车联网可见光通信系统夜间背景光噪声模型

柯熙政 秦欢欢 杨尚君 吴加丽 潘希雅

（1. 西安理工大学自动化与信息工程学院, 西安 710048；2. 陕西省智能协同网络军民共建重点实验室, 西安 710048；3. 陕西理工大学物理与电信工程学院, 汉中 723001）

引 言

自从Guglielmo Marconi 发明了无线电通信以来，射频通信以及微波通信在人类社会活动中的应用日益广泛. 在半个多世纪的研究历程中，无线电波在大气湍流中传输普遍采用Kolmogorov 大气折射率功率谱模型. 基于Kolmogorov 谱的无线光通信大气湍流模型已得到广泛的认知和深入的研究. 但近些年实验测量表明大气层部分区域并不遵循Kolmogorov统计规律. 尽管Non-Kolmogorov 谱大气湍流效应的研究取得一些成果，但Non-Kolmogorov 大气湍流光波传输理论仍很不完善.

可见光通信是一种新颖的无线光通信技术[1]，它将发光二极管转变为同时兼顾照明和通信的智能两用工具[2]. 按场景来划分，室内可见光通信主要应用于无线宽带组网和室内定位[3]，室内背景光噪声干扰小、通信范围小且实现复杂度低[4]. 室外可见光通信以交通指示灯、路灯和汽车前后灯作为光源，实现车辆与路基设备、车辆到车辆和车辆与行人之间的智能交通信息共享. 室外可见光通信主要受背景太阳辐射光和人造光源干扰[5]，其中太阳直接辐射是主要的噪声源，并取决于天气条件、月份、一天中的时间、探测器的方向以及白天和全年的太阳位置. 而人造光源主要包括路灯、其他车灯、静态霓虹灯标志牌和广告屏幕等闪烁[6]. 此外，不同天气环境条件(如雨、雪、雾和汽车烟雾)对于能见度的限制以及大气湍流效应对于光束的扰动均会对智能交通环境的车联网可见光通信系统产生影响[7].

2001 年，日本应庆大学Nakagawa 等人首先对车联网可见光通信系统进行了初步模型的建立[8]. 随后，学者们针对车联网可见光信道特性进行了一系列的研究. Luo 等人针对白天不同距离下的视距及非视距传输下的室外可见光通信信道模型进行建立[9]；Kim等人针对雾天环境下车联网可见光通信信道进行分析[10]；Rajbhandari 等人通过计算得出了信道统计分布随交通车辆密度和车间距的变化而变化的结论[11]；Lee 等人采用一种基于修正黑体辐射模型分析日光噪声对于车联网可见光通信的影响，并认为视距传输影响占据了绝大多数部分[12]. 而针对智能交通环境的复杂性，可通过不同的角度改善提升性能，如采用正交频分复用编码的方式[13]，依据信道特性选择射频或者可见光通信同时兼备的方式[14-15]；或者从接收器件选择着手研究[16-17]，如采用二维图像传感装置来代替原有的光电二极管进行信息采集[18]. 在此基础上，采用一种大视场采用图像传感接收、小视场采用二极管接收[19]，以及采用差分接收的方式以减小太阳光的影响[20]，对于算法上的改进，采用深度学习去除太阳光的背景光噪声以提高可见光通信性能.

本文提出了一种采用双高斯函数用于表征夜间车联网可见光通信噪声模型，对室外不同城市夜间可见光通信背景光噪声模型进行实际测量，为后续的系统建模以及噪声去除提供了理论基础.

1 可见光信道模型

对于车联网可见光通信系统，设s(t)为发光二极管经调制后的光信号，no(t) 为背景光信号模型，h(t)为大气传输信道模型，η 为光电探测器转化系数，ne(t)为探测器电噪声模型，包括散粒噪声、电阻热噪声、1/f噪声等一系列噪声，通常以0 均值的加性高斯噪声进行描述[21-22].y(t)为输出信号，系统的数学模型如下[23]：

可见光通信噪声严格标准包含独立于信号以及依赖于信号两部分，h(t) 作为卷积噪声(即乘性噪声)，表示信号在传播过程中经过一些介质的物理特性，使得信号中包含的信息丢失的过程. 大气湍流、大气衰减以及对准误差等卷积噪声使信号自身的幅度发生随机变化. 背景光信号no(t)所引起的加性噪声对于系统的影响体现在各种杂散背景光辐射所引起的光生辐射电流，且有

式中：Pout(t)为探测器输出的电功率噪声信号；E(t)为杂散背景光的累加光场；s为探测器有效面积；R为输出阻抗. 光场平方律探测输出信号其均值必大于0，这意味着0 均值高斯白噪声并不能够准确表征车联网可见光通信噪声模型.

针对车联网背景，柯熙政提出了一种采用双高斯函数进行拟合的夜间背景光噪声模型(Ke’s model)，对应于式(1)中的[no(t)*h(t)]×η+ne(t)(理想情况下，可认为h(t)=1，ne(t)=0，即no(t)×η)，其概率密度函数(probability density function, PDF)定义如下：

当车联网可见光通信系统的信噪比小于γth时，通信系统发生中断，因此系统的中断概率可表示为

因此，对于不同的二进制调制方式通用的误码率表达式为

式中，参数p和q的不同取值代表不同调制方式，例如p= 1 和q= 1 代表差分相移键控(differential phase shift keying, DPSK).

2 实验研究

图1 为车联网可见光通信双高斯分布模型(Ke’s model)的PDF 分布，高斯曲线1 表示背景噪声中主要包含车辆当前所在路灯背景光成分，其光强较弱，且波动较小，方差较小使得函数呈现尖锐突起；高斯曲线2 表示室外可见光背景噪声中主要包含前后车灯、高亮度广告牌和交通灯等成分，其光强较强，光强波动方差较大.

图1 车联网可见光通信双高斯分布模型PDF 分布Fig. 1 Double Gaussian PDF distribution model of visible light communication in the Internet of vehicles

如图2 所示，分别在不同天气情形下对西安市、北京市、哈尔滨市、长春市、石家庄市等不同地区进行数据采集，以验证模型的符合性. 其中探测器型号为OPHIR-PD300-UV，采样频率为15 Hz.

图2 可见光通信噪声采集示意图Fig. 2 Schematic diagram of visible light communication noise acquisition

图3 为西安市不同地区、不同城市、雨天和秦岭-终南山公路隧道环境下可见光通信噪声模型PDF 分布曲线.

图3 不同情形下车联网可见光通信噪声模型PDF 分布Fig. 3 Probability density distribution of visible light communication noise model in the Internet of vehicles

表1 不同城市车联网可见光背景噪声模型测量条件Tab. 1 Measurement conditions of visible light background noise model of vehicle networking in different cities

依据上述测量模型可得出如下实验结果：1) 可见光通信的环境噪声模型可以用2 个高斯函数的叠加表示；2) 雨天的PDF 分布与晴天的PDF 分布没有明显的区别；3) 当前路灯光强起伏要小于其他光源产生的光强起伏.

表2 不同城市车联网可见光背景噪声模型参数Tab. 2 Model parameters of visible background noise of vehicle networking in different cities

3 结 论

本文所提出的双高斯函数模型与实际情况相当符合，不同城市可见光通信的环境噪声模型可以用2 个不同参数的高斯函数相叠加表示.今后应该继续研究雨天、雾天以及不同车速、不同交通密集度等情形下模型的适应性，进一步探索该模型的数学物理机理.

致谢：感谢吴鹏飞、季旭宽、武迎辉、龚清润、姚海峰、王振华等人在实验数据测量方面给予的帮助.