CN106685515A - 空间信息网络中卫星资源的分配方法和装置 - Google Patents
空间信息网络中卫星资源的分配方法和装置 Download PDFInfo
- Publication number
- CN106685515A CN106685515A CN201710008280.4A CN201710008280A CN106685515A CN 106685515 A CN106685515 A CN 106685515A CN 201710008280 A CN201710008280 A CN 201710008280A CN 106685515 A CN106685515 A CN 106685515A
- Authority
- CN
- China
- Prior art keywords
- time slot
- data
- satellite
- information
- information source
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/70—Admission control; Resource allocation
- H04L47/83—Admission control; Resource allocation based on usage prediction
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/14—Relay systems
- H04B7/15—Active relay systems
- H04B7/185—Space-based or airborne stations; Stations for satellite systems
- H04B7/1851—Systems using a satellite or space-based relay
- H04B7/18519—Operations control, administration or maintenance
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/70—Admission control; Resource allocation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/70—Admission control; Resource allocation
- H04L47/80—Actions related to the user profile or the type of traffic
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Astronomy & Astrophysics (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Radio Relay Systems (AREA)
Abstract
本发明提供了一种空间信息网络中卫星资源的分配方法和装置,涉及卫星探测的技术领域,该方法包括:统计当前时隙内多个信源卫星的流量数据;获取多个信源卫星中的每个信源卫星的历史流量数据;通过统计得到的当前时隙内的流量数据和获取的历史流量数据,对目标时隙的流量数据进行预测,得到预测信息,其中,预测信息用于预测每个信源卫星的数据待传输队列在目标时隙时的队列长度;根据预测信息对目标时隙的业务到达进行服务资源的预先分配,以使每个信源卫星按照预先分配的服务资源对数据进行传输;其中,服务资源包括传输功率。本发明缓解了现有技术中在进行服务资源的配置时,不能对服务资源进行合理配置的技术问题。
Description
技术领域
本发明涉及卫星探测的技术领域,尤其是涉及一种空间信息网络中卫星资源的分配方法和装置。
背景技术
随着空间网络的发展,多媒体业务对于卫星通信的需求也在不断增加,例如,台风监测中的图像业务等。因此,如何来设计合适的协作机制来实现高效的网络资源配置,使网络的utility最大化,功耗、延迟最小化,是非常重要的。
在现有技术中,在进行网络资源配置时,不能对未来N个时隙的流量数据进行预测,这就很可能会导致数据积压,以及传输功率得不到合理的配置。
发明内容
本发明的目的在于提供空间信息网络中卫星资源的分配方法和装置,以缓解现有技术中在进行服务资源的配置时,不能对服务资源进行合理配置的技术问题。
根据本发明的一个方面,提供了一种空间信息网络中卫星资源的分配方法,包括:统计当前时隙内多个信源卫星的流量数据;获取多个所述信源卫星中的每个信源卫星的历史流量数据;通过统计得到的所述当前时隙内的流量数据和获取的所述历史流量数据,对目标时隙的流量数据进行预测,得到预测信息,其中,所述目标时隙为所述当前时隙之后的时隙中的至少一个时隙,所述预测信息用于预测每个所述信源卫星的数据待传输队列在所述目标时隙时的队列长度;根据所述预测信息对所述目标时隙的业务到达进行服务资源的预先分配,以使每个所述信源卫星按照预先分配的服务资源对数据进行传输;其中,所述服务资源包括传输功率。
进一步地,根据所述预测信息对所述目标时隙的业务到达进行服务资源的预先分配包括:通过公式构建目标最小化模型,其中,S(t)为所述信源卫星与中继卫星之间通信链路的信道状态向量,P(t)为所述中继卫星的传输功率,表示所述中继卫星的代价函数,μ(S(t),P(t))表示在所述信道状态为S(t)、所述传输功率为P(t)时,当前服务器能够传输的数据量,V表示权重值,所述信道状态向量用于指示通信链路传输数据的传输速率,N表示所述信源卫星的数量,表示每个所述信源卫星的数据待传输队列i在未来时隙t+τ时的队列长度,τ=-1,0,1,2,…,T-1,当τ=-1时,表示在时隙t,所述数据待传输队列i中已经存在的队列长度,约束条件表示不同的所述信道状态S(t)下所述中继卫星传输功率空间,所述中继卫星为对所述多个信源卫星进行中继服务的卫星;对所述目标最小化模型进行求解,得到在所述信道状态S(t)下,所述传输功率的向量P(t)的计算结果,并将所述计算结果作为所述服务资源。
进一步地,对所述目标最小化模型进行求解,得到在所述信道状态S(t)下,所述传输功率的向量P(t)的计算结果包括:对所述目标最小化模型的第一部分Vfc(S(t),P(t))进行最小化求解,并对所述目标最小化模型的第二部分进行最小化求解计算,得到所述传输功率的向量P(t)的计算结果。
进一步地,所述权重值V用于指示所述传输功率在所述目标最小化模型中的倾向程度,其中,所述权重值V越大,则越倾向于降低所述中继卫星的传输功率,所述权重值V越小,则越倾向于使所述数据待传输队列的积压最小。
进一步地,通过统计得到的所述当前时隙内的流量数据和获取的所述历史流量数据,对目标时隙的流量数据进行预测包括:对序列集合A(t)进行L层小波分解,得到L层的估计系数aL(t)和细节系数{d1(t),d2(t),…,dL(t)},其中,所述序列集合A(t)中包含所述当前时隙内的流量数据和获取的所述历史流量数据,t表示所述当前时隙;基于所述估计系数aL(t)和细节系数{d1(t),d2(t),…,dL(t)},对每个所述目标时隙的流量数据进行预测,得到每个所述目标时隙的预测信息。
进一步地,基于所述估计系数aL(t)和细节系数{d1(t),d2(t),…,dL(t)},对每个所述目标时隙的流量数据进行预测,得到每个所述目标时隙的预测信息包括:依次重复执行以下步骤,直至执行次数为T时,得到T个时隙的流量预测信息,T为所述目标时隙的数量:基于所述序列集合A(t)的估计系数aL(t)和细节系数{d1(t),d2(t),…,dL(t)},使用神经网络模型对下一个时隙的L层估计系数和L层细节系数进行预测,得到所述下一个时隙的预测系数,其中,所述下一个时隙为所述当前时隙的下一个时隙;对所述下一个时隙的预测系数进行小波逆变换,得到所述下一个时隙的流量预测信息;将所述下一个时隙的预测信息添加至A(t),设置t=t+1。
根据本发明的另一个方面,提供了一种空间信息网络中卫星资源的分配装置,包括:统计单元,用于统计当前时隙内多个信源卫星的流量数据;获取单元,用于获取多个所述信源卫星中的每个信源卫星的历史流量数据;预测单元,用于通过统计得到的所述当前时隙内的流量数据和获取的所述历史流量数据,对目标时隙的流量数据进行预测,得到预测信息,其中,所述目标时隙为所述当前时隙之后的时隙中的至少一个时隙,所述预测信息用于预测每个所述信源卫星的数据待传输队列在所述目标时隙时的队列长度;分配单元,用于根据所述预测信息对所述目标时隙的业务到达进行服务资源的预先分配,以使每个所述信源卫星按照预先分配的服务资源对数据进行传输;其中,所述服务资源包括传输功率。
进一步地,所述分配单元用于:通过公式构建目标最小化模型,其中,S(t)为所述信源卫星与中继卫星之间通信链路的信道状态向量,P(t)为所述中继卫星的传输功率,表示所述中继卫星的代价函数,μ(S(t),P(t))表示在所述信道状态为S(t)、所述传输功率为P(t)时,当前服务器能够传输的数据量,V表示权重值,所述信道状态向量用于指示通信链路传输数据的传输速率,N表示所述信源卫星的数量,表示每个所述信源卫星的数据待传输队列i在未来时隙t+τ时的队列长度,τ=-1,0,1,2,…,T-1,当τ=-1时,表示在时隙t,所述数据待传输队列i中已经存在的队列长度,约束条件表示不同的所述信道状态S(t)下所述中继卫星传输功率空间,所述中继卫星为对所述多个信源卫星进行中继服务的卫星;对所述目标最小化模型进行求解,得到在所述信道状态S(t)下,所述传输功率的向量P(t)的计算结果,并将所述计算结果作为所述服务资源。
进一步地,所述分配单元还用于:对所述目标最小化模型的第一部分Vfc(S(t),P(t))进行最小化求解,并对所述目标最小化模型的第二部分进行最小化求解计算,得到所述传输功率的向量P(t)的计算结果。
进一步地,所述权重值V用于指示所述传输功率在所述目标最小化模型中的倾向程度,其中,所述权重值V越大,则越倾向于降低所述中继卫星的传输功率,所述权重值V越小,则越倾向于使所述数据待传输队列的积压最小。
在本发明实施例中,首先通过历史业务流量数据对当前时隙之后的至少一个时隙的流量数据进行预测,然后,根据预测得到的预测信息对至少一个时隙预先分配服务资源,以使每个信源卫星按照预先分配的服务资源对数据进行传输时,流量数据的积压最少,并且功率消耗最小。在本发明实施例中,通过预测信息进行服务资源分配的方式,达到了对服务资源进行合理分配的目的,进而缓解了现有技术中在进行服务资源的配置时,不能对服务资源进行合理配置的技术问题,从而实现了降低系统消耗和减小数据积压的技术效果。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例的一种空间信息网络中卫星资源的分配方法的流程图;
图2是根据本发明实施例的一种权重值与传输功率的关系图;
图3是根据本发明实施例的一种权重值与队列长度的关系图;
图4是根据本发明实施例的一种使用预测信息的背压算法进行功率分配进行验证的验证结果的示意图;
图5是根据本发明实施例的一种卫星资源的分配系统的示意图;
图6是根据本发明实施例的一种空间信息网络中卫星资源的分配装置的示意图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
实施例1
根据本发明实施例,提供了一种空间信息网络中卫星资源的分配方法的实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的一种空间信息网络中卫星资源的分配方法的流程图,如图1所示,该方法包括如下步骤:
步骤S102,统计当前时隙内多个信源卫星的流量数据;
步骤S104,获取多个信源卫星中的每个信源卫星的历史流量数据;
步骤S106,通过统计得到的当前时隙内的流量数据和获取的历史流量数据,对目标时隙的流量数据进行预测,得到预测信息,其中,目标时隙为当前时隙之后的时隙中的至少一个时隙,预测信息用于预测每个信源卫星的数据待传输队列在目标时隙时的队列长度;
需要说明的是,在本发明实施例中,预测信息表示对目标时隙的流量数据进行预测的信息,其中,流量数据表示信源卫星的数据待传输队列(下述实施例中均简称为队列)中的数据量,流量数据越大,则队列长度越长,流量数据越小,则队列长度越短。也就是说,预测信息用于对每个信源卫星的数据待传输队列在未来时隙的队列长度进行预测,也即,预测未来时隙有多少数据待传输。其中,数据待传输队列用于存储每个信源卫星需要通过中继卫星进行数据传输的数据。
步骤S108,根据预测信息对目标时隙的业务到达进行服务资源的预先分配,以使每个信源卫星按照预先分配的服务资源对数据进行传输;其中,服务资源包括传输功率。
需要说明的是,上述步骤S102至步骤S108的执行主体可以为地面站服务器,但不限于此。
在本发明实施例中,首先通过历史业务流量数据对当前时隙之后的至少一个时隙的流量数据进行预测,然后,根据预测得到的预测信息对至少一个时隙预先分配服务资源,以使每个信源卫星按照预先分配的服务资源对数据进行传输时,流量数据的积压最少,并且功率消耗最小。在本发明实施例中,通过预测信息进行服务资源分配的方式,达到了对服务资源进行合理分配的目的,进而缓解了现有技术中在进行服务资源的配置时,不能对服务资源进行合理配置的技术问题,从而实现了降低系统消耗和减小数据积压的技术效果。
在本发明实施例中,每个信源卫星实时将当前时隙的流量数据发送至地面站服务器,地面站服务器在获取到该流量数据之后,对流量数据进行存储,并根据当前时隙的流量数据和历史流量数据(即,当前时隙之前的流量数据)对每个信源卫星的目标时隙的流量数据进行预测,其中,目标时隙是指当前时隙之后的T个时隙,T为大于或者等于1的正整数。
对目标时隙的流量数据进行预测的方法有很多种,在本发明实施例中,采用基于小波的人工神经网络方法(BackproPagation,简称BP神经网络)对未来预测未来T个时隙(即,目标时隙)的流量到达进行预测。
具体地,基于小波的backpropagation(BP)人工神经网络方法实现如下:
首先,对序列集合A(t)进行L层小波分解,得到L层的估计系数aL(t)和细节系数{d1(t),d2(t),…,dL(t)},其中,序列集合A(t)中包含当前时隙内的流量数据和获取的历史流量数据,t表示当前时隙;
然后,基于估计系数aL(t)和细节系数{d1(t),d2(t),…,dL(t)},对每个目标时隙的流量数据进行预测,得到每个目标时隙的流量预测信息。
进一步地,基于估计系数aL(t)和细节系数{d1(t),d2(t),…,dL(t)},对每个目标时隙的流量数据进行预测,得到每个目标时隙的流量预测信息包括:
依次重复执行以下步骤,直至执行次数为T时,得到T个时隙的流量预测信息:
步骤S1,基于序列集合A(t)的估计系数aL(t)和细节系数{d1(t),d2(t),…,dL(t)},使用神经网络模型对下一个时隙的L层估计系数和L层细节系数进行预测,得到下一个时隙的预测系数,其中,下一个时隙为当前时隙的下一个时隙;
步骤S2,对下一个时隙的预测系数进行小波逆变换,得到下一个时隙的预测信息;
步骤S3,将下一个时隙的预测信息添加至A(t),设置t=t+1。
在本发明实施例中,首先对原始输入序列集合A(t)做L层小波分解,得到原始序列的特征向量,其中,原始序列的特征向量中包含分解之后的第L层估计系数aL(t),以及L层细节系数d1(t),d2(t),……,dL(t)。
然后,根据序列集合A(t)分解之后得到的第L层估计系数aL(t),以及L层细节系数d1(t),d2(t),……,dL(t)对每个目标时隙的流量数据进行预测,得到每个目标时隙的流量预测信息。具体地,对每个目标时隙进行流量预测描述如下:
首先,使用BP神经网络对当前时隙的下1个时隙的L+1个系数(即,估计系数aL(t),以及细节系数d1(t),d2(t),……,dL(t))进行预测得到aL(t+1),以及L层细节系数d1(t+1),d2(t+1),……,dL(t+1);然后,通过得到的预测系数,做小波逆变换,得到上述下一个时隙的预测信息A(t+1)。
将得到的A(t+1)信息补充到A(t)中,得到新的输入,并利用该信息的输入对上述过程重复T次,从而得到对未来T个时隙的业务流量预测信息。
在对每个目标时隙的流量数据进行预测,得到预测信息之后,就可以根据预测信息对每个目标时隙的业务到达进行服务资源的预先分配,以使每个信源卫星按照预先分配的服务资源对数据进行传输。
在本发明实施例的一个可选实施方式中,根据预测信息对目标时隙的业务到达进行服务资源的预先分配包括如下步骤:
步骤S1081,通过公式构建目标最小化模型,其中,S(t)为信源卫星与中继卫星之间通信链路的信道状态向量,P(t)为中继卫星的传输功率,表示中继卫星的代价函数,μ(S(t),P(t))表示在信道状态为S(t)、传输功率为P(t)时,当前服务器能够传输的数据量,V表示权重值,信道状态向量用于指示通信链路传输数据的传输速率,N表示信源卫星的数量,表示每个信源卫星的数据待传输队列i在未来时隙t+τ时的队列长度,τ=-1,0,1,2,…,T-1,当τ=-1时,表示在时隙t,数据待传输队列i中已经存在的队列长度,约束条件表示不同的信道状态S(t)下中继卫星传输功率空间,中继卫星为对多个信源卫星进行中继服务的卫星;
步骤S1082,对目标最小化模型进行求解,得到在信道状态S(t)下,传输功率的向量P(t)的计算结果,并将计算结果作为服务资源。
进一步地,对目标最小化模型进行求解,得到在信道状态S(t)下,传输功率的向量P(t)的计算结果包括如下步骤:
步骤S10821,对目标最小化模型的第一部分Vfc(S(t),P(t))进行最小化求解,并对目标最小化模型的第二部分进行最小化求解计算,得到传输功率的向量P(t)的计算结果。
在本发明实施例中,通过目标最小化模型可知,目标最小化模型包括两个部分,第一部分Vfc(S(t),P(t))和第二部分,其中,第二部分可以描述为公式:第一部分Vfc(S(t),P(t))是代价最小,即希望中继卫星转发的代价最小,第二部分是希望积压最小,在本发明实施例中,通过最大化第二部分公式,能够使长度(也即,队列的积压)大的队列获得更多的传输速率。
在本发明实施例中,最大化第二部分也可以称为背压算法。通过这一形式,可以使长的队列分配到更多的服务速率,即服务资源。
对目标最小化模型进行求解,即可以理解为对P(t)的求解过程,信道状态S(t)是已知的随机变量。
在本发明实施例中,对P(t)的求解过程可以描述为:
对第一部分fc(S(t),P(t))进行最小化求解,其中,最小化求解表示优化传输功率分配P(t),以使中继卫星传输代价最小。然后,对第二部分进行最大化求解,以使系统中队列长度(积压)大的信源卫星获得更多的传输速率,从而降低系统各队列的积压,其中,系统为信源卫星和中继卫星组成的系统。
通过求解该优化问题,得到信道状态S(t)下的P(t)计算结果,并将计算结果作为服务资源。
在本发明实施例中,在为目标时隙进行资源配置时,设置了基于预测信息的预服务机制,即根据当前时刻预测得到的预测信息可以为未来至少一个时隙的业务到达预先分配服务速率的机制。基于一系列预服务过程,得到系统各队列到达积压的动态变化,并构建了系统稳定条件下,系统代价最小化和积压最小化的资源配置优化问题,其中,积压最小化的核心思想是利用预测信息,采用背压算法,为可能造成流量堆积的用户分配更多的传输资源。背压算法的思想最早是应用于路由中,可以抽象成为水势越高,倾泻下来的能量越大。本发明是将经过预测,预服务后各队列可能造成的包堆积建模成为这种水势,可能的堆积越多,分配给这个队列的资源就越多,从而降低因堆积导致的延迟。
需要说明的是,在本发明实施例中,上述权重值V用于指示传输功率在目标最小化模型中的倾向程度,其中,权重值V越大,则越倾向于降低中继卫星的传输功率,权重值V越小,则越倾向于使数据待传输队列的积压最小。
通过上述描述可知,在本发明实施例中,引入流量预测环节,通过对历史流量数据到达信息的训练学习,从而实现对未来可能到达业务量的预测。进一步地,使用基于背压的资源分配方式,利用预测得到的流量信息,降低了网络传输延迟,从而提高网络传输性;同时,使用最小化问题建模,可以实现对网络传输功耗的控制。
在本发明实施例中,进一步通过仿真,来验证本发明实施例提供的空间信息网络中卫星资源的分配方法的性能,具体如下:
首先,验证基于多层小波的BP预测系统对于具有突发性、长时相关特性的业务流量能够达到较好的预测效果,小波分解各层精度如表1所示。
表1
通过表1可知,在对用户1和用户2(即,信源卫星1和信源卫星2)的各层小波分解精度,满足一定的阈值。
下面验证参数V的影响,如图2和图3所示。随着V增大,在优化中降低功耗这一目标的倾向越大,系统的功耗是逐渐降低的。但为了保证数据包的有效传输,当V很大时,功耗降低的程度是有限的。右图验证了,随着V增大,队列长度是逐渐增大的。
图4为使用预测信息的背压算法进行功率分配进行验证的验证结果。图4中左侧子图为不使用预测信息进行资源分配的仿真图,图4中右侧子图为使用预测信息进行资源分配的仿真图。通过图4可知,使用预测信息比不使用预测信息,能够有效降低系统的传输延迟,在资源分配中,通过对用户或业务信息特性的学习和利用,能够有效提高系统传输性能。
图5是根据本发明实施例的一种卫星资源的分配系统的示意图,如图5所示,该系统包括信源卫星,地面站服务器和地面站接收终端。
其中,信源卫星用于为系统提供业务数据到达;地面站服务器负责接收中继、预测及分发任务;地面站接收终端:业务数据的目的节点;λi表示队列i的数据到达率。
具体地,地面站服务器具有保存历史数据流量信息、预测数据流量的能力;地面站服务器还具有一定的运算与处理能力,能够实现小波分解、BP神经网络以及基于背压的功率分配最小化问题的算法;地面站服务器还能够控制权重值V,以根据权重值V对功率损耗及系统流量积压情况进行调整。
本发明实施例的讨论场景建模为多接入卫星与单服务者构成的空间信息网络排队系统,应用为多媒体传输业务,业务流量作为系统到达,分配的服务资源为传输功率和传输速率。系统包含多颗具有传输需求的接入卫星(也即,信源卫星),一个位于地面站的服务器,对来自多颗接入卫星的数据到达分配传输功率,将数据分发到相应的地面目的节点。除此之外,在系统中,还可以包括用于为接入卫星进行中继服务的中继卫星(中继卫星在图5中未示出)。
综上,本发明实施例提供了一种空间信息网络中卫星资源的分配方法,该方法的目的在于基于业务特性的预测信息来优化资源配置,通过业务特性的学习获取预测信息,利用得到预测信息,设计系统的预服务机制以及基于预服务的资源分配机制,从而使网络系统的传输性能得到有效提高。
本发明实施例还提供了一种空间信息网络中卫星资源的分配装置,该空间信息网络中卫星资源的分配装置主要用于执行本发明实施例上述内容所提供的空间信息网络中卫星资源的分配方法,以下对本发明实施例提供的空间信息网络中卫星资源的分配装置做具体介绍。
图6是根据本发明实施例的一种空间信息网络中卫星资源的分配装置的示意图,如图6所示,该空间信息网络中卫星资源的分配装置主要包括:统计单元61,获取单元62,预测单元63和分配单元64,其中,
统计单元61,用于统计当前时隙内多个信源卫星的流量数据;
获取单元62,用于获取多个信源卫星中的每个信源卫星的历史流量数据;
预测单元63,用于通过统计得到的当前时隙内的流量数据和获取的历史流量数据,对目标时隙的流量数据进行预测,得到预测信息,其中,目标时隙为当前时隙之后的时隙中的至少一个时隙,预测信息用于预测每个信源卫星的数据待传输队列在目标时隙时的队列长度;
分配单元64,用于根据预测信息对目标时隙的业务到达进行服务资源的预先分配,以使每个信源卫星按照预先分配的服务资源对数据进行传输;其中,服务资源包括传输功率。
需要说明的是,上述统计单元61,获取单元62,预测单元63和分配单元64的执行主体可以为地面站服务器,但不限于此。
在本发明实施例中,首先通过历史业务流量数据对当前时隙之后的至少一个时隙的流量数据进行预测,然后,根据预测得到的预测信息对至少一个时隙预先分配服务资源,以使每个信源卫星按照预先分配的服务资源对数据进行传输时,流量数据的积压最少,并且功率消耗最小。在本发明实施例中,通过预测信息进行服务资源分配的方式,达到了对服务资源进行合理分配的目的,进而缓解了现有技术中在进行服务资源的配置时,不能对服务资源进行合理配置的技术问题,从而实现了降低系统消耗和减小数据积压的技术效果。
可选地,分配单元用于:通过公式构建目标最小化模型,其中,S(t)为信源卫星与中继卫星之间通信链路的信道状态向量,P(t)为中继卫星的传输功率,表示中继卫星的代价函数,μ(S(t),P(t))表示在信道状态为S(t)、传输功率为P(t)时,当前服务器能够传输的数据量,V表示权重值,信道状态向量用于指示通信链路传输数据的传输速率,N表示信源卫星的数量,表示每个信源卫星的数据待传输队列i在未来时隙t+τ时的队列长度,τ=-1,0,1,2,…,T-1,当τ=-1时,表示在时隙t,数据待传输队列i中已经存在的队列长度,约束条件表示不同的信道状态S(t)下中继卫星传输功率空间,中继卫星为对多个信源卫星进行中继服务的卫星;对目标最小化模型进行求解,得到在信道状态S(t)下,传输功率的向量P(t)的计算结果,并将计算结果作为服务资源。
可选地,分配单元还用于:对目标最小化模型的第一部分Vfc(S(t),P(t))进行最小化求解,并对目标最小化模型的第二部分进行最小化求解计算,得到传输功率的向量P(t)的计算结果。
可选地,权重值V用于指示传输功率在目标最小化模型中的倾向程度,其中,权重值V越大,则越倾向于降低中继卫星的传输功率,权重值V越小,则越倾向于使数据待传输队列的积压最小。
可选地,预测单元用于:对序列集合A(t)进行L层小波分解,得到L层的估计系数aL(t)和细节系数{d1(t),d2(t),…,dL(t)},其中,序列集合A(t)中包含当前时隙内的流量数据和获取的历史流量数据,t表示当前时隙;基于估计系数aL(t)和细节系数{d1(t),d2(t),…,dL(t)},对每个目标时隙的流量数据进行预测,得到每个目标时隙的预测信息。
可选地,预测单元还用于:依次执行以下模块,直至执行次数为T时,得到T个时隙的流量预测信息,T为目标时隙的数量:预测模块,用于基于序列集合A(t)的估计系数aL(t)和细节系数{d1(t),d2(t),…,dL(t)},使用神经网络模型对下一个时隙的L层估计系数和L层细节系数进行预测,得到下一个时隙的预测系数,其中,下一个时隙为当前时隙的下一个时隙;变换模块,用于对下一个时隙的预测系数进行小波逆变换,得到下一个时隙的预测信息;添加模块,用于将下一个时隙的预测信息添加至A(t),设置t=t+1。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种空间信息网络中卫星资源的分配方法,其特征在于,包括:
统计当前时隙内多个信源卫星的流量数据;
获取多个所述信源卫星中的每个信源卫星的历史流量数据;
通过统计得到的所述当前时隙内的流量数据和获取的所述历史流量数据,对目标时隙的流量数据进行预测,得到预测信息,其中,所述目标时隙为所述当前时隙之后的时隙中的至少一个时隙,所述预测信息用于预测每个所述信源卫星的数据待传输队列在所述目标时隙时的队列长度;
根据所述预测信息对所述目标时隙的业务到达进行服务资源的预先分配,以使每个所述信源卫星按照预先分配的服务资源对数据进行传输;其中,所述服务资源包括传输功率。
2.根据权利要求1所述的方法,其特征在于,根据所述预测信息对所述目标时隙的业务到达进行服务资源的预先分配包括:
通过公式构建目标最小化模型,其中,S(t)为所述信源卫星与中继卫星之间通信链路的信道状态向量,P(t)为所述中继卫星的传输功率,表示所述中继卫星的代价函数,μ(S(t),P(t))表示在所述信道状态为S(t)、所述传输功率为P(t)时,当前服务器能够传输的数据量,V表示权重值,所述信道状态向量用于指示通信链路传输数据的传输速率,N表示所述信源卫星的数量,表示每个所述信源卫星的数据待传输队列i在未来时隙t+τ时的队列长度,τ=-1,0,1,2,…,T-1,当τ=-1时,表示在时隙t,所述数据待传输队列i中已经存在的队列长度,约束条件表示不同的所述信道状态S(t)下所述中继卫星的传输功率空间,所述中继卫星为对所述多个信源卫星进行中继服务的卫星;
对所述目标最小化模型进行求解,得到在所述信道状态S(t)下,所述传输功率的向量P(t)的计算结果,并将所述计算结果作为所述服务资源。
3.根据权利要求2所述的方法,其特征在于,对所述目标最小化模型进行求解,得到在所述信道状态S(t)下,所述传输功率的向量P(t)的计算结果包括:
对所述目标最小化模型的第一部分Vfc(S(t),P(t))进行最小化求解,并对所述目标最小化模型的第二部分P(t))进行最小化求解计算,得到所述传输功率的向量P(t)的计算结果。
4.根据权利要求2所述的方法,其特征在于,所述权重值V用于指示所述传输功率在所述目标最小化模型中的倾向程度,其中,所述权重值V越大,则越倾向于降低所述中继卫星的传输功率,所述权重值V越小,则越倾向于使所述数据待传输队列的积压最小。
5.根据权利要求1所述的方法,其特征在于,通过统计得到的所述当前时隙内的流量数据和获取的所述历史流量数据,对目标时隙的流量数据进行预测包括:
对序列集合A(t)进行L层小波分解,得到L层的估计系数aL(t)和细节系数{d1(t),d2(t),…,dL(t)},其中,所述序列集合A(t)中包含所述当前时隙内的流量数据和获取的所述历史流量数据,t表示所述当前时隙;
基于所述估计系数aL(t)和细节系数{d1(t),d2(t),…,dL(t)},对每个所述目标时隙的流量数据进行预测,得到每个所述目标时隙的预测信息。
6.根据权利要求5所述的方法,其特征在于,基于所述估计系数aL(t)和细节系数{d1(t),d2(t),…,dL(t)},对每个所述目标时隙的流量数据进行预测,得到每个所述目标时隙的预测信息包括:
依次重复执行以下步骤,直至执行次数为T时,得到T个时隙的流量预测信息,T为所述目标时隙的数量:
基于所述序列集合A(t)的估计系数aL(t)和细节系数{d1(t),d2(t),…,dL(t)},使用神经网络模型对下一个时隙的L层估计系数和L层细节系数进行预测,得到所述下一个时隙的预测系数,其中,所述下一个时隙为所述当前时隙的下一个时隙;
对所述下一个时隙的预测系数进行小波逆变换,得到所述下一个时隙的预测信息;
将所述下一个时隙的预测信息添加至A(t),设置t=t+1。
7.一种空间信息网络中卫星资源的分配装置,其特征在于,包括:
统计单元,用于统计当前时隙内多个信源卫星的流量数据;
获取单元,用于获取多个所述信源卫星中的每个信源卫星的历史流量数据;
预测单元,用于通过统计得到的所述当前时隙内的流量数据和获取的所述历史流量数据,对目标时隙的流量数据进行预测,得到预测信息,其中,所述目标时隙为所述当前时隙之后的时隙中的至少一个时隙,所述预测信息用于预测每个所述信源卫星的数据待传输队列在所述目标时隙时的队列长度;
分配单元,用于根据所述预测信息对所述目标时隙的业务到达进行服务资源的预先分配,以使每个所述信源卫星按照预先分配的服务资源对数据进行传输;其中,所述服务资源包括传输功率。
8.根据权利要求7所述的装置,其特征在于,所述分配单元用于:
通过公式构建目标最小化模型,其中,S(t)为所述信源卫星与中继卫星之间通信链路的信道状态向量,P(t)为所述中继卫星的传输功率,表示所述中继卫星的代价函数,μ(S(t),P(t))表示在所述信道状态为S(t)、所述传输功率为P(t)时,当前服务器能够传输的数据量,V表示权重值,所述信道状态向量用于指示通信链路传输数据的传输速率,N表示所述信源卫星的数量,表示每个所述信源卫星的数据待传输队列i在未来时隙t+τ时的队列长度,τ=-1,0,1,2,…,T-1,当τ=-1时,表示在时隙t,所述数据待传输队列i中已经存在的队列长度,约束条件表示不同的所述信道状态S(t)下所述中继卫星传输功率空间,所述中继卫星为对所述多个信源卫星进行中继服务的卫星;
对所述目标最小化模型进行求解,得到在所述信道状态S(t)下,所述传输功率的向量P(t)的计算结果,并将所述计算结果作为所述服务资源。
9.根据权利要求8所述的装置,其特征在于,所述分配单元还用于:对所述目标最小化模型的第一部分Vfc(S(t),P(t))进行最小化求解,并对所述目标最小化模型的第二部分P(t))进行最小化求解计算,得到所述传输功率的向量P(t)的计算结果。
10.根据权利要求8所述的装置,其特征在于,所述权重值V用于指示所述传输功率在所述目标最小化模型中的倾向程度,其中,所述权重值V越大,则越倾向于降低所述中继卫星的传输功率,所述权重值V越小,则越倾向于使所述数据待传输队列的积压最小。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710008280.4A CN106685515B (zh) | 2017-01-05 | 2017-01-05 | 空间信息网络中卫星资源的分配方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710008280.4A CN106685515B (zh) | 2017-01-05 | 2017-01-05 | 空间信息网络中卫星资源的分配方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106685515A true CN106685515A (zh) | 2017-05-17 |
CN106685515B CN106685515B (zh) | 2019-10-22 |
Family
ID=58849090
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710008280.4A Active CN106685515B (zh) | 2017-01-05 | 2017-01-05 | 空间信息网络中卫星资源的分配方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106685515B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107864007A (zh) * | 2017-11-03 | 2018-03-30 | 西安电子科技大学 | 面向区域目标的多星多地面站资源协同分配管理方法 |
CN108833356A (zh) * | 2018-05-21 | 2018-11-16 | 常州信息职业技术学院 | 一种多路队列共享资源访问控制装置及控制方法 |
CN108880653A (zh) * | 2018-06-29 | 2018-11-23 | 清华大学 | 中继卫星系统资源管理方法及系统 |
CN108964750A (zh) * | 2018-10-19 | 2018-12-07 | 西安基石睿盛信息技术有限公司 | 一种中小卫星时隙管理系统 |
CN111077770A (zh) * | 2019-10-29 | 2020-04-28 | 合肥工业大学 | 多星协同资源的配置方法和系统 |
CN111177194A (zh) * | 2019-12-17 | 2020-05-19 | 东北大学 | 一种流式数据的缓存方法及装置 |
CN111475301A (zh) * | 2020-04-09 | 2020-07-31 | 清华大学 | 卫星资源分配方法、装置和电子设备 |
CN112188520A (zh) * | 2020-09-11 | 2021-01-05 | 哈尔滨工业大学(深圳) | 基于神经网络负载预测的卫星物联网传输控制方法与系统 |
CN113365283A (zh) * | 2020-11-16 | 2021-09-07 | 南京航空航天大学 | 一种基于流量预测的无人机自组网信道接入控制方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1222541B1 (en) * | 1999-09-30 | 2008-12-10 | QUALCOMM Incorporated | System and method for persistence-vector-based rate assignment |
CN101442807A (zh) * | 2008-12-30 | 2009-05-27 | 北京邮电大学 | 通信系统中资源分配的方法及系统 |
CN103338461A (zh) * | 2013-06-18 | 2013-10-02 | 中国联合网络通信集团有限公司 | 基于业务量预测的网络规划方法及装置 |
CN103595656A (zh) * | 2013-11-15 | 2014-02-19 | 北京邮电大学 | 一种基于小波神经网络预测的dvb_rcs卫星信道动态分配方法 |
CN103685072A (zh) * | 2013-11-27 | 2014-03-26 | 中国电子科技集团公司第三十研究所 | 一种网络流量快速分配的方法 |
CN104077189A (zh) * | 2013-03-29 | 2014-10-01 | 西门子公司 | 一种用于资源分配的方法和装置 |
CN104640224A (zh) * | 2013-11-12 | 2015-05-20 | 华为技术有限公司 | 一种网络数据传输方法、装置及系统 |
WO2015090022A1 (zh) * | 2013-12-18 | 2015-06-25 | 中兴通讯股份有限公司 | 一种资源调度的方法、装置和计算机存储介质 |
CN105703927A (zh) * | 2014-11-25 | 2016-06-22 | 华为软件技术有限公司 | 一种资源分配方法、网络设备和网络系统 |
-
2017
- 2017-01-05 CN CN201710008280.4A patent/CN106685515B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1222541B1 (en) * | 1999-09-30 | 2008-12-10 | QUALCOMM Incorporated | System and method for persistence-vector-based rate assignment |
CN101442807A (zh) * | 2008-12-30 | 2009-05-27 | 北京邮电大学 | 通信系统中资源分配的方法及系统 |
CN104077189A (zh) * | 2013-03-29 | 2014-10-01 | 西门子公司 | 一种用于资源分配的方法和装置 |
CN103338461A (zh) * | 2013-06-18 | 2013-10-02 | 中国联合网络通信集团有限公司 | 基于业务量预测的网络规划方法及装置 |
CN104640224A (zh) * | 2013-11-12 | 2015-05-20 | 华为技术有限公司 | 一种网络数据传输方法、装置及系统 |
CN103595656A (zh) * | 2013-11-15 | 2014-02-19 | 北京邮电大学 | 一种基于小波神经网络预测的dvb_rcs卫星信道动态分配方法 |
CN103685072A (zh) * | 2013-11-27 | 2014-03-26 | 中国电子科技集团公司第三十研究所 | 一种网络流量快速分配的方法 |
WO2015090022A1 (zh) * | 2013-12-18 | 2015-06-25 | 中兴通讯股份有限公司 | 一种资源调度的方法、装置和计算机存储介质 |
CN105703927A (zh) * | 2014-11-25 | 2016-06-22 | 华为软件技术有限公司 | 一种资源分配方法、网络设备和网络系统 |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107864007B (zh) * | 2017-11-03 | 2020-09-08 | 西安电子科技大学 | 面向区域目标的多星多地面站资源协同分配管理方法 |
CN107864007A (zh) * | 2017-11-03 | 2018-03-30 | 西安电子科技大学 | 面向区域目标的多星多地面站资源协同分配管理方法 |
CN108833356A (zh) * | 2018-05-21 | 2018-11-16 | 常州信息职业技术学院 | 一种多路队列共享资源访问控制装置及控制方法 |
CN108833356B (zh) * | 2018-05-21 | 2020-11-03 | 常州信息职业技术学院 | 一种多路队列共享资源访问控制装置及控制方法 |
CN108880653A (zh) * | 2018-06-29 | 2018-11-23 | 清华大学 | 中继卫星系统资源管理方法及系统 |
CN108964750A (zh) * | 2018-10-19 | 2018-12-07 | 西安基石睿盛信息技术有限公司 | 一种中小卫星时隙管理系统 |
CN108964750B (zh) * | 2018-10-19 | 2022-09-27 | 西安基石睿盛信息技术有限公司 | 一种中小卫星时隙管理系统 |
CN111077770A (zh) * | 2019-10-29 | 2020-04-28 | 合肥工业大学 | 多星协同资源的配置方法和系统 |
CN111077770B (zh) * | 2019-10-29 | 2022-05-24 | 合肥工业大学 | 多星协同资源的配置方法和系统 |
CN111177194A (zh) * | 2019-12-17 | 2020-05-19 | 东北大学 | 一种流式数据的缓存方法及装置 |
CN111177194B (zh) * | 2019-12-17 | 2024-03-15 | 东北大学 | 一种流式数据的缓存方法及装置 |
CN111475301A (zh) * | 2020-04-09 | 2020-07-31 | 清华大学 | 卫星资源分配方法、装置和电子设备 |
CN111475301B (zh) * | 2020-04-09 | 2021-06-11 | 清华大学 | 卫星资源分配方法、装置和电子设备 |
CN112188520A (zh) * | 2020-09-11 | 2021-01-05 | 哈尔滨工业大学(深圳) | 基于神经网络负载预测的卫星物联网传输控制方法与系统 |
CN112188520B (zh) * | 2020-09-11 | 2023-12-22 | 哈尔滨工业大学(深圳) | 基于神经网络负载预测的卫星物联网传输控制方法与系统 |
CN113365283A (zh) * | 2020-11-16 | 2021-09-07 | 南京航空航天大学 | 一种基于流量预测的无人机自组网信道接入控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106685515B (zh) | 2019-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106685515A (zh) | 空间信息网络中卫星资源的分配方法和装置 | |
US10009287B2 (en) | Hierarchical software-defined network traffic engineering controller | |
CN102497362B (zh) | 异常网络流量的攻击源追踪方法及装置 | |
CN102098684B (zh) | 认知无线网络中跨层资源分配系统及方法 | |
CN103477591B (zh) | 在竞争应用之中共享网络带宽的系统 | |
CN107682135A (zh) | 一种基于noma的网络切片自适应虚拟资源分配方法 | |
CN101568026B (zh) | 可伸缩视频流多速率组播通信的最优速率分配方法 | |
CN103096415B (zh) | 一种面向认知无线Mesh网络的路由优化装置及方法 | |
CN102355670A (zh) | 一种多信道无线mesh网络信道分配方法 | |
CN103560978B (zh) | 光接入网带宽动态分配的方法和装置 | |
CN112737823A (zh) | 一种资源切片分配方法、装置及计算机设备 | |
CN106507366A (zh) | 面向多用户的中继卫星空时频域资源动态调度方法 | |
CN102665282A (zh) | 无线异构网络多用户并行传输资源的分配方法 | |
CN106028463A (zh) | 一种基于服务速率控制的星载动态频谱资源调度方法 | |
Khan et al. | A multipurpose matrices methodology for transmission usage, loss and reliability margin allocation in restructured environment | |
CN109451462A (zh) | 一种基于半马尔科夫链的车载网络频谱资源分配方法 | |
CN114138373A (zh) | 一种基于强化学习的边缘计算任务卸载方法 | |
CN106789744A (zh) | 基于融合网络虚拟化带有时延感知的高吞吐资源调度方法 | |
CN106209687A (zh) | 一种混合复用pon全局资源高效分配方法 | |
CN103634036B (zh) | 分布式多小区多用户波束成形方法、发射机及相关系统 | |
CN100558071C (zh) | 一种链路资源管理方法及传送网络和网络设备 | |
CN102438049A (zh) | SaaS应用系统的系统资源配置方法及装置 | |
CN107483355A (zh) | 面向数据中心的在线场景低带宽开销流量调度方案 | |
CN108965168A (zh) | 一种基于效用函数的车联网占优资源公平分配优化方法 | |
CN107707483A (zh) | 一种负载均衡方法、系统、设备及计算机存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |