ADVANCES IN LOW EARTH ORBIT SATELLITE SYSTEMS: COMMUNICATION PROTOCOLS, NAVIGATION, AND FEDERATED LEARNING
REGISTRO DOI: 10.69849/revistaft/pa10202502282015
Andrey de Oliveira Assam1
Ilmar Duarte dos Reis2
Resumo
Este artigo apresenta uma revisão sistemática dos avanços recentes em sistemas de satélites de baixa órbita, conhecidos como Low Earth Orbit Satellites (LEO), com foco em três áreas principais: protocolos de comunicação, soluções de navegação e aprendizado federado descentralizado. A revisão foi realizada a partir de buscas em bases de dados reconhecidas, como IEEE Xplore, SpringerLink e ScienceDirect, abrangendo publicações de 2023 e 2024. O processo metodológico seguiu etapas definidas, incluindo a seleção de artigos por meio de palavras-chave específicas e a aplicação de filtros temporais para garantir atualidade e relevância. Este survey busca responder a questões fundamentais: Quais soluções existem para reduzir a latência e ampliar a escalabilidade em redes LEO? Como sinais de oportunidade podem melhorar a precisão da navegação em ambientes urbanos? De que forma o aprendizado federado descentralizado pode ser aplicado para otimizar o uso de recursos computacionais em constelações de satélites? Os resultados revisados destacam que as arquiteturas regenerativas baseadas no 3GPP, sistemas de navegação com sinais de oportunidade e frameworks de aprendizado federado, como o FedLEO, oferecem soluções promissoras, mas também apontam desafios como handovers frequentes e limitações de largura de banda. Este trabalho fornece uma base sólida para futuras pesquisas e desenvolvimentos, com potencial impacto em telecomunicações, IoT e resposta a desastres.
Palavras-chave: Satélites em órbita baixa. Protocolos de comunicação. Navegação. Aprendizado federado.
Abstract
This article presents a systematic review of recent advancements in Low Earth Orbit (LEO) satellite systems, focusing on three main areas: communication protocols, navigation solutions, and decentralized federated learning. The review was conducted through searches in well-established databases such as IEEE Xplore, SpringerLink, and ScienceDirect, covering publications from 2023 and 2024. The methodological process followed defined steps, including article selection based on specific keywords and the application of temporal filters to ensure relevance and up-to-date information. This survey aims to address fundamental questions: What solutions exist to reduce latency and enhance scalability in LEO networks? How can opportunity signals improve navigation accuracy in urban environments? How can decentralized federated learning be applied to optimize computational resource utilization in satellite constellations? The reviewed results highlight that regenerative architectures based on 3GPP standards, navigation systems using opportunity signals, and federated learning frameworks such as FedLEO offer promising solutions while still presenting challenges like frequent handovers and bandwidth limitations. This study provides a solid foundation for future research and development, with potential impacts on telecommunications, IoT, and disaster response. Keywords: Low Earth Orbit satellites, Communication protocols, Navigation, Federated learning.
1 INTRODUÇÃO
Os satélites em órbita baixa (LEO) estão transformando as comunicações globais, impulsionando avanços em internet de alta velocidade, navegação precisa e monitoramento ambiental em tempo real. Com altitudes entre 500 e 2000 km, esses satélites apresentam menor latência e maior eficiência na transmissão de dados em comparação com satélites geoestacionários, que operam a 36.000 km da Terra. A proximidade permite menor tempo de propagação dos sinais, sendo crucial para aplicações que exigem resposta imediata, como chamadas de voz, videoconferências e controle remoto de dispositivos (REVISTA BRASILEIRA DE METEOROLOGIA, 2018).
Além da baixa latência, os satélites LEO são essenciais para conectar regiões remotas e integrar redes terrestres com a Internet das Coisas (IoT), permitindo a comunicação contínua entre dispositivos inteligentes em locais de difícil acesso (STARLINK, 2023). No entanto, as constelações de satélites LEO enfrentam desafios técnicos, como a necessidade de coordenar milhares de unidades e sincronizar grandes volumes de dados heterogêneos, fatores que demandam soluções avançadas (HWANG; OH, 2023).
Pesquisas recentes propõem alternativas promissoras para superar esses desafios. Arquiteturas regenerativas baseadas no 3GPP reduzem latências ao processar parte dos dados localmente nos satélites, minimizando a dependência de estações terrestres (HWANG; OH, 2023). Já os sinais de oportunidade (SOPs) emergem como alternativa viável aos sistemas GNSS tradicionais para navegação em áreas urbanas com obstrução de sinais (PINELL et al., 2023). No campo do aprendizado de máquina, o framework FedLEO utiliza aprendizado federado descentralizado para otimizar o uso de recursos computacionais e reduzir atrasos, garantindo maior privacidade e menor consumo de largura de banda (ZHAI et al., 2023).
O presente artigo tem como objetivo analisar os avanços em protocolos de comunicação, navegação e aprendizado federado em redes LEO, destacando soluções inovadoras e desafios ainda não resolvidos. Busca-se compreender como essas tecnologias podem aprimorar a conectividade global, explorar alternativas para mitigar limitações técnicas e sugerir novas direções para futuras pesquisas. Além disso, o estudo pretende avaliar o impacto dessas soluções em setores estratégicos, como telecomunicações, segurança, defesa e economia global, contribuindo para o desenvolvimento de sistemas mais eficientes e resilientes.
2 METODOLOGIA DE REVISÃO
Para compreender melhor o contexto dos sistemas LEO analisados neste estudo, a Figura 1 apresenta uma representação simplificada de satélites em órbita terrestre baixa, incluindo suas altitudes típicas e períodos orbitais.
Figura 1 – Satélites em Órbita Terrestre Baixa (LEO)
Fonte: Próprio autor.
A metodologia deste trabalho foi desenvolvida por meio de uma revisão sistemática da literatura, com o intuito de mapear os avanços recentes e identificar os principais desafios relacionados aos sistemas de satélites em órbita baixa (LEO). Para assegurar a relevância e a qualidade dos estudos analisados, foram considerados apenas artigos indexados em bases de dados acadêmicas de renome, como IEEE Xplore, SpringerLink e ScienceDirect, selecionados com base em seu impacto e pertinência no campo das comunicações via satélite.
O processo metodológico seguiu etapas bem definidas, abrangendo a definição de palavras-chave relevantes, a aplicação de filtros temporais delimitando o período entre 2023 e 2024 e a realização de uma análise qualitativa detalhada dos conteúdos selecionados.
Os critérios de seleção foram organizados para assegurar atualidade, pertinência e qualidade dos avanços tecnológicos discutidos, priorizando publicações recentes que tratassem diretamente de protocolos de comunicação, soluções de navegação e aprendizado federado aplicados a redes LEO.
Além disso, metodologias com aplicação comprovada em cenários reais, experimentais ou simulados também foram incluídas como critérios essenciais. Durante a revisão, a análise dos artigos foi conduzida com foco em três aspectos principais: contribuições teóricas, como propostas conceituais que ampliam o entendimento de redes LEO, incluindo novos protocolos, arquiteturas ou modelos de navegação; resultados experimentais, evidenciando o desempenho obtido por meio de simulações ou experimentos; e lacunas tecnológicas, que identificam desafios persistentes, como escalabilidade, limitações de largura de banda e gestão de handovers em redes dinâmicas.
As informações coletadas foram agrupadas em três categorias principais, comunicação, navegação e aprendizado federado e cada uma delas foi avaliada detalhadamente para identificar soluções existentes, destacar oportunidades para inovação e apontar aplicações emergentes, como Internet das Coisas (IoT), resposta a desastres e serviços globais de internet. Esse processo permitiu não apenas construir um panorama abrangente do estado da arte, mas também fundamentar teoricamente as contribuições deste trabalho.
3 ARQUITETURAS DE PROTOCOLOS PARA REDES LEO
As arquiteturas de protocolos para redes LEO estão evoluindo rapidamente para atender às demandas de comunicações globais em larga escala e alta mobilidade. Diferentemente de redes tradicionais, onde os nós são fixos ou têm movimento limitado, as constelações de satélites LEO apresentam alta dinâmica devido ao rápido movimento orbital, exigindo protocolos adaptativos e eficientes. Segundo Hwang e Oh (2023), os protocolos baseados no 3GPP integram funções regenerativas diretamente nos satélites, o que permite que tarefas como controle de enlace (RLC) sejam processadas localmente, reduzindo a latência e a sobrecarga nas estações terrestres.
Um dos principais avanços apontados pela literatura é a implementação de links inter-satélites (ISLs), que possibilitam a comunicação direta entre os satélites sem a necessidade de retransmissão constante para estações terrestres. Isso aumenta significativamente a eficiência e a resiliência das redes. No entanto, desafios como handovers frequentes entre satélites continuam a ser um problema crítico, uma vez que a alta velocidade dos satélites em relação à superfície terrestre faz com que eles se desloquem rapidamente para fora da área de cobertura das estações. Zhu et al. (2024) destacam que, para mitigar esses desafios, novas técnicas de gestão de mobilidade e protocolos de handover adaptativos devem ser desenvolvidos.
As redes de comunicação via satélite LEO utilizam enlaces inter-satélites (ISLs) e enlaces de controle terrestres para garantir a continuidade do serviço e a eficiência na transmissão de dados. Conforme ilustrado na Figura 2, essas redes são compostas por satélites interconectados, estações terrestres e dispositivos móveis, que colaboram para oferecer serviços de comunicação globais e de baixa latência.
Figura 2– Redes de Comunicação via Satélite LEO
Fonte: HWANG e OH (2023, p. 1601).
Outra solução promissora é a utilização de redes definidas por software (SDN), que oferecem maior flexibilidade e controle na configuração dos enlaces de comunicação. Sistemas baseados em SDN permitem ajustes em tempo real conforme as condições da rede variam, otimizando a alocação de recursos e a manutenção da qualidade do serviço. Além disso, a computação na borda, quando integrada a arquiteturas regenerativas, permite o processamento local de dados críticos, reduzindo ainda mais a necessidade de comunicação constante com as estações terrestres.
Lin et al. (2023) propuseram o FedSN, um framework que combina aprendizado federado com arquiteturas regenerativas e ISLs, visando aumentar a eficiência das redes LEO. A proposta de Lin et al. inclui uma estratégia de agregação pseudo-síncrona que melhora a continuidade do serviço e minimiza a perda de dados durante os handovers.
Por fim, a combinação de tecnologias emergentes, como computação na borda, SDN e aprendizado federado, pode potencializar ainda mais as redes LEO, proporcionando não apenas maior eficiência, mas também maior resiliência e escalabilidade. As soluções propostas até o momento demonstram grande potencial para atender às crescentes demandas por conectividade global de alta velocidade e baixa latência. No entanto, a necessidade de estudos adicionais para validar essas propostas em cenários operacionais reais é evidente, especialmente no que diz respeito à implementação de protocolos híbridos que combinem enlaces terrestres e inter-satélites.
4 NAVEGAÇÃO COM SINAIS LEO
Os sistemas de navegação baseados em satélites LEO têm demonstrado um grande potencial para superar as limitações de precisão dos sistemas tradicionais de navegação, como o GNSS (Global Navigation Satellite System), especialmente em ambientes urbanos e adversos. Devido à menor altitude em que operam, os satélites LEO oferecem sinais com menor degradação ao atravessar a atmosfera, o que resulta em maior precisão e menor latência nas aplicações de navegação. Estudos realizados por Pinell et al. (2023) destacam que sinais de oportunidade (SOPs), provenientes de satélites de comunicação LEO, podem ser usados de forma eficaz como uma alternativa ou complemento ao GNSS, aumentando a robustez dos sistemas de posicionamento em áreas densamente edificadas.
A utilização de SOPs apresenta vantagens significativas, pois esses sinais, além de serem amplamente disponíveis, não exigem infraestrutura dedicada para navegação, tornando-os uma solução econômica e eficiente. Adicionalmente, receptores baseados em SDR (Software-Defined Radios) têm sido amplamente empregados devido à sua flexibilidade no processamento de diferentes tipos de sinais e frequências. A capacidade dos SDRs de se adaptar a diversos formatos de modulação torna esses dispositivos ideais para aplicações em cenários dinâmicos e complexos, como a navegação de veículos autônomos, drones e robôs em ambientes urbanos.
Esse processo de determinação da posição baseia-se na técnica de trilateração, na qual as distâncias até três ou mais satélites são usadas para calcular a localização do receptor. Conforme ilustrado na Figura 3, a posição do usuário é obtida a partir da interseção de esferas cujo raio corresponde à distância entre o receptor e cada satélite.
Figura 3 – Trilateração utilizando sinais de satélites LEO.
Fonte: PINELL et al. (2023, p. 3)
Estudos recentes indicam que a combinação de SOPs com dados de sensores inerciais pode melhorar ainda mais a precisão da navegação em locais onde a recepção direta de sinais de satélite é obstruída por obstáculos, como prédios e vegetação densa. Essa fusão de dados, também conhecida como navegação híbrida, tem demonstrado resultados promissores, com reduções significativas nas taxas de erro de posicionamento em ambientes urbanos desafiadores (Pinell et al., 2023).
Outro avanço relevante nessa área é o uso de constelações LEO já operacionais, como Starlink e OneWeb, que fornecem cobertura global e sinais de alta frequência, aumentando a densidade e a disponibilidade de fontes de sinal para navegação. Zhu et al. (2024) ressaltam que o aproveitamento desses sinais de comunicação para fins de navegação pode reduzir a dependência de sistemas dedicados e proporcionar maior redundância e resiliência, características essenciais para aplicações críticas, como operações de emergência e missões militares.
Por fim, a exploração de satélites LEO como parte de sistemas de navegação híbridos, integrando múltiplas constelações e tecnologias emergentes, oferece um caminho promissor para o desenvolvimento de soluções robustas e de alta precisão. Embora os avanços recentes demonstrem grande potencial, ainda há a necessidade de estudos adicionais que avaliem o desempenho dessas soluções em diferentes cenários operacionais, bem como o desenvolvimento de novos algoritmos de fusão de dados que maximizem a precisão e a confiabilidade dos sistemas de navegação baseados em LEO.
5 APRENDIZADO FEDERADO EM REDES LEO
O aprendizado federado descentralizado emergiu como uma solução inovadora para lidar com os desafios de processamento de dados e as limitações de largura de banda em redes de satélites LEO. Diferente das abordagens tradicionais de aprendizado de máquina, que exigem a transferência de grandes volumes de dados para uma estação central, o aprendizado federado permite que os modelos sejam treinados localmente em cada satélite, mantendo os dados no local de origem. Isso reduz significativamente o consumo de largura de banda e melhora a privacidade das informações, fatores cruciais em sistemas distribuídos e sensíveis, como constelações de satélites.
Zhai et al. (2023) introduziram o framework FedLEO, que explora a colaboração entre satélites por meio de links inter-satélites (ISLs) para a agregação descentralizada de modelos. Os resultados experimentais indicaram melhorias de até 9,39% na precisão de modelos globais e uma redução de até 41% nos atrasos de comunicação, evidenciando o potencial dessa abordagem para aplicações críticas que exigem decisões rápidas, como monitoramento ambiental, resposta a desastres e vigilância em tempo real. O FedLEO demonstrou ser eficaz não apenas em cenários simulados, mas também em situações que exigem alta resiliência e continuidade de serviço, onde a comunicação com estações terrestres pode ser intermitente, conforme ilustrado na Figura 4.
Figura 4 – Ilustração do design do FedLEO.
Fonte: ZHAI et al. (2023, p. 3).
Além do FedLEO, outros frameworks vêm sendo propostos para aprimorar o aprendizado federado em redes LEO. Lin et al. (2023) desenvolveram o FedSN, uma arquitetura que combina aprendizado federado com estratégias de agregação pseudo-síncrona, permitindo maior eficiência no treinamento de modelos distribuídos. O FedSN visa mitigar os problemas decorrentes da heterogeneidade computacional e da sincronização entre satélites, oferecendo maior robustez ao sistema. Da mesma forma, Elmahallawy e Luo (2024) propuseram o FL-SEC, um framework focado na redução da redundância de dados e no aumento da eficiência energética das constelações de satélites, o que é essencial para prolongar a vida útil das missões espaciais.
A integração de aprendizado federado com tecnologias emergentes, como computação na borda e inteligência artificial distribuída, tem sido amplamente estudada para ampliar ainda mais as capacidades das constelações LEO. Zhu et al. (2024) destacam que, ao combinar essas abordagens com algoritmos adaptativos de aprendizado, é possível otimizar o uso dos recursos computacionais e melhorar a escalabilidade das redes. Esses algoritmos permitem ajustes dinâmicos nos parâmetros de aprendizado com base nas condições da rede e nas características dos dados, garantindo maior eficiência em cenários de alta complexidade.
Apesar dos avanços significativos, ainda existem desafios a serem superados, como a heterogeneidade dos dispositivos, a variabilidade na conectividade e a gestão eficiente dos recursos computacionais limitados. A continuidade das pesquisas nessa área é fundamental para explorar novas técnicas de agregação de modelos, algoritmos de aprendizado dinâmico e estratégias de mitigação de falhas. Além disso, testes operacionais em cenários reais serão cruciais para validar o desempenho das soluções propostas e promover a adoção do aprendizado federado em aplicações comerciais e governamentais.
Com o crescente interesse por constelações inteligentes, capazes de oferecer serviços de comunicação e processamento de dados em escala global, o aprendizado federado em redes LEO apresenta-se como uma tecnologia chave para o futuro da conectividade espacial. Frameworks como o FedLEO, FedSN e FL-SEC apontam para um caminho promissor, mas exigem esforços contínuos de pesquisa e desenvolvimento para alcançar seu pleno potencial em ambientes operacionais.
6 DISCUSSÕES
Os avanços nos sistemas de satélites em órbita baixa (LEO) têm sido impulsionados por demandas crescentes por conectividade global de alta qualidade e baixa latência, além da necessidade de soluções robustas para navegação e processamento de dados em larga escala. Este estudo revisou as principais contribuições recentes nessas áreas, destacando inovações em protocolos de comunicação, soluções de navegação e aprendizado federado descentralizado.
No contexto das arquiteturas de comunicação, as propostas baseadas nos padrões do 3GPP, como as descritas por Hwang e Oh (2023), mostraram-se eficazes na redução da latência e na melhoria da escalabilidade das redes LEO. A integração de links inter-satélites (ISLs) desempenha um papel essencial ao permitir a comunicação direta entre os satélites, reduzindo a necessidade de retransmissões frequentes para estações terrestres. No entanto, desafios relacionados à gestão de handovers e à continuidade do serviço ainda exigem atenção, especialmente em constelações densas com alta mobilidade orbital. Zhu et al. (2024) ressaltam que protocolos híbridos, que combinam enlaces terrestres e inter-satélites com suporte de redes definidas por software (SDN), oferecem uma abordagem promissora para superar essas limitações.
No campo da navegação, os sistemas baseados em sinais de oportunidade (SOPs) destacam-se como uma solução viável para complementar ou substituir os sistemas GNSS em ambientes urbanos. Pinell et al. (2023) demonstram que a utilização de SOPs provenientes de satélites de comunicação LEO oferece maior precisão em comparação com os sistemas GNSS tradicionais, especialmente em locais onde a obstrução de sinais é frequente. Além disso, o uso de receptores baseados em SDR (Software-Defined Radios) permite maior flexibilidade na recepção e processamento de sinais, tornando esses sistemas adaptáveis a diferentes cenários operacionais. Constelações já em operação, como Starlink e OneWeb, ilustram a viabilidade prática dessas soluções, oferecendo cobertura global e maior resiliência em aplicações críticas.
Em relação ao aprendizado federado, frameworks como FedLEO, FedSN e FL-SEC demonstram que a colaboração descentralizada entre satélites pode melhorar significativamente a eficiência do treinamento de modelos de aprendizado de máquina, mesmo em condições de conectividade limitada. Zhai et al. (2023) e Lin et al. (2023) destacam que o uso de links inter-satélites para a agregação de modelos reduz a necessidade de comunicação com estações terrestres, economizando largura de banda e energia. No entanto, a heterogeneidade dos dispositivos e a sincronização entre satélites permanecem como desafios a serem superados. Propostas recentes sugerem a integração de aprendizado federado com inteligência artificial na borda e computação distribuída como caminhos promissores para ampliar a escalabilidade e a robustez das redes LEO.
Apesar dos avanços apresentados, algumas lacunas tecnológicas persistem. A escalabilidade das constelações, a gestão eficiente de recursos computacionais e a mitigação de falhas continuam sendo barreiras significativas para a implementação de soluções em larga escala. Além disso, a ausência de padrões globais bem definidos para protocolos de comunicação e navegação em redes LEO dificulta a interoperabilidade entre diferentes constelações e sistemas.
Dado o rápido avanço das tecnologias envolvidas, sugere-se que estudos futuros explorem novas estratégias para a integração de sistemas terrestres e espaciais, com foco na criação de soluções híbridas e interoperáveis. A aplicação de redes definidas por software (SDN) e inteligência artificial na gestão de redes dinâmicas pode potencializar ainda mais a eficiência e a flexibilidade dos sistemas LEO. Ademais, testes operacionais em condições reais serão cruciais para validar a viabilidade e o desempenho das soluções propostas, garantindo que as redes LEO possam atender às demandas crescentes por serviços globais de alta qualidade.
Por fim, este estudo destaca que as inovações recentes oferecem uma base sólida para o desenvolvimento de constelações inteligentes, capazes de suportar aplicações críticas em áreas como telecomunicações, navegação, IoT e resposta a desastres. Embora os desafios técnicos ainda exijam esforços contínuos de pesquisa e desenvolvimento, os avanços revisados indicam que as redes LEO desempenharão um papel central na próxima geração de sistemas de comunicação e processamento de dados em escala global.
7 CONCLUSÃO/CONSIDERAÇÕES FINAIS
Este estudo revisou de forma abrangente os avanços em protocolos de comunicação, soluções de navegação e aprendizado federado em sistemas LEO, demonstrando que tais inovações são fundamentais para melhorar a eficiência, robustez e escalabilidade dessas redes. As análises realizadas indicam que, embora as soluções discutidas ofereçam caminhos promissores para aplicações práticas, desafios persistem, como a elevada frequência de handovers e as limitações de largura de banda, que afetam diretamente o desempenho e a escalabilidade das constelações de satélites LEO.
Do ponto de vista teórico, este trabalho contribuiu para a validação de arquiteturas regenerativas baseadas nos padrões do 3GPP, evidenciando sua capacidade de reduzir latências e aumentar a eficiência operacional das redes. Além disso, foi demonstrado o potencial dos sinais de oportunidade (SOPs) como uma alternativa ao GNSS tradicional, especialmente em ambientes urbanos, onde a precisão dos sistemas de navegação convencionais é frequentemente comprometida. Essas contribuições ampliam o entendimento sobre o uso de satélites LEO em comunicações e navegação, abrindo novos horizontes para pesquisa e desenvolvimento.
No campo prático, frameworks como o FedLEO evidenciam ganhos substanciais em termos de precisão de modelos globais e redução de atrasos, aspectos cruciais para aplicações críticas, como Internet das Coisas (IoT), telecomunicações de baixa latência e resposta a desastres naturais. Adicionalmente, frameworks recentes, como FedSN e FL-SEC, apontam soluções inovadoras para lidar com a heterogeneidade de dispositivos e a sincronização em redes LEO, indicando um caminho promissor para a implementação de sistemas mais robustos e eficientes.
Apesar das contribuições significativas apresentadas neste trabalho, algumas limitações foram identificadas. Os desafios relacionados à escalabilidade das redes, ao gerenciamento eficiente de handovers e à integração de novos protocolos permanecem como barreiras a serem superadas. Portanto, sugere-se que estudos futuros explorem novas estratégias para mitigar esses problemas, como a aplicação de algoritmos adaptativos baseados em inteligência artificial para otimizar a gestão de redes dinâmicas e a utilização de redes definidas por software (SDN) para maior flexibilidade e controle.
Além disso, recomenda-se a realização de testes em cenários operacionais reais, com constelações em funcionamento, a fim de validar as soluções propostas e medir seu impacto em larga escala. A integração de tecnologias emergentes, como computação na borda e inteligência artificial distribuída, também se apresenta como uma oportunidade valiosa para a evolução dos sistemas LEO.
Por fim, este estudo destaca que os avanços recentes oferecem uma base sólida para o desenvolvimento de sistemas LEO mais eficientes e resilientes, com potencial para transformar significativamente áreas como telecomunicações, navegação e processamento de dados globais. A continuidade das pesquisas na área será essencial para consolidar essas inovações e promover a criação de constelações inteligentes capazes de atender às demandas crescentes de conectividade global e serviços avançados.
REFERÊNCIAS
ELMAHALLAWY, M.; LUO, Z. FL-SEC: An Efficient Federated Learning Framework for Satellite Networks. IEEE Transactions on Mobile Computing, 2024. Disponível em: https://arxiv.org/abs/2401.15541. Acesso em: 20 dez. 2024.
HWANG, Y.; OH, S. Survey on Protocol Architectures for Cellular-based Low Earth Orbit Satellite Communications. 14th International Conference on Information and Communication Technology Convergence (ICTC), 2023. Disponível em: https://ieeexplore.ieee.org/abstract/document/10393800. Acesso em: 20 dez. 2024.
LIN, Y.; WANG, H.; LIU, T. FedSN: A Federated Learning Framework for Low Earth Orbit Satellite Networks. IEEE Transactions on Wireless Communications, 2023. Disponível em: https://arxiv.org/abs/2311.01483. Acesso em: 20 dez. 2024.
PINELL, C.; PROL, F. S.; BHUIYAN, M. Z. H.; PRAKS, J. Receiver architectures for positioning with low earth orbit satellite signals: a survey. EURASIP Journal on Advances in Signal Processing, 2023. Disponível em: https://link.springer.com/article/10.1186/s13634-023-01022-1. Acesso em: 20 dez. 2024.
REVISTA BRASILEIRA DE METEOROLOGIA. Impacto dos Satélites em Órbita Baixa na Meteorologia. Rev. Bras. Meteorol., 2018. Disponível em:https://www.scielo.br/j/rbmet/i/2022.v37n3/ Acesso em: 20 dez. 2024.
STARLINK. Starlink Constellation Overview. SpaceX, 2023. Disponível em: https://www.starlink.com/technology. Acesso em: 20 dez. 2024. Acesso em: 20 dez. 2024.
ZHAI, Z.; WU, Q.; YU, S.; LI, R.; ZHANG, F.; CHEN, X. FedLEO: An Offloading-Assisted Decentralized Federated Learning Framework for Low Earth Orbit Satellite Networks. IEEE Transactions on Mobile Computing, 2023. Disponível em: https://ieeexplore.ieee.org/abstract/document/10216376. Acesso em: 20 dez. 2024.
ZHU, J.; SUN, Y.; PENG, M. Timing Advance Estimation in Low Earth Orbit Satellite Networks. IEEE Transactions on Vehicular Technology, 2024. Disponível em: https://ieeexplore.ieee.org/abstract/document/10286908. Acesso em: 20 dez. 2024.
1 Discente do Curso Superior de Engenharia de telecomunicações do Instituto Fucapi Campus Fundação Centro de Análise Pesquisa e Inovação Tecnológica. e-mail: andrey_assam@hotmail.com
2 Docente do Curso Superior Engenharia de telecomunicações do Instituto Fucapi Campus Fundação Centro de Análise Pesquisa e Inovação Tecnológica, Mestre em Engenharia de Processos (UFPA em parceria com o ITEGAM e a UFSC). e-mail: ilmardr@yahoo.com.br