High-Precision Hybrid FA-PSO Based Inversion of Building Material Parameters for Fundamental Wireless Performance Evaluation

Resumo Técnico: Inversão de Alta Precisão de Parâmetros de Materiais de Construção Baseada em FA-PSO Híbrido

Definição do Problema
À medida que a comunicação sem fio evolui do 5G para o 6G, a qualidade da cobertura interna depende cada vez mais das propriedades eletromagnéticas dos materiais de construção. A permissividade, a condutividade e a espessura desses materiais influenciam significativamente a propagação do sinal, a perda de penetração e os efeitos de multicaminho. Embora as técnicas de medição existentes, como os métodos de cavidade ressonante, guia de onda e sonda coaxial, ofereçam precisão, elas frequentemente sofrem com limitações, incluindo faixas de frequência estreitas, requisitos rigorosos de preparação de amostras e problemas de ambiguidade de fase que levam a múltiplas soluções. Além disso, algoritmos de inversão tradicionais, como o Nicolson-Ross-Weir, lutam com problemas inversos de alta dimensão e não lineares, podendo cair em ótimos locais. Existe uma lacuna crítica em métodos capazes de extrair simultaneamente permissividade complexa, condutividade e espessura com alta precisão, particularmente para cenários onde a espessura do material é desconhecida e deve ser invertida juntamente com as propriedades eletromagnéticas.

Metodologia
Este artigo propõe um framework de inversão de alta precisão utilizando um algoritmo híbrido Firefly Algorithm-Particle Swarm Optimization (FA-PSO) combinado com o método de medição em espaço livre.

1. Configuração Experimental: As medições foram conduzidas na banda de frequência de 20–35 GHz utilizando um Analisador de Redes Vetoriais (VNA) e um sistema de antenas de corneta dupla. O pré-processamento dos dados envolveu o gating no domínio do tempo para isolar o sinal direto e remover a interferência de multicaminho.
2. Modelo de Inversão: O núcleo da metodologia é a minimização do Erro Quadrático Médio (RMSE) entre os coeficientes de penetração medidos e os teoricamente calculados. O modelo teórico considera a propagação de ondas através de uma placa de camada única, incorporando coeficientes de reflexão de Fresnel e constantes de propagação.
3. Algoritmo Híbrido FA-PSO:
   • Otimização Adaptativa: Para superar as limitações do PSO padrão (como a convergência prematura e a sensibilidade às configurações de parâmetros), um algoritmo Firefly Algorithm (FA) adaptativo é empregado para otimizar sistematicamente os hiperparâmetros do PSO (peso de inércia $w$, fator cognitivo $c_1$ e fator social $c_2$).
   • Inicialização Gaussiana: Em vez de uma distribuição uniforme, o algoritmo utiliza uma distribuição Gaussiana para a inicialização da população. A média ($\mu$) é definida com base no conhecimento empírico prévio das propriedades do material, enquanto o desvio padrão ($\tau$) controla a diversidade da busca. Esta estratégia transita a busca de um palpite aleatório para um planejamento estratégico.
4. Referencial Teórico: Os autores derivaram o Limite Inferior de Cramér-Rao (CRLB) para a permissividade, condutividade e espessura sob um modelo de ruído Gaussiano complexo. Esta derivação serve como um benchmark teórico para avaliar se o estimador proposto atinge um desempenho ótimo.

Principais Contribuições

1. Framework de Inversão Abrangente: O artigo estabelece um fluxo de trabalho completo para extrair permissividade, condutividade e espessura a partir de medições de $S_{21}$, indo além da simples extração de permissividade para incluir a espessura geométrica como um alvo de inversão simultânea.
2. Algoritmo FA-PSO Otimizado: Um novo algoritmo híbrido é introduzido, onde o FA ajusta dinamicamente os hiperparâmetros do PSO. Isso melhora a eficiência de convergência e a robustez, particularmente no tratamento da não linearidade e da natureza mal posta do problema inverso.
3. Tratamento de Pontos de Reflexão Zero: O estudo aborda o desafio de extrair parâmetros quando os coeficientes de reflexão se aproximam de zero devido à interferência destrutiva. A capacidade de otimização global de alta precisão do FA-PSO permite a recuperação precisa de parâmetros mesmo nestas regiões de baixo sinal.
4. Validação Teórica via CRLB: A derivação do CRLB fornece um limite teórico rigoroso para a precisão da estimativa. O estudo valida que, para materiais relativamente finos, a precisão de estimativa do método proposto aproxima-se deste limite inferior teórico.

Resultados

• Caracterização de Materiais: O método extraiu com sucesso os parâmetros para acrílico, borracha e baquelite. Os resultados de inversão mostraram valores de RMSE baixos (por exemplo, $9,44 \times 10^{-3}$ para borracha), indicando alta consistência com os dados experimentais.
• Estimativa de Espessura: O algoritmo estimou com precisão a espessura do material sem conhecimento prévio, alcançando erros inferiores a 0,6 mm em comparação com medições de paquímetro (por exemplo, erro de 0,39 mm para acrílico).
• Desempenho do Algoritmo: A análise comparativa demonstrou que o FA-PSO superou o PSO padrão e o SA-PSO (Simulated Annealing-PSO). Especificamente, o FA-PSO reduziu significativamente os erros absolutos, particularmente quando o desvio padrão da inicialização Gaussiana ($\tau$) foi otimizado para 0,4.
• Dependência da Espessura: Resultados de simulação indicaram que o algoritmo é estatisticamente eficiente para materiais com espessuras entre 0,5 cm e 1,5 cm, onde o Erro Quadrático Médio (MSE) acompanha de perto o CRLB. Para materiais mais espessos, os erros de estimativa desviaram-se ligeiramente do CRLB devido ao aumento do acoplamento não linear e reflexões internas múltiplas, embora os resultados tenham permanecido dentro de limites de engenharia aceitáveis.

Significância e Alegações
O artigo afirma que o framework FA-PSO proposto fornece um método robusto e preciso para caracterizar as propriedades eletromagnéticas e geométricas de materiais de construção. Ao extrair precisamente esses parâmetros, o estudo oferece um forte suporte para avaliar a "amigabilidade sem fio" (wireless friendliness) dos materiais de construção. A capacidade de determinar simultaneamente a espessura e as propriedades eletromagnéticas sem preparação complexa de amostras ou conhecimento prévio das dimensões facilita a seleção de materiais de construção que otimizem o desempenho sem fio interno. Os autores concluem que, embora o método de espaço livre atual apresente limitações para estruturas muito espessas (como paredes completas), o framework de inversão proposto representa um passo significativo em direção à avaliação rápida e sem contato de materiais de construção para futuros ambientes internos de 6G.