可見光通訊之直流資訊聯合色彩-頻率調變：分析與洞見

1. 引言與概述

可見光通訊（VLC）正逐漸成為射頻（RF）通訊的關鍵互補技術，以應對頻譜飽和的挑戰。本文，由高等人發表的「直流資訊聯合色彩-頻率調變（DCI-JCFM）」，解決了VLC中的一個基本問題：為使用紅/綠/藍發光二極體（RGB LED）的系統設計高效調變方案。其核心創新在於聯合利用多個自由度——光波長（色彩）、基頻子載波（頻率）以及自適應直流偏壓——來創建一個高維度星座圖。此方法旨在最大化星座點之間的最小歐幾里得距離（MED），從而在嚴格的實際照明限制（如色彩平衡與功率限制）下改善誤碼率效能。

2. 核心方法：DCI-JCFM

DCI-JCFM方法建立在「高維度球體填充」的原則上。透過在結合色彩、頻率與直流偏壓維度所形成的空間中設計星座圖，相較於低維度、解耦的設計，它能實現更緊湊的訊號點排列。

2.1 高維度訊號空間

訊號向量 x 可以在一個由 N 個子載波、M 個LED色彩（例如，R、G、B）以及自適應直流分量所構成的維度空間中表示。這創造了一個維度為 D = N × M + 1 的設計空間。其根本增益來自於一個事實：在固定平均功率下，可實現的MED通常會隨著維度增加而增加，從而帶來更好的抗噪性。

2.2 實際照明限制

與RF不同，VLC必須滿足照明品質指標。其公式化包含了：

光功率限制： 對於每個LED驅動電流，$0 \leq x_i \leq P_{\text{max}}$。
平均色彩限制： 時間平均的發射光必須達到目標色度（例如，白點）。
演色性指數（CRI）與發光效率（LER）： 確保光線仍對照明有用的間接限制。
非負強度： IM/DD系統固有的特性。

這些限制使得VLC的最佳化問題獨具挑戰性。

3. 技術公式化與最佳化

3.1 數學問題公式化

核心最佳化旨在針對固定的頻譜效率，在滿足上述限制條件下，最大化星座點 $\{\mathbf{s}_k\}_{k=1}^{K}$ 之間的MED（$d_{\text{min}}$）。由於MED目標函數及部分限制條件，此問題本質上是非凸的。

目標：$\max\, d_{\text{min}}$，限制條件：

$\mathbf{s}_k \in \mathbb{R}^D_+$ （非負實數訊號）
$\frac{1}{K}\sum_{k=1}^{K} \mathbf{C} \mathbf{s}_k = \mathbf{p}_{\text{target}}$ （平均色彩）
$||\mathbf{s}_k||_2^2 \leq P_{\text{avg}}$ （平均功率）
其他CRI/LER線性近似。

此處，$\mathbf{C}$ 是一個將LED強度轉換為色彩座標（例如，CIE XYZ）的矩陣。

3.2 凸鬆弛方法

為了解決此問題，作者採用線性近似技術來鬆弛非凸的MED限制。對於所有 $i \neq j$，限制條件 $||\mathbf{s}_i - \mathbf{s}_j||^2 \geq d_{\text{min}}^2$ 是非凸的。常見的鬆弛方法包括固定一個參考點並相對於該點線性化距離限制，或使用在球體填充問題中常見的半正定規劃（SDP）鬆弛，將問題轉化為一個凸問題，從而可以使用CVX等工具高效求解。

4. 實驗結果與效能

4.1 模擬設定與情境

本文將DCI-JCFM與一個基準「解耦」方案進行比較，後者為每個R、G、B LED獨立設計星座圖。測試了三種照明情境：

平衡照明： 目標為色彩貢獻均等的白光。
不平衡照明： 目標為非白色光（例如，暖白光）。
極度不平衡照明： 單一色彩主導的極端情況。

效能以位元錯誤率（BER）對訊號雜訊比（SNR）來衡量。

4.2 相較於解耦方案的效能增益

關鍵結果： DCI-JCFM在所有情境下均展現了「顯著的增益」。在不平衡與極度不平衡的情況下，效能改善最為顯著。這是因為聯合設計能夠動態地在色彩與子載波之間分配能量與訊號維度，以高效滿足特定的色彩目標，而解耦方案則是僵化的。對於一個目標BER（例如，$10^{-3}$），DCI-JCFM可以在較低的SNR下達成，這意味著更好的功率效率或更長的傳輸距離。這些增益驗證了高維度球體填充的優勢。

效能摘要

指標： DCI-JCFM相較於解耦方案的SNR增益

平衡情境：約 2-3 dB 增益
不平衡情境：約 4-5 dB 增益
極度不平衡情境：>5 dB 增益

5. 分析師觀點：核心洞見與評論

核心洞見： 本文不僅僅是另一種調變方式的微調；它是一次策略性的轉變，從將VLC視為「基於光的RF」，轉向擁抱其作為通訊-照明聯合系統的獨特雙重身份。真正的突破在於將直流偏壓視為一個在多維度限制滿足問題中可利用的自由度，而非浪費的開銷。這與訊號處理領域更廣泛的趨勢相符，例如在CycleGAN（Zhu等人，2017）等工作中，領域限制被巧妙地整合到學習目標中，而非被視為外部限制。

邏輯流程： 論證過程非常優雅：1) VLC的效能受低維度設計所限。2) 更高維度提供更好的填充（如同夏農理論）。3) 但VLC的維度（色彩、偏壓）伴隨著嚴格的物理限制。4) 因此，公式化一個受限制的高維度最佳化問題。邏輯是合理的，但從理論到實踐的跳躍完全取決於解決非凸問題的效率。

優點與缺點： 優點： 整體化設計是其最大優勢。透過共同最佳化通訊與照明，它預先避免了系統層級的整合難題。對CRI和LER的考量（這常被忽略）增加了顯著的實際可信度。在不平衡情境下的增益對於現實世界應用（其中完美的白平衡很少見）尤其具有說服力。 缺點： 顯而易見的問題是複雜度。凸鬆弛雖然巧妙，但可能無法保證全域最佳解，並且在動態通道中進行線上適應的計算負載未被討論。本文也默認假設了完美的色度學與通道狀態資訊——考慮到LED老化與環境光的可變性，這是一個過於理想的假設。相較於為RF新興的優雅、低複雜度設計（例如來自MIT無線中心的研究），此方法在計算上顯得繁重。

可操作的洞見： 對於產業界，訊息很明確：高效能VLC的未來在於跨層、限制感知的設計。研發應優先開發用於DCI-JCFM最佳化的低複雜度、近似求解器——或許可以使用深度學習，正如神經網路在解決複雜最佳化問題（例如，DeepMind的AlphaFold）的成功所暗示的那樣。對於標準制定機構，這項工作主張定義VLC波形不應僅依據頻譜效率，而應依據一個三重指標：資料速率、照明品質（CRI/LER）以及計算複雜度。忽略任何一項都將導致不切實際的標準。

6. 技術深入探討：公式與框架

最佳化的核心可以表示如下。令 $\mathcal{S} = \{\mathbf{s}_1, \mathbf{s}_2, ..., \mathbf{s}_K\}$ 為星座圖。MED最大化問題是： $$ \begin{aligned} \underset{\mathcal{S}, d}{\max} & \quad d \\ \text{s.t.} & \quad \|\mathbf{s}_i - \mathbf{s}_j\|_2 \geq d, \quad \forall i \neq j \\ & \quad \mathbf{s}_k \succeq 0 \quad \text{（元素級別非負性）} \\ & \quad \frac{1}{K} \sum_{k=1}^{K} \mathbf{T} \mathbf{s}_k = \mathbf{\bar{c}}_{\text{target}} \\ & \quad \frac{1}{K} \sum_{k=1}^{K} \|\mathbf{s}_k\|_2^2 \leq P_{\text{avg}}. \end{aligned} $$ 此處，$\mathbf{T}$ 是一個從訊號向量到色彩座標空間（例如，CIE 1931 xyY）的線性轉換矩陣。第一個限制條件是非凸的MED限制。對於固定星座圖大小的標準鬆弛方法，涉及使用半正定規劃（SDP）鬆弛或圍繞初始可行星座圖的一階泰勒近似，將問題轉化為一系列凸的二階錐規劃（SOCP）或線性規劃（LP）。

7. 分析框架：概念性案例

情境： 為博物館設計一個VLC系統。主要光線必須是暖白光（3000K）以保護文物，但同時必須將資料傳輸給訪客導覽裝置。 解耦方案（基準）： 獨立為紅、綠、藍LED設計BPSK以滿足平均暖白點。這迫使每個LED在固定、次佳的偏壓點上運作以滿足色彩混合，浪費能量並減少訊號擺幅。 DCI-JCFM方法：

定義維度： 每個色彩（R,G,B）使用2個子載波 + 直流偏壓 = 7維空間。
設定限制： 平均輸出必須等於暖白光色度座標。CRI > 90。總功率預算固定。
求解： 最佳化找到星座點，例如，一個在藍色通道上要求高資料速率的符號可以暫時增加藍色強度，同時同步降低紅色與綠色強度，並調整共享的直流分量以保持運行平均色彩正確。解耦方案無法進行這種協調性的權衡。

結果： DCI-JCFM實現了4 dB的SNR增益，使得在博物館光線較暗的區域也能進行可靠的通訊，同時不損害文物照明的品質。

8. 未來應用與研究方向

應用：

商業空間中的智慧Li-Fi： 具有動態照明需求（例如，全天色溫變化）的辦公室和零售商店，可以使用DCI-JCFM來維持高速資料鏈路，而不會產生閃爍或色彩失真。
水下VLC： 水對不同波長的吸收程度不同。DCI-JCFM可以根據水的濁度與深度自適應地加權R、G、B通道，以最大化照明範圍與資料速率。
生物醫學感測/通訊： 使用特定LED波長進行光療（例如，藍光治療黃疸），同時在同一光源中嵌入病患資料傳輸。

研究方向：

低複雜度自適應演算法： 開發基於機器學習的代理模型，以在通道條件或照明目標變化時，即時近似最佳星座圖。
與MIMO整合： 將DCI-JCFM的色彩-頻率-偏壓多樣性與多個LED燈具的空間多樣性相結合。由此產生的超高維度設計空間有望帶來巨大增益，但也帶來了嚴峻的最佳化挑戰。
標準化與硬體原型製作： 將理論增益轉化為實用、標準化的波形，並在基於FPGA的VLC收發器等低成本、即時硬體平台上進行演示。
安全應用： 利用高維度星座圖作為實體層安全功能。獨特的、依賴於限制條件的訊號結構可以作為一種指紋，在不知道精確照明限制的情況下難以竊聽。

高等人的工作開啟了將光源視為一種可塑、多用途資源的大門，這一概念將定義下一代光學無線技術。

9. 參考文獻

Gao, Q., Wang, R., Xu, Z., & Hua, Y. (年份). DC-Informative Joint Color-Frequency Modulation for Visible Light Communications. IEEE Journal on Selected Areas in Communications（或相關出版物）.
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). （引用於將領域限制整合到最佳化/學習框架的概念）.
Karunatilaka, D., Zafar, F., Kalavally, V., & Parthiban, R. (2015). LED Based Indoor Visible Light Communications: State of the Art. IEEE Communications Surveys & Tutorials, 17(3), 1649-1678.
Wang, Q., Qian, C., Guo, X., Wang, Z., Wang, F., & Deng, K. (2018). Layered ACO-OFDM for Intensity-Modulated Direct-Detection Optical Wireless Transmission. Optics Express.
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.
MIT Wireless Center. (2023). Research on Low-Complexity Communication Algorithms. Retrieved from [MIT Wireless Center Website]. （引用作為通訊設計中演算法簡潔性的基準）.
Jovicic, A., Li, J., & Richardson, T. (2013). Visible Light Communication: Opportunities, Challenges and the Path to Market. IEEE Communications Magazine, 51(12), 26-32.