CN110620611B - 一种基于geo与leo双层卫星网络的协同频谱感知方法 - Google Patents

一种基于geo与leo双层卫星网络的协同频谱感知方法 Download PDF

Info

Publication number
CN110620611B
CN110620611B CN201910932210.7A CN201910932210A CN110620611B CN 110620611 B CN110620611 B CN 110620611B CN 201910932210 A CN201910932210 A CN 201910932210A CN 110620611 B CN110620611 B CN 110620611B
Authority
CN
China
Prior art keywords
satellite
sensing
leo
geo
perception
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.)
Active
Application number
CN201910932210.7A
Other languages
English (en)
Other versions
CN110620611A (zh
Inventor
丁晓进
王运峰
张更新
洪涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Microstar Communication Technology Co ltd
Nanjing University of Posts and Telecommunications
Original Assignee
Nanjing Microstar Communication Technology Co ltd
Nanjing University of Posts and Telecommunications
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Microstar Communication Technology Co ltd, Nanjing University of Posts and Telecommunications filed Critical Nanjing Microstar Communication Technology Co ltd
Priority to CN201910932210.7A priority Critical patent/CN110620611B/zh
Publication of CN110620611A publication Critical patent/CN110620611A/zh
Application granted granted Critical
Publication of CN110620611B publication Critical patent/CN110620611B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/382—Monitoring; Testing of propagation channels for resource allocation, admission control or handover
    • 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
    • H04B7/18513—Transmission in a satellite or space-based system
    • 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
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/14—Spectrum sharing arrangements between different networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/04—Wireless resource allocation
    • H04W72/044—Wireless resource allocation based on the type of the allocated resource
    • H04W72/0453—Resources in frequency domain, e.g. a carrier in FDMA
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/50—Allocation or scheduling criteria for wireless resources
    • H04W72/56—Allocation or scheduling criteria for wireless resources based on priority criteria

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)
  • Electromagnetism (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明公开了一种基于GEO与LEO双层卫星网络的协同频谱感知方法，包括任务评估、策略调度以及信息融合三个功能模块。首先在任务评估模块，GEO卫星根据任务输入参数对整体任务做出评估，确定感知目标的区域，数量以及感知精度。然后在策略调度模块，GEO卫星根据单星感知精度是否能达到任务评估要求选择单星频谱感知策略和多星协同感知策略。最后在信息融合阶段，GEO分别汇总各联盟的感知数据，对多个任务目标进行判决。本发明将推选种子卫星与联盟博弈相结合，能够针对多目标协同感知，满足不同层次任务需求，而且兼顾多星协同感知中相互矛盾的漏检概率和虚警概率，有效的降低了两者的总体错误率，改善频谱感知性能。

Description

一种基于GEO与LEO双层卫星网络的协同频谱感知方法
技术领域
本发明涉及一种基于GEO与LEO双层卫星网络的协同频谱感知方法，属于无线通信技术。
背景技术
低轨卫星具有覆盖范围广，星地距离近、通信延时低、传播损耗小等特点，并且多颗低轨卫星构成的星座可实现全球(包含两极)无缝覆盖，能够有效克服地面通信网在覆盖方面的不足，具有广阔的应用前景。近年来国内外对低轨卫星展开了深入研究，一些公司更是提出数百颗或上千颗LEO卫星组成的大规模星座系统，如SpaceX和OneWeb，代表着卫星通信未来发展的方向。另一方面，随着通信网络的发展，可申请使用的频率资源越来越紧张，卫星通信很难获得全球覆盖的授权频率，因此如何破解网络全球覆盖与频谱限制之间的瓶颈是目前急需解决的现实问题。
频谱感知是认知无线电技术的关键技术之一，能够缓解频谱资源紧张，为需要通信的用户动态的接入到空闲频谱上，提升频谱资源的实际利用率。因此基于低轨星座的频谱感知能够突破地面频谱资源不足的限制，实现全球范围内频率共享，是解决卫星网络用频瓶颈的有效手段。然而受限于单星感知能力不足，频谱感知的精度往往达不到检测要求，而且卫星监测的带宽一般都采用宽频带，这更增加了卫星感知难度。因此通过多星协同提升频谱感知精度，是解决上述问题的有效途径。
通过卫星协同感知，会降低频谱漏检概率，然而又会提升虚警概率，如何平衡两者关系对提升频谱感知性能有着重要意义。而作为合作博弈论之一的联盟博弈模型，能够充分关注参与协作的每个节点自身的策略，将所有参与的节点组成一个个联盟，通过联盟协同在提升整体系统的同时，也提升了个体的效用值。
基于此，这里研究一种基于任务驱动的GEO和LEO双层卫星网络协同感知，将推选种子卫星与联盟博弈相结合，能够针对多目标协同感知，满足不同层次任务需求。
发明内容
发明目的：针对LEO单星感知能力弱的问题，本发明提供一种基于任务驱动的GEO和LEO双层卫星网络的协同感知方法，利用GEO作为网络骨干节点，承担任务评估与协同算法的实施，LEO卫星根据GEO指令对任务目标频谱感知；为了兼顾多星协同感知中相互矛盾的漏检概率和虚警概率，本发明还提出了一种基于联盟博弈的多星协同算法，并以任务目标数目作为划分联盟数量，LEO卫星形成一个个联盟分别对目标进行感知；本发明方法能够改善频谱感知性能，降低频谱检测中的总体错误率。
技术方案：为实现上述目的，本发明采用的技术方案为：
一种基于GEO与LEO双层卫星网络的协同频谱感知方法，以GEO卫星作为网络的骨干节点，对感知任务进行评估并实施多星协同感知策略；以LEO卫星作为频谱感知节点，采用能量检测的方式对地面设备是否占用频谱资源进行感知(单星频谱感知)，并将感知结果上报给GEO卫星；具体包括感知任务评估、策略调度以及信息融合三个部分，具体步骤如下：
(1)感知任务评估：GEO卫星根据设定的任务开始时间、任务区域、任务区域上空LEO卫星数量、任务优先级在内的任务参数对感知任务进行评估，确定感知目标及其对应的感知精度要求，并向LEO卫星发出频谱感知指令；
(2)策略调度：LEO卫星根据接收到的频谱感知指令进行单星频谱感知，并将感知结果上报给GEO卫星，GEO卫星根据感知结果和感知精度之间的匹配度，自主选择单星频谱感知策略或多星协同感知策略；
(3)信息融合：针对单星频谱感知策略，GEO卫星根据LEO卫星的感知结果直接判定所感知频段是否占用，并将判定信息发送给地面指挥中心；针对多星协同感知策略，GEO卫星分别汇总各联盟内的感知数据，根据逻辑或(OR)融合准则做出判定，并将融合结果发送给地面指挥中心。
具体的，所述步骤(1)中，GEO卫星对感知任务进行评估，将对第k次感知任务的评估建模为：
Figure BDA0002220563590000021
其中：tek为任务开始时间，sh任务区域，nk为任务区域上空LEO卫星数量，lk为任务优先级，DB表示GEO卫星的历史感知任务评估数据库，εk为目标感知精度，mk为目标数；地面指挥中心将感知任务发送给GEO卫星，GEO卫星根据历史感知任务评估数据库得出感知参数。
具体的，所述步骤(2)中，GEO卫星根据感知目标感知任务分配，具体包括如下步骤：
(2.1)LEO卫星根据接收到的频谱感知指令进行单星频谱感知，并将感知结果上报给GEO卫星，GEO卫星根据感知目标选择出种子卫星；
(2.2)GEO卫星判断各LEO卫星的感知精度是否达到要求：若达到要求，则进入步骤(2.3)；否则，进入步骤(2.4)；
(2.3)实施单星频谱感知策略，LEO卫星进行单星频谱感知；
(2.4)GEO卫星将每个种子卫星单独划分为一个联盟，对剩余的其他LEO卫星实施联盟博弈算法，实施多星协同感知策略。
具体的，所述步骤(2)中，LEO卫星采用能量检测的方式进行单星频谱感知(SS)，在阴影莱斯信道条件下，单星频谱感知策略的漏检概率为：
Figure BDA0002220563590000031
其中：
Figure BDA0002220563590000032
为LEO卫星i对感知目标k的漏检概率，
Figure BDA0002220563590000033
Pt为用频设备的发射信号功率，N0为噪声功率谱密度，2b0为散射分量的平均功率，u为采样点数，m为Nakagami衰落参数，Ω为直射分量的平均功率，
Figure BDA0002220563590000034
是长度为n的增量因子，Γ(·)为伽玛函数，λ为判决门限，1F1(·)表示合流超几何函数。
具体的，所述步骤(2)中，所述种子卫星的选取方案为：
Figure BDA0002220563590000035
其中：
Figure BDA0002220563590000041
为LEO卫星i对感知目标k的虚警概率，α为虚警概率门限值，
Figure BDA0002220563590000042
表示使目标函数最大化时i所对应的值，N为LEO卫星总数量，
Figure BDA0002220563590000043
表示为已经被选出来的种子卫星，
Figure BDA0002220563590000044
表示所有LEO卫星中除去选出的种子卫星后的集合。
具体的，所述步骤(2)中，联盟博弈算法的形成规则为：
Figure BDA0002220563590000045
其中：Si和Sj表示联盟i和联盟j中，＞表示喜好函数，
Figure BDA0002220563590000046
表示LEO卫星l在本次迭代之前加入的所有历史联盟；lSj＞lSi表示相对联盟Si，LEO卫星l更愿意加入Sj。
具体的，所述步骤(2)中，多星协同感知策略(MS)的漏检概率为：
Figure BDA0002220563590000047
其中：
Figure BDA0002220563590000048
为针对感知目标k多星协同感知时的漏检概率，
Figure BDA0002220563590000049
为LEO单星i对感知目标k的漏检概率。
具体的，所述步骤(2)中，联盟博弈的效用函数表示为：
Figure BDA00022205635900000410
其中：
Figure BDA00022205635900000411
为针对感知目标k多星协同感知时的漏检概率，
Figure BDA00022205635900000412
为该联盟的虚警概率，α为联盟虚警概率门限。
具体的，所述步骤(3)中：当感知策略为LEO单星感知时，在感知同一感知目标的所有LEO卫星中，GEO卫星选取效应值最高的LEO卫星做出最终判定；当感知策略为多星协同感知策略时，GEO卫星汇总感知该感知目标的联盟内所有成员的感知数据，通过逻辑或融合准则进行融合判定。
有益效果：本发明提供的基于GEO与LEO双层卫星网络的协同频谱感知方法，以任务驱动选择单星频谱感知策略和多星协同感知策略，能够满足不同任务层次的感知需求，另外在协同感知中选择以联盟博弈算法，能够兼顾多星协同感知中相互矛盾的漏检概率和虚警概率，有效的降低了两者的总体错误率，改善频谱感知性能。
附图说明
图1为本发明方法的实施流程框图；
图2为本发明方法在多星协同中采用联盟博弈策略形成的联盟图；
图3为本发明方法不同卫星数下的联盟效用函数曲线图。
具体实施方式
下面结合附图对本发明作更进一步的说明。
一种基于GEO与LEO双层卫星网络的协同频谱感知方法，以GEO卫星作为网络的骨干节点，对感知任务进行评估并实施多星协同感知策略；以LEO卫星作为频谱感知节点，采用能量检测的方式对地面设备是否占用频谱资源进行感知(单星频谱感知)，并将感知结果上报给GEO卫星。该方法通过集中式频谱感知，能够减轻LEO卫星负担，符合LEO卫星小型化、轻量化的现实需求，另外GEO卫星与地面保持相对静止，且覆盖广，具有较好的稳定性，能够快速准确评估感知任务。另外基于联盟博弈的多星感知，可以针对多目标进行同时感知，并能够兼顾多星协同感知中相互矛盾的漏检概率和虚警概率，有效的降低了两者的总体错误率，提升频谱感知性能。
该方法具体包括感知任务评估、策略调度以及信息融合三个部分。
步骤一：感知任务评估
GEO卫星根据设定的任务开始时间、任务区域、任务区域上空LEO卫星数量、任务优先级在内的任务参数对感知任务进行评估，确定感知目标及其对应的感知精度要求，并向LEO卫星发出频谱感知指令。
GEO卫星对感知任务进行评估，将对第k次感知任务的评估建模为：
Figure BDA0002220563590000051
其中：tek为任务开始时间，sh任务区域，nk为任务区域上空LEO卫星数量，lk为任务优先级，DB表示GEO卫星的历史感知任务评估数据库，εk为目标感知精度，mk为目标数；地面指挥中心将感知任务发送给GEO卫星，GEO卫星根据历史感知任务评估数据库得出感知参数。
步骤二：策略调度
LEO卫星根据接收到的频谱感知指令进行单星频谱感知，并将感知结果上报给GEO卫星，GEO卫星根据感知结果和感知精度之间的匹配度，自主选择单星频谱感知策略或多星协同感知策略。
GEO卫星根据感知目标感知任务分配，具体包括如下步骤：
(2.1)LEO卫星根据接收到的频谱感知指令进行单星频谱感知，并将感知结果上报给GEO卫星，GEO卫星根据感知目标选择出种子卫星；
(2.2)GEO卫星判断各LEO卫星的感知精度是否达到要求：若达到要求，则进入步骤(2.3)；否则，进入步骤(2.4)；
(2.3)实施单星频谱感知策略，LEO卫星进行单星频谱感知；
(2.4)GEO卫星将每个种子卫星单独划分为一个联盟，对剩余的其他LEO卫星实施联盟博弈算法，实施多星协同感知策略。
所述LEO卫星采用能量检测的方式进行单星频谱感知(SS)，在阴影莱斯信道条件下，单星频谱感知策略的漏检概率为：
Figure BDA0002220563590000061
其中：
Figure BDA0002220563590000062
为LEO卫星i对感知目标k的漏检概率，
Figure BDA0002220563590000063
Pt为用频设备的发射信号功率，N0为噪声功率谱密度，2b0为散射分量的平均功率，u为采样点数，m为Nakagami衰落参数，Ω为直射分量的平均功率，
Figure BDA0002220563590000064
是长度为n的增量因子，Γ(·)为伽玛函数，λ为判决门限，1F1(·)表示合流超几何函数。
所述种子卫星的选取方案为：
Figure BDA0002220563590000071
其中：
Figure BDA0002220563590000072
为LEO卫星i对感知目标k的虚警概率，α为虚警概率门限值，
Figure BDA0002220563590000073
表示使目标函数最大化时i所对应的值，N为LEO卫星总数量，
Figure BDA0002220563590000074
表示为已经被选出来的种子卫星，
Figure BDA0002220563590000075
表示所有LEO卫星中除去选出的种子卫星后的集合。
所述联盟博弈算法的形成规则为：
Figure BDA0002220563590000076
其中：Si和Sj表示联盟i和联盟j中，＞表示喜好函数，
Figure BDA0002220563590000077
表示LEO卫星l在本次迭代之前加入的所有历史联盟；lSj＞lSi表示相对联盟Si，LEO卫星l更愿意加入Sj。
所述多星协同感知策略(MS)的漏检概率为：
Figure BDA0002220563590000078
其中：
Figure BDA0002220563590000079
为针对感知目标k多星协同感知时的漏检概率，
Figure BDA00022205635900000710
为LEO单星i对感知目标k的漏检概率。
所述联盟博弈的效用函数表示为：
Figure BDA00022205635900000711
其中：
Figure BDA00022205635900000712
为针对感知目标k多星协同感知时的漏检概率，
Figure BDA00022205635900000713
为该联盟的虚警概率，α为联盟虚警概率门限。
步骤三：信息融合
当感知策略为LEO单星感知时，在感知同一目标的所有的LEO卫星中，GEO卫星选取效应值最高的卫星做最终判决；当感知策略为多星协同感知时，GEO汇总感知该目标的联盟内所有成员的感知数据，通过OR准则进行融合判决，即采用逻辑“或”运算对多个卫星的感知结果进行融合而做出最终的判决。
在多星协同中采用联盟博弈策略形成的联盟图如图2所示，可以发现，9颗卫星能够形成3个联盟，因为本次的感知任务只是一个，所以在这3个联盟中选取效应值最高的联盟作最终判决。由于各颗LEO卫星的无线信道环境不同，相应的检测概率也是不同的，表1为LEO单星的检测概率、效用值以及进行联盟博弈后的联盟成员及联盟效用值。
表1 每颗卫星的检测概率和效用值与联盟博弈后的联盟成员及联盟效用值
Figure BDA0002220563590000081
由表1可以直观发现GEO卫星通过本文所提的联盟博弈算法，选取联盟3{6,7,9}的感知结果作为最终判决。虽然联盟1{1,2,3,4,8}拥有更多的卫星数，漏检概率也比联盟3{6,7,9}要高，但是其联盟效应值为0.9039，而联盟3{6,7,9}的效用值为0.9408。这是因为算法是考虑的整体错误率，即
Figure BDA0002220563590000082
联盟1在博弈的进程中虽然降低了漏检概率，同时也提升了虚警概率，其整体性能不如联盟3。由此可见，本方法能平衡在协同进程中相互矛盾的漏检概率和虚警概率，拥有更好的感知性能。
图3为感知卫星的联盟效用值与卫星数目的关系，性能对比的方法为非协作单星感知，即在所有感知的LEO卫星中选取错误率最低的卫星做判决。由图可知，基于本发明的多星协同感知性能有了大幅提升，相比取最优单星感知，联盟效用函数提升2个百分点，相应地，错误概率能够有20％的降幅。
综上所述，本发明基于GEO与LEO双层卫星网络的协同频谱感知方法，GEO卫星作为网络的骨干节点，评估感知任务以及实施LEO卫星协同算法，LEO卫星作为频谱感知节点，采用能量检测的方式对地面设备是否占用频谱资源进行感知判定。本发明以任务驱动选择单星频谱感知策略和多星协同感知策略，满足不同任务层次的感知需求，另外在协同感知中选择以联盟博弈算法，能够兼顾多星协同感知中相互矛盾的漏检概率和虚警概率，有效的降低了两者的总体错误率，改善频谱感知性能。
以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (6)

1.一种基于GEO与LEO双层卫星网络的协同频谱感知方法，其特征在于：以GEO卫星作为网络的骨干节点，对感知任务进行评估并实施多星协同感知策略；以LEO卫星作为频谱感知节点，采用能量检测的方式对地面设备是否占用频谱资源进行感知，并将感知结果上报给GEO卫星；具体包括感知任务评估、策略调度以及信息融合三个部分，具体步骤如下：
(1)感知任务评估：GEO卫星根据设定的任务开始时间、任务区域、任务区域上空LEO卫星数量、任务优先级在内的任务参数对感知任务进行评估，确定感知目标及其对应的感知精度要求，并向LEO卫星发出频谱感知指令；
(2)策略调度：LEO卫星根据接收到的频谱感知指令进行单星频谱感知，并将感知结果上报给GEO卫星，GEO卫星根据感知结果和感知精度之间的匹配度，自主选择单星频谱感知策略或多星协同感知策略；具体包括如下步骤：
(2.1)LEO卫星根据接收到的频谱感知指令进行单星频谱感知，并将感知结果上报给GEO卫星，GEO卫星根据感知目标选择出种子卫星；
(2.2)GEO卫星判断各LEO卫星的感知精度是否达到要求：若达到要求，则进入步骤(2.3)；否则，进入步骤(2.4)；
(2.3)实施单星频谱感知策略，LEO卫星进行单星频谱感知；
(2.4)GEO卫星将每个种子卫星单独划分为一个联盟，对剩余的其他LEO卫星实施联盟博弈算法，实施多星协同感知策略；联盟博弈算法的形成规则为：
Figure FDA0003311904970000011
其中：Si和Sj表示联盟i和联盟j，＞表示喜好函数，
Figure FDA0003311904970000012
表示LEO卫星l在本次迭代之前加入的所有历史联盟；lSj＞lSi表示相对联盟Si，LEO卫星l更愿意加入Sj；
(3)信息融合：针对单星频谱感知策略，GEO卫星根据LEO卫星的感知结果直接判定所感知频段是否占用，并将判定信息发送给地面指挥中心；针对多星协同感知策略，GEO卫星分别汇总各联盟内的感知数据，根据逻辑或融合准则做出判定，并将融合结果发送给地面指挥中心。
2.根据权利要求1所述的基于GEO与LEO双层卫星网络协同频谱感知方法，其特征在于：所述步骤(1)中，GEO卫星对感知任务进行评估，将对第k次感知任务的评估建模为：
Figure FDA0003311904970000021
其中：tek为任务开始时间，sh任务区域，nk为任务区域上空LEO卫星数量，lk为任务优先级，DB表示GEO卫星的历史感知任务评估数据库，εk为目标感知精度，mk为目标数。
3.根据权利要求1所述的基于GEO与LEO双层卫星网络协同频谱感知方法，其特征在于：所述步骤(2)中，LEO卫星采用能量检测的方式进行单星频谱感知，在阴影莱斯信道条件下，单星频谱感知策略的漏检概率为：
Figure FDA0003311904970000022
其中：
Figure FDA0003311904970000023
为LEO卫星i对感知目标k的漏检概率，
Figure FDA0003311904970000024
Pt为用频设备的发射信号功率，N0为噪声功率谱密度，2b0为散射分量的平均功率，u为采样点数，m为Nakagami衰落参数，Ω为直射分量的平均功率，
Figure FDA0003311904970000025
是长度为n的增量因子，Γ(·)为伽玛函数，λ为判决门限，1F1(·)表示合流超几何函数。
4.根据权利要求3所述的基于GEO与LEO双层卫星网络协同频谱感知方法，其特征在于：所述步骤(2)中，所述种子卫星的选取方案为：
Figure FDA0003311904970000031
其中：
Figure FDA0003311904970000032
为LEO卫星i对感知目标k的虚警概率，α为虚警概率门限值，
Figure FDA0003311904970000033
表示使目标函数最大化时i所对应的值，N为LEO卫星总数量，
Figure FDA0003311904970000034
表示为已经被选出来的种子卫星，
Figure FDA0003311904970000035
表示所有LEO卫星中除去选出的种子卫星后的集合。
5.根据权利要求4所述的基于GEO与LEO双层卫星网络协同频谱感知方法，其特征在于：所述步骤(2)中，多星协同感知策略的漏检概率为：
Figure FDA0003311904970000036
其中：
Figure FDA0003311904970000037
为针对感知目标k多星协同感知时的漏检概率，
Figure FDA0003311904970000038
为LEO单星i对感知目标k的漏检概率；
联盟博弈的效用函数表示为：
Figure FDA0003311904970000039
其中：
Figure FDA00033119049700000310
为针对感知目标k多星协同感知时的漏检概率，
Figure FDA00033119049700000311
为该联盟的虚警概率，α为联盟虚警概率门限。
6.根据权利要求1所述的基于GEO与LEO双层卫星网络协同频谱感知方法，其特征在于：所述步骤(3)中：当感知策略为LEO单星感知时，在感知同一感知目标的所有LEO卫星中，GEO卫星选取效应值最高的LEO卫星做出最终判定；当感知策略为多星协同感知策略时，GEO卫星汇总感知该感知目标的联盟内所有成员的感知数据，通过逻辑或融合准则进行融合判定。
CN201910932210.7A 2019-09-29 2019-09-29 一种基于geo与leo双层卫星网络的协同频谱感知方法 Active CN110620611B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910932210.7A CN110620611B (zh) 2019-09-29 2019-09-29 一种基于geo与leo双层卫星网络的协同频谱感知方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910932210.7A CN110620611B (zh) 2019-09-29 2019-09-29 一种基于geo与leo双层卫星网络的协同频谱感知方法

Publications (2)

Publication Number Publication Date
CN110620611A CN110620611A (zh) 2019-12-27
CN110620611B true CN110620611B (zh) 2021-12-10

Family

ID=68924984

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910932210.7A Active CN110620611B (zh) 2019-09-29 2019-09-29 一种基于geo与leo双层卫星网络的协同频谱感知方法

Country Status (1)

Country Link
CN (1) CN110620611B (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112862306B (zh) * 2021-02-04 2023-07-07 中国人民解放军国防科技大学 一种面向时敏移动目标跟踪的多星在线协同任务规划方法
CN112838890B (zh) * 2021-02-07 2022-09-23 航天科工空间工程发展有限公司 一种频谱感知与通信协同的卫星通信系统
CN113037407A (zh) * 2021-03-02 2021-06-25 南京邮电大学 一种面向高低轨卫星共存的频谱认知方法
CN113596102B (zh) * 2021-07-05 2023-07-18 哈尔滨工业大学（深圳） 车路协同式交通系统、路侧系统和数据处理方法
CN113472429B (zh) * 2021-07-20 2022-06-14 中国人民解放军军事科学院国防科技创新研究院 分布式卫星系统协同星间链路频谱感知方法
CN113890595B (zh) * 2021-11-02 2022-06-28 广州爱浦路网络技术有限公司 基于频谱的卫星控制方法、计算机装置和存储介质
CN114285506B (zh) * 2021-12-24 2023-11-07 大连大学 一种混合式两级多星协作频谱感知方法
CN114710200B (zh) * 2022-04-07 2023-06-23 中国科学院计算机网络信息中心 一种基于强化学习的卫星网络资源编排方法及系统
CN114978283B (zh) * 2022-05-13 2023-02-28 中国人民解放军军事科学院系统工程研究院 一种卫星星间波束资源相互可见的计算方法及装置
CN114928417B (zh) * 2022-05-17 2023-06-23 南京邮电大学 一种在摄动影响下基于分布式卫星编队的组阵频谱感知建模分析方法
CN116341873B (zh) * 2023-04-21 2023-11-14 四川大学 一种多星资源调度与任务规划方法、系统及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103684641A (zh) * 2013-12-31 2014-03-26 遵义天义利威机电有限责任公司 基于重叠联盟博弈的认知无线电合作频谱感知机制
CN105471528A (zh) * 2015-11-25 2016-04-06 宁波大学 一种自适应调整的协同频谱感知方法
CN107733518A (zh) * 2017-09-30 2018-02-23 南京理工大学 基于合作博弈的leo卫星网络最优收益路由方法
CN108616996A (zh) * 2018-03-19 2018-10-02 山东大学 一种Femtocell网络的频谱和功率分配方法、装置及系统
CN110099388A (zh) * 2019-03-21 2019-08-06 世讯卫星技术有限公司 一种与5g网络融合的卫星移动通信方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9086471B2 (en) * 2012-12-05 2015-07-21 Ses S.A. Apparatuses, systems and methods for obtaining information about electromagnetic energy emitted from the earth, such as for locating an interference source on earth
EP3449584A4 (en) * 2016-04-28 2019-12-04 Cloud Constellation Corporation INTERMEDIATE SATELLITE NETWORK FOR CROSS TRANSMISSION AND LOCAL NETWORK DECONGANCE

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103684641A (zh) * 2013-12-31 2014-03-26 遵义天义利威机电有限责任公司 基于重叠联盟博弈的认知无线电合作频谱感知机制
CN105471528A (zh) * 2015-11-25 2016-04-06 宁波大学 一种自适应调整的协同频谱感知方法
CN107733518A (zh) * 2017-09-30 2018-02-23 南京理工大学 基于合作博弈的leo卫星网络最优收益路由方法
CN108616996A (zh) * 2018-03-19 2018-10-02 山东大学 一种Femtocell网络的频谱和功率分配方法、装置及系统
CN110099388A (zh) * 2019-03-21 2019-08-06 世讯卫星技术有限公司 一种与5g网络融合的卫星移动通信方法

Also Published As

Publication number Publication date
CN110620611A (zh) 2019-12-27

Similar Documents

Publication Publication Date Title
CN110620611B (zh) 一种基于geo与leo双层卫星网络的协同频谱感知方法
Li et al. Applications of multi-agent reinforcement learning in future internet: A comprehensive survey
Piltyay et al. Wireless sensor network connectivity in heterogeneous 5G mobile systems
Cai et al. A graph-coloring based resource allocation algorithm for D2D communication in cellular networks
CN111866954B (zh) 一种基于联邦学习的用户选择和资源分配方法
Wei et al. Energy-efficient distributed spectrum sensing for wireless cognitive radio networks
CN107949025B (zh) 一种基于非合作博弈的网络选择方法
Guo et al. Energy efficient computation offloading for multi-access MEC enabled small cell networks
Guo et al. Radio resource management for C-V2X: From a hybrid centralized-distributed scheme to a distributed scheme
Biswas et al. Sum throughput maximization in a cognitive multiple access channel with cooperative spectrum sensing and energy harvesting
CN115866787A (zh) 融合终端直传通信和多接入边缘计算的网络资源分配方法
CN105792218A (zh) 具有射频能量收集能力的认知无线电网络的优化方法
CN110461006A (zh) 降低wlan干扰方法、装置及终端设备
Zhang et al. Deep multi-agent reinforcement learning for resource allocation in D2D communication underlaying cellular networks
He et al. A novel distributed resource allocation scheme for wireless-powered cognitive radio Internet of Things networks
Nguyen et al. Utility optimization for blockchain empowered edge computing with deep reinforcement learning
CN109861774B (zh) 一种认知水声网络接入调度方法
CN108449790B (zh) 基于差分进化算法的认知无线网络的时间和功率分配方法
Zhu et al. Spectrum allocation algorithm based on improved ant colony in cognitive radio networks
Alkhawlani et al. Hybrid approach for radio network selection in heterogeneous wireless networks
Maghsudi et al. Distributed downlink user association in small cell networks with energy harvesting
CN114884957A (zh) 空天地网络中的计算任务卸载方法、装置和电子设备
Akin et al. SWIPT-based real-time mobile computing systems: A stochastic geometry perspective
Alaya-Feki et al. Interference cartography for hierarchical dynamic spectrum access
Nguyen et al. Sensory data aggregation in internet of things: Period-driven pipeline scheduling approach

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: Room 201, building 2, phase II, No.1 Kechuang Road, Yaohua street, Qixia District, Nanjing City, Jiangsu Province

Applicant after: NANJING University OF POSTS AND TELECOMMUNICATIONS

Applicant after: Nanjing Microstar Communication Technology Co.,Ltd.

Address before: 210003 Gulou District, Jiangsu, Nanjing new model road, No. 66

Applicant before: NANJING University OF POSTS AND TELECOMMUNICATIONS

Applicant before: Nanjing Microstar Communication Technology Co.,Ltd.

GR01 Patent grant
GR01 Patent grant