随着汽车行业的发展以及无线通信技术的不断进步,车联网对提升道路安全水平、优化交通运输效率、构建新型智慧城市交通系统具有重要的意义。通信技术是实现车联网的关键。面向车联网的可见光通信利用可见光的高速明暗变化,在照明的同时实现车联网数据传输,无需频谱授权且带宽巨大,避免了传统无线通信中的干扰问题,使数据传输更可靠、时延更短、成本更低,是极具潜力的车联网通信技术。论文选题来源于华为创新研究项目(项目编号:20150101)和北京邮电大学科技成果转化种子项目。目前面向车联网的可见光通信存在抗噪声鲁棒性不佳、通信距离短、对移动性支持不足、缺乏实测系统等问题。因此本文开发了面向车联网的可见光通信平台,对面向车联网的可见光通信进行实测验证和分析,并提出了基于反向传播(Back Propagation,BP)神经网络的自适应车辆发光二极管(Light Emitting Diode,LED)区域跟踪算法,有效提升了可见光通信对移动性的支持。本文的主要研究内容如下:一、设计和实现了面向车联网的可见光通信平台。完成了平台硬件选型和电路实现,实现了发送端的车辆数据生成,并将数据编码调制到LED,针对多车辆同时通信的需求和图像传感器帧率不稳定的问题,设计实现了接收端图像传感器控制、图像区域分割和数据恢复模块。平台实现了多辆车间实时可靠的数据通信,在等效125m内车辆相对静止时误码率(Bit Error Rate,BER)低于10-3,并且通过实验结果分析了面向车联网的可见光通信对移动性支持存在的问题。二、设计和实现了基于BP神经网络的自适应车辆LED区域跟踪算法并通过实测验证算法有效性。设计改进的帧差法实现对LED所在像素的检测;设计区域间距离矩阵实现对接收图像中车辆LED区域的跟踪;设计和实现了基于神经网络的自适应帧差阈值,有效地提升了跟踪算法在复杂环境光线和图像曝光情况下的可靠性。实验结果表明该算法可有效提升面向车联网的可见光通信对于移动性的支持,在车辆间相对运动速度67.5km/h内,通信的BER低于10-3。