⚡ electrical engineering

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

Cet article propose un nouveau modèle analytique de perte de chemin en bande térahertz qui intègre la géométrie 3D arbitraire des transmetteurs et l'absorption fréquentielle, validé par des données de propagation pour divers liens de communication aérienne.

Auteurs originaux : Sina Jorjani, Caglar Tunc, Ozgur Gurbuz, Akhtar Saeed

Publié 2026-04-01

📖 4 min de lecture☕ Lecture pause café

CC BY 4.0

Auteurs originaux : Sina Jorjani, Caglar Tunc, Ozgur Gurbuz, Akhtar Saeed

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous essayez de parler à un ami très loin, mais au lieu d'utiliser la voix, vous utilisez des ondes de lumière ultra-rapides (des ondes "Terahertz") pour transmettre des données à la vitesse de la lumière. C'est la promesse de la future génération de réseaux (6G).

Cependant, il y a un problème : l'air n'est pas vide. Il est rempli de vapeur d'eau et d'oxygène qui agissent comme des éponges invisibles. Plus vous êtes bas, plus l'air est humide et "éponge" votre signal. C'est comme essayer de crier à travers une forêt dense : plus vous êtes près du sol (où il y a plus d'humidité), moins votre voix porte.

Voici ce que cette recherche fait, expliqué simplement :

1. Le Problème : Une Carte de Navigation Floue

Jusqu'à présent, les ingénieurs avaient deux types de cartes pour prédire comment ces signaux voyagent dans le ciel :

Une carte pour les communications horizontales (de drone à drone, côte à côte).
Une carte pour les communications verticales (d'un drone vers un satellite).

Mais la réalité est beaucoup plus compliquée ! Les drones peuvent voler n'importe où, à n'importe quelle hauteur, et parler à d'autres drones situés n'importe où en 3D (en diagonale, en spirale, etc.). Les anciennes cartes ne fonctionnaient pas bien pour ces mouvements en "trois dimensions". C'est comme essayer de naviguer dans une ville avec une carte qui ne montre que les rues ou seulement les immeubles, mais jamais les deux ensemble.

2. La Solution : Un "GPS" Universel pour les Ondes

Les auteurs de cette étude ont créé une nouvelle formule mathématique (un modèle) qui fonctionne pour n'importe quelle position dans l'espace.

Imaginez que vous avez un thermostat intelligent pour les ondes radio. Ce thermostat ne se contente pas de dire "il fait chaud" ou "il fait froid". Il calcule exactement combien d'énergie votre signal va perdre en fonction de :

La distance (combien de kilomètres séparent les deux appareils).
La hauteur (sont-ils au niveau de la mer ou à 10 km d'altitude ?).
L'angle (parlent-ils de haut en bas ou de côté ?).
La fréquence (la "couleur" de l'onde utilisée).

3. Comment ils l'ont fait ? (L'Analogie du Chef Cuisinier)

Pour créer cette formule, les chercheurs n'ont pas deviné. Ils ont utilisé un outil informatique puissant (appelé Atmospheric Model ou "modèle atmosphérique") qui simule la météo et l'air comme un chef cuisinier simule une recette.

Ils ont fait cuire des millions de "simulations" de signaux dans différentes conditions (pluie, brouillard, haute altitude, basse altitude). Ensuite, ils ont utilisé une méthode mathématique appelée régression (un peu comme trouver la ligne droite qui passe le mieux à travers un nuage de points dispersés) pour créer une équation simple qui résume tout ce chaos.

Ils ont testé deux approches :

L'approche "Intelligente" (θ-adaptive) : Elle ajuste la formule pour chaque angle de tir précis. C'est très précis, comme un tireur d'élite qui vise chaque cible individuellement.
L'approche "Générale" (θ-agnostic) : Elle utilise une seule formule pour tout. C'est moins précis dans les cas extrêmes, mais beaucoup plus rapide à calculer, comme un GPS standard qui donne un itinéraire rapide sans s'arrêter pour chaque virage.

4. Les Résultats : Qui gagne ?

Près du sol (Drone à Drone) : L'air est épais et humide. Le signal perd beaucoup d'énergie. Ici, l'approche "Intelligente" est la meilleure. Elle permet de ne pas perdre le signal.
Très haut dans le ciel (UAV à UAV) : L'air est très fin, presque vide. Il n'y a presque pas d'humidité pour absorber le signal. Dans ce cas, l'approche "Générale" suffit largement et est plus simple à utiliser.

En Résumé

Cette étude donne aux ingénieurs une boîte à outils unique pour concevoir les réseaux du futur. Grâce à ce modèle, ils peuvent maintenant :

Savoir exactement où placer leurs drones pour qu'ils se parlent bien.
Calculer la puissance nécessaire pour que le signal arrive intact, même si le drone tourne en rond ou monte en flèche.
Éviter les pannes de communication dans les réseaux aériens de demain.

C'est comme passer d'une boussole qui ne fonctionne que vers le Nord à un GPS 3D complet qui vous dit exactement comment naviguer dans le ciel, peu importe où vous êtes ou où vous allez.

1. Problématique

L'émergence des communications 6G et des applications à très haut débit (jumeaux numériques, réalité virtuelle, streaming 3D) impose le passage vers les bandes de fréquences élevées, notamment le domaine du Térahertz (THz, 0,1–10 THz). Cependant, la propagation des ondes radio dans cette bande subit des pertes considérables dues à deux facteurs principaux :

La perte de propagation en espace libre (FSPL).
L'absorption atmosphérique, principalement causée par la vapeur d'eau et les molécules d'oxygène, qui varie fortement selon la fréquence, l'altitude et les conditions météorologiques.

Les modèles de perte de chemin (path loss) existants pour les réseaux aériens sont souvent limités : ils se concentrent soit sur des déploiements purement horizontaux, soit sur des déploiements purement verticaux. Ils échouent à modéliser la géométrie 3D aléatoire des transmetteurs et récepteurs (drones, UAV, HAPS) qui caractérise les réseaux aériens réels. De plus, la densité de vapeur d'eau variant avec l'altitude, les modèles terrestres ne sont pas applicables aux liaisons aériennes.

2. Méthodologie

Les auteurs proposent un nouveau modèle analytique de perte de chemin THz capable de gérer des géométries 3D arbitraires et l'absorption sélective en fréquence.

Modélisation du système :
- Le scénario considère deux transceivers (ex. : drones) à des coordonnées 3D $(x, y, z)$ .
- La perte totale $L_{total}$ est la somme de la perte en espace libre ( $L_{fspl}$ ) et de la perte par absorption ( $L_{abs}$ ).
- La perte par absorption est liée à la transmittance $\tau$ , définie comme l'inverse du coefficient d'absorption.
Approche de modélisation (Data-Driven) :
- Les données de référence sont générées à l'aide de l'outil Atmospheric Model (am) sous le profil atmosphérique standard US 1976.
- Les auteurs utilisent une régression en cascade (cascaded regression) pour approximer la transmittance $\tau$ en fonction de la distance horizontale ( $d_h$ ), de la distance verticale ( $d_v$ ), de l'altitude ( $l$ ) et de la fréquence ( $f$ ).
- Le processus comporte trois étapes :
  1. Modélisation de la transmittance comme une fonction exponentielle des distances $d_h$ et $d_v$ pour une altitude et fréquence fixes.
  2. Modélisation des exposants de cette exponentielle comme des fonctions exponentielles de l'altitude.
  3. Approximation des coefficients résultants par des fonctions polynomiales de la fréquence.
Deux approches d'implémentation :
1. Approche $\theta$ -agnostique : Le modèle est entraîné sur l'ensemble des données sans séparer les angles de zénith ( $\theta$ ). Il fournit une expression fermée dépendant de $\theta$ via les composantes horizontales et verticales.
2. Approche $\theta$ -adaptative : Une régression en cascade est effectuée indépendamment pour chaque angle de zénith $\theta$ discret. Cette méthode est plus précise mais plus complexe.

3. Contributions Clés

Géométrie 3D Généralisée : Le modèle est le premier à intégrer des géométries de transceivers arbitraires en 3D, couvrant des scénarios allant du drone au drone (Dr2Dr) aux communications à haute altitude (U2U), sans se limiter aux cas purement horizontaux ou verticaux.
Couverture Fréquentielle Étendue : L'analyse porte sur une large bande de fréquences sub-THz et THz (0,1–1 THz), avec une étude détaillée sur dix sous-bandes représentatives pour capturer les caractéristiques de propagation dépendantes de la fréquence.
Validation Multi-Scénarios : Le modèle est validé sur trois types de liaisons aériennes distinctes :
- Dr2Dr : Drones à basse altitude (0–0,5 km).
- MAAC : Communications aériennes à moyenne altitude (1–15 km).
- U2U : UAVs à haute altitude et HAPS (15–50 km).
Analyse de Complexité : Une comparaison rigoureuse entre les approches $\theta$ -agnostique et $\theta$ -adaptative en termes de précision (NRMSE) et de complexité computationnelle.

4. Résultats

Les performances des modèles sont évaluées via l'erreur quadratique moyenne normalisée (NRMSE) en comparant les prédictions aux données de l'outil am.

Précision Globale : L'approche $\theta$ -adaptative offre une précision supérieure, en particulier dans les scénarios à basse altitude (Dr2Dr) où l'absorption atmosphérique est dominante. Elle réduit l'erreur d'un ordre de grandeur par rapport au modèle $\theta$ -agnostique dans la bande D-G.
Impact de l'Altitude :
- À basse altitude, la différence de performance entre les deux modèles est significative.
- À haute altitude (scénario U2U), l'atmosphère étant plus fine, l'absorption devient négligeable par rapport à la perte en espace libre. Dans ce cas, les deux modèles convergent vers des erreurs très faibles, et le modèle $\theta$ -agnostique (moins complexe) devient préférable.
Impact de la Distance et de l'Angle : L'erreur d'estimation augmente généralement avec la distance. Le modèle $\theta$ -agnostique montre une dégradation plus marquée aux angles de zénith extrêmes, tandis que le modèle $\theta$ -adaptatif maintient une stabilité uniforme.
Comparaison avec FSPL : Dans les scénarios à haute altitude, les modèles proposés se rapprochent fortement du modèle FSPL simple, confirmant que l'absorption est le facteur limitant principal aux basses altitudes.

5. Signification et Perspectives

Ce travail fournit un cadre unifié et précis pour l'analyse et la conception des futurs systèmes de communication aérienne haute fréquence.

Utilité Pratique : Le modèle fournit une expression fermée de la perte de chemin en fonction des positions des transceivers, éliminant le besoin de simulations numériques répétées pour l'analyse des budgets de liaison et la planification de la couverture.
Applications Cibles : Il est particulièrement pertinent pour les réseaux intégrés espace-air-sol, le suivi de trajectoire mobile et le formation de faisceaux adaptatifs (beamforming) où la géométrie change dynamiquement.
Travaux Futurs : Les auteurs suggèrent d'étendre le modèle pour inclure des conditions météorologiques variables (pluie, brouillard) et de valider les paramètres de régression à l'aide de mesures de propagation expérimentales réelles.

En résumé, cette étude comble un vide critique dans la modélisation des canaux THz aériens en passant d'une vision 2D simplifiée à une modélisation 3D complète, offrant ainsi des outils essentiels pour le déploiement des réseaux 6G non terrestres.