⚡ electrical engineering

A Three-Dimensional Path Loss Model for THz Band Aerial Communications

Este artículo presenta un nuevo modelo analítico unificado de pérdida de trayectoria en la banda de terahercios para comunicaciones aéreas que incorpora geometrías tridimensionales arbitrarias y absorción selectiva en frecuencia, validado mediante datos de simulación para diversos enlaces aéreos.

Autores originales: Sina Jorjani, Caglar Tunc, Ozgur Gurbuz, Akhtar Saeed

Publicado 2026-04-01

📖 4 min de lectura☕ Lectura para el café

CC BY 4.0

Autores originales: Sina Jorjani, Caglar Tunc, Ozgur Gurbuz, Akhtar Saeed

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

Imagina que el futuro de internet es como una autopista de datos invisible que viaja a velocidades increíbles, usando ondas de luz que son tan pequeñas que ni siquiera las podemos ver. A esta autopista la llamamos Terahercios (THz). Es como si tuvieras una conexión de fibra óptica, pero flotando en el aire entre drones, aviones y satélites.

Sin embargo, hay un problema: el aire no es un vacío perfecto. Está lleno de "baches" invisibles, como gotas de agua (humedad) y moléculas de oxígeno, que actúan como una niebla densa que frena y absorbe estas ondas, haciendo que la señal se debilite o desaparezca antes de llegar a su destino.

Aquí es donde entra este trabajo de investigación. Los autores, un equipo de ingenieros de Turquía, han creado un nuevo mapa de navegación (un modelo matemático) para predecir exactamente cuánta señal se perderá en esta autopista aérea.

El Problema: Los Mapas Antiguos eran Demasiado Rígidos

Antes, los mapas que usaban los ingenieros eran como si solo pudieras viajar en dos direcciones:

Horizontal: Como dos drones volando uno al lado del otro.
Vertical: Como un dron justo debajo de otro.

Pero en la vida real, los drones y aviones se mueven en 3D. Pueden estar en una esquina, en diagonal, o en cualquier ángulo extraño. Los mapas antiguos no sabían calcular la pérdida de señal en estas rutas diagonales o aleatorias. Era como intentar usar un mapa de metro (que solo tiene líneas rectas) para navegar por una ciudad con calles curvas y empinadas.

La Solución: Un GPS Inteligente y Flexible

Los autores han diseñado un modelo que funciona como un GPS 3D súper inteligente. En lugar de mirar solo hacia arriba o hacia los lados, este modelo entiende que la señal viaja en cualquier dirección del espacio.

Para lograrlo, usaron una técnica creativa que podríamos llamar "Desglose en Capas":

La Niebla del Aire (Absorción): Imagina que el aire es una sopa espesa. Cuanto más baja estás (cerca del suelo), más espesa es la sopa (más humedad). Cuanto más alto vuelas, más clara está la sopa. El modelo calcula cuánta "sopa" atraviesa la señal.
La Distancia (Espacio): Cuanto más lejos viaja la señal, más se dispersa, como una vela que se apaga al alejarse.
La Fórmula Mágica: Usaron una herramienta de computadora llamada "Atmospheric Model" (como un simulador de clima ultra realista) para generar millones de datos. Luego, aplicaron una especie de regresión en cascada (como una línea de montaje de fábricas):
- Primero, aprendieron cómo la señal se debilita horizontalmente.
- Luego, cómo se debilita verticalmente.
- Finalmente, cómo cambia todo esto según la frecuencia (el "color" de la señal) y la altura.

Dos Maneras de Usar el Mapa

El equipo probó dos formas de usar este nuevo modelo, como si tuvieras dos tipos de GPS en tu teléfono:

El GPS "Genérico" (θ-agnostic): Es rápido y simple. No se preocupa por el ángulo exacto de tu vuelo; te da una estimación promedio que funciona bien en la mayoría de los casos. Es como un mapa de papel: rápido de leer, pero menos preciso en curvas muy cerradas.
El GPS "Adaptativo" (θ-adaptive): Es un poco más lento de calcular porque analiza el ángulo exacto de tu vuelo en cada momento. Es como un GPS con realidad aumentada que te dice exactamente cuánta niebla hay en tu ruta específica. Es más preciso, especialmente cuando vuelas bajo (donde la "niebla" es densa y peligrosa).

¿Qué Descubrieron?

A baja altura (Drones cerca del suelo): La "niebla" es muy densa. Aquí, el GPS Adaptativo es el ganador indiscutible. Necesitas esa precisión extra para que la señal no se pierda.
A gran altura (Satélites o aviones muy altos): El aire es tan fino que casi no hay "niebla". Aquí, el GPS Genérico funciona casi tan bien como el adaptativo, pero es mucho más rápido y fácil de usar. No necesitas un Ferrari para ir a comprar pan si el camino es recto.

En Resumen

Este paper nos da las herramientas para diseñar el internet del futuro en el cielo. Gracias a este modelo, los ingenieros podrán:

Planear rutas para drones que entreguen paquetes o transmitan video en 3D sin que la imagen se corte.
Conectar satélites y aviones a velocidades increíbles.
Ahorrar energía y dinero al saber exactamente cuánta potencia necesitan sus antenas, sin tener que adivinar.

Es como pasar de navegar por el cielo con una brújula antigua a tener un sistema de navegación por satélite que entiende la atmósfera, la geometría y el clima, asegurando que tu mensaje llegue siempre, sin importar cómo vuele tu dron.

Aquí presento un resumen técnico detallado del artículo en español, estructurado según los puntos solicitados:

Resumen Técnico: Modelo de Pérdida de Trayectoria 3D para Comunicaciones Aéreas en Banda Terahertz

1. Problema Identificado

El auge de aplicaciones de ultra-alta tasa de datos (gemelos digitales, realidad aumentada, streaming 3D) ha hecho inevitable la migración hacia bandas de frecuencia altas, específicamente la banda Terahertz (THz, 0.1–10 THz), candidata clave para las redes 6G. Sin embargo, en estas frecuencias, las ondas de radio sufren pérdidas significativas debido a la dispersión y, más críticamente, a la absorción atmosférica (principalmente por vapor de agua y oxígeno).

El problema central abordado en este trabajo es la falta de modelos analíticos precisos para comunicaciones aéreas no terrestres (NTN) que consideren la geometría 3D arbitraria de los transceptores. Los modelos existentes se limitan a configuraciones puramente horizontales o verticales, lo cual es insuficiente para redes aéreas dinámicas donde drones, UAVs de gran altitud y plataformas de alta altitud (HAPS) operan a diferentes altitudes y posiciones relativas. Además, la absorción atmosférica varía drásticamente con la altitud, la distancia y la frecuencia, lo que limita el alcance efectivo de las comunicaciones.

2. Metodología Propuesta

Los autores proponen un nuevo modelo analítico de pérdida de trayectoria que integra la geometría 3D arbitraria y la absorción selectiva en frecuencia. El enfoque se basa en los siguientes pilares:

Modelo de Sistema: Se define un escenario con dos transceptores en coordenadas cartesianas $(x, y, z)$ . La pérdida total ( $L_{total}$ ) se descompone en la pérdida por espacio libre ( $L_{fspl}$ ) y la pérdida por absorción ( $L_{abs}$ ).
Generación de Datos: Se utiliza la herramienta Atmospheric Model (am) bajo el perfil de la atmósfera estándar de EE. UU. (1976) para generar datos de transmitancia en un rango de frecuencias de 0.1 a 1 THz. Se consideran tres escenarios de comunicación aérea:
- Dr2Dr: Dron a Dron (baja altitud, cerca del suelo).
- MAAC: Comunicación aérea de media altitud.
- U2U: UAV a UAV de gran altitud (incluyendo HAPS).
Enfoque de Regresión en Cascada: Para modelar la transmitancia ( $\tau$ $τ$ ) como función de la distancia horizontal ( $d_h$ $d_{h}$ ), distancia vertical ( $d_v$ $d_{v}$ ), altitud ( $l$ $l$ ) y frecuencia ( $f$ $f$ ), se emplea un proceso de regresión en tres etapas:
1. Modelado Exponencial: La transmitancia se modela como una función exponencial de las distancias horizontal y vertical para una altitud y frecuencia fijas.
2. Dependencia de Altitud: Los exponentes obtenidos en el paso 1 se modelan como funciones exponenciales de la altitud.
3. Dependencia de Frecuencia: Los coeficientes resultantes se aproximan mediante funciones polinómicas de la frecuencia.
Dos Estrategias de Implementación:
- Enfoque $\theta$ -agnóstico: Asume una geometría general sin separar por ángulo cenital específico. Utiliza una única regresión sobre todo el conjunto de datos para obtener coeficientes globales.
- Enfoque $\theta$ -adaptativo: Realiza regresiones independientes para cada ángulo cenital ( $\theta$ ) específico, ajustando los coeficientes individualmente para cada orientación de enlace.

3. Contribuciones Clave

Generalización Geométrica 3D: El modelo es el primero en abordar la pérdida de trayectoria en enlaces aéreos THz con geometrías de transceptores totalmente arbitrarias en 3D, superando las limitaciones de los modelos horizontales o verticales previos.
Cobertura de Frecuencia y Escenarios: Se evalúa el modelo en un rango amplio de sub-THz y baja THz (0.1–1 THz) a través de 10 sub-bandas representativas, validado en tres escenarios críticos: Dr2Dr, MAAC y U2U.
Marco Unificado: Proporciona una expresión analítica cerrada para la pérdida de trayectoria, facilitando el análisis de presupuesto de enlace y la planificación de cobertura sin necesidad de simulaciones numéricas repetidas.
Comparativa de Complejidad vs. Precisión: Se desarrollan y comparan dos enfoques ( $\theta$ -agnóstico y $\theta$ -adaptativo), ofreciendo una solución flexible que permite elegir entre mayor precisión o menor complejidad computacional según el escenario.

4. Resultados

La validación se realizó utilizando el Error Cuadrático Medio Normalizado (NRMSE) comparando el modelo propuesto con los datos de referencia de la herramienta am:

Precisión General: Ambos enfoques siguen de cerca las curvas de referencia. El enfoque $\theta$ -adaptativo demuestra una mayor precisión, especialmente en escenarios de baja altitud (Dr2Dr) donde la absorción atmosférica es dominante. En estos casos, reduce el NRMSE en casi un orden de magnitud en comparación con el enfoque agnóstico.
Impacto de la Altitud: A medida que aumenta la altitud (escenarios MAAC y U2U), la densidad del vapor de agua disminuye, reduciendo la absorción. En enlaces de gran altitud (U2U), la pérdida por absorción se vuelve casi insignificante frente a la pérdida por espacio libre. En este régimen, el enfoque $\theta$ -agnóstico ofrece un rendimiento comparable con una complejidad computacional menor, haciéndolo preferible por su simplicidad.
Comportamiento con la Distancia y Ángulo: El error tiende a aumentar linealmente con la distancia. El modelo $\theta$ -agnóstico degrada su rendimiento en ángulos cenitales extremos, mientras que el $\theta$ -adaptativo mantiene un error bajo y estable en todos los ángulos.
Comparación con FSPL: Ambos modelos propuestos superan significativamente al modelo de solo pérdida por espacio libre (FSPL), especialmente en frecuencias donde la absorción es fuerte (bandas Y y WR).

5. Significado e Impacto

Este trabajo es fundamental para el diseño de futuras redes de comunicaciones aéreas de alta frecuencia (6G).

Herramienta de Diseño: Proporciona una base unificada y precisa para el análisis de presupuestos de enlace y la planificación de cobertura en redes integradas espacio-aire-tierra.
Aplicabilidad Dinámica: La capacidad de modelar geometrías 3D arbitrarias es crucial para redes con movilidad dinámica, seguimiento de trayectorias y formación de haces adaptativa (beamforming), donde las posiciones relativas cambian constantemente.
Eficiencia Operativa: La oferta de un modelo analítico cerrado permite actualizaciones rápidas de la pérdida de trayectoria, evitando la necesidad de costosas simulaciones de propagación en tiempo real.
Futuro: El marco establecido sienta las bases para futuras extensiones que incluyan condiciones meteorológicas variables (lluvia, niebla) y la validación con mediciones experimentales de campo.

En conclusión, el artículo llena un vacío crítico en la modelización de canales THz aéreos, ofreciendo soluciones escalables y precisas que equilibran la complejidad computacional con la necesidad de alta fidelidad en entornos de comunicación no terrestres.