UOCC 毕设知识网络
u10

实验记录

实验记录

四阶段实验规划

Phase 0-4 完整覆盖
空气→清水→浑浊水→MIMO

最后更新:2026-05-06 | 实验全部完成,进入论文撰写阶段


实验阶段规划

阶段环境目的状态
Phase 0 ISO/Gain 标定室内固定场景相机参数特性摸底✅ 完成(2026-03-20)
Phase 1 空气信道室内空气,1m/3m基准性能测试✅ 完成(2026-04-22 双目验证)
Phase 2A 起点鲁棒性水下 3m 清水6 算法 × 4 起点筛选✅ 完成(2026-04-26)
Phase 2B 清水基线水下 3m 清水三算法对照✅ 完成(2026-04-27)
Phase 3 浑浊水信道水下 3m,4 档浑度 × 3 档气泡自适应能力核心验证✅ 完成(2026-04-28,36 次运行 + 10⁵ 帧 GT)
Phase 4 MIMO 离线评估复用 Phase 3 数据EGC/SC/MRC + oracle 对比✅ 完成(2026-05-06)

关键指标目标

指标目标值当前最佳(空气信道)
误码率 BER< 10⁻⁴< 10⁻⁶(1m)✅
传输速率≥ 1 kbps10 kbps ✅
通信距离3m(水下)5m(空气)✅
自适应收敛时间< 30 帧~12 帧(仿真)✅
端到端延迟< 100ms< 50ms ✅

Phase 0:ISO / Gain 相机标定实验(2026-03-20)

实验目的

在固定场景下拍摄不同 Gain 设置的图像,了解相机增益特性,为自适应算法的参数调优(STATE_PARAMS 映射)提供实测依据。

实验设置

参数
相机Jetson 配套双目相机
拍摄场景室内固定光源,距离约 1m
快门/曝光固定(自动曝光关闭)
变量Gain 值(0 / 62 / 75)

实验结果

实验组Gain 值估算 ISO图像特征
Group A0~100图像暗,噪声低,SNR 高,细节清晰
Group B62~400亮度提升明显,轻微噪声,均衡状态
Group C75~600高亮,噪声颗粒可见,弱光下信号可辨

初步结论

  • Gain=0 → 适合清水/强信号场景,对应算法的 STABLE 状态(ISO=100)
  • Gain=62 → 适合轻度浑浊,对应 LOW 状态(ISO=200)
  • Gain=75 → 适合中度浑浊,对应 HIGH 状态(ISO=800 近似)
  • 算法中 DARK 状态(ISO=1600)的实测 Gain 值待进一步测试(约 85-90)

后续行动

  • 在相同场景测试 Gain=85/90 对应的图像质量
  • 加入 LED 信号源,测量不同 Gain 下的 OOK 解调误码率
  • 在水箱环境中重复上述实验(清水 / 5 NTU / 20 NTU)

Phase 1:空气信道基准实验

详见 空气信道基准实验

主要结果

指标条件结果
误码率(BER)1m, 10kbps< 10⁻⁶ ✅
误码率(BER)3m, 10kbps< 10⁻⁴ ✅
端到端延迟10kbps< 50ms
距离范围直线可视5m 内稳定通信

Phase 2 & 3:水信道实验(全部完成)

Phase 2A:起点鲁棒性筛选(2026-04-26)

水下 3m 清水信道下 6 算法 × 4 初始参数起点 = 24 次运行:

  • S2(ISO 400 + 100 µs 短曝光)唯一全成功 → 短曝光是水下 OCC 物理硬要求
  • adaptive_damping 4/4 起点都触达 BER=0 但终值飘走 → 驱动 quality_hold + safe-point 设计
  • S4 过曝起点 5/6 算法卡死在 ISO=12800 区域 → 驱动 high_iso_escape 守卫的设计
  • CUDA 解调比 CPU 加速 ×13.1,单轮稳态 35 ms(占整轮 3.5%)

Phase 3:浑水 15 环境闭环(2026-04-28)

算法收敛环境数 / 12平均最佳 BER备注
turbidity_adaptive12 / 12~10⁻³浑水场景全胜
adaptive_damping_guarded8 / 120.04(含失败)4 个气泡场景失败
discrete_grid0 / 120.1812 轮内仅完成 12/20 网格点,作为非自适应基线

最佳点:1.5 g/L + 大气泡环境,turbidity_adaptive 落到 (ISO=16, sh=19),BER ≈ 2×10⁻⁴(Wilson 95% 上界 ≤ 2.5×10⁻⁴)。

Phase 4:双目 MIMO 离线评估(2026-05-06)

复用 Phase 3 sweep 视频,离线重解调 + EGC/SC/MRC 计算:

  • EGC ≈ MRC:MRC 中位数仅比 EGC 低约 5%(与 Takada 2024 一致)
  • SC 在双目失衡场景反超:turbid_0p5g_bub_low 与 turbid_1p5g_bub_high 中 SC 优 EGC 4–20×
  • conf-SC 达 oracle 上限的 60–80%,agreement 中位 86%
  • 极端最佳:turbid_2p0g_bub_high EGC 实测 0/12064 错(Wilson ≤ 3.2×10⁻⁴)

完整 15 环境对照入论文附录 A。


实验设备清单

设备型号用途
计算平台Jetson Orin NX 16GB接收端主机
双目相机待定型号光信号采集
发射端 MCUSTM32/ESP32(待定)LED 控制
大功率 LED10W远距离通信
低功率 LED3.3W近距离/省电
水箱透明亚克力,约 60×30×30cm水下信道模拟
浑浊剂牛奶(脂肪颗粒散射)浑浊度调节
光功率计发射功率标定
浊度仪NTU 标定

浑浊度校准方法

采用 NTU(浊度单位) 标定水箱浑浊度:

浑浊度牛奶加量(参考)对应场景
< 1 NTU清水对照实验室清水
5 NTU~0.5ml/L轻度浑浊(沿海近水面)
20 NTU~2ml/L中度浑浊(港口水域)
50 NTU~5ml/L重度浑浊(施工水域)

注:实际 NTU 与牛奶加量关系需用浊度仪标定,以上为估算值。