Energy Efficient and Throughput Maximization of UAV-Assisted RIS in Aerial-Terrestrial Communication Networks

Resumo Técnico: Eficiência Energética e Maximização de Throughput de UAV-RIS em Redes de Comunicação Aero-Terrestres

Declaração do Problema
A integração de Veículos Aéreos Não Tripulados (UAVs) e Superfícies Inteligentes Reconfiguráveis (RIS) é identificada como um paradigma transformador para as redes 6G, oferecendo soluções para as limitações das redes terrestres, tais como cobertura restrita, capacidade insuficiente e altos custos de implantação. Embora os UAVs proporcionem mobilidade e implantação flexível, eles enfrentam desafios em ambientes urbanos onde a Linha de Visada (LoS) é obstruída. Por outro lado, a tecnologia RIS oferece ambientes sem fio controlados por software para manipular a propagação de sinais sem a necessidade de cadeias adicionais de Radiofrequência (RF). No entanto, a literatura existente apresenta descobertas conflitantes em relação às melhorias reais de desempenho na Eficiência Energética (EE) e no throughput de sistemas UAV assistidos por RIS. Além disso, há uma falta de consenso sobre os parâmetros de design ideais (ex: contagem de elementos RIS, altitude do UAV) e uma ausência significativa de relatórios estatísticos padronizados, o que dificulta a meta-análise quantitativa e a comparação justa entre diferentes abordagens de otimização.

Metodologia
Este estudo conduz uma revisão sistemática de 47 estudos revisados por pares publicados entre 2020 e 2026. A pesquisa adere às diretrizes PRISMA 2020, utilizando uma estratégia de busca nas bases IEEE Xplore, Scopus, Web of Science e arXiv.org.

• Critérios de Inclusão: Estudos devem ser revisados por pares, publicados entre 2022–2026, fornecer comparações de desempenho quantitativas, relatar métricas de EE e/ou throughput, e incluir pelo menos 10 iterações de simulação.
• Critérios de Exclusão: Artigos teóricos sem validação por simulação, sistemas apenas terrestres com RIS, artigos que carecem de médias ou intervalos de confiança, e artigos de revisão foram excluídos.
• Estrutura de Análise: A revisão sintetiza dados sobre modelos de sistema (arquiteturas de rede, modelos de canal, consumo de energia), objetivos de otimização (throughput vs. EE), abordagens algorítmicas (DRL, SCA, AO, etc.) e ganhos de desempenho relatados. Um componente crítico da metodologia envolve uma meta-análise do rigor metodológico, verificando especificamente o relato de desvios padrão, intervalos de confiança e contagens de replicação independente.

Principais Contribuições

1. Síntese Abrangente: Esta é a primeira revisão sistemática a sintetizar resultados especificamente sobre a otimização de eficiência energética e throughput em redes UAV assistidas por RIS, analisando 47 estudos distintos.
2. Diretrizes de Design Baseadas em Evidências: O artigo estabelece recomendações de design específicas, incluindo uma contagem ideal de elementos RIS de 128–256 e uma altitude ideal de UAV de 100–120 metros para ambientes urbanos para maximizar a probabilidade de LoS.
3. Taxonomia Algorítmica: A revisão categoriza algoritmos de otimização, destacando uma mudança em direção a métodos de Aprendizado por Reforço Profundo (DRL), que constituem 40,4% dos estudos recentes.
4. Crítica Metodológica: Uma grande contribuição é a identificação de uma lacuna crítica no relato estatístico. A revisão revela que 68% dos estudos não relatam desvios padrão e 91,5% não especificam contagens de replicação independente, tornando a meta-análise quantitativa impossível.
5. Proposta de Padronização: Os autores propõem um conjunto de padrões de relatório (médias, desvios padrão, contagens de replicação, intervalos de confiança) para garantir a reprodutibilidade e permitir futuras sínteses quantitativas.

Resultados

• Ganhos de Desempenho: Sistemas UAV assistidos por RIS demonstram ganhos de throughput relatados variando de 15% a 55% e melhorias de eficiência energética de 12% a 58% sobre os sistemas de base.
• Desempenho dos Algoritmos: Algoritmos baseados em DRL (especificamente DDPG, DQN e PPO) demonstram desempenho superior em ambientes dinâmicos, alcançando até 34,48% de ganho de throughput e 40% de melhoria de EE em comparação com métodos convencionais.
• Otimização de Parâmetros:
  • Elementos RIS: A faixa ideal para o melhor equilíbrio custo-benefício é de 128–256 elementos. Os ganhos apresentam retornos decrescentes além de 257 elementos.
  • Altitude do UAV: Em ambientes urbanos, a altitude ideal é de 100–120 metros, equilibrando a força do sinal contra a perda de percurso e mantendo uma alta probabilidade de LoS (0,88–0,94).
  • Consumo de Energia: A energia de propulsão representa 60–80% do consumo total de energia nos UAVs, tornando a otimização de trajetória crítica.
• Deficiências Estatísticas: A revisão constatou que 95,7% dos estudos não relatam intervalos de confiança e 91,5% carecem de contagens de replicação independente. Essa ausência de rigor estatístico impede o cálculo de tamanhos de efeito (ex: Hedges' g) e estatísticas de heterogeneidade.

Significância e Alegações
O artigo afirma que sua significância reside em fornecer uma referência abrangente e baseada em evidências para o design e implantação de sistemas de comunicação UAV-RIS energeticamente eficientes para redes 6G. Ele vai além de levantamentos narrativos ao oferecer uma distribuição quantitativa dos ganhos relatados e uma avaliação crítica da maturidade metodológica do campo.

Os autores declaram explicitamente que, embora o volume de pesquisa tenha crescido, a qualidade do relato estatístico não acompanhou o ritmo, limitando a capacidade do campo de tirar conclusões definitivas sobre a eficácia relativa de diferentes abordagens. Consequentemente, o artigo argumenta que a prioridade imediata para a comunidade de pesquisa não é apenas a inovação técnica, mas a adoção de protocolos de relato padronizados. Os achados servem como um chamado à ação para que pesquisadores incluam rigor estatístico (desvios padrão, contagens de replicação) e para que editores de periódicos apliquem esses padrões, permitindo assim meta-análises quantitativas futuras e acelerando o progresso científico em redes UAV-RIS.