u13

核心创新点验证 | 已完成（2026-04-28）

实验状态

✅ 完成。15 环境矩阵下三算法 × 12 浑水环境 = 36 次在线运行 + 离线 GT 扫描约 10⁵ 帧。

实验条件

参数	值
环境	3 m 室内水槽
浑浊剂	食品级 Mg(OH)₂ 悬浊液（4 档：0.5 / 1.0 / 1.5 / 2.0 g/L）
气泡	水族泵（3 档：none / low / high）
距离	3 m
速率	OOK chip rate ≈ 4 kHz，每轮约 12 000 bit
接收	Jetson Orin NX + RealSense D457 双目 + CUDA 解调

15 个组合：清水（×3 气泡档）+ 4 档浑度 × 3 档气泡 = 15 环境。

关键结果

三算法对照（Final BER）

算法	收敛环境数 / 12	平均最佳 BER	备注
turbidity_adaptive	12 / 12	~10⁻³	浑水场景全胜
adaptive_damping_guarded	8 / 12	0.04（含失败）	4 个气泡场景卡死于初始点
discrete_grid	0 / 12	0.18	12 轮内仅完成 12/20 网格点

关键最优点

环境	算法落点	BER	Wilson 95% 上界
浑水 1.5 g/L + 大气泡	(ISO=16, sh=19)	2×10⁻⁴	≤ 2.5×10⁻⁴
浑水 2.0 g/L + 大气泡	(ISO=16, sh=19)	<8×10⁻⁵	≤ 2.5×10⁻⁴

物理观察

1. shutter 始终落在 16–17（约 200–250 µs） — 与 LED chip period 250 µs 完美匹配；曝光 > chip period 会产生符号间干扰
2. ISO 随浑度上升：清水偏 16，浑水中 64–128，与"散射衰减需要更多增益"一致
3. 气泡在浑水中反而帮助选择合并：1.5 g 静水 BER=0.0016，加气泡降到 2×10⁻⁴（10×）—— 气泡引入的随机散射让选择合并能拣到几乎无误码的帧

与基线对比

固定参数系统在浑水中 BER 普遍卡在 0.18–0.29（等价完全没解出）；turbidity_adaptive 在所有 12 个环境下 BER ≤ 10⁻²，10/12 环境 BER ≤ 10⁻³。自适应至少提升一个数量级。

严谨性处理（2026-05-03 复盘）

• BER=0 用 Wilson 95% 上限替换：每点 ~12 000 bit，0 错误对应 BER ≤ 2.5×10⁻⁴
• 网格 framing：discrete_grid 12 轮跑不完 4×5=20 网格，论文里限定为非自适应基线
• off-grid 落点：算法选 sh=18/19 超出 GT sweep 范围 [12,17]，论文中以最近邻 GT BER 替代或限定 claim
• 单 seed：仅 claim 单次工作点定位能力，不做随机性分析

数据资产

• Code Repo/uocc-hardware/result/uocc_raw_data_20260502.tar（21 GB sweep 视频）
• result/receiver/analysis/analysis_summary.csv（36 次在线运行汇总）
• result/receiver/analysis_v2/figA_groundtruth_heatmap.png（15 环境 BER 热力图聚合）
• result/receiver/analysis_v2/mimo_offline_summary.csv（MIMO 三策略 × 15 环境）