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

Título: Um Modelo de Perda de Caminho Tridimensional para Comunicações Aéreas na Banda Terahertz

1. Problema e Motivação

Com o advento de aplicações de ultra-alta taxa de dados (como gêmeos digitais, realidade aumentada/virtual e streaming 3D) e a migração para a rede 6G, a banda Terahertz (THz, 0,1–10 THz) tornou-se essencial. No entanto, as ondas de rádio nesta faixa sofrem perdas significativas devido à dispersão no espaço livre e, principalmente, à absorção atmosférica (causada por vapor d'água e oxigênio).

O problema central abordado é a limitação dos modelos existentes de perda de caminho para redes aéreas. A maioria dos modelos atuais foca em cenários estritamente horizontais ou verticais, falhando em capturar a geometria 3D aleatória típica de comunicações aéreas (onde drones, UAVs e plataformas de alta altitude podem estar em posições arbitrárias umas em relação às outras). Além disso, a absorção atmosférica varia drasticamente com a altitude, frequência e condições meteorológicas, tornando os modelos terrestres inadequados para redes não terrestres (NTN).

2. Metodologia

Os autores propõem um novo modelo analítico de perda de caminho que integra a geometria 3D arbitrária e a absorção seletiva em frequência. A abordagem baseia-se em dados e utiliza o seguinte fluxo:

• Geração de Dados de Referência: Utilizou-se a ferramenta Atmospheric Model (am) para gerar dados de transmitância atmosférica sob o perfil de atmosfera padrão dos EUA (1976). Os dados cobrem três cenários de comunicação aérea:

  • Dr2Dr (Drone-to-Drone): Baixa altitude (0–0,5 km).
  • MAAC (Medium-Altitude Aerial Communication): Altitude média (1–15 km).
  • U2U (UAV-to-UAV): Alta altitude (15–50 km).
  • As frequências analisadas variam de 0,1 a 1 THz, cobrindo dez sub-bandas representativas.

• Modelagem Analítica (Abordagem de Regressão em Cascata):
  O modelo decompõe a transmitância ($\tau$) em componentes horizontal e vertical, modelando-a como uma função exponencial da distância e da altitude. O processo de regressão ocorre em três etapas:

  1. Etapa 1: A transmitância é modelada exponencialmente em relação às distâncias horizontal ($d_h$) e vertical ($d_v$) para altitudes e frequências fixas.
  2. Etapa 2: Os expoentes obtidos na Etapa 1 são modelados como funções exponenciais da altitude ($l$).
  3. Etapa 3: Os coeficientes resultantes são aproximados por funções polinomiais em relação à frequência ($f$).

  A fórmula final para a transmitância aproximada é dada por:
  $$\hat{\tau}(l, d_h, d_v, f) = \exp\left( \hat{\Lambda}_h(f)e^{\hat{b}_{2,h}l}d_h + \hat{\Lambda}_v(f)e^{\hat{b}_{2,v}l}d_v \right)$$
  Onde $\hat{\Lambda}$ são polinômios de frequência.

• Duas Abordagens de Implementação:

  1. $\theta$-Agnóstica (θ-agnostic): O modelo é ajustado uma única vez sobre todo o conjunto de dados, tratando o ângulo zenital ($\theta$) implicitamente através das componentes $d_h$ e $d_v$. É computacionalmente mais eficiente.
  2. $\theta$-Adaptativa (θ-adaptive): A regressão em cascata é ajustada independentemente para cada ângulo zenital discreto. É mais complexa, mas adapta-se melhor a variações angulares específicas.

3. Contribuições Principais

• Generalização Geométrica: O modelo é o primeiro a fornecer uma formulação unificada para geometrias 3D arbitrárias de transceptores aéreos, superando a restrição de modelos puramente horizontais ou verticais.
• Cobertura de Frequência e Cenários: Validação extensiva em 10 sub-bandas (0,1–1 THz) e em três cenários distintos de altitude (Dr2Dr, MAAC, U2U).
• Modelo Analítico Fechado: Fornece uma expressão matemática fechada para a perda de caminho, permitindo análise de orçamento de enlace e planejamento de cobertura sem a necessidade de simulações numéricas repetidas e pesadas.
• Comparação de Complexidade: Análise detalhada da troca entre precisão e complexidade computacional entre as abordagens $\theta$-agnóstica e $\theta$-adaptativa.

4. Resultados e Discussão

Os resultados foram avaliados utilizando o Erro Quadrático Médio Normalizado (NRMSE) comparado aos dados de referência da ferramenta am.

• Precisão Geral: Ambos os modelos superam significativamente o modelo de Perda de Caminho no Espaço Livre (FSPL) apenas, especialmente em baixas altitudes onde a absorção é dominante.
• Desempenho por Cenário:
  • Dr2Dr (Baixa Altitude): A abordagem $\theta$-adaptativa supera a $\theta$-agnóstica, alcançando um erro (NRMSE) quase uma ordem de magnitude menor. Isso ocorre porque a absorção atmosférica é forte e altamente dependente da geometria específica em baixas altitudes.
  • MAAC (Altitude Média): A vantagem da abordagem adaptativa diminui, mas ainda é superior. A diferença de desempenho entre os dois modelos se reduz conforme a altitude aumenta.
  • U2U (Alta Altitude): Em altitudes elevadas (acima de 15 km), a atmosfera é fina e a absorção é quase negligenciável em comparação com a perda por espaço livre. Neste regime, ambos os modelos convergem para resultados semelhantes e o modelo $\theta$-agnóstico é preferível devido à sua menor complexidade computacional.
• Comportamento com Distância e Ângulo: O erro do modelo $\theta$-agnóstico aumenta linearmente com a distância e degrada em ângulos zenitais extremos. O modelo $\theta$-adaptativo mantém um erro baixo e estável em todos os ângulos.

5. Significado e Conclusão

O trabalho preenche uma lacuna crítica na modelagem de comunicações 6G aéreas, oferecendo uma ferramenta unificada para projetar redes que integram solo, ar e espaço.

• Aplicações Práticas: O modelo é fundamental para o orçamento de enlace, planejamento de cobertura e formação de feixes adaptativos em redes dinâmicas onde a geometria muda rapidamente.
• Recomendação de Uso: O estudo sugere que, para cenários de baixa altitude (como enxames de drones), a precisão da abordagem $\theta$-adaptativa é justificada. Já para comunicações de alta altitude (satélites ou HAPS), a abordagem $\theta$-agnóstica oferece um equilíbrio ideal entre precisão e eficiência computacional.
• Futuro: Os autores indicam que trabalhos futuros podem expandir o modelo para incluir condições meteorológicas variáveis (chuva, neblina) e validar os parâmetros com medições experimentais reais.

Em resumo, o artigo estabelece uma base robusta e analítica para a análise de perdas de caminho em comunicações aéreas de alta frequência, permitindo o desenvolvimento mais eficiente de sistemas de comunicação do futuro.