PaperlayerView exact revision on arXiv

Source-linked AI summary

Satellite Swarms for Direct-to-Cell Networks: A Distribution-Performance Trade-off Analysis

Xavier Artiga, Marius Caus, Ana I. Pérez-Neira, Yerassyl Akhmetkaziyev, Malte Schellmann

arXiv:2609.01380v1eess.SP

TL;DR

이 논문은 기존의 uniform-user 분석을 넘어, distributed satellite swarm이 더 큰 aperture를 direct-to-cell network에 어떻게 활용할 수 있는지 검토한다. 시뮬레이션을 통해 swarm configuration을 비교한 결과, highly distributed aperture는 dense hotspot user에서 가장 큰 성능 향상을 보이는 반면, 실제 제약은 단기적 scalability를 제한한다.

  • 문제

    특히 positioning 및 synchronization error와 nonuniform user distribution을 고려할 때, distributed swarm configuration 전반의 communication performance에 관한 근거는 여전히 제한적이다.

  • 방법

    여러 antenna-distribution configuration에 걸쳐 monolithic array와 centrally controlled planar aperture를 갖춘 formation-flying satellite swarm을 시뮬레이션한다.

  • 결과

    ideal condition에서는 가장 많이 분산된 configuration이 일관되게 다른 configuration을 능가했으며, uniform user에서는 향상이 중간 수준이지만 hotspot에 집중된 user에서는 훨씬 크게 나타났다.

  • 시사점 및 한계

    대규모 distributed aperture는 dense hotspot service에서 상당한 성능 잠재력을 보이며, scalable synchronization, positioning 및 data distribution에 관한 연구를 촉진한다.

  • 시사점 및 한계

    수백 또는 수천 개 satellite로 구성된 swarm은 현재 기술로는 여전히 실용화하기 어렵고, performance, impairment, deployment, formation flying 및 cost를 함께 평가해야 한다.

Abstract

from arXiv · show

This work investigates 2D distributed satellite swarm configurations for direct-to-cell (D2C) applications. Unlike previous studies, which primarily considered swarms as deployment alternatives to monolithic arrays, this paper focuses on exploiting the increased spatial resolution enabled by large distributed apertures. Simulation results show that, for the considered scenarios, increasing the level of antenna distribution across satellite platforms enlarges the effective aperture and improves the system sum rate under ideal operating conditions. While gains are moderate for uniformly distributed users, they become particularly pronounced in scenarios including hotspot with high user densities. The results further show that user scheduling strategies do not invalidate the superiority of highly distributed configurations, as these architectures provide a more balanced rate distribution across the coverage area, including hotspot regions. In addition, the paper analyzes several key implementation challenges associated with large distributed swarms, including errors in inter-satellite relative positioning, synchronization impairments, and limited beamforming and user-position update rates. Although within the range of swarm configurations and scenarios considered in this work, performance gains continue to increase with aperture size, these practical constraints may restrict swarm sizes in the medium term. Nevertheless, the observed performance gains strongly motivate further research into scalable synchronization, positioning and data distribution techniques for future large-scale satellite swarms.

I. 서론 … II. 시스템 모델

이 논문은 direct-to-cell 연결을 위한 분산 위성 swarm을 분석하고, 실제 impairment 환경에서 통신 성능 trade-off를 규명하기 위해 antenna-distribution architecture와 system-model 가정을 비교한다. 또한 monolithic array, FoA, fully distributed swarm을 아우르는 fixed-EIRP 비교를 통해 handheld-device link budget의 한계와 기존 swarm 평가의 공백을 다룬다.

  • I. 서론: Handheld-device antenna의 한계로 link budget이 극도로 제한되는 한편 기존 시스템은 주로 low-data-rate 애플리케이션을 지원하므로, D2C broadband connectivity는 여전히 어렵다.서론에서는 emergency messaging과 기본 text communications를 현재 low-data-rate D2C 사용 사례로 제시한다.
  • I. 서론: 분산 위성 접근법은 하나의 크고 복잡한 위성 대신 서로 협력하는 소형 spacecraft를 사용하며, 미래 D2C 시스템의 확장성을 개선할 가능성을 제공한다,.논문은 이 패러다임을 더 낮은 고도와 더 높은 전력을 사용하는 전략 및 대형 전개형 antenna, 와 대비한다.
  • A. 관련 연구: 기존 연구는 넓게 이격된 협력 위성과 대형 분산 aperture를 형성하는 근접 formation swarm을 구분하며, synchronization, interference alignment, grating-lobe 문제가 존재한다 –,.근접 formation에서는 FoA architecture가 대형 antenna array를 탑재한 소수의 위성을 사용하며, 이들의 radiation pattern은 grating lobe를 부분적으로 완화할 수 있다,,,.
  • A. 관련 연구: 논문은 공정한 cost–performance 비교가 부족함을 지적하고, synchronization, satellite position과 attitude, user-position estimation error를 포함하는 sensitivity analysis를 요구한다.세부적인 aerospace cost optimization에 앞서 이러한 문제를 communications 관점에서 평가해야 한다.
  • B. 새로운 기여: 논문은 fixed EIRP 조건에서 monolithic satellite, satellite당 서로 다른 antenna를 사용하는 FoA, fully distributed single-antenna swarm을 비교하여, 기존에 보고되지 않았던 공정한 비교를 수행한다.이 연구는 현실적인 user distribution, scheduling policy, beamforming impairment 환경에서 어떤 수준의 antenna distribution이 가장 높은 통신 성능을 제공하는지 묻는다.
  • B. 새로운 기여: 기여 내용에는 multicarrier 및 OFDM modeling, 현실적인 user distribution과 scheduling, 그리고 hotspot size와 관련된 inter-satellite spacing 분석이 포함된다.기여 목록은 기존 연구가 제한된 hotspot, scheduling 또는 user-distribution 가정을 사용한다고 지적한다,,.
  • C. 논문 구성: 논문은 error-free system model에서 시작해 radiation-pattern theory, beamforming, user distribution과 scheduling, imperfect-position phase error, performance evaluation으로 진행된다.구성상 이러한 modeling 및 evaluation 단계를 Sections II–VI에 걸쳐 명시적으로 분리한다.
  • II. 시스템 모델: System model은 monolithic satellite 또는 planar array를 갖춘 Ns formation-flying satellite node가 협력하여 지상 user를 향해 K beam을 합성하는 경우를 고려하며, planar array에는 N radiating element가 배치된다.Formation-flying inter-node distance는 수 미터 규모이며, antenna element는 반지름 R인 원 내부에 위치한다.

A. 송신기 · B. 위성 채널 모델

이 모델은 precoded pulse-shaped signal을 통해 스케줄된 사용자를 동시에 전송하며, 각 사용자–안테나 경로를 delay, Doppler, gain, Rician fading으로 표현한다. 모델의 가정은 spatial signature와 평균 channel power를 보존하면서 instantaneous SINR fluctuation을 허용한다.

  • A. 송신기: 송신기는 동일한 time–frequency resource에서 K users를 스케줄하고, pulse shaping 전에 각 전송 대상 symbol에 안테나 coefficient를 가중한다.Square-root raised-cosine pulse는 spectral confinement와 symbol period Ts 동안의 perfect reconstruction을 제공한다.
  • B. 위성 채널 모델: 각 사용자–안테나 channel은 일정한 user direction이 유지되는 구간에서 gain, differential delay, Doppler-dependent impulse response로 모델링된다.differential delay는 coordinate-system origin과 해당 radiating element를 기준으로 정의된다.
  • B. 위성 채널 모델: monolithic satellite 또는 근접 배치된 node에서는 BW ≪ fc일 때 에 따라 경로 Doppler shift를 bandwidth 전반에서 거의 동일하고 일정한 것으로 취급한다.이 근사는 carrier frequency가 signal bandwidth보다 충분히 높다는 점에 기반한다.
  • B. 위성 채널 모델: channel coefficient는 Rician formulation을 통해 결정론적 line-of-sight propagation과 통계적으로 모델링된 diffuse multipath를 결합한다.모델은 KR을 Rician factor, An을 large-scale amplitude, ϕn을 결정론적 propagation phase로 정의한다.
  • B. 위성 채널 모델: large-scale channel amplitude는 terminal 및 element antenna gain, path loss, 기타 구현 또는 propagation loss에 좌우된다.clear-sky path loss에는 carrier frequency와 slant range가 사용되며, departure angle과의 관계는 에 기술되어 있다.
  • B. 위성 채널 모델: 상관된 diffuse fading은 각 사용자의 spatial signature와 beamforming trade-off를 보존하는 동시에 평균 channel power를 바꾸지 않고 instantaneous SINR variance를 증가시킨다.NLoS component는 수신 power에 random fluctuation을 도입하지만 beam pattern이나 분석 대상 beamwidth, sidelobe, aperture-size trade-off는 변경하지 않는다.

C. 수신기

수신기 모델은 Gaussian thermal noise에 autonomous Doppler compensation, matched filtering, sampling을 결합한다. 무시할 수 없는 differential delay는 추가로 inter-symbol interference와 inter-user interference를 유발한다.

  • 수신기: 수신기 잡음은 평균이 0인 white Gaussian noise로 모델링되며, variance σ2 = KBTBW는 Boltzmann constant, bandwidth, equivalent noise temperature에 의해 결정된다.Equivalent noise temperature는 antenna temperature, noise factor, reference temperature로부터 정의된다.
  • 수신기: UE는 알려진 satellite/swarm trajectory와 user location을 사용해 3GPP requirements 에 따라 Doppler frequency shifts를 자율적으로 보상한다.Frequency correction 이후에도 noise stochastic model은 변하지 않는다.
  • 수신기: Matched filtering 이후 Ts초마다 sampling하면 후속 discrete-time reception modeling을 위한 transmitted-symbol sequence가 복원된다.Nyquist orthogonal transmission에서는 sampled noise를 independent, identically distributed complex Gaussian variables로 모델링한다.
  • 수신기: 위성 간 differential delays는 inter-symbol interference (ISI)와 inter-user interference (IUI)를 통해 모두 received symbols를 손상시킨다.Delay difference는 무시할 수 없는 값으로 명시적으로 모델링된다.

D. 협대역 조건

협대역 조건에서는 심볼 간 간섭이 무시 가능하므로 해석적으로 다루기 쉬운 입출력 모델을 얻을 수 있다. 이 조건이 성립하지 않으면 true-time-delay 보상 또는 다중 반송파 변조로 심볼 간 간섭을 완화할 수 있으며, 해당 예시에서는 OFDM에 필요한 부반송파 수가 더 적다.

  • D. 협대역 조건: ISI를 무시하면 최대 차등 지연이 심볼 주기보다 훨씬 작을 때 해석적으로 다루기 쉬운 협대역 모델을 얻을 수 있다.이 조건에서는 유의미한 모델링 오차 없이 해당 모델을 사용할 수 있다.
  • D. 협대역 조건: True Time Delay 사전 보상은 수신기에서 원하는 신호를 정렬하지만, 많은 간섭 성분이 비동기적으로 도착하므로 간섭 완화는 여전히 어렵다.이 방법은 각 사용자에 대해 안테나 소자에 조정 가능한 시간 오프셋을 적용한다.
  • D. 협대역 조건: 다중 반송파 변조에서는 충분히 많은 부반송파가 유효 심볼 주기를 늘리므로 부반송파별로 협대역 조건을 만족한다.가드 밴드를 둔 주파수 분리 반송파는 반송파 간 간섭을 방지하며 DVB-S2 대역폭 분할과 호환된다.
  • D. 협대역 조건: 수치 예시에서는 Nsc = 40 OFDM 부반송파가 협대역 가정을 만족하며, 일반적인 다중 반송파 조건에서는 Nsc = 51이 필요하다.이 예시에서는 R = 30 m, BW = 20 MHz, θmax = 44.4° 및 α = 0.1을 사용하므로, 이 경우 OFDM의 조건이 덜 엄격하다.

E. OFDM · F. 성능 지표

OFDM formulation은 각 subcarrier에서 독립적으로 signal processing을 수행하며, frequency-dependent channel은 대역 전반에서 평가된다. 성능은 subcarrier SINR, scheduling factor를 적용한 Shannon user rate, 그리고 subcarrier별 equal power allocation 조건의 system sum rate로 특성화된다.

  • E. OFDM: OFDM processing은 subcarrier별로 수행되며, 각 subcarrier에서 각 user의 demodulated signal을 개별적으로 정의한다.
  • E. OFDM: OFDM signal model은 각 user–subcarrier pair에 대한 channel response와 additive noise를 반영한다.
  • E. OFDM: subcarrier 수가 짝수인 경우 index는 centered OFDM grid를 가로지르며, channel vector는 각 subcarrier frequency fq = fc + q BW에서 평가된다.
  • F. 성능 지표: 성능 평가는 OFDM 가정하에서 각 subcarrier의 SINR을 개별적으로 계산한다.
  • F. 성능 지표: subcarrier 전체에 Equal power allocation을 적용하면 full-band beamformer 대비 subcarrier별 beamformer의 power가 subcarrier 수에 따라 스케일링된다.
  • F. 성능 지표: User rate는 scheduling factor fsch,k를 적용한 Shannon formulation을 따르며, resulting system sum rate는 scheduled user 전반의 성능을 집계한다.

III. Swarm model · A. 이론적 배경

이론적 배경은 distributed-aperture beam resolution 및 sidelobe 거동을 user SINR과 sum-rate 성능에 연결한다. hard-core random-array model은 main beam 인근에서 각도 의존적인 sidelobe 억제를 예측하지만, 유한 layout과 peak-SLL 예측에 대해서는 정확도와 분석 범위가 제한적이다.

  • A. 이론적 배경: System sum-rate는 user SINR에 의존하며, 이는 주로 인접 beam의 main lobe에서 발생하는 inter-beam interference에 의해 제한된다. 이에 따라 reuse, interference-aware precoding 및 minimum-distance scheduling이 필요하다.일반적인 analytical SINR 또는 sum-rate 식을 도출하려면 user distribution과 scheduling strategy에 관한 강한 가정이 필요하다.
  • A. 이론적 배경: Satellite distribution이 충분히 균일하면 beam 특성은 주로 effective aperture diameter에 의해 결정되지만, 여러 satellite에 element를 분산하면 beamwidth–sidelobe trade-off가 발생한다.Inter-element spacing이 wavelength를 초과하면 periodic layout에서 심각한 grating lobe가 발생할 수 있다. Satellite position을 randomize하면 이 효과를 완화할 수 있지만 sidelobe distribution과 level은 달라질 수 있다.
  • A. 이론적 배경: Swarm radiation pattern은 individual element pattern, satellite-subarray factor 및 distributed satellite centroid의 random array factor를 결합한다.고려한 square subarray에서 peak sidelobe level은 두 principal plane에서 약 −13.26 dB이다.
  • A. 이론적 배경: Structure factor는 minimum-distance constraint로 인해 발생하는 spatial correlation을 반영함으로써 random-array sidelobe 통계를 angle dependent하게 만든다.이는 incoherent contribution이 spatially uniform하다고 보는 classical random-array theory와 다르다.
  • A. 이론적 배경: Hard-core point-process model은 origin 주변에 low-energy spatial-spectrum 영역이 존재하며, 이 영역에서 incoherent random-array contribution이 억제된다고 예측한다.첫 번째 zero 이전에는 Bessel-function term이 양수로 유지되고 structure factor에서 unity로부터 차감되기 때문에 억제가 발생한다.
  • A. 이론적 배경: Hard-core analytical prediction은 finite array 또는 ideal spatial model에서 벗어난 layout에서 정확도가 may lose accuracy 있으며, 아직 closed-form expected peak-SLL prediction을 제공하지 못한다.기존 statistical approach는 expected peak SLL을 physical array parameter와 직접 연결하지 못하므로 peak-sidelobe modeling은 향후 과제로 남겨둔다.
  • A. 이론적 배경: Low-frequency region을 벗어나면 structure factor는 converges to unity하고 analytical model은 Lo 의 classical result로 환원된다.따라서 minimum-distance effect는 모든 spatial frequency에 걸쳐 지속되기보다 main beam 주변에 국한될 것으로 예측된다.
  • A. 이론적 배경: Distributed swarm은 더 큰 aperture가 beam을 좁히고, 밀집된 user를 spatially separate하며, low-sidelobe region을 통해 인접 beam interference를 줄이므로 hotspot performance를 improve hotspot performance할 수 있다.상대적으로 균일한 user의 경우 sidelobe-limited interference가 thermal noise에 비해 여전히 약할 수 있어 array configuration 간 SINR 및 sum-rate 차이는 제한적이다.

B. 평가한 swarm 구성

이 연구는 총 방사 소자 수를 고정한 상태에서 단일 플랫폼, 4-satellite, 고분산 swarm aperture를 평가한다. aperture가 증가하면 beamwidth가 감소하는 반면, 분산 정도에 따라 sidelobe level과 공간 구조가 달라진다.

  • 평가한 swarm 구성: 평가한 아키텍처는 N개의 방사 소자를 Ns개의 satellite node에 분산하며, 정사각형 subarray, 거의 반파장인 소자 간격, cos2(θk) 소자 패턴을 사용한다.세 가지 주요 경우는 Ns = 1, Ns = 4, Ns ≫ 4이며, 고분산 satellite는 최소 이격 조건하에 직경-D 원 내부에 무작위로 배치된다.
  • 평가한 swarm 구성: 더 큰 aperture는 half-power beamwidth를 감소시켜 더욱 공격적인 spatial reuse를 가능하게 하지만, subarray 크기가 증가하면 sidelobe level이 높아진다.이러한 효과는 subarray gain 증가와 분산 구성에서 satellite node 수 감소를 반영한다.
  • 평가한 swarm 구성: 무작위 satellite geometry는 grating-lobe energy를 sidelobe 영역 전체로 분산시키는 반면, 4-satellite 구성은 뚜렷한 grating lobe를 생성한다.비교에는 N = 1600개의 방사 소자를 사용하는 구성이 적용되며, 평가한 radiation pattern으로 그 결과를 나타낸다.
  • 평가한 swarm 구성: satellite당 안테나 하나를 사용하는 구성은 가장 낮은 sidelobe level과 main beam 주변에서 가장 넓은 low-sidelobe 영역을 동시에 달성한다.실현 가능한 최소 swarm 직경에서는 예측된 low-sidelobe 영역이 D = 60 m, Ns = 1600 및 D = 32 m, Ns = 400 구성과 일치하며, 더 작은 swarm에서는 경계 효과가 발생한다.

IV. 빔포밍 설계

FDD 동작에서는 reciprocity가 성립하지 않고 대규모 안테나 또는 빔 수에 대해 exhaustive reference-signal transmission이 불가능하므로, 빔포밍 설계에서는 location-based CSI acquisition을 사용한다. 추정된 geometry와 double normalization을 적용해 per-antenna power constraints를 만족시키면서 conventional MRT-like beamformer와 MMSE를 비교한다.

  • CSI acquisition: Location-based CSI acquisition을 가정하며, reciprocity와 exhaustive reference signaling이 비현실적이므로 사용자는 random access 이후 주기적으로 자신의 위치를 보고한다.Random access는 swarm beam이 전체 field of view에 비해 좁기 때문에 특히 어렵고, 그 설계는 이 section의 범위를 벗어난다.
  • Beamformer design: conventional beamformer는 순간적인 channel amplitude가 아니라 conjugate LOS phase component만 사용하고 사용자별 동일한 전력을 할당하며, 비교를 위해 MRT로 유지한다,,.이 근사는 순간적인 amplitude variation을 이용할 수 없고 Rician K-factor가 높다는 점에 근거한다.
  • Beamformer design: MMSE beamformer는 추정된 사용자 및 안테나 위치에 따라 원소가 결정되는 추정 LOS geometry matrix로 구성한다.추정 matrix는 사용자–위성 geometry와 관련된 deterministic magnitude와 phase를 반영한다.
  • Power constraints: 행과 열에 대한 Double normalization은 per-antenna power constraints를 강제하며, 고려한 low-SNR 조건에서 다른 접근법보다 우수한 성능을 보인다.이 normalization은 추정된 channel geometry를 사용하는 MMSE 관련 식에 적용된다.

V. 사용자 분포 및 스케줄링

분산 swarm 구성의 성능은 radiation pattern과 동시에 서비스되는 사용자 분포에 모두 좌우되므로, 사용자 분포와 스케줄링 알고리즘을 분석할 필요가 있다.

  • 이 절에서는 Section III에서 논의한 swarm의 radiation pattern과 함께, 동시에 서비스되는 사용자의 분포와 스케줄링 알고리즘이 성능에 미치는 영향을 살펴본다.

A. 사용자 분포 · B. 사용자 스케줄링 · VI. 위치 추정 및 동기화 오차

이 연구는 동일 수요 가정하에서 균일, hotspot, clustered 사용자 분포와 비스케줄링 및 TDMA 스케줄링을 함께 평가한다. 동기화, 안테나 상대 위치, 사용자 위치의 불확실성과 그 공간적·시간적 가정을 포함해 distributed-aperture의 impairment를 모델링한다.

  • A. 사용자 분포: 세 가지 사용자 분포를 고려한다: 균일 커버리지, 단일 hotspot, 그리고 hotspot 성분과 커버리지 전역의 잔여 사용자를 포함하는 clustered 사용자다.사용자는 측지 좌표로 분포시키고 사용자 고도는 해수면으로 고정한다. 앞의 두 시나리오는 경향을 파악하기 위한 것이며, clustered 사용자는 현실적인 시나리오를 단순화한다.
  • A. 사용자 분포: 균일 시나리오와 단일-hotspot 시나리오는 사용자를 측지 좌표로 분포시키며, 균일 시나리오에서는 커버리지 가장자리의 밀도가 더 높아진다.hotspot은 전체 커버리지 영역 내 중심 위치를 기준으로 |θk| ≤ θhsmax 범위로 제한된다.
  • B. 사용자 스케줄링: 스케줄링은 모든 사용자에게 동시에 서비스를 제공하는 방식과 outage probability를 임의로 낮게 유지하도록 설계된 TDMA 그룹을 비교한다.사용자 그룹은 minimum-distance criterion을 사용해 구성한다.
  • B. 사용자 스케줄링: 모든 사용자의 수요가 동일하다고 가정하므로 TDMA 그룹은 round-robin 순서로 순차 서비스되며, 각 사용자의 scheduling factor는 해당 그룹 참여를 반영한다.이 가정은 수요 이질성보다 서로 다른 swarm configuration의 영향을 분리한다.
  • VI. 위치 추정 및 동기화 오차: Distributed aperture는 beamforming 성능에 영향을 미치는 동기화, 정밀한 상대 안테나 위치, 정밀한 사용자 위치 지식 확보라는 과제에 직면한다.동기화는 monolithic aperture 내부보다 어렵고, 안테나 위치도 monolithic aperture처럼 물리적으로 고정되어 있지 않다.
  • B. 사용자 스케줄링: Minimum-distance scheduling은 각도 좌표를 u-v 평면에 사영하고 쌍별 거리를 계산한 뒤, distance and size constraints하에서 그룹을 구성하고 그룹 크기를 동일하게 만든다.남은 사용자는 그룹 전체에 할당하며, 변경이 더 이상 불가능하거나 그룹 크기 차이가 최대 한 사용자일 때까지 재할당을 계속한다.
  • VI. 위치 추정 및 동기화 오차: 오차 모델은 independent impairments, planar swarm 위치 불확실성, 정규분포를 따르는 동기화 위상 오차, 그리고 한 위성에 collocated된 안테나들 사이의 공유 오차를 가정한다.사용자 위치 오차는 사용자와 위성의 update rate에 좌우된다. 본질적인 위치 추정 정확도는 half-power beamwidth보다 충분히 높다고 가정하며, 이러한 rate 효과는 Section VII에서 분석한다.

VII. 수치 평가

수치 평가는 600-km LEO 위성이 40° 최소 앙각과 20-MHz bandwidth 조건에서 S-Band 사용자를 서비스하는 환경을 기반으로 하며, 네 가지 사용자 분포 시나리오에서 array configuration을 평가한다.

  • 평가 설정: 평가에서는 600-km LEO 궤도, 40° 최소 앙각, S-Band 운용, 20-MHz bandwidth를 고려한다.달리 명시하지 않는 한 simulation parameter는 Table 3에 요약되어 있다.
  • 평가 설정: baseline simulation에서는 관련 선행 연구와 직접 비교할 수 있도록 1-m minimum inter-satellite spacing을 가정한다.선행 문헌에서는 100 m에서 around 1 m에 이르는 spacing을 가정한 반면, formation experiment에서는 2–3 m 거리에서 정확한 positioning이 가능함을 보였다.
  • 평가 설정: 수치 분석에서는 Table 4에 상세히 제시된 네 가지 user-distribution scenario에 대해 Table 2에 요약된 array configuration을 평가한다.

A. 기준 결과 · B. scheduling의 영향

안테나 분산도와 aperture가 클수록 sum rate가 향상될 수 있으며, scheduling은 이러한 이득을 유지하고 hotspot 영역을 포함해 capacity를 더욱 균등하게 배분한다.

  • A. 기준 결과: 기준 Monte Carlo simulation은 이상적 조건에서 안테나 배치, 사용자 수, 균일 사용자 분포 또는 hotspot 사용자 분포에 따라 MRT와 MMSE beamformer를 비교한다.이상적 설정에서는 완벽한 synchronization과 positioning을 가정하고 scheduling을 적용하지 않아 beamwidth와 sidelobe level 같은 radiation-pattern trade-off를 분리해 분석한다.
  • A. 기준 결과: Rician factor가 K_R = 10 dB로 낮아지면 uniform-user 및 single-hotspot 시나리오 모두에서 K_R = 60 dB 대비 sum rate가 감소한다.비교에는 MMSE beamforming과 두 극단적 구성인 monolithic array 및 1600-satellite single-antenna swarm을 사용한다.
  • A. 기준 결과: 고정된 hotspot 크기에서 inter-satellite spacing을 늘려 aperture를 확장하면 beam이 좁아지고 sidelobe level이 높아지더라도 saturation에 이를 때까지 sum rate가 향상된다.이 예에서는 100개 위성이 50명의 사용자를 서비스하며, minimum-distance 구성보다 aperture diameter를 증가시킨다.
  • A. 기준 결과: hotspot 크기를 줄이면 inter-beam interference가 증가해 sum rate가 감소하는 반면, 기준 평가는 uniform 및 single-hotspot 분포에서 사용자 배치를 변화시킨다.hotspot은 boresight와 coverage edge 사이에 배치되며, 기준 hotspot 평가에서 θ_hsmax = 10°이다.
  • B. scheduling의 영향: clustered scenario에서는 MRT를 사용해 서로 다른 안테나 구성에 대한 scheduling을 평가하고, clustered scenario 1과 2의 결과를 별도로 보고한다.더 어려운 clustered scenario 1은 scheduling algorithm 비교와 user-rate distribution 분석에 사용한다.
  • B. scheduling의 영향: scheduling algorithm은 하나의 main beam 안에 있는 사용자들이 같은 slot을 공유하지 못하게 해 outage probability를 줄이고, 잔여 interference가 주로 sidelobe distribution에 의존하도록 한다.더 좁은 beam은 모든 사용자를 서비스하는 데 필요한 scheduling slot 수도 줄여 scheduling factor f_sch를 높인다.
  • B. scheduling의 영향: scheduling은 평가한 모든 안테나 구성에서 sum rate를 향상시키며, 1600-satellite swarm은 계속해서 hotspot을 서비스하고 coverage 전반에 capacity를 더 균등하게 분배한다.scheduling 비교에는 clustered scenario 1에서 MRT를 사용하며, rate-distribution 비교에서는 monolithic array와 1600-satellite single-antenna swarm을 대조한다.

C. 위치 및 동기화 오류의 영향 · VIII. 결론

실제 동기화, 위치 추정 및 업데이트율의 제약은 이상적 조건, 특히 hotspot 사용자에서 높은 성능을 보이는 고분산 satellite swarm의 이득을 제한한다. 결론에서는 대규모 swarm을 확장 가능한 구현과 bit당 비용 분석이 필요한 장기 목표로 제시한다.

  • C. 위치 및 동기화 오류의 영향: 오류 영향 분석에서는 coverage 전반의 오류 효과를 균형 있게 평가하기 위해 균일하게 분포된 사용자를 대상으로 더 작은 random swarm과 더 큰 random swarm에서 relative-position 및 synchronization errors를 평가한다.Figures 12 및 13은 301명의 균일 분포 사용자에 대해 상대 위치 오류 및 동기화 오류의 표준편차에 따른 sum rate를 보고한다.
  • C. 위치 및 동기화 오류의 영향: σs ≤20°인 동기화 phase error는 고려한 configuration에서 sum-rate degradation을 10% 미만으로 제한할 수 있다.monolithic array를 제외하면 distribution 증가, aperture 확대 또는 beamformer에 따라 error sensitivity가 증가하지 않는다고 보고한다.
  • C. 위치 및 동기화 오류의 영향: 사용자 위치 ageing은 θhsc = 0°를 중심으로 하는 worst-case 10° hotspot에서 MRT, 300명의 사용자, 최대 350 km/h의 속도 및 pure LoS channel을 사용해 평가한다.사용자 이동 중 직접적인 GNSS position error와 복잡한 fading을 배제해 mobility 효과를 분리한다.
  • C. 위치 및 동기화 오류의 영향: 1600-satellite single-antenna swarm에서는 사용자 위치 ageing이 5 s일 때 50 ms마다, ageing이 없을 때 120 ms마다 beamforming update가 필요하다.주어진 MCS에서 10 ms 이내의 SINR fluctuation이 최대 1 dB이면 허용 가능하다고 가정한다. 더 큰 fluctuation은 BLER에 영향을 줄 수 있다.
  • VIII. 결론: 이상적인 동기화와 satellite-user positioning 조건에서 single-antenna satellites는 덜 분산된 architecture보다 일관되게 우수하며, hotspot users에서 이득이 특히 크게 나타난다.비교에는 antenna-element 수와 EIRP가 동일한 configuration을 사용한다. 균일하게 분포된 사용자에서의 개선 폭은 moderate하다.
  • VIII. 결론: 대규모 distributed swarm에는 수십 밀리초 수준의 coherent beamforming update가 필요하다. 이는 현재 5G frame duration과 양립하지만 더 긴 interval에서는 제약이 된다.더 긴 update interval에서는 effective aperture를 줄여 capacity와 link stability를 절충해야 한다.
  • VIII. 결론: 수백 또는 수천 satellite로 구성된 distributed swarm은 여전히 실용적이지 않지만, 이 논문은 이를 performance, impairment, deployment 및 formation flying 전반의 bit당 비용 분석이 필요한 장기 연구 목표로 제시한다.주요 기여는 distributed architecture의 잠재력을 입증하는 동시에 실용성을 결정하는 구현 조건을 식별한 데 있다.
Loading 2609.01380v1…