Metodo dello spettro di pesi ottimizzato per la separazione dei segnali di interferenza nelle comunicazioni FSO

Conversazioni più chiare attraverso la luce

Immaginate di parlare con qualcuno a distanza, non via radio o cavo in fibra, ma con un fascio di luce che viaggia nell'aria aperta. Questa è la promessa della comunicazione ottica in spazio libero (FSO): collegamenti ad alta velocità e senza fili che possono trasportare voce o dati tra edifici, torri o persino droni. Ma nel mondo reale l'aria è turbolenta e rumorosa. Il calore, il vento e l'elettronica disturbano il segnale, rendendo più difficile ricostruire le parole all'estremità ricevente. Questo articolo presenta un nuovo modo per ripulire quei segnali, in modo che le conversazioni inviate mediante la luce restino nitide e comprensibili.

Perché i collegamenti ottici diventano così rumorosi

I sistemi FSO trasmettono informazioni accendendo e spegnendo rapidamente una sorgente luminosa e catturando le fluttuazioni con un rivelatore sensibile. A differenza dei collegamenti radio, questi fasci luminosi non richiedono licenze governative e possono offrire velocità di trasmissione molto maggiori. Tuttavia, sono alla mercé dell'atmosfera e dell'hardware del ricevitore. La turbolenza dell'aria fa scintillare e affievolire la luce in modo casuale, mentre l'elettronica che converte la luce in segnale elettrico introduce il proprio ronzio di fondo. Questi effetti insieme corrompono il segnale, fanno sì che alcuni bit vengano invertiti e aumentano quello che gli ingegneri chiamano bit error rate, o BER. Un BER più basso significa meno errori e comunicazioni più chiare.

Osservare i segnali in modo nuovo

Invece di cercare di riparare il segnale direttamente nel dominio del tempo, gli autori lo analizzano in termini di note musicali, o frequenze. Usano uno strumento matematico chiamato trasformata di Fourier per scomporre ciascun segnale registrato nei suoi ingredienti in frequenza, un po' come trasformare un accordo in note singole. I segnali vocali puliti nel loro sistema FSO tendono ad occupare una fetta ben definita di questo intervallo di frequenze, mentre il rumore si distribuisce più ampiamente. Confrontando molti esempi di segnali puliti e disturbati, i ricercatori hanno scoperto che le loro “impronte” in frequenza sono costantemente diverse, anche quando cambiano le condizioni atmosferiche e i livelli di rumore.

Insegnare a un filtro a distinguere segnale e rumore

Per sfruttare queste differenze, il team ha costruito un filtro basato sull'apprendimento che chiamano Spettro di Pesi Ottimizzato. Hanno alimentato il sistema con molti set di segnali reali: alcuni quasi privi di rumore, altri con rumore artificiale aggiunto a varie intensità. Per ciascun set hanno esaminato il modello di frequenza normalizzato e addestrato un modello matematico semplice a tracciare una superficie di separazione tra “soprattutto segnale” e “soprattutto interferenza” in questo spazio di frequenza. Il risultato è un insieme di pesi — uno per ciascuna componente di frequenza — che sono positivi dove tende a trovarsi l'informazione utile e non positivi dove domina il rumore. Successivamente affinano questi pesi con una soglia adattiva, mantenendo solo le componenti più forti e affidabili e scartando le altre.

Dal modello di laboratorio al collegamento vocale all'aperto

Dopo aver progettato questo filtro spettrale offline, gli autori lo hanno testato in un collegamento FSO reale all'aperto, lungo 80 metri, usando una sorgente luminosa a 850 nanometri e un comune formato di modulazione on–off per i dati vocali. Al ricevitore hanno applicato lo spettro di pesi appreso al contenuto in frequenza del segnale in arrivo, rimosso le parti classificate come interferenza e poi ricostruito il segnale nel dominio del tempo. Hanno confrontato questo approccio con un metodo di demodulazione di base e con un modello di rete neurale più complesso. Nelle simulazioni, il loro metodo a pesi ottimizzati ha ridotto gli errori in modo particolarmente efficace a livelli di rumore moderati, tipici dei collegamenti reali. Negli esperimenti all'aperto il tasso di errore di bit è rimasto inferiore a circa lo 0,83% e i segnali ripuliti hanno mostrato aperture dell'occhio più ampie e forme d'onda più chiare, indicazioni di una decodifica più affidabile.

Cosa significa per i futuri collegamenti ottici

Per i non specialisti, l'idea chiave è che gli autori hanno creato un “orecchio” intelligente, ma relativamente semplice, per i collegamenti ottici che ascolta nel dominio delle frequenze. Imparando in anticipo quali parti dello spettro solitamente trasportano informazione vera e quali sono probabilmente spuria, il loro metodo può rimuovere rapidamente gran parte delle interferenze senza il costo computazionale elevato o i grandi dataset che molti sistemi di deep learning richiedono. Ciò lo rende interessante per hardware compatto sul campo. Sebbene il metodo funzioni meglio quando il rumore è separato dalla banda principale del segnale e possa avere difficoltà in condizioni molto gravose o con sovrapposizioni marcate, offre già un modo pratico per rendere i collegamenti vocali ottici in spazio libero più robusti, più chiari e più adatti agli ambienti esterni di uso quotidiano.

Citazione: 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

Parole chiave: comunicazione ottica in spazio libero, soppressione delle interferenze, elaborazione del segnale, apprendimento automatico, riduzione del rumore