室内可见光通信误码率仿真：从Lambertian信道到参考噪声地板的完整实践

室内可见光通信（VLC）这几年在无线接入、智能照明、室内定位几个方向都被讨论得很多，但真要把一套系统从方案落到可复现的性能指标，最绕不开的就是误码率仿真。我自己在评估一套基于LED的室内通信链路时，也反复跑过Lambertian直射信道模型下的仿真，一开始曲线乱跳，怎么调都对不上理论值。后来把参考噪声地板方法用顺了，误码率曲线才终于稳定下来，跟理论结果基本贴住。这篇文章就把整个研究过程的思路、公式推导、仿真实现和踩过的坑完整整理一遍。

这篇文章适合通信专业的研究生、做光学无线接入的工程师，以及所有想快速建立VLC系统仿真能力的人。你不需要先看懂一大堆光学理论，我尽量把每个环节讲成“能直接上手抄作业”的形式。核心内容就是三件事：怎么建立室内可见光信道模型，怎么设置噪声地板，以及怎么把误码率仿真跑可信。读完之后，你至少能自己复现一套“发射机—信道—接收机—误码统计”的完整仿真链路。

1. 可见光通信误码率仿真到底在做什么

1.1 一盏LED灯既是光源又是发射机

可见光通信的基本思路并不复杂：把需要传输的二进制数据调制到LED的驱动电流上，灯光的明暗变化速度远远超过人眼能感知的频率，接收端的光电二极管（PD）把这些光信号重新转换成电流，再经过放大、判决，恢复出原始比特。车灯、室内照明灯、显示屏都可以变成信息发射源，这是它和传统射频通信最大的区别。

但这里有个很现实的问题：LED本身是一个非相干光源，我们没有办法像射频系统那样调制载波的相位和幅度，主流方案是采用强度调制/直接检测（IM/DD），也就是光功率直接携带信息。最常用的调制方式是OOK（开关键控），亮代表“1”，灭代表“0”，或者用反向归零等方式做变化。既然是强度调制，接收端采到的是光功率的绝对值，那么信道衰减、背景光、光电转换效率以及接收机噪声都会直接作用在信号电平上。

所以在做性能评估的时候，不能只把注意力放在LED驱动电路上，还需要建立一个能准确描述“光从LED出发，经过室内空间传播，最后被PD接收”的数学模型。这个模型的好坏，直接决定了误码率仿真结果是否接近实测。

1.2 误码率仿真在系统设计中的定位

误码率（Bit Error Rate，BER）是数字通信系统最直观的性能指标，它的含义就是传输的比特中有多少比例被判错了。室内VLC系统在实际部署前，往往需要在不同房间尺寸、不同LED布局、不同接收机位置下反复调整方案，如果每次都搭一套真实硬件来测，成本高、周期长，而且很难覆盖所有空间位置。

仿真解决的就是这个问题。在软件里把信道算出来，把噪声按模型加进去，然后统计判决错误的比例，就能提前看到系统性能随参数变化的趋势。这里尤其要注意一个观点：误码率仿真不是追求“代码跑出来一个数”，而是要追求“这个数能够被理论解释”。如果仿真结果跟理论曲线对比对不上，那一定是有哪个环节没建模对，最常见的原因就是信道增益公式有误、噪声功率归一化搞错、采样点数不足，后面我会逐个展开。

2. Lambertian直射信道模型的建模要点

2.1 为什么非要用Lambertian辐射模型

室内VLC的信道建模有很多种方式，从最简化的直射路径，到考虑墙壁反射的多次反射模型，再到结合光线追踪的高精度模型，复杂度差别非常大。对于第一次做系统级性能评估来说，Lambertian直射信道模型是使用最广泛、也最容易被接受的一个起点。

这个模型的核心假设是：把LED看作一个朗伯辐射体（Lambertian emitter）。朗伯体的辐射强度不是各方向均匀的，而是遵循余弦幂次规律：

I(φ) = I₀ · cos^m(φ)

其中φ是发射角，也就是发光方向和LED法线方向的夹角。m是朗伯辐射阶数，它决定了光束的方向性。m的取值和LED的半功率角（半角，即辐射强度下降到最大值一半时对应的角度）直接相关，计算公式是：

m = -ln2 / ln(cos(Φ₁/₂))

举个例子，如果LED的半功率角是60°，那么cos(60°)=0.5，分母是ln(0.5)=-0.693，分子是-0.693，算出来m=1。如果半功率角是30°，cos(30°)≈0.866，ln(0.866)≈-0.144，m≈4.82。半功率角越小，m越大，光束越集中，直射方向的光强越大，但覆盖范围也越窄。

这个模型最让人省心的地方是它只需要一个参数m，就能描述大多数商用LED的辐射特性。你在选型时如果找不到厂商给出的辐射曲线，用半功率角来反推m，通常已经足够满足仿真精度要求。

2.2 直射链路直流增益的计算公式

在只考虑直射链路（即光从LED直接到达PD，没经过墙壁反射）的情况下，信道直流增益H(0)可以写成下面这个经典形式：

H(0) = (m+1) * A_r / (2πd²) * cos^m(φ) * cos(ψ) * T_s(ψ) * g(ψ)

这个式子里的变量看着多，但每个都对应一个明确的物理含义。A_r是光电二极管的接收面积，单位是平方米；d是LED到PD的直线距离；φ是发射角；ψ是接收角，也就是光线入射方向和PD法线方向的夹角。T_s(ψ)是光学滤光片的透过率，如果接收端没有加滤光片，这一项取1。g(ψ)是光学聚光器增益，如果使用理想聚光透镜，可以用g(ψ) = n² / sin²(Ψ_c)来近似，其中n是透镜折射率，Ψ_c是接收端视场角（FOV）。

还有两个隐含条件需要注意：一是只有ψ小于视场角Ψ_c时，PD才能收到信号，超出视场角的入射光直接忽略；二是整个计算都建立在LED和PD之间没有遮挡的前提下，这是“直射”这个词的代价。

从公式可以看出，信道增益跟距离平方成反比，同时受发射角和入射角的余弦值影响。这意味着接收机离灯越远、角度越偏，接收功率下降得就越快。这也是室内VLC系统一个非常典型的特征：房间角落的通信质量通常要比灯下位置差很多。

2.3 直射模型与反射模型的取舍

很多人在第一次接触VLC信道时都会问：为什么不做反射路径？墙壁、天花板、桌面都会反射光，反射的光也能被PD接收啊。

我的建议是分场景决定。如果你的目标是做原理验证、课程设计、或者比较不同系统方案间的相对优劣，那么直射链路模型已经足够。因为反射路径贡献的功率通常在直射功率的百分之几到十几左右，在大多数室内场景下是次要因素。更重要的是，直射模型的计算非常简单，便于你快速看清核心参数的影响趋势。

如果你的研究课题本身就在讨论“非视距通信”或者“反射信道辅助覆盖”，那就不能忽略反射。这时一般会采用递归法把墙面划分成微小面元，计算一次反射、二次反射，甚至更多次反射的贡献。复杂度会成倍增长，但需要的核心理论仍然是Lambertian模型，只是把墙壁也当成反射体来处理。做系统级误码率仿真时，我建议先把直射链路的结果跑通，再考虑是否叠加反射，不要一上来就上高复杂度模型，否则出问题的时候很难定位。

3. 参考噪声地板方法：给系统一个稳定可比的下限

3.1 噪声来源与功率拆分

接收端的噪声是决定误码率的另一个关键因素。在VLC系统里，主要噪声来源有三个。第一个是散粒噪声，它来源于光生电流的随机涨落，既包括信号光产生的散粒噪声，也包括背景光（太阳光、其他照明灯）产生的散粒噪声。第二个是热噪声，来源于接收机前端电路中的电阻和晶体管，跟温度、带宽、电路参数直接相关。第三个是放大器的输入电流噪声和电压噪声，通常在数据手册里给出等效值。

在仿真计算中，一般把噪声统一折算成接收端的等效电流方差。散粒噪声电流方差可以写成：

σ²_shot = 2qB(R·P_r + I_bg·I₂)

q是电子电荷量，B是接收机带宽，R·P_r是信号光电流，I_bg是背景光电流，I₂是噪声带宽因子，由接收脉冲形状决定。热噪声电流方差则要复杂一些，典型参考模型是：

σ²_thermal = 8πkT/G · η·A_r·I₂·B² + 16π²kTΓ/g_m · η²·A_r²·I₃·B³

这里k是玻尔兹曼常数，T是温度，G是开环电压增益，η是PD的结电容相关参数，Γ是场效应管噪声因子，g_m是跨导，I₃是另一个带宽因子。第二个式子里的B³项在带宽较高时不能忽略，否则热噪声会被明显低估。

3.2 参考噪声地板怎么设定

听到这么繁琐的噪声公式，不少人就头大了。但实际做系统级性能评估时，我们可以采用一个更实用、更适合横向对比的思路，就是参考噪声地板方法。

所谓“参考噪声地板”，就是人为地把接收端噪声设定为一个确定的等效值，比如只计算背景光散粒噪声和固定热噪声的总和，然后在一次仿真中保持这个噪声方差不变，只改变信号功率或信道衰减，观察误码率变化。它的本质是给系统设置一个“噪声下限”，告诉设计者：在最好的情况下，我的系统噪声最少也有这么多，因此误码率不会比这个更低。

这样做有三个好处。第一，避免因为某个电路参数选错导致仿真结果完全失真。热噪声公式里有很多跟具体前端设计有关的参数，如果你只是做信道级仿真，根本拿不到准确的跨导、噪声因子等数值，硬套公式反而会得到不靠谱的结果。第二，便于不同接收机方案之间对比。大家统一用同一个噪声地板，比的就是信号链路本身的性能。第三，便于和理论误码率公式对接，因为理论公式一般都要求噪声是高斯白噪声，且方差已知。

如果你手头有接收机的前端电路设计，当然可以按完整噪声模型来做。但作为第一版性能摸底，我强烈建议先用参考噪声地板跑一遍，把系统瓶颈搞清楚，再往里面加电路细节。

3.3 从信噪比推导误码率的完整路径

在OOK调制且采用硬判决的情况下，误码率与信噪比之间存在明确的理论关系。假设发射的比特“0”和“1”等概率出现，判决门限取在信号电平的中间，那么误码率公式可以写成：

BER = Q( sqrt(SNR) )

这里的Q函数是高斯分布尾部概率的补函数，也常写成erfc形式：

BER = 1/2 · erfc( sqrt(SNR/2) )

注意，两种写法在SNR的定义上有些细微差异，有的文献把SNR定义成(R·P_r)² / σ²，有的会额外乘上1/2或1/4的系数，关键是要确保前后一致。我的习惯是：SNR = (R·P_r)² / σ²，然后直接用BER = 0.5 * erfc(sqrt(SNR/2))做理论曲线，这样跟蒙特卡洛仿真结果对齐得比较好。

在参考噪声地板方法下，σ²是固定的，那么接收功率P_r每提高3dB，信噪比就提高3dB，误码率沿着理论曲线往下掉。你可以反过来用这个关系做链路预算：如果系统要求误码率低于1e-6，那就需要大约ERP_r / σ达到多少倍，推出最小接收功率，再推出LED发射功率、布局和接收机参数的要求。

4. 仿真流程与关键实现细节

4.1 仿真平台与参数初始化

整个仿真不需要特别复杂的工具，MATLAB或者Python都可以。我用的是MATLAB，不是因为Python不行，而是通信仿真的调试习惯已经在这里沉淀了很多年，加上信号处理和统计工具箱都很成熟。你如果更习惯Python，用NumPy加SciPy也完全可以，核心逻辑是一致的。

先做参数初始化，这一步是后面所有计算的基础。以一间5米长、5米宽、3米高的房间为例，假设房间天花板上均匀布置了4个LED，每个LED的发射功率为20mW，接收机PD放在高度0.85米的桌面上。PD接收面积我一般取1cm²，也就是1e-4平方米，响应度R取0.53A/W，接收端视场角取60°。还需要设置光电转换效率、滤光片增益和聚光器增益，如果没有特殊设计，都先取1。

这些数值的选取并不是拍脑袋，而是要尽量贴近实际器件。比如响应度0.53A/W在白光LED加硅光PD的组合下是很常见的数值。发射功率20mW对单个照明LED来说也偏保守，实际照明用的LED功率更大，但通信系统往往不会开满功率，因为还要考虑LED的线性和人眼安全。

4.2 信道增益矩阵与接收功率的计算实现

信道计算的核心是遍历每一对LED和接收点。如果是扫描整个房间的功率分布，我会把房间平面划分成网格，比如每0.05米一个点，形成坐标矩阵。如果只关心接收机在某个固定位置，那就只算一个点。

计算单个收发对的流程是这样的：先由LED坐标和接收点坐标做差得到距离向量，再分别计算发射角φ和接收角ψ。发射角是距离向量和LED法向量的夹角，接收角是距离向量反方向和接收机法向量的夹角。实际代码里用点积函数就能求余弦值，然后调用acos或者acosd得到角度。

下面给一个MATLAB核心循环片段，坐标单位统一用米，角度用度：

matlab复制m = -log(2) / log(cosd(Phi_half)); % 朗伯阶数
H0 = zeros(N_led, length(idx));
for tx = 1:N_led
    vec = pos_r(idx) - pos_t(tx, :); % LED指向接收点的向量
    d = norm(vec);
    % 发射角：向量与LED法线的夹角
    cos_phi = vec * normal_t(tx).' / d;
    phi = acosd(cos_phi);
    % 接收角：反方向向量与PD法线的夹角
    vec_r = -vec;
    cos_psi = vec_r * normal_r.' / d;
    psi = acosd(cos_psi);
    if psi <= Psi_c
        % 理想透镜增益可按下式近似
        g_psi = n_refr^2 / (sin(deg2rad(Psi_c)))^2;
        H0(tx, idx) = (m+1) * A_r / (2*pi*d^2) ...
                     * cos(phi)^m * cos(psi) * T_s * g_psi;
    end
end

这段代码有几个容易出错的地方。一个是cos_phi和cos_psi都必须是非负的，如果出现负值，说明向量方向搞反了，需要检查法向量是朝上还是朝下。另一个是视场角判断放在计算增益之前，这样可以避免在视场角以外的地方算出无意义的值。还有一个是单位问题，cos函数在MATLAB里默认输入弧度，但如果用cosd就输入角度，千万别混用，否则仿真结果会乱到看不出任何规律。

得到所有H0之后，接收功率就是发射功率乘以信道增益，多个LED共同照射时直接把各LED的贡献相加。对同一位置，总接收功率是各LED功率的线性叠加，这与强度调制的物理过程一致。

4.3 蒙特卡洛误码率统计与理论曲线对照

有了接收功率和噪声方差，就可以进行误码率仿真了。蒙特卡洛方法的基本思路是：产生一串随机0/1比特，映射成OOK信号的幅度，加上高斯噪声，再在接收端做阈值判决，统计错多少个比特。

以OOK为例，我可以把“0”映射为幅度0，“1”映射为幅度A = R * P_r。噪声方差σ²由参考噪声地板方法给定。接收端采样得到的信号是幅度加噪声，最优判决门限取在A/2附近。当噪声均值为0且“0”“1”等概率时，门限取A/2在理论上是最优的。

蒙特卡洛仿真的关键是要保证每个信噪比点的判定次数足够多。误码率统计本质上是估计一个小概率事件，如果目标误码率在1e-4附近，至少需要发送1e6个比特，才能统计到100个左右的错误比特。要是只发1万个比特，一个错误都没出现，只能说明误码率低于1e-4，根本没法给出精确值。

下面的代码展示了基本逻辑：

matlab复制SNR_dB = 0:2:20;
BER_sim = zeros(size(SNR_dB));
N_bits = 2e6;
rng(2024); % 固定随机种子，保证结果可复现

for k = 1:length(SNR_dB)
    SNR = 10^(SNR_dB(k)/10);
    A = sqrt(2 * SNR * sigma2); % 根据SNR反推信号幅度
    bits = randi([0 1], N_bits, 1);
    tx = A * bits;
    noise = sqrt(sigma2) * randn(N_bits, 1);
    rx = tx + noise;
    bits_hat = rx > A/2;
    BER_sim(k) = sum(bits_hat ~= bits) / N_bits;
end

注意这里的A并不是随便取的，它必须和前面定义的SNR一致。因为SNR = A² / (2σ²)吗？不对，这里要分清楚。如果“0”映射为0，“1”映射为A，那么信号的平均功率是A²/2（因为0和1等概率），SNR应该定义为(A²/2) / σ²。所以给定SNR求幅度时要写A = sqrt(2 * SNR * sigma2)，这样才能让理论曲线和仿真曲线对齐。这块非常容易出现偏差，后面我会在常见问题里专门再说。

5. 典型结果分析与性能影响因素

5.1 接收功率的空间分布规律

跑完信道扫描后，第一件值得看的事情就是房间内接收功率的空间分布。你会发现功率分布非常不均匀：在LED正下方的桌面位置，接收功率可能达到十几微瓦甚至更高，但在墙角位置可能只剩下几微瓦，相差几倍甚至一个数量级。

在4个LED均匀布局的情况下，房间中心区域会因为多个灯的共同照射而出现功率较高且相对平坦的平台，四个角落则是明显的低谷。这个结果的意义在于，它直接告诉了你：误码率在房间不同位置的差异会很大，单纯说“这套系统能达到多少误码率”是不严谨的，必须指明接收机所在位置。

如果把接收功率分布图叠加到误码率图上，你还会看到一个连锁反应：信道增益每下降3dB，要达到相同误码率所需的发射功率就要提高3dB。因此，很多室内VLC系统设计会引入动态功率分配或者多灯协作，目的就是尽量拉平空间功率差异。

5.2 误码率随信噪比变化的典型曲线

在参考噪声地板固定后，仿真得到误码率曲线通常是一条平滑下降的曲线，和理论erfc曲线非常接近。在信噪比很低的时候，误码率大约在0.1到0.3附近徘徊，这时候信号基本被噪声淹没。随着信噪比提高，曲线开始快速下降，大约每提高2到3dB，误码率就会下降一个数量级。

我这里要强调一下“参考噪声地板”在曲线中的作用。因为噪声被固定了，误码率曲线实际上完全由接收功率决定，你可以在同一张图里画出不同LED发射功率下的多条曲线。结果通常是：发射功率每增加3dB，曲线整体向左平移3dB。这说明系统性能对功率预算非常敏感，也提醒我们在硬件设计时，LED驱动电路的功耗和散热规划一定要充分。

另一个值得关注的现象是误码率的“地板”效应。如果你把接收机带宽设得很高，但背景光电流很大，那么即使信号功率再提高，散粒噪声也会跟着信号功率增大，最终导致SNR停滞在一个上限附近，误码率降到一定程度就再也下不去了。这就是典型的噪声地板现象。参考噪声地板方法的意义之一，就是让你在设计早期就发现这个极限值，而不是等到硬件做出来后才难受。

5.3 发射功率、半功率角、接收器面积如何影响指标

把几组关键参数分别扫一遍，可以总结出下面的规律：

以PD面积为例，很多人觉得接收面积越大信号越强，实际上散粒噪声也随光电流增大，而且大面积PD通常结电容也大，带宽会受限。在接收功率足够的情况下，适当减小PD面积、加强聚光透镜，往往是更聪明的做法。

半功率角的选择更典型。如果房间是狭长走廊，用大m值的窄光束LED可以保证沿走廊方向的通信距离；如果房间是方方正正的办公室，则更倾向于小m值的宽光束LED，让每个角落都能被照到。你看到的“某个LED通信方案在实验室表现很好”，往往就是针对特定房间形状调过角度参数的。

6. 仿真中容易踩的坑与排查技巧

6.1 误码率抖动：采样点数和随机种子

蒙特卡洛仿真最让人头疼的问题就是曲线抖得厉害。你跑一次结果是这样，换一组随机数结果又变了，甚至两次结果差了一个数量级。原因通常很简单：每个信噪比点的比特数不够。

有个粗略的估算方法：如果你期望观测到的误码率是P_e，那么至少要传送10/P_e到100/P_e个比特，才能让统计误差小到肉眼可接受。如果目标误码率是1e-5，那就至少需要1e6个比特，想稳定一点就到1e7个比特。仿真时间会变长，但这是必要的代价。

另外，我强烈建议在代码里固定随机种子。这样同一套参数跑出来的结果可以复现，排查问题时也能确认“曲线的变化”到底是因为参数改变，还是只是随机性造成的波动。固定种子用rng(2024)这类语句，一行就能搞定。

6.2 Lambertian阶数与半功率角不匹配

这个错非常隐蔽，经常出现在你没有仔细阅读LED数据手册的情况下。有些文章直接给出m=1，你顺手就拿来用了，但你的LED半功率角可能是30度，对应的m接近5。m用错了，信道增益会差很多倍，误码率曲线自然对不上。

记住这个换算关系：m = -ln2 / ln(cos(Φ₁/₂))。如果厂商只给了半功率角，先算m；如果厂商给了辐射强度分布曲线，最好用曲线拟合出更精确的m值。对大多数白光LED来说，半功率角在60度附近时m接近1，在30度附近时m接近5，这两个值差别巨大，直接影响仿真结论。

6.3 噪声功率归一化的常见误区

噪声方差σ²的单位必须和信号幅度定义的单位保持匹配。如果你的信号幅度是以安培为单位，也就是把PD输出的光电流直接作为信号，那么噪声方差也必须是电流均方值，单位是A²。如果你的信号幅度在判决前经过跨阻放大器变成了电压，那么噪声也要折算到电压单位V²。

很多仿真对不上的案例，最后都查到这个点上。比如你给的SNR是10dB，但实际信号幅度除以噪声标准差之后并没有达到sqrt(10)的效果，那显然是信号功率和噪声功率有一个量纲没对齐。

还有一个细节是“0”和“1”的平均功率。OOK信号不是恒包络，平均功率是峰值功率的一半。如果你在定义SNR时直接把A²/σ²当成SNR，那就忘了除以2，理论曲线会整体偏移3dB。我自己的习惯是统一用SNR = E_s / N_0，其中E_s是每个符号的平均能量，这样不容易乱。

7. 关于这套仿真，我想再补充几句

前面这些内容已经覆盖了从信道建模到误码率统计的完整流程，但我还是想多说一点个人体会。

在实际工程中，我一般不会把仿真结果直接当成最终结论。Lambertian直射信道模型是一个很好的第一步，它能快速告诉你系统在哪块有潜力、哪块是瓶颈，但它毕竟忽略了反射、LED非线性、驱动带宽和实际电路噪声。尤其当接收机离墙壁很近、或者房间里存在大面积反射面的时候，实测接收功率往往比仿真高一些，误码率也会略好，因为模型里没算进去的那些反射光其实真的能到PD。

所以我现在的习惯是：先用参考噪声地板方法跑理论曲线，再用蒙特卡洛仿真验证，等方案大致定型后，再用实测LED的光束角数据和接收机的等效输入噪声电流去校准模型。这样既不会在早期被一堆电路细节拖慢节奏，也不会在后期被一个严重的建模误差带偏方向。

如果你也是刚开始接触可见光通信仿真，建议你从最简单的单LED、单PD、固定接收点开始，先把误码率曲线跑出来，再逐步加房间网格、多灯布局、反射模型。每一步都留好中间数据，尤其是信道增益矩阵和噪声方差，这样出了问题能很快定位。希望这篇文章能帮你少走一些我当年走过的弯路。