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

Resumo Técnico: Capacidade Ergódica e Handover Ótimo em Mega-Constelações de Satélites sob Tempos de Serviço Finitos

Declaração do Problema
As análises existentes da capacidade ergódica em mega-constelações de satélites em Órbita Baixa da Terra (LEO) enfrentam um compromisso entre tratabilidade e realismo. Modelos determinísticos, embora precisos para simulações de sistemas específicos, são frequentemente intratáveis para análise teórica de constelações ultra-densas. Por outro lado, modelos puramente estocásticos carecem da persistência temporal necessária para otimizar estratégias de handover quando os tempos de serviço são longos o suficiente para que as estatísticas do enlace evoluam. Além disso, critérios tradicionais de handover (por exemplo, distância mínima ou tempo máximo de serviço) frequentemente falham em contabilizar a evolução dependente do tempo da qualidade do canal, particularmente na presença de sombreamento, levando a um desempenho agregado subótimo. O artigo aborda a necessidade de uma estrutura que caracterize a capacidade ergódica sob estratégias de handover arbitrárias e tempos de serviço finitos, modelando explicitamente a "persistência" do enlace de satélite.

Metodologia
Os autores desenvolvem uma estrutura semi-estocástica que preenche a lacuna entre processos pontuais puramente estocásticos e simulações orbitais totalmente determinísticas.

• Modelagem do Canal: O enlace usuário-satélite é modelado como um canal de desvanecimento Rician sombreado. A constelação de satélites é representada usando um Processo Pontual Binomial Não Homogêneo (NBPP) para amostrar satélites visíveis em cada evento de handover. Crucialmente, a estrutura introduz um "canal de satélite persistente", onde a trajetória do satélite selecionado é propagada usando dinâmica de órbita circular (ou SGP4 para simulações realistas) ao longo de um tempo de serviço finito.
• Processo de Handover: O handover é modelado como um processo pontual estocástico onde decisões são tomadas independentemente em cada evento de gatilho. O tempo de serviço é restringido por limites mínimo ($T_{min}$) e máximo ($T_{max}$), limitando o tempo de visibilidade natural do satélite.
• Formulação de Capacidade: O artigo define Capacidade Persistente como a taxa de transferência média de longo prazo derivada via o teorema de renovação-recompensa. Isso é formulado como a razão entre a capacidade total esperada acumulada durante um período de serviço e a duração esperada desse período.
• Otimização: A estratégia de handover ótima é formulada como um programa fracionário não linear visando maximizar a capacidade persistente. Os autores empregam uma variante do algoritmo de Dinkelbach para derivar uma regra de decisão explícita. Isso envolve resolver iterativamente um valor de capacidade de limiar que iguala o resíduo entre a capacidade de serviço instantânea e a capacidade máxima média.
• Simulação: A estrutura teórica é validada usando simulações de Monte Carlo baseadas no modelo NBPP e comparada contra propagação orbital realista usando o modelo Simplified General Perturbations 4 (SGP4) com dados de Elementos de Linha Dois (TLE) do Starlink. As simulações cobrem usuários em Melbourne (baixa latitude) e Helsinque (alta latitude).

Contribuições Principais

1. Estrutura Semi-Estocástica: O artigo introduz um modelo semi-estocástico tratável para handovers centrados no usuário que incorpora previsão orbital e tempos de serviço arbitrários, denominado "canal de satélite persistente". Isso estende trabalhos anteriores fornecendo equações de previsão orbital de forma fechada e um método eficiente de amostragem NBPP.
2. Derivação de Capacidade Persistente: Os autores derivam a capacidade ergódica deste canal persistente, relacionando-a à capacidade "não persistente" encontrada na literatura anterior. Eles fornecem limites superior e inferior de forma fechada para essa capacidade, facilitando uma avaliação eficiente.
3. Estratégia de Handover Ótima: Uma regra de decisão de forma fechada para handover ótimo é derivada usando um algoritmo do tipo Dinkelbach. A estratégia seleciona o satélite que maximiza a diferença entre sua capacidade de serviço instantânea e o produto da capacidade persistente ótima e sua duração de serviço.
4. Análise de Aproximação: O artigo demonstra que uma estratégia mais simples, que maximiza a "capacidade de serviço" (capacidade por unidade de tempo) sem conhecimento explícito da capacidade ótima global, aproxima-se estreitamente do ótimo teórico.

Resultados

• Limites de Capacidade: O limite superior derivado na capacidade persistente mostra-se apertado, particularmente para usuários de alta latitude onde a densidade de satélites é maior.
• Desempenho da Estratégia:
  • Em cenários com tempos de serviço não restritos (longa persistência), a estratégia ótima ($H^\star$) fornece apenas um ganho marginal (aproximadamente 0,03–0,07 dB) sobre a estratégia mais simples de capacidade máxima de serviço ($H_{MSC}$).
  • Sob previsões orbitais realistas baseadas em SGP4, a estratégia $H_{MSC}$ frequentemente supera a $H^\star$ teórica derivada do modelo NBPP, provavelmente devido às suposições de independência no modelo estocástico não se mantendo perfeitamente em trajetórias determinísticas.
  • Para tempos de serviço fixos (por exemplo, 15 segundos, imitando operações atuais do Starlink), a distinção entre estratégias ótimas e subótimas diminui, e a $H_{MSC}$ desempenha melhor.
  • Comparado a uma estratégia de handover aleatória no pior caso, o uso de informações laterais (posição e estatísticas de desvanecimento) produz um ganho significativo de aproximadamente 1,07–1,15 dB.
• Precisão do Modelo: O modelo semi-estocástico mostra acordo próximo com simulações SGP4 e de órbita circular, validando seu uso para análise teórica.

Significado
O artigo estabelece a capacidade persistente como um benchmark tratável de teoria da informação para handover em mega-constelações LEO. Ele esclarece a relação entre formulações não persistentes (instantâneas) e persistentes (média temporal), mostrando que modelos puramente estocásticos são mais apropriados para tempos de serviço curtos. O principal significado prático reside na descoberta de que uma estratégia de baixa complexidade — maximizar a capacidade de serviço — aproxima-se estreitamente do ótimo teórico. Isso fornece uma base principial e computacionalmente eficiente para o projeto de algoritmos de handover em redes de satélites em grande escala, reduzindo o espaço de busca para coordenação multi-usuário sem sacrificar desempenho significativo. O trabalho não afirma resolver o problema de alocação multi-usuário em si, mas fornece a métrica de utilidade da camada física necessária para informar algoritmos de agendamento de camadas superiores.