⚡ electrical engineering

End-to-End Optical Propagation Modeling for Water-to-Air Channels under Sea Surface and UAV Effects

Este artículo presenta un modelo de propagación óptica de extremo a extremo para canales de agua-aire que utiliza un algoritmo de trazado de rayos Monte Carlo para caracterizar la compleja interacción entre la turbulencia superficial (burbujas y oleaje JONSWAP) y la inestabilidad de un UAV, evaluando así el rendimiento del sistema de comunicación inalámbrica para la transmisión de datos desde sensores submarinos.

Autores originales: Mohamed Nennouche, Mohammad-Ali Khalighi, Alexis Alfredo Dowhuszko, Djamal Merad

Publicado 2026-03-26

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Mohamed Nennouche, Mohammad-Ali Khalighi, Alexis Alfredo Dowhuszko, Djamal Merad

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

¡Claro que sí! Imagina que quieres enviar un mensaje de texto desde el fondo del mar hasta un dron que vuela en el cielo, pero sin usar cables ni sonidos. ¿Cómo lo harías?

Este artículo científico es como un manual de ingeniería para un "mensajero de luz" que viaja desde las profundidades del océano hasta el aire, saltando la barrera del agua para llegar a un dron (UAV) que recoge datos sobre los arrecifes de coral.

Aquí tienes la explicación, traducida a un lenguaje sencillo y con algunas analogías divertidas:

1. El Gran Problema: El "Salto" del Agua al Aire

Imagina que eres un buceador en un arrecife de coral y quieres contarle a un dron que vuela sobre ti qué estás viendo.

El problema: El agua y el aire son como dos mundos muy diferentes. La luz se comporta de forma distinta en ambos. Además, la superficie del mar nunca está quieta; es como una cama elástica gigante que se mueve con el viento, y debajo de esa "cama" hay miles de burbujas que actúan como pequeños espejos dispersos.
La solución: Los autores proponen usar una luz LED potente (como una linterna muy inteligente) en el fondo y un ojo súper sensible (un detector llamado SiPM) en el dron. Pero para que funcione, necesitan predecir exactamente cómo rebotará y se perderá esa luz en su viaje.

2. Los Tres Enemigos de la Luz

Para que el mensaje llegue, el equipo tuvo que simular tres obstáculos principales, como si estuvieran jugando un videojuego de "esquivar obstáculos":

El Viento y la Superficie del Mar (La Cama Elástica):
El viento empuja el agua, creando olas. El equipo usó un modelo matemático llamado JONSWAP (suena complicado, pero es como una receta para predecir cómo se mueve el mar cerca de la costa).
- Analogía: Imagina que intentas lanzar una pelota de tenis a través de una ventana que se abre y cierra aleatoriamente. Si la ventana (la superficie del mar) está muy agitada, la pelota (la luz) puede rebotar y no entrar.
Las Burbujas (La Niebla Submarina):
Cuando las olas rompen, crean burbujas. Estas burbujas son como pequeñas bolas de cristal que dispersan la luz en todas direcciones.
- Analogía: Es como intentar ver a través de una ducha con mucha espuma. Cuanto más viento hay, más burbujas hay, y más difícil es que la luz llegue recta al destino.
El Dron que se Mueve (El Coche en la Tormenta):
El dron no está quieto; el viento lo empuja, lo hace girar y temblar.
- Analogía: Imagina que el dron es un coche conduciendo bajo la lluvia. Si el viento lo empuja hacia un lado, el faro del coche (la luz que recibe) puede apuntar al suelo en lugar de a la ventana. El equipo creó una fórmula matemática para calcular cuánto se inclina el dron según la fuerza del viento.

3. La Simulación: El "Videojuego" de Billones de Fotones

En lugar de ir al mar a medir esto (lo cual es caro y peligroso), los autores crearon un simulador por computadora (llamado Método de Monte Carlo).

Analogía: Imagina que lanzas un billón de pelotitas de luz (fotones) desde el fondo del mar en la computadora. El programa calcula qué le pasa a cada una: ¿choca con una sal? ¿rebota en una burbuja? ¿atraviesa la superficie? ¿llega al dron o se pierde?
Al final, cuentan cuántas pelotitas llegaron. Si llegan muchas, la conexión es buena. Si llegan pocas, el mensaje se pierde.

4. Los Resultados: ¿Funciona?

¡Sí! Y aquí están las conclusiones clave, explicadas simplemente:

La luz es buena para distancias cortas: Funciona muy bien para arrecifes de coral, que suelen estar cerca de la superficie (menos de 50 metros de profundidad).
El viento importa, pero no mata el sistema: Si hay mucho viento (olas grandes y dron moviéndose), la señal se debilita, pero el sistema sigue funcionando si usas un dron pesado y estable.
La profundidad es el límite: Si el sensor está muy profundo (más de 47 metros), la luz se absorbe demasiado en el agua y no llega. Pero para los arrecifes, ¡es perfecto!
Velocidad: Pueden enviar datos a una velocidad decente (1 megabit por segundo), suficiente para enviar fotos o datos de temperatura.

En Resumen

Este paper es como el manual de instrucciones para construir un "teléfono de luz" submarino.

Los autores nos dicen: "Si quieres monitorear los corales sin poner cables ni usar barcos ruidosos, puedes usar un dron y un haz de luz. Solo tienes que tener en cuenta que el mar es una cama elástica, las burbujas son molestas y el viento mueve el dron. Pero si calculamos todo esto con nuestras fórmulas, ¡el mensaje llegará!"

Es una tecnología prometedora para cuidar nuestro océano sin molestarlo, usando la luz como mensajera en un mundo de agua y viento.

Título: Modelado de Propagación Óptica de Extremo a Extremo para Canales Agua-Aire bajo Efectos de la Superficie Marina y UAV

1. Planteamiento del Problema

El monitoreo de la biodiversidad marina, específicamente de arrecifes de coral, requiere la transmisión eficiente de datos desde sensores submarinos a nodos aéreos. Las soluciones tradicionales utilizan nodos de relevo en la superficie (boyas o vehículos autónomos), lo cual puede ser costoso o disruptivo para el ecosistema.
El artículo aborda el desafío de establecer un enlace de comunicación óptica inalámbrica directo Agua-Aire (W2A) desde un sensor submarino (Tx) hasta un Vehículo Aéreo No Tripulado (UAV) (Rx). Este escenario presenta complejidades únicas:

Atenuación y dispersión: Pérdidas por absorción y dispersión en el agua y en la interfaz aire-agua.
Dinámica de la superficie: Las olas marinas generan refracción, reflexión y turbulencia óptica.
Burbujas de aire: La ruptura de las olas genera poblaciones de burbujas cerca de la superficie que dispersan la luz.
Inestabilidad del UAV: El viento induce vibraciones y desalineación en el UAV, afectando la alineación del haz óptico.
Limitaciones ambientales: La necesidad de operar con baja potencia para no dañar la vida marina y minimizar el ruido de fondo (operando de noche).

2. Metodología

Los autores proponen un marco de modelado integral basado en simulaciones de ray tracing mediante el método de Monte Carlo, que integra cuatro componentes clave:

Propagación Submarina: Se utiliza la función de fase de dispersión (SPF) de Fournier-Forand (FF) para modelar la dispersión por partículas en el agua, superando las limitaciones de precisión del modelo Henyey-Greenstein en ángulos extremos.
Modelado de la Superficie Marina: Se adopta el modelo JONSWAP (Joint North Sea Wave Project) en lugar de modelos de mar abierto (como Pierson-Moskowitz). Esto es crucial porque los arrecifes de coral suelen estar cerca de la costa. El modelo JONSWAP incorpora el parámetro "fetch" (distancia a la costa), ajustando la altura de las olas según la interacción del viento con la superficie.
Efecto de Burbujas: Se utiliza el modelo Hall-Novarini (HN) para describir la distribución de la densidad de burbujas en función de la profundidad y la velocidad del viento. La dispersión de la luz por estas burbujas se calcula utilizando la Teoría de Mie.
Inestabilidad del UAV: Se modela el efecto del viento turbulento en la orientación del UAV utilizando el modelo de turbulencia Dryden. Se deriva una expresión analítica cerrada para la distribución de probabilidad del ángulo de desviación del UAV ( $\alpha_{UAV}$ ) y la pérdida de canal resultante ( $h_\alpha$ ) debido a la inclinación.
Simulación: Se simula la trayectoria de fotones desde un emisor LED hasta un receptor basado en un Fotomultiplicador de Silicio (SiPM), considerando la refracción en la interfaz (Ley de Snell y ecuaciones de Fresnel) y la pérdida por desalineación.

3. Contribuciones Clave

Marco de Modelado Realista: Propuesta de un modelo completo W2A que integra simultáneamente la dinámica de olas (JONSWAP), burbujas de aire (HN + Mie) e inestabilidad del UAV (Dryden), específicamente adaptado para escenarios de arrecifes de coral cerca de la costa.
Formulación Analítica de Pérdidas por Inclinación: Derivación de una expresión cerrada para la función de densidad de probabilidad (PDF) de las pérdidas del canal inducidas por el ángulo de inclinación del UAV bajo condiciones de viento turbulento. Esta es la primera vez que se formula matemáticamente este efecto en el contexto de comunicaciones ópticas W2A.
Validación de Viabilidad: Evaluación exhaustiva del rendimiento del enlace de extremo a extremo (E2E), analizando la Tasa de Error de Bit (BER) en función de la profundidad, la velocidad de datos y las condiciones de viento.
Selección de Componentes: Demostración de la viabilidad de usar emisores LED (baja potencia, menos impacto ecológico) combinados con receptores SiPM de alta sensibilidad para operar de noche.

4. Resultados Principales

Impacto del Viento y la Superficie: El aumento de la velocidad del viento (de 5 a 13 m/s) reduce significativamente la ganancia del canal debido a:
1. Mayor altura y longitud de onda de las olas, aumentando la pérdida por refracción/reflexión.
2. Mayor densidad de burbujas cerca de la superficie, incrementando la dispersión.
3. Mayor variabilidad en el ángulo de inclinación del UAV.
- Nota: La ganancia promedio del canal disminuye de $1.58 \times 10^{-5}$ a $1.32 \times 10^{-5}$ al aumentar el viento de 5 a 13 m/s.
Robustez ante Desalineación: Gracias al uso de un LED con un ángulo de divergencia moderado ( $10^\circ$ ), el sistema muestra cierta robustez frente a la desalineación del UAV. Las pérdidas por desalineación son menores a 2 dB incluso con vientos fuertes, a diferencia de lo que ocurriría con láseres (LD) de haz estrecho.
Rendimiento del Enlace (BER):
- Para una tasa de datos de 1 Mbps (típico en redes de sensores IoUT) y un objetivo de BER de $2 \times 10^{-3}$ (límite de corrección de errores), el sistema es viable hasta profundidades de ~47 metros incluso con vientos de hasta 13 m/s.
- A mayores tasas de datos (5 y 10 Mbps), el rango de profundidad disminuye debido al ancho de banda limitado del SiPM y del LED.
Influencia de Parámetros: Se demostró que aumentar la profundidad del transmisor o la divergencia del haz reduce la ganancia del canal. Un receptor con mayor área activa mejora la captura de fotones.

5. Significado e Impacto

Este trabajo es fundamental para el desarrollo de redes de sensores submarinos (IoUT) sostenibles y eficientes.

Ecológico: Al eliminar la necesidad de boyas de superficie o drones submarinos costosos, se reduce la perturbación física en los ecosistemas de arrecifes de coral.
Técnico: Proporciona una herramienta de diseño robusta (algoritmo de Monte Carlo) para ingenieros que buscan implementar enlaces ópticos aire-agua, considerando factores ambientales realistas a menudo ignorados en modelos teóricos simplificados.
Aplicabilidad: Confirma que la comunicación óptica directa Agua-Aire es una solución práctica y factible para el monitoreo ambiental en aguas costeras y arrecifes, logrando tasas de datos útiles con una configuración de hardware accesible (LED + SiPM).

En resumen, el artículo establece un nuevo estándar para la caracterización de canales ópticos W2A, demostrando que, con un modelado preciso de la turbulencia, las burbujas y la dinámica de las olas, es posible mantener enlaces de comunicación fiables para aplicaciones críticas de monitoreo marino.