論文の概要: Scalable Ground Station Selection for Large LEO Constellations

• arxiv url: http://arxiv.org/abs/2510.03438v1
• Date: Fri, 03 Oct 2025 18:58:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-07 16:52:59.044894
• Title: Scalable Ground Station Selection for Large LEO Constellations
• Title（参考訳）: 大型LEOコンステレーションのためのスケーラブルな地上局選択
• Authors: Grace Ra Kim, Duncan Eddy, Vedant Srinivas, Mykel J. Kochenderfer,
• Abstract要約: 本稿では,グローバル選択問題を単一衛星,短時間のサブプロブレムに分解する,スケーラブルで階層的なフレームワークを提案する。 本研究では, 合成ウォーカースター試験(衛星1-10個, 衛星1-10個)における提案手法の性能評価を行い, 全試験ケースのグローバルIP最適化の95%以内の解が得られることを示した。
• 参考スコア（独自算出の注目度）: 21.666726162280696
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Effective ground station selection is critical for low Earth orbiting (LEO) satellite constellations to minimize operational costs, maximize data downlink volume, and reduce communication gaps between access windows. Traditional ground station selection typically begins by choosing from a fixed set of locations offered by Ground Station-as-a-Service (GSaaS) providers, which helps reduce the problem scope to optimizing locations over existing infrastructure. However, finding a globally optimal solution for stations using existing mixed-integer programming methods quickly becomes intractable at scale, especially when considering multiple providers and large satellite constellations. To address this issue, we introduce a scalable, hierarchical framework that decomposes the global selection problem into single-satellite, short time-window subproblems. Optimal station choices from each subproblem are clustered to identify consistently high-value locations across all decomposed cases. Cluster-level sets are then matched back to the closest GSaaS candidate sites to produce a globally feasible solution. This approach enables scalable coordination while maintaining near-optimal performance. We evaluate our method's performance on synthetic Walker-Star test cases (1-10 satellites, 1-10 stations), achieving solutions within 95% of the global IP optimum for all test cases. Real-world evaluations on Capella Space (5 satellites), ICEYE (40), and Planet's Flock (96) show that while exact IP solutions fail to scale, our framework continues to deliver high-quality site selections.
• Abstract（参考訳）: 地上局の選択は、低地球軌道(LEO)衛星コンステレーションにおいて、運用コストを最小化し、データダウンリンク量を最大化し、アクセスウィンドウ間の通信ギャップを減らすために重要である。 従来の地上局の選択は、通常、GSaaSプロバイダによって提供される固定された場所から開始される。 しかし、既存の混合整数計画法を用いて、特に複数のプロバイダや大型衛星コンステレーションを考えると、グローバルに最適な局の解を見つけることは、急速に難航する。 この問題に対処するために,グローバル選択問題を単一衛星,短時間のサブプロブレムに分解する,スケーラブルで階層的なフレームワークを導入する。 各サブプロブレムからの最適なステーション選択はクラスタ化され、すべての分解されたケースで一貫した高い値の場所を特定する。 クラスタレベルのセットは、グローバルに実現可能なソリューションを生成するために、最も近いGSaaS候補サイトとマッチングされます。 このアプローチは、ほぼ最適性能を維持しながら、スケーラブルな調整を可能にする。 本研究では, 合成ウォーカースター試験(衛星1-10個, 衛星1-10個)における提案手法の性能評価を行い, 全試験ケースのグローバルIP最適化の95%以内の解が得られることを示した。 Capella Space (5衛星)、ICEYE (40衛星)、Planet's Flock (96衛星)の実際の評価では、正確なIPソリューションはスケールできないが、我々のフレームワークは高品質なサイト選択を提供し続けている。

関連論文リスト

• Joint AoI and Handover Optimization in Space-Air-Ground Integrated Network [48.485907216785904]
  ローアース軌道(LEO)衛星コンステレーションは、地球をカバーし、遅延を減少させる有望な解決策を提供する。 しかし、軌道力学による間欠的カバレッジと間欠的な通信窓に苦しむ。 我々の3層設計では、HAP-地上通信のための高容量衛星間通信と信頼性無線周波数(RF)リンクに、ハイブリッド自由空間光(FSO)リンクを用いる。
  論文  参考訳（メタデータ） (2025-09-16T06:16:56Z)
• Optimal Ground Station Selection for Low-Earth Orbiting Satellites [36.896695278624776]
  本稿では,低地球軌道(LEO)ミッションにおける最適な地上局選択の問題に対する解決法を提案する。 ミッションオペレーターは、地上セグメントの性能とコストを正確に設計することができる。
  論文  参考訳（メタデータ） (2024-10-04T22:48:50Z)
• Scalable Scheduling Policies for Quantum Satellite Networks [10.91414940065524]
  衛星・地上局の資源制約を考慮した量子衛星ネットワークにおける送信スケジューリングの問題点を考察する。 衛星を地上局に割り当てる際の最も一般的な問題はNPハードであることを示す。 そこで我々は,Starlinkメガコンステレーションの4つのスケーラブルアルゴリズムを提案し,その性能評価を行った。
  論文  参考訳（メタデータ） (2024-05-15T15:58:12Z)
• Collaborative Ground-Space Communications via Evolutionary Multi-objective Deep Reinforcement Learning [113.48727062141764]
  地中直接通信を実現するために,分散コラボレーティブビームフォーミング(DCB)に基づくアップリンク通信パラダイムを提案する。 DCBは、低軌道(LEO)衛星と効率的な直接接続を確立することができない端末を分散アンテナとして扱う。 本稿では,進化的多目的深層強化学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-04-11T03:13:02Z)
• Optimal Solutions for Joint Beamforming and Antenna Selection: From Branch and Bound to Machine Learning [47.10315221141495]
  本研究は、不完全なチャネル状態情報(CSI)の下で、継手ビームフォーミング(BF)とアンテナ選択(AS)の問題およびロバストビームフォーミング(RBF)バージョンを再検討する。 この研究の主な貢献は3つある。まず、関心事の問題を解決する効果的な分岐と境界(B&B)フレームワークを提案する。 第二に、潜在的にコストのかかるB&Bアルゴリズムを高速化するために、B&B検索ツリーの中間状態を省略する機械学習(ML)ベースのスキームが提案されている。
  論文  参考訳（メタデータ） (2022-06-11T17:43:02Z)
• Optimal Entanglement Distribution using Satellite Based Quantum Networks [16.797145253236607]
  衛星量子通信は、地理的に非常に長距離に分離された地上局間で高品質な量子絡み合いを分散することができる。 この研究は、軌道を公転する衛星の星座を用いて、一対の地上局に二部体の絡み合いを最適に分配することに焦点を当てている。
  論文  参考訳（メタデータ） (2022-05-24T20:32:00Z)
• Learning Emergent Random Access Protocol for LEO Satellite Networks [51.575090080749554]
  創発的ランダムアクセスチャネルプロトコル(eRACH)と呼ばれるLEO SATネットワークのための新しい許可なしランダムアクセスソリューションを提案する。 eRACHは、非定常ネットワーク環境との相互作用によって生じるモデルフリーなアプローチである。 RACHと比較して,提案するeRACHは平均ネットワークスループットが54.6%向上することを示す。
  論文  参考訳（メタデータ） (2021-12-03T07:44:45Z)
• A Maximum Independent Set Method for Scheduling Earth Observing Satellite Constellations [41.013477422930755]
  本稿では,衛星スケジューリング問題の解法として,実現不可能なグラフ表現を生成する手法を提案する。 光衛星のスカイサット星座と、最大24個の衛星のシミュレートされた星座の、要求された最大10,000の撮像位置のシナリオでテストされている。
  論文  参考訳（メタデータ） (2020-08-15T19:32:21Z)
• Goal Kernel Planning: Linearly-Solvable Non-Markovian Policies for Logical Tasks with Goal-Conditioned Options [54.40780660868349]
  我々はLinearly-Solvable Goal Kernel Dynamic Programming (LS-GKDP)と呼ばれる合成フレームワークを導入する。 LS-GKDPは、Linearly-Solvable Markov Decision Process (LMDP)形式とOptions Framework of Reinforcement Learningを組み合わせたものである。 本稿では,目標カーネルを持つLMDPが,タスク接地によって定義された低次元部分空間におけるメタポリティシの効率的な最適化を実現する方法を示す。
  論文  参考訳（メタデータ） (2020-07-06T05:13:20Z)
• Real-time Localization Using Radio Maps [59.17191114000146]
  パスロスに基づく簡易かつ効果的なローカライゼーション法を提案する。 提案手法では, 受信した信号強度を, 既知の位置を持つ基地局の集合から報告する。
  論文  参考訳（メタデータ） (2020-06-09T16:51:17Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。