數碼可見光通訊（DVLC）嘅噪音抑制方法 - IJCNC 第18卷第1期

目錄

1. 引言

可見光通訊（VLC）已成為射頻系統一個極具潛力嘅補充技術，利用無處不在嘅照明基礎設施進行數據傳輸。數碼VLC（DVLC）採用OOK同PPM等調制方案。然而，其表現會受到環境光源（例如螢光燈）產生嘅光學噪音嚴重影響，導致波形失真同誤碼率（BER）增加。呢篇由Uemura同Hamano撰寫、發表於IJCNC第18卷第1期（2026年）嘅論文，通過提出同評估兩種唔同嘅噪音抑制方法，應對呢個關鍵挑戰。

2. 可見光通訊（VLC）

VLC喺380-780納米嘅可見光譜範圍內運作。白光LED係常見嘅發射器。喺數碼脈衝調制（例如OOK）中，光嘅「開」狀態代表二進制「高」，「關」代表「低」。數據以呢啲時隙序列傳輸。接收器通常會應用一個電壓閾值來區分狀態。

3. VLC系統嘅噪音問題

疊加喺VLC信號上嘅光學噪音，會導致接收器喺閾值判斷過程中出現錯誤嘅符號檢測，降低通訊可靠性。

3.1 週期性噪音（交流電源線干擾）

呢種噪音源自使用交流電供電嘅環境光源（例如螢光燈）。其頻率同本地電網掛鉤（50/60 Hz）。喺呢項研究中，實驗喺60 Hz條件下（西日本）進行。噪音波形呈現可預測嘅週期性。

3.2 非週期性噪音

呢個類別包括來自唔同來源嘅不可預測噪音，缺乏固定週期結構，令其更難用簡單嘅同步方法抑制。

4. 建議方法一：週期性噪音減除

呢個方法針對來自交流電燈具嘅週期性干擾。

4.1 原理同實現

核心概念係採樣噪音波形嘅一個完整週期（喺已知嘅靜默期或通過估算）。然後將呢個採樣到嘅噪音輪廓 $n_{sample}(t)$，從包含所需信號 $s(t)$ 同噪音 $n(t)$ 嘅接收信號 $r(t)$ 中減除：$r(t) = s(t) + n(t)$。清理後嘅信號近似為：$s_{cleaned}(t) \approx r(t) - n_{sample}(t)$。

4.2 技術細節同數學公式

方法嘅有效性依賴於同噪音週期 $T_{noise}$（例如1/60秒）嘅準確同步。減除操作喺模擬數碼轉換（ADC）之後嘅數碼域進行。一個關鍵挑戰係相位對齊；一個細小嘅相位誤差 $\phi$ 可能導致殘餘噪音：$n_{residual}(t) = n(t) - n_{sample}(t - \phi)$。

5. 建議方法二：ANC啟發嘅實時噪音消除

受聲學主動噪音控制（ANC）啟發，呢個方法可以處理週期性同非週期性噪音。

5.1 系統架構

系統引入一個輔助光電探測器，策略性地放置以主要捕捉環境噪音分量 $n(t)$，同時盡量減少接收目標VLC信號 $s(t)$。咁樣可以提供一個參考噪音信號。

5.2 減除電路設計

一個模擬減除電路（例如基於差分放大器）接收兩個輸入：主信號 $r(t) = s(t) + n(t)$ 同參考噪音 $n_{ref}(t) \approx n(t)$。電路輸出：$s_{cleaned}(t) \approx r(t) - G \cdot n_{ref}(t)$，其中 $G$ 係一個增益因子，用於匹配主通道中嘅噪音幅度。咁樣可以實現實時、自適應嘅噪音消除。

6. 實驗結果同表現評估

表現使用標準指標——誤碼率（BER）對比每比特能量與噪音功率譜密度比（$E_b/N_0$）來量化。

6.1 誤碼率 vs. Eb/N0 分析

結果清楚顯示，相比傳統接收器，兩種建議方法都將誤碼率對 $E_b/N_0$ 曲線向下推移。對於目標誤碼率（例如 $10^{-3}$），ANC啟發方法喺更低嘅 $E_b/N_0$ 下達成，表明更高嘅功率效率同穩健性。

6.2 比較表現

方法一 更簡單，對主導性週期性噪音有效，但對非週期性分量無效。方法二 更複雜（需要額外光電二極管同電路），但提供全面、實時嘅保護，使其適合動態、混合噪音環境。

7. 分析框架同案例示例

場景： 一個用於超級市場室內定位嘅DVLC系統。螢光燈（60 Hz）造成週期性噪音，窗戶透入嘅陽光造成非週期性、時變噪音。

框架應用：

1. 噪音分析： 使用輔助光電二極管（方法二）記錄隨時間變化嘅複合噪音特徵。
2. 方法選擇： 實施ANC啟發方法作為主要消除器，因為其適應性強。
3. 參數調整： 根據主通道同參考通道之間嘅相關性，動態調整減除增益 $G$。可以喺微控制器中實現一個簡單嘅自適應濾波器，例如最小均方（LMS）算法：$G_{k+1} = G_k + \mu \cdot e_k \cdot n_{ref,k}$，其中 $e_k$ 係誤差信號（清理後輸出），$\mu$ 係步長。
4. 驗證： 測量啟用同唔啟用噪音抑制系統時嘅定位準確度（例如誤差厘米數）。

呢個框架展示咗將研究部署到現實環境嘅系統性方法。

8. 應用前景同未來方向

即時應用： 用於照明環境惡劣嘅辦公室/工業中嘅穩健Li-Fi VLC、基於VLC嘅室內定位/導航，以及喺易受噪音影響環境中嘅安全通訊。

未來研究方向：

• AI增強消除： 整合機器學習（例如循環神經網絡）來預測同消除超越傳統ANC嘅複雜、非平穩噪音模式。
• 集成光子電路： 將ANC系統（光電二極管 + 減除電路）微型化為單一光子集成芯片（PIC），以實現具成本效益嘅大規模部署。
• 混合RF/VLC系統： 使用來自VLC接收器嘅噪音參考信號，同時減輕共置RF系統（例如WiFi）中嘅干擾，正如跨技術干擾研究中探索嘅方向。
• 標準化： 建議將呢啲抑制技術作為未來IEEE 802.15.7r1（VLC）或其他Li-Fi標準修訂嘅一部分，以改善互操作性。

9. 參考文獻

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. （關於ANC原理嘅基礎文本）。
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. 原創分析同專家評論