Alocao flexvel e dinmica de potncia em Satelites multi feixes de banda

larga

Para os satlites de banda larga multi-feixe operando a 10 GHz ou acima, a

atenuao por chuvas o fator de atenuao dominante. Usando um modelo
estocstico para a previso de atenuao por chuva, alocao dinmica de potencia
foi recentemente mostrado para aumentar o nmero de usurios servidos do que a
tcnica esttica. Esta carta prope um novo algoritmo de alocao dinmica de
potencia, a novidade de que est em tratar os usurios com necessidade de
potncia semelhante, como um grupo, em vez de indivduos. Assim, sem recorrer a
busca exaustiva somos capazes de servir o maior nmero de usurios do que a
tcnica existente

I. INTRODUO

O uso de alta frequncia comum em satlites de banda larga. Atenuao

devido precipitao atmosfrica (chuva, gases, nuvens, nvoa etc.) degradam os
sinais de forma mais acentuada em frequncias de 10 GHz ou acima. Destas, a
atenuao por chuva sendo altamente espao e tempo variveis, o mecanismo
dominante de desvanecimento. Isto deu origem necessidade de projetar algoritmos
para alocar a potencia entre os feixes de um satlite multifeixe.
Em [9], um algoritmo de alocao de potencia foi proposto para maximizar o
rendimento do sistema. Em [10], o problema de alocao de potncia timo com
base em diferentes demandas de trfego foi abordada. Mais tarde, em [11], o
problema foi revisitado depois levando em considerao a qualidade do servio e do
Acordo de Nvel de Servio. Posteriormente, em [12], o trade-off entre a capacidade
mxima total e justia proporcional foi considerada. Recentemente, em [1], o
problema de maximizar o nmero de utilizadores servidos foi abordado.
Foi demonstrado que atravs do uso de um modelo estocstico para previso
e atenuao por chuva, por um algoritmo de atribuio dinmica de potencia
simples, um numero maior de utilizadores podem ser servidos do que com as
tcnicas estticas existentes. Neste trabalho, propomos um algoritmo dinmico
melhorada de alocao de potencia que pode servir um nmero de usurios ainda
maior.

II. SISTEMA DE CANAL E MODELO

Vamos considerar o mesmo modelo do sistema e canal como descrito em [1].

Considere um satlite de comunicao que emprega M feixes para a prestao de

servios de transmisso de N usurios, separados geograficamente, onde N >> M.

Cada usurio requer limite mnimo de potencia para ser servido e sem perda de
generalidade que seja igual para todos os usurios e denotado como Pthr. A
potncia recebida do usurio i, Pr, i do feixe j est relacionado com a potncia de
entrada do feixe j, Ps, j como:

Pr, i = hi,j Ps,j, (i = 1, ..., N, j = 1, ... M)

(1)

Onde hi,j representa o ganho de potncia do canal de feixe j para o usurio i. Pode
haver dois cenrios para o canal: um cu claro ou um canal atenuado pela chuva. O
ganho de cu claro dado:

onde dij o comprimento da ligao via satlite enquanto Gs,ij, Gr,ij denotam os
ganhos de uma antena de transmisso por satlite e antena do receptor do
utilizador, respectivamente. As atenuaes Ac,ij devido s nuvens, nvoa, gases e
absoro camada de fuso mostram pouca variao com o tempo e esto a ser
assumida constante [1].
Para quaisquer usuario i servido pelo feixe j, as condies hijPs,j Pthr devem se
manter para uma operao confivel. Da a potncia mnima necessria por feixe j a
fim de servir de usurio i Pthr / hi, j.
A partir de agora vamos usar "potencia necessria por um usurio", como a potncia
de entrada mnima exigida pelo feixe que serve este usurio. Pthr / hi,j onde i o
nmero do usurio e j o nmero de feixes. Para os utilizadores com chuva, a
atenuao variando com o tempo pode ser incorporada no clculo do ganho por
tempo do canal hij(t), como:

Onde Ar,ij(t) pode ser encontrada usando o modelo estocstico para atenuao por
chuva [4]:

onde Am, ij e S, ij so parmetros estatsticos da distribuio lognormal longo prazo

da atenuao da chuva, na escala de decibis, dAij um parmetro estatstico que
descreve as propriedades dinmicas de atenuao de chuva ao longo do caminho
de propagao [3] e n (t) um processo de rudo branco. Estes parmetros podem
ser avaliados utilizando a metodologia descrita em [3]. O valor inicial para Ar, ij (t)
pode ser avaliada utilizando a relao [3], [5].

onde Rij a taxa de precipitao ponto em mm / h, Lef f comprimento do caminho

eficaz que responde por heterogeneidade espacial do meio da chuva. Os
parmetros a e b dependem da frequncia, polarizao e ngulo de elevao e pode
ser obtido pelo mtodo descrito em [6]. Os parmetros a1 ... a5 (as constantes de
Garcia-Lopez Modelo [8]) e Lreal - o comprimento do percurso equivalente [8] pode
ser encontrado utilizando a metodologia descrita em [5].
Para um usurio com chuva i receber potencia adequada a partir do feixe j,
suficiente para satisfazer Ps, j Pthr / hij (t). isso significa que se a potencia
atribudo ao feixe j tal que o usurio i * com ganho de canal hi* j (t) servido em
seguida, cada usurio i coberto por este feixe com ganho de canal hij (t) > hi * j (t)
automaticamente servido. Como Ar, ij (t) uma quantidade positiva, a partir de (3) hij
(t) sempre menor que hij, cs e servindo, assim, qualquer usurio chuvoso ir
garantir que todos os usurios de cu claro correspondentes a esse feixe so
automaticamente servido.
Com m (mM) o nmero total de feixes que servem usurios chuvosos. Sem perda
de generalidade, podemos assumir que eles sejam 1,2, ... m com m sendo o ltimo
feixe chuvoso. Nosso objetivo atender o maior nmero possvel de usurios.
Vamos definir a melhor soluo para o problema de alocao de poder como a
alocao de potncia P (Ps, 1, Ps, 2, ..., Ps, M) para os feixes 1,2, ... M que serve
nmero mximo de usurios. O problema pode ser matematicamente definido como:
temos de procurar os valores de Ps, j para cada j = 1,2, ..., M que maximizam a
funo:

onde Pavail a potncia total disponvel e I (Pr, i Pthr) a funo de indicador ou seja,
a unidade se a expresso entre parnteses detm e zero caso contrrio. A
equao (7) proporciona o nmero total de utilizadores que recebem a potencia
adequada e, portanto, pode ser considerado como servido. O problema de
optimizao acima referido no convexa. Isso pode ser demonstrado utilizando um
contra-exemplo simples. Vamos converter o problema de otimizao em um
problema de minimizao, considerando-J (P). Considere um satlite com Pavail = P,
com apenas dois feixes cada um servindo 30 utilizadores, com 10 utilizadores com
requisitos de potncia inferior ou igual a P / 2 e 20 entre os utilizadores P / 2 e P.
Pode ser visto que, para

III. ABORDAGENS exaustiva e gananciosos

Na busca exaustiva, todos os usurios com chuva que podem ser servidos por um
feixe so classificados em ordem por exigncia de aumento de potencia. Ento
selecionamos um usuario de cada uma das sequncias ordenadas. Para cada
combinao vamos atribuir poderes aos feixes correspondentes apenas suficientes
para atender os usurios em combinao. Este processo continuado at que todas
as possveis combinaes estejam esgotadas. A combinao que satisfaz o nmero
mximo de utilizadores e tambm satisfaz a limitao de potncia (8) a soluo
ideal. Assim, a pesquisa exaustiva pode fornecer uma soluo para o problema de
optimizao definido em (7) e (8), mas a sua complexidade computacional ser O (N
/ M) ^ m) o que muito alta como N >> M.
O algoritmo em [1] emprega uma abordagem gulosa. A abordagem gulosa forma um
conjunto organizando todos os usurios, a fim de aumentar a sua exigncia de
potencia, sem qualquer considerao sobre a trave do qual esto a ser servido.
Em seguida, usando um processo iterativo os usurios com requisitos mnimos de
potencia so removidos do conjunto de um por um e sua exigncia de potencia

cumprida mediante a repartio da potncia necessria para os feixes

correspondentes. O algoritmo termina na iterao em que a limitao de potncia (8)
seja violada. Os principais inconvenientes deste algoritmo pode ser ilustrado com um
exemplo simples. Haja apenas dois feixes que servem os usurios com requisitos de
potencia {50,60, ..., 120} e {65,75, ..., 135}. Sendo a potncia total disponvel de 120
unidades.
O conjunto classificados sero formados como {50,60,65,70,75, ..., 135}. Agora, a
abordagem gulosa servir apenas os dois primeiros usurios do conjunto de ambas
as quais correspondem ao feixe 1 e 60 unidades de potencia continuam no
atribudos. Assim, ele no considera o fato de que servir ao usurio com requisito de
energia 70 de feixe 1 depois de ter servido a um com 60 do mesmo feixe requer
apenas 10 unidades de energia extra, enquanto servia o usurio com requisito de
energia a partir de 65 de feixe 2 requer 65 unidades de potncia extra. Como
resultado, a abordagem gulosa no vai servir usurios com necessidade de potncia
70,80 ,. . . 120, enquanto eles podem ser, na verdade, servido desde a potncia total
disponvel de 120 unidades.

IV. Algoritmo proposto

Em vez de fazer uma busca exaustiva propomos uma pesquisa inteligente, formando
grupos de usurios (dentro de um feixe com chuva), com requisito de potencia
semelhante e, em seguida, ao contrrio da Seo III, a triagem dos grupos (em vez
de usurios), a fim de poder aumentar a sua exigncia. Isto tem de ser feito para
cada feixe chuvoso. A exigncia de poder de um grupo definido como a potncia
mnima necessria para servir todo o grupo. Agora, tal como tivemos os usurios em
busca exaustiva, aqui ns temos grupos.
medida que o nmero de grupos so menos do que o nmero de utilizadores, o
nmero de combinaes de grupos tambm so menos do que o nmero de
combinaes de utilizadores. Neste contexto, temos que dividir a potncia total em
partes M (no precisa ser igual) de tal forma que cada parte apenas suficiente para
satisfazer a exigncia de uma integrante do nmero de grupos para cada feixe. Isto
pode ser feito de vrias maneiras, mas o nmero de combinaes so
significativamente reduzidos. Ns verificamos apenas essas combinaes para
descobrir o que serve o nmero mximo de usurios. Agora vamos definir algumas
variveis para apresentar matemtica do algoritmo proposto.
Com Pj, min e Pj, max denotando a potncia mxima exigida por qualquer usurio
das chuvas de feixe j e mnimo.
Assim, Pj, min e Pj, max so dadas por min (Pthr / hi,j) e max (Pthr /hi,j),
respectivamente, i servido pelo feixe j. Seja K o nmero de grupos para cada feixe
e definir como dj:

Um grupo especfico de usurios chuvosos gqj, j para o feixe de j um grupo de

usurios de chuva com requisito de energia na faixa de Pj, min + (qj -1) dj para Pj,
min + qjdj, qj {1,2, ... K}. Assim, a alocao de potncia para o feixe pode levar
apenas valores discretos da forma Pj, min + qjdj, qj {1,2, ... K}. Isso ir garantir
que todos os usurios no grupo g1, j, g2, j, ... gqj, j so servidos.

sendo j = {Pj, min + dj, Pj, min + 2DJ, ... Pj, max}.

Como dissemos anteriormente, a potncia total disponvel para ser dividido em M

partes. Esta diviso de energia deve ser tal que cada feixe com chuvas capaz de
obter a potencia para o cu limpo, como estamos assumindo que qualquer que seja
a condio de todos os usurios de cu claro de todos os feixes deve ser servido.
Todo esse processo de diviso de poder que deve ser feito de forma iterativa para
considerar todas as combinaes possveis dos qj e escolher aquele que serve um
nmero mximo de usurios.
Algoritmo
Passo 1: Determinar hmin, j, cs onde hmin, j, cs o mnimo sobre todos os ganhos
do canal de usurios de cu claro servidos por feixe j.
Passo 2: Avaliar Ps, j, cs = Pthr / hmin, j, cs j
Passo 3: Calcular a toda a hij ganhos de canal utilizando (2) e (3).
Passo 4: Avaliar Pj, min e Pj, max j servindo usurios com chuva.
Passo 5: Escolha de um valor para K.
Passo 6: Avaliar dj j servindo usurios com chuva.
Passo 7: Avaliar j j servindo usurios com chuva.
Passo 8: Encontrar W, em que W um conjunto de vectores de tal modo que cada
vetor representa um possvel alocao de potncia para o M feixes.

Agora vamos discutir como os pontos 1-3 listadas no Passo 8 acima de ns ajudar
na reduo da cardinalidade do conjunto W, reduzindo assim o espao de busca e,
portanto, a complexidade computacional. Os pontos 1 e 2 reduzir a cardinalidade do
conjunto W, restringindo apenas aos alocaes de energia que no violem a
restrio de potncia (8). O ponto 3 aloca a energia restante, se houver, para o
ltimo feixe de chuvas, de modo que apenas as alocaes de energia esto
includos no conjunto de Win que a potncia total disponvel fica exausto entre as
vigas. Isto pode ser explicado da seguinte maneira. Supondo que exista uma
distribuio de energia que serve os utilizadores mximos possveis mas no esgota
a potncia total disponvel, ento a energia restante pode ser atribuda a qualquer
um dos feixes sem diminuir o nmero de utilizadores servidos. Assim, o algoritmo
proposto restringe a sua pesquisa apenas aos alocaes em que a potncia total
disponvel fica exausto entre as vigas e, assim, tenta reduzir a complexidade
computacional em comparao pesquisa exaustiva.
A complexidade computacional ainda mais reduzida com a ajuda de formao de
grupo entre os feixes.

V. Resultados da Simulao
Nesta seo, apresentamos os resultados da simulao para o satlite
geoestacionrio Hellas Sat-2 (39 E) operando a 12 GHz, com 16 feixes. A rea de
cobertura do satlite foi tomada como sendo de 34 N a 59,5 N de latitude e de 14 a
39,5 E em longitude. Cada um dos 16 feixes deveria servir uma extenso de 6,375 N
em latitude e longitude em 6,375 E.
Os utilizadores foram assumidos para ser distribudo uniformemente, com uma
separao de 0,5, tanto em latitude e longitude resultando num total de 2704
utilizadores. Seis dos dezesseis feixes foram escolhidos para ser chuvoso e os dez
restantes foram assumidas para atender os usurios com tempo limpo. O nmero de
usurios por feixe acabou por ser 169. Assim, houve um total de 1014 usurios
chuvosos e 1.690 usurios com tempo bom. Para a simulao do modelo

estocstico descrito em (4) os valores dos parmetros foram levados para ser igual a
[4]: Am = 0,3524, S = 1,1401, dA = 3,53 x 10 -4 seg -1
O processo estocstico rudo branco n (t) em (4) considerado como sendo
Gaussiano com mdia zero e varincia unidade. A condio de limite Ar, ij (t = 0)
para o modelo estocstico (4) foi avaliada atravs das equaes (5) - (6) e os
valores correspondentes da taxa do ponto de precipitao Rij foram obtidos
utilizando mapas de chuva ITU-R [7]. O parmetro a foi obtido pelo mtodo descrito
em [6] e veio a ser a = 0,0243, enquanto o valor dos parametro b was tomadas para
b = 1como sugerido por [3]. Os parmetros a1 ... a5 foram obtidos usando [5] e saiu
para a1 = 0,53, a2 = 23,76, a3 = -35,76, a4 = 307, a5 = 8000 enquanto Lreal foi
latitude dependente e foi encontrado usando a metodologia descrita no [5]. O limiar
de potncia Pthr para cada receptor foi assumido ser -110 dBm e o cu atenuao
clara Ac, ij (2) foi assumido ser igual para todos os usurios.

Alocao de potncia feito de tal maneira que todos os utilizadores de cu limpo

so servidos em cada caso. Da vamos comparar apenas o nmero de usurios de
chuva servido.

Desde que a atenuao por chuva varivel no tempo, a exigncia de potencia dos
usurios esto continuamente mudando com o tempo. A Fig.1 mostra o nmero de

utilizadores com chuva servidos ao longo de um perodo de 30 minutos com as

potncias de feixe configuradas no incio do perodo ou seja, t = 0 e, em seguida,
mantida constante durante todo o intervalo de 30 minutos. A atenuao por chuva
simulada usando o modelo estocstico (4) - (6). A potncia total disponvel
assumido como sendo de 4600 unidades e o valor de K escolhido para ser 12.
Pode ser observado que para ambos os algoritmos h muito pouca variao no
nmero de utilizadores com chuva servidos atravs de todo este perodo.

Fig. 2 mostra o nmero de usurios com chuva servidos para o algoritmo [1],
algoritimo proposto e o nmero mximo de usurios (soluo tima), que pode ser
servido, para vrios valores diferentes de potencia disponvel. O nmero de grupos
de K foi tomado para ser 12. Observa-se que em todos os casos, o nmero de
utilizadores com chuva servidos pelo algoritmo proposto so significativamente mais
do que o algoritmo em [1].

Fig. 3 mostra o nmero de utilizadores com chuva servido para diferentes valores de
K que variam de 1 a 32. Em cada caso, o nmero de utilizadores com chuva
servidos pelo algoritmo proposto maior do que o nmero de utilizadores com chuva
servidos pelo algoritmo em [1]. Com o valor de K aumentando o nmero de usurios
com chuva servido se aproxima do nmero mximo de usurios que podem ser
servidos. No entanto, pode notar-se que o aumento no necessariamente
montona exceto para o seguinte situao. Vamos comparar dois casos - quando o
nmero de grupos so K e nK multiplos mltiplo de K. Este ltimo pode ser
interpretado como grupos subdividindo e, portanto, incluem todos os possveis
alocaes de potencia, como no anterior. Assim, o nmero de utilizadores servidos
em ltimo caso vai ser, pelo menos, o nmero de utilizadores servidos na antiga ou
mesmo superior. Isto tambm pode ser visto na Fig 3, para segurar por exemplo,
comparando o caso K = 3 com qualquer mltiplo inteiro de 3 ou seja, K = 6, K = 9, K
= 12 etc., para que o nmero de utilizadores servidos maior do que para a K = 3

Vamos construir uma imagem ilustrativa, mesmo que irreal, um cenrio para
entender por que o nmero de usurios atendidos pelo algoritmo proposto maior.
Assim, considere um caso hipottico de apenas dois feixes com 100 usurios com
chuva e zero usurios com tempo bom que so servidos por cada feixe. Sendo os
requisitos de potencia dos usurios do primeiro feixe (Pthr /hi, 1) de 200, 202,

204, ...398 enquanto que os requisitos de potncia dos usurios a partir do segundo
feixe (Pthr / hi, 2) de 207, 209, 211, ... 405 e sendo a potncia total disponvel de
400. Em seguida, de acordo com o algoritmo em [1] os ganhos do canal hi, j sero
classificados em ordem decrescente. Como Pthr o mesmo para todos, isto
equivalente a triagem Pthr / hi, j em ordem crescente. Para este exemplo, requisitos
de potencia em ordem crescente ser {200, 202, 204, 206, 207, 208, 209 ... 398,
399, 401, 403, 405}.
O algoritmo em [1] ser capaz de servir apenas os quatro primeiros usurios, pois o
quinto usurio com 207 requisito de potencia a partir do segundo feixe, e, portanto,
se tiver de ser servido, 206 + 207 ie 413 unidades de potncia total ser requerido
enquanto apenas 400 unidades est disponvel. Agora, para o mesmo caso vamos
examinar o algoritmo proposto com K = 2. Os grupos constitudos no primeiro feixe
ser {200, 202,... 298} e {300, 302, ... 398}, cada um com 50 usurios. Os grupos
formados no segundo feixe ser {207, 209 ..... 305} e {307, 309, ...... 405}, que tem
50 usurios cada vez. O algoritmo proposto servir tanto os grupos da primeira feixe
e, assim, vai acabar servindo o nmero mximo de usurios possveis ou seja, 100
usurios, que tambm a soluo ideal.

Fig. 4 mostra o tempo de computao do algoritmo em [1] e o algoritmo proposto

para diferentes valores de K. Uma vez que K definido apenas para o algoritmo
proposto, o tempo de computao do algoritmo em [1] independente de K e,
consequentemente, traada como uma linha horizontal na Fig. 4. Como o valor de
K aumenta, o tempo de computao do algoritmo proposto aumenta. Gostaramos
tambm de comparar desta vez com o tempo necessrio para a soluo tima. A
soluo ptima pode ser encontrado tomando a soluo do algoritmo proposto ou o
algoritmo em [1] como o ponto de partida e buscando mais usurios que podem ser
servidos dentro da mesma restrio de potencia. Estas curvas foram representadas
como "ptimo atravs proposta" e "via algoritmo ptimo em [1]" na Fig. 4. Pode ser
visto a partir da fig. 4, que o tempo necessrio para a soluo ptima (ou atravs
proposto [1]) muito grande em comparao com a do algoritmo proposto. Pode ser
claramente observado a partir da Fig. 2 e 3 que o nmero de utilizadores servidos
muito prxima da soluo ptima mesmo para pequenos valores de K, quando a
complexidade de tempo no to grande, digamos K = 8, 10, 12 etc.

VI. CONCLUSO

Nesta trabalho, foi proposto um algoritmo de alocao de potencia do feixe atravs

da formao de grupos de usurios com necessidade de potncia similar.
capaz de servir mais do nmero de utilizadores em comparao com um algoritmo
proposto recentemente. O algoritmo flexvel, no sentido de que o seu tempo de
execuo pode ser variada numa larga gama a fazer o melhor uso dos recursos
computacionais disponveis.

REFERENCES
[1] A. Destounis and A. Panagopoulos, Dynamic power allocation for broadband
multi-beam satellite communication networks, IEEE Commun.
Lett., vol. 15, no. 4, pp. 380382, 2011.
[2] A. Panagopoulos, P.-D. M. Arapoglou, and P. G. Cottis, Satellite
communications at Ku, Ka, and V bands: propagation impairments and
mitigation techniques,IEEE Commun. Surveys and Tutorials, vol. 6, no.
3, pp. 214, 2004.
[3] A. Panagopoulos and J. Kanellopoulos, On the rain attenuation dynamics: spatial
temporal analysis of rainfall rate and fade duration statistics,
Inter. J. Sat. Commun. and Net., vol. 21, no. 6, pp. 595611, 2003.
[4] A. E. Drougas, A. Panagopoulos, and P. G. Cottis, Stochastic verification
of the first-order Markovian assumption of rain attenuation for satellite
channel dynamic modeling, IEEE Commun. Lett., vol. 12, no. 9, pp.
663665, 2008.
[5] S. A. Kanellopoulos, A. Panagopoulos, and J. Kanellopoulos, Calculation of
electromagnetic scattering from a pruppacher-pitter raindrop using
M.A.S. and slant path rain attenuation prediction,Inter. J. Infrared and
Millimeter Waves, vol. 26, no. 12, pp. 17831802, 2005.
[6] Rec. ITU-R P.838-3 1 Recommendation ITU-R P.838-3, Specific attenuation
model for rain for use in prediction methods.
[7] ITU-R Recommendation P.837-5, Characteristics of precipitation for
propagation modelling, Geneva, 2007.
[8] J. A. Garcia-Lopez, J. M. Hernando, and J. M. Selga, Simple rain
attenuation prediction method for satellite radio links, IEEE Trans.
Antenna Propag., vol. 36, no. 3, pp. 444448, 1988.
[9] M. J. Neely, E. Modiano, and C. E. Rohrs, Power allocation and routing
in multi-beam satellites with time-varying channels, IEEE/ACM Trans.
Networking, vol. 11, no. 1, pp. 138152, Feb. 2003.
[10] J. P. Choi and V. W. S. Chan, Optimum multi-beam satellite downlink

power allocation based on traffic demands, inProc. 2002 IEEE Globecom, pp. 2875
2881.
[11] Y. Hong, et al., Optimal power allocation for multiple beam satellite
systems,2008 IEEE Radio and Wireless Symposium.
[12] U. Park,et al., Optimum selective beam allocation scheme for satellite
network with multi-spot beams, 2012 International Conference on
Advances in Satellite and Space Communications.