CN113098590B - 面向非均匀业务覆盖的卫星星座构型参数优化方法 - Google Patents

面向非均匀业务覆盖的卫星星座构型参数优化方法 Download PDF

Info

Publication number
CN113098590B
CN113098590B CN202110418286.5A CN202110418286A CN113098590B CN 113098590 B CN113098590 B CN 113098590B CN 202110418286 A CN202110418286 A CN 202110418286A CN 113098590 B CN113098590 B CN 113098590B
Authority
CN
China
Prior art keywords
satellite
satellite constellation
service
rate
constellation
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
CN202110418286.5A
Other languages
English (en)
Other versions
CN113098590A (zh
Inventor
白卫岗
盛敏
吕豪强
李建东
周笛
史琰
李浩然
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.)
Xidian University
Original Assignee
Xidian University
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 Xidian University filed Critical Xidian University
Priority to CN202110418286.5A priority Critical patent/CN113098590B/zh
Publication of CN113098590A publication Critical patent/CN113098590A/zh
Application granted granted Critical
Publication of CN113098590B publication Critical patent/CN113098590B/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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00—Arrangements for detecting or preventing errors in the information received
    • H04L1/0001—Systems modifying transmission characteristics according to link quality, e.g. power backoff
    • H04L1/0002—Systems modifying transmission characteristics according to link quality, e.g. power backoff by adapting the transmission rate
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Artificial Intelligence (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Biomedical Technology (AREA)
  • Quality & Reliability (AREA)
  • Geometry (AREA)
  • Computer Hardware Design (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Genetics & Genomics (AREA)
  • Astronomy & Astrophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Radio Relay Systems (AREA)

Abstract

本发明公开了一种面向区域非均匀业务覆盖的卫星星座构型参数优化方法，实现的具体步骤为：1)生成区域中非均匀业务需求模型；2)生成卫星星座对区域提供的服务速率模型；3)构建服务覆盖性能函数；4)建立多目标优化模型；5)采用遗传算法优化卫星星座构型参数；6)得到优化后的卫星星座构型参数。本发明根据卫星星座对覆盖目标区域的服务速率与区域的业务需求构建服务覆盖性能函数，并考量部署成本建立多目标优化模型，采用遗传算法优化卫星星座构型参数，实现了卫星星座对区域最大服务覆盖性能并最小化卫星星座部署成本，可用于卫星星座构型参数的优化。

Description

面向非均匀业务覆盖的卫星星座构型参数优化方法
技术领域
本发明涉及通信技术领域，更进一步涉及卫星通信技术领域中的一种面向区域非均匀业务覆盖的卫星星座构型参数优化方法。本发明可用于对构建的卫星星座构型参数进行优化。
背景技术
对于卫星星座构型往往关注的重点是其对业务需求的服务能力。卫星星座构型的设计是根据覆盖任务要求，选择适合的轨道形式，通过优化卫星星座构型参数的方法构造卫星星座系统，以最小的空间段成本满足覆盖任务要求。当前卫星星座构型设计方法中依据连续性覆盖指标的设计方法较多，即目标区域被卫星不间断连续覆盖，并没有关心卫星星座对目标区域实际业务需求的满足能力。而实际的业务需求往往具有不确定性(非空间均匀性)，依据连续覆盖指标所设计的卫星星座无法很好地去满足目标区域的业务需求，卫星星座中部分卫星会出现严重的过载或欠载问题。
中国空间技术研究院在其申请的专利文献“一种适用于通导遥一体化应用全球覆盖星座及其设计方法”(申请号：2018114236338，授权公告号：CN 109639338B，授权公告日：2020.12.04)中公开了一种适用于通导遥一体化应用的全球覆盖星座构型参数设计方法。该方法中设计卫星星座构型参数所依据的通信覆盖性能指标包括：覆盖百分比、平均覆盖间隙、时间覆盖率。覆盖百分比表示区域被卫星星座覆盖的面积占该区域总面积的百分比；平均覆盖间隙表示目标总的覆盖时间长度除以间隙个数；时间覆盖率表示区域被覆盖的累积时间在统计总时间中所占的百分比。分析上述通信性能指标可知，该方法存在的不足之处是，所依据的通信性能指标只关注卫星星座对目标区域卫星信号是否覆盖及卫星信号覆盖的连续性，并没有根据目标区域的实际业务需求满足程度去设计卫星星座。而在实际的情况中，业务需求分布在空间上往往具有很强的非均匀特性，依据上述通信性能指标所设计的卫星星座中很大一部分卫星会出现严重的过载或欠载现象。
蒋季在其发表的论文“面向局部高容量和广域补充覆盖的低轨卫星通信系统星座设计”(北京邮电大学硕士学位2018年)中提出了一种将卫星星座容量满足区域中用户需求作为优化限制条件优化卫星星座构型参数的方法。该方法的具体步骤为，首先根据地面人口分布以及区域通信市场大小建立区域中用户的需求模型，用以衡量潜在卫星通信用户数目；接着建立卫星星座容量模型，用以衡量卫星系统可以服务用户数目；最后将区域中用户的需求与卫星星座容量进行比较，将卫星星座容量满足区域中用户的需求作为优化限制条件，并考量卫星星座部署成本优化卫星星座构型参数。该方法存在的不足之处是，其并未衡量卫星星座对区域所提供容量与区域中用户业务需求的匹配度，在一定的成本条件限制且目标区域中用户需求较大的情况下，即星座规模不可无限大去完全满足所有用户业务需求时，其给出的优化模型无法有效平衡卫星星座对区域所提供容量与区域中用户空间上的非均匀业务需求之间的匹配关系。
发明内容
本发明的目的在于针对上述现有技术存在的不足，提出了一种面向区域非均匀业务覆盖的卫星星座构型参数优化方法，用于解决现有卫星星座构型设计中，面对覆盖目标区域中非均匀性业务需求时，没有关注卫星星座对目标区域所提供服务速率与区域实际业务需求速率之间的匹配关系问题。
实现本发明目的的技术思路是，在卫星星座覆盖目标区域用户的非均匀业务需求与卫星星座对覆盖目标区域提供的服务速率之间建立匹配关系，并考量卫星星座部署成本建立多目标优化模型优化卫星星座构型参数，一方面解决现有技术面向连续性覆盖设计卫星星座构型方法中卫星资源不合理利用的问题，另一方面，解决在有成本限制的条件下，提升卫星星座对覆盖目标区域非均匀业务需求的服务覆盖能力的问题。
实现本发明目的的具体步骤如下：
(1)生成区域中非均匀业务需求模型：
将卫星星座覆盖的目标区域按照经纬度划分为多个网格，将每个网格内的人口总数乘以人均产生的卫星通信业务需求，得到每个网格的卫星业务需求速率；
(2)生成卫星星座对区域提供的服务速率模型：
计算卫星星座容量，将卫星星座容量除以卫星数量得到单星服务速率，将每个卫星的单星服务速率平均到其可见的每个网格内，求和每个网格内可获得的卫星服务速率即为卫星星座对覆盖目标区域每个网格的服务速率；
(3)构建服务覆盖性能函数如下：
Figure BDA0003026845740000031
其中，N表示卫星星座覆盖的目标区域网格总数，∑表示求和操作，i表示目标区域中网格的序号，Di表示目标区域中第i个网格的业务需求速率，min表示取最小值操作，Dm表示网格中最大的业务需求速率，Ci表示卫星星座对目标区域第i个网格的服务速率，max表示取最大值操作；
(4)建立多目标优化模型如下：
Figure BDA0003026845740000032
其中，Cs表示卫星星座部署成本；
(5)采用遗传算法优化卫星星座构型参数：
(5a)根据卫星星座构型参数的范围和精度，确定个体的染色体长度和编码方式，根据种群规模的大小确定种群中个体的总数，采用随机方法生成每个个体的染色体，组成初始种群；
(5b)根据步骤(3)中所述的服务覆盖函数和步骤(4)中所述的卫星星座部署成本计算初始种群中每个个体的服务覆盖性能参数和卫星星座部署成本参数；
(5c)根据步骤(4)中所述的多目标优化模型对初始种群进行非支配排序，保留排序在前的个体，淘汰排序在后的个体，组成父代个体；
(5d)除去排序最高的个体利用保留的剩余个体进行交叉变异产生新的子代个体，与父代个体组成新的种群；
(5e)判断种群中排序最前个体的服务覆盖参数与卫星星座部署成本参数是否收敛，若是，则执行步骤(6)，否则，执行步骤(5b)；
(6)得到优化后的卫星星座构型参数。
本发明与现有技术相比具有以下优点：
第一，由于本发明建立的服务覆盖性能函数，将卫星星座对覆盖目标区域提供的容量与覆盖目标区域的非均匀业务需求之间的匹配关系进行衡量，克服了现有技术对卫星星座构型设计只关注信号的连续性覆盖而造成卫星星座中很大一部分卫星存在过载或者欠载问题，使得本发明针对地面需求分布的非均匀性构建了一个服务覆盖性能函数，并考量了卫星星座部署成本优化卫星星座构型参数，让卫星资源得到合理利用。
第二，由于本发明根据服务覆盖性能参数并考量卫星星座部署成本建立了多目标优化模型，使得在有卫星星座部署成本限制的情况下，对卫星星座构型参数进行优化，优化得到的卫星星座构型参数提升了卫星星座对覆盖目标区域非均匀业务需求的服务覆盖能力，使得本发明实现了优化构型参数后的卫星星座满足对区域中用户空间上的非均匀业务需求有最大服务覆盖性能且卫星星座部署成本最小的目标，为卫星星座构型参数的优化提供了技术支持。
附图说明
图1是本发明的流程图；
图2是本发明中的实施例中遗传算法流程图。
具体实施方式
下面结合附图和具体实施例，对本发明作进一步的详细描述。
参照图1，对本发明的实现步骤作进一步详细描述。
本发明的实施例是将卫星星座覆盖目标区域选择为中国陆地区域，以OneWeb卫星星座为参照，对卫星星座构型参数进行优化。
步骤1，生成区域中非均匀业务需求模型。
本发明的实施例是将所覆盖目标区域即中国陆地区域按照经纬度划分成1030个有效的1°×1°的格子(纬度：5°～53°N，经度：74°～134°E)。将从国家统计局得到的人口数据处理后分配到1030个格子上，获得每个格子的人口数量，并假设人均产生300kbps的业务需求，且其中10％通过卫星网络进行传输。则每个网格子中产生的卫星业务需求速率为：
di＝pi×300×10％(kbps)
其中，di表示第i个网格内的卫星业务需求速率，i表示网格序号，pi表示i个网格内的人口数量。
步骤2，生成卫星星座对区域提供的服务速率模型。
本发明的实施例是在STK中建立包括卫星星座构型参数、地面网关位置信息及区域网格中心点位置信息的仿真场景，导出包括卫星运动轨迹、星地可见性关系、星地距离的分时拓扑信息。
本发明的实施例是根据分时拓扑信息采用香农定理计算每颗卫星分时的下行用户链路和上行馈电链路时变链路速率。
下行用户链路和上行馈电链路时变链路速率的计算公式如下：
C(t)＝Bclog2(1+SNR(t))
其中，C(t)表示下行用户链路和上行馈电链路时变链路速率，t表示拓扑序号，Bc表示信道带宽，SNR(t)表示时变信噪比。
所述SNR(t)表示时变信噪比的计算公式为：
Figure BDA0003026845740000051
其中，EIRP表示有效全向辐射功率，Lf(t)表示时变路径损耗，采用自由空间传播模型进行计算，Lp(t)表示时变大气传播损耗，采用ITU已有的损耗模型进行计算，EIRP表示有效全向辐射功率，GT表示接收机G/T值，k＝1.380649×10-23J/K表示玻尔兹曼常数。
本发明的实施例是按照下式，计算每个单星覆盖下的实际接入速率：
Figure BDA0003026845740000052
其中，Ds表示第s个单星覆盖下的实际接入速率，n表示第s个单星可见区域中网格的总数，i表示可见区域中网格的序号，di表示第i个可见区域中网格的业务需求速率，Rm表示单星的最大容量。
本发明的实施例中卫星星座无星间链路，按照下式，计算卫星星座容量：
Figure BDA0003026845740000053
其中，C表示无星间链路的卫星星座容量，M表示分时拓扑总数，t表示分时拓扑的拓扑序号，N表示卫星星座中的卫星总数，i表示卫星星座中卫星的序号，Ui(t)表示第t个分时拓扑中第i个卫星的下行用户链路速率，Gi(t)表示第t个分时拓扑中第i个卫星的上行馈电链路速率，Di(t)表示第t个分时拓扑中第i个卫星的实际接入速率。
本发明的实施例是将计算得到的卫星星座容量除以卫星总数得到单星服务速率，将每个卫星的单星服务速率平均到其可见的每个网格内，求和每个网格内可获得的卫星服务速率即为卫星星座对覆盖目标区域每个网格的服务速率。
步骤3，本发明的实施例根据卫星星座对覆盖目标区域每个网格的服务速率与区域网格中的业务需求构建服务覆盖性能函数如下：
Figure BDA0003026845740000061
其中，N表示卫星星座覆盖的目标区域网格总数，∑表示求和操作，i表示目标区域中网格的序号，Di表示目标区域中第i个网格的业务需求速率，min表示取最小值操作，Dm表示网格中最大的业务需求速率，Ci表示卫星星座对目标区域第i个网格的服务速率，max表示取最大值操作。
步骤4，本发明的实施例根据服务覆盖性能函数和卫星星座部署成本建立多目标优化模型如下：
Figure BDA0003026845740000062
其中，Cs表示卫星星座部署成本，计算公式如下：
Cs＝Ns×(1+β)×(1+α+0.00049+h0.43)×Ws
其中，Cs表示卫星星座部署成本，Ns表示卫星星座的卫星总数，h为轨道高度，Ws表示单颗卫星的功率，α与β均表示常数，一般取1和0.2。
步骤5，本发明的实施例采用遗传算法优化卫星星座构型参数。
参照图2，对本发明的实施例中遗传算法步骤作进一步详细描述：
第1步，本发明的实施例优化的卫星星座构型参数包括轨道高度、轨道倾角、升交点赤经、轨道数目，每轨道卫星数，优化卫星星座构型参数的范围、精度和染色体长度为：轨道高度500～1500km，精度为1km，染色体长度为10；轨道倾角0°～90°，精度为1°，染色体长度为7；升交点赤经起始点
Figure BDA0003026845740000071
Np表示轨道数目，精度为0.01°，染色体长度为10；轨道数目和每轨道卫星数为720分解的因数组合，共30种组合，染色体长度为5，则总的染色体长度为32，编码方式为二进制编码，种群大小为100，采用随机方法生成初始种群。
第2步，本发明的实施例是根据步骤3中所述的服务覆盖函数和步骤4中所述的卫星星座部署成本计算初始种群中每个个体的服务覆盖性能参数和卫星星座部署成本参数。
第3步，本发明的实施例是根据步骤4中所述的多目标优化模型对初始种群进行非支配排序，保留排序在前的个体，淘汰排序在后的个体，组成父代个体。
第4步，本发明的实施例中除去排序最高的个体利用保留的剩余个体进行交叉变异产生新的子代个体，与父代个体组成新的种群。
第5步，本发明的实施例中判断种群中排序最前个体的服务覆盖参数与卫星星座部署成本参数是否收敛，若是，则执行步骤6，否则，执行本步骤的第2步；
步骤6，得到优化后的卫星星座构型参数。
下面结合仿真实验对本发明的效果做进一步的说明：
1.仿真实验条件：
本发明的仿真实验的软件平台为：Windows 7操作系统，MATLAB R2018b和卫星工具箱(Satellite Tool Kit 11.6)。
本发明仿真实验中以OneWeb卫星星座数据为参照，卫星与地面网关的具体射频参数为：信道带宽：Bc＝0.25GHz，有效全向辐射功率：EIRP＝63.2dBW，频率：f＝28.5GHz，接收机G/T值：GT＝11.3dB/K，表示单颗卫星的功率：Ws＝200W，单星最大容量：Rm＝9.96Gbps，卫星天线总数为1，地面网关天线总数为15，在STK 11.6建立的仿真场景中仿真时长设定为24小时，以60秒为步长生成共计1440个分时拓扑信息，遗传算法具体参数为：染色体长度32，最大遗传代数100，基因交叉概率0.8，基因变异概率0.3，染色体编码方式二进制，选择策略为轮盘赌，OneWeb卫星星座构型参数：轨道数目18，每轨道卫星总数：40，轨道高度1200km，轨道倾角87.9°，升交点赤经起始点0°。
2.仿真内容及其结果分析：
本发明的仿真实验是使用本发明的方法，根据卫星星座服务覆盖性能函数和卫星星座部署成本建立多目标模型。在本发明建立的多目标模型基础上采用现有技术的遗传算法对卫星星座构型参数进行优化。
在仿真实验中，根据优化卫星星座构型参数的染色体长度编码方式采用随机方法生成100个初始种群个体，分别计算每个个体的服务覆盖性能参数和卫星星座部署成本参数，按照多目标进行非支配排序，保留排序在前的个体淘汰排序在后的个体，除去排序最前的个体将剩余的个体进行交叉变异产生新的子代个体，与父代个体组成新的种群，对种群重复非支配排序、选择、交叉和变异步骤，经过多次反复操作，最终算法收敛为最优解
本发明的仿真实验参照的OneWeb卫星星座按照本发明所建立的服务覆盖性能函数与卫星星座部署成本计算得到的服务覆盖性能参数：5.1984，卫星部署成本参数：412970。本发明的仿真实验得到的优化后的卫星星座构型参数为：轨道数目：36，每轨道卫星总数：20，轨道高度：1272km，轨道倾角：56°，升交点赤经起始点：9.46°，服务覆盖性能参数：9.9489，卫星部署成本参数：407880。
对比OneWeb卫星星座的服务覆盖性能参数与本发明的仿真实验得到的优化后的卫星星座服务覆盖性能参数可得到结果如下：
本发明的仿真实验得到的优化后的卫星星座构型的服务覆盖性能参数值9.9489相比于比OneWeb卫星星座构型参数的服务覆盖性能函数值5.1984增加了4.7505。
以上仿真结果表明：本发明的面向非均匀业务覆盖的卫星星座构型参数优化方法根据卫星星座对覆盖目标区域每个网格的服务速率与区域网格中的业务需求构建服务覆盖性能函数并考量卫星星座部署成本建立多目标优化模型，采用遗传算法对卫星星座构型参数进行优化，实现在面向非均匀业务需求时以最小的卫星星座部署成本完成最大的服务覆盖性能。解决了现有技术中对卫星星座构型设计只关注信号的连续性覆盖而造成卫星星座中很大一部分卫星资源不合理应用的问题。解决了卫星星座对覆盖目标区域每个网格的服务速率与区域每个网格中的业务需求之间的匹配关系问题。

Claims (3)

1.一种面向非均匀业务覆盖的卫星星座构型参数优化方法，其特征在于，根据区域中用户空间上的非均匀业务需求与卫星星座对区域中用户所提供服务速率建立服务覆盖函数，用以衡量二者之间的匹配关系，并考量卫星星座部署成本作为优化目标优化卫星星座构型参数，该方法的步骤包括如下：
(1)生成区域中非均匀业务需求模型：
将卫星星座覆盖的目标区域按照经纬度划分为多个网格，将每个网格内的人口总数乘以人均产生的卫星通信业务需求，得到每个网格的卫星业务需求速率；
(2)生成卫星星座对区域提供的服务速率模型：
计算卫星星座容量，将卫星星座容量除以卫星数量得到单星服务速率，将每个卫星的单星服务速率平均到其可见的每个网格内，求和每个网格内可获得的卫星服务速率即为卫星星座对覆盖目标区域每个网格的服务速率；
(3)构建服务覆盖性能函数如下：
Figure FDA0003331078100000011
其中，N表示卫星星座覆盖的目标区域网格总数，∑表示求和操作，i表示目标区域中网格的序号，Di表示目标区域中第i个网格的业务需求速率，min表示取最小值操作，Dm表示网格中最大的业务需求速率，Ci表示卫星星座对目标区域第i个网格的服务速率，max表示取最大值操作；
(4)建立多目标优化模型如下：
Figure FDA0003331078100000012
其中，Cs表示卫星星座部署成本；
(5)采用遗传算法优化卫星星座构型参数：
(5a)根据卫星星座构型参数的范围和精度，确定个体的染色体长度和编码方式，根据种群规模的大小确定种群中个体的总数，采用随机方法生成每个个体的染色体，组成初始种群；
(5b)根据步骤(3)中所述的服务覆盖函数和步骤(4)中所述的卫星星座部署成本计算初始种群中每个个体的服务覆盖性能参数和卫星星座部署成本参数；
(5c)根据步骤(4)中所述的多目标优化模型对初始种群进行非支配排序，保留排序在前的个体，淘汰排序在后的个体，组成父代个体；
(5d)除去排序最高的个体利用保留的剩余个体进行交叉变异产生新的子代个体，与父代个体组成新的种群；
(5e)判断种群中排序最前个体的服务覆盖参数与卫星星座部署成本参数是否收敛，若是，则执行步骤(6)，否则，执行步骤(5b)；
(6)得到优化后的卫星星座构型参数。
2.根据权利要求1所述的面向非均匀业务覆盖的卫星星座构型参数优化方法，其特征在于，步骤(2)中所述计算卫星星座容量的步骤如下：
第一步，根据卫星星座构型参数、地面网关位置信息及区域网格中心点位置信息，得到包括卫星运动轨迹、星地可见性关系、星地距离的分时拓扑信息；
第二步，根据分时拓扑信息计算每颗卫星分时的下行用户链路和上行馈电链路的链路速率预算；
第三步，按照下式，计算每个单星覆盖下的实际接入速率：
Figure FDA0003331078100000021
其中，Ds表示第s个单星覆盖下的实际接入速率，n表示第s个单星可见区域中网格的总数，i表示可见区域中网格的序号，di表示第i个可见区域中网格的业务需求速率，Rm表示单星的最大容量；
第四步，按照下式，计算无星间链路的卫星星座容量：
Figure FDA0003331078100000022
其中，C表示无星间链路的卫星星座容量，M表示分时拓扑总数，t表示分时拓扑的拓扑序号，N表示卫星星座中的卫星总数，i表示卫星星座中卫星的序号，Ui(t)表示第t个分时拓扑中第i个卫星的下行用户链路速率，Gi(t)表示第t个分时拓扑中第i个卫星的上行馈电链路速率，Di(t)表示第t个分时拓扑中第i个卫星的实际接入速率；
第五步，有星间链路的卫星星座容量的计算步骤如下：
5.1)根据星间建链规则建立星间链路，生成包含星间可见性关系的分时拓扑信息；
5.2)将星间可见性关系矩阵乘以星间链路速率得到星间链路速率矩阵；
5.3)根据每颗卫星对其可见的地面网关的上行馈电链路速率生成星地链路速率矩阵；
5.4)结合星间链路速率矩阵与星地链路速率矩阵生成包含卫星节点与地面网关节点的链路速率矩阵；
5.5)生成网格中与所有卫星连接的目的节点链路速率矩阵，其链路速率为用户下行链路速率；
5.6)生成网格中与所有地面网关连接的源节点链路速率矩阵，其链路速率为无穷大；
5.7)结合源节点、目的节点、卫星节点与地面网关节点的链路速率矩阵生成有星间链路的卫星星座链路速率矩阵；
5.8)利用单源单目的最大流最小割算法，计算从源节点到目的节点的最大速率得到有星间链路的卫星星座容量。
3.根据权利要求1所述的面向非均匀业务覆盖的卫星星座构型参数优化方法，其特征在于，步骤(4)中所述的卫星星座部署成本模型如下：
Cs＝Ns×(1+β)×(1+α+0.00049+h0.43)×Ws
其中，Cs表示卫星星座部署成本，Ns表示卫星星座的卫星总数，h为轨道高度，Ws表示单颗卫星的功率，α与β均表示常数，取1和0.2。
CN202110418286.5A 2021-04-19 2021-04-19 面向非均匀业务覆盖的卫星星座构型参数优化方法 Active CN113098590B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110418286.5A CN113098590B (zh) 2021-04-19 2021-04-19 面向非均匀业务覆盖的卫星星座构型参数优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110418286.5A CN113098590B (zh) 2021-04-19 2021-04-19 面向非均匀业务覆盖的卫星星座构型参数优化方法

Publications (2)

Publication Number Publication Date
CN113098590A CN113098590A (zh) 2021-07-09
CN113098590B true CN113098590B (zh) 2022-03-04

Family

ID=76678632

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110418286.5A Active CN113098590B (zh) 2021-04-19 2021-04-19 面向非均匀业务覆盖的卫星星座构型参数优化方法

Country Status (1)

Country Link
CN (1) CN113098590B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114819258A (zh) * 2022-03-11 2022-07-29 北京航空航天大学 一种面向巨型星座的分阶段部署优化方法和系统
CN114826373B (zh) * 2022-03-24 2023-04-18 武汉大学 基于实时覆盖面积评估的卫星星座构型方法及设备
CN116170059A (zh) * 2023-02-14 2023-05-26 南京航空航天大学 一种基于spbo算法的多载荷卫星星座设计方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6081227A (en) * 1998-01-05 2000-06-27 Motorola, Inc. Method and apparatus for beam management in a satellite communication system
CN101299713A (zh) * 2008-03-21 2008-11-05 哈尔滨工业大学深圳研究生院 一种多层卫星网络系统路由设定方法
CN103595463A (zh) * 2013-11-28 2014-02-19 中国科学技术大学 基于波束业务量的卫星波束覆盖动态调整方法
CN106156417A (zh) * 2016-07-04 2016-11-23 中国人民解放军国防科学技术大学 等时间间隔快速重访卫星星座构型优化设计方法
CN107298186A (zh) * 2017-06-18 2017-10-27 湖北航天技术研究院总体设计所 一种基于激光载荷的同轨面卫星自主相对位置保持方法
CN109639338A (zh) * 2018-11-27 2019-04-16 中国空间技术研究院 一种适用于通导遥一体化应用全球覆盖星座及其设计方法
CN111148161A (zh) * 2020-01-06 2020-05-12 中国科学院微小卫星创新研究院 低轨卫星星座星间负载路由均衡方法及系统
CN112039580A (zh) * 2020-09-17 2020-12-04 中国人民解放军32039部队 一种多波束通信卫星的下行波束资源分配方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110362909B (zh) * 2019-07-04 2020-04-24 中国人民解放军军事科学院国防科技创新研究院 多目标卫星布局优化设计方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6081227A (en) * 1998-01-05 2000-06-27 Motorola, Inc. Method and apparatus for beam management in a satellite communication system
CN101299713A (zh) * 2008-03-21 2008-11-05 哈尔滨工业大学深圳研究生院 一种多层卫星网络系统路由设定方法
CN103595463A (zh) * 2013-11-28 2014-02-19 中国科学技术大学 基于波束业务量的卫星波束覆盖动态调整方法
CN106156417A (zh) * 2016-07-04 2016-11-23 中国人民解放军国防科学技术大学 等时间间隔快速重访卫星星座构型优化设计方法
CN107298186A (zh) * 2017-06-18 2017-10-27 湖北航天技术研究院总体设计所 一种基于激光载荷的同轨面卫星自主相对位置保持方法
CN109639338A (zh) * 2018-11-27 2019-04-16 中国空间技术研究院 一种适用于通导遥一体化应用全球覆盖星座及其设计方法
CN111148161A (zh) * 2020-01-06 2020-05-12 中国科学院微小卫星创新研究院 低轨卫星星座星间负载路由均衡方法及系统
CN112039580A (zh) * 2020-09-17 2020-12-04 中国人民解放军32039部队 一种多波束通信卫星的下行波束资源分配方法及装置

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
6G卫星物联网移动性管理：挑战与关键技术;白卫岗 等;《物联网学报》;20200331;第4卷(第1期);全文 *
A greedy approach combined with graph coloring for non-uniform beam layouts under antenna constraints in multibeam satellite systems;Jean-Thomas Camino 等;《2014 7th Advanced Satellite Multimedia Systems Conference and the 13th Signal Processing for Space Communications Workshop》;20141023;全文 *
Joint Optimization of VNF Deployment and Routing in Software Defined Satellite Networks;Ziye Jia 等;《2018 IEEE 88th Vehicular Technology Conference》;20190415;全文 *
基于强化学习的卫星通信资源分配算法研究;刘召;《中国优秀硕士学位论文全文数据库》;20200215(第2期);全文 *
通信卫星星座优化设计综述;莫宇等;《电讯技术》;20161128(第11期);全文 *
面向区域覆盖的遥感卫星轨道布设优化算法;何川东等;《无线电工程》;20171105(第11期);全文 *
面向局部高容量和广域补充覆盖的低轨卫星通信系统 星座设计;蒋季;《中国优秀硕士学位论文全文数据库》;20190915(第9期);全文 *

Also Published As

Publication number Publication date
CN113098590A (zh) 2021-07-09

Similar Documents

Publication Publication Date Title
CN113098590B (zh) 面向非均匀业务覆盖的卫星星座构型参数优化方法
Wu et al. A satellite handover strategy based on the potential game in LEO satellite networks
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
Destounis et al. Dynamic power allocation for broadband multi-beam satellite communication networks
CN111786715B (zh) 一种自动感知中国用户对卫星星座的体验质量的方法
CN113078940B (zh) 一种宽带低轨卫星通信系统的信关站选址方法及系统
US20070253341A1 (en) Method and apparatus for identifying network connectivity changes in dynamic networks
Chen et al. Multiple gateway placement in large‐scale constellation networks with inter‐satellite links
CN101959202B (zh) 基于遗传算法的平流层飞艇布局优化方法
Zhang et al. A multi-objective satellite handover strategy based on entropy in LEO satellite communications
CN112558474B (zh) 基于多目标遗传算法的低轨卫星通信线路切换控制方法
Jiang et al. Regional LEO satellite constellation design based on user requirements
CN115765837A (zh) 一种面向低轨卫星物联网的sdn控制器部署方法
del Portillo et al. Architectural decisions for communications satellite constellations to maintain profitability while serving uncovered and underserved communities
Kan et al. Energy-and spectral-efficient power allocation in multi-beam satellites system with co-channel interference
Wang et al. An optimal model and solution of deployment of airships for high altitude platforms
Lyras et al. Cloud attenuation prediction statistics for GEO and NGSO satellite communication systems operating at Q/V band and above
Liu et al. Fade slope analysis of Ka-band Earth-LEO satellite links using a synthetic rain field model
Dai et al. Capacity-oriented satellite constellation design in disaster emergency communication network
Zhang et al. A satellite handover strategy based on heuristic algorithm for LEO satellite networks
Cheng et al. Study on gateway station deployment for large scale LEO satellite constellation networks
CN115441927B (zh) 一种空天地一体化网络中的卫星星座设计方法
CN117040607A (zh) 一种低轨通信卫星星座的设计方法
CN115102603A (zh) 一种高效低复杂度的宽带通信卫星全局波束跳变方法
Harb et al. Performance evolution in satellite communication networks along with markovian channel prediction

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