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

Sintesi Tecnica: Capacità Ergodica e Handover Ottimale nelle Mega-Costellazioni Satellitari con Tempi di Servizio Finiti

Enunciato del Problema
Le analisi esistenti della capacità ergodica nelle mega-costellazioni satellitari in Orbita Bassa Terrestre (LEO) affrontano un compromesso tra trattabilità e realismo. I modelli deterministici, sebbene accurati per simulazioni di sistemi specifici, sono spesso intrattabili per l'analisi teorica di costellazioni ultra-dense. Al contrario, i modelli puramente stocastici mancano della persistenza temporale necessaria per ottimizzare le strategie di handover quando i tempi di servizio sono sufficientemente lunghi da permettere l'evoluzione delle statistiche del collegamento. Inoltre, i criteri di handover tradizionali (ad esempio, distanza minima o tempo di servizio massimo) spesso non tengono conto dell'evoluzione dipendente dal tempo della qualità del canale, in particolare in presenza di ombreggiamento, portando a prestazioni aggregate subottimali. Il lavoro affronta la necessità di un quadro che caratterizzi la capacità ergodica sotto strategie di handover arbitrarie e tempi di servizio finiti, modellando esplicitamente la "persistenza" del collegamento satellitare.

Metodologia
Gli autori sviluppano un quadro semi-stocastico che colma il divario tra processi puntuali puramente stocastici e simulazioni orbitali completamente deterministiche.

• Modellazione del Canale: Il collegamento utente-satellite è modellato come un canale di fading Riciano ombreggiato. La costellazione satellitare è rappresentata utilizzando un Processo Puntuale Binomiale Non Omogeneo (NBPP) per campionare i satelliti visibili a ogni evento di handover. Crucialmente, il quadro introduce un "canale satellitare persistente" in cui la traiettoria del satellite selezionato è propagata utilizzando la dinamica orbitale circolare (o SGP4 per simulazioni realistiche) per un tempo di servizio finito.
• Processo di Handover: L'handover è modellato come un processo puntuale stocastico in cui le decisioni sono prese indipendentemente a ogni evento di attivazione. Il tempo di servizio è vincolato da limiti minimi ($T_{min}$) e massimi ($T_{max}$), limitando il tempo di visibilità naturale del satellite.
• Formulazione della Capacità: Il lavoro definisce la Capacità Persistente come la velocità di trasmissione media a lungo termine derivata tramite il teorema del rinnovo-premio. Questa è formulata come il rapporto tra la capacità totale attesa accumulata durante un periodo di servizio e la durata attesa di tale periodo.
• Ottimizzazione: La strategia di handover ottimale è formulata come un programma frazionario non lineare volto a massimizzare la capacità persistente. Gli autori impiegano una variante dell'algoritmo di Dinkelbach per derivare una regola decisionale esplicita. Ciò comporta la risoluzione iterativa per un valore di soglia di capacità che eguaglia il residuo tra la capacità di servizio istantanea e la capacità massima media.
• Simulazione: Il quadro teorico è validato utilizzando simulazioni Monte Carlo basate sul modello NBPP e confrontato con la propagazione orbitale realistica utilizzando il modello SGP4 (Simplified General Perturbations 4) con dati TLE (Two-Line Element) di Starlink. Le simulazioni coprono utenti a Melbourne (bassa latitudine) e Helsinki (alta latitudine).

Contributi Chiave

1. Quadro Semi-Stocastico: Il lavoro introduce un modello semi-stocastico trattabile per handover centrati sull'utente che incorpora la previsione orbitale e tempi di servizio arbitrari, denominato "canale satellitare persistente". Questo estende i lavori precedenti fornendo equazioni di previsione orbitale in forma chiusa e un metodo di campionamento NBPP efficiente.
2. Derivazione della Capacità Persistente: Gli autori derivano la capacità ergodica di questo canale persistente, correlandola alla capacità "non persistente" trovata nella letteratura precedente. Forniscono limiti superiori e inferiori in forma chiusa per questa capacità, facilitando una valutazione efficiente.
3. Strategia di Handover Ottimale: Una regola decisionale in forma chiusa per l'handover ottimale è derivata utilizzando un algoritmo di tipo Dinkelbach. La strategia seleziona il satellite che massimizza la differenza tra la sua capacità di servizio istantanea e il prodotto della capacità persistente ottimale e della sua durata di servizio.
4. Analisi di Approssimazione: Il lavoro dimostra che una strategia più semplice, che massimizza la "capacità di servizio" (capacità per unità di tempo) senza una conoscenza esplicita della capacità globale ottimale, approssima da vicino l'ottimo teorico.

Risultati

• Limiti di Capacità: Il limite superiore derivato sulla capacità persistente si dimostra stretto, in particolare per utenti ad alta latitudine dove la densità satellitare è maggiore.
• Prestazioni della Strategia:
  • In scenari con tempi di servizio non vincolati (lunga persistenza), la strategia ottimale ($H^\star$) fornisce un guadagno solo marginale (circa 0,03–0,07 dB) rispetto alla strategia più semplice di massima capacità di servizio ($H_{MSC}$).
  • Sotto previsioni orbitali realistiche basate su SGP4, la strategia $H_{MSC}$ spesso supera la $H^\star$ teorica derivata dal modello NBPP, probabilmente a causa del fatto che le ipotesi di indipendenza nel modello stocastico non valgono perfettamente nelle traiettorie deterministiche.
  • Per tempi di servizio fissi (ad esempio, 15 secondi, imitando le operazioni attuali di Starlink), la distinzione tra strategie ottimali e subottimali si riduce, e $H_{MSC}$ performa meglio.
  • Rispetto a una strategia di handover casuale nel caso peggiore, l'utilizzo di informazioni laterali (posizione e statistiche di fading) produce un guadagno significativo di circa 1,07–1,15 dB.
• Accuratezza del Modello: Il modello semi-stocastico mostra un accordo stretto con le simulazioni SGP4 e orbitali circolari, validandone l'uso per l'analisi teorica.

Significato
Il lavoro stabilisce la capacità persistente come un benchmark trattabile di teoria dell'informazione per l'handover nelle mega-costellazioni LEO. Chiarisce la relazione tra formulazioni non persistenti (istantanee) e persistenti (medie nel tempo), mostrando che i modelli puramente stocastici sono più appropriati per tempi di servizio brevi. Il significato pratico principale risiede nella constatazione che una strategia a bassa complessità — massimizzare la capacità di servizio — approssima da vicino l'ottimo teorico. Ciò fornisce una base principiale ed efficientemente computazionale per la progettazione di algoritmi di handover nelle reti satellitari su larga scala, riducendo lo spazio di ricerca per il coordinamento multi-utente senza sacrificare prestazioni significative. Il lavoro non rivendica di risolvere il problema dell'allocazione multi-utente in sé, ma fornisce la metrica di utilità del livello fisico necessaria per informare gli algoritmi di scheduling dei livelli superiori.