Statistical Channel Model for FSO Systems Assisted by a UAV-Mounted IRS

Resumo Técnico: Modelo de Canal Estatístico para Sistemas FSO Assistidos por um IRS Montado em UAV

Definição do Problema
A comunicação de Espaço Livre Óptico (FSO) oferece altas taxas de dados adequadas para redes 5G e além, mas é estritamente limitada pela exigência de um link de Linha de Visada (LoS). Embora Superfícies Inteligentes de Reflexão (IRS) montadas em Veículos Aéreos Não Tripulados (UAV) tenham sido propostas para flexibilizar essa restrição ao fornecer conectividade não-LoS flexível, a implantação prática enfrenta desafios significativos. Especificamente, o pairar (hovering) dos UAVs induz flutuações aleatórias tanto na posição quanto na orientação. Esses desalinhamentos degradam a qualidade do canal fim-a-fim, contudo, os modelos de canal estatísticos existentes para links FSO assistidos por IRS são limitados. Trabalhos anteriores frequentemente dependem de suposições restritivas, como perfis de deslocamento de fase específicos, propagação apenas no plano ou estatísticas de flutuação independentes, que falham em capturar a complexidade de cenários de implantação realistas e arbitrários envolvendo o tremor (jitter) do UAV.

Metodologia
Os autores desenvolvem um modelo de canal estatístico abrangente para um IRS montado em UAV auxiliando um link FSO entre um Transmissor (Tx) fixo e um Receptor (Rx) fixo. A metodologia procede através de três estáveis principais:

1. Derivação do Campo Elétrico: Com base no princípio de Huygens-Fresnel, o artigo deriva expressões inéditas em forma fechada para o campo elétrico incidente no IRS e o campo refletido em direção ao receptor. Diferente de estudos anteriores limitados à propagação no plano, estas expressões são válidas para direções arbitrárias de incidência e reflexão do feixe ($\theta_i, \phi_i, \theta_r, \phi_r$). O modelo contabiliza a natureza elíptica do feixe Gaussiano no plano do IRS, derivando larguras de feixe efetivas e raios de curvatura de frente de onda para localizações gerais do transmissor.
2. Geometria Condicional e Perda de Desalinhamento (GML): Os autores derivam uma expressão em forma fechada para o coeficiente de GML condicional ($h_{irs}$) como uma função da distância de desalinhamento do feixe ($u$) na lente do receptor. Esta derivação considera perfis de deslocamento de Fase Linear (LP) e Fase Quadrática (QP) no IRS. O modelo aproxima a potência recebida sem depender das aproximações de limite superior comuns na literatura.
3. Modelagem Estatística de Flutuações: O artigo modela as perturbações induzidas pelo UAV como variáveis aleatórias Gaussianas de média zero que afetam a posição vertical ($z$) e os ângulos de incidência ($\theta_i, \phi_i$) do UAV. Usando expansões de série de Taylor de primeira ordem, os autores derivam a relação estatística entre os ângulos de incidência e reflexão, estabelecendo que o desalinhamento do feixe resultante no receptor segue uma distribuição de Beckmann. Consequentemente, uma Função de Densidade de Probabilidade (PDF) em forma fechada para o GML é derivada, ligando as flutuações físicas à distribuição de ganho de canal.

Principais Contribuições

• Expressões de Campo Elétrico Generalizadas: O artigo fornece a primeira derivação de expressões de campo elétrico incidente e refletido válidas para orientações arbitrárias de Tx e Rx, indo além das restrições de plano de trabalhos anteriores.
• PDF de GML Estatística e Tratável: Um novo modelo de canal estatístico em forma fechada para o GML é apresentado. Este modelo é válido tanto para perfis de deslocamento de fase LP quanto QP e contabiliza flutuações correlacionadas na posição e orientação do UAV, assumindo estatísticas Gaussianas.
• Aproximação de Potência Refinada: Os autores derivam uma aproximação tratável para a potência recebida que evita as suposições de limite superior frequentemente usadas na literatura existente, oferecendo uma representação mais precisa do ganho de canal.
• Diretrizes de Implantação Ótima: O framework é utilizado para analisar a probabilidade de interrupção (outage probability), fornecendo um método de busca numérica para determinar o posicionamento ideal do IRS montado em UAV para minimizar a interrupção do sistema.

Resultos
O modelo analítico proposto foi validado contra simulações de Monte Carlo (MC) usando $10^7$ realizações. Os resultados demonstram:

• Precisão do Modelo: A PDF analítica do GML mostra forte concordância com os dados de simulação. O modelo captura com precisão o comportamento de "cauda pesada" (heavy tail) da distribuição do canal sob cenários de alta flutuação, particularmente para o perfil de Fase Quadrática.
• Impacto das Flutuações: O aumento das flutuações do UAV (tanto em posição quanto em ângulo) degrada significativamente a qualidade do canal. A análise revela que, quando os parâmetros de flutuação excedem certos limiares, a PDF do GML exibe uma cauda pesada, levando a uma maior probabilidade de desvanecimentos profundos (deep fades).
• Posicionamento Ótimo: As simulações referentes ao local ideal do IRS revelam um compromisso crítico. Embora a implantação do IRS mitigue a divergência do feixe, ela aumenta a sensibilidade ao desalinhamento. Os resultados indicam que a posição ideal para minimizar a probabilidade de interrupção reside nas proximidades imediatas do Receptor (Rx). Posicionar o IRS mais próximo do Rx encurta o caminho de propagação pós-reflexão, reduzendo a probabilidade de o feixe desviar do centro da lente do receptor. No entanto, o panorama da probabilidade de interrupção próximo ao ponto ótimo é íngreme; pequenos desvios das coordenadas ótimas podem levar a uma degradação significativa de desempenho.

Significância
O artigo afirma abordar uma lacuna na literatura ao fornecer um modelo de canal estatístico geral que contabiliza conjuntamente as perdas geométricas e as flutuações do UAV tanto em posição quanto em orientação, válido para localizações arbitrárias de transmissor e receptor. Os autores enfatizam que modelos estatísticos tratáveis são essenciais para análise e otimização em nível de sistema. Ao validar o modelo através de simulações e derivar diretrizes práticas de implantação, o trabalho oferece uma base para projetar redes FSO assistidas por UAV robustas que possam mitigar efetivamente os desafios de conectividade causados pelo tremor de pairar do UAV.