CN112039580B - 一种多波束通信卫星的下行波束资源分配方法及装置 - Google Patents
一种多波束通信卫星的下行波束资源分配方法及装置 Download PDFInfo
- Publication number
- CN112039580B CN112039580B CN202010978556.3A CN202010978556A CN112039580B CN 112039580 B CN112039580 B CN 112039580B CN 202010978556 A CN202010978556 A CN 202010978556A CN 112039580 B CN112039580 B CN 112039580B
- Authority
- CN
- China
- Prior art keywords
- downlink beam
- capacity
- particle
- user terminal
- resource
- 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
Links
- 238000004891 communication Methods 0.000 title claims abstract description 120
- 238000013468 resource allocation Methods 0.000 title claims abstract description 103
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000005457 optimization Methods 0.000 claims abstract description 148
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 86
- 239000002245 particle Substances 0.000 claims description 139
- 210000000349 chromosome Anatomy 0.000 claims description 102
- 230000002068 genetic effect Effects 0.000 claims description 38
- 230000035772 mutation Effects 0.000 claims description 34
- 238000004590 computer program Methods 0.000 claims description 11
- 230000014759 maintenance of location Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 239000000243 solution Substances 0.000 description 93
- 238000009826 distribution Methods 0.000 description 13
- 230000010287 polarization Effects 0.000 description 10
- 239000000969 carrier Substances 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 6
- 238000010276 construction Methods 0.000 description 5
- 230000003595 spectral effect Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000005855 radiation Effects 0.000 description 4
- 238000011217 control strategy Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000028161 membrane depolarization Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 239000005433 ionosphere Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000009828 non-uniform distribution Methods 0.000 description 1
- 230000009022 nonlinear effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000009401 outcrossing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- 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
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- 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
- H04W72/04—Wireless resource allocation
- H04W72/044—Wireless resource allocation based on the type of the allocated resource
- H04W72/046—Wireless resource allocation based on the type of the allocated resource the resource being in the space domain, e.g. beams
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
本发明提供了一种多波束通信卫星的下行波束资源分配方法及装置，接收各用户终端发送的资源使用请求，解析资源使用请求获取资源使用属性信息；依据资源使用属性信息及通信卫星所能提供的容量，利用一种两阶段优化算法，为各用户终端生成下行波束功率和带宽资源联合优化解决方案，依据生成的下行波束功率和带宽资源联合优化解决方案获取多波束通信卫星的未满足容量需求，下行波束功率和带宽资源联合优化解决方案包括下行波束功率资源分配方案和下行波束带宽资源分配方案；调节下行波束功率和带宽资源联合优化解决方案，以使未满足容量需求最小，获取最小的未满足容量需求对应的下行波束资源分配优化方案。可以提高多波束通信卫星的资源分配效率。
Description
技术领域
本发明涉及通信卫星资源分配技术领域，具体而言，涉及一种多波束通信卫星的下行波束资源分配方法及装置。
背景技术
近年来，通信卫星，尤其是高通量通信卫星(HTS，High Throughput Satellite)中的多波束通信卫星，在应急救灾、海事、航空、国防军事等诸多领域得到了广泛应用，其业务涵盖广播电视、移动通信、高速宽带接入等，随着通信卫星的市场潜力和应用价值的不断扩展，要求的通信卫星的通信容量也越来越大，由于通信卫星的通信资源，尤其是下行波束资源较为有限，因而，对下行波束资源进行高效灵活的管理和分配，以满足不同的用户终端容量需求调度显得尤为重要。
目前，对于下行波束资源的管理分配，主要采用静态分配结合人工调配方法，基于波束功率或带宽等维度，并按照为波束设计的额定容量需求预留资源进行分配，在波束覆盖范围内的用户终端容量需求超过额定容量需求时，结合人工调配进行动态调整。但该资源分配方法，由于用户终端容量需求是随时变化的，预留资源的分配方法导致资源的有效利用率不高，使得多波束通信卫星的资源分配效率较低。
发明内容
有鉴于此，本发明的目的在于提供多波束通信卫星的下行波束资源分配方法及装置，以提高多波束通信卫星的资源分配效率。
第一方面，本发明实施例提供了多波束通信卫星的下行波束资源分配方法，包括：
接收各用户终端发送的资源使用请求，解析所述资源使用请求，获取资源使用属性信息；
依据所述资源使用属性信息以及通信卫星所能提供的容量，利用一种两阶段优化算法，为所述各用户终端生成下行波束功率和带宽资源联合优化解决方案，依据生成的下行波束功率和带宽资源联合优化解决方案获取多波束通信卫星的未满足容量需求，所述下行波束功率和带宽资源联合优化解决方案包括下行波束功率资源分配方案和下行波束带宽资源分配方案；
调节所述下行波束功率和带宽资源联合优化解决方案，以使所述未满足容量需求最小，获取最小的未满足容量需求对应的下行波束资源分配优化方案。
结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，所述依据所述资源使用属性信息以及通信卫星所能提供的容量，利用一种两阶段优化算法，为所述各用户终端生成下行波束功率和带宽资源联合优化解决方案，依据生成的下行波束功率和带宽资源联合优化解决方案获取多波束通信卫星的未满足容量需求，包括：
针对所述通信卫星的每一波束，依据该波束覆盖范围内的各用户终端对应的资源使用属性信息以及预设的资源分配约束条件，利用一种两阶段优化算法，为所述各用户终端生成下行波束功率和带宽资源联合优化解决方案，依据生成的下行波束功率和带宽资源联合优化解决方案获取所述各用户终端对该波束的容量需求；
获取多波束通信卫星为每一波束所能提供的容量；
计算波束覆盖范围内的各用户终端对该波束的容量需求与多波束通信卫星为该波束所能提供的容量的差值；
计算大于零的差值的和值，得到所述多波束通信卫星的未满足容量需求。
结合第一方面或第一方面的第一种可能的实施方式，本发明实施例提供了第一方面的第二种可能的实施方式，其中，所述利用一种两阶段优化算法，为所述各用户终端生成下行波束功率和带宽资源联合优化解决方案，包括：
基于遗传算法，随机生成多种下行波束功率和带宽资源联合优化解决方案。
结合第一方面的第二种可能的实施方式，本发明实施例提供了第一方面的第三种可能的实施方式，其中，所述调节所述下行波束功率和带宽资源联合优化解决方案，以使所述未满足容量需求最小，包括：
依据随机生成的下行波束功率和带宽资源联合优化解决方案生成遗传算法种群，每一下行波束功率和带宽资源联合优化解决方案对应遗传算法种群中的一染色体；
对各染色体执行选择、交叉、变异和精英保留操作，获取优化染色体；
基于优化染色体，构建粒子群，每一优化染色体对应粒子群中的一粒子；
基于粒子群算法，获取使所述未满足容量需求最小的优化粒子。
结合第一方面的第三种可能的实施方式，本发明实施例提供了第一方面的第四种可能的实施方式，其中，所述对各染色体执行选择、交叉、变异和精英保留操作，获取优化染色体，包括：
针对每一染色体，根据预设的链路预算和干扰模型，计算该染色体的适应度值；
利用轮盘选择算子，从遗传算法种群中，选择适应度值最优的两个染色体，得到两个父染色体；
利用预设的可行解寻优策略，控制两个父染色体执行交叉操作，生成两个子染色体；
利用所述可行解寻优策略，控制两个子染色体执行变异操作；
根据所述链路预算和干扰模型，分别计算执行变异操作后得到的染色体的适应度值；
判断执行交叉操作和变异操作的操作次数是否达到预设的操作次数阈值，如果是，依据各染色体的适应度值，获取优化染色体，如果否，执行利用轮盘选择算子，从遗传算法种群中，选择适应度值最优的两个染色体的步骤。
结合第一方面的第三种可能的实施方式，本发明实施例提供了第一方面的第五种可能的实施方式，其中，所述基于粒子群算法，获取使所述未满足容量需求最小的优化粒子，包括：
针对粒子群中的每一粒子，根据所述链路预算和干扰模型，计算该粒子的适应度值；
根据粒子的适应度值更新粒子群的个体最佳和全局最佳；
利用可行解寻优策略，控制更新的粒子群中粒子的位置矢量和速度矢量以得到更新粒子；
根据所述链路预算和干扰模型，计算更新粒子的适应度值；
判断粒子群的适应度值是否满足预设的收敛标准，若不满足，执行所述根据粒子的适应度值更新粒子群的个体最佳和全局最佳的步骤，若满足，从粒子群中得到优化粒子。
结合第一方面，本发明实施例提供了第一方面的第六种可能的实施方式，其中，所述资源使用属性信息包括：用户终端容量需求信息、用户终端标识信息、用户终端参数配置信息及用户终端地理位置信息。
第二方面，本发明实施例还提供了一种多波束通信卫星的下行波束资源分配装置，包括：
资源使用请求模块，用于接收各用户终端发送的资源使用请求，解析所述资源使用请求，获取资源使用属性信息；
未满足容量需求计算模块，用于依据所述资源使用属性信息以及通信卫星所能提供的容量，利用一种两阶段优化算法，为所述各用户终端生成下行波束功率和带宽资源联合优化解决方案，依据生成的下行波束功率和带宽资源联合优化解决方案获取多波束通信卫星的未满足容量需求；
优化模块，用于调节所述下行波束功率和带宽资源联合优化解决方案，以使所述未满足容量需求最小，获取最小的未满足容量需求对应的下行波束资源分配优化方案。
第三方面，本申请实施例提供了一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。
第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述的方法的步骤。
本发明实施例提供的多波束通信卫星的下行波束资源分配方法及装置，通过接收各用户终端发送的资源使用请求，解析所述资源使用请求，获取资源使用属性信息；依据所述资源使用属性信息以及通信卫星所能提供的容量，利用一种两阶段优化算法，为所述各用户终端生成下行波束功率和带宽资源联合优化解决方案，依据生成的下行波束功率和带宽资源联合优化解决方案获取多波束通信卫星的未满足容量需求，所述下行波束功率和带宽资源联合优化解决方案包括下行波束功率资源分配方案和下行波束带宽资源分配方案；调节所述下行波束功率和带宽资源联合优化解决方案，以使所述未满足容量需求最小，获取最小的未满足容量需求对应的下行波束资源分配优化方案。这样，通过对下行波束资源分配进行动态优化，满足不同的用户终端容量需求，提升多波束通信卫星的下行波束资源分配效率。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1示出了本发明实施例所提供的多波束通信卫星的下行波束资源分配方法流程示意图；
图2示出了本发明实施例有无可行解寻优策略情况下的未满足用户容量需求迭代收敛曲线示意图；
图3示出了本发明实施例有无可行解寻优策略情况下的分配总功率迭代收敛曲线示意图；
图4示出了本发明实施例所提供的多波束通信卫星的下行波束资源分配装置结构示意图；
图5为本申请实施例提供的一种计算机设备500的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的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。
采用静态分配结合人工调配的下行波束资源分配方法，由于波束覆盖范围内的用户终端容量需求是随时变化的，在用户终端容量需求变小时，易导致为该用户终端分配的资源浪费，而在用户终端容量需求变大时，需要人工参与进行调配，得不到及时的响应，使得多波束通信卫星的资源分配效率较低。本发明实施例中，考虑到用户终端容量需求在时间、空间维度的不均匀分布，波束间载波信道状态不同且可能随时间动态变化，因此，基于用户终端容量需求的分布特征、载波信道状态及干扰情况，考虑多波束通信卫星的柔性载荷及有限功率和带宽资源约束，从而依据下行波束资源的多个维度，对下行波束资源分配进行动态优化，以尽可能满足不同的用户终端容量需求，从而提升多波束通信卫星的下行波束资源分配效率，以达到基于有限载荷资源提升效能的目标。
本发明实施例提供了一种多波束通信卫星的下行波束资源分配方法及装置，下面通过实施例进行描述。
图1示出了本发明实施例所提供的多波束通信卫星的下行波束资源分配方法流程示意图。如图1所示，该方法包括：
步骤101，接收各用户终端发送的资源使用请求，解析所述资源使用请求，获取资源使用属性信息；
本发明实施例中，资源使用请求中携带有用户终端容量需求信息、用户终端标识信息、用户终端参数配置信息及用户终端地理位置信息等资源使用属性信息。作为一可选实施例，用户终端标识信息包括但不限于：用户终端编号、用户终端MAC地址、用户终端移动号码等，用户终端参数配置信息包括但不限于：用户终端的天线最大发射增益、天线最大接收增益、最小发射功率、最大发射功率、系统噪声温度，用户终端地理位置信息包括但不限于：用户终端的位置经度、位置纬度、位置高程。
本发明实施例中，用户终端在需要接入多波束通信卫星时，生成资源使用请求，将资源使用属性信息携带在资源使用请求中，向多波束通信卫星的地面运管中心提交资源使用请求，地面运管中心统计提交的资源使用请求并进行解析。
步骤102，依据所述资源使用属性信息以及通信卫星所能提供的容量，利用一种两阶段优化算法，为所述各用户终端生成下行波束功率和带宽资源联合优化解决方案，依据生成的下行波束功率和带宽资源联合优化解决方案获取多波束通信卫星的未满足容量需求；
本发明实施例中，下行波束功率和带宽资源联合优化解决方案包括下行波束功率资源分配方案和下行波束带宽资源分配方案，对下行波束功率资源和下行波束带宽资源进行联合优化以生成下行波束功率和带宽资源联合优化解决方案。选用未满足容量需求(UCD，Unmet Capacity Demand)作为评估多波束通信卫星的效能发挥和收益的关键指标。作为一可选实施例，利用下式计算未满足容量需求：
式中，
UCD为未满足容量需求；
|Q|为多波束通信卫星包含的下行波束数；
|C|为下行波束包含的载波数；
本发明实施例中，多波束通信卫星的波束形状及指向固定。
本发明实施例中，
为通信卫星所能提供的容量，
为通信卫星各波束覆盖范围内的用户终端的容量需求。
本发明实施例中，若各终端对波束b所有载波的容量需求大于波束b所有载波所能提供的容量，则确定波束b未满足容量需求，该波束b的未能满足容量需求为：
式中，
UCDb为波束b的未能满足容量需求。
若各终端对波束b所有载波的容量需求小于或等于波束b所有载波所能提供的容量，则确定波束b满足容量需求，该波束b的未能满足容量需求为0，表示该波束b能完全满足其覆盖范围内所有终端的容量需求。
本发明实施例中，由(高通量)多波束通信卫星组成的卫星通信系统包括：空间段、地面段和用户段。其中，空间段由多波束通信卫星组成，部署于地球同步轨道，多波束通信卫星采用多波束方式覆盖地表一定区域；地面运管中心(信关站)构成地面段，为多波束通信卫星提供馈电链路，并承载用户终端的入网和接入功能；用户段包括各类型用户终端，用户终端的使用频段为Ka，极化方式为圆极化，分布在多波束通信卫星的波束覆盖范围内。
本发明实施例中，卫星通信系统采用第二代数字卫星电视广播拓展标准(DVB-S2X)，考虑下行波束的资源分配，不考虑馈电链路的噪声，即假设馈电链路无噪声，用于下行波束的下行信道为加性高斯白噪声信道。
本发明实施例中，作为一可选实施例，依据所述资源使用属性信息以及通信卫星所能提供的容量，利用一种两阶段优化算法，为所述各用户终端生成下行波束功率和带宽资源联合优化解决方案，依据生成的下行波束功率和带宽资源联合优化解决方案获取多波束通信卫星的未满足容量需求，包括：
A01，针对所述通信卫星的每一波束，依据该波束覆盖范围内的各用户终端对应的资源使用属性信息以及预设的资源分配约束条件，利用一种两阶段优化算法，为所述各用户终端生成下行波束功率和带宽资源联合优化解决方案，依据生成的下行波束功率和带宽资源联合优化解决方案获取所述各用户终端对该波束的容量需求；
本发明实施例中，作为一可选实施例，在满足预设的资源分配约束条件下，依据用户终端的资源使用属性信息中的用户终端容量需求信息，随机为用户终端分配下行波束资源以生成下行波束功率和带宽资源联合优化解决方案。
本发明实施例中，作为一可选实施例，资源分配约束条件包括：载波功率约束条件、载波带宽约束条件、波束带宽约束条件以及相邻波束带宽约束条件，从而实现功率资源和带宽资源的联合优化分配。其中，
载波功率约束条件是在进行下行波束资源分配时，需要确保为所有载波分配的功率总和不超过多波束通信卫星的功放总功率，以及，为任一载波分配的功率不超过多波束通信卫星的功放总功率，本发明实施例中，载波功率约束条件对应如下的载波功率约束公式：
式中，
Pb,c为分配给波束b的载波c的载波功率；
Ptotal为多波束通信卫星的功放总功率，即多波束通信卫星所能提供的容量中的功率容量；
对于任一载波，分配的载波带宽满足载波带宽约束条件，该载波带宽约束条件对应如下的载波带宽约束公式：
式中，
BWb,c为分配给波束b的载波c的载波带宽；
对于任一波束，分配的波束带宽满足波束带宽约束条件，该波束带宽约束条件对应如下的波束带宽约束公式：
式中，
BWtotal为多波束通信卫星的下行波束的总带宽，即通信卫星所能提供的容量中的带宽容量。
本发明实施例中，为了避免空间相邻波束由于共用带宽产生干扰，需要确保极化方式相同的空间相邻波束的带宽之和不大于多波束通信卫星的下行波束的可用总带宽，即满足相邻波束带宽约束条件，该相邻波束带宽约束条件对应如下的相邻波束带宽约束公式：
式中，
a,c为与波束b的载波c相邻的波束b的载波c；
APp为极化方式均为p的相邻空间波束集合。
A02，获取多波束通信卫星为每一波束所能提供的容量；
A03，计算波束覆盖范围内的各用户终端对该波束的容量需求与多波束通信卫星为该波束所能提供的容量的差值；
本发明实施例中，波束覆盖范围内的各用户终端对该波束的容量需求减去多波束通信卫星为该波束所能提供的容量，得到差值。
A04，计算大于零的差值的和值，得到所述多波束通信卫星的未满足容量需求。
本发明实施例中，若差值小于零，则不参与多波束通信卫星的未满足容量需求的计算。
本发明实施例中，作为一可选实施例，利用一种两阶段优化算法，为所述各用户终端生成下行波束功率和带宽资源联合优化解决方案，包括：
基于遗传算法，随机生成多种下行波束功率和带宽资源联合优化解决方案。
步骤103，调节所述下行波束功率和带宽资源联合优化解决方案，以使所述未满足容量需求最小，获取最小的未满足容量需求对应的下行波束资源分配优化方案。
本发明实施例中，通过对生成的下行波束功率和带宽资源联合优化解决方案进行调节，从而对未满足容量需求进行优化，优化目标是使多波束通信卫星的未满足容量需求最小化，即：
本发明实施例中，作为一可选实施例，调节所述下行波束功率和带宽资源联合优化解决方案，以使所述未满足容量需求最小，包括：
A11，依据随机生成的下行波束功率和带宽资源联合优化解决方案生成遗传算法种群，每一下行波束功率和带宽资源联合优化解决方案对应遗传算法种群中的一染色体；
本发明实施例中，在按照资源分配约束条件为各用户终端随机分配载波功率和载波带宽后，每一载波分配的载波功率和载波带宽形成一种下行波束功率和带宽资源联合优化解决方案，例如，对于一波束的一载波，为该载波覆盖范围内的所有用户终端分别分配载波功率和载波带宽，形成一种下行波束功率和带宽资源联合优化解决方案，将该下行波束功率和带宽资源联合优化解决方案映射为染色体，染色体所含基因包括所有下行波束相关资源要素，各染色体构成遗传算法种群。
A12，对各染色体执行选择、交叉、变异和精英保留操作，获取优化染色体；
本发明实施例中，作为一可选实施例，对各染色体执行选择、交叉、变异和精英保留操作，获取优化染色体，包括：
A121，针对每一染色体，根据预设的链路预算和干扰模型，计算该染色体的适应度值；
本发明实施例中，作为一可选实施例，根据预设的链路预算和干扰模型，计算该染色体的适应度值，包括：
B11，依据多波束通信卫星的属性信息以及用户终端的资源使用属性信息，获取用户终端接收的有用功率；
本发明实施例中，利用下式计算用户终端接收的有用功率：
[PR]＝[PT]+[GT]-[OBO]+[GR]-[LOSSES]
[EIRP]＝[PT]+[GT]
式中，
[PR]为用户终端接收的有用功率，单位：dBW；
[PT]为通信卫星天线辐射功率，单位：dBW；
[GT]为卫星天线发射增益，单位：dB；
[OBO]为卫星功率放大器输出回退值，单位：dB；
[GR]为用户终端天线接收增益，单位：dB；
[LOSSES]为链路损耗总和，单位：dB；
[EIRP]为卫星天线波束等效全向辐射功率，单位：dB。
本发明实施例中，利用下式计算链路损耗总和：
[LOSSES]＝[FSL]+[RFL]+[AML]+[AA]+[PL]
式中，
[FSL]为下行波束自由空间损耗，单位：dB；
[RFL]为接收机馈线损耗，单位：dB；
[AML]为天线指向损耗，单位：dB；
[AA]为大气损耗，单位：dB；
[PL]为极化失配损耗，单位：dB。
B12，依据用户终端的资源使用属性信息，获取用户终端接收的噪声功率；
本发明实施例中，利用下式计算用户终端接收的噪声功率：
[PN]＝[k]+[Ts]+[BN]
式中，
[PN]为用户终端接收的噪声功率，单位：dBW；
[k]为玻尔兹曼常数，[k]＝1.38x10-23(J/K)；
[Ts]为系统噪声温度；
[BN]为等效噪声带宽。
本发明实施例中，利用下式计算系统噪声温度：
式中，
TANT为接收天线噪声温度，单位为K；
TLNA为接收端低噪声放大器噪声温度；
L为接收端射频电缆损耗；
T0为室内温度，为一常数；
GLNA为低噪声放大器增益；
F为噪声系数。
B13，依据用户终端接收的有用功率以及用户终端接收的噪声功率，计算单波束覆盖用户终端的输入端载噪比；
本发明实施例中，作为一可选实施例，利用下式计算单波束覆盖用户终端的输入端载噪比：
式中，
[IR]为用户终端输入端接收的干扰功率，为噪声功率的一部分。
本发明实施例中，干扰功率[IR]为当前波束覆盖下用户终端(接收机)接收到的干扰功率，包括：当前波束附近具有相同颜色(同极化且同频段)波束在用户终端方向存在的少量能量辐射(如天线旁瓣辐射)干扰，记为ICO、空间去极化效应导致的不同极化同频段波束干扰，记为ICP、由于非线性效应导致的三阶互调干扰，记为IC3、以及同轨卫星间干扰，记为IAS，即：
[IR]＝ICO+ICP+IC3+IAS
B14，基于单波束覆盖用户终端的输入端载噪比获取符号信噪比，依据符号信噪比获取频谱效率，以及，依据频谱效率获取信息速率；
本发明实施例中，载波对应的链路所能达到的频谱效率与符号信噪比满足下式：
式中，
η为频谱效率，单位：bps/Hz；
本发明实施例中，链路信号带宽与符号速率满足下式：
BW＝RS(1+α)
式中，
BW为链路信号带宽；
RS为符号速率，单位：Baud/s；
α为采样时低通滤波器滚降系数。
本发明实施例中，符号信噪比与单波束覆盖用户终端的输入端载噪比满足下式：
本发明实施例中，在得到用户终端的输入端载噪比后，可以计算得到符号信噪比。当采样时低通滤波器滚降系数为零时，即理想情况下的符号信噪比与用户终端的输入端载噪比相等，根据预先设置的DVB-S2X标准查表，得到该链路理想情况下(α＝0)对应的频谱效率，实际频谱效率(ηr)为：
在单波束覆盖用户终端的输入端载噪比条件下，利用下式计算信息速率(Rb)，单位为bps：
Rb＝ηrxBW
B15，分别获取用户终端接收到的来自每一波束的干扰功率；
本发明实施例中，假设用户终端u位于波束b覆盖范围内，用户终端的天线主轴方向对准多波束通信卫星。由于波束b与波束i的极化和频率相同，波束i少量功率可能通过旁瓣被用户终端u的天线接收，即用户终端接收到的来自波束i的干扰功率，记为
作为一可选实施例，利用下式计算用户终端接收到的来自波束i的干扰功率
式中，
Pi为波束i的发射功率，单位：dBW；
OBOi为波束i的输出功率饱和回退值，单位：dB；
Gu为用户终端u的接收增益，单位：dB；
LOSSESi,u为从通信卫星到用户终端u的链路损耗总和。
本发明实施例中，设波束i的地面覆盖范围中心为A，WGS-84坐标系下经度、纬度和高程坐标分别为(αA,βA,γA)，波束b的地面覆盖范围中心为B，坐标为(αB,βB,γB)，通信卫星的位置位于O，用户终端u的位置位于U，坐标为(αU,βU,γU)。用户终端u偏离波束i主轴方向夹角记为
利用余弦定理，计算该用户终端u偏离波束i主轴方向夹角：
式中，
OU为通信卫星和用户终端之间的距离；
OA为通信卫星和波束i的中心点A之间的距离；
UA为用户终端和波束i的中心点A之间的距离。
根据天线波束方向图，可以得到干扰波束i在偏离主轴
方向的增益为：
式中，
J1(λ)为一阶贝塞尔函数；
J3(λ)为三阶贝塞尔函数。
本发明实施例中，
B16，获取大气损耗；
本发明实施例中，在计算大气损耗时，考虑云衰、雨衰、空气分子衰和电离层去极化效应，作为一可选实施例，利用下式计算大气损耗：
AA＝CA+RA+GA+IA
式中，
CA为引入云层导致的信号衰减，单位：dB，可根据国际电信联盟推荐文件ITU-RP.840-6计算得到；
RA为引入降雨导致的信号衰减，可根据国际电信联盟推荐文件ITU-R P.618-12计算得到；
GA为引入空气分子导致的信号衰减，可根据国际电信联盟推荐文件ITU-R P.676-11计算得到；
IA为引入电离层去极化效应导致的信号衰减，可根据国际电信联盟推荐文件ITU-R P.618-12计算得到。
B17，基于信息速率、波束的干扰功率、大气损耗，计算染色体的适应度值。
A122，利用轮盘选择(wheel selection)算子，从遗传算法种群中，选择适应度值最优的两个染色体，得到两个父染色体；
A123，利用预设的可行解寻优策略，控制两个父染色体执行交叉操作，生成两个子染色体；
A124，利用所述可行解寻优策略，控制两个子染色体执行变异操作；
A125，根据所述链路预算和干扰模型，分别计算执行变异操作后得到的染色体的适应度值；
本发明实施例中，进行交叉或变异操作后得到的新染色体，按照如下公式进行资源分配：
式中，
A126，判断执行交叉操作和变异操作的操作次数是否达到预设的操作次数阈值，如果是，依据各染色体的适应度值，获取优化染色体，如果否，执行利用轮盘选择算子，从遗传算法种群中，选择适应度值最优的两个染色体的步骤。
本发明实施例中，假设随机生成的下行波束功率和带宽资源联合优化解决方案为100种，对应遗传算法种群中的100个染色体，对其中最优的两个染色体执行交叉及变异操作后，该遗传算法种群中包含有102个染色体，再依据102个染色体对应的适应度值，从该遗传算法种群中去除适应度值最差的两个染色体，然后，基于去除染色体的遗传算法种群，再从中选取适应度值最优的两个父染色体执行交叉操作和变异操作，直至执行交叉操作和变异操作的操作次数达到预设的操作次数阈值。
A13，基于优化染色体，构建粒子群，每一优化染色体对应粒子群中的一粒子；
A14，基于粒子群算法，获取使所述未满足容量需求最小的优化粒子。
本发明实施例中，作为一可选实施例，基于粒子群算法，获取使所述未满足容量需求最小的优化粒子，包括：
A141，针对粒子群中的每一粒子，根据所述链路预算和干扰模型，计算该粒子的适应度值；
A142，根据粒子的适应度值更新粒子群的个体最佳和全局最佳；
A143，利用可行解寻优策略，控制更新的粒子群中粒子的位置矢量和速度矢量以得到更新粒子；
本发明实施例中，多波束通信卫星的下行波束功率和带宽资源联合优化解决方案i(粒子i)速度矢量的第d维分量的第k次迭代
利用下式进行更新：
式中，
pbesti,d为粒子i的位置矢量的第d维分量经历过的最优位置(个体最优)；
gbestd为粒子群的第d维分量经历过的最优位置(群体最优)；
w为用于调节解空间搜索范围的惯性权重因子，为非负数；w值较大时，算法全部寻优能力强，w值较小时，局部寻优能力强。
τ1、τ2分别为第一学习因子以及第二学习因子，分别调节粒子自我认知和粒子群经验学习最大步长；
γ1、γ2分别为第一随机数以及第二随机数，取值范围为[0,1]，用于增加自我认知和全局经验学习的随机性。
本发明实施例中，通过调整迭代优化阶段的前、后期的惯性权重因子w，用于平衡算法搜索速度和搜索精度，这样，可以平衡全局搜索和局部搜索能力。作为一可选实施例，利用下式调整惯性权重因子w：
式中，
wmax为最大惯性权重因子；
wmin为最小惯性权重因子；
k为迭代优化阶段的当前迭代次数；
max_k为迭代优化阶段的最大迭代次数。
本发明实施例中，随着迭代次数增大，惯性权重因子w不断减少，从而使算法前期可以实施较快全局搜索速度，后期具备较高搜索精度。
本发明实施例中，学习因子用于调节粒子自我认知和粒子群经验学习最大步长，若配置第一学习因子τ1为0，易陷入局部最优，可能失去下行波束不同资源分配方案的多样性优势；若配置第二学习因子τ2为0，由于缺乏不同资源分配方案间的信息共享，可能造成算法收敛速度慢。因而，为了兼顾迭代优化阶段算法的收敛速度和搜索效果，作为一可选实施例，第一学习因子以及第二学习因子的取值均不为0。
本发明实施例中，基于前述的第k次迭代
更新，得到粒子i的位置矢量的第d维分量的第k次迭代
计算公式为：
本发明实施例中，下行波束载波的功率和带宽的变化速度量，即粒子的速度矢量更新受三部分影响：第一部分为粒子惯性部分，体现下行波束载波分配资源对上次迭代变化量的记忆；第二部分为粒子自我认知部分，表示为在下行波束功率和带宽资源联合优化解决方案中，当前迭代对应的下行波束载波功率、带宽分配结果与该历次迭代保存的下行波束载波功率、带宽分配结果之间差异；第三部分为粒子全局经验部分，体现不同下行波束功率和带宽资源联合优化解决方案间的信息共享与合作，表示为下行波束功率和带宽资源联合优化解决方案当前迭代对应的载波功率、带宽分配结果与所有下行波束功率和带宽资源联合优化解决方案历次迭代保存的最优资源分配结果之间的差异。
A144，根据所述链路预算和干扰模型，计算更新粒子的适应度值；
A145，判断粒子群的适应度值是否满足预设的收敛标准，若不满足，执行所述根据粒子的适应度值更新粒子群的个体最佳和全局最佳的步骤，若满足，从粒子群中得到优化粒子。
本发明实施例中，在得到更新粒子的适应度值后，判断是否满足收敛标准，若不满足，继续进行粒子更新，若满足，则选取粒子群中，适应度值最优的一个或多个粒子作为优化粒子，每一优化粒子对应一下行波束资源分配优化方案。
本发明实施例中，作为一可选实施例，利用下式确定是否收敛：
式中，
UCDk为第k次迭代产生的最小未满足用户容量需求对应的下行波束功率和带宽资源联合优化解决方案，本发明实施例中，以适应度值进行表征；
L为预设次数。
本发明实施例中，在迭代优化阶段的资源分配计算过程中，将第k次迭代产生的资源分配方案集合中的最佳方案，即最小未满足用户容量需求对应的资源分配方案，记为第k次迭代产生的最佳资源分配方案UCDk，将UCDk与前L次平均值相比，若相对变化小于预设门限threshold时，则确认资源分配算法收敛，退出迭代循环，该UCDk为最佳资源分配方案。
本发明实施例中，通过将多波束通信卫星的下行波束资源分配归属于NP-hard问题，依据可接受的计算代价获得高质量解。作为一可选实施例，利用优化算法，将资源分配拆解为初始解构建和迭代优化。其中，初始解构建中利用的优化算法为遗传算法，遗传算法鲁棒性和全局搜索能力强；迭代优化中利用的优化算法为粒子群算法，粒子群算法可快速获取高质量解。
本发明实施例中，步骤A11以及A12对应初始解构建阶段，步骤A13以及A14对应迭代优化阶段，将初始解构建阶段输出的各优选资源分配方案设计为粒子，粒子的位置矢量由载波功率和带宽分量构成，粒子的速度矢量由载波功率和带宽变化速度分量构成，基于粒子群算法在可行解区域中搜索高质量解，获取粒子的最佳位置矢量，从而实现下行波束的载波功率和带宽资源的优化分配。
本申请实施例的可行解寻优策略，利用遗传算法控制交叉和变异操作，以及，利用粒子群算法，控制粒子的位置矢量和速度矢量的更新操作，从而引导优化算法向高质量可行解区域寻优，加快优化算法收敛，减少迭代次数，提升资源分配算法的求解效率。
本发明实施例中，如果对波束的载波容量需求小于当前分配资源所能提供的容量，则通过交叉或变异操作，不能增加该载波功率和带宽资源；如果波束的载波容量需求大于或等于当前分配资源所能提供的容量，通过交叉或变异操作，不能减少该载波功率和带宽资源。
本发明实施例中，多波束通信卫星的下行波束资源分配规划可以按照时间周期性开展，作为一可选实施例，下行波束资源分配规划的周期时长可以根据用户需求动态变化，执行灵活调整策略，在每一设置的下行波束资源分配规划周期，启动下行波束资源分配规划。
本发明实施例中，作为一可选实施例，在获取最小的未满足容量需求对应的下行波束资源分配优化方案后，该方法还包括：统计对用户终端的未满足容量需求的总和，判断该总和是否满足要求，若满足要求，依据下行波束资源分配优化方案配置多波束通信卫星的有效载荷参数，完成上注，若不满足要求，优化调整下行波束资源分配优化方案中的参数配置，直至其满足要求。
本发明实施例的多波束通信卫星的下行波束资源分配方法，针对新一代高通量多波束通信卫星柔性载荷、波束间干扰以及用户容量需求非均匀分布的特性，综合考虑多色复用、信道链路预算、调制编码以及多波束通信卫星功率和频带等实际工作约束，在综合利用遗传算法和粒子群算法各自优势的基础上，通过包含初始解构建和迭代优化两阶段的下行波束资源分配算法，优化多波束通信卫星的下行波束功率及带宽资源分配。相比平均固定分配波束载波功率及带宽资源，本发明实施例的载波功率和带宽联合的动态优化分配方法，可以获得更优的资源分配性能，提升资源分配效率。例如，在1颗包含65个下行波束的高通量多波束通信卫星以及两类容量需求分布差异的应用场景下，当用户终端的总需求容量分别为90Gbps、110Gbps和130Gbps时，相比平均固定分配下行波束载波功率及带宽资源，本发明实施例的方法，可分别将未满足用户容量需求压缩71.09％、40.47％和16.31％。进一步地，当用户终端总需求容量为90Gbps时(相比可用资源总量，容量需求规模较小)，本发明实施例可在压缩未满足用户容量需求基础上，还可有效减少功率和带宽资源开销。
本发明实施例中，具体来说，以1颗高通量多波束通信卫星位于地球静止轨道为例，共有65个固定指向下行点波束，频段为Ka频段，波束形状相同且均不可调，波束功率和带宽可根据波束覆盖范围内的用户终端容量需求变化而动态调整。作为一可选实施例，采用四色复用体制，由两个频带和两种极化方式(左旋极化和右旋极化)组成，采用第二代数字卫星电视广播拓展标准(DVB-S2X)，该标准采用自适应调制编码策略，该应调制编码策略可根据链路信噪比，选择最佳的调制编码体制(MODCOD)。
本发明实施例中，假设每个波束提供1个载波，波束范围内的用户终端容量需求集中在波束中心指向位置，其容量需求为该波束覆盖范围内所有用户终端容量需求总和。
本发明实施例中，为分析本发明实施例的方法用于不同规模用户终端容量需求时的下行波束资源分配效果，实例设计用户终端需求总容量分别为90Gbps、110Gbps和130Gbps三种情况。由于在高通量多波束通信卫星的实际运行场景中，各波束覆盖范围内的用户终端容量需求分布不均，且可能随时间动态变化，为检验本发明实施例的方法对不同用户终端容量需求分布的适应能力，在每种用户终端需求总容量情况下，进一步考虑两类容量需求分布场景：第1类容量需求分布场景为波束间的用户终端容量需求差异适中(一般)，其标准差约为单波束平均容量需求36％；第2类容量需求分布场景为波束间的用户终端容量需求差异较大，标准差约为单波束平均容量需求60％。在各类容量需求分布场景下，分析以下4种资源分配方法的效果：
1)星上波束载波功率、频带资源平均固定分配；
2)星上波束载波功率动态优化分配、频带平均固定分配；
3)星上波束载波功率平均固定分配、频带动态优化分配；
4)星上波束载波功率、带宽两维度联合动态优化分配。
采用本发明实施例的方法，仿真计算三种不同的用户终端容量需求规模，即用户终端容量需求总容量分别为90Gbps、110Gbps和130Gbps对应的下行波束资源分配结果。其中，用户终端容量需求总容量分别为90Gbps和130Gbps对应的资源分配结果分别如表1和表2所示。
表1用户终端需求总容量为90Gbps
表2用户终端需求总容量为130Gbps
基于表1和表2，可以得出：1)在不同规模的用户终端容量需求以及波束容量需求差异场景中，4种资源分配方法的结果存在明显差异，平均固定分配波束载波功率及带宽资源对应的系统未满足用户终端容量需求最大，资源分配效能发挥最差。对功率或频带任一维度动态优化分配资源时，均可有效压缩系统未满足用户终端容量需求。星上波束载波功率和带宽两维度联合动态优化分配的改进效果最明显。当用户终端需求总容量分别为90Gbps、110Gbps和130Gbps时，相比平均固定分配波束载波功率及带宽资源，本发明实施例的方法，可分别将未满足用户终端容量需求压缩71.09％、40.47％和16.31％；2)当用户终端需求总容量为90Gbps，本发明实施例的方法可在压缩未满足用户容量需求基础上，进一步减少功率和带宽资源开销。
本发明实施例中，当用户终端的需求总容量为110Gbps、波束间容量需求差异为一般情况(其标准差约为单波束平均容量需求36％)时，本发明实施例提出的两阶段资源分配算法在有、无可行解寻优控制策略两种情况下，未满足用户终端需求容量和分配总功率分别如图2和图3所示。
图2示出了本发明实施例有无可行解寻优策略情况下的未满足用户容量需求迭代收敛曲线示意图；
图3示出了本发明实施例有无可行解寻优策略情况下的分配总功率迭代收敛曲线示意图。
参见图2和图3，相比无寻优控制策略(无可行解寻优策略)情况，在两阶段资源分配算法中嵌入可行解寻优控制策略，可压缩未满足用户终端容量需求3877.8Mbps，功率资源消耗下降84.4W，可有效提升两阶段资源分配算法性能。
图4示出了本发明实施例所提供的多波束通信卫星的下行波束资源分配装置结构示意图。如图4所示，该下行波束资源分配装置包括：
资源使用请求模块401，用于接收各用户终端发送的资源使用请求，解析所述资源使用请求，获取资源使用属性信息；
本发明实施例中，作为一可选实施例，资源使用属性信息包括：用户终端容量需求信息、用户终端标识信息、用户终端参数配置信息及用户终端地理位置信息。其中，用户终端标识信息包括但不限于：用户终端编号、用户终端MAC地址、用户终端移动号码等，用户终端参数配置信息包括但不限于：用户终端的天线最大发射增益、天线最大接收增益、最小发射功率、最大发射功率、系统噪声温度，用户终端地理位置信息包括但不限于：用户终端的位置经度、位置纬度、位置高程。
未满足容量需求计算模块402，用于依据所述资源使用属性信息以及通信卫星所能提供的容量，利用一种两阶段优化算法，为所述各用户终端生成下行波束功率和带宽资源联合优化解决方案，依据生成的下行波束功率和带宽资源联合优化解决方案获取多波束通信卫星的未满足容量需求，所述下行波束功率和带宽资源联合优化解决方案包括下行波束功率资源分配方案和下行波束带宽资源分配方案；
本发明实施例中，作为一可选实施例，未满足容量需求计算模块402，包括：
分配方案初步生成单元(图中未示出)，用于针对所述通信卫星的每一波束，依据该波束覆盖范围内的各用户终端对应的资源使用属性信息以及预设的资源分配约束条件，利用一种两阶段优化算法，为所述各用户终端生成下行波束功率和带宽资源联合优化解决方案，依据生成的下行波束功率和带宽资源联合优化解决方案获取所述各用户终端对该波束的容量需求；
本发明实施例中，资源分配约束条件包括：载波功率约束条件、载波带宽约束条件、波束带宽约束条件以及相邻波束带宽约束条件。
本发明实施例中，作为一可选实施例，利用一种两阶段优化算法，为所述各用户终端生成下行波束功率和带宽资源联合优化解决方案，包括：
基于遗传算法，随机生成多种下行波束功率和带宽资源联合优化解决方案。
容量获取单元，用于获取多波束通信卫星为每一波束所能提供的容量；
差值计算单元，用于计算波束覆盖范围内的各用户终端对该波束的容量需求与多波束通信卫星为该波束所能提供的容量的差值；
未满足容量需求计算单元，用于计算大于零的差值的和值，得到所述多波束通信卫星的未满足容量需求。
优化模块403，用于调节所述下行波束功率和带宽资源联合优化解决方案，以使所述未满足容量需求最小，获取最小的未满足容量需求对应的下行波束资源分配优化方案。
本发明实施例中，作为一可选实施例，优化模块403包括：
随机单元(图中未示出)，用于依据随机生成的下行波束功率和带宽资源联合优化解决方案生成遗传算法种群，每一下行波束功率和带宽资源联合优化解决方案对应遗传算法种群中的一染色体；
染色体优化单元，用于对各染色体执行选择、交叉、变异和精英保留操作，获取优化染色体；
本发明实施例中，作为一可选实施例，染色体优化单元包括：
适应度值计算子单元，用于针对每一染色体，根据预设的链路预算和干扰模型，计算该染色体的适应度值；
父染色体选择子单元，用于利用轮盘选择算子，从遗传算法种群中，选择适应度值最优的两个染色体，得到两个父染色体；
交叉子单元，用于利用预设的可行解寻优策略，控制两个父染色体执行交叉操作，生成两个子染色体；
变异子单元，用于利用所述可行解寻优策略，控制两个子染色体执行变异操作；
本发明实施例中，进行交叉或变异操作后得到的新染色体，按照如下公式进行资源分配：
适应度值更新子单元，用于根据所述链路预算和干扰模型，分别计算执行变异操作后得到的染色体的适应度值；
收敛判断子单元，用于判断执行交叉操作和变异操作的操作次数是否达到预设的操作次数阈值，如果是，依据各染色体的适应度值，获取优化染色体，如果否，执行利用轮盘选择算子，从遗传算法种群中，选择适应度值最优的两个染色体的步骤。
粒子群构建单元，用于基于优化染色体，构建粒子群，每一优化染色体对应粒子群中的一粒子；
粒子优化单元，用于基于粒子群算法，获取使所述未满足容量需求最小的优化粒子。
本发明实施例中，作为一可选实施例，粒子优化单元包括：
粒子适应度值计算子单元，用于针对粒子群中的每一粒子，根据所述链路预算和干扰模型，计算该粒子的适应度值；
第一更新子单元，用于根据粒子的适应度值更新粒子群的个体最佳和全局最佳；
第二更新子单元，用于利用可行解寻优策略，控制更新的粒子群中粒子的位置矢量和速度矢量以得到更新粒子；
粒子适应度值更新子单元，根据所述链路预算和干扰模型，计算更新粒子的适应度值；
优化粒子获取子单元，用于判断粒子群的适应度值是否满足预设的收敛标准，若不满足，执行所述根据粒子的适应度值更新粒子群的个体最佳和全局最佳的步骤，若满足，从粒子群中得到优化粒子。
如图5所示，本申请一实施例提供了一种计算机设备500，用于执行图1中的多波束通信卫星的下行波束资源分配方法，该设备包括存储器501、处理器502及存储在该存储器501上并可在该处理器502上运行的计算机程序，其中，上述处理器502执行上述计算机程序时实现上述多波束通信卫星的下行波束资源分配方法的步骤。
具体地，上述存储器501和处理器502能够为通用的存储器和处理器，这里不做具体限定，当处理器502运行存储器501存储的计算机程序时，能够执行上述多波束通信卫星的下行波束资源分配方法。
对应于图1中的多波束通信卫星的下行波束资源分配方法，本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述多波束通信卫星的下行波束资源分配方法的步骤。
具体地，该存储介质能够为通用的存储介质，如移动磁盘、硬盘等，该存储介质上的计算机程序被运行时，能够执行上述多波束通信卫星的下行波束资源分配方法。
在本申请所提供的实施例中，应该理解到，所揭露系统和方法，可以通过其它的方式实现。以上所描述的系统实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，系统或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请提供的实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释，此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围。都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。
Claims (6)
1.一种多波束通信卫星的下行波束资源分配方法，其特征在于，包括：
接收各用户终端发送的资源使用请求，解析所述资源使用请求，获取资源使用属性信息；
依据所述资源使用属性信息以及通信卫星所能提供的容量，利用一种两阶段优化算法，为所述各用户终端生成下行波束功率和带宽资源联合优化解决方案，依据生成的下行波束功率和带宽资源联合优化解决方案获取多波束通信卫星的未满足容量需求，所述下行波束功率和带宽资源联合优化解决方案包括下行波束功率资源分配方案和下行波束带宽资源分配方案；
调节所述下行波束功率和带宽资源联合优化解决方案，以使所述未满足容量需求最小，获取最小的未满足容量需求对应的下行波束资源分配优化方案；
所述利用一种两阶段优化算法，为所述各用户终端生成下行波束功率和带宽资源联合优化解决方案，包括：
基于遗传算法，随机生成多种下行波束功率和带宽资源联合优化解决方案；
所述调节所述下行波束功率和带宽资源联合优化解决方案，以使所述未满足容量需求最小，包括：
依据随机生成的下行波束功率和带宽资源联合优化解决方案生成遗传算法种群，每一下行波束功率和带宽资源联合优化解决方案对应遗传算法种群中的一染色体；
对各染色体执行选择、交叉、变异和精英保留操作，获取优化染色体；
基于优化染色体，构建粒子群，每一优化染色体对应粒子群中的一粒子；
基于粒子群算法，获取使所述未满足容量需求最小的优化粒子；
所述对各染色体执行选择、交叉、变异和精英保留操作，获取优化染色体，包括：
针对每一染色体，根据预设的链路预算和干扰模型，计算该染色体的适应度值；
利用轮盘选择算子，从遗传算法种群中，选择适应度值最优的两个染色体，得到两个父染色体；
利用预设的可行解寻优策略，控制两个父染色体执行交叉操作，生成两个子染色体；
利用所述可行解寻优策略，控制两个子染色体执行变异操作；
根据所述链路预算和干扰模型，分别计算执行变异操作后得到的染色体的适应度值；
判断执行交叉操作和变异操作的操作次数是否达到预设的操作次数阈值，如果是，依据各染色体的适应度值，获取优化染色体，如果否，执行利用轮盘选择算子，从遗传算法种群中，选择适应度值最优的两个染色体的步骤；
所述基于粒子群算法，获取使所述未满足容量需求最小的优化粒子，包括：
针对粒子群中的每一粒子，根据所述链路预算和干扰模型，计算该粒子的适应度值；
根据粒子的适应度值更新粒子群的个体最佳和全局最佳；
利用可行解寻优策略，控制更新的粒子群中粒子的位置矢量和速度矢量以得到更新粒子；
根据所述链路预算和干扰模型，计算更新粒子的适应度值；
判断粒子群的适应度值是否满足预设的收敛标准，若不满足，执行所述根据粒子的适应度值更新粒子群的个体最佳和全局最佳的步骤，若满足，从粒子群中得到优化粒子。
2.根据权利要求1所述的方法，其特征在于，所述依据所述资源使用属性信息以及通信卫星所能提供的容量，利用一种两阶段优化算法，为所述各用户终端生成下行波束功率和带宽资源联合优化解决方案，依据生成的下行波束功率和带宽资源联合优化解决方案获取多波束通信卫星的未满足容量需求，包括：
针对所述通信卫星的每一波束，依据该波束覆盖范围内的各用户终端对应的资源使用属性信息以及预设的资源分配约束条件，利用一种两阶段优化算法，为所述各用户终端生成下行波束功率和带宽资源联合优化解决方案，依据生成的下行波束功率和带宽资源联合优化解决方案获取所述各用户终端对该波束的容量需求；
获取多波束通信卫星为每一波束所能提供的容量；
计算波束覆盖范围内的各用户终端对该波束的容量需求与多波束通信卫星为该波束所能提供的容量的差值；
计算大于零的差值的和值，得到所述多波束通信卫星的未满足容量需求。
3.根据权利要求1所述的方法，其特征在于，所述资源使用属性信息包括：用户终端容量需求信息、用户终端标识信息、用户终端参数配置信息及用户终端地理位置信息。
4.一种多波束通信卫星的下行波束资源分配装置，其特征在于，包括：
资源使用请求模块，用于接收各用户终端发送的资源使用请求，解析所述资源使用请求，获取资源使用属性信息；
未满足容量需求计算模块，用于依据所述资源使用属性信息以及通信卫星所能提供的容量，利用一种两阶段优化算法，为所述各用户终端生成下行波束功率和带宽资源联合优化解决方案，依据生成的下行波束功率和带宽资源联合优化解决方案获取多波束通信卫星的未满足容量需求，所述下行波束功率和带宽资源联合优化解决方案包括下行波束功率资源分配方案和下行波束带宽资源分配方案；
优化模块，用于调节所述下行波束功率和带宽资源联合优化解决方案，以使所述未满足容量需求最小，获取最小的未满足容量需求对应的下行波束资源分配优化方案；
所述利用一种两阶段优化算法，为所述各用户终端生成下行波束功率和带宽资源联合优化解决方案，包括：
基于遗传算法，随机生成多种下行波束功率和带宽资源联合优化解决方案；
所述调节所述下行波束功率和带宽资源联合优化解决方案，以使所述未满足容量需求最小，包括：
依据随机生成的下行波束功率和带宽资源联合优化解决方案生成遗传算法种群，每一下行波束功率和带宽资源联合优化解决方案对应遗传算法种群中的一染色体；
对各染色体执行选择、交叉、变异和精英保留操作，获取优化染色体；
基于优化染色体，构建粒子群，每一优化染色体对应粒子群中的一粒子；
基于粒子群算法，获取使所述未满足容量需求最小的优化粒子；
所述调节所述下行波束功率和带宽资源联合优化解决方案，以使所述未满足容量需求最小，包括：
依据随机生成的下行波束功率和带宽资源联合优化解决方案生成遗传算法种群，每一下行波束功率和带宽资源联合优化解决方案对应遗传算法种群中的一染色体；
对各染色体执行选择、交叉、变异和精英保留操作，获取优化染色体；
基于优化染色体，构建粒子群，每一优化染色体对应粒子群中的一粒子；
基于粒子群算法，获取使所述未满足容量需求最小的优化粒子；
所述对各染色体执行选择、交叉、变异和精英保留操作，获取优化染色体，包括：
针对每一染色体，根据预设的链路预算和干扰模型，计算该染色体的适应度值；
利用轮盘选择算子，从遗传算法种群中，选择适应度值最优的两个染色体，得到两个父染色体；
利用预设的可行解寻优策略，控制两个父染色体执行交叉操作，生成两个子染色体；
利用所述可行解寻优策略，控制两个子染色体执行变异操作；
根据所述链路预算和干扰模型，分别计算执行变异操作后得到的染色体的适应度值；
判断执行交叉操作和变异操作的操作次数是否达到预设的操作次数阈值，如果是，依据各染色体的适应度值，获取优化染色体，如果否，执行利用轮盘选择算子，从遗传算法种群中，选择适应度值最优的两个染色体的步骤；
所述基于粒子群算法，获取使所述未满足容量需求最小的优化粒子，包括：
针对粒子群中的每一粒子，根据所述链路预算和干扰模型，计算该粒子的适应度值；
根据粒子的适应度值更新粒子群的个体最佳和全局最佳；
利用可行解寻优策略，控制更新的粒子群中粒子的位置矢量和速度矢量以得到更新粒子；
根据所述链路预算和干扰模型，计算更新粒子的适应度值；
判断粒子群的适应度值是否满足预设的收敛标准，若不满足，执行所述根据粒子的适应度值更新粒子群的个体最佳和全局最佳的步骤，若满足，从粒子群中得到优化粒子。
5.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1至3任一所述的多波束通信卫星的下行波束资源分配方法的步骤。
6.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1至3任一所述的多波束通信卫星的下行波束资源分配方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010978556.3A CN112039580B (zh) | 2020-09-17 | 2020-09-17 | 一种多波束通信卫星的下行波束资源分配方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010978556.3A CN112039580B (zh) | 2020-09-17 | 2020-09-17 | 一种多波束通信卫星的下行波束资源分配方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112039580A CN112039580A (zh) | 2020-12-04 |
| CN112039580B true CN112039580B (zh) | 2021-05-07 |
Family
ID=73589731
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010978556.3A Active CN112039580B (zh) | 2020-09-17 | 2020-09-17 | 一种多波束通信卫星的下行波束资源分配方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112039580B (zh) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112636007A (zh) * | 2020-12-16 | 2021-04-09 | 浙江沃科电子科技有限公司 | 一种基于sinr的抗干扰卫星通信相控阵列天线 |
| CN112491740B (zh) * | 2020-12-18 | 2024-02-20 | 中国卫通集团股份有限公司 | 一种卫星转发器的资源分配方法及装置 |
| US11750278B2 (en) | 2020-12-23 | 2023-09-05 | Hughes Network Systems, Llc | Satellite terminal power back-off |
| CN112803986B (zh) * | 2020-12-31 | 2022-05-27 | 东方红卫星移动通信有限公司 | 多波束功率动态分配方法、通信设备及低轨卫星通信系统 |
| CN113098590B (zh) * | 2021-04-19 | 2022-03-04 | 西安电子科技大学 | 面向非均匀业务覆盖的卫星星座构型参数优化方法 |
| CN113258988B (zh) * | 2021-05-13 | 2022-05-20 | 重庆邮电大学 | 一种基于dqn的多业务低轨卫星资源分配方法 |
| CN113644954B (zh) * | 2021-06-18 | 2022-10-21 | 中国空间技术研究院 | 一种高通量卫星系统级功率、带宽资源联合分配方法 |
| CN113852405B (zh) * | 2021-08-24 | 2024-03-05 | 合肥工业大学 | 多波束中继卫星任务调度模型的构建方法及装置 |
| CN115484667B (zh) * | 2022-11-15 | 2023-01-13 | 亚太卫星宽带通信（深圳）有限公司 | 一种高通量卫星多波束间功率调配系统 |
| CN115801109B (zh) * | 2023-02-03 | 2023-05-23 | 南京邮电大学 | 一种降雨环境下卫星通信系统资源动态分配方法和系统 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130104337A (ko) * | 2012-03-13 | 2013-09-25 | 한국전자통신연구원 | 다중 빔 위성 통신 시스템에서의 자원 할당 장치 및 방법 |
| CN102711266B (zh) * | 2012-05-17 | 2014-08-13 | 北京邮电大学 | 基于遗传算法的调度与资源分配联合优化方法 |
| CN105262521B (zh) * | 2014-07-18 | 2018-03-09 | 中国人民解放军理工大学 | 一种多波束卫星通信系统中的功率分配算法 |
| CN108880663B (zh) * | 2018-07-20 | 2020-09-22 | 大连大学 | 基于改进遗传算法的天地一体化网络资源分配方法 |
| US20200244345A1 (en) * | 2019-01-28 | 2020-07-30 | Peter E. Goettle | Apparatus and Methods for Broadband Aeronautical Communications Systems |
| CN111262619B (zh) * | 2020-01-20 | 2021-04-06 | 中国科学院计算技术研究所 | 一种多波束卫星资源分配方法及系统 |
| CN111446991B (zh) * | 2020-03-27 | 2022-05-03 | 网络通信与安全紫金山实验室 | 大规模mimo卫星通信sc-ofdma下行链路自适应资源调度方法 |
-
2020
- 2020-09-17 CN CN202010978556.3A patent/CN112039580B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN112039580A (zh) | 2020-12-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112039580B (zh) | 一种多波束通信卫星的下行波束资源分配方法及装置 | |
| Pachler et al. | An updated comparison of four low earth orbit satellite constellation systems to provide global broadband | |
| Cocco et al. | Radio resource management optimization of flexible satellite payloads for DVB-S2 systems | |
| Paris et al. | A genetic algorithm for joint power and bandwidth allocation in multibeam satellite systems | |
| Kyrgiazos et al. | A terabit/second satellite system for European broadband access: a feasibility study | |
| Takahashi et al. | Adaptive power resource allocation with multi-beam directivity control in high-throughput satellite communication systems | |
| Park et al. | A dynamic bandwidth allocation scheme for a multi‐spot‐beam satellite system | |
| CN107425892B (zh) | 基于多波束组播的空地协同通信方法和装置 | |
| US10644788B2 (en) | Method of allocating frequency resources for a satellite telecommunication system | |
| Shibata et al. | A study on cell configuration for HAPS mobile communications | |
| CN116112060A (zh) | 基于缓冲中继的空天地通信系统资源分配方法及装置 | |
| Dimitrov et al. | Radio resource management techniques for high throughput satellite communication systems | |
| CN113938179A (zh) | 5g基站对卫星用户干扰的联合波束成形和功率控制方法 | |
| Dowhuszko et al. | LEO satellite constellations to offload optical terrestrial networks in placement of popular content in 5G edge nodes | |
| Cocco et al. | Radio resource management strategies for DVB-S2 systems operated with flexible satellite payloads | |
| Lee et al. | Stable marriage matching for traffic-aware space-air-ground integrated networks: A gale-shapley algorithmic approach | |
| Zhang et al. | Exploiting collaborative computing to improve downlink sum rate in satellite integrated terrestrial networks | |
| Zhao et al. | Flexible Resource Management in High-Throughput Satellite Communication Systems: A Two-Stage Machine Learning Framework | |
| CN116566465A (zh) | 基于跳波束规避低轨卫星干扰的多域资源分配方法 | |
| CN107124726B (zh) | 基于最大化吞吐量的多波束geo系统接入控制方法 | |
| Diao et al. | A Muti-beam Placement Optimization Scheme in LEO Beam Hopping Satellite Systems | |
| Awan et al. | Co-operative admission control and optimum power allocation underlying 5G-IoT networks aided D2D-Satellite communication | |
| Deng et al. | Beam Hopping Scheduling Based on Deep Reinforcement Learning | |
| Zheng et al. | Multi-user interference pre-cancellation for downlink signals of multi-beam satellite system | |
| Zhang et al. | Interference-aware Resource Allocation in Satellite Integrated Terrestrial Networks |
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 |