Ergodic Capacity and Optimal Handover in Satellite Mega-Constellations under Finite Serving Times

Résumé Technique : Capacité Ergodique et Transfert Optimal dans les Méga-Constellations Satellitaires sous Durées de Service Finies

Énoncé du Problème
Les analyses existantes de la capacité ergodique dans les méga-constellations de satellites en orbite basse (LEO) font face à un compromis entre la maniabilité et le réalisme. Les modèles déterministes, bien que précis pour des simulations spécifiques de systèmes, sont souvent ingérables pour l'analyse théorique des constellations ultra-denses. À l'inverse, les modèles purement stochastiques manquent de la persistance temporelle requise pour optimiser les stratégies de transfert lorsque les durées de service sont suffisamment longues pour que les statistiques du lien évoluent. De plus, les critères de transfert traditionnels (par exemple, la distance minimale ou la durée de service maximale) échouent souvent à prendre en compte l'évolution dépendante du temps de la qualité du canal, en particulier en présence d'ombrage, conduisant à des performances agrégées sous-optimales. L'article répond au besoin d'un cadre caractérisant la capacité ergodique sous des stratégies de transfert arbitraires et des durées de service finies, modélisant explicitement la « persistance » du lien satellite.

Méthodologie
Les auteurs développent un cadre semi-stochastique qui comble le fossé entre les processus ponctuels purement stochastiques et les simulations d'orbite entièrement déterministes.

• Modélisation du Canal : Le lien utilisateur-satellite est modélisé comme un canal d'évanouissement Rician ombragé. La constellation de satellites est représentée à l'aide d'un Processus Ponctuel Binomial Non Homogène (NBPP) pour échantillonner les satellites visibles à chaque événement de transfert. Crucialement, le cadre introduit un « canal satellite persistant » où la trajectoire du satellite sélectionné est propagée en utilisant la dynamique d'orbite circulaire (ou SGP4 pour des simulations réalistes) sur une durée de service finie.
• Processus de Transfert : Le transfert est modélisé comme un processus ponctuel stochastique où les décisions sont prises indépendamment à chaque événement déclencheur. La durée de service est contrainte par des limites minimale ($T_{min}$) et maximale ($T_{max}$), plafonnant le temps de visibilité naturel du satellite.
• Formulation de la Capacité : L'article définit la Capacité Persistante comme le débit moyen à long terme dérivé via le théorème de renouvellement-récompense. Cela est formulé comme le rapport entre la capacité totale espérée accumulée sur une période de service et la durée espérée de cette période.
• Optimisation : La stratégie de transfert optimale est formulée comme un programme fractionnaire non linéaire visant à maximiser la capacité persistante. Les auteurs emploient une variante de l'algorithme de Dinkelbach pour dériver une règle de décision explicite. Cela implique de résoudre itérativement une valeur de capacité seuil qui égalise le résidu entre la capacité de service instantanée et la capacité maximale moyenne.
• Simulation : Le cadre théorique est validé à l'aide de simulations de Monte Carlo basées sur le modèle NBPP et comparé à une propagation d'orbite réaliste utilisant le modèle Simplified General Perturbations 4 (SGP4) avec des données d'éléments en ligne deux (TLE) de Starlink. Les simulations couvrent des utilisateurs à Melbourne (basse latitude) et à Helsinki (haute latitude).

Contributions Clés

1. Cadre Semi-Stochastique : L'article introduit un modèle semi-stochastique maniable pour les transferts centrés sur l'utilisateur qui intègre la prédiction d'orbite et des durées de service arbitraires, appelé « canal satellite persistant ». Cela étend les travaux antérieurs en fournissant des équations de prédiction d'orbite sous forme fermée et une méthode d'échantillonnage NBPP efficace.
2. Dérivation de la Capacité Persistante : Les auteurs dérivent la capacité ergodique de ce canal persistant, la reliant à la capacité « non persistante » trouvée dans la littérature antérieure. Ils fournissent des bornes supérieures et inférieures sous forme fermée pour cette capacité, facilitant une évaluation efficace.
3. Stratégie de Transfert Optimale : Une règle de décision sous forme fermée pour le transfert optimal est dérivée en utilisant un algorithme de type Dinkelbach. La stratégie sélectionne le satellite qui maximise la différence entre sa capacité de service instantanée et le produit de la capacité persistante optimale et de sa durée de service.
4. Analyse d'Approximation : L'article démontre qu'une stratégie plus simple, qui maximise la « capacité de service » (capacité par unité de temps) sans connaissance explicite de la capacité optimale globale, approxime étroitement l'optimum théorique.

Résultats

• Bornes de Capacité : La borne supérieure dérivée sur la capacité persistante s'avère serrée, en particulier pour les utilisateurs à haute latitude où la densité satellitaire est plus élevée.
• Performance de la Stratégie :
  • Dans les scénarios avec des durées de service non contraintes (persistance longue), la stratégie optimale ($H^\star$) offre un gain marginal (environ 0,03–0,07 dB) par rapport à la stratégie plus simple de capacité de service maximale ($H_{MSC}$).
  • Sous des prédictions d'orbite réalistes basées sur SGP4, la stratégie $H_{MSC}$ surpasse souvent la $H^\star$ théorique dérivée du modèle NBPP, probablement en raison du fait que les hypothèses d'indépendance dans le modèle stochastique ne tiennent pas parfaitement dans les trajectoires déterministes.
  • Pour des durées de service fixes (par exemple, 15 secondes, imitant les opérations actuelles de Starlink), la distinction entre les stratégies optimales et sous-optimales diminue, et $H_{MSC}$ performe le mieux.
  • Par rapport à une stratégie de transfert aléatoire dans le pire des cas, l'utilisation d'informations latérales (position et statistiques d'évanouissement) génère un gain significatif d'environ 1,07–1,15 dB.
• Précision du Modèle : Le modèle semi-stochastique montre un accord étroit avec les simulations SGP4 et d'orbite circulaire, validant son utilisation pour l'analyse théorique.

Signification
L'article établit la capacité persistante comme une référence théorique de l'information maniable pour le transfert dans les méga-constellations LEO. Il clarifie la relation entre les formulations non persistantes (instantanées) et persistantes (moyennées dans le temps), montrant que les modèles purement stochastiques sont les plus appropriés pour les durées de service courtes. La principale signification pratique réside dans la découverte qu'une stratégie de faible complexité — maximiser la capacité de service — approxime étroitement l'optimum théorique. Cela fournit une base fondée et computationnellement efficace pour concevoir des algorithmes de transfert dans les réseaux satellitaires à grande échelle, réduisant l'espace de recherche pour la coordination multi-utilisateurs sans sacrifier une performance significative. L'ouvrage ne prétend pas résoudre le problème d'allocation multi-utilisateur lui-même, mais fournit la métrique d'utilité de la couche physique nécessaire pour éclairer les algorithmes de planification des couches supérieures.