2.1 核心原理：超聲波FSK上行鏈路
用戶設備透過使用頻移鍵控（FSK）將數據調製到超聲波載波上進行傳輸。載波頻率選擇在 人耳聽不見的範圍 （通常高於20 kHz）以避免造成滋擾。為進行實驗演示，作者使用了四個可聽頻率（0.5、1.5、2.5、3.5 kHz）來代表一個4-FSK方案，在轉用真正的超聲波載波之前證明了概念的可行性。此上行鏈路完全獨立於下行鏈路的可見光，消除了串擾。
1. Introduction & Background
可見光通訊（VLC）已成為射頻（RF）網絡一種極具潛力的互補技術，提供高頻寬、高安全性且無電磁干擾。然而，其應用一直受到一個根本性不對稱問題困擾：雖然下行鏈路（LED至裝置）穩健可靠，但 上行鏈路（裝置至接收器） 仍然是重大的工程挑戰。傳統解決方案，例如使用逆向反射器或專用紅外線LED，存在數據傳輸率低、方向性過高或干擾主要照明功能的問題。本文針對此關鍵瓶頸，提出一種創新的上行鏈路方案，利用 人耳聽不到的超聲波，透過頻移鍵控（FSK）調制，並由數碼波束成形麥克風陣列接收。此方法將上行鏈路從可見光譜中分離出來，實現了適合下行需求遠超上行的典型互聯網流量模式的不對稱頻寬。
2. Proposed Method & System Architecture
核心創新在於利用聲學領域實現VLC上行鏈路，從而創建一個混合光學-聲學通訊系統。
2.2 接收器設計：麥克風陣列波束成形
接收器採用一個線性陣列的全向麥克風。關鍵的信號處理技術是 數碼波束成形，具體來說是Frost波束成形器。此演算法處理來自每個麥克風的信號以構建一個空間濾波器。它能夠 以電子方式導向一個高增益接收波瓣 指向所需的上行鏈路來源，同時消除來自其他方向的干擾。這提供了方向選擇性，並在無需物理移動的情況下增強了信號對干擾加噪聲比（SINR）。
圖2（概念圖）： A linear microphone array with 10 elements spaced 0.05m apart. Three audio sources at -10°, -30°, and 20° are shown. The beamformer's output demonstrates its ability to isolate the signal from a specific direction (e.g., the target uplink at 20°), suppressing the others.
3. Experimental Validation & Results
3.1 Prototype Setup & Parameters
實驗設置包括一個產生4-FSK信號的發射器和兩個干擾源。接收器是一個10單元的線性麥克風陣列。所有麥克風捕獲複合信號（數據+干擾），並將其輸入數字波束成形算法進行恢復。
3.2 Key Results & Performance
實驗成功展示了核心功能：
- 訊號恢復： 波束成形演算法成功從陣列接收到嘅充滿雜訊同干擾嘅複合訊號中，恢復出原始數據波形。
- 干擾抑制： 系統展現出清晰嘅能力，能夠從唔同角度到達嘅同頻道聲學干擾中，區分並隔離出目標上行鏈路訊號。
- 方向選擇性： 波束成形器可調節嘅接收方向得到驗證，呢個係增強多用戶或嘈雜環境中抗干擾能力嘅關鍵特性。
圖3（結果）： (a) Shows the transmitted waveforms: the clean data signal and two distinct interference signals. (b) Shows the composite waveform received at the source, the varied waveforms received by each individual microphone in the array (demonstrating phase differences), and the final, clean data signal recovered after the 數碼波束成形 processing.
實驗總結
陣列配置： 10-element linear array
單元間距： 0.05 meters
調制： 4-FSK (Proof-of-concept with audible carriers)
關鍵成果： 在存在定向干擾的情況下，透過波束成形成功恢復數據。
4. Technical Analysis & Framework
4.1 數學基礎
波束成形陣列的效能取決於其相干合併信號的能力。對於窄帶信號，波束成形器的輸出 $y(t)$ 是來自 $M$ 個麥克風的信號 $x_m(t)$ 的加權總和：
$y(t) = \sum_{m=1}^{M} w_m^* x_m(t)$
其中 $w_m$ 為複數權重。Frost波束成形器作為一種線性約束最小方差（LCMV）波束成形器，其計算這些權重以最小化輸出功率（方差），並受制於在注視方向 $\mathbf{a}(\theta_0)$ 上保持單位增益的約束：
$\min_{\mathbf{w}} \mathbf{w}^H \mathbf{R}_{xx} \mathbf{w} \quad \text{subject to} \quad \mathbf{a}(\theta_0)^H \mathbf{w} = 1$
其中 $\mathbf{R}_{xx}$ 係接收信號嘅協方差矩陣，而 $\mathbf{a}(\theta_0)$ 係目標方向 $\theta_0$ 嘅導向向量。該解決方案會喺干擾源嘅方向上設置零陷。
4.2 分析框架：信號處理流程
實際實施遵循以下流程：
- 預處理： 模擬至數碼轉換、帶通濾波以隔離超聲波段。
- 到達方向 (DoA) 估計： 如MUSIC或ESPRIT等演算法可以估算目標上行鏈路裝置的角度。此步驟為波束成形器提供約束條件。
- 波束成形： 應用Frost (LCMV) 或最小方差無失真響應 (MVDR) 波束成形器，利用估算的DoA計算最佳權重 $\mathbf{w}$。
- 解調： 波束成形器的輸出 $y(t)$ 為經淨化的訊號，隨後輸入標準FSK解調器以恢復數位位元流。
概念分析框架 (虛擬碼)
// 1. Signal Acquisition
microphone_signals = capture_from_array(M);
// 2. DoA Estimation (e.g., using Covariance Matrix)
Rxx = covariance_matrix(microphone_signals);
[estimated_angle] = music_algorithm(Rxx, M);
// 3. Beamforming Weight Calculation (Frost LCMV)
steering_vector = calculate_steering_vector(estimated_angle, array_geometry);
constraint_matrix = steering_vector; // For single constraint
constraint_response = 1; // Unity gain in look direction
optimal_weights = calculate_frost_weights(Rxx, constraint_matrix, constraint_response);
// 4. Apply Beamforming & Demodulate
beamformed_signal = apply_weights(microphone_signals, optimal_weights);
recovered_bits = fsk_demodulate(beamformed_signal);
此框架概述了從原始訊號到數據恢復的邏輯流程，突顯了DoA估算與自適應權重計算的關鍵作用。
5. 關鍵分析師評論
核心洞察： 本文的根本價值主張並非原始速度，而在於 實用的不對稱性。它正確地指出，VLC上行鏈路的問題不在於匹配多千兆位元的下行鏈路，而在於提供一條可靠、低複雜度且頻譜無衝突的回傳路徑。透過轉向超聲波，他們避開了一個根本矛盾：若使用上行鏈路LED，要麼會浪費能源在照明上，要麼會在用戶設備上形成一個令人分心的可見信標——這是在早期全光學FDD/TDD系統（如Wang等人[9,10]的系統）中已指出的問題。選擇聲波波束成形是精明的；它利用了成熟、低成本的聲音硬體（麥克風陣列在智能揚聲器和會議系統中無處不在）來解決一個空間選擇性問題，而若使用光學元件則會既昂貴又笨重。
Logical Flow & Strengths: 邏輯是合理的：1）上行鏈路需求是低頻寬但必須穩健。2）可見光對於設備端傳輸並非最佳選擇。3）超聲波聽不見、低功耗，且不會干擾光學下行鏈路。4）波束成形解決了開放聲學通道的多路徑和干擾問題。其優勢在於將這些已充分理解的組件（FSK、麥克風陣列）在系統層面整合，形成一種用於VLC的新穎配置。實驗驗證雖然使用可聽音調作為替代，但令人信服地展示了其抗干擾能力——這是該系統在嘈雜環境中實際部署的殺手級特性。
Flaws & Critical Gaps: 房間裡的大象是 data rate該論文明顯未提及實際達到的比特率。使用可聽頻率的FSK載波表明，初始速率很可能在低kbps範圍。要擴展至超聲波頻段中實用的數十或數百kbps速率（用於控制信號或元數據），需要解決重大挑戰：低成本超聲波換能器的有限帶寬、高頻聲音在空氣中的嚴重衰減，以及移動用戶的多普勒效應。此外，分析中缺少將其聲學路徑損耗（$\propto$ 距離$^2$ 和 頻率$^2$）與紅外上行鏈路的光學路徑損耗進行比較，這是一個關鍵的權衡考量。波束成形亦假設存在一個已知或易於估計的單一主導源；遠近效應問題和多用戶接入（多個設備同時上行鏈路）則未予討論。
可行建議： 對於研究人員而言，當務之急是使用真正的超聲波載波（例如40 kHz）製作原型，並報告可量化的指標：誤碼率 (BER) 與距離/角度的關係、可實現的數據速率以及功耗。探索更具頻譜效率的調製方式（如在超聲波載波上使用OFDM），可能提升速率，這在WHOI等機構開創性的水聲通信研究中已有體現。對於業界而言，這種方法最適用於 static, short-range IoT use cases 單一房間內的靜態、短距離物聯網應用場景——例如在工廠或醫院中，從可見光通信照明下的設備回傳感測器數據。它目前尚不適用於Li-Fi網絡中的移動用戶上行鏈路。這裡真正的創新在於一個系統架構藍圖；現在需要對各組成技術進行嚴格優化，才能將一個巧妙的原理驗證轉變為可行的產品規格。
6. Future Applications & Research Directions
- 物聯網與感測器網絡： 在對射頻敏感的環境中（醫院、飛機、實驗室），可見光通訊下行鏈路可提供高速數據及電力（透過光線），而超聲波上行鏈路則為感測器遙測及控制信號提供低速率、可靠的後向通道。
- 工業自動化： 在可見光通訊照明的工作站下，配備簡易超聲波標籤的工具及組件，可在無射頻干擾的情況下，將身份、狀態或校準數據傳回中央系統。
- 增強型波束成形演算法： 研究基於機器學習的自適應波束成形器，能夠追蹤多個移動用戶並實時動態管理干擾。
- 混合射頻-聲學-光學系統： 開發智能切換協議，使設備能根據其位置、電量及數據需求，使用最佳上行鏈路媒介（超聲波、低功耗射頻如藍牙低功耗，或光學），並以可見光通訊作為主要下行鏈路。
- 標準化： 為超聲波可見光通訊上行鏈路定義協議與頻段，以確保互通性，類似於IEEE 802.15.7標準規管可見光通訊的方式。
7. 參考文獻
- Komine, T., & Nakagawa, M. (2003). Fundamental analysis for visible-light communication system using LED lights. IEEE Transactions on Consumer Electronics.
- IEEE Standard for Local and Metropolitan Area Networks–Part 15.7: Short-Range Wireless Optical Communication Using Visible Light. (2011).
- Haas, H. (2011). Wireless data from every light bulb. TED Global.
- Wang, Y., et al. (2015). 使用RGB LED及預均衡電路實現800 Mbit/s非對稱全雙工可見光通訊。 Optics Express.
- Liu, X., et al. (2018). 基於TDD的2.5 Mbit/s雙向可見光通訊系統。 Conference Proceedings.
- Van Trees, H. L. (2002). Optimum Array Processing: Part IV of Detection, Estimation, and Modulation Theory. Wiley-Interscience. (波束成形基礎教材).
- Stojanovic, M. (2007). 水下聲學通訊：物理層設計考量。 第五屆無線隨需網絡系統與服務年度會議. (適用於挑戰性聲學通道中的先進調制技術)。
- Zeng, Z., et al. (2020). A Survey of Acoustic Sensing on Smartphones. Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies. (關於無處不在的麥克風陣列能力的背景說明)。