企业官网建设流程全解析

1. 项目概述：当光学会“拐弯”，1公里外的实时通信如何实现？

在无线通信的世界里，我们习惯了Wi-Fi的直线传播和蜂窝网络的基站覆盖，但你是否想过，当收发双方之间被建筑物、山体甚至浓烟完全遮挡，无法“直视”彼此时，如何还能进行高速、可靠的数据传输？这就是非视距（NLOS）通信技术要解决的终极难题。它不像激光通信那样要求苛刻的精确对准，也不像无线电那样容易受到复杂电磁环境的干扰。今天，我想和大家深入聊聊一种听起来有点“黑科技”的方案——紫外（UV）散射通信，并拆解一个我们团队曾实现的硬核案例：一套在超过1公里距离上，跑出1Mbps实时吞吐率的紫外非视距通信系统。

简单来说，这套系统的核心思想是让紫外光“学会拐弯”。它发射的紫外光信号（波长266纳米）在大气中遇到气溶胶粒子（如灰尘、烟雾）会发生散射，其中一部分散射光会“拐”到接收端。虽然路径损耗极大，信号微弱到以离散的光电子形式到达，但正是利用这种特性，结合精密的信号处理，我们实现了稳定通信。其工程价值不言而喻：在军事上，它可以用于舰艇编队间、山地部队的隐蔽通信，难以被截获和干扰；在民用领域，可用于森林防火指挥、化工厂泄漏应急、城市复杂楼宇间的备份链路，甚至在未来的无人机集群自组网中提供一种抗干扰的补充手段。

本文将从原理出发，带你一步步拆解这个系统的设计思路、硬件构成、信号处理算法，直到最终的野外实测。无论你是通信专业的学生、对光通信感兴趣的工程师，还是寻找特殊通信解决方案的产品经理，相信都能从中看到技术落地的具体路径和那些在论文里不会写的“踩坑”细节。

2. 系统核心原理与设计思路拆解

2.1 为什么是紫外光？散射通信的物理基础

选择紫外波段（特别是“日盲区”200-280nm）作为载体，是整套系统设计的基石。这背后有几个关键考量：

首先，极低的背景噪声。地球的臭氧层强烈吸收这一波段的太阳辐射，导致在近地表面，该波段的太阳背景光强度比可见光低了数个数量级。这就好比在一个非常安静的房间里（低背景噪声）说悄悄话，即使声音很小（信号弱），也容易听清。相比之下，可见光通信（VLC）在白天会淹没在强烈的太阳光中，信噪比急剧恶化。

其次，强烈的瑞利与米氏散射。紫外光波长较短，更容易被大气中的分子和气溶胶粒子散射。对于非视距通信，我们恰恰需要依赖这种散射效应来建立链路。发射端指向天空一定角度，接收端也以一定仰角朝向天空，两者视线不相交，但共同覆盖的“公共散射体”区域就成了信息传递的“中转站”。这种散射信道模型复杂，路径损耗极大（通常超过160dB），信号到达接收端时已微弱不堪。

最后，良好的保密性与抗干扰性。紫外光在大气中衰减极快，通信距离受限，这反而构成了天然的物理屏障，使得通信难以在远处被截获或侦听，也较少与其他通信系统产生相互干扰。

注意：虽然日盲紫外背景噪声低，但并不意味着完全没有。实验中仍需使用窄带光学滤光片（如中心波长266nm，带宽10nm左右）来进一步抑制带外噪声，尤其是黄昏或特定天气条件下可能存在的杂散光。

2.2 泊松信道：当信号微弱到以“个”计数

由于巨大的路径损耗，到达接收端光电探测器（如光电倍增管PMT）的光子流强度极低。此时，经典通信理论中基于高斯噪声的连续信号模型不再适用。每个光子被探测器吸收并转化为光电子的过程，是一个典型的泊松点过程。

这意味着，在给定的时间间隔内，接收到的光电子数量是一个服从泊松分布的随机变量。其分布参数λ（均值）正比于到达的光功率。对于开关键控（OOK）调制，发送“1”（有光脉冲）时，λ = λ_s + λ_b；发送“0”（无光脉冲）时，λ = λ_b。其中λ_s是信号光电子平均计数率，λ_b是背景噪声光电子平均计数率。

这种离散、随机的特性，决定了接收机信号处理的核心必须围绕“计数”和“基于泊松统计的判决”来展开。这也是为什么我们常称其为“光子计数通信”。理解泊松信道是理解后续所有算法设计（如同步、信道估计、LLR计算）的前提。

2.3 接收分集：如何把微弱信号“攒”起来？

面对如此微弱的信号，单靠一个探测器，很可能无法在要求的误码率下达到目标速率。这时，接收分集技术就派上了用场。我们的系统采用了多PMT阵列构成单输入多输出（SIMO）系统。

其原理类似于“众人拾柴火焰高”。在空间上放置多个（例如K=3个）PMT探测器，由于它们相距不远（远小于信道相干距离），每个探测器接收到的信号经历近似相同的路径损耗和湍流衰落，即信号强度λ_s,k大致相同。同时，各探测器自身的噪声（暗计数、背景光）是相互独立的。

在泊松信道下，如果K个探测器的观测值相互独立，那么将所有探测器的计数值直接相加，得到的合成计数N_total仍然服从泊松分布，其均值是各探测器均值之和。对于信号“1”，均值为K*(λ_s + λ_b)；对于信号“0”，均值为K*λ_b。这相当于将信噪比（SNR）提升了近K倍（严格来说是信号功率提升K倍，噪声功率也提升K倍，但由于背景噪声独立，合成后噪声方差特性改善）。

在硬件实现中，我们采用了等增益合并（EGC）。因为各支路信号强度相近，最大比合并（MRC）所需的精确信道估计在极低信噪比下难以实现，且增益有限，而EGC（直接求和）实现简单，性能接近最优，非常适合FPGA实时处理。

3. 硬件系统架构与关键模块解析

3.1 发射端：从比特流到紫外光脉冲

发射端的任务很明确：将数字信息比特流，转化为强度受调制的紫外光脉冲序列。其链路如下：

1. 信源与信道编码（TX-PC）：在发射端计算机上，随机生成或来自上层应用的信息比特流，首先经过一个LDPC编码器。我们选用的是码率为0.6的（12630， 7578）不规则LDPC码。选择LDPC码是因为它在接近香农限时具有卓越的纠错性能，且其并行迭代译码结构非常适合FPGA实现。编码后的码字被分割成帧。
2. 成帧与基带处理（FPGA）：编码后的数据块被送入FPGA（如Xilinx Virtex系列）。在FPGA内，我们在每帧数据前添加同步头和导频序列。同步头用于接收端确定帧的起始位置，导频序列用于信道参数（λ_s, λ_b）的估计。帧与帧之间还需插入保护间隔，以对抗可能的多径时延扩展（虽然紫外散射信道多径不严重，但仍需考虑）。
3. 调制与驱动：FPGA输出的数字OOK波形通过数模转换（DAC）或直接数字IO口控制一个射频（RF）驱动器。该驱动器驱动一个声光（AO）调制器。AO调制器利用声波对晶体的折射率进行调制，从而控制通过它的紫外激光束的偏转方向。当符号为“1”时，激光被偏转到通往发射光学天线的路径；为“0”时，激光被偏转到光束陷阱被吸收。这种方式比直接调制激光二极管（LD）的电流更稳定，避免了LD在开关过程中的波长啁啾和弛豫振荡。
4. 光源与发射光学系统：核心光源是一个266nm波长的紫外激光器。选择激光器而非LED，是因为其方向性好、光谱纯、功率高，有利于实现远距离传输。激光经过AO调制器后，由发射望远镜（通常是一个紫外增透膜的透镜组）进行准直和扩束，以形成合适的发散角，覆盖预期的散射体区域。

实操心得：AO调制器的驱动匹配。AO调制器的驱动电压和频率需要与FPGA输出的TTL电平经过精密匹配。我们曾因驱动电压不足导致消光比（“1”和“0”的光功率比）不够，严重恶化系统性能。实测中需要用光功率计在调制器后仔细测量“开”、“关”状态下的光功率，反复调整驱动电路的放大倍数和偏置，确保消光比大于20dB。

3.2 接收端：从单光子到软信息

接收端是系统的核心与难点，负责从噪声中提取微弱的光子事件并恢复信息。

1. 光学接收与滤波：接收光学天线（通常也是一个望远镜）负责收集来自各个方向的散射紫外光。其后紧接一个窄带紫外滤光片，其中心波长与激光器匹配（如266nm±5nm），带宽越窄，抑制背景光效果越好，但成本也越高，通光量也越小，需要权衡。
2. 光电探测与前置放大：滤光后的光信号由光电倍增管（PMT）阵列接收。PMT是一种极高灵敏度的器件，单个光子打在其光阴极上，通过多级倍增极放大，可输出一个幅度可达几十毫伏、宽度约10纳斯的电流脉冲。我们选用的是滨松（HAMAMATSU）的R7154模块。每个PMT都需要一个高压电源（通常1000V左右）来提供增益。
3. 脉冲调理电路：PMT输出的脉冲幅度和形状并不完全一致，且可能叠加高频噪声。后续电路至关重要：
   • 衰减器：将PMT输出的脉冲幅度衰减到适合后续放大器输入的范围，防止饱和。
   • 宽带放大器：对衰减后的脉冲进行固定增益放大，提升信号电平。
   • 低通滤波器（LPF）：这是关键一步！其目的不是滤除噪声，而是有意展宽脉冲。因为后续ADC采样和数字脉冲计数需要检测脉冲的上升沿。原始脉冲太窄（~10ns），在100MHz采样率下，可能一个脉冲只覆盖1-2个采样点，极易漏检或误检。通过一个截止频率合适的LPF（如20-30MHz），可以将脉冲宽度展宽到几十纳秒，确保每个脉冲能覆盖多个采样点，大大提升计数可靠性。
4. 数字化与信号处理（FPGA）：调理后的模拟信号被高速ADC（如100MHz采样率）数字化。数字信号处理全部在另一块FPGA（如Xilinx ML605，支持多通道ADC）中完成，这是实时处理的核心：
   • 脉冲计数：对每个ADC通道的数据，设置一个电压阈值V_th。当检测到信号从低于V_th跳变到高于V_th时，计为一个有效脉冲。K个通道的计数值在每个符号周期内进行等增益合并（求和）。
   • 同步：采用基于脉冲计数的互相关同步算法。本地生成一个已知的同步序列（如64位m序列），在接收数据流中滑动搜索，找到与本地序列互相关值最大的位置，即为帧起始点。为了降低实时搜索的计算复杂度和延迟，我们采用了两级唤醒机制：先设置一个较低的计数阈值C_thd，当滑动相关值超过该阈值时，才在一个固定宽度W的窗口内进行精确的最大值搜索。W和C_thd需要通过仿真和实验预先优化。
   • 信道估计与LLR计算：利用同步头之后的已知导频序列，根据公式估计出当前信道的λ_s和λ_b。然后，根据泊松分布公式，计算每个符号对应计数值N的对数似然比（LLR），作为软信息输出。LLR = N * log((λ_s+λ_b)/λ_b) - λ_s。在FPGA中，直接计算对数和除法开销巨大。我们的做法是预计算查表法：将λ_s和λ_b在可能范围内量化，预先计算好对应的φ(λ_s, λ_b) = λ_s / log((λ_s+λ_b)/λ_b)值，存储在FPGA的ROM中。实际计算时，根据估计出的量化索引，查表得到φ，然后计算LLR ≈ N - φ，极大简化了运算。
5. 信道译码（RX-PC）：FPGA将计算好的一个LDPC码字的所有LLR软信息打包，通过以太网发送给接收端计算机。在计算机上用软件实现LDPC译码器（采用简化最小和算法）。之所以译码放在PC端，是因为长码（如12630比特）的迭代译码计算量很大，用软件实现更灵活，便于调试和更换码型。译码后的比特流即为恢复的信息。

注意事项：PMT的屏蔽与供电稳定性。PMT对电磁干扰极其敏感，必须将其置于金属屏蔽盒内，并且所有电源线、信号线都需要良好的滤波。高压电源的纹波必须非常小，任何微小的波动都会导致增益变化，表现为基线漂移或额外噪声。我们在初期测试中曾因电源问题导致计数率剧烈波动，后来改用线性稳压电源和电池供电才解决。

4. 核心算法实现与FPGA设计要点

4.1 基于计数的同步算法优化细节

同步是通信系统正常工作的第一步。在极低信噪比、离散计数的条件下，传统的基于匹配滤波器的同步方法性能很差。我们采用的是一种基于脉冲计数的非相干同步算法。

算法核心：将每个符号周期Ts均匀划分为M个时隙（Chip），例如M=10。同步序列s是一个L位的二进制序列（如L=64）。在接收端，我们维护一个L×M的矩阵C_t，用来存储过去L*M个时隙的脉冲计数。同步问题转化为寻找使下式最大的时隙索引ˆt： ˆt = argmax_t [ (2s^T - 1^T) C_t 1_M ] 其中1是全1向量。这个公式的本质是计算接收计数序列与同步序列模板的加权相关值。

FPGA实现优化：

1. 并行计算与流水线：相关计算涉及大量乘加。我们将同步序列s固化在寄存器中，利用FPGA的DSP Slice和逻辑资源，设计并行计算单元，对滑动窗口的每一个位置，同时计算其相关值。
2. 两级搜索降低功耗与延迟：直接在全帧范围内搜索最大值不现实。我们设置一个阈值C_thd和一个搜索窗W。滑动相关器持续工作，但只有当一个位置的相关值超过C_thd时，才触发一个“使能”信号，启动后续的峰值搜索模块，并在接下来的W个时隙内找到最大值。这避免了无谓的峰值比较操作，节省了资源和功耗。
3. 阈值与窗长的选择：这是一个权衡。C_thd设高了，可能漏同步（检测不到帧头）；设低了，虚警率高，会频繁启动无效的峰值搜索。W设长了，同步延迟大；设短了，可能在窗口内找不到真正的峰值。我们通过大量的蒙特卡洛仿真，针对不同的λ_s和λ_b组合，绘制了漏同步率（MSR）和虚警率的曲线，最终选取了在目标工作区域（λ_s ~5， λ_b ~0.2）下，MSR<10^-4且延迟可接受的参数（L=64， W=32个符号， C_thd通过仿真确定）。

4.2 信道估计与软信息生成的简化策略

准确的λ_s和λ_b估计是计算正确LLR的前提。我们利用同步序列本身作为导频。

估计算法：设同步序列s中“1”的个数为N_on，“0”的个数为N_off。在同步完成后，取对应位置上的脉冲总计数C_on和C_off。则无偏估计为： λ_s + λ_b = C_on / N_on λ_b = C_off / N_off 从而可得 λ_s = (C_on / N_on) - (C_off / N_off)。

FPGA实现的简化技巧： ��法在FPGA中是昂贵的操作。我们再次采用预计算查表法。

1. 将λ_s和λ_b的可能范围进行量化。例如，λ_s从0到20，步进0.5；λ_b从0到0.5，步进0.01。
2. 预先在MATLAB或Python中计算好所有量化点对应的倒数：θ_s(i) = 1 / (i * ps)， θ_b(j) = 1 / (j * pb)，其中ps和pb是量化步长。同时计算好LLR计算中需要的φ(i,j) = ceil( λ_s(i) / log((λ_s(i)+λ_b(j))/λ_b(j)) )。
3. 将这些表格作为常量，写入FPGA的Block RAM或分布式RAM中。
4. 实时估计时，根据C_on和C_off的值，通过简单的乘法和查表操作即可得到λ_s和λ_b的量化索引，进而查表得到φ值，最后用LLR ≈ N - φ完成计算。整个过程只需要加法、减法和查表，非常适合高速流水线处理。

4.3 LDPC码的构造与低复杂度译码

我们选择使用准循环LDPC（QC-LDPC）码，原因有三：一是其校验矩阵具有规则的结构，便于FPGA存储和编解码器设计；二是其性能接近随机构造的LDPC码；三是其编码可以通过移位寄存器线性完成，复杂度低。

编码器实现（TX-PC）： 校验矩阵H由两部分组成：H = [H1, H2]。其中H1是准循环部分，由一系列循环置换矩阵组成；H2是双对角结构（见原文公式7）。这种结构使得其生成矩阵G可以很容易地表示为G = [I, H1^T * H2^{-T}]。由于H2^{-T}也是一个稀疏的、具有规律性的矩阵（公式8），因此编码过程主要是稀疏矩阵的乘法，可以用软件高效完成。编码在发射端PC上进行，不构成实时处理的瓶颈。

译码器实现（RX-PC）： 译码采用简化最小和算法（Min-Sum Algorithm），这是对标准置信传播（BP）算法的近似，用最小值运算代替了复杂的双曲正切运算，大大降低了计算量。

1. 初始化：将FPGA送来的LLR值作为变量节点的初始信息。
2. 校验节点更新（公式9）：对于每个校验节点m，向其连接的每个变量节点n传递的消息L_m→n，等于除n外所有其他相连变量节点传来消息的符号乘积，再乘以绝对值最小值的缩放版本（除以一个大于1的归一化因子α，如1.5，以补偿最小值运算带来的过估计）。
3. 变量节点更新（公式10）：对于每个变量节点n，向其连接的每个校验节点m传递的消息Z_n→m，等于初始LLR加上除m外所有其他相连校验节点传来消息之和。
4. 硬判决（公式11）：计算每个变量节点的后验信息Zn，进行符号判决（>0判为1，否则为0）。
5. 迭代与终止：用硬判决结果去校验校验方程H*s_hat = 0是否满足。若满足，则译码成功，提前终止迭代；若达到最大迭代次数（如20次）仍不满足，则宣布译码失败。

在软件实现中，我们利用矩阵的稀疏性，使用链表或行/列索引来高效地访问非零元，并采用分层调度或洪水调度策略进行迭代更新。虽然译码在PC上进行，但算法经过优化后，对于一万多比特的码长，在普通CPU上也能在毫秒量级完成，满足1Mbps实时吞吐率的延迟要求（需要缓冲若干帧）。

5. 系统参数设计与性能测试验证

5.1 基于仿真的参数寻优

在硬件实现之前，我们通过大量的蒙特卡洛仿真来确定系统的最佳工作点和关键参数。仿真基于离散时间泊松信道模型。

关键参数与仿真结果：

• 探测器数量K：设为3。仿真表明，从1个增加到3个，在目标误码率（BER=10^-6）下，所需的信号强度λ_s可降低约40%，性价比最高。继续增加K，性能提升边际效应明显，且硬件复杂度成倍增加。
• 符号速率R_b：设为2 Mbps。这是权衡了带宽需求、调制器带宽、ADC采样率以及信道相干时间后确定的。更高的速率需要更宽的带宽，但散射信道存在时延扩展，过高的速率会导致码间串扰（ISI）。
• 同步序列长度L：仿真了L=64和L=128两种情况。图5（原文）显示，当λ_s > 4时，L=64已能将漏同步率（MSR）压制在10^-4以下。更长的序列虽然性能略优，但带来了更大的开销，降低有效吞吐率。因此选择L=64。
• LDPC码率：比较了码率0.6和0.8的LDPC码。图4（原文）清晰显示，在相同的λ_s下，码率0.6的码字性能（BER）远优于码率0.8的码字。这是因为信道条件恶劣（低λ_s），需要更强的纠错能力。码率0.6意味着有40%的冗余用于纠错。
• 背景噪声λ_b：根据实测的太阳背景辐射计数率（1e4 ~ 5e4 cps），并考虑AO调制器的低通特性引起的码间干扰（ISI）会额外增加约λ_s/(2M)的等效噪声，我们将λ_b的仿真范围设定为0.1到0.5。

最终确定的系统参数： 基于上述仿真，我们锁定了以下配置：K=3， R_b=2 Mbps， M=10， L=64， LDPC码采用(12630, 7578)准循环码，码率0.6， 信道估计量化精度p_s=0.5， p_b=0.01， 分帧数Q=10， 导频长度L_p=17。仿真预测，在此配置下，当λ_s ≥ 5.0时，系统帧错误率（FER）可以低于10^-4，满足实时通信要求。

5.2 实验室闭环测试与性能摸底

在野外长距离测试前，必须在实验室搭建闭环测试环境，验证硬件链路和算法功能的正确性。

实验室测试配置： 由于实验室空间有限，无法实现1公里的实际距离。我们采用光学衰减片来模拟巨大的信道路径损耗。使用了两片OD3（Optical Density 3）的紫外衰减片，每片衰减因子为10^3.4 ≈ 2500，总衰减超过1.16×10^7倍（约160dB），这模拟了1公里以上NLOS紫外散射信道的典型损耗。

• 发射端：激光器、AO调制器、发射望远镜。
• 衰减：两块OD3衰减片串联。
• 接收端：接收望远镜、滤光片、PMT阵列、调理电路、ADC-FPGA板卡、RX-PC。

测试过程与结果：

1. 静态测试：发射恒定光功率，用示波器观察单个PMT的输出波形（图7）。可以看到清晰的、随机的负脉冲，每个脉冲对应一个或几个光电子事件。脉冲宽度约10ns，经过LPF后展宽。
2. 统计测试：发射OOK调制信号，在FPGA内长时间统计发送“1”和“0”时，接收到的脉冲计数分布。将统计直方图与理论泊松分布进行拟合（图8），验证了信道模型的正确性。
3. 动态通信测试：运行完整的通信链路。发射端PC生成随机数据，编码、成帧后通过FPGA和激光器发出。接收端完成同步、估计、LLR计算、译码。持续发送了2×10^4帧数据。
   • 结果：漏同步帧数少于50帧，译码错误仅1帧。
   • 吞吐率计算：有效数据速率 = (1 - (50+1)/20000) × (12630/(12630+17+64)) × 0.6 × 2 Mbps ≈ 1.125 Mbps。达到了设计目标。

踩坑记录：光学对准与衰减片的使用。实验室测试中，最大的挑战是光路的精细对准。即使使用了衰减片，微小的偏移也会导致接收光功率变化几个dB。我们使用了一个低功率的可见光引导激光（与紫外光同轴）进行粗调，然后用紫外功率计在衰减片后微调，确保光斑完全覆盖PMT的光敏面。另外，衰减片表面必须清洁，任何灰尘或指纹都会造成不可控的衰减和散射，影响测试结果的可重复性。

5.3 野外1公里实地测试全记录

实验室测试成功后，我们进行了最终的野外实地验证。

测试环境：

• 时间与地点：2017年4月21日，选择了两栋相距约1.03公里的楼顶。
• 天气：多云，气温11-22°C，西北风5.5-7.9 m/s。多云天气有助于增加大气中的散射粒子，但风可能引起光束抖动。
• 布局：发射端和接收端呈非视距布置，存在约1度的偏轴角（即发射光束轴线与接收视场轴线在水平面上有1度夹角，垂直面上也有一定仰角差，共同形成一个“公共散射体”）。

设备与参数： 设备与实验室测试基本相同，但移除了衰减片，使用真实的1公里大气信道。关键设备参数见原文表2。这里补充一个细节：我们使用的紫外滤光片中心波长与激光器波长存在轻微偏差（受当时器件库存所限），这引入了一定的额外损耗。如果波长完全匹配，性能会更好。

测试结果：

• 总共发送了1.7×10^4帧数据。
• 发生漏同步的帧数为221帧。
• 发生译码错误的帧数仅为5帧。
• 有效吞吐率计算：(1 - (221+5)/17000) × (12630/(12630+17+64)) × 0.6 × 2 Mbps ≈ 1.113 Mbps。

结果分析：

1. 同步性能下降：与实验室测试相比，漏同步帧数从<50帧增加到221帧。这主要源于大气湍流。湍流导致接收光强发生随机起伏（闪烁），使得某些时刻的瞬时信噪比低于同步检测阈值，造成同步丢失。野外信道比稳定的实验室衰减片信道恶劣得多。
2. 译码性能稳健：尽管同步错误增多，但一旦成功同步，译码错误率依然极低（5/17000）。这证明了LDPC码强大的纠错能力，能够抵抗由湍流和噪声引起的随机错误。
3. 目标达成：最终1.113 Mbps的吞吐率，证明了这套基于泊松信道模型、接收分集和FPGA实时处理的紫外NLOS通信系统，确实能够在1公里实际距离上实现稳定、实时的兆比特级通信。

6. 常见问题、挑战与未来演进思考

6.1 工程实现中的典型问题排查

在实际搭建和调试这套系统时，会遇到一系列教科书上不会提及的问题。以下是一个速查指南：

6.2 系统局限性与未来改进方向

尽管我们实现了1公里1Mbps的突破，但该系统仍有明显的局限性和提升空间：

1. 数据速率与距离的矛盾：这是散射通信的根本矛盾。路径损耗随距离呈指数增长。要进一步提升距离，必须大幅提升发射功率（受限于激光器安全和功耗）或接收灵敏度（受限于PMT噪声和背景光），而这在现有器件水平下很快会遇到瓶颈。未来可能需要探索多波段复合或中继协作技术。
2. 对大气条件敏感：虽然紫外通信抗背景光干扰强，但对雾、霾、雨等天气非常敏感。这些气象条件会极大增加散射和吸收损耗。系统需要具备自适应速率或功率控制功能，根据实时信道测量结果动态调整。
3. 硬件成本与复杂度高：大功率紫外激光器、高灵敏度PMT阵列、高速FPGA板卡都价格不菲。未来的研究方向包括采用紫外LED阵列替代激光器以降低成本，以及研发专用的光子计数ASIC芯片，将脉冲计数、同步、合并等功能集成，替代部分FPGA逻辑，降低功耗和体积。
4. 指向性与覆盖范围：目前的系统需要粗略对准（共有一个散射体区域）。对于完全移动的节点，如何实现快速的空间捕获、跟踪和指向（APT）是一个挑战。可以考虑采用宽视场接收（如鱼眼镜头+探测器阵列）或发射分集（多发射光束扫描）来缓解。
5. 向更高阶调制演进：OOK调制简单，但频谱效率低。在信道条件稍好的中短距离，可以探索脉冲位置调制（PPM）或差分脉冲位置调制（DPPM），它们能在相同的峰值功率下提供更高的功率效率。但这会对同步和定时精度提出更苛刻的要求。

从我个人的实践经验来看，紫外非视距通信从理论走向实用，最大的障碍往往不在算法本身，而在工程实现的鲁棒性。如何让系统在不同天气、不同时间（昼夜）、不同地理环境下稳定工作，如何降低功耗和成本以适应更多应用场景（如无人机、单兵设备），是接下来真正需要深耕的方向。这个1Mbps/1km的demo，就像一盏灯塔，证明了这条技术路径的可行性，而前方，还有更广阔的海洋等待探索。