Primera Demostración de Demodulación de Señal 512-CSK mediante Ecualización Neuronal para Comunicación Óptica por Cámara

Tabla de Contenidos

1. Introducción y Visión General

Este artículo presenta la primera demostración experimental de transmisión de señal 512-CSK (Modulación por Desplazamiento de Color de 512 colores) para Comunicación Óptica por Cámara (OCC). El logro central es la demodulación sin errores a una distancia de 4 metros utilizando un módulo comercial de sensor de imagen CMOS Sony IMX530 emparejado con un objetivo óptico de 50 mm y una red neuronal personalizada de clasificación multi-etiqueta que actúa como ecualizador no lineal. Este trabajo amplía significativamente los límites de la densidad de datos en OCC, pasando de esquemas 8, 16 o 32-CSK previamente demostrados al ámbito de modulación de alto orden de 512 colores (9 bits/símbolo).

La investigación aborda un desafío fundamental en OCC: la diafonía entre colores causada por la sensibilidad espectral no ideal de los filtros RGB de la cámara, lo que distorsiona la constelación CSK transmitida basada en el espacio de color CIE 1931. El ecualizador neuronal propuesto compensa directamente esta distorsión no lineal a partir de los datos brutos del sensor, evitando la necesidad de complejos modelos de procesamiento de señal lineal.

2. Marco Técnico

2.1 Configuración y Montaje del Receptor

El sistema receptor se construye alrededor de un sistema de cámara de Sony Semiconductor Solutions capaz de generar datos RGB brutos de 12 bits sin ningún posprocesamiento (demosaico, reducción de ruido, balance de blancos). Estos datos brutos son cruciales para una recuperación precisa del color. La señal se captura a través de un objetivo óptico de 50 mm desde un transmisor de array plano de LEDs de 8x8 (panel de 6.5 cm). Los valores RGB recibidos se convierten primero a coordenadas de cromaticidad CIE 1931 (x, y) utilizando una matriz de transformación de espacio de color estándar antes de ser introducidos en el ecualizador neuronal.

2.2 Arquitectura del Ecualizador Neuronal

El núcleo del sistema de demodulación es una red neuronal multi-etiqueta. Su propósito es realizar una ecualización no lineal, mapeando las coordenadas (x, y) recibidas distorsionadas de vuelta al símbolo de 9 bits transmitido más probable (para 512-CSK).

• Capa de Entrada: 2 unidades (coordenadas de cromaticidad x, y).
• Capas Ocultas: N_h capas con N_u unidades cada una (los detalles específicos de la arquitectura se sugieren pero no se enumeran completamente en el extracto).
• Capa de Salida: M = 9 unidades, correspondientes a los 9 bits del símbolo 512-CSK. La red se entrena para clasificación multi-etiqueta.

La red genera una distribución de probabilidad posterior $p(1|x, y)$ para cada bit. A partir de estas probabilidades se calcula un Logaritmo del Cociente de Probabilidades (LLR) que posteriormente es decodificado por un decodificador LDPC (Código de Paridad de Baja Densidad) para la corrección final de errores.

2.3 Mapeo de la Constelación 512-CSK

Los 512 símbolos se colocan estratégicamente dentro de la gama CIE 1931 del transmisor LED-RGB. El mapeo comienza desde el vértice correspondiente al color primario azul $(x=0.1805, y=0.0722)$ y llena el espacio disponible de una "manera triangular". Esto sugiere un algoritmo de empaquetamiento eficiente para maximizar la distancia euclidiana entre los puntos de la constelación dentro de la gama de color física, lo cual es crítico para minimizar la tasa de error de símbolo.

3. Resultados Experimentales y Análisis

3.1 Rendimiento de BER vs. Tamaño del Array de LEDs

El experimento varió el número de LEDs activos en el array transmisor desde 1x1 hasta 8x8. Esto cambia efectivamente la intensidad de la luz y el área que ocupa la señal en el sensor de imagen. Se evaluaron las características de la Tasa de Error de Bit (BER) frente a esta variable. La operación exitosa sin errores demuestra la robustez del ecualizador neuronal frente a diferentes intensidades de señal recibida y perfiles espaciales. El uso de un array completo de 8x8 probablemente proporciona el mejor rendimiento al promediar sobre múltiples píxeles y reducir el impacto del ruido.

3.2 Comparación con Trabajos Previos

El artículo incluye una figura resumen (Fig. 1(c)) que compara este trabajo con demostraciones previas de OCC-CSK. Los diferenciadores clave son:

• Orden de Modulación: 512-CSK supera ampliamente los 8-CSK [1], 16-CSK [2,3] y 32-CSK [4,5] reportados en trabajos experimentales previos.
• Distancia: La operación a 4m es competitiva, especialmente considerando el alto orden de modulación. Se sitúa entre demostraciones de alto orden de muy corto alcance (3-4 cm) y demostraciones de menor orden de mayor alcance (80-100 cm).
• Técnica: El uso de una red neuronal para la ecualización no lineal directa a partir de datos brutos del sensor es un enfoque novedoso y potencialmente más generalizable en comparación con las técnicas de compensación lineal basadas en modelos.

4. Análisis Central e Interpretación Experta

Perspectiva Central: Este artículo no trata solo de lograr un mayor número de colores; es un giro estratégico desde el modelado basado en la física hacia el aprendizaje basado en datos en la recuperación de señales ópticas. Los autores reconocen implícitamente que la compleja y no lineal cadena de distorsión en una cámara (diafonía de filtros, no linealidad del sensor, artefactos del objetivo) se maneja mejor mediante un aproximador universal de funciones (una red neuronal) que mediante un modelo analítico meticulosamente derivado pero inevitablemente incompleto. Esto refleja el cambio visto en otros campos como las comunicaciones inalámbricas, donde el Aprendizaje Profundo se utiliza cada vez más para la ecualización del canal y la detección de símbolos en canales complejos y no lineales.

Flujo Lógico: La lógica es convincente: 1) Se necesita CSK de alto orden para el rendimiento. 2) El CSK de alto orden es muy sensible a la distorsión del color. 3) La distorsión del color en la cámara es compleja y no lineal. 4) Por lo tanto, usar un compensador no lineal (NN) entrenado de extremo a extremo con datos reales. El uso de datos brutos del sensor es un golpe maestro: proporciona a la red neuronal la máxima cantidad de información sin alterar antes de que cualquier ISP (Procesador de Señal de Imagen) de la cámara introduzca sus propias transformaciones, a menudo propietarias y no invertibles. Este enfoque recuerda a la filosofía de la fotografía computacional moderna, donde los algoritmos trabajan sobre datos brutos del sensor para una máxima flexibilidad.

Fortalezas y Debilidades: La principal fortaleza es el salto dramático en la eficiencia espectral, validando experimentalmente lo que antes era solo territorio de simulación. El ecualizador neuronal es elegante y potente. Sin embargo, la debilidad—común a muchos artículos de comunicaciones basados en ML—es la naturaleza de "caja negra". El artículo no profundiza en la búsqueda de arquitectura de la NN, el tamaño de los datos de entrenamiento o la capacidad de generalización a diferentes cámaras, objetivos o condiciones de luz ambiental. ¿Necesitará la red ser reentrenada para cada nuevo modelo de receptor? Como se señala en una revisión seminal sobre aprendizaje automático para comunicaciones de O'Shea & Hoydis, la practicidad de los receptores basados en DL depende de su robustez y adaptabilidad a condiciones cambiantes. Además, la distancia de 4m, aunque buena, aún sugiere una limitación de potencia/SNR. La dependencia de un decodificador LDPC para el rendimiento final sin errores indica que la tasa de error de símbolo bruta en la salida de la NN no es cero, lo que plantea preguntas sobre el rendimiento independiente del ecualizador bajo SNR más bajos.

Conclusiones Accionables: Para los investigadores, el siguiente paso claro es abrir la caja negra. Investigar arquitecturas de NN (las CNN podrían manejar mejor las variaciones espaciales en el sensor), explorar aprendizaje por pocos ejemplos o transferencia para adaptarse a nuevo hardware, e integrar el ecualizador con la corrección de errores hacia adelante en una estructura más holística, similar a turbo. Para la industria, este trabajo señala que la VLC de alta velocidad de datos y sin parpadeo utilizando cámaras comerciales se acerca más a la realidad. La asociación con Sony para el sensor es notable; la comercialización dependerá de integrar dicho procesamiento neuronal de manera eficiente en ASICs de cámara o aprovechar los aceleradores de IA en el dispositivo ya presentes en los teléfonos inteligentes. El estándar a seguir es IEEE 802.15.7r1 (OCC), y contribuciones como esta podrían influir directamente en su evolución.

5. Detalles Técnicos y Formulación Matemática

Conversión del Espacio de Color: La transformación de los valores RGB recibidos (del sensor bruto) a coordenadas xy CIE 1931 se realiza utilizando una matriz estándar derivada de las características espectrales del sensor en relación con el observador estándar CIE. El artículo proporciona la matriz específica utilizada: $$ \begin{pmatrix} x \\ y \end{pmatrix} = \begin{pmatrix} 0.4124 & 0.3576 & 0.1805 \\ 0.2126 & 0.7152 & 0.0722 \end{pmatrix} \begin{pmatrix} R \\ G \\ B \end{pmatrix} $$ Esta es una transformación lineal simplificada. En la práctica, un modelo más preciso podría requerir un mapeo no lineal o una matriz adaptada a los filtros de color del sensor específico.

Salida de la Red Neuronal a LLR: La NN multi-etiqueta genera la probabilidad $p_i(1|x, y)$ de que el $i$-ésimo bit (de 9) sea '1'. El Logaritmo del Cociente de Probabilidades (LLR) $L_i$ para ese bit, que se introduce en el decodificador LDPC, se calcula como: $$ L_i = \log \left( \frac{p_i(1|x, y)}{1 - p_i(1|x, y)} \right) $$ Un LLR positivo grande indica alta confianza en que el bit es 1, un valor negativo grande indica alta confianza en que es 0.

6. Marco de Análisis y Ejemplo de Caso

Marco: La Cadena del "Receptor Aprendido" para OCC

Esta investigación ejemplifica un patrón de diseño moderno de "receptor aprendido" aplicable más allá de la OCC. El marco se puede desglosar en bloques secuenciales optimizables:

1. Adquisición de Datos Consciente del Hardware: Capturar señales en el punto más temprano y bruto de la cadena de procesamiento (por ejemplo, datos RAW del sensor, muestras I/Q de RF).
2. Preprocesamiento Diferenciable: Aplicar un preprocesamiento mínimo y necesario (por ejemplo, conversión de espacio de color, sincronización) de manera que sea diferenciable para permitir el flujo de gradientes si se entrena de extremo a extremo.
3. Núcleo de Red Neuronal: Emplear una red neuronal (MLP, CNN, Transformer) para realizar la tarea central de demodulación/ecualización. La red se entrena con una función de pérdida que minimiza directamente la tasa de error de símbolo o bit, a menudo utilizando una pérdida de entropía cruzada para tareas de clasificación.
4. Decodificación Híbrida: Interconectar las salidas suaves de la red neuronal (probabilidades, LLRs) con un decodificador de corrección de errores no neuronal de última generación (como un decodificador de código LDPC o Polar). Esto combina la flexibilidad del aprendizaje con la optimalidad probada de la teoría de codificación clásica.

Ejemplo de Caso No Codificado: Aplicar el Marco a VLC Subacuática

Considere aplicar este mismo marco a la Comunicación por Luz Visible Subacuática (UVLC), que sufre graves deterioros del canal como dispersión y desvanecimiento inducido por turbulencia. Un "Receptor Aprendido" para UVLC podría construirse de la siguiente manera:

• Paso 1: Usar un fotodetector de alta velocidad o una cámara que capture secuencias de intensidad brutas.
• Paso 2: Preprocesar para aislar la región de interés de la señal y realizar una sincronización gruesa.
• Paso 3: Entrenar una Red Neuronal Convolucional 1D (CNN) o una Red Neuronal Recurrente (RNN) como una LSTM en estos datos de secuencia brutos. La tarea de la red es ecualizar los efectos del canal variante en el tiempo y desmapear los símbolos. Los datos de entrenamiento se recopilarían bajo varias condiciones de turbidez y turbulencia del agua.
• Paso 4: La red genera decisiones suaves para un decodificador FEC, permitiendo una comunicación robusta en un canal altamente dinámico donde la estimación tradicional del canal falla.

7. Aplicaciones Futuras y Direcciones de Investigación

• Li-Fi Basado en Teléfonos Inteligentes: El objetivo final es integrar esta tecnología en teléfonos inteligentes para transferencia de datos peer-to-peer segura y de alta velocidad o posicionamiento interior con precisión a nivel de centímetro, aprovechando el hardware de cámara existente.
• Comunicación V2X Automotriz: Usar faros/luces traseras de vehículos y cámaras para comunicación Vehículo-a-Todo (V2X), proporcionando un enlace de datos adicional y robusto complementario al DSRC/C-V2X basado en RF.
• Interfaces de AR/VR y Metaverso: Habilitar enlaces de datos de baja latencia y alto ancho de banda entre gafas AR e infraestructura o entre dispositivos para experiencias compartidas sincronizadas.
• Direcciones de Investigación:
  1. Sistemas Aprendidos de Extremo a Extremo: Explorar la optimización conjunta de la forma de la constelación del transmisor (a través de una red neuronal) y el ecualizador del receptor, similar al concepto de comunicaciones por "autoencoder".
  2. Robustez y Estandarización: Desarrollar modelos de receptor neuronal que sean robustos a diferentes modelos de cámara, luz ambiental y oclusión parcial. Esto es crítico para los esfuerzos de estandarización como IEEE 802.15.7.
  3. OCC de Ultra Alta Velocidad: Combinar CSK de alto orden con técnicas de modulación por obturador rodante o espacial utilizando cámaras de alta velocidad de cuadro o basadas en eventos para superar la barrera de Gbps.
  4. Comunicación Semántica: Ir más allá de la recuperación de bits, utilizando el enlace OCC para transmitir información semántica (por ejemplo, identificadores de objetos, datos de mapas) directamente, optimizando para el éxito de la tarea en lugar de la tasa de error de bit.

8. Referencias

1. H.-W. Chen et al., "8-CSK data transmission over 4 cm," Relevant Conference/Journal, 2019.
2. C. Zhu et al., "16-CSK over 80 cm using a quadrichromatic LED," Relevant Conference/Journal, 2016.
3. N. Murata et al., "16-digital CSK over 100 cm based on IEEE 802.15.7," Relevant Conference/Journal, 2016.
4. P. Hu et al., "Tri-LEDs based 32-CSK over 3 cm," Relevant Conference/Journal, 2019.
5. R. Singh et al., "Tri-LEDs based 32-CSK," Relevant Conference/Journal, 2014.
6. O'Shea, T., & Hoydis, J. (2017). "An Introduction to Deep Learning for the Physical Layer." IEEE Transactions on Cognitive Communications and Networking. (Fuente autoritativa externa sobre ML para comunicaciones)
7. IEEE Standard for Local and Metropolitan Area Networks--Part 15.7: Short-Range Optical Wireless Communications. IEEE Std 802.15.7-2018. (Estándar autoritativo externo)
8. Commission Internationale de l'Eclairage (CIE). (1931). Commission internationale de l'éclairage proceedings, 1931. Cambridge: Cambridge University Press. (Fuente autoritativa externa para ciencia del color)
9. Sony Semiconductor Solutions Corporation. IMX530 Sensor Datasheet. (Fuente autoritativa externa de hardware)
10. Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press. (Fuente autoritativa externa sobre redes neuronales)