UAV-Enabled IoT Networks: A SWIPT Energy Harvesting Architecture with Relay Support for Disaster Response

Título: Redes IoT Habilitadas por UAV: Uma Arquitetura de Colheita de Energia SWIPT com Suporte de Relé para Resposta a Desastres

1. Problema Investigado

O artigo aborda os desafios críticos na implementação de Redes de Resposta a Desastres (DRNs) utilizando Veículos Aéreos Não Tripulados (UAVs) como estações base voadoras (FBS) e relés. Em cenários de desastres (incêndios, enchentes, guerras), a infraestrutura terrestre de comunicação frequentemente falha, tornando os UAVs essenciais para restabelecer a conectividade.

Os principais problemas identificados são:

• Limitação de Energia: UAVs possuem baterias com capacidade finita, o que restringe severamente o tempo de voo e a duração da missão.
• Cenários de IoT: Em redes de Internet das Coisas (IoT) com múltiplos usuários tentando comunicar-se com o UAV, a demanda energética para coleta de dados e retransmissão é alta.
• Ineficiência em Cenários Tradicionais: Em abordagens convencionais (Cenário A), o UAV coleta dados de uma área afetada e voa para outra para entregar a informação. Sem mecanismos de recarga durante o voo ou a comunicação, o UAV frequentemente não consegue atender a todos os usuários devido ao esgotamento da bateria, resultando em baixas taxas de comunicação e cobertura insuficiente.
• Falta de Integração: A literatura existente tende a modelar a colheita de energia (EH) e a coleta de dados de forma separada, sem otimizar simultaneamente o tempo de voo, a eficiência energética e a transmissão de dados em um cenário de relé móvel.

2. Metodologia e Arquitetura Proposta

Os autores propõem um modelo de sistema que compara dois cenários distintos para uma rede de relé UAV entre duas áreas (NET1 e NET2):

• Cenário A (Tradicional): O UAV atua como relé sem colheita de energia. Ele coleta dados dos usuários da NET1, voa para a NET2 e entrega os dados à estação base (BS). A energia é limitada à carga inicial da bateria.
• Cenário B (Proposto com SWIPT): O UAV utiliza a tecnologia de Transferência Simultânea de Informação e Energia Sem Fio (SWIPT). Enquanto recebe dados dos usuários da NET1 (uplink), o UAV colhe energia desses mesmos sinais de rádio para recarregar sua bateria.

Componentes Técnicos Principais:

• Arquitetura de Receptor: O artigo adota a arquitetura de Divisão de Potência (Power Splitting - PS) para o receptor SWIPT no UAV. O sinal recebido é dividido em duas partes: uma fração ($\theta$) para decodificação de informação (ID) e a fração restante ($1-\theta$) para colheita de energia (EH).
• Modelo de Canal: Considera-se canais de Terra para Ar (G2A) e Ar para Terra (A2G), com probabilidades de linha de visada (LOS) e não linha de visada (NLOS), influenciadas pela altitude do UAV e obstáculos.
• Consumo de Energia: O modelo de consumo de energia do UAV inclui:
  • Energia para comunicação (uplink e downlink).
  • Energia para voo (movimento entre as áreas), calculada com base na velocidade, peso do UAV e aerodinâmica do rotor.
• Formulação de Otimização: O objetivo é minimizar o tempo total de voo ($T_{total}$) do UAV, garantindo que ele tenha energia suficiente para:
  1. Atender a todos os usuários da NET1.
  2. Voar até a NET2.
  3. Transmitir os dados para a BS da NET2.
     A otimização busca encontrar os parâmetros ideais para a eficiência da bateria ($\eta_{Bat}$) e o coeficiente de divisão de potência ($\eta_{PS}$), sujeita a restrições de energia mínima e limites físicos.

3. Contribuições Chave

• Integração SWIPT em Relés Móveis: Diferencia-se de trabalhos anteriores ao integrar explicitamente a colheita de energia no uplink de um UAV em movimento, permitindo que o UAV se recarregue enquanto coleta dados.
• Comparação de Cenários: Demonstra quantitativamente a superioridade do Cenário B (com SWIPT) sobre o Cenário A (tradicional), mostrando que a colheita de energia permite atender a um número significativamente maior de usuários.
• Formulação de Otimização Convexa: O problema de minimização de tempo de voo é transformado e resolvido matematicamente usando o método de Lagrange e as condições KKT (Karush-Kuhn-Tucker), fornecendo soluções analíticas para os parâmetros ótimos de operação.
• Validação Teórica e Simulação: Os resultados teóricos são validados através de simulações que mostram a concordância entre os modelos analíticos e os dados simulados.

4. Resultados das Simulações

As simulações, utilizando parâmetros realistas (ex: altitude de 700m, potência de transmissão variável), revelaram:

• Redução do Tempo de Voo: O tempo total gasto pelo UAV diminui à medida que a potência de transmissão dos usuários aumenta, pois as taxas de comunicação são mais altas e mais energia é colhida.
• Aumento da Capacidade de Usuários: No Cenário B, o número de usuários que podem ser atendidos cresce com a potência de transmissão dos usuários, algo limitado no Cenário A pela bateria fixa.
• Impacto da Densidade de Usuários: Existe uma relação não linear entre a densidade de usuários e o tempo de voo. Inicialmente, o aumento da densidade reduz o tempo (mais energia colhida), mas após um certo limiar, o tempo aumenta devido à sobrecarga de processamento de dados, embora a energia colhida compense parcialmente.
• Altitude vs. Potência: UAVs operando com menor potência de transmissão dos usuários tendem a voar em altitudes mais baixas para manter a qualidade do sinal e a eficiência energética.
• Convergência: Os resultados de simulação coincidem perfeitamente com as previsões teóricas, validando o modelo de otimização.

5. Significado e Impacto

Este trabalho é significativo para o campo das comunicações de emergência e IoT porque:

• Sustentabilidade Operacional: Oferece uma solução viável para estender a autonomia de UAVs em missões críticas onde o reabastecimento físico é impossível ou demorado.
• Eficiência em Desastres: Ao permitir que um único UAV atenda a mais vítimas/usuários em menos tempo, a proposta aumenta a eficácia das operações de busca e resgate e a entrega de informações vitais.
• Direcionamento Futuro: O estudo abre caminho para pesquisas futuras envolvendo sistemas MIMO (Multiple-Input Multiple-Output) com múltiplos UAVs, uso de beamforming e integração com técnicas de aprendizado de máquina para otimização dinâmica de rede e segurança de dados.

Em resumo, o artigo demonstra que a aplicação de SWIPT em redes de relé UAV não é apenas teoricamente viável, mas essencial para superar as limitações de energia em cenários de resposta a desastres, transformando o UAV de um consumidor passivo de energia em um nó ativo que se auto-sustenta parcialmente através da rede que serve.