Método de espectro de pesos optimizados para la separación de señales de interferencia en comunicaciones FSO

Conversaciones más claras a través de la luz

Imagínese hablar con alguien a distancia, no por radio ni por cable de fibra, sino mediante un haz de luz que viaja por el aire abierto. Ésta es la promesa de la comunicación óptica en espacio libre (FSO): enlaces inalámbricos de alta velocidad que pueden transportar su voz o datos entre edificios, torres o incluso drones. Pero en el mundo real, el aire es inestable y ruidoso. El calor, el viento y la electrónica agitan la señal, dificultando recuperar las palabras habladas en el extremo receptor. Este artículo presenta una nueva forma de limpiar esas señales para que las conversaciones enviadas por luz permanezcan nítidas y comprensibles.

Por qué los enlaces de luz se vuelven ruidosos

Los sistemas FSO transmiten información encendiendo y apagando rápidamente una fuente de luz y captando esos destellos con un detector sensible. A diferencia de los enlaces de radio, estos haces de luz no requieren licencia gubernamental y pueden ofrecer tasas de datos mucho más altas. Sin embargo, están a merced de la atmósfera y del hardware receptor. La turbulencia del aire hace que la luz titile y se atenúe de forma aleatoria, mientras que la electrónica que convierte la luz en señal eléctrica añade su propio zumbido de ruido de fondo. En conjunto, estos efectos enmarañan la señal, hacen que algunos bits se inviertan por error y elevan lo que los ingenieros llaman la tasa de error de bits, o BER. Menor BER significa menos errores y una comunicación más clara.

Mirar las señales de una forma nueva

En lugar de intentar corregir la señal directamente en el dominio temporal, los autores la examinan en términos de sus notas musicales, o frecuencias. Utilizan una herramienta matemática llamada transformada de Fourier para descomponer cada señal registrada en sus ingredientes de frecuencia, algo así como convertir un acorde en notas individuales. Las señales de voz limpias en su sistema FSO tienden a ocupar una porción bien definida de este rango de frecuencias, mientras que el ruido tiende a extenderse más ampliamente. Al comparar muchos ejemplos de señales limpias y ruidosas, los investigadores encontraron que sus “huellas” de frecuencia son consistentemente diferentes, incluso cuando cambian las condiciones atmosféricas y los niveles de ruido.

Enseñar a un filtro a distinguir señal de ruido

Para aprovechar estas diferencias, el equipo construyó un filtro basado en aprendizaje que llaman Espectro de Pesos Optimizado. Alimentaron el sistema con muchos conjuntos de señales reales: unas casi libres de ruido y otras con ruido artificial añadido a diversas intensidades. Para cada conjunto, examinaron el patrón de frecuencia normalizado y entrenaron un modelo matemático sencillo para trazar una superficie divisoria entre “principalmente señal” y “principalmente interferencia” en ese espacio de frecuencias. El resultado es un conjunto de pesos —uno por cada componente de frecuencia— que son positivos donde suele habitar la información útil y no positivos donde domina el ruido. Luego afinan esos pesos con un umbral adaptativo, manteniendo sólo los componentes más fuertes y fiables y descartando el resto.

Del modelo de laboratorio al enlace de voz en exteriores

Tras diseñar este filtro espectral fuera de línea, los autores lo probaron en un enlace FSO real al aire libre de 80 metros de longitud, usando una fuente de luz de 850 nanómetros y un formato de modulación por encendido/apagado común para datos de voz. En el receptor aplicaron el espectro de pesos aprendido al contenido en frecuencia de la señal entrante, eliminaron las partes etiquetadas como interferencia y luego reconstruyeron la señal en el dominio temporal. Compararon este enfoque con un método básico de demodulación y con un modelo más complejo basado en redes neuronales. En simulaciones, su método de pesos optimizados redujo los errores especialmente bien en niveles de ruido moderados, típicos de enlaces reales. En experimentos al aire libre, la tasa de error de bits se mantuvo por debajo de aproximadamente 0,83% y las señales limpiadas mostraron aberturas de ojo más amplias y formas de onda más claras, lo que indica una decodificación más fiable.

Qué significa esto para futuros enlaces de luz

Para no especialistas, la idea clave es que los autores han creado una “oreja” inteligente, pero relativamente simple, para los enlaces ópticos que escucha en el dominio de la frecuencia. Al aprender de antemano qué partes del espectro suelen portar información real y cuáles probablemente son basura, su método puede eliminar rápidamente gran parte de la interferencia sin el alto coste computacional ni los grandes conjuntos de datos que requieren muchos sistemas de aprendizaje profundo. Esto lo hace atractivo para hardware compacto en campo. Aunque el método funciona mejor cuando el ruido se sitúa algo separado de la banda principal de la señal y puede tener dificultades en condiciones muy adversas o con solapamientos severos, ya ofrece una forma práctica de hacer los enlaces de voz por FSO más robustos, más claros y mejor adaptados a entornos exteriores cotidianos.

Cita: Duan, Z., Qiang, S., Zhao, H. et al. Optimized weight spectrum method for interference signal separation in FSO communication. Sci Rep 16, 13544 (2026). https://doi.org/10.1038/s41598-026-42985-z

Palabras clave: comunicación óptica en espacio libre, supresión de interferencias, procesamiento de señales, aprendizaje automático, reducción de ruido