تقليل نسبة الذروة إلى المتوسط باستخدام SLM لتحسين أداء DCO-OFDM في LiFi باستخدام التقدير الأعمى لنظام مراقبة الرعاية الصحية

فحوصات صحية عبر الضوء

تخيّل أن أضواء غرفة المستشفى ترصد بهدوء نبض قلبك أو مستوى الأكسجين لديك، وتُرسل البيانات إلى الأطباء دون أسلاك أو واي‑فاي أو خطر التداخل الراديوي مع الأجهزة الحسّاسة. تستكشف هذه الورقة الفكرة نفسها: استخدام الضوء المرئي من مصابيح LED كرابط بيانات آمن وعالي السرعة للمراقبة الصحية المستمرة، وتُظهر كيف يمكن جعل هذا الرابط موثوقًا وموفّرًا للطاقة حتى مع حركة المرضى.

لماذا الانتقال من موجات الراديو إلى الضوء

تعتمد أجهزة المراقبة اللاسلكية التقليدية على موجات الراديو، التي تواجه طيفًا مزدحمًا، واحتمال التداخل مع المعدات الطبية، ومخاوف أمنية. تحول الاتصالات البصرية المرئية (المعروفة اختصارًا LiFi) مصابيح LED العادية إلى مرسِلات بيانات. وبما أن الضوء لا يمر عبر الجدران، فإنه يحصر الإشارة داخل الغرفة بشكل طبيعي مما يعزز الخصوصية، ويتجنّب التداخل الكهرومغناطيسي في وحدات العناية المركزة أو غرف العمليات. ومع ذلك، فإن دفع معدلات بيانات عالية عبر مصابيح LED أمر صعب: تميل الإشارات إلى تكوّن قمم كبيرة تلقائيًا مقارنةً بالقدرة المتوسطة. هذه القمم تضغط على إلكترونيات LED، وتبذّر الطاقة، وقد تشوه البيانات الطبية، لذا فإن تقليلها أمر أساسي لنظام عملي.

كيف يُبنى الرابط المعتمد على الضوء

يصمم المؤلفون نظامًا لغرفة المستشفى حيث يرسل جهاز محمول على المريض قياسات صحية إلى مستقبل سقفي باستخدام طريقة تسمى DCO‑OFDM. ببساطة، تقسم هذه الطريقة البيانات إلى العديد من الإشارات الفرعية الصغيرة التي تُبث معًا عبر سطوع LED. تختبر المجموعة أبجديتين للبيانات (4‑QAM و16‑QAM) توازنًا بين السرعة ومقاومة الضوضاء. ولأن الضوء ينعكس عن الجدران والمعدات، تصل الإشارة عبر مسارات متعددة ذات تأخيرات مختلفة قد تُطمس المعلومات. لتصحيح ذلك، يستخدم المستقبل أربع استراتيجيات مساواة—من نوع الكتلة، والتمشيط، والتدريب المتراكب، وطريقة «أعمى»—لإلغاء تشوّهات الغرفة تحت ثلاث وضعيات شائعة للمريض: مواقع وإضاءات مختلفة تحاكي الجلوس، والاستلقاء، أو الحركة داخل الغرفة.

ترويض نبضات الطاقة دون الإضرار بالبيانات

مشكلة مركزية هي نسبة الذروة إلى المتوسط العالية، والتي وجد المؤلفون أنها قد تصل إلى نحو 15 ديسيبل مع المعالجة التقليدية—وهو أمر غير مناسب لأجهزة LED. لتنعيم هذه القمم، يعتمدون تقنية تُسمى التعيين المُنتخب (Selected Mapping). بدلًا من إرسال النسخة الأولى من الإشارة الخارجة، ينشئ المرسل عدة نسخ معادلية رياضيًا تحمل نفس البيانات الطبية لكنها تختلف في توزيع الطاقة عبر الزمن. ثم يختار النسخة ذات القمم الألطف قبل تشغيل LED. تقارن الورقة بين استخدام أنماط طور حقيقية ومعقّدة لتوليد هذه الإشارات المرشّحة وتُظهر أن الأنماط المعقّدة تحقق تحسّنًا إضافيًا بنحو 1 ديسيبل. عموماً، تُقلّل هذه الاستراتيجية نبضات الطاقة المشكلة بما يصل إلى 4 ديسيبل مع الحفاظ على معدل الخطأ في البيانات الصحية دون تغيير.

ترك المستقبل يتعلّم خصائص الغرفة

بينما تعتمد بعض المساويات على أنماط «طيار» معروفة موزعة داخل البيانات، تتيح طريقة المساواة العمياء للمستقبل استنتاج كيفية تشويه الغرفة للإشارات مباشرة من التدفق الوارد نفسه. هذا جذاب بشكل خاص في الرعاية الصحية، حيث إن كل رمز إضافي مخصّص للطيار يخصم من سعة بيانات المريض، وحيث تغير الحركة القناة باستمرار. تُظهر المحاكاة باستخدام نموذج بصري داخلي واقعي—يغطي حجم الغرفة، وانعكاسات الجدران والمعدات، ومسافة وزاوية المريض، والضوء المحيط—أن المساواة العمياء تحقق باستمرار أقل أخطاء بت وأعلى كفاءة طيفية. على سبيل المثال، عند نسبة إشارة إلى ضوضاء تبلغ 28 ديسيبل، تسفر الطريقة العمياء عن أخطاء أقل بوضوح مقارنةً بمنهجيات الكتلة، والتمشيط، أو التدريب المتراكب، وتحافظ على أداء قوي حتى عندما توجد مسارات انعكاس متعددة.

ماذا يعني هذا لغرف المستقبل الذكية

معًا، تنتج القمم الطاقية الأخفض والمساواة الأذكى رابط LiFi قادرًا على نقل العلامات الحيوية بسرعة ودقة باستخدام إضاءة الغرفة فقط. تُظهر الدراسة أن دمج التعيين المُنتخب مع التقدير الأعمى للقناة يخلق اتصالًا بصريًا قويًا وواعيًا بالطاقة يستمر في العمل أثناء تغيير وضعية أو موقع المرضى. قد يترجم ذلك للمرضى إلى عدد أقل من الأسلاك، وتقليل الفوضى، ومراقبة مريحة طويلة الأمد؛ وللمستشفيات، فهو يعد بشبكات بيانات آمنة وخالية من التداخل مدمجة في الإضاءة نفسها. يقترح المؤلفون خطوات مستقبلية مثل الاختبار مع إشارات طبية حقيقية، والتوسع إلى أجنحة متعددة الغرف، واستكشاف طرق تشفير قبلية أخرى، واستخدام التعلم العميق لتحسين كيفية تكيف النظام مع البيئات الداخلية المعقدة.

الاستشهاد: Sharaf, A.A., Seleem, H., Sarhan, A. et al. SLM-based PAPR reduction for improved performance of DCO-OFDM LiFi using blind estimation for healthcare monitoring system. Sci Rep 16, 10565 (2026). https://doi.org/10.1038/s41598-026-43583-9

الكلمات المفتاحية: مراقبة الرعاية الصحية عبر LiFi, الاتصالات البصرية المرئية, معالجة إشارة OFDM, تقليل PAPR, مراقبة المرضى اللاسلكية