Riduzione del PAPR basata su SLM per migliorare le prestazioni del LiFi DCO-OFDM usando stima cieca per un sistema di monitoraggio sanitario

Controlli sanitari attraverso la luce

Immaginate le luci della vostra stanza d’ospedale che, silenziosamente, monitorano il battito cardiaco o il livello di ossigeno e inviano i dati ai medici senza cavi, Wi‑Fi o rischio di interferenze radio con apparecchiature sensibili. Questo articolo esplora proprio questa idea: usare la luce visibile delle lampade LED come un collegamento dati sicuro e ad alta velocità per il monitoraggio sanitario continuo, e mostra come rendere quel collegamento sia affidabile sia efficiente dal punto di vista energetico anche con pazienti in movimento.

Perché passare dalle onde radio alla luce

I tradizionali monitor wireless si basano su onde radio, che si trovano a dover condividere uno spettro affollato, possono interferire con apparecchiature mediche e sollevare problemi di sicurezza. La comunicazione in luce visibile (spesso chiamata LiFi) trasforma i normali LED in trasmettitori di dati. Poiché la luce non attraversa le pareti, mantiene naturalmente i segnali all’interno di una stanza, aumentando la privacy, ed evita interferenze elettromagnetiche in terapie intensive o sale operatorie. Tuttavia, spingere alte velocità attraverso i LED è complicato: i segnali tendono a presentare di tanto in tanto picchi molto elevati rispetto alla potenza media. Questi picchi sollecitano l’elettronica dei LED, sprecano energia e possono distorcere i dati clinici, quindi ridurli è essenziale per un sistema pratico.

Come è costruito il collegamento basato sulla luce

Gli autori progettano un sistema per la stanza d’ospedale in cui un dispositivo indossabile sul paziente invia le misurazioni sanitarie verso un ricevitore a soffitto usando un metodo chiamato DCO‑OFDM. In termini semplici, questo suddivide i dati in molte sottoportanti che vengono trasmesse insieme modulando la luminosità del LED. Il gruppo testa due “alfabeti” di dati (4‑QAM e 16‑QAM) che bilanciano velocità e robustezza al rumore. Poiché la luce rimbalza su pareti e attrezzature, il segnale arriva tramite molteplici percorsi con ritardi diversi, il che può sfocare le informazioni. Per correggere ciò, il ricevitore usa quattro strategie di equalizzazione—block‑type, comb‑type, superimposed training e un metodo “cieco”—per annullare le distorsioni della stanza in tre posizioni tipiche del paziente: diverse collocazioni e condizioni di illuminazione che simulano il sedersi, lo sdraiarsi o il muoversi nella stanza.

Domare i picchi di potenza senza danneggiare i dati

Un problema centrale è il rapporto picco‑sulla‑potenza media (PAPR), che gli autori rilevano può raggiungere circa 15 dB con l’elaborazione standard—ben lontano dall’ideale per l’hardware LED. Per smussare questi picchi adottano una tecnica chiamata Selected Mapping. Invece di trasmettere la prima versione del segnale uscente, il trasmettitore crea diverse versioni matematicamente equivalenti che veicolano gli stessi dati clinici ma differiscono nel modo in cui l’energia è distribuita nel tempo. Sceglie poi la versione con i picchi più contenuti prima di pilotare il LED. L’articolo confronta l’uso di pattern di fase reali e complessi per generare questi segnali candidati e mostra che i pattern complessi forniscono circa 1 dB di miglioramento aggiuntivo. Complessivamente, questa strategia riduce i picchi problematici fino a 4 dB mantenendo invariato il tasso di errore dei dati sanitari sottostanti.

Lasciare che il ricevitore impari la stanza

Mentre alcuni equalizzatori si basano su pattern noti di “pilot” inseriti nei dati, il metodo di equalizzazione cieca permette al ricevitore di dedurre come la stanza distorce i segnali direttamente dallo stream in arrivo. Questo è particolarmente interessante in ambito sanitario, dove ogni simbolo aggiuntivo dedicato ai pilot sottrae capacità ai dati del paziente e dove il movimento cambia costantemente il canale. Simulazioni basate su un modello ottico indoor realistico—che considera dimensioni della stanza, riflessioni da pareti e attrezzature, distanza e angolo del paziente e luce ambientale—mostrano che l’equalizzazione cieca ottiene costantemente il minor numero di bit error e la massima efficienza spettrale. Per esempio, a un rapporto segnale‑rumore di 28 dB, il metodo cieco fornisce nettamente meno errori rispetto agli approcci block, comb o superimposed, e mantiene buone prestazioni anche in presenza di molti percorsi riflessi.

Cosa significa per le future stanze intelligenti

Insieme, picchi di potenza ridotti e equalizzazione più intelligente producono un collegamento LiFi in grado di trasferire i segni vitali rapidamente e con precisione usando nulla più che l’illuminazione della stanza. Lo studio dimostra che combinare Selected Mapping con la stima cieca del canale crea una connessione ottica robusta e attenta all’energia che continua a funzionare quando i pazienti cambiano postura o posizione. Per i pazienti, questo potrebbe tradursi in meno cavi, meno ingombro e un monitoraggio a lungo termine più confortevole; per gli ospedali, promette reti dati sicure e prive di interferenze integrate nell’illuminazione stessa. Gli autori suggeriscono passi successivi come test con segnali medici reali, estensioni a reparti con più stanze, l’esplorazione di altri metodi di precoding e l’uso del deep learning per perfezionare ulteriormente l’adattamento del sistema a ambienti indoor complessi.

Citazione: 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

Parole chiave: monitoraggio sanitario LiFi, comunicazione in luce visibile, elaborazione segnali OFDM, riduzione PAPR, monitoraggio pazienti wireless