大工作频率，并决定编码的最大比特数。虽然基于PD的VLC有多种此类工具，但基于相机的VLC则缺乏相应工具。
由于CMOS相机采用不同的处理流水线，当前的OCC仿真技术不如PD仿真精确。已有研究采用辐射度方法结合完整的图像处理流水线来测试相机性能，但未包含卷帘快门效应。有研究使用发射器的朗伯模型来考虑距离因素，并在Blender中使用发射器照明数据生成逼真图像，但两者均缺乏OCC功能。CamComSim采用马尔可夫调制伯努利过程模拟网络，但未生成图像以辅助解码算法测试。已有研究利用每个像素的直流增益和光度特性进行OCC仿真，但均未涉及快门速度以上的运行。大多数基于相机的VLC仿真技术直接利用物理原理推导性能指标的方程，导致灵活性不足。我们通过使用单个曝光周期内预期光强的简单加权平均来解决这一问题，从而能够模拟接近真实情况的图像。
4. 方法
过程概要在图1中描述，其中发射器为LED面板灯。选择10位编码是因为它允许1024种唯一变化，在室内定位的发射器定位场景中，这些编码可分配给相应数量的灯具。该编码随后使用差分曼彻斯特编码进行编码，以限制比特的运行长度。该仿真技术使用单个曝光周期内预期光强的加权平均，即使曝光时间大于信号周期，也能生成准确的图像。该仿真考虑了CMOS相机的卷帘快门效应，这对于准确的OCC建模至关重要。
5. 技术细节与数学公式
仿真的核心基于曝光周期内光强的加权平均。对于给定像素$(i,j)$，捕获强度$I_{i,j}$由下式给出：
$I_{i,j} = \frac{1}{T_{exp}} \int_{t_0}^{t_0+T_{exp}} L_{i,j}(t) \cdot S(t) \, dt$
其中$T_{exp}$是曝光时间，$L_{i,j}(t)$是像素$(i,j)$在时间$t$处的入射光强，$S(t)$是快门函数（对于全局快门通常为矩形窗，对于卷帘快门为滑动窗）。对于卷帘快门相机，每一行$r$具有不同的起始时间$t_0(r)$，从而得到：
$I_{i,j}^{(r)} = \frac{1}{T_{exp}} \int_{t_0(r)}^{t_0(r)+T_{exp}} L_{i,j}(t) \cdot S(t) \, dt$
对于周期为$T_s$的二进制开关键控（OOK）信号，该积分可以离散化。如果曝光时间长于信号周期（$T_{exp} > T_s$），则捕获强度变为多个比特的加权和。仿真采用离散近似：
$I_{i,j}^{(r)} \approx \frac{1}{N} \sum_{k=0}^{N-1} L_{i,j}(t_0(r) + k \cdot \Delta t) \cdot w_k$
其中$N = T_{exp} / \Delta t$是子区间数量，$w_k$是考虑快门函数的权重。这使得仿真可以在任何信号频率下进行，甚至超过相机的奈奎斯特速率。
6. 实验结果与图表说明
图1：系统框图
系统框图显示了发射器（LED面板灯）生成10位编码，该编码使用差分曼彻斯特编码进行编码。编码后的信号调制LED灯。相机捕获调制后的光，图像由使用阈值技术的解码算法处理。仿真复制了这一流水线，生成合成图像，然后使用相同算法进行解码。
实验验证
使用两种不同的相机进行仿真验证：一款智能手机相机和一款机器视觉相机。检测成功率作为信号频率的函数进行测量。结果表明，仿真准确预测了解码算法停止检测的频率，与实验数据的误差在5%以内。例如，在信号频率为1 kHz（曝光时间1 ms）时，仿真预测成功率为95%，而实验结果为93%。在5 kHz时，仿真和实验均显示成功率急剧下降至10%以下，证实了仿真在快门速度极限以上建模性能的能力。
7. 分析框架示例
案例研究：使用10位编码的室内定位
考虑一个包含100个LED灯的室内定位系统，每个灯传输唯一的10位编码。使用差分曼彻斯特编码，最大运行长度限制为2位，确保可靠的时钟恢复。该仿真框架允许在不同频率下测试系统，以找到所有100个编码都能成功解码的最大工作频率。对于帧率为30 fps（曝光时间33 ms）的相机，仿真显示高达500 Hz的频率可实现超过90%的成功率，从而每个灯的数据速率达到500 bps。这足以在0.2秒内唯一识别100个灯。
8. 原创分析
本文提出了一种实用的解决方案，以解决光学相机通信（OCC）中的一个关键瓶颈：现有仿真工具无法在曝光时间超过信号周期时对系统性能进行建模。这是一项重要贡献，因为它直接挑战了OCC数据速率从根本上受限于相机快门速度的传统观点。通过使用曝光周期内光强的加权平均，作者有效地证明，只要解码算法足够鲁棒，在超过奈奎斯特速率的频率下进行解码是可能的。这与其他领域的研究结果一致，例如使用CycleGAN进行图像到图像转换（Zhu等人，2017），其中基于学习的方法可以从欠采样或混叠数据中恢复信息。使用两种不同相机进行的实验验证增加了可信度，但本文缺乏对信噪比（SNR）极限的深入理论分析。该仿真技术简洁优雅，但假设相机响应是线性的，这对于所有CMOS传感器（尤其是在低光照条件下）可能不成立。使用差分曼彻斯特编码是减轻基线漂移的明智选择，但本文未探索其他可能具有更好频谱特性的编码方案，如4B5B或8B10B。从行业角度来看，这项工作朝着用于室内定位和车载通信的实用OCC系统迈出了一步，但数据速率（数百bps）仍比基于PD的VLC（Mbps）低几个数量级。其真正价值在于利用现有相机基础设施，无需额外硬件成本。未来的工作应侧重于自适应曝光控制和基于机器学习的解码，以进一步推高频率极限。
9. 核心见解、逻辑流程、优势与不足、可操作建议
核心见解：本文的中心论点是，通过使用一种能够准确模拟曝光周期内光积分过程的仿真技术，OCC系统可以在超过相机快门速度的频率下运行。这是对当前将工作频率限制在奈奎斯特速率的做法的一种范式转变。
逻辑流程：本文首先指出OCC仿真工具的不足，然后提出一种简单的加权平均技术，通过实验进行验证，并讨论其影响。逻辑流程合理，但可以通过更严格的误差界数学推导来加强。
优势与不足：优势包括仿真的简洁性、使用两种相机的实验验证以及清晰的实际意义。不足包括假设相机响应线性、缺乏SNR分析以及对编码方案的探索有限。本文也未考虑运动模糊或变化的环境光条件的影响。
可操作建议：对于实践者而言，这项工作提供了一个即用型的仿真框架，用于设计OCC系统。关键要点是最大工作频率应由解码算法的失效点决定，而非快门速度。对于研究人员而言，本文为自适应曝光控制、基于机器学习的解码以及与卷帘快门效应的集成开辟了途径。仿真代码应开源以加速应用。
10. 未来应用与展望
所提出的仿真技术在OCC系统设计中具有广泛的应用。在室内定位中，它允许使用更长的编码来唯一识别数百个灯具，从而提高精度。在车载通信中，它允许使用标准相机从交通灯向车辆进行可靠的数据传输。该技术可以扩展到多LED发射器和MIMO-OCC系统。未来方向包括：
- 自适应曝光控制：根据信号频率动态调整曝光时间以优化SNR。
- 机器学习解码：使用卷积神经网络（CNN）直接解码图像，有可能在更高频率下恢复信息。
- 与Li-Fi集成：将OCC与基于PD的VLC结合，构建混合系统，发挥两者优势。
- 标准化：该技术可为未来的IEEE OCC标准提供参考，实现互操作性。
11. 参考文献
- 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).
- 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.
- 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.
- 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.
- 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.
- 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.