Visible Light Indoor Positioning with a Single LED and Distributed Single-Element OIRS: An Iterative Approach with Adaptive Beam Steering

Resumo Técnico: Posicionamento Interno com Luz Visível utilizando um Único LED e OIRS de Elemento Único Distribuídos

Definição do Problema
Este artigo aborda o desafio de localizar um Fotodetector (PD) de baixo custo em um ambiente de Comunicação por Luz Visível (VLC) em ambientes internos. O cenário específico envolve um sistema com apenas um âncoras de LED ativo e múltiplas Superfícies Reflexivas Inteligentes Ópticas (OIRSs) de elemento único espacialmente distribuídas. As principais dificuldades incluem a falta de conhecimento prévio sobre a posição do PD, a necessidade de mitigar bloqueios de Linha de Visada (LoS) e as restrições computacionais de dispositivos de baixo custo. As soluções existentes frequentemente dependem de múltiplos LEDs, paradigmas de localização direta que exigem otimização numérica ou conhecimento prévio da localização do usuário, o que limita sua aplicabilidade em cenários de custo sensível ou dinâmicos.

Metodologia
Os autores propõem uma estrutura de localização indireta de duas etapas que evita a inferência direta da posição a partir de sinais brutos. A metodologia consiste em três fases principais:

1. Estimativa de Distância:

   • Estimativa de LoS: O sistema primeiro estima a distância direta entre o LED e o PD. Os autores derivam um estimador de Máxima Verossimilhança (ML) que leva em conta a variância do ruído dependente do sinal (ruído de disparo/shot noise). Eles também propõem um estimador ML Relaxado (RML) que trata a variância do ruído como um parâmetro incômodo, gerando uma solução em forma fechada baseada na média amostral.
   • Estimativa de NLoS: Para estimar distâncias via OIRSs, o sistema emprega um protocolo de ativação estruturado onde apenas uma OIRS está ativa por vez para evitar interferências. O componente LoS é subtraído do sinal recebido para isolar a reflexão de Não-Linha de Visada (NLoS). Embora o estimador ML ideal para a distância NLoS exija uma busca em grade computacionalmente intensiva, os autores derivam um estimador RML de forma fechada baseado em uma transformação de variância de ruído não estruturada. Este estimador utiliza a média amostral do sinal NLoS isolado como uma estatística suficiente.

2. Estimativa de Posição Iterativa:

   • As distâncias LoS e NLoS estimadas são inseridas em um algoritmo de Mínimos Quadrados Ponderados Iterativos (IWLS) para estimar a posição 2D do PD.
   • A matriz de ponderação no IWLS é definida dinamicamente de acordo com o inverso do Limite Inferior de Cramér-Rao (CRLB) para as distâncias estimadas, levando em conta a incerteza dependente do caminho.
   • Crucialmente, o algoritmo opera sem conhecimento inicial da posição. Ele começa com a suposição de que as OIRSs estão perfeitamente alinhadas (usando seus centros geométricos como pontos de reflexão) e o refina iterativamente.

3. Direcionamento de Feixe Adaptativo (Adaptive Beam Steering):

   • Após cada estimativa de posição, o sistema atualiza os ângulos de inclinação (pitch e yaw) das OIRSs distribuídas. A estratégia de direcionamento alinha a normal da superfície da OIRS com a bissetriz do ângulo formado pelo LED e a posição estimada do PD. Este reconfiguramento adaptativo corrige progressivamente desalinhamentos iniciais, melhorando a qualidade do sinal para as iterações subsequentes.

Principais Contribuições

• Estimadores de Forma Fechada: A derivação de estimadores ML ótimos para a distância LoS e um novo estimador RML de forma fechada e computacionalmente eficiente para distâncias NLoS, eliminando a necessidade de otimização baseada em busca em grade.
• Estrutura de Localização Indireta: Um algoritmo iterativo de baixa complexidade que combina estimativa de distância com direcionamento de feixe adaptativo, não requerendo conhecimento prévio da localização do PD.
• Limites Teóricos: A derivação do Limite Inferior de Cramér-Rao (CRLB) para estimativa de distância e posição em uma configuração de LED único e OIRS de elemento único, fornecendo um referencial para análise de desempenho.
• Redução de Complexidade: Uma demonstração de que a abordagem indireta proposta atinge um desempenho comparável aos métodos ML diretos de última geração, mas com complexidade computacional significativamente menor.

Resultos
Resultados de simulação, baseados em um cenário de sala de 5m × 5m × 3m, demonstram o seguinte:

• Precisão de Distância: Ambos os estimadores ML e RML alcançam um Erro Quadrático Médio (RMSE) próximo ao Limite de Erro de Distância (DEB) teórico. O estimador RML apresenta um desempenho quase idêntico ao estimador ML, mas com uma solução de forma fechada.
• Robustez: Os estimadores exibem robustez contra o desalinhamento da OIRS, mantendo precisão de nível centimétrico mesmo com erros de orientação de até 20°.
• Desempenho de Posicionamento: O algoritmo iterativo com direcionamento de feixe adaptativo converge para o Limite de Erro de Posição (PEB) em duas iterações. Ele alcança precisão de nível milimétrico, comparável a um estimador ML direto de última geração que requer uma busca em grade exaustiva 2D.
• Cobertura: Com 12 OIRSs distribuídas, o sistema alcança cobertura de localização viável para aproximadamente 80% da área da sala.
• Eficiência Computacional: O algoritmo iterativo proposto requer menos de 0,5% do tempo de execução do estimador ML direto. Especificamente, o estimador RML NLoS reduz o tempo de estimativa de distância em aproximadamente 99,6% em comparação com o estimador ML baseado em busca em grade.

Significância
O artigo afirma que sua abordagem oferece uma alternativa viável e de baixo custo para posicionamento interno de alta precisão, aproveitando a infraestrutura de iluminação existente e a tecnologia OIRS. Ao desacoplar a estimativa de distância da inferência de posição e utilizar o direcionamento de feixe adaptativo, o método supera as limitações da localização direta (alto custo computacional, necessidade de conhecimentos prévios) e as restrições de sistemas de LED único (bloqueios de LoS). O trabalho destaca que uma alta precisão pode ser obtida com hardware mínimo (LED único, OIRSs de elemento único) e baixa sobrecarga computacional, tornando-o adequado para implantação em ambientes de recursos limitados.