CN112134614A - 一种多波束通信卫星的下行载波资源分配方法及系统 - Google Patents

一种多波束通信卫星的下行载波资源分配方法及系统 Download PDF

Info

Publication number
CN112134614A
CN112134614A CN202011153804.7A CN202011153804A CN112134614A CN 112134614 A CN112134614 A CN 112134614A CN 202011153804 A CN202011153804 A CN 202011153804A CN 112134614 A CN112134614 A CN 112134614A
Authority
CN
China
Prior art keywords
resource allocation
optimization scheme
downlink carrier
scheme
particle
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
Application number
CN202011153804.7A
Other languages
English (en)
Other versions
CN112134614B (zh
Inventor
王磊
郑军
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.)
32039 Unit Of Chinese Pla
Original Assignee
32039 Unit Of Chinese Pla
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 32039 Unit Of Chinese Pla filed Critical 32039 Unit Of Chinese Pla
Priority to CN202011153804.7A priority Critical patent/CN112134614B/zh
Publication of CN112134614A publication Critical patent/CN112134614A/zh
Application granted granted Critical
Publication of CN112134614B publication Critical patent/CN112134614B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H04B7/18513—Transmission in a satellite or space-based system
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/04—TPC
    • H04W52/18—TPC being performed according to specific parameters
    • H04W52/26—TPC being performed according to specific parameters using transmission rate or quality of service QoS [Quality of Service]
    • H04W52/267—TPC being performed according to specific parameters using transmission rate or quality of service QoS [Quality of Service] taking into account the information rate
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/04—TPC
    • H04W52/38—TPC being performed in particular situations
    • H04W52/42—TPC being performed in particular situations in systems with time, space, frequency or polarisation diversity
    • 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
    • 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
    • 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
    • H04W72/0473—Wireless resource allocation based on the type of the allocated resource the resource being transmission power

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)
  • Quality & Reliability (AREA)
  • Radio Relay Systems (AREA)

Abstract

本申请涉及一种多波束通信卫星的下行载波资源分配方法及系统，基于用户终端的通信容量需求和预设资源分配约束条件，生成初始资源分配联合方案，以最小化未满足用户容量需求为目标，优化初始资源分配联合方案得到第一资源分配联合优化方案，以最小化未满足用户容量需求和下行载波的消耗总功率为目标，再次优化第一资源分配联合优化方案得到第二资源分配联合优化方案，以择优选择出一个帕累托资源分配联合优化方案。第二资源分配联合优化方案通过考虑下行载波资源分配的实际需求，从最小化未满足用户容量需求和卫星下行载波分配总功率这两个相互冲突的目标出发，可以兼顾用户需求满足和卫星功放输出功率，使资源分配更合理化，从而提高资源利用率。

Description

一种多波束通信卫星的下行载波资源分配方法及系统
技术领域
本申请涉及通信卫星技术领域，尤其涉及一种多波束通信卫星的下行载波资源分配方法及系统。
背景技术
多波束通信卫星由于可以有效提升系统通信容量，近年来，已逐渐在海事、航空、应急救灾等诸多领域得到广泛应用，市场潜力和应用价值愈加凸显。
现有多波束通信卫星系统资源分配主要围绕最大化满足用户需求单一维度目标开展优化工作，较少关注卫星下行载波功率消耗。然而，由于多波束通信卫星功放功率受限，在相同的用户容量需求情况下为下行载波分配较高功率可能产生如下不利影响：a)若临时应急增加用户容量需求，由于现已使用较大功率，卫星功放剩余功率能力难以满足这部分临时新增需求；b)在卫星研制阶段，卫星功放输出功率需求指标与整星设计及运载发射相关，过高的功率需求指标使得整星体积和重量都难以降低，也会增加运载发射难度；c)卫星功放长期、连续输出较高(近饱和状态)功率影响有效载荷在轨寿命，增加卫星器件故障风险。因此单目标优化已不能满足新一代多波束通信卫星系统资源管理需求。
针对上述多目标资源管理需求，传统多目标优化方法通过加权将多目标问题转化为单目标问题，或者提取其中一个目标作为求解目标，然后将其余目标转化为约束，然后用传统数学规划方法来求解，这类传统方法每次只能得到一种权值情况下的最优解，会引入三个问题：a)，求解结果对权重分配或目标给定次序较敏感，权重因子设计主观性较强，而且必须在求解之前确定，这需要决策人员具备准确的先验知识和丰富的一线经验，客观上增加了系统运行管理中心资源分配决策难度；b)，针对转化后的单目标问题，运用传统数学优化方法一次仅能得到一个最优解，难以满足新一代多波束通信卫星系统的多样化应用需求。c)，在转化为单目标问题后，原多目标优化问题可能损失重要信息，不利于系统服务质量的持续改进。
本申请内容
有鉴于此，本申请实施例至少提供一种多波束通信卫星的下行载波资源分配方法及系统，可以兼顾用户需求满足和卫星功放输出功率，使资源分配更合理化，从而提高资源利用率。
本申请主要包括以下几个方面：
第一方面，本申请实施例提供一种多波束通信卫星的下行载波资源分配方法，所述下行载波资源分配方法包括：
基于当前接入的各用户终端发送的通信容量需求和预设资源分配约束条件，随机生成各波束中下行载波的功率和带宽资源的初始资源分配联合方案，并根据生成的所述初始资源分配联合方案和所述通信容量需求，确定所述多波束通信卫星的未满足用户容量需求；
以最小化未满足用户容量需求为单目标，对所述初始资源分配联合方案进行优化与调整，得到第一资源分配联合优化方案；
以最小化未满足用户容量需求和下行载波的消耗总功率为双目标，对所述第一资源分配联合优化方案进行优化与调整，得到第二资源分配联合优化方案；所述第二资源分配联合优化方案为帕累托资源分配联合优化方案；
基于所述下行载波的消耗总功率和各用户终端需求的满足情况，从所述第二资源分配联合优化方案中，确定出为各波束中下行载波分配的功率和带宽资源的目标资源分配联合优化方案。
在一种可能的实施方式中，所述预设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。
在一种可能的实施方式中，所述根据生成的所述初始资源分配联合方案和所述通信容量需求，确定所述多波束通信卫星的未满足用户容量需求，包括：
针对所述多波束通信卫星中的任一所述波束，根据所述波束中下行载波的功率和带宽资源的初始资源分配联合方案，确定所述波束中下行载波所能提供的容量；
确定所述波束覆盖范围内的各用户终端对该波束中下行载波的容量需求与所述波束中下行载波所能提供的容量之间的差值；
对所述多波束通信卫星中波束对应的差值大于零的差值进行求和，得到所述多波束通信卫星的未满足用户容量需求。
在一种可能的实施方式中，所述以最小化未满足用户容量需求为单目标，对所述初始资源分配联合方案进行优化与调整，得到第一资源分配联合优化方案，包括：
根据随机生成的各波束中下行载波的功率和带宽资源的初始资源分配联合方案，生成可遗传进化的初始种群，并将每个初始资源分配联合方案设计为一个染色体；
以最小化未满足用户容量需求为单目标，通过对各染色体执行选择、交叉、变异和精英保留操作，得到第一资源分配联合优化方案。
在一种可能的实施方式中，所述以最小化未满足用户容量需求为单目标，通过对各染色体执行选择、交叉、变异和精英保留操作，得到第一资源分配联合优化方案，包括：
针对所述初始种群中的任一所述染色体，根据预设的链路预算、波束干扰和下行信道衰减模型，计算所述染色体的适应度；
采用锦标赛算法选择算子，根据各个所述染色体的适应度，从所述初始种群中选择两个染色体，作为父染色体；
采用模拟二进制交叉算子对两个父染色体执行交叉操作，生成两个子染色体；
对两个子染色体执行变异操作，将两个子染色体加入到所述初始种群，并将加入两个子染色体之后的所述初始种群进行精英保留操作，形成新种群；
重复对所述新种群的染色体进行选择、交叉、变异和精英保留操作得到更新后的新种群，直至更新后的新种群满足预设收敛门限，并将满足所述预设收敛门限的新种群确定为所述第一资源分配联合优化方案。
在一种可能的实施方式中，所述以最小化未满足用户容量需求和下行载波的消耗总功率为双目标，对所述第一资源分配联合优化方案进行优化与调整，得到第二资源分配联合优化方案，包括：
根据所述第一资源分配联合优化方案，构建初始粒子群；每个第一资源分配联合优化方案对应的一个染色体设计为所述初始粒子群中的一个粒子；
基于非支配排序分层算法和同层内粒子拥挤度排序算法，在可行解区域内从所述初始粒子群中搜索帕累托前沿优化粒子，得到第二资源分配联合优化方案。
在一种可能的实施方式中，所述基于非支配排序分层算法和同层内粒子拥挤度排序算法，在可行解区域内从所述初始粒子群中搜索帕累托前沿优化粒子，得到第二资源分配联合优化方案，包括：
针对所述初始粒子群中的每一粒子，根据链路预算和干扰模型，计算所述粒子的适应度；每个粒子的适应度为矢量，包括未满足用户容量需求的第一分量，以及下行载波分配总功率的第二分量；
根据各个粒子的适应度的第一分量更新所述初始粒子群中的个体最佳和全局最佳的粒子，得到当前粒子群；
计算所述当前粒子群中各粒子的秩以及具有相同秩的粒子拥挤度，进行帕累托非支配排序；
基于帕累托非支配排序结果，采用锦标赛选择算子从所述当前粒子群中挑选出一半粒子，组成外部优质粒子群；
根据各粒子历史最佳和粒子全局最佳位置矢量计算粒子速度矢量，根据粒子速度矢量更新外部优质粒子位置矢量，对所述外部优质粒子群进行优化；
检查优化后的外部优质粒子位置矢量是否位于可行解区域，实施约束处理机制；
将更新后的所述外部优质粒子群和所述当前粒子群合并为备选粒子群；
计算所述备选粒子群各粒子的秩以及具有相同秩的粒子拥挤度，进行帕累托非支配排序，并选取排序靠前的预设个数的粒子更新为当前粒子群；
判断更新后的所述当前粒子群的适应度是否满足预设的收敛标准，若不满足，执行所述根据各个粒子的适应度的第一分量更新所述当前粒子群中的个体最佳和全局最佳的粒子的步骤，若满足，从更新后的所述当前粒子群中得到优化粒子；
将所述优化粒子确定为第二资源分配联合优化方案。
第二方面，本申请实施例还提供一种多波束通信卫星的下行载波资源分配系统，所述下行载波资源分配系统包括：
第一确定模块，用于基于当前接入的各用户终端发送的通信容量需求和预设资源分配约束条件，随机生成各波束中下行载波的功率和带宽资源的初始资源分配联合方案，并根据生成的所述初始资源分配联合方案和所述通信容量需求，确定所述多波束通信卫星的未满足用户容量需求；
第一优化模块，用于以最小化未满足用户容量需求为单目标，对所述初始资源分配联合方案进行优化与调整，得到第一资源分配联合优化方案；
第二优化模块，用于以最小化未满足用户容量需求和下行载波的消耗总功率为双目标，对所述第一资源分配联合优化方案进行优化与调整，得到第二资源分配联合优化方案；所述第二资源分配联合优化方案为帕累托资源分配联合优化方案；
第二确定模块，用于基于所述下行载波的消耗总功率和各用户终端需求的满足情况，从所述第二资源分配联合优化方案中，确定出为各波束中下行载波分配的功率和带宽资源的目标资源分配联合优化方案。
第三方面，本申请实施例还提供一种电子设备，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所述总线进行通信，所述机器可读指令被所述处理器运行时执行上述第一方面或第一方面中任一种可能的实施方式中所述的多波束通信卫星的下行载波资源分配方法的步骤。
第四方面，本申请实施例还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第一方面或第一方面中任一种可能的实施方式中所述的多波束通信卫星的下行载波资源分配方法的步骤。
本申请实施例提供的多波束通信卫星的下行载波资源分配方法及系统，采用第二资源分配联合优化方案通过考虑下行载波资源分配的实际需求，并从最小化未满足用户容量需求和卫星下行载波分配总功率这两个相互冲突的目标出发，与现有技术中的仅考虑满足用户需求单一优化目标，可以兼顾用户需求满足和卫星功放输出功率，使资源分配更合理化，从而提高资源利用率。
为使本申请的上述目的、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申请实施例的技术方案，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申请的某些实施例，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示出了本申请实施例所提供的一种多波束通信卫星的下行载波资源分配方法的流程图；
图2示出了采用本申请方法得到的多波束通信卫星下行载波资源分配Pareto前沿集合；
图3示出了采用本申请方法得到的未满足容量需求最小值随迭代变化曲线；
图4示出了仅采用一步多目标粒子群算法寻优得到的下行载波资源分配Pareto前沿集合；
图5采用本申请方法和NSGA分别得到的未满足容量需求最小值迭代变化曲线；
图6示出了本申请实施例所提供的一种多波束通信卫星的下行载波资源分配系统的功能模块图；
图7示出了图6中第一优化模块的功能模块图；
图8示出了图6中第二优化模块的功能模块图；
图9示出了本申请实施例所提供的一种电子设备的结构示意图。
主要元件符号说明：
图中：600-多波束通信卫星的下行载波资源分配系统；610-第一确定模块；620-第一优化模块；621-设计单元；622-第一确定单元；630-第二优化模块；631-构建单元；632-第二确定单元；640-第二确定模块；900-电子设备；910-处理器；920-存储器；930-总线。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，应当理解，本申请中的附图仅起到说明和描述的目的，并不用于限定本申请的保护范围。另外，应当理解，示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请的一些实施例实现的操作。应当理解，流程图的操作可以不按顺序实现，没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外，本领域技术人员在本申请内容的指引下，可以向流程图添加一个或多个其他操作，也可以从流程图中移除一个或多个操作。
另外，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请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申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，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全部其他实施例，都属于本申请保护的范围。
为了使得本领域技术人员能够使用本申请内容，结合特定应用场景“多波束通信卫星的资源分配”，给出以下实施方式，对于本领域技术人员来说，在不脱离本申请的精神和范围的情况下，可以将这里定义的一般原理应用于其他实施例和应用场景。
本申请实施例下述方法及系统可以应用于任何需要进行多波束通信卫星的资源分配的场景，本申请实施例并不对具体的应用场景作限制，任何使用本申请实施例提供的多波束通信卫星的下行载波资源分配方法及系统的方案均在本申请保护范围内。
值得注意的是，在本申请提出之前，现有多波束通信卫星系统资源分配主要围绕最大化满足用户需求单一维度目标开展优化工作，较少关注卫星下行载波功率消耗。然而，由于多波束通信卫星功放功率受限，在相同的用户容量需求情况下为下行载波分配较高功率可能产生很多不利影响。
针对上述多目标资源管理需求，传统多目标优化方法通过加权将多目标问题转化为单目标问题，或者提取其中一个目标作为求解目标，然后将其余目标转化为约束，然后用传统数学规划方法来求解，这类传统方法每次只能得到一种权值情况下的最优解，会引来如下问题：
A)，求解结果对权重分配或目标给定次序较敏感，权重因子设计主观性较强，而且必须在求解之前确定，这需要决策人员具备准确的先验知识和丰富的一线经验，客观上增加了系统运行管理中心资源分配决策难度。
B)，针对转化后的单目标问题，运用传统数学优化方法一次仅能得到一个最优解，难以满足新一代多波束通信卫星系统的多样化应用需求。
C)，在转化为单目标问题后，原多目标优化问题可能损失重要信息，不利于系统服务质量的持续改进。
针对上述问题，本申请实施例基于用户终端的通信容量需求和预设资源分配约束条件，生成下行载波的功率和带宽资源的初始资源分配联合方案，以最小化未满足用户容量需求为目标，优化初始资源分配联合方案得到第一资源分配联合优化方案，以最小化未满足用户容量需求和下行载波的消耗总功率为目标，再次优化第一资源分配联合优化方案得到第二资源分配联合优化方案，以择优选择出一个帕累托资源分配联合优化方案。第二资源分配联合优化方案通过考虑下行载波资源分配的实际需求，并从最小化未满足用户容量需求和卫星下行载波分配总功率这两个相互冲突的目标出发，可以兼顾用户需求满足和卫星功放输出功率，使资源分配更合理化，从而提高资源利用率。
为便于对本申请进行理解，下面结合具体实施例对本申请提供的技术方案进行详细说明。
图1为本申请实施例所提供的一种多波束通信卫星的下行载波资源分配方法的流程图。如图1所示，本申请实施例提供的多波束通信卫星的下行载波资源分配方法，包括以下步骤：
S101：基于当前接入的各用户终端发送的通信容量需求和预设资源分配约束条件，随机生成各波束中下行载波的功率和带宽资源的初始资源分配联合方案，并根据生成的所述初始资源分配联合方案和所述通信容量需求，确定所述多波束通信卫星的未满足用户容量需求。
其中，所述通信容量需求中包括对各波束中下行载波的容量需求。
在具体实施中，用户终端在需要接入多波束通信卫星时，会发送通信容量需求，具体地，用户终端可以向多波束通信卫星的地面运管中心提交通信容量需求，地面运管中心统计提交的通信容量需求并进行解析，在获取到当前接入多波束通信卫星的各用户终端发送的通信容量需求后，还需要获取各波束在进行资源分配对应的预设资源分配约束条件，这样，在满足预设资源分配约束条件下，依据各用户终端对各波束的通信容量需求中对各波束中下行载波的容量需求，可以先随机生成各波束中下行载波的功率和带宽资源的多个初始资源分配联合方案，这里，下行载波的功率和带宽资源的每个初始资源分配联合方案包括多波束中下行载波功率资源分配方案和多波束中下行载波带宽资源分配方案。
这里，通信容量需求中携带有各用户终端对各波束中下行载波的容量需求信息、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信息。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。
这里，预设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。
其中，载波功率约束条件是在进行下行波束资源分配时，需要确保为任一波束中所有载波分配的功率总和不超过多波束通信卫星输出的功放总功率，以及，为任一波束中任一下行载波分配的功率不超过该波束中的最大载波功率，载波功率约束条件对应如下的载波功率约束公式：
Figure BDA0002742008120000111
式中，Pb,c为分配给波束b中的下行载波c的载波功率；Ptotal为多波束通信卫星输出的功放总功率，即多波束通信卫星所能提供的容量中的功率容量；
Figure BDA0002742008120000112
为分配给波束b中的下行载波c的最大载波功率；|Q|为多波束通信卫星中波束的数量；每个波束有|C|个下行载波。
对于任一波束中的任一下行载波，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：
Figure BDA0002742008120000121
式中，BWb,c为分配给波束b中的下行载波c的载波带宽；
Figure BDA0002742008120000122
分别为分配给波束b中的下行载波c的最小载波带宽以及最大载波带宽。
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：
Figure BDA0002742008120000123
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。
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：
Figure BDA0002742008120000124
式中，波束a为与波束b为相邻波束；APp为极化方式均为p的相邻空间波束集合。
进一步地，在生成各波束中下行载波的功率和带宽资源的初始资源分配联合方案之后，根据每个初始资源分配联合方案和各用户终端对应的通信容量需求，确定多波束通信卫星的未满足用户容量需求，这里，多波束通信卫星的未满足用户容量需求等于所有用户终端对所有波束中所有下行载波的总容量需求与多波束通信卫星中所有波束中下行载波所能提供的总容量之间的差值。
这里，多波束通信卫星的未满足用户容量需求(UCD，Unmet Capacity Demand)为评估多波束通信卫星的效能发挥和收益的关键指标，利用下式计算多波束通信卫星的未满足容量需求：
Figure BDA0002742008120000131
式中，UCD为多波束通信卫星的未满足容量需求；
Figure BDA0002742008120000132
为各用户终端对波束b中所有下行载波的容量需求，记为用户终端对波束b容量需求；
Figure BDA0002742008120000133
为波束b中所有下行载波所能提供的容量，记为波束b所能提供的容量；|Q|为多波束通信卫星包含的下行波束数；|C|为下行波束包含的下行载波数；
Figure BDA0002742008120000134
为各用户终端对波束b中的下行载波c的容量需求；
Figure BDA0002742008120000135
为波束b中的下行载波c所能提供的容量；
Figure BDA0002742008120000136
为多波束通信卫星所能提供的容量，
Figure BDA0002742008120000137
为多波束通信卫星中各波束覆盖范围内的用户终端的容量需求，其中，多波束通信卫星的波束形状及指向固定。
具体地，步骤S101中根据生成的所述初始资源分配联合方案和所述通信容量需求，确定所述多波束通信卫星的未满足用户容量需求，包括以下步骤：
步骤a1：针对所述多波束通信卫星中的任一所述波束，根据所述波束中下行载波的功率和带宽资源的初始资源分配联合方案，确定所述波束中下行载波所能提供的容量。
在具体实施中，针对多波束通信卫星中的任一波束b，根据波束b中各下行载波的功率和带宽资源的初始资源分配联合方案，可以计算出波束b中下行载波所提供的容量
Figure BDA0002742008120000138
其中，|C|为下行波束b包含的下行载波数。
步骤a2：确定所述波束覆盖范围内的各用户终端对该波束中下行载波的容量需求与所述波束中下行载波所能提供的容量之间的差值。
在具体实施中，针对多波束通信卫星中的任一波束b，统计出波束b覆盖范围内的各用户终端对波束b中下行载波的容量需求
Figure BDA0002742008120000141
其中，|C为下行波束b包含的下行载波数，进而，计算波束b覆盖范围内的各用户终端对波束b中下行载波的容量需求
Figure BDA0002742008120000142
与波束b中下行载波所能提供的容量
Figure BDA0002742008120000143
之间的差值
Figure BDA0002742008120000144
这里，若波束b所有下行载波容量需求
Figure BDA0002742008120000145
大于该波束b所能提供的容量
Figure BDA0002742008120000146
则波束b未满足容量需求为
Figure BDA0002742008120000147
反之，波束b未满足容量需求为0或小于0，表示该波束b可以完全满足覆盖范围内所有用户终端容量需求。
步骤a3：对所述多波束通信卫星中波束对应的差值大于零的差值进行求和，得到所述多波束通信卫星的未满足用户容量需求。
在具体实施中，统计出多波束通信卫星中波束对应的差值大于零的差值，将这些差值进行求和，得到多波束通信卫星的未满足用户容量需求
Figure BDA0002742008120000148
其中，|Q|为多波束通信卫星包含的下行波束数。
需要说明的是，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。
S102：以最小化未满足用户容量需求为单目标，对所述初始资源分配联合方案进行优化与调整，得到第一资源分配联合优化方案。
在具体实施中，在随机生成各波束中下行载波的功率和带宽资源的初始资源分配联合方案之后，由于初始资源分配联合方案是随机生成的，并没有考虑对未满足用户容量需求的量化，而未满足用户容量需求越小，越能满足接入多波束通信卫星中用户终端的容量需求，故，可以以最小化未满足用户容量需求为单目标，对初始资源分配联合方案进行优化与调整，得到各波束中下行载波的功率和带宽资源的第一资源分配联合优化方案，使得第一资源分配联合优化方案更能满足接入多卫星通信的用户终端的容量需求。这里，用户终端的容量需求可以理解为是对信息传输速率的需求。
进一步地，可以以最小化未满足用户容量需求为单目标，对采用遗传算法，对初始资源分配联合方案进行优化与调整，得到第一资源分配联合优化方案，具体包括以下步骤：
步骤b1：根据随机生成的各波束中下行载波的功率和带宽资源的初始资源分配联合方案，生成可遗传进化的初始种群，并将每个初始资源分配联合方案设计为一个染色体。
步骤b2：以最小化未满足用户容量需求为单目标，通过对各染色体执行选择、交叉、变异和精英保留操作，得到第一资源分配联合优化方案。
在具体实施中，以最小化未满足用户容量需求为单目标寻优，采用遗传算法思想，将每种初始资源分配联合方案设计为染色体，染色体所含基因包括下行载波相关资源要素(下行载波的功率和带宽资源)，接下来，将随机生成多种初始资源分配联合方案(多个染色体)构成可遗传进化的初始种群，并以最小化未满足用户容量需求为优化目标，优化目标是使多波束通信卫星的未满足容量需求最小化，通过对初始种群中各染色体执行选择、交叉、变异和精英保留操作，来确定优化和调整后的第一资源分配联合优化方案。
进一步地，下面对得到第一资源分配联合优化方案的具体实施过程进行详细说明，也即，步骤b2中以最小化未满足用户容量需求为单目标，通过对各染色体执行选择、交叉、变异和精英保留操作，得到第一资源分配联合优化方案，包括以下步骤：
步骤b21：针对所述初始种群中的任一所述染色体，根据预设的链路预算、波束干扰和下行信道衰减模型，计算所述染色体的适应度。
步骤b22：采用锦标赛算法选择算子，根据各个所述染色体的适应度，从所述初始种群中选择两个染色体，作为父染色体。
步骤b23：采用模拟二进制交叉算子对两个父染色体执行交叉操作，生成两个子染色体。
步骤b24：对两个子染色体执行变异操作，将两个子染色体加入到所述初始种群，并将加入两个子染色体之后的所述初始种群进行精英保留操作，形成新种群。
步骤b25：重复对所述新种群的染色体进行选择、交叉、变异和精英保留操作得到更新后的新种群，直至更新后的新种群满足预设收敛门限，并将满足所述预设收敛门限的新种群确定为所述第一资源分配联合优化方案。
在具体实施中，先确定初始种群的集合规模、遗传算法的最大迭代次数k，以及预设收敛门限threshold，以初始资源分配联合方案(初始种群)为输入，以第一资源分配联合优化方案(新种群)为输出，具体地，根据链路预算、波束干扰和下行信道衰减模型计算初始种群中每个染色体的适应度，这里，适应度可以反映未满足用户容量需求和下行载波分配总功率，进而，采用锦标赛算法选择算子，根据各个染色体的适应度，从初始种群中选择质量相对高的两个染色体，作为父染色体，这里，染色体对应的适应度值中的未满足用户容量需求越小，被选中概率越大，并采用模拟二进制交叉算子对两个父染色体执行交叉操作，生成两个子染色体，对两个子染色体执行变异操作，将两个子染色体加入到初始种群，并将加入两个子染色体之后的初始种群进行精英保留操作，形成新种群，这样，新种群和初始种群的维度相同，结束本次迭代过程，重复对新种群的染色体进行选择、交叉、变异和精英保留操作得到更新后的新种群，直至更新后的新种群满足预设收敛门限，得到第一资源分配联合优化方案。
一示例中，假设随机生成的初始资源分配联合方案为100种，对应遗传算法的初始种群中有100个染色体，对其中较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，或满足预设收敛门限。
这里，在第k次迭代产生的资源分配方案集合中，将具有系统未满足用户容量需求最小的方案记为第k代迭代产生的最佳资源分配方案，对应的系统未满足用户容量需求量记为UCDk，将UCDk与前M次迭代产生的每个UCDm相比，相对变化小于门限threshold时，则判为收敛，退出迭代循环。
预设收敛门限的公式为：
Figure BDA0002742008120000171
这里，在资源分配中，染色体交叉、变异更新后，可能产生两个问题：更新后的变量结果超出有效取值范围；更新后的决策变量引导算法至非高质量解空间，导致算法随迭代次数收敛慢，算法效率下降。为解决上述问题，本申请基于系统下行载波资源分配原理及相关工作约束，设计了一种高效的约束处理机制，该机制包括决策变量更新引导策略和变量取值有效性处理策略，具体描述如下，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：
Figure BDA0002742008120000181
式中，
Figure BDA0002742008120000182
为波束b中的下行载波c执行交叉或变异操作后得到的新染色体分配的载波新功率；
Figure BDA0002742008120000183
为波束中b的下行载波c执行交叉或变异操作后得到的新染色体分配的载波新带宽。
S103：以最小化未满足用户容量需求和下行载波的消耗总功率为双目标，对所述第一资源分配联合优化方案进行优化与调整，得到第二资源分配联合优化方案；所述第二资源分配联合优化方案为帕累托资源分配联合优化方案。
在具体实施中，本申请在对多波束通信卫星中下行载波进行资源时，除了对未满足用户容量需求有所要求，还对下行载波分配总功率有所要求，即，本申请要兼顾用户需求满足和卫星功放输出功率，从而使资源分配更合理化，在以最小化未满足用户容量需求为单目标，得到第一资源分配联合优化方案之后，还要考虑下行载波的消耗总功率，即，以最小化未满足用户容量需求和下行载波的消耗总功率为双目标，对第一资源分配联合优化方案进行优化与调整，得到第二资源分配联合优化方案。
这里，多波束通信卫星功放功率受限，若面对同样的用户容量需求，下行载波分配总功率较大可能产生对卫星平台及其它临时新增需求产生不利影响，所以，要求下行载波的消耗总功率较小，即，要求多波束通信卫星系统下行载波分配总功率最小化。
但是，未满足用户容量需求和下行载波分配总功率是两个互为冲突目标(这里冲突是指，在通常情况下，多波束通信卫星未满足容量需求越小，下行载波资源分配总功率越大)，其中任意两个解之间都是非支配关系(Non-Dominated)，即任一解的两个优化目标值都不可能同时小于另一个解对应的两个目标值，所以，有必要针对多波束通信卫星下行载波资源分配问题设计更加高效的多目标优化方法。对此，本申请设计了一种包含两个步骤的资源分配优化方法，第1步先基于单目标优化算法(以最小化未满足用户容量需求为单目标)构建高质量的初始解，第2步再采用多目标优化算法求解帕累托(Pareto Optimality)前沿，得到一组优化后的第二资源分配联合优化方案。其中，Pareto是指资源分配的一种理想状态，假定固有的一群人和可分配的资源，从一种分配状态到另一种状态的变化中，在没有使任何人境况变坏的前提下，使得至少一个人变得更好，这就是帕累托改进或帕累托最优化。
这里，第2步为获取包含两个优化目标的帕累托前沿优化解集合，实施多目标粒子群寻优，即，采用粒子群算法，将第1步输出的第一资源分配联合优化方案(遗传算法输出新种群)设计为粒子，粒子位置矢量由下行载波功率和带宽分量构成，粒子速度矢量由下行载波功率和带宽变化速度分量构成，首先将算法第1步输出的所有第一资源分配联合优化方案设计为粒子群，再基于非支配排序分层以及同层内粒子拥挤度排序，设计一种高效的多目标粒子群优化算法，对系统下行载波功率和带宽资源实施联合优化分配，该算法可以在可行解区域中快速搜索Pareto前沿优化解，为系统运行管理中心资源分配决策人员根据不同场景，高效率地提供多种备选资源分配解决方案。
进一步地，步骤S103中以最小化未满足用户容量需求和下行载波的消耗总功率为双目标，对所述第一资源分配联合优化方案进行优化与调整，得到第二资源分配联合优化方案，包括以下步骤：
步骤c1：根据所述第一资源分配联合优化方案，构建初始粒子群；每个第一资源分配联合优化方案对应的一个染色体设计为所述初始粒子群中的一个粒子。
步骤c2：基于非支配排序分层算法和同层内粒子拥挤度排序算法，在可行解区域内从所述初始粒子群中搜索帕累托前沿优化粒子，得到第二资源分配联合优化方案。
其中，步骤c2中基于非支配排序分层算法和同层内粒子拥挤度排序算法，在可行解区域内从所述初始粒子群中搜索帕累托前沿优化粒子，得到第二资源分配联合优化方案，包括以下步骤：
步骤c21：针对所述初始粒子群中的每一粒子，根据链路预算和干扰模型，计算所述粒子的适应度；每个粒子的适应度为矢量，包括未满足用户容量需求的第一分量，以及下行载波分配总功率的第二分量。
步骤c22：根据各个粒子的适应度的第一分量更新所述初始粒子群中的个体最佳和全局最佳的粒子，得到当前粒子群。
步骤c23：计算所述当前粒子群中各粒子的秩以及具有相同秩的粒子拥挤度，进行帕累托非支配排序。
步骤c24：基于帕累托非支配排序结果，采用锦标赛选择算子从所述当前粒子群中挑选出一半粒子，组成外部优质粒子群。
步骤c25：根据各粒子历史最佳和粒子全局最佳位置矢量计算粒子速度矢量，根据粒子速度矢量更新外部优质粒子位置矢量，对所述外部优质粒子群进行优化。
步骤c26：检查优化后的外部优质粒子位置矢量是否位于可行解区域，实施约束处理机制。
步骤c27：将更新后的所述外部优质粒子群和所述当前粒子群合并为备选粒子群。
步骤c28：计算所述备选粒子群各粒子的秩以及具有相同秩的粒子拥挤度，进行帕累托非支配排序，并选取排序靠前的预设个数的粒子更新为当前粒子群。
步骤c29：判断更新后的所述当前粒子群的适应度是否满足预设的收敛标准，若不满足，执行所述根据各个粒子的适应度的第一分量更新所述当前粒子群中的个体最佳和全局最佳的粒子的步骤，若满足，从更新后的所述当前粒子群中得到优化粒子。
步骤c30：将所述优化粒子确定为第二资源分配联合优化方案。
在具体实施中，以最小化未满足用户容量需求为单目标输出的第一资源分配联合优化方案作为多目标例子优化的初始粒子群，这里，初始粒子群的规模为N，设置多目标粒子群优化迭代次数，根据链路预算和干扰模型，计算每个粒子的适应度，其中，每个粒子的适应度为矢量，包括未满足用户容量需求的第一分量，以及下行载波分配总功率的第二分量，根据各个粒子的适应度的第一分量更新初始粒子群中的个体最佳和全局最佳的粒子，得到当前粒子群，并计算当前粒子群中各粒子的秩以及具有相同秩的粒子拥挤度，进行帕累托非支配排序，基于帕累托非支配排序结果，采用锦标赛选择算子从所述当前粒子群中挑选出一半粒子(N/2)，组成外部优质粒子群，根据各粒子历史最佳和粒子全局最佳位置矢量计算粒子速度矢量，根据粒子速度矢量更新外部优质粒子位置矢量，对,外部优质粒子群进行优化，并检查优化后的外部优质粒子位置矢量是否位于可行解区域，实施约束处理机制，将更新后的所述外部优质粒子群和当前粒子群合并为备选粒子群(3/2*N)，计算备选粒子群各粒子的秩以及具有相同秩的粒子拥挤度，进行帕累托非支配排序，并选取排序靠前的预设个数的粒子更新为当前粒子群，判断更新后的当前粒子群的适应度是否满足预设的收敛标准，若不满足，执行根据各个粒子的适应度的第一分量更新当前粒子群中的个体最佳和全局最佳的粒子的步骤，若满足，从更新后的当前粒子群中得到优化粒子，将优化粒子确定为第二资源分配联合优化方案。
需要说明的是，Pareto非支配快速排序执行流程如下：
(1)根据粒子适应度矢量的两个分量，对粒子群所有粒子实施非支配分层，然后在各层内对粒子排序。具体方法如下：将当前粒子群中所有非支配粒子个体划分为同一等级，令其秩(rank)为1；然后将这些粒子个体从当前粒子群中移出，在粒子群的剩余粒子中找出新的非支配粒子集合，令其秩为2；重复上述过程，直至当前粒子群中所有粒子个体都被赋予相应的秩，即对粒子群按照秩的大小划分为若干子集，秩越小的粒子集合排序越靠前。
(2)对于各子集中的粒子(具有相同秩)，计算粒子拥挤度。引入拥挤度是为了保持粒子群多样性，对属于同一子集的粒子个体，计算粒子拥挤度，再根据其拥挤度从大到小排序，拥挤度越大的粒子在子集内排序越靠前，这样的粒子被选中进行粒子群下次迭代的概率越高。属于同一子集的粒子个体拥挤度计算方法如下：首先定义任一粒子y属于子集R(R为秩为r的粒子集合)，对子集R中的粒子根据其适应度矢量的H个分量(H＝2，即粒子适应度矢量包含两个分量：未满足用户容量需求和下行载波分配总功率)分别按照从小到大顺序排序，形成H个排序队列(本申请包含队列1和队列2)。这样，每个粒子在H个队列中分别对应一个位置；若粒子y在任一队列h中位于队头或队尾，则该粒子拥挤度crowding_disy(h)＝+inf；若粒子y在队列h中位于队头和队尾之间，则拥挤度crowding_disy(h)与该粒子前后粒子适应度以及该队列中粒子最大、最小适应度有关，crowding_disy(h)计算表示下面公式所示：
Figure BDA0002742008120000221
式中，next_objy(h)、previous_objy(h)、obj_max(h)、obj_min(h)分别为队列h中粒子y后一下粒子的第h维适应度分量、队列h中粒子y前一下粒子的第h维适应度分量、队列h中所有粒子的第h维适应度分量最大值、队列h中所有粒子的第h维适应度分量最大小值。在求解粒子y在所有H个队列中的拥挤度后，根据下面公式综合计算粒子y的拥挤度
Figure BDA0002742008120000222
为：
Figure BDA0002742008120000231
这里，通过本申请设计的Pareto非支配快速排序，可在择优选择高质量解的同时，保持解分布多样性，这就便于多波束通信卫星系统资源分配决策人员灵活根据用户需求满足情况和卫星载荷在轨性能状态，从Pareto前沿解集中挑选最适当的资源分配方案执行。
需要说明的是，在第1步中以最小化未满足用户容量需求为单目标和第2步中以最小化未满足用户容量需求和下行载波的消耗总功率为双目标对应操作算子执行后，下行载波分配功率和带宽分别为
Figure BDA0002742008120000232
和
Figure BDA0002742008120000233
有效性处理策略需确保各下行载波分配功率、带宽以及分配总功率均满足约束条件。下行载波分配功率有效性处理策略为：
Figure BDA0002742008120000234
且
Figure BDA0002742008120000235
各下行载波分配功率值处理完成后，所有下行载波分配功率总和需不超过卫星功放最大功率，即必须满足
Figure BDA0002742008120000236
下行载波分配宽带有效性处理策略为：
Figure BDA0002742008120000237
且
Figure BDA0002742008120000238
各下行载波带宽处理完成后，还需确保极化方式相同的空间相邻波束带宽之和不大于卫星下行载波可用总带宽，即必须满足
Figure BDA0002742008120000239
否则减少相邻波束所属下行载波分配带宽值，直至满足约束条件。
S104：基于所述下行载波的消耗总功率和各用户终端需求的满足情况，从所述第二资源分配联合优化方案中，确定出为各波束中下行载波分配的功率和带宽资源的目标资源分配联合优化方案。
在具体实施中，在基于以最小化未满足用户容量需求为单目标，以及以最小化未满足用户容量需求和下行载波的消耗总功率为双目标，得到可以兼顾为满足用户容量需求和下行载波的消耗总功率的第二资源分配联合优化方案，进而，可以考虑下行载波的消耗总功率和各用户终端的需求的满足情况，从多个帕累托资源分配联合优化方案中确定出一个较优的目标资源分配联合优化方案，作为最终为多波束通信卫星中各波束中下行载波分配的功率和带宽资源的资源分配方案。
也就是说，本申请根据系统运控实际需求，从帕累托资源分配联合优化方案集合中，择优选择多波束下行载波分配的功率和带宽资源的目标资源分配联合优化方案。
本申请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，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。
这里，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，可以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。
需要说明的是，本申请的第二资源分配联合优化方案通过考虑下行载波资源分配的实际需求，并从最小化未满足用户容量需求和卫星下行载波分配总功率这两个相互冲突的目标出发，不仅使资源分配方案更加合理，由于提供帕累托资源分配联合优化方案的集合，还可以为系统运控人员提供更多资源选择方案，提供更多选择空间。
需要说明的是，现代多目标优化思想与传统方法存在本质差别，在多波束通信卫星系统下行波束载波资源分配过程中，决策人员往往更关心能否一次求解就得到一组逼近最优解前沿的优化解(一组优化的备选资源分配方案)，即帕累托最优解集(pareto-optimal solutions)。决策人员根据用户需求以及卫星有效载荷在轨工作状态，在这组Pareto优化解集(包含多个备选资源分配方案)中选择其一执行。Pareto优化解兼顾系统未满足用户容量需求以及下行载波分配总功率这两个冲突目标，其中任意两个解之间都是非支配关系，即任一解的两个优化目标值都不可能同时小于另一个解对应的两个目标值，这在多波束通信卫星系统资源分配工作中具有实用价值。一方面，资源分配人员不需要准确的先验知识以提前确定各目标的权重信息，而是借助多目标优化求解获得Pareto优化解集合，获得多样化的非支配优化资源分配方案，通过分析后再决策选择适当的资源分配方案执行；另一方面，虽然多目标进化算法NSGA应用广泛，但对于包含有大量待求解变量，约束关系复杂的多波束通信卫星系统资源分配问题，随迭代收敛速度欠佳。因此，有必要针对新一代多波束通信卫星系统下行载波资源分配问题设计更加高效的多目标优化方法。对此，本申请的关键点是面向多波束通信卫星的下行载波资源优化实际需求，设计一种兼顾用户需求满足以及下行载波功耗的多目标优化方法。针对这两维目标是相互冲突的实际情况，本申请综合利用遗传算法鲁棒性及全局搜索能力强、粒子群算法可以快速获取高质量解的优势，设计了一种包含两个步骤的多目标优化方法，该方法首先基于单目标(以最小化未满足用户容量需求为单目标)优化构建高质量初始解，再基于多目标(以最小化未满足用户容量需求和下行载波的消耗总功率为双目标)粒子群迭代优化求解Pareto前沿，对多波束通信卫星系统下行载波的功率及带宽资源实施联合优化。
这里，本申请相比仅采用单目标(未满足用户容量需求)算法寻优，或仅采用多目标(未满足用户容量需求和下行载波的消耗总功率)算法寻优，以及与传统的多目标进化算法NSGA相比，本申请提出的两步骤多波束通信卫星的下行载波资源分配方法性能均更优，可以兼顾用户需求满足和卫星功放输出功率，使资源分配更合理化，从而提高资源利用率。例如，在1颗包含65个下行波束的多波束通信卫星、用户需求总容量为110Gbps，并且考虑容量需求空间分布存在差异的应用场景中，相比仅实施未满足用户容量需求的单目标寻优，本申请采用的两个步骤中的多目标优化方法可以求解得到下行载波资源分配的Pareto前沿，还可在下行载波分配总功率相当的情况下，将多波束通信卫星未满足用户容量需求的最小值进一步压缩22.40％，显著改进了单目标资源分配优化方案。虽然仅采用第2步多目标寻优(考虑未满足用户容量需求和下行载波的消耗总功率)，也可以获得Pareto前沿，但两步骤资源分配优化方法可以将高质量的初始解集作为多目标粒子群算法的输入，不仅可以减少系统未满足用户容量需求，而且Pareto前沿分布范围更宽，便于决策人员选择适当的资源分配方案执行。与经典的多目标进化算法NSGA相比，由于本申请方法嵌入了高效的约束处理机制，使得资源分配优化随迭代次数增加收敛更快。仿真表明：当本申请使用的方法以及NSGA迭代规模均为100次时，本申请方法求解得到的系统未满足用户容量需求最小值约为NSGA的1/4，资源分配优化效果更好。
一示例中，假设1颗位于地球同步轨道的多波束通信卫星共有65个固定指向下行波束，频段为Ka频段，下行载波功率和带宽可根据用户终端容量需求变化动态调整，波束赋形相同且不可调，系统采用四色复用体制，包含两个频带和两种极化方式(左、右旋)组成，系统采用第二代数字卫星电视广播拓展标准(DVB-S2X)，该标准包括自适应调制编码策略，可根据下行链路信噪比，自适应地选择最佳调制编码方式。
这里，假设每个波束包含1个下行载波，波束范围内用户终端容量需求集中在波束中心指向位置，则该位置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。
一示例中，在多波束通信卫星实际运行场景中，各波束覆盖的用户容量需求分布不均，假设波束间用户容量需求差异适中(其标准差约为系统单波束平均容量需求36％)，比对分析四种资源分配方法的效果：1)仅采用第1步单目标寻优；2)仅采用第2步多目标粒子群算法寻优；3)经典的多目标进化算法NSGA；4)本申请提出的两步骤多目标粒子群优化算法(多波束通信卫星的下行载波资源分配方法)。
参见图2-图5所示，图2示出了采用本申请方法得到的多波束通信卫星下行载波资源分配Pareto前沿集合；图3示出了采用本申请方法得到的未满足容量需求最小值随迭代变化曲线；图4示出了仅采用一步多目标粒子群算法寻优得到的下行载波资源分配Pareto前沿集合；图5采用本申请方法和NSGA分别得到的未满足容量需求最小值迭代变化曲线。
采用本申请设计的两步骤多目标粒子群优化方法计算得到的Pareto前沿曲线如图2所示，该方法第1步和第2步求解得到的系统未满足容量需求最小值迭代收敛曲线如图3所示。可以看出：采用本申请得到的Pareto优化解，系统未满足用户容量需求最小值可减少至4833.479Mbps，对应下行载波分配总功率为8124.302W。Pareto前沿跨度范围如下：系统未满足用户容量需求从不大于5000Mbps拓展到超过60000Mbps；下行载波资源分配总功率从最大功率值8125W减少到小于5000W。采用本申请方法得到的Pareto前沿可为运行管理中心资源分配决策人员提供更多备选方案。
仅实施第1步单目标遗传算法寻优(第1种资源分配方法)，系统未满足用户容量需求最小值为6228.685Mbps，对应下行载波分配总功率为8113.1W。与此相比，本申请设计的两步骤多目标粒子群优化方法可以获得系统下行载波资源分配Pareto优化解集，还可以在下行载波分配总功率相当的情况下，将系统未满足用户容量需求的最小值进一步压缩22.40％，可显著改进单目标资源分配效果。
从第2种资源分配方法获得的Pareto前沿曲线如图4所示，可以看出：仅实施第2步多目标粒子群寻优(缺少高质量初始解寻优过程)，系统未满足用户容量需求最小值为6485.109Mbps，对应下行载波分配总功率8124.719W。虽然第2种资源分配方法(仅采用多目标粒子群优化)也可以获得Pareto前沿，但比本申请方法求解的系统未满足用户容量需求最小值大34.17％，并且Pareto前沿分布范围较窄，限制了资源分配决策人员优选空间。
第3种资源分配方法NSGA与本申请方法优化结果比对如图5所示。在两种方法都进行100次迭代情况下，虽然经典的多目标进化算法NSGA也可以得到Pareto前沿，但系统未满足用户容量需求最小值为19059.818Mbps，对应的下行载波分配总功率是8082.038W，可以看出，系统未满足用户容量需求明显高于本申请方法得到结果。在下行载波分配总功率相当情况下，NSGA得到的未满足用户容量需求最小值是本申请方法的3.94倍。这是因为本申请提出的两步骤多目标粒子群优化方法嵌入了高效的约束处理机制，可以显著加快算法迭代收敛速度，多目标优化效果更好。
在本申请实施例中，基于用户终端的通信容量需求和预设资源分配约束条件，生成下行载波的功率和带宽资源的初始资源分配联合方案，以最小化未满足用户容量需求为目标，优化初始资源分配联合方案得到第一资源分配联合优化方案，以最小化未满足用户容量需求和下行载波的消耗总功率为目标，再次优化第一资源分配联合优化方案得到第二资源分配联合优化方案，以择优选择出一个帕累托资源分配联合优化方案。第二资源分配联合优化方案通过考虑下行载波资源分配的实际需求，并从最小化未满足用户容量需求和卫星下行载波分配总功率这两个相互冲突的目标出发，可以兼顾用户需求满足和卫星功放输出功率，使资源分配更合理化，从而提高资源利用率。
基于同一申请构思，本申请实施例中还提供了与上述实施例提供的多波束通信卫星的下行载波资源分配方法对应的多波束通信卫星的下行载波资源分配系统，由于本申请实施例中的系统解决问题的原理与本申请上述实施例的多波束通信卫星的下行载波资源分配方法相似，因此系统的实施可以参见方法的实施，重复之处不再赘述。
如图6至图8所示，图6示出了本申请实施例所提供的一种多波束通信卫星的下行载波资源分配系统600的功能模块图；图7示出了图6中第一优化模块620的功能模块图；图8示出了图6中第二优化模块630的功能模块图。
如图6所示，所述多波束通信卫星的下行载波资源分配系统600包括：
第一确定模块610，用于基于当前接入的各用户终端发送的通信容量需求和预设资源分配约束条件，随机生成各波束中下行载波的功率和带宽资源的初始资源分配联合方案，并根据生成的所述初始资源分配联合方案和所述通信容量需求，确定所述多波束通信卫星的未满足用户容量需求；
第一优化模块620，用于以最小化未满足用户容量需求为单目标，对所述初始资源分配联合方案进行优化与调整，得到第一资源分配联合优化方案；
第二优化模块630，用于以最小化未满足用户容量需求和下行载波的消耗总功率为双目标，对所述第一资源分配联合优化方案进行优化与调整，得到第二资源分配联合优化方案；所述第二资源分配联合优化方案为帕累托资源分配联合优化方案；
第二确定模块640，用于基于所述下行载波的消耗总功率和各用户终端需求的满足情况，从所述第二资源分配联合优化方案中，确定出为各波束中下行载波分配的功率和带宽资源的目标资源分配联合优化方案。
在一种可能的实施方式中，所述预设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。
在一种可能的实施方式中，如图6所示，所述第一确定模块610，用于根据以下步骤确定所述多波束通信卫星的未满足用户容量需求：
针对所述多波束通信卫星中的任一所述波束，根据所述波束中下行载波的功率和带宽资源的初始资源分配联合方案，确定所述波束中下行载波所能提供的容量；
确定所述波束覆盖范围内的各用户终端对该波束中下行载波的容量需求与所述波束中下行载波所能提供的容量之间的差值；
对所述多波束通信卫星中波束对应的差值大于零的差值进行求和，得到所述多波束通信卫星的未满足用户容量需求。
在一种可能的实施方式中，如图7所示，所述第一优化模块620包括：
设计单元621，用于根据随机生成的各波束中下行载波的功率和带宽资源的初始资源分配联合方案，生成可遗传进化的初始种群，并将每个初始资源分配联合方案设计为一个染色体；
第一确定单元622，用于以最小化未满足用户容量需求为单目标，通过对各染色体执行选择、交叉、变异和精英保留操作，得到第一资源分配联合优化方案。
在一种可能的实施方式中，如图7所示，所述第一确定单元622，用于根据以下步骤得到第一资源分配联合优化方案：
针对所述初始种群中的任一所述染色体，根据预设的链路预算、波束干扰和下行信道衰减模型，计算所述染色体的适应度；
采用锦标赛算法选择算子，根据各个所述染色体的适应度，从所述初始种群中选择两个染色体，作为父染色体；
采用模拟二进制交叉算子对两个父染色体执行交叉操作，生成两个子染色体；
对两个子染色体执行变异操作，将两个子染色体加入到所述初始种群，并将加入两个子染色体之后的所述初始种群进行精英保留操作，形成新种群；
重复对所述新种群的染色体进行选择、交叉、变异和精英保留操作得到更新后的新种群，直至更新后的新种群满足预设收敛门限，并将满足所述预设收敛门限的新种群确定为所述第一资源分配联合优化方案。
在一种可能的实施方式中，如图8所示，所述第二优化模块630包括：
构建单元631，用于根据所述第一资源分配联合优化方案，构建初始粒子群；每个第一资源分配联合优化方案对应的一个染色体设计为所述初始粒子群中的一个粒子；
第二确定单元632，用于基于非支配排序分层算法和同层内粒子拥挤度排序算法，在可行解区域内从所述初始粒子群中搜索帕累托前沿优化粒子，得到第二资源分配联合优化方案。
在一种可能的实施方式中，如图8所示，所述第二确定单元632，用于根据以下步骤得到第二资源分配联合优化方案：
针对所述初始粒子群中的每一粒子，根据链路预算和干扰模型，计算所述粒子的适应度；每个粒子的适应度为矢量，包括未满足用户容量需求的第一分量，以及下行载波分配总功率的第二分量；
根据各个粒子的适应度的第一分量更新所述初始粒子群中的个体最佳和全局最佳的粒子，得到当前粒子群；
计算所述当前粒子群中各粒子的秩以及具有相同秩的粒子拥挤度，进行帕累托非支配排序；
基于帕累托非支配排序结果，采用锦标赛选择算子从所述当前粒子群中挑选出一半粒子，组成外部优质粒子群；
根据各粒子历史最佳和粒子全局最佳位置矢量计算粒子速度矢量，根据粒子速度矢量更新外部优质粒子位置矢量，对所述外部优质粒子群进行优化；
检查优化后的外部优质粒子位置矢量是否位于可行解区域，实施约束处理机制；
将更新后的所述外部优质粒子群和所述当前粒子群合并为备选粒子群；
计算所述备选粒子群各粒子的秩以及具有相同秩的粒子拥挤度，进行帕累托非支配排序，并选取排序靠前的预设个数的粒子更新为当前粒子群；
判断更新后的所述当前粒子群的适应度是否满足预设的收敛标准，若不满足，执行所述根据各个粒子的适应度的第一分量更新所述当前粒子群中的个体最佳和全局最佳的粒子的步骤，若满足，从更新后的所述当前粒子群中得到优化粒子；
将所述优化粒子确定为第二资源分配联合优化方案。
在本申请实施例中，基于用户终端的通信容量需求和预设资源分配约束条件，生成下行载波的功率和带宽资源的初始资源分配联合方案，以最小化未满足用户容量需求为目标，优化初始资源分配联合方案得到第一资源分配联合优化方案，以最小化未满足用户容量需求和下行载波的消耗总功率为目标，再次优化第一资源分配联合优化方案得到第二资源分配联合优化方案，以择优选择出一个帕累托资源分配联合优化方案。第二资源分配联合优化方案通过考虑下行载波资源分配的实际需求，并从最小化未满足用户容量需求和卫星下行载波分配总功率这两个相互冲突的目标出发，可以兼顾用户需求满足和卫星功放输出功率，使资源分配更合理化，从而提高资源利用率。
基于同一申请构思，参见图9所示，为本申请实施例提供的一种电子设备900的结构示意图，包括：处理器910、存储器920和总线930，所述存储器920存储有所述处理器910可执行的机器可读指令，当电子设备900运行时，所述处理器910与所述存储器920之间通过所述总线930进行通信，所述机器可读指令被所述处理器910运行时执行如上述实施例中任一所述的多波束通信卫星的下行载波资源分配方法的步骤。
基于同一申请构思，本申请实施例还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实施例提供的多波束通信卫星的下行载波资源分配方法的步骤。
具体地，所述存储介质能够为通用的存储介质，如移动磁盘、硬盘等，所述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载波资源分配方法，第二资源分配联合优化方案通过考虑下行载波资源分配的实际需求，并从最小化未满足用户容量需求和卫星下行载波分配总功率这两个相互冲突的目标出发，可以兼顾用户需求满足和卫星功放输出功率，使资源分配更合理化，从而提高资源利用率。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和系统的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。在本申请所提供的几个实施例中，应所述理解到，所揭露的系统、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，在本申请各个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，可以存储在一个处理器可执行的非易失的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所述技术方案的部分可以以软件产品的形式体现出来，所述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。
以上仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，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，可轻易想到变化或替换，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以权利要求的保护范围为准。

Claims (10)

1.一种多波束通信卫星的下行载波资源分配方法，其特征在于，所述下行载波资源分配方法包括：
基于当前接入的各用户终端发送的通信容量需求和预设资源分配约束条件，随机生成各波束中下行载波的功率和带宽资源的初始资源分配联合方案，并根据生成的所述初始资源分配联合方案和所述通信容量需求，确定所述多波束通信卫星的未满足用户容量需求；
以最小化未满足用户容量需求为单目标，对所述初始资源分配联合方案进行优化与调整，得到第一资源分配联合优化方案；
以最小化未满足用户容量需求和下行载波的消耗总功率为双目标，对所述第一资源分配联合优化方案进行优化与调整，得到第二资源分配联合优化方案；所述第二资源分配联合优化方案为帕累托资源分配联合优化方案；
基于所述下行载波的消耗总功率和各用户终端需求的满足情况，从所述第二资源分配联合优化方案中，确定出为各波束中下行载波分配的功率和带宽资源的目标资源分配联合优化方案。
2.根据权利要求1所述的下行载波资源分配方法，其特征在于，所述预设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。
3.根据权利要求1所述的下行载波资源分配方法，其特征在于，所述根据生成的所述初始资源分配联合方案和所述通信容量需求，确定所述多波束通信卫星的未满足用户容量需求，包括：
针对所述多波束通信卫星中的任一所述波束，根据所述波束中下行载波的功率和带宽资源的初始资源分配联合方案，确定所述波束中下行载波所能提供的容量；
确定所述波束覆盖范围内的各用户终端对该波束中下行载波的容量需求与所述波束中下行载波所能提供的容量之间的差值；
对所述多波束通信卫星中波束对应的差值大于零的差值进行求和，得到所述多波束通信卫星的未满足用户容量需求。
4.根据权利要求1所述的下行载波资源分配方法，其特征在于，所述以最小化未满足用户容量需求为单目标，对所述初始资源分配联合方案进行优化与调整，得到第一资源分配联合优化方案，包括：
根据随机生成的各波束中下行载波的功率和带宽资源的初始资源分配联合方案，生成可遗传进化的初始种群，并将每个初始资源分配联合方案设计为一个染色体；
以最小化未满足用户容量需求为单目标，通过对各染色体执行选择、交叉、变异和精英保留操作，得到第一资源分配联合优化方案。
5.根据权利要求4所述的下行载波资源分配方法，其特征在于，所述以最小化未满足用户容量需求为单目标，通过对各染色体执行选择、交叉、变异和精英保留操作，得到第一资源分配联合优化方案，包括：
针对所述初始种群中的任一所述染色体，根据预设的链路预算、波束干扰和下行信道衰减模型，计算所述染色体的适应度；
采用锦标赛算法选择算子，根据各个所述染色体的适应度，从所述初始种群中选择两个染色体，作为父染色体；
采用模拟二进制交叉算子对两个父染色体执行交叉操作，生成两个子染色体；
对两个子染色体执行变异操作，将两个子染色体加入到所述初始种群，并将加入两个子染色体之后的所述初始种群进行精英保留操作，形成新种群；
重复对所述新种群的染色体进行选择、交叉、变异和精英保留操作得到更新后的新种群，直至更新后的新种群满足预设收敛门限，并将满足所述预设收敛门限的新种群确定为所述第一资源分配联合优化方案。
6.根据权利要求1所述的下行载波资源分配方法，其特征在于，所述以最小化未满足用户容量需求和下行载波的消耗总功率为双目标，对所述第一资源分配联合优化方案进行优化与调整，得到第二资源分配联合优化方案，包括：
根据所述第一资源分配联合优化方案，构建初始粒子群；每个第一资源分配联合优化方案对应的一个染色体设计为所述初始粒子群中的一个粒子；
基于非支配排序分层算法和同层内粒子拥挤度排序算法，在可行解区域内从所述初始粒子群中搜索帕累托前沿优化粒子，得到第二资源分配联合优化方案。
7.根据权利要求6所述的下行载波资源分配方法，其特征在于，所述基于非支配排序分层算法和同层内粒子拥挤度排序算法，在可行解区域内从所述初始粒子群中搜索帕累托前沿优化粒子，得到第二资源分配联合优化方案，包括：
针对所述初始粒子群中的每一粒子，根据链路预算和干扰模型，计算所述粒子的适应度；每个粒子的适应度为矢量，包括未满足用户容量需求的第一分量，以及下行载波分配总功率的第二分量；
根据各个粒子的适应度的第一分量更新所述初始粒子群中的个体最佳和全局最佳的粒子，得到当前粒子群；
计算所述当前粒子群中各粒子的秩以及具有相同秩的粒子拥挤度，进行帕累托非支配排序；
基于帕累托非支配排序结果，采用锦标赛选择算子从所述当前粒子群中挑选出一半粒子，组成外部优质粒子群；
根据各粒子历史最佳和粒子全局最佳位置矢量计算粒子速度矢量，根据粒子速度矢量更新外部优质粒子位置矢量，对所述外部优质粒子群进行优化；
检查优化后的外部优质粒子位置矢量是否位于可行解区域，实施约束处理机制；
将更新后的所述外部优质粒子群和所述当前粒子群合并为备选粒子群；
计算所述备选粒子群各粒子的秩以及具有相同秩的粒子拥挤度，进行帕累托非支配排序，并选取排序靠前的预设个数的粒子更新为当前粒子群；
判断更新后的所述当前粒子群的适应度是否满足预设的收敛标准，若不满足，执行所述根据各个粒子的适应度的第一分量更新所述当前粒子群中的个体最佳和全局最佳的粒子的步骤，若满足，从更新后的所述当前粒子群中得到优化粒子；
将所述优化粒子确定为第二资源分配联合优化方案。
8.一种多波束通信卫星的下行载波资源分配系统，其特征在于，所述下行载波资源分配系统包括：
第一确定模块，用于基于当前接入的各用户终端发送的通信容量需求和预设资源分配约束条件，随机生成各波束中下行载波的功率和带宽资源的初始资源分配联合方案，并根据生成的所述初始资源分配联合方案和所述通信容量需求，确定所述多波束通信卫星的未满足用户容量需求；
第一优化模块，用于以最小化未满足用户容量需求为单目标，对所述初始资源分配联合方案进行优化与调整，得到第一资源分配联合优化方案；
第二优化模块，用于以最小化未满足用户容量需求和下行载波的消耗总功率为双目标，对所述第一资源分配联合优化方案进行优化与调整，得到第二资源分配联合优化方案；所述第二资源分配联合优化方案为帕累托资源分配联合优化方案；
第二确定模块，用于基于所述下行载波的消耗总功率和各用户终端需求的满足情况，从所述第二资源分配联合优化方案中，确定出为各波束中下行载波分配的功率和带宽资源的目标资源分配联合优化方案。
9.一种电子设备，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所述总线进行通信，所述机器可读指令被所述处理器运行时执行如权利要求1至7任一所述的多波束通信卫星的下行载波资源分配方法的步骤。
10.一种计算机可读存储介质，其特征在于，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如权利要求1至7任一所述的多波束通信卫星的下行载波资源分配方法的步骤。
CN202011153804.7A 2020-10-26 2020-10-26 一种多波束通信卫星的下行载波资源分配方法及系统 Active CN112134614B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011153804.7A CN112134614B (zh) 2020-10-26 2020-10-26 一种多波束通信卫星的下行载波资源分配方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011153804.7A CN112134614B (zh) 2020-10-26 2020-10-26 一种多波束通信卫星的下行载波资源分配方法及系统

Publications (2)

Publication Number Publication Date
CN112134614A true CN112134614A (zh) 2020-12-25
CN112134614B CN112134614B (zh) 2021-02-26

Family

ID=73852703

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011153804.7A Active CN112134614B (zh) 2020-10-26 2020-10-26 一种多波束通信卫星的下行载波资源分配方法及系统

Country Status (1)

Country Link
CN (1) CN112134614B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112803986A (zh) * 2020-12-31 2021-05-14 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
CN113098584A (zh) * 2021-03-30 2021-07-09 军事科学院系统工程研究院网络信息研究所 面向大规模辐射阵列的多波束卫星通信功率控制方法
CN113115456A (zh) * 2021-04-01 2021-07-13 哈尔滨工程大学 基于量子星系搜索机制的双层异构网络功率分配方法
CN113644954A (zh) * 2021-06-18 2021-11-12 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
CN113708827A (zh) * 2021-09-14 2021-11-26 四川安迪科技实业有限公司 Mf-tdma卫星通信系统返向链路的功率均衡规划方法
CN114599100A (zh) * 2022-03-10 2022-06-07 中国人民解放军32039部队 波束资源分配方法及装置
CN114826376A (zh) * 2022-03-30 2022-07-29 大连大学 一种微纳卫星多目标优化资源分配方法
CN115189721A (zh) * 2022-04-29 2022-10-14 中国人民解放军国防科技大学 一种多波束卫星带宽功率表联合优化分配方法及应用
CN115314181A (zh) * 2022-10-10 2022-11-08 广东电网有限责任公司江门供电局 一种电力线载波通信方法、系统、设备和介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101485215A (zh) * 2006-07-07 2009-07-15 艾利森电话股份有限公司 使用波束成形的无线通信系统中的资源调度
CN104680238A (zh) * 2015-03-16 2015-06-03 中国人民解放军空军装备研究院雷达与电子对抗研究所 多卫星对地协同观测的待观测任务确定方法
CN104883741A (zh) * 2015-04-09 2015-09-02 南京邮电大学 一种认知无线电网络的资源分配算法
US20180115961A1 (en) * 2015-07-16 2018-04-26 Ali Atefi Apparatuses, methods, and computer-readable medium for communication in a wireless local area network
CN109361725A (zh) * 2018-08-14 2019-02-19 西安电子科技大学 基于多目标遗传算法的车联网云系统资源分配方法
CN109687896A (zh) * 2019-01-24 2019-04-26 钟祥博谦信息科技有限公司 分布式天线系统下行信道稀疏波束形成方法及装置
US10277310B2 (en) * 2017-02-15 2019-04-30 Viasat, Inc. Dynamic spatial allocation of satellite capacity based on mobile vessel load forecasting
CN109861866A (zh) * 2019-02-22 2019-06-07 华南理工大学 携能多载波noma系统中基于发射功率最小化的资源分配方法
CN110049474A (zh) * 2019-05-17 2019-07-23 北京邮电大学 一种无线资源分配方法、装置及基站

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101485215A (zh) * 2006-07-07 2009-07-15 艾利森电话股份有限公司 使用波束成形的无线通信系统中的资源调度
CN104680238A (zh) * 2015-03-16 2015-06-03 中国人民解放军空军装备研究院雷达与电子对抗研究所 多卫星对地协同观测的待观测任务确定方法
CN104883741A (zh) * 2015-04-09 2015-09-02 南京邮电大学 一种认知无线电网络的资源分配算法
US20180115961A1 (en) * 2015-07-16 2018-04-26 Ali Atefi Apparatuses, methods, and computer-readable medium for communication in a wireless local area network
US10277310B2 (en) * 2017-02-15 2019-04-30 Viasat, Inc. Dynamic spatial allocation of satellite capacity based on mobile vessel load forecasting
CN109361725A (zh) * 2018-08-14 2019-02-19 西安电子科技大学 基于多目标遗传算法的车联网云系统资源分配方法
CN109687896A (zh) * 2019-01-24 2019-04-26 钟祥博谦信息科技有限公司 分布式天线系统下行信道稀疏波束形成方法及装置
CN109861866A (zh) * 2019-02-22 2019-06-07 华南理工大学 携能多载波noma系统中基于发射功率最小化的资源分配方法
CN110049474A (zh) * 2019-05-17 2019-07-23 北京邮电大学 一种无线资源分配方法、装置及基站

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112803986A (zh) * 2020-12-31 2021-05-14 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
CN113098584A (zh) * 2021-03-30 2021-07-09 军事科学院系统工程研究院网络信息研究所 面向大规模辐射阵列的多波束卫星通信功率控制方法
CN113098584B (zh) * 2021-03-30 2021-08-24 军事科学院系统工程研究院网络信息研究所 面向大规模辐射阵列的多波束卫星通信功率控制方法
CN113115456B (zh) * 2021-04-01 2022-07-12 哈尔滨工程大学 基于量子星系搜索机制的双层异构网络功率分配方法
CN113115456A (zh) * 2021-04-01 2021-07-13 哈尔滨工程大学 基于量子星系搜索机制的双层异构网络功率分配方法
CN113644954A (zh) * 2021-06-18 2021-11-12 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
CN113708827B (zh) * 2021-09-14 2022-07-22 四川安迪科技实业有限公司 Mf-tdma卫星通信系统返向链路的功率均衡规划方法
CN113708827A (zh) * 2021-09-14 2021-11-26 四川安迪科技实业有限公司 Mf-tdma卫星通信系统返向链路的功率均衡规划方法
CN114599100A (zh) * 2022-03-10 2022-06-07 中国人民解放军32039部队 波束资源分配方法及装置
CN114599100B (zh) * 2022-03-10 2024-01-19 中国人民解放军32039部队 波束资源分配方法及装置
CN114826376A (zh) * 2022-03-30 2022-07-29 大连大学 一种微纳卫星多目标优化资源分配方法
CN114826376B (zh) * 2022-03-30 2023-11-10 大连大学 一种微纳卫星多目标优化资源分配方法
CN115189721A (zh) * 2022-04-29 2022-10-14 中国人民解放军国防科技大学 一种多波束卫星带宽功率表联合优化分配方法及应用
CN115189721B (zh) * 2022-04-29 2023-12-19 中国人民解放军国防科技大学 一种多波束卫星带宽功率表联合优化分配方法及应用
CN115314181A (zh) * 2022-10-10 2022-11-08 广东电网有限责任公司江门供电局 一种电力线载波通信方法、系统、设备和介质
CN115314181B (zh) * 2022-10-10 2023-01-24 广东电网有限责任公司江门供电局 一种电力线载波通信方法、系统、设备和介质

Also Published As

Publication number Publication date
CN112134614B (zh) 2021-02-26

Similar Documents

Publication Publication Date Title
CN112134614B (zh) 一种多波束通信卫星的下行载波资源分配方法及系统
JP2022500928A (ja) 非静止および／または静止の通信衛星用のリソース展開オプティマイザ
CN109862584B (zh) 功率资源分配方法及应用该方法的多波束卫星通信系统
CN111555795A (zh) 一种基于用户分组调度的网络资源分配方法和装置
CN113573363A (zh) 基于深度强化学习的mec计算卸载与资源分配方法
Kisseleff et al. A new optimization tool for mega-constellation design and its application to trunking systems [International Communications Satellite Systems Conference]
CN115103409A (zh) 一种多波束无人机协作通信的资源分配方法
CN113490219B (zh) 一种面向超密集组网的动态资源分配方法
Wang et al. Multi-objective joint optimization of communication-computation-caching resources in mobile edge computing
Xu et al. Joint beam-hopping scheduling and coverage control in multibeam satellite systems
Nguyen et al. Utility optimization for blockchain empowered edge computing with deep reinforcement learning
CN116886158A (zh) 一种基于ddpg的星地融合网络移动边缘计算资源分配方法
Nehra et al. Federated learning based trajectory optimization for UAV enabled MEC
CN107872255B (zh) 适用于大规模mimo蜂窝移动通信网络的导频调度方法
Song et al. Joint computing, caching and communication resource allocation in the satellite-terrestrial integrated network with UE cooperation
CN114880046A (zh) 联合卸载决策和带宽分配的低轨卫星边缘计算卸载方法
CN113468819B (zh) 基于遗传算法的无人机辅助边缘计算的能耗优化方法
CN115361052A (zh) 一种兼顾能效和谱效的卫星波束成形方法及装置
CN113342514A (zh) 一种基于近地轨道的边缘计算模型及其服务放置方法
Chen et al. Efficient Task Scheduling and Resource Allocation for AI Training Services in Native AI Wireless Networks
CN115696595A (zh) 一种基于博弈论的多目标优化卫星资源分配算法
CN115103449B (zh) 一种多波束低轨卫星空间能源分配方法、装置和电子设备
Luo et al. Decentralized User Allocation and Dynamic Service for Multi-UAV-Enabled MEC System
CN116346202B (zh) 一种基于最大加权团的跳波束调度方法
CN114757084B (zh) 一种宽带卫星通信系统动态波束跳变方法

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