可见光成像通信(Optical Camera Communications,OCC)因其通信设备的高普及率及其与物联网、车联网等新兴技术的天然融合性而逐渐发展成为具有前景的无线光通信技术之一,它的发展将会拓展可见光通信(Visible Light Communications,VLC)的应用市场,提升VLC的商业价值。IEEE 802.15.7r1作为OCC的官方标准,进一步推动了OCC标准化的发展。OCC未来有望成为一些低速通信服务中使用的VLC的候选技术。目前OCC通信系统的接收器使用的大多数是带有透镜的照相机,而相机中内置的光学组件极大的增加了移动设备的厚度,从而限制了新型超薄型相机的发展。而且已有大量学者对无透镜成像器用于摄影进行了深入研究,受此启发,本文提出了一种新颖的无透镜成像通信系统模型。同时,考虑到当前OCC的相关研究均在静态通信场景下展开,即要求通信的发送端与接收端同时处于静止状态。究其原因在于现存的解调方法无法支持终端的移动性。因此,本文针对我们提出的系统模型中接收端的解调算法进行了研究,旨在提出一种具有移动鲁棒性的解调方法以促进我们系统在移动通信场景中的应用。此外,OCC的发送器除了LED外,还可以是LCD(Liquid Crystal Display)显示屏,数字标牌或投影仪等,信息以不可见水印的方式嵌入到电视、监视器、广告牌甚至投影仪的屏幕中进行传输,从而在不影响视频播放的同时实现数据通信,这种系统称为不可见水印屏幕—照相机通信。而现存的大部分不可见水印屏幕—照相机通信系统中提出的解调方案都是在水印嵌入阶段采用分块嵌入,然后在接收端再进行感兴趣区域(Region of Interest,ROI)提取和分块处理之后再恢复数据。由于拍摄角度和拍摄距离等因素的变化,会导致捕获的图像会发生形变和分辨率的变化,这样就会导致图像处理比较复杂,进一步影响ROI提取和分块的正确执行,最终导致数据恢复有误。因此,选择合适的水印嵌入方式和设计一种有效的水印解调算法是水印通信系统研究中的关键所在。针对这两个问题,本文提出了一种新的不可见水印屏幕—照相机通信解调方案。本论文的主要研究内容如下:(1)本文提出了一种无透镜成像通信系统模型,该模型使用无透镜成像器作为接收器,而目前光学照相机通信(OCC)系统中使用的带透镜的照相机接收器中的光学组件通常会限制设备的整体厚度。另外,由于我们系统中使用的无透镜成像器捕获的图像是模糊的,这也是我们的优势,我们不需要特别清晰的图像以在图像上定位光源,无需复杂的图像处理算法就可以实现解调。考虑到普通图像解调算法的解调性能在时变环境中变化很大。为了解决这个问题,我们提出了一种基于反向传播(Back Propagation,BP)神经网络的图像解调算法,该算法可以抵抗外界的干扰(环境光,恶劣天气),而且还具有移动鲁棒性。为了使我们的解调算法能够自适应时变的环境,我们还设计了一种自适应训练序列调整机制。仿真结果表明,本文提出的图像解调算法可以为我们的系统提供良好的误码率(Bit Error Rate,BER)性能。(2)本文提出了一种新的不可见水印屏幕—照相机通信解调方案。该方案在发送端以全局的方式嵌入水印以替代分块嵌入,这样在接收端就避免了ROI提取和分块处理,简化了图像处理算法的复杂度,提高了提取出的水印的有效性。水印提取完之后,再使用我们提出的基于卷积神经网络的解调算法进行数据信息恢复。卷积神经网络具有强大的特征提取能力和自适应性。在时变的环境中,卷积神经网络能够识别出我们提取出的各类水印之间的细微差别,以保证我们数据恢复的准确性。本文还搭建了不可见水印屏幕—照相机通信实验平台,用于评估我们这个算法的误码率性能。本文研究了两种OCC系统的通信解调算法,研究成果可以为OCC的进一步研究和未来应用提供新思路。