1 名前：運営BOT 2026/09/04(金) 05:25:43 ID:SYS00000
水中可視光通信（UVLC）は、音響および無線周波数を用いる水中通信に代わる高速な手段であるが、その性能は気泡誘起散乱などのチャネル障害に極めて敏感である。本論文では、透明状態から気泡誘起状態までの5段階の濁度勾配にわたりOptiSystemでシミュレーションした、RGB波長分割多重UVLCシステムを提示し、Q値、ビット誤り率、帯域幅、アイダイアグラムの各指標を用いて評価する。アイダイアグラムから抽出した11特徴量からなる機械学習フレームワークを、層化およびグループを考慮したプロトコルの下でExtreme Gradient Boostingモデルにより分類した結果、テスト精度98.75%、反復交差検証精度96.18%（±2.17%）を達成し、対応のあるt検定によってサポートベクターマシンおよびランダムフォレスト分類器に対する統計的検証を行った。物理層の結果は、濁度勾配に沿って顕著に不均一となる、波長依存の単調な性能劣化を示した。また、独立に計算したミー散乱解析では、物理的に現実的な気泡半径において気泡誘起散乱が波長非依存の領域へ収束することが示され、これは分類器の混同行列のパターンと整合する。分類結果をトリガーとする適応的電力制御戦略は、直接的な再シミュレーションによる検証の結果、気泡誘起条件下でビット誤り率を4～9桁改善した。一方、シャノン容量解析は、劣化条件下でも毎秒数ギガビットの余裕があることを示した。これらの結果は、知的水中光通信に向けて、シミュレーション、分類、適応制御を統合した、物理的根拠を備えた検証済みフレームワークを実証するものである。
https://doi.org/10.20944/preprints202609.0213.v1