Reducción de PAPR basada en SLM para mejorar el rendimiento de DCO‑OFDM LiFi usando estimación ciega para un sistema de monitorización sanitaria

Controles de salud mediante la luz

Imagine que las luces de su habitación de hospital controlan discretamente su ritmo cardíaco u oxigenación, enviando datos a los médicos sin cables, Wi‑Fi ni riesgo de interferencia radioeléctrica con equipos sensibles. Este artículo explora precisamente esa idea: usar la luz visible de lámparas LED como un enlace de datos seguro y de alta velocidad para la monitorización continua de la salud, y muestra cómo hacer ese enlace fiable y eficaz energéticamente incluso cuando los pacientes se mueven.

Por qué cambiar de ondas de radio a luz

Los monitores inalámbricos tradicionales usan ondas de radio, que se enfrentan a un espectro saturado, posible interferencia con equipos médicos y problemas de seguridad. La comunicación por luz visible (conocida como LiFi) convierte los LED comunes en transmisores de datos. Como la luz no atraviesa paredes, mantiene las señales dentro de la habitación, aumentando la privacidad, y evita la interferencia electromagnética en unidades de cuidados intensivos o quirófanos. Sin embargo, enviar altas tasas de datos mediante LED es complejo: las señales tienden a formar picos ocasionales muy altos respecto a su potencia media. Esos picos someten a estrés la electrónica del LED, desperdician energía y pueden distorsionar los datos médicos, por lo que reducirlos es esencial para un sistema práctico.

Cómo se construye el enlace basado en luz

Los autores diseñan un sistema para la habitación de un hospital en el que un dispositivo portátil del paciente envía mediciones de salud hacia un receptor en el techo usando un método llamado DCO‑OFDM. En términos sencillos, esto divide los datos en muchas subseñales pequeñas que se transmiten conjuntamente modulando la intensidad del LED. El equipo prueba dos “alfabetos” de datos (4‑QAM y 16‑QAM) que sacrifican velocidad por resiliencia al ruido. Dado que la luz se refleja en paredes y equipos, la señal llega por múltiples trayectorias con distintos retardos, lo que puede difuminar la información. Para corregirlo, el receptor usa cuatro estrategias de ecualización: tipo bloque, tipo peina, entrenamiento superpuesto y un método “ciego”, para contrarrestar las distorsiones de la habitación bajo tres posiciones típicas del paciente: ubicaciones y condiciones de iluminación que simulan estar sentado, tumbado o en movimiento dentro de la habitación.

Domar los picos de potencia sin dañar los datos

Un problema central es la elevada relación pico‑a‑potencia media (PAPR), que los autores encuentran puede alcanzar alrededor de 15 dB con el procesamiento estándar—muy lejos de ser ideal para la electrónica LED. Para suavizar estos picos adoptan una técnica llamada Selected Mapping (mapeo seleccionado). En lugar de enviar la primera versión de la señal saliente, el transmisor crea varias versiones matemáticamente equivalentes que contienen los mismos datos médicos pero difieren en cómo su energía se distribuye en el tiempo. Luego elige la versión con los picos más suaves antes de accionar el LED. El artículo compara el uso de patrones de fase reales y complejos para generar estas señales candidatas y muestra que los patrones complejos obtienen unos 1 dB adicionales de mejora. En conjunto, esta estrategia reduce los picos problemáticos de potencia en hasta 4 dB sin alterar la tasa de errores de los datos médicos.

Dejar que el receptor aprenda la habitación

Mientras que algunos ecualizadores dependen de patrones “pilot” conocidos insertados en los datos, el método de ecualización ciega permite al receptor inferir cómo la habitación distorsiona las señales directamente a partir del flujo entrante. Esto es especialmente atractivo en sanidad, donde cada símbolo adicional dedicado a pilotos resta capacidad a los datos del paciente y donde el movimiento cambia constantemente el canal. Simulaciones con un modelo óptico interior realista—cubriendo tamaño de la habitación, reflexiones en paredes y equipos, distancia y ángulo del paciente y luz ambiental—muestran que la ecualización ciega logra consistentemente los errores de bit más bajos y la mayor eficiencia espectral. Por ejemplo, a una relación señal‑ruido de 28 dB, el método ciego presenta notablemente menos errores que los enfoques por bloque, peina o superpuesto, y mantiene un rendimiento sólido incluso cuando hay muchas trayectorias reflejadas.

Qué significa esto para futuras habitaciones inteligentes

En conjunto, picos de potencia más bajos y ecualización más inteligente producen un enlace LiFi capaz de transmitir signos vitales de forma rápida y precisa usando nada más que la iluminación de la habitación. El estudio demuestra que combinar Selected Mapping con estimación ciega del canal crea una conexión óptica robusta y consciente de la energía que sigue funcionando cuando los pacientes cambian de postura o posición. Para los pacientes, esto podría traducirse en menos cables, menos enredos y una monitorización a largo plazo más cómoda; para los hospitales, promete redes de datos seguras y sin interferencias integradas en la propia iluminación. Los autores proponen próximos pasos como probar con señales médicas reales, ampliar a salas múltiples, explorar otros métodos de pre‑codificación y usar aprendizaje profundo para refinar aún más cómo el sistema se adapta a entornos interiores complejos.

Cita: 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

Palabras clave: Monitorización sanitaria por LiFi, comunicaciones por luz visible, procesamiento de señales OFDM, reducción de PAPR, monitorización inalámbrica de pacientes