随着万物互联概念的兴起以及智能移动设备的普及,利用图像传感器的光相机通信（Optical Camera Communication,OCC）越来越受到学界的关注。OCC系统采用发光二极管（Light Emitting Diode,LED）光源发送信号,利用互补金属氧化物半导体（Complementary Metal Oxide Semiconductor,CMOS）相机接收信号。目前,基于卷帘效果模式的OCC系统在接收信号的解调方面存在一些技术挑战,如灰度值波动、“绽放效应”等。此外,为推动OCC系统在实际场景中的应用,需要考虑用户移动的场景。本文针对移动场景下的OCC系统,分析了接收端的解调技术中存在的问题,并提出了相应的解决方案,主要研究工作如下:1.针对移动造成的接收图片中条纹失真的问题,提出了基于卷积神经网络（Convolutional Neural Network,CNN）和基于K均值聚类的解调方法,在OCC系统中进行了实验验证,比较了使用K均值和CNN这两种方法的OCC系统的误码率性能,研究了不同移动速度对系统性能的影响。实验平台按照与实际1:10的比例搭建,结果表明,在横向移动场景下,K均值解调方案的误码性能略胜于CNN解调方案,整体的误码率比CNN解调的误码率更低。在实验移动速度为60cm/s时,K均值和CNN解调方法的误码率分别为1.54×10-5和3.04×10-5。而在实验纵向移动场景中,K均值解调的误码率比CNN解调方案的误码率高。在实验纵向移动速度为60 cm/s时,K均值和CNN解调方法的误码率分别为6.02×10-4和3.94×10-4。2.针对多个LED光源发送信号时存在相互干扰,以及接收端移动时带来的条纹失真问题,提出了一种多列矩阵选择结合K均值的解调方法,在避免信号干扰的同时,缓解接收端移动造成的条纹失真。实验平台按照与实际1:10的比例搭建,研究了不同移动速度以及两个LED之间的不同距离时OCC系统的误码率性能,实验结果表明,提出的方法与其它方法相比,可以显著改善系统的通信性能,降低误码率。在两个LED光源距离为10 cm,CMOS相机的移动速度为20cm/s时,采用提出的方法,OCC系统可以实现的误码率为8.74×10-6,远低于20%的前向纠错门限(3.8×10-3)。随着速度的增加,条纹宽度失真增大,所提方法性能下降,因此所提方法更适用于室内低速移动场景。