SLM-basierte PAPR-Reduktion zur Leistungssteigerung von DCO-OFDM-LiFi mithilfe blinder Schätzung für ein Gesundheitsüberwachungssystem

Gesundheitschecks per Licht

Stellen Sie sich vor, die Beleuchtung in Ihrem Krankenhauszimmer überwacht diskret Ihre Herzfrequenz oder den Sauerstoffgehalt und übermittelt die Daten drahtlos an Ärzte — ganz ohne Kabel, Wi‑Fi oder Risiko von Funkstörungen mit sensiblen Geräten. Dieser Beitrag untersucht genau diese Idee: sichtbares Licht von LED-Leuchten als sichere, hochbitratige Datenverbindung für kontinuierliche Gesundheitsüberwachung zu nutzen, und zeigt, wie sich diese Verbindung zuverlässig und energieeffizient gestalten lässt, selbst wenn sich Patienten bewegen.

Warum von Funkwellen zu Licht wechseln

Herkömmliche drahtlose Überwachungsgeräte nutzen Funkwellen, die einem überfüllten Spektrum, möglicher Störung medizinischer Geräte und Sicherheitsrisiken ausgesetzt sind. Die sichtbare Lichtkommunikation (oft LiFi genannt) verwandelt gewöhnliche LEDs in Datensender. Da Licht nicht durch Wände dringt, bleiben Signale natürlicherweise innerhalb eines Raums, was die Privatsphäre erhöht, und es vermeidet elektromagnetische Interferenz in Intensiv- oder Operationsräumen. Allerdings ist es eine Herausforderung, hohe Datenraten über LEDs zu übertragen: Die Signale neigen dazu, gelegentlich sehr hohe Spitzen im Vergleich zur mittleren Leistung zu bilden. Diese Spitzen belasten die LED-Elektronik, verschwenden Energie und können medizinische Daten verzerren — daher ist deren Reduktion für ein praktikables System essentiell.

Wie die lichtbasierte Verbindung aufgebaut ist

Die Autoren entwerfen ein System für Krankenhauszimmer, in dem ein am Patienten getragenes Gerät Gesundheitsmessungen nach oben zu einem Deckenempfänger sendet, unter Verwendung einer Methode namens DCO‑OFDM. Vereinfacht gesagt, zerlegt dies Daten in viele kleine Untersignale, die gemeinsam über die Helligkeit der LED übertragen werden. Das Team testet zwei Daten"alphabete" (4‑QAM und 16‑QAM), die einen Kompromiss zwischen Geschwindigkeit und Störfestigkeit darstellen. Da Licht an Wänden und Geräten reflektiert, trifft das Signal über viele Pfade mit unterschiedlichen Verzögerungen ein, was die Information verwischen kann. Zur Korrektur verwendet der Empfänger vier Arten von Equalizern — Block‑Typ, Comb‑Typ, überlagerte Trainingssignale und eine „blinde“ Methode — um die Raumverzerrungen unter drei typischen Patientenpositionen rückgängig zu machen: unterschiedliche Orte und Beleuchtungsbedingungen, die Sitzen, Liegen oder Bewegung im Raum nachbilden.

Leistungsspitzen zähmen, ohne Daten zu schädigen

Ein zentrales Problem ist das hohe Peak‑to‑Average‑Power‑Verhältnis (PAPR), das die Autoren bei Standardverarbeitung auf etwa 15 dB schätzen — weit entfernt vom Optimalen für LED‑Hardware. Um diese Spitzen zu glätten, wenden sie eine Technik namens Selected Mapping an. Statt die erste Version des Ausgangssignals zu senden, erzeugt der Sender mehrere mathematisch äquivalente Versionen, die dieselben medizinischen Daten tragen, sich jedoch in der zeitlichen Energieverteilung unterscheiden. Anschließend wählt er die Version mit den geringsten Spitzen, bevor die LED angesteuert wird. Die Arbeit vergleicht den Einsatz realer und komplexer Phasenmuster zur Erzeugung dieser Kandidatensignale und zeigt, dass komplexe Muster etwa 1 dB zusätzlichen Gewinn bringen. Insgesamt reduziert diese Strategie die problematischen Leistungsspitzen um bis zu 4 dB, ohne die Fehlerrate der Gesundheitsdaten zu verschlechtern.

Den Raum den Empfänger lernen lassen

Während einige Equalizer auf bekannten "Pilot"-Muster im Datensignal beruhen, erlaubt die blinde Equalisierung dem Empfänger, die vom Raum verursachten Verzerrungen direkt aus dem empfangenen Strom abzuschätzen. Das ist besonders attraktiv im Gesundheitswesen, wo jedes zusätzliche Symbol für Piloten Kapazität von Patientendaten abzweigt und wo Bewegungen den Kanal ständig verändern. Simulationen mit einem realistischen optischen Innenmodell — unter Berücksichtigung von Raumgröße, Reflexionen an Wänden und Geräten, Abstand und Winkel des Patienten sowie Umgebungslicht — zeigen, dass blinde Equalisierung durchgängig die geringste Bitfehlerrate und die höchste spektrale Effizienz erzielt. Beispielsweise liefert die blinde Methode bei einem Signal‑Rausch‑Verhältnis von 28 dB deutlich weniger Fehler als Block‑, Comb‑ oder überlagerte Ansätze und bewahrt starke Leistung selbst bei vielen reflektierten Pfaden.

Was das für zukünftige smarte Räume bedeutet

In Kombination führen geringere Leistungsspitzen und intelligentere Equalizer zu einem LiFi‑Link, der Vitaldaten schnell und präzise nur über die Raumbeleuchtung übertragen kann. Die Studie zeigt, dass die Kombination von Selected Mapping mit blinder Kanalschätzung eine robuste, energieeffiziente optische Verbindung schafft, die auch bei wechselnder Körperhaltung oder Position des Patienten funktioniert. Für Patienten könnte das weniger Kabel, weniger Unordnung und komfortablere Langzeitüberwachung bedeuten; für Krankenhäuser verspricht es sichere, störungsfreie Datennetze, die in die Beleuchtung integriert sind. Die Autoren schlagen als nächste Schritte Tests mit realen medizinischen Signalen, Erweiterung auf Mehrzimmer-Stationen, Erforschung weiterer Precoding-Methoden und den Einsatz von Deep Learning vor, um die Anpassung an komplexe Innenumgebungen weiter zu verbessern.

Zitation: 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

Schlüsselwörter: LiFi Gesundheitsüberwachung, sichtbare Lichtkommunikation, OFDM Signalverarbeitung, PAPR-Reduktion, kabellose Patientenüberwachung