論文の概要: Free-Placement Optimization of Ground Station Locations for Low-Earth Orbit Satellites

• arxiv url: http://arxiv.org/abs/2606.12667v1
• Date: Wed, 10 Jun 2026 20:52:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-12 15:55:27.456297
• Title: Free-Placement Optimization of Ground Station Locations for Low-Earth Orbit Satellites
• Title（参考訳）: 低地球軌道衛星の地上局位置自由配置最適化
• Authors: Grace Ra Kim, Duncan Eddy, Vedant Srinivas, Mykel J. Kochenderfer,
• Abstract要約: 急速に膨張する低地衛星の星座は、地球上の地上ネットワークへの需要を増大させている。 現在のアプローチでは、事前に定義された場所からサイトを選択し、既存のインフラストラクチャに最適化を限定し、パフォーマンスを制限している。 地上局設計のための2次元自由配置法SCORE(Sequential Cyclic Optimization via Refinement & Evaluation)を紹介する。
• 参考スコア（独自算出の注目度）: 21.666726162280696
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Rapidly expanding low Earth orbit satellite constellations are placing increasing demands on terrestrial ground networks, motivating the development of more efficient ground station network designs. Current approaches select sites from predefined locations, limiting optimization to existing infrastructure and constraining performance. In contrast, free-placement optimization operates over a continuous spatial domain on Earth, broadening the search space and allowing higher-throughput configurations at the cost of potentially requiring new infrastructure deployment. In this work, we introduce SCORE (Sequential Cyclic Optimization via Refinement & Evaluation), a two-stage free-placement method for ground station design. SCORE combines sequential coordinate selection with cyclic refinement to manage high-dimensionality, non-convexity, and local minima that challenge global optimizers. We benchmark SCORE against one-shot methods such as differential evolution (DE) and integer programming approaches using locations from Kongsberg Satellite Services and the World Teleport Association. Tests across two commercial Earth observation constellations (Capella Space and ICEYE) and one synthetic Walker-Star constellation show that SCORE requires up to 5x fewer function evaluations to converge relative to DE while improving downlink throughput by up to 13%. Compared to fixed-site methods, unconstrained SCORE achieves up to 15% greater total downlink, establishing a strong empirical performance benchmark for flexible placement; infrastructure-constrained SCORE retains over 92% of this gain while restricting placement to within proximity of existing fiber and power infrastructure. We also explore trade-offs between expanding existing stations and deploying new sites, informing future ground network design for operational constellations.
• Abstract（参考訳）: 急速に膨張する低軌道衛星コンステレーションは地上の地上ネットワークへの需要を増大させており、より効率的な地上局ネットワークの設計の動機となっている。 現在のアプローチでは、事前に定義された場所からサイトを選択し、既存のインフラストラクチャに最適化を限定し、パフォーマンスを制限している。 対照的に、自由配置最適化は地球上の連続的な空間領域上で動作し、検索スペースを拡大し、新しいインフラ配置を必要とする可能性があるコストで高スループット構成を可能にする。 本研究では,地上局設計のための2段階自由配置法であるSCORE(Sequential Cyclic Optimization via Refinement & Evaluation)を紹介する。 SCOREはシーケンシャル座標選択とサイクリックリファインメントを組み合わせることで、グローバルオプティマイザに挑戦する高次元性、非凸性、局所ミニマを管理する。 我々は、Kongsberg Satellite Services や World Teleport Association のロケーションを用いて、差分進化(DE)や整数プログラミングアプローチのようなワンショット手法に対してSCOREをベンチマークする。 2つの商業的な地球観測星座(Capella Space と ICEYE)と1つの合成ウォーカー・スター星座(英語版)の試験により、SCOREはDreに対して最大5倍の関数評価を必要とし、ダウンリンクのスループットは最大13%向上した。 固定位置法と比較して、制約のないSCOREは最大15%のダウンリンクを実現し、柔軟な配置のための強力な経験的性能ベンチマークを確立し、インフラに制約のあるSCOREは、既存の繊維や電力インフラの近傍に配置を制限する一方で、この利得の92%以上を維持している。 また、既存の駅の拡張と新しい場所の配置のトレードオフについて検討し、将来の地上ネットワークの設計を運用コンステレーションに通知する。

関連論文リスト

• Space Network of Experts: Architecture and Expert Placement [53.89437186709926]
  宇宙データセンターは、エネルギー集約型大規模言語モデル(LLM)を実行するための有望なプラットフォームとして構想されている しかし、重要な課題の1つは、衛星ネットワークにおける大規模LSMの効率的な分散配置である。 本稿では,広く普及しているMix-of-Experts(MoE)モデルの分散実行を目的としたSpace Network of Experts(Space-XNet)フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-01T08:40:31Z)
• Bringing Federated Learning to Space [3.058685580689604]
  Federated Learningは、衛星ネットワーク間で協調的なモデルトレーニングを行うための、有望なフレームワークを提供する。 我々は、地球上のアルゴリズムを軌道制約下での動作に適応させる包括的「宇宙化」フレームワークを導入する。 解析により、宇宙適応FLアルゴリズムは、最大100個の衛星の星座に効率よくスケールできることが示されている。
  論文  参考訳（メタデータ） (2025-11-18T20:16:07Z)
• Scalable Ground Station Selection for Large LEO Constellations [21.666726162280696]
  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。
  論文  参考訳（メタデータ） (2025-10-03T18:58:15Z)
• 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)
• A Semi-Supervised Federated Learning Framework with Hierarchical Clustering Aggregation for Heterogeneous Satellite Networks [2.5774044809669663]
  低軌道(LEO)衛星は6Gネットワークの重要なコンポーネントとして出現している。 階層的な集約を伴うLEO衛星ネットワークに適した,新しい半教師付きフェデレーション学習フレームワークを提案する。 提案手法は,他の比較手法と比較して処理時間(最大3倍)とエネルギー消費(最大4倍)を著しく削減できる。
  論文  参考訳（メタデータ） (2025-07-30T02:47:14Z)
• 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)
• 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)
• 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)
• Deep Learning Aided Routing for Space-Air-Ground Integrated Networks Relying on Real Satellite, Flight, and Shipping Data [79.96177511319713]
  現在の海上通信は主に単なる送信資源を持つ衛星に依存しており、現代の地上無線ネットワークよりも性能が劣っている。 大陸横断航空輸送の増加に伴い、商業旅客機に依存した航空アドホックネットワークという有望な概念は、空対地およびマルチホップ空対空リンクを介して衛星ベースの海上通信を強化する可能性がある。 低軌道衛星コンステレーション、旅客機、地上基地局、船舶がそれぞれ宇宙、航空、船舶として機能する、ユビキタスな海上通信を支援するための宇宙地上統合ネットワーク(SAGIN)を提案する。
  論文  参考訳（メタデータ） (2021-10-28T14:12:10Z)
• Integrating LEO Satellite and UAV Relaying via Reinforcement Learning for Non-Terrestrial Networks [51.05735925326235]
  低軌道軌道(LEO)衛星のメガコンステレーションは、低レイテンシで長距離通信を可能にする可能性がある。 軌道上の星座から選択されたLEO衛星を用いて、2つの遠距離地上端末間でパケットを転送する問題について検討する。 エンドツーエンドのデータレートを最大化するためには、衛星アソシエーションとHAPロケーションを最適化する必要がある。 本稿では, 深部強化学習(DRL)と新しい動作次元低減技術を用いてこの問題に対処する。
  論文  参考訳（メタデータ） (2020-05-26T05:39:27Z)

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。