随着物联网的兴起以及人工智能的迅猛发展，人类正迈向以“万物感知、万物互联、万物智能”为特征的智能时代。在智能时代产生的海量数据对
通信系统的高速率和低时延提出了更高要求，将给传统通信接入网技术带来巨大考验。一种新型通信方式——可见光通信（visible light communica
tion， VLC）应运而生，并被《时代周刊》评为2011年全球50大科技发明之一。
复旦大学迟楠教授团队对可见光通信的前沿研究进行了综述，阐述了其研究背景和基础系统架构，围绕材料器件、高速系统、异构网络、水下可见光通信和机器学习等五个前沿研究方向展开了对可见光通信研究进展的探讨，并概述了现阶段高速可见光通信技术面临的若干挑战，展望了未来的美好前景。
可见光通信是利用波长在380~790 nm范围内的可见光进行数据通信的无线光传输技术。其优点包括：
1） 相比于传统无线通信，可见光的频谱资源丰富，频谱带宽约为400 THz，是有待研究的空白领域。
2） 可见光通信兼具照明、通信和控制定位等功能，易与现有基础照明设施相融合，符合国家节能减排的战略思想。
3） 在电磁敏感区域（核电站、矿井、加油站等）和具有强电磁环境的特殊场所（如变电站、现代军事战场等），可见光通信具有不受无线电干扰、无电磁辐射、高度保密性的优势。
4） 可见光通信最大优势是高速，它是未来智能时代B5G/6G超高速泛在光联网中一种不可或缺的无线通信方式。
可见光通信一经问世便得到了各国政府大力支持：日本在2003年成立了可见光协会（VLCC）；美国国家自然基金（NSF）成立了ERC中心和FiWIN中心研究可见光通信；欧盟的欧盟第七框架协议（FP7）、5G PPP（public private partnership）项目都重点支持了可见光通信；我国科技部将可见光通信列入重点研发计划中。在国内，复旦大学、中国科学院
半导体所、北京邮电大学、东南大学等科研单位在可见光通信技术方面开展了多年研究并取得了一系列显著的科研成果。
系统结构
可见光通信系统的基础结构见图1，包括可见光信号发射端、可见光信号传输信道和可见光信号接收端。
图1 可见光通信系统的基础结构
原始的二进制信号首先经过编码、调制和预均衡等变换，得到的预处理信号经过模数转换后驱动光发射器（如LED）以控制其光照强度，从而实现电信号到光信号的转换。此外，在光发射器后加上光学透镜和聚光杯可以进一步提高接收端信号强度，从而增大传输距离。经过调制后的可见光信号在大气或者水下等自由空间信道中传播，到达可见光信号接收端。一般使用光电二极管PIN、雪崩光电二极管APD等光电检测器来检测光信号，实现光信号到电信号的转换。得到的电信号经过后均衡、解调和解码等数字信号处理后，恢复出原始发射信号。
前沿研究方向
目前研究学者对可见光通信的研究主要集中于五个方面，分别是材料器件、高速系统、异构组网、水下可见光通信以及机器学习在可见光通信中的应用。
材料器件
可见光通信中用到的光发射器件有激光二极管LD、超辐射激光二极管SLD和发光二极管LED。其优缺点见表1。LD对人眼有潜在的危险性，并且相干会产生散斑效应。SLD工艺还有待完善。LED应用广泛，成本低，具有开启速度快、效率高、使用寿命长、对人眼安全等优势。然而，现有商用LED的3 dB调制带宽小于100 MHz，限制了其高速传输。因此，研究人员研制了相应的LED芯片来实现LED的高速传输。在目前的高速VLC系统中，主要使用硅基LED（Si-LED）、微结构LED（micro-LED）和表面等离子体LED（SP-LED）三种LED芯片。
1） 硅基LED芯片抗静电能力强，使用寿命长、生产效率高。
南昌大学与复旦大学合作研制了一款基于GaN的共阳极硅衬底LED芯片，芯片采用单面发光具有垂直结构的硅衬底LED、具有垂直结构的电机和特殊的量子阱结构，有效提高了LED的调制带宽。基于此芯片的五色RGBYC LED在实验中首次实现了15.17 Gbps的水下VLC高速通信。
2） Micro-LED具有寿命长、频率响应快等优点。因有较小的有源区域，Micro-LED可实现电流高密度注入，从而将调制带宽驱动至数百兆赫兹。
Ferreira RX等人研制了一种Micro-LED阵列，该阵列使用一个内部和一个外部圆形Micro-LED，分别包含5 pixel和10 pixel。该Micro-LED带宽可达655 MHz，在低于前向纠错（FEC）阈值（7%）的情况下，实现了7.91 Gbps的传输速率。
3） SP-LED能够提高LED发光的内量子效率和外量子效率。
表1 不同光发射/探测器件比较
此外，特殊的光电探测器，如单光子探测器（SPAD），虽然价格昂贵，但由于其具有的超低噪声以及超高探测灵敏度特性，也被研究学者们尝试应用于长距离可见光通信系统中。
高速系统
与其它通信方式相比，可见光通信在理论上具有超大的通信容量，能够实现数据高速传输。为了进一步提高可见光通信的传输速率，研究学者们从先进调制技术、数据预均衡和后均衡等方面进行了大量的研究，并取得了一系列突破性进展。其中，先进调制技术包括无载波幅度相位调制（CAP）、正交频分复用（OFDM）和离散多音（DMT）等。数据预均衡和后均衡是为了补偿接收发射器件、传输信道、噪声等对信号带来的失真，从而提高系统性能。
表2 三种调制方式优缺点比较
异构组网
可见光通信与其它通信方式的异构组网是未来实际应用中必须要解决的问题，是可见光通信实用化的关键，具体包括：1） 如何将可见光通信接入到现有通信网络中；2） 如何将多个可见光接入点（VLC access point， VAP）组成可见光系统组网；3） 在异构组网中采用何种调制方式和接入协议、发挥可见光通信的优势并支持大规模高速通信。
复旦大学在2014年研制了第一套PON和VLC无缝组网的系统。该系统基于奈奎斯特单载波频域均衡（N-SC-FDE）调制的方法，经过40 km的光纤传输和30 cm的可见光传输，实现了可供三个有线用户接入的10 Gbps PON和可供一个无线用户接入的500 Mbps VLC，证实了可见光组网的可行性。2015年，复旦大学验证了多个可见光接入点接入骨干网的可行性，如图2，实验采用光纤链路作为可见光接入网络的主干路，利用32QAM-OFDM调制方式并经过25 km的光纤传输和75 cm的可见光传输，实现了8 Gbps的吞吐量，可支持8个可见光接入点的高速无线接入。
图2 可见光多用户接入网示意图
此外，研究学者也研究了VLC与WiFi、VLC与RF以及VLC与IR（infrared）的异构组网。水下可见光通信
在未来万物互联的智能时代，水下物联网是必不可少的组成部分。如图3所示，海洋观测传感器物联网的互联互通及信息回传、水下运动装备与水面舰艇及通信浮标等目标的超高速非接触数据通信、水下航行器集群及编队组网通信、海底光缆网与水下无线光通信的无线融合组网等功能的实现，都需要水下通信技术作为支撑。水下无线通信技术目前主要基于声波和射频进行通信。但是水声通信带宽窄、载波频率低、时延大且安全性差。射频传输穿透深度有限、数据传输速率低、发射功率高。因此，研制新型水下通信技术成为迫切需求。在1963年，Duntley S Q等人在研究中发现海水对450 nm～550 nm波段内蓝绿光的衰减比其它光波段的衰减要小很多。
这一物理现象的发现为水下可见光通信（UVLC）的发展奠定了理论基础。相比于水声通信和水下射频通信，水下可见光通信具有成本低、传输速率高、抗干扰能力强、保密性好等优势，已成为国际竞争的焦点之一。目前水下可见光通信主要包括基于LD的通信和基于LED的通信。最近几年，基于LD的水下通信实现了越来越远的传输距离。NTUT利用波长为450 nm的蓝光LD和NRZ-OOK的调制方式，在60 m传输距离的情况下，实现了2.5 Gbps的传输速率。
中国科学技术大学在传输距离为100 m时获得了500 Mbps的传输速率。与此同时，基于LED的水下通信实现了越来越高的传输速率。复旦大学采用五色RGBYC LED在实验中实现了15.17 Gbit/s的水下LED通信，并于2020年利用新型LED阵列实现了20.09 Gbit/s的速率，这是目前水下可见光通信的最高速率。由于水下环境恶劣，增加了水下可见光通信系统性能的不确定性。因此，水下可见光信道的建模至关重要。目前对于水下信道完整建模的研究还比较少，需要研究学者在未来进一步探索。
图3 未来水下无线光网络示意图
机器学习
在可见光通信领域的研究中，机器学习可以用于系统非线性抑制和补偿、光网络性能监控、调制方式识别以及相位估计等任务中，如图4所示，是可见光通信系统实现智能化的关键。
图4 机器学习在可见光通信中的应用
可见光系统中的光源、发射驱动
电路、接收放大电路等都会引入非线性，从而严重损害系统性能。经典的机器学习算法如K-means、DBSCAN等已被研究学者尝试用于解决可见光通信中的非线性问题。
近年来，机器学习的重要分支——深度学习（deep learning）获得了飞速发展。常用的深度学习模型为多层神经网络，可以直接把原始观测数据作为输入，通过多层非线性映射进行逐级特征提取与变换，从海量数据中学习规律。基于深度学习强大的学习能力，研究学者尝试将神经网络MLP、CNN、LSTM、GRU等网络结构及其变体应用到可见光通信领域中来解决如数据均衡、信道模型估计等问题，从而提升可见光通信系统的性能。
总结与展望
在研究学者们共同的努力下，可见光通信已经取得了一系列令人瞩目的成果。然而，可见光通信目前仍面临着各方面严峻的挑战，未来还需要继续不断探索：研究更多的新型器件来突破性能瓶颈；
研究实际且全面的可见光信道理论模型，为高速可见光通信提供理论指导；
研究如何合理解决上行链路传输以及可见光与太赫兹通信、毫米波通信和微波无线通信等通信方式如何共存与兼容；
研究更多的新型机器学习算法协同工作，共同实现可见光系统的智能化随着可见光通信的不断发展。我们有理由相信：可见光通信将会同其它通信方式一起，高效、智能地处理海量数据，服务于未来万物互联的时代，造福人类生活。
原作者：编辑部 光电期刊
