Escolar Documentos
Profissional Documentos
Cultura Documentos
larga
I. INTRODUO
(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 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
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:
sendo j = {Pj, min + dj, Pj, min + 2DJ, ... Pj, max}.
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.
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
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.
VI. CONCLUSO
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.