Mobility Aware Power Control for VCSEL Based Indoor OWC

Resumen Técnico: Control de Potencia Consciente de la Movilidad para OWC Basado en VCSEL

Título original: Mobility-Aware Power Control for VCSEL-Based Indoor OWC

1. El Problema (Problemática)

La comunicación inalámbrica óptica (OWC) es una tecnología prometedora para entornos interiores debido a su amplio espectro y altas tasas de datos. El uso de láseres de emisión de superficie de cavidad vertical (VCSEL) permite transmisiones altamente direccionales con haces estrechos, lo que mejora la reutilización espacial y la capacidad del enlace.

Sin embargo, esta alta direccionalidad presenta un desafío crítico: la sensibilidad extrema a la movilidad del usuario y la orientación del dispositivo. Pequeños cambios en la posición o la inclinación del receptor provocan desalineaciones del haz, lo que degrada drásticamente la ganancia del canal óptico. Los esquemas de control de potencia actuales suelen ignorar estas dinámicas de movilidad, lo que lleva a dos problemas:

• Ineficiencia energética: Se asigna exceso de potencia para intentar mantener la conectividad.
• Falta de fiabilidad: Los sistemas reactivos no logran compensar las fluctuaciones rápidas del canal.

2. Metodología Propuesta

Los autores proponen un marco de Control de Potencia Consciente de la Movilidad (MAPC) que integra la predicción de movimiento con la asignación de recursos. La metodología se divide en tres pilares:

• Modelo de Movilidad Híbrido (GM-ANN): Para capturar la complejidad del movimiento humano, combinan un modelo estocástico de Gauss-Markov (GM) —que modela la continuidad física del movimiento (velocidad y dirección)— con una red neuronal de memoria a corto y largo plazo (LSTM). La LSTM corrige los errores del modelo GM al aprender patrones no lineales y comportamientos específicos, como giros bruscos, pausas o cambios repentinos en la orientación del dispositivo (ángulos de elevación y azimut).
• Estimación del Canal Óptico: Utilizando los estados de movilidad predichos (posición, velocidad, dirección y orientación), el sistema estima la distancia del enlace, el desplazamiento radial y, finalmente, la ganancia del canal óptico para el siguiente intervalo de tiempo.
• Optimización de Potencia mediante CNN: El problema de optimización para maximizar la Eficiencia Energética (EE) es no convexo y computacionalmente costoso para tiempo real. Para resolverlo, los autores entrenan una Red Neuronal Convolucional (CNN). Esta red aprende de soluciones óptimas precalculadas (mediante programación lineal entera mixta - MILP) y es capaz de mapear instantáneamente los estados del canal predichos hacia una asignación de potencia casi óptima.

3. Contribuciones Clave

• Integración Híbrida: Es el primer trabajo que integra un modelo de movilidad híbrido (Gauss-Markov + Red Neuronal Artificial) con el control de potencia en sistemas OWC basados en VCSEL.
• Predicción Multidimensional: A diferencia de otros modelos que solo consideran la posición $(x, y)$, este modelo predice también la velocidad, la dirección y la orientación del dispositivo, factores cruciales en la recepción óptica.
• Eficiencia Computacional: El uso de una CNN para la asignación de potencia permite transformar un problema de optimización complejo en una inferencia de red neuronal rápida, apta para implementaciones en tiempo real.

4. Resultados Principales

Las simulaciones en un entorno de $5 \times 5 \times 3 \text{ m}^3$ con 12 puntos de acceso (APs) mostraron lo siguiente:

• Precisión de Predicción: Aunque el error aumenta con el horizonte de predicción, las predicciones a corto plazo son lo suficientemente precisas para permitir una gestión de potencia efectiva.
• Superioridad en Eficiencia Energética (EE): El marco MAPC superó consistentemente a los métodos de referencia:
  • Logró ganancias de 30–35% de EE sobre el Control de Potencia Convencional (CPC) y el Conservador (ConsPC).
  • Logró ganancias de 45–65% de EE sobre el Control de Potencia Reactivo (RPC).
• Robustez: A medida que aumenta la velocidad de los usuarios (de 0.2 a 1.5 m/s), la eficiencia energética de todos los métodos disminuye, pero el sistema propuesto muestra una degradación significativamente menor, demostrando su capacidad de anticipación proactiva.

5. Significado y Relevancia

Este trabajo es fundamental para el desarrollo de redes de próxima generación (6G y más allá) en interiores. Demuestra que, en sistemas de comunicación óptica de alta directividad, la movilidad no debe tratarse como un ruido o un evento aleatorio, sino como una variable predecible que puede integrarse en el diseño de la capa física para optimizar el consumo de energía sin sacrificar la calidad del servicio (QoS).