可见光通信建模与误码率仿真：Lambertian信道与参考噪声地板方法

各位做通信仿真或者刚接触可见光通信（VLC）的朋友，这篇东西我磨了挺久。关于室内可见光通信，网上的资料大多是照搬经典论文里的公式，或者只给一个跑完就出图的MATLAB脚本，真正能把“为什么这么建模”“为什么误码率曲线长这样”“噪声到底该怎么加”讲清楚的内容非常少。这篇文章围绕一个完整的仿真研究展开——基于Lambertian直射信道模型，用参考噪声地板方法做室内可见光通信系统的性能分析与误码率仿真。文章会从信道建模、噪声分析、仿真架构设计到结果解读、踩坑记录全部过一遍，适合正在做课程设计、毕业设计，或者刚入行做光通信物理层算法验证的同学参考。你能得到的不是一堆孤立的代码，而是一套可以复现、可以修改、可以往任意方向扩展的仿真研究框架。

我最初做这个课题的时候，踩过最大的坑就是“仿真结果看起来对了，但没人知道它为什么对”。后来静下心把信道模型、噪声模型和仿真方法彻底理了一遍，才意识到：可见光通信的性能分析，核心其实只有三件事——光功率怎么从LED到接收机、接收机里噪声有多大、信噪比如何映射到误码率。这篇文章就从这三件事展开。

1. 项目整体设计与技术思路

1.1 核心需求解析

室内可见光通信，说白了就是让LED灯泡在照明的同时把数据发出去。接收端用光电二极管（PD）把光信号转成电流信号，再经过跨阻放大器（TIA）放大、判决、恢复出原始比特。整个系统的性能最终体现在一个指标上——误码率（BER）。误码率越低，说明通信质量越好。

但问题来了：误码率不是凭空出来的，它取决于接收端信噪比（SNR），而信噪比又取决于两件事，一是接收端能收到多少光功率，二是接收端电路本身有多大的噪声。前者由信道决定，后者由光电检测和前端的硬件设计决定。

做这个仿真研究时，我明确了几件事：

• 信道模型必须用经典的Lambertian直射信道。这是VLC领域最基础、最被广泛接受的模型，LED辐射被近似为朗伯辐射体，接收端只考虑视距路径（LOS）传过来的光。对于室内点对点通信或者上行的实际场景，这个模型已经足够准。
• 接收端噪声需要分开算清楚。散粒噪声和热噪声是两大来源，它们一个与接收光功率有关，一个主要由前端电路决定。这两者的定量关系决定了系统在不同光功率下的信噪比表现。
• 误码率仿真不能每来一个比特都重新生成一套噪声参数，那样跑得慢而且统计不一致。参考噪声地板方法的思想是：固定一个理论计算出的噪声功率谱密度作为基准，仿真时只改变信号幅度来完成不同信噪比下的BER测试。这样仿真速度快，且不同位置之间的BER对比更公平。

1.2 性能评估指标的选择

为什么选误码率而不是信噪比或者信道容量作为核心评估指标？因为误码率是数字通信系统最直接的“体检报告”。信噪比再高，接收机的判决门限设置不合理，误码率照样难看。信道容量描述的是系统潜力的上限，但在实际工程中，你更关心的是“这个布局在某个速率下到底能用不能用”，误码率就是这个问题的答案。

我在仿真中同时统计了三个层面的数据：

• 光功率分布：反映信道特性本身，是理解一切后续表现的基石。
• 电SNR分布：把光功率和噪声模型结合，看出每个位置的信号质量。
• BER分布与平均BER：最终的通信质量评价。

三者放在一起看，才能定位问题出在信道还是接收机。这也是我建议你在做类似仿真时保留的习惯——不要只看最后那张BER图。

1.3 参考噪声地板方法的思路

“参考噪声地板”这个词，初看有点唬人，其实理解起来很简单。

接收端的噪声分为两部分：一部分是散粒噪声，它的大小和平均接收光功率有关，光功率越大散粒噪声越大；另一部分是热噪声，主要由接收机前端的电子器件产生，和光功率基本无关。对于PIN光电二极管接收机来说，热噪声通常占主导地位，尤其是在接收光功率不高的室内可见光通信场景中。

在这个前提下，我们可以做一个合理简化：将接收端总噪声功率固定为一个由参考条件计算得到的常数，这个固定的噪声功率谱密度就是一个“噪声地板”。仿真的每一轮，不管接收光功率怎么变化，我们只调整信号分量的大小，噪声的统计特性始终保持一致。

这种做法有几个明显好处：

• 仿真速度快。噪声不需要每个比特都重新生成，只生成一次，全局复用。
• 统计一致性高。不同位置的BER差异完全由信号功率差异造成，不会出现“这个点噪声恰好大所以BER高”的偶然偏差。
• 便于对照理论曲线。固定噪声地板后，SNR与接收光功率一一对应，可以直接和理论BER公式做对比验证。

如果你做的是多径信道仿真，或者接收光功率变化非常剧烈的场景，那参考噪声地板方法需要稍作修正，但本文讨论的Lambertian直射信道模型下，它就是一个既准确又高效的实用方法。

2. Lambertian直射信道模型与关键参数

2.1 LED的朗伯辐射特性

LED发出的光并不像激光那样高度汇聚，而是向空间各个方向发散。为了数学上描述这种发散特性，朗伯辐射体模型给出了一个简洁的表达式：

发光强度I(φ)与发射角φ的余弦的m次方成正比：

I(φ) = I₀ · cosᵐ(φ)

其中I₀是法线方向（φ=0）的发光强度，m是朗伯辐射阶数，由LED的半功率角Φ₁/₂决定：

m = -ln(2) / ln(cos(Φ₁/₂))

这个式子特别重要。半功率角说的是“发光强度降到法线方向一半时对应的角度”。如果半功率角是60度，代进去算出来m=1，这就是最常见的朗伯辐射体，很多普通照明LED都接近这个特性。如果LED加了透镜，光束会收窄，半功率角变小，m值变大，辐射更集中。

实际仿真中，我建议你先查一下自己用的LED型号的辐射模式，或者直接按60度半功率角来建模，这是个比较通用的起点。

2.2 直射链路信道增益公式

接收端收到的光功率不仅取决于LED怎么发，还取决于光走了多远、以什么角度到达接收面。对于直视链路（LOS），光从LED出发，经过距离d的传播，到达PD的接收面。经典的Kahn与Barry模型给出了直射信道的直流增益：

当入射角ψ小于接收端视场角（FOV）Ψ_C时：

H(0) = (m+1) · A_r / (2π·d²) · cosᵐ(φ) · cos(ψ) · rect(ψ/Ψ_C)

当ψ > Ψ_C时，H(0) = 0。

拆开看这个公式的原因：

• (m+1)/(2π) 是归一化因子，保证所有方向辐射功率积分等于LED总发射功率。
• A_r / d² 是“光功率在自由空间传播后的接收面积占比”，体现了距离平方衰减规律。距离越远，光摊到越大球面上，接收功率越小。
• cosᵐ(φ) 体现LED的辐射方向性。偏离LED法线方向越远，光强越弱。
• cos(ψ) 体现PD的有效接收面积。光斜着打到接收面时，等效接收面积会打折扣，所以入射角越大，接收效率越低。
• rect函数则体现了视场角的截断效应。超出视场角的光，接收机根本看不到，增益直接置零。

接收光功率P_r就是LED发射功率P_t乘以H(0)：

P_r = P_t · H(0)

整个信道建模的核心，其实就是在不同空间位置上把H(0)算出来。

2.3 仿真中的关键参数设置

我使用的仿真参考场景是一个典型的室内房间，下面是完整的参数表：

需要特别提醒的是，视场角60度是个很关键的约束。很多初学仿真的人没有检查入射角是否超过视场角，导致在房间角落里算出离谱的接收功率——因为公式里cos(ψ)可能变成负数。这是最容易出错的地方，仿真代码里一定要加角度判断。

3. 噪声模型与参考噪声地板方法

3.1 接收端噪声来源解析

可见光通信接收机的噪声来源，比射频通信要简单一些，没有那么多干扰源，但两个主导噪声必须算准：

一是散粒噪声。光信号打到PD上产生光生电流，光生载流子的产生过程是随机的，服从泊松统计，这就带来了散粒噪声。它的特点是：与平均光电流成正比，平均光功率越大，散粒噪声越大。其方差表达式为：

σ_shot² = 2q · (P_r · R_p + I_dc) · B

其中q是电子电荷量，I_dc是暗电流，B是噪声等效带宽。从公式看，散粒噪声和接收光功率呈线性关系。

二是热噪声。光电检测后的电流信号要经过跨阻放大器变成电压信号，放大器内部的电阻、晶体管沟道等都会产生热噪声。热噪声与光功率无关，只与温度、电路参数有关。经典模型把它分为两项：

σ_thermal² = (8πkT/G) · η · A_r · I₂ · B² + (16π²kTΓ/g_m) · η² · A_r² · I₃ · B³

这里T是温度，G是开环电压增益，η是PD单位面积电容，I₂和I₃是噪声带宽因子（与接收脉冲形状有关），Γ是场效应管噪声因子，g_m是跨导。

你会发现热噪声的两项分别与B²和B³成正比，也就是说带宽越大，热噪声涨得越厉害。这解释了为什么高速VLC系统对接收前端的设计要求极高——速率上去之后，热噪声会迅速吃掉信噪比。

3.2 光电检测信噪比推导

把光信号和噪声放在一起，接收端的电信号功率是：

S = (R_p · P_r)²

这是经过光电转换后的信号电流的均方值。总噪声功率是散粒噪声和热噪声之和：

N = σ_shot² + σ_thermal²

电SNR就是：

SNR = (R_p · P_r)² / (σ_shot² + σ_thermal²)

到这里，信道模型和噪声模型就通过SNR这个桥梁连了起来。接收光功率P_r随位置变化，噪声模型给出随P_r和前端参数变化的噪声功率，两者一比，每个位置的SNR就出来了。

对于OOK（开关键控）调制方式，理论误码率公式是：

BER = Q(√SNR)

其中Q函数是标准正态分布的尾部概率。这个公式是后续仿真验证理论曲线的依据。

3.3 参考噪声地板方法的仿真实现

具体到仿真代码里，“参考噪声地板”是怎么实现的？

思路是这样的：先选取一个参考光功率（比如LED正下方1米处的接收功率），代入噪声模型计算出该条件下的总噪声功率，把它作为整个仿真的固定噪声功率。然后，对不同位置的信号，只按各自的接收光功率P_r计算信号幅度，叠加这个固定功率的噪声。

举个例子。假设参考光功率P_ref对应噪声功率N₀，某个位置的实际接收功率是P_r，那么这个位置的电SNR就是：

SNR = (R_p · P_r)² / N₀

这样，噪声是固定的地板，信号随位置变化，SNR的差异完全由信道增益决定。在MATLAB中，只需在仿真开始前算一次噪声功率，之后每个比特都用randn生成方差为N₀/2的同相和正交噪声分量叠加到信号上即可。

这种方法尤其适合对比不同LED布局、不同接收位置时的系统性能差异，因为所有位置都在同一个噪声基准下竞争，结果非常直观。

4. 仿真平台搭建与BER计算流程

4.1 仿真总体框架

整个仿真分为五个模块，每块都有明确的输入输出：

• 参数初始化模块：设置房间、LED、PD、噪声模型的所有参数。
• 信道计算模块：遍历接收平面上的每个网格点，计算d、φ、ψ，判断ψ是否小于视场角，计算H(0)和P_r。
• 噪声计算模块：代入参考条件，计算散粒噪声和热噪声功率，得到参考噪声地板N₀。
• BER仿真模块：对每个网格点，随机生成大量OOK比特，叠加信号与噪声，判决，比较，统计误码率。
• 结果可视化模块：绘制光功率分布图、SNR分布图、BER分布热力图，以及BER随SNR变化曲线。

4.2 MATLAB关键代码解析

信道增益计算函数：

matlab复制function H0 = channel_gain(phi, psi, d, m, Ar, FOV)
% phi: LED发射角
% psi: PD入射角
% d: 传输距离
% m: 朗伯辐射阶数
% Ar: PD有效接收面积
% FOV: 接收端视场角（弧度）
    if psi > FOV
        H0 = 0;
    else
        H0 = (m + 1) * Ar / (2 * pi * d^2) * cos(phi)^m * cos(psi);
    end
end

注意角度判断必须在计算cos(psi)之前完成，否则入射角大于90度时代码依然会算出一个负增益，这是初学者最容易忽略的问题。

噪声地板计算：

matlab复制q = 1.602e-19;
k = 1.38e-23;
T = 300;
B = 20e6;
I2 = 0.562;
I3 = 0.0868;
G = 10;
gm = 30e-3;
Gamma = 1.5;
eta_pd = 112e-8; % PD单位面积电容 F/m^2
Idc = 10e-9; % 暗电流 A

Pr_ref = Pt * H0_ref; % 参考接收光功率，取LED正下方1m处
shot_noise = 2 * q * (Pr_ref * Rp + Idc) * B;
thermal_noise = 8 * pi * k * T / G * eta_pd * Ar * I2 * B^2 ...
              + 16 * pi^2 * k * T * Gamma / gm * eta_pd^2 * Ar^2 * I3 * B^3;
N0 = shot_noise + thermal_noise; % 参考噪声地板

BER仿真核心循环：

matlab复制N_bits = 1e5; % 每点仿真比特数，可根据精度需求调整
for ix = 1:Nx
    for iy = 1:Ny
        % 计算该网格点到LED的距离、角度、接收功率
        [Pr, H0] = compute_received_power(ix, iy, params);
        signal_amp = Rp * Pr; % 光电转换后的信号电流幅度
        snr = signal_amp^2 / N0;
        
        % 生成随机OOK比特
        tx_bits = randi([0 1], N_bits, 1);
        tx_signal = tx_bits * signal_amp; % OOK: 0 -> 0, 1 -> A
        
        % 添加高斯白噪声（参考噪声地板）
        noise = sqrt(N0 / 2) * randn(N_bits, 1);
        rx_signal = tx_signal + noise;
        
        % 判决门限设为 signal_amp / 2
        threshold = signal_amp / 2;
        rx_bits = double(rx_signal > threshold);
        
        % 统计误码
        ber_map(ix, iy) = sum(rx_bits ~= tx_bits) / N_bits;
    end
end

这里有个细节：判决门限取信号幅度的一半，是最小错误概率准则在等概率OOK且噪声对称分布下的最优门限。如果LED个数、调制方式或信道特性变化，门限需要重新优化。

4.3 参考SNR曲线与蒙特卡洛仿真验证

在跑完整的二维BER分布之前，强烈建议先做一步验证：在单个接收点上，用蒙特卡洛仿真得到BER随SNR的变化曲线，和理论BER公式对比。这一步能快速发现噪声模型、判决方式有没有问题。

具体做法：固定接收光功率P_r不变，人为地在很宽的范围内扫描N₀取值（或者反过来固定N₀扫描P_r），每个SNR点仿真10万比特以上，统计误码率，画在BER-SNR坐标轴上。把这个仿真曲线和图论公式Q(√SNR)画在一起，如果两条线基本贴合，说明你的仿真链路是可信的。如果高SNR区域出现平层，多半是以下原因：

• 总比特数不够，高SNR下误码数太少导致统计误差大。
• 噪声模型出现了信号相关项，比如信道串扰或多径分量没有被有效消除。

这一步验证做完，后续整张房间内BER分布图才有说服力。

5. 仿真结果解读与参数影响分析

5.1 接收光功率分布

先看信道本身的分布。单颗LED位于天花板中心时，接收平面（z=0.85m）上的光功率呈现明显的中心高、边缘低特征。之所以说“光功率分布”而不是“圆形对称分布”，是因为房间是方形的，四个角落处LED的发射角和PD的入射角都很大，cos因子衰减非常剧烈，所以功率下降比单纯的1/d²还要快。

具体数值上，LED正下方接收功率可能在毫瓦量级，而房间角落可能只有中心值的十分之一甚至更低。这意味着角落处的电信号电流直接掉了10倍，换算成SNR就是20dB的差距——这是一个巨大的动态范围。

这里有个直观类比：LED像一个灯泡，PD像一个拿着光电池的人。灯泡正下方最亮，人往角落走，不仅距离远了，而且光斜着打过来，接收面接受的光变少，两个因素叠加，亮度的下降比距离平方衰减还厉害。

5.2 SNR与BER分布对应关系

把噪声模型叠加上去，光功率的分布图就会被映射成SNR分布。由于在参考噪声地板方法下噪声恒定，SNR分布和光功率分布呈近似线性的dB对应关系——光功率降10倍，SNR就降20dB。

BER分布则呈现更强烈的“悬崖效应”。在SNR较高的中心区域，BER可以低到10的负六次方以下，几乎是零误码；但当SNR降到某个临界值以下，BER会急剧恶化到10的负二次方甚至更高。这个临界点对于OOK调制大致在SNR 10dB左右，对应理论BER约10⁻³。

我在仿真中发现，单LED、60度半功率角的配置下，房间实际可用的通信区域大约只占整个房间的60%左右。出了这个范围，虽然照明依然可以接受，但通信质量已经没有保证。这其实是单LED VLC系统的一个典型痛点，也是后来学术界研究多LED布局优化、功率分配、角度调谐的根本动因。

5.3 LED布局与关键参数影响

把单LED扩展为四角各一颗LED，BER分布会明显改善。多LED同时发射相同数据时，接收端收到的总光功率是各条直射路径的叠加，角落的覆盖空隙会被其他LED补上。但多LED也会带来一个隐患：不同LED的光到达接收端的时间不同，如果传输距离差超过一个码元对应的空间长度，就会产生码间串扰（ISI）。好在室内房间尺度下，距离差通常在几米之内，对于20Mbps的速率，码元持续时间是50ns，对应光传播距离15米，因此直射场景下多径时延差一般不会造成严重ISI。但如果把速率提升到100Mbps以上，这个问题就必须纳入考虑。

另外两个参数也值得调参验证：

• 半功率角从60度改为30度，LED辐射更集中，正下方的接收功率会提高，但覆盖范围迅速缩小，房间角落直接失联。这就像手电筒从散光换成聚光，亮度集中但照的范围小。
• 视场角从60度改为85度，角落入射角超出视场角的问题得到缓解，BER分布会更均匀。代价是接收端会收到更多来自侧面的杂散光和反射光，多径干扰的风险增加。

在做LED选型或者接收机光学前端设计的时候，这几个参数之间的折中关系是整个系统设计的核心。

6. 常见问题与排查技巧

6.1 BER曲线在高SNR区不再下降

这是蒙特卡洛仿真最经典的问题。高SNR下理论BER该到10⁻⁶甚至更低，但仿真结果显示曲线在10⁻⁴附近就走平了。

我的排查步骤：

• 第一步，加大仿真比特数。10万比特最多只能测到10⁻⁵量级的误码率，要测10⁻⁶就得要100万比特以上。
• 第二步，检查随机数生成器是否被重置。如果每次循环都重置randn的种子，产生的噪声序列完全相同，会引入相关性问题。
• 第三步，检查判决门限是否随SNR变化。有些人在仿真中使用固定门限而不是最优门限，高SNR区域性能会明显劣化。

6.2 误码率分布图出现“切角”现象

如果接收平面的四个角没有任何数据，或者BER出现异常跳变，基本可以确定是入射角大于视场角的问题。仿真中一定要在信道增益函数里显式判断ψ和FOV的关系，并且确认角度计算用的是几何关系而不是直接套用坐标差。

6.3 噪声功率算出来是负的

散粒噪声和热噪声的两项都是正的，正常情况下不会出现负数。如果算出来负数，几乎必然是参数符号写错了，比如温度用了摄氏度而不是开尔文，或者带宽带了kHz和Hz混用。这个问题的排查比较笨但有效：逐项打印每种噪声的数值，看数量级是否合理。

6.4 关于仿真时间的优化

如果房间网格划分到1cm精度，整张房间图就有25万个点，每点10万比特，那仿真时间会非常恐怖。我建议先跑5cm精度粗看趋势，确认无误后再局部加密。另外，把BER为0的点直接记为1/(4·N_bits)而不是0，否则画对数坐标时log(0)会报错或显示空洞。

7. 扩展方向与个人体会

这个仿真框架可以继续扩展的方向非常多。如果想把模型加得更完整，可以考虑加入墙壁漫反射成分，用多次反射的迭代方法来模拟非视距路径的贡献，这在LED布局偏向角落或接收机离墙很近时会显著影响性能。如果关注的是高速传输，需要引入OFDM调制和频率选择性信道的分析，噪声模型也要从简单AWGN扩展到考虑LED调制带宽限制。如果场景是移动接收，那么信道是时变的，需要把距离和角度变成时间的函数，重新设计仿真循环。

最后分享一个我个人的实操建议：做这类系统级仿真，不要一上来就追求模型多复杂、代码多漂亮。先把单LED、直射信道、固定噪声地板这套最简模型跑透，把每一张图的趋势、每一个数值的量级都印在脑子里，再逐步加复杂度。这样当你最终面对一个复杂系统时，你能够一眼看出某个异常结果到底来自信道、噪声还是代码bug。这种“物理直觉”不是看书看出来的，是亲手把仿真跑了一遍又一遍磨出来的。

希望这篇文章能帮你少走一些弯路。如果按文中的方法搭完仿真，跑出来的结果和理论对不上，别急着怀疑理论，先按第6部分的方法逐项排查。仿真这种事，十次有九次问题出在参数，另外一次出在角度判断。