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

1. Problema e Motivação

O artigo aborda o desafio de monitoramento de biodiversidade marinha, especificamente em recifes de coral, utilizando redes de sensores subaquáticos (IoUT - Internet of Underwater Things).

• Desafio Principal: A comunicação direta de dados de sensores subaquáticos para a superfície é complexa. Abordagens tradicionais usam nós de retransmissão na superfície (boias, ASVs), o que pode ser caro e disruptivo para o ecossistema.
• Solução Proposta: Utilizar comunicação óptica sem fio direta da água para o ar (W2A - Water-to-Air), transmitindo dados de um sensor subaquático (com emissor LED) diretamente para um Veículo Aéreo Não Tripulado (UAV) equipado com um receptor sensível (SiPM).
• Complexidades do Canal: O canal W2A é altamente dinâmico e degradado por:
  • Absorção e espalhamento na água.
  • Turbulência na interface ar-água (ondas do mar).
  • Presença de bolhas de ar geradas pelo movimento das ondas (espalhamento adicional).
  • Instabilidade do UAV devido ao vento, causando desalinhamento do feixe óptico.
  • Ruído de fundo (mitigado operando à noite).

2. Metodologia

Os autores desenvolveram um modelo de canal completo e uma simulação baseada em Método de Monte Carlo para rastrear a propagação de fótons desde o transmissor subaquático até o receptor aéreo.

A. Modelagem do Canal

O modelo de perda total do canal ($h$) é decomposto em:

1. Propagação Subaquática:
   • Utiliza o modelo de função de fase de espalhamento Fournier-Forand (FF) para partículas na água, mais preciso que o modelo Henyey-Greenstein para ângulos extremos.
   • Considera absorção e espalhamento por partículas e bolhas.
2. Interface Ar-Água (Superfície do Mar):
   • Adota o modelo JONSWAP para simular a topografia da superfície do mar. Diferente de modelos de mar aberto (como Pierson-Moskowitz), o JONSWAP inclui o parâmetro "fetch" (distância da costa), crucial para recifes de coral próximos à terra.
   • Aplica as leis de Snell e Fresnel para calcular refração, reflexão e perdas na interface.
3. Efeito de Bolhas de Ar:
   • Utiliza o modelo Hall-Novarini (HN) para descrever a densidade e distribuição de bolhas em função da profundidade e velocidade do vento.
   • Aplica a Teoria de Mie para calcular o espalhamento de fótons pelas bolhas.
4. Instabilidade do UAV (Vento):
   • Modela o vento turbulento usando o espectro de Dryden.
   • Deriva uma relação analítica entre a velocidade do vento e o ângulo de inclinação (deflexão) do UAV ($\alpha_{UAV}$), considerando forças aerodinâmicas (arrasto, massa).
   • Calcula a perda de canal induzida pelo desalinhamento angular.

B. Simulação e Análise

• Algoritmo: Um simulador de Monte Carlo foi desenvolvido para rastrear milhões de fótons, calculando suas trajetórias, perdas por espalhamento/refração e se atingem a área ativa do receptor.
• Receptor: Utiliza um Fotomultiplicador de Silício (SiPM), conhecido por alta sensibilidade e ganho interno, permitindo o uso de LEDs de baixa potência (menos impacto ambiental).
• Cenário: Monitoramento de recifes de coral (profundidades < 50m), operando à noite para evitar ruído solar.

3. Principais Contribuições

1. Modelo de Canal W2A Realista: Integração de múltiplos fatores físicos (ondas, bolhas, vento) em um único framework de simulação, focado em cenários de recifes de coral (uso do modelo JONSWAP).
2. Modelagem de Bolhas e Mie: Aplicação da teoria de Mie para bolhas de ar, quantificando seu impacto significativo no espalhamento próximo à superfície.
3. Fórmula Fechada para Perda por Instabilidade: Derivação de uma expressão analítica (PDF) para as perdas de canal causadas pela inclinação do UAV devido ao vento, baseada no modelo de turbulência de Dryden.
4. Análise de Desempenho E2E: Avaliação completa da taxa de erro de bit (BER) em função da profundidade, velocidade de dados e condições de vento.

4. Resultados Chave

• Impacto do Vento e Ondas: O aumento da velocidade do vento (de 5 m/s para 13 m/s) reduz o ganho médio do canal e aumenta a variabilidade (desvanecimento). A presença de bolhas e a rugosidade da superfície causam perdas adicionais significativas.
• Estabilidade do UAV: Para o UAV escolhido (DJI Matrice 300 RTK), as perdas induzidas pela inclinação são negligenciáveis devido ao uso de um LED com feixe divergente (10° a 60°), que compensa pequenos desalinhamentos. O uso de lasers (feixe estreito) seria muito mais sensível a essa instabilidade.
• Parâmetros do Sistema:
  • Aumentar a divergência do feixe do LED reduz o ganho do canal (mais fótons perdem o receptor), mas aumenta a robustez ao desalinhamento.
  • A profundidade do transmissor é o fator limitante principal devido à absorção na água.
• Desempenho de BER (Taxa de Erro de Bit):
  • O sistema é viável para monitoramento ambiental.
  • É possível atingir uma taxa de dados de 1 Mbps com uma profundidade de até 47 metros, mesmo com ventos de até 13 m/s, mantendo a BER abaixo do limite de correção de erros (FEC) de $2 \times 10^{-3}$.
  • Para taxas mais altas (5-10 Mbps), o alcance máximo diminui devido à largura de banda limitada do SiPM e do LED.

5. Significado e Conclusão

Este trabalho fornece uma base teórica e prática robusta para o projeto de sistemas de comunicação óptica subaquática-aérea.

• Viabilidade: Demonstra que a comunicação W2A direta é uma alternativa viável e menos intrusiva do que o uso de boias ou drones subaquáticos para monitoramento de recifes de coral.
• Otimização: A análise mostra que o uso de LEDs com SiPMs é uma combinação ideal para equilibrar eficiência energética, impacto ambiental e robustez contra a instabilidade do vento.
• Ferramenta de Projeto: O algoritmo de propagação de fótons e as fórmulas analíticas derivadas servem como ferramentas essenciais para engenheiros projetarem links de comunicação otimizados para ambientes marinhos dinâmicos.

Em resumo, o artigo valida que, com a modelagem correta dos efeitos da superfície do mar e das bolhas, e o uso de receptores sensíveis, é possível estabelecer links de comunicação óptica confiáveis entre o fundo do mar e drones voando acima da superfície, mesmo em condições de vento moderado a forte.