CN113162674B - 一种应用于空天地一体化无线通信的卫星选择方法 - Google Patents

一种应用于空天地一体化无线通信的卫星选择方法 Download PDF

Info

Publication number
CN113162674B
CN113162674B CN202011642656.5A CN202011642656A CN113162674B CN 113162674 B CN113162674 B CN 113162674B CN 202011642656 A CN202011642656 A CN 202011642656A CN 113162674 B CN113162674 B CN 113162674B
Authority
CN
China
Prior art keywords
satellite
satellites
attribute
vector
wireless communication
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
CN202011642656.5A
Other languages
English (en)
Other versions
CN113162674A (zh
Inventor
李承印
马乐
刘超
高文鹏
侯玉婷
肖博
袁平亮
贠亚玲
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.)
Information and Telecommunication Branch of State Grid Gansu Electric Power Co Ltd
Beijing Zhongdian Feihua Communication Co Ltd
Original Assignee
Information and Telecommunication Branch of State Grid Gansu Electric Power Co Ltd
Beijing Zhongdian Feihua Communication Co Ltd
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 Information and Telecommunication Branch of State Grid Gansu Electric Power Co Ltd, Beijing Zhongdian Feihua Communication Co Ltd filed Critical Information and Telecommunication Branch of State Grid Gansu Electric Power Co Ltd
Priority to CN202011642656.5A priority Critical patent/CN113162674B/zh
Publication of CN113162674A publication Critical patent/CN113162674A/zh
Application granted granted Critical
Publication of CN113162674B publication Critical patent/CN113162674B/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
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Astronomy & Astrophysics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Radio Relay Systems (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

一种应用于空天地一体化无线通信的卫星选择方法，所述方法包括以下步骤：①根据各业务对网络各参数的要求的最低阈值对业务进行分类；②根据终端对卫星的仰角来判断终端在哪些卫星的覆盖范围之内；③终端设备检测可接收到的卫星信息，包括卫星信号的带宽、时延、负载状况、接受强度及服务费，并将接受信号强度低于设定阈值的一部分卫星筛选掉；④利用多属性数学评估模型对剩余的卫星进行综合评估和排序并选择最佳接入卫星。本发明根据无线通信业务的种类，确定业务对网络性能的需要，据此为不同网络业务选择更适合接入的卫星来传输数据，能够满足不同电力物联网业务的通信需求。

Description

一种应用于空天地一体化无线通信的卫星选择方法
技术领域
本发明涉及一种无线通信中的卫星选择方法，属于通信技术领域。
背景技术
随着互联网的不断发展，物联网逐渐融入人们的生活中，物联网技术被用于在电力通信中。但是，构建泛在电力物联网面临着许多技术以及信息传输上的难点，如接入物联网的设备分布广泛且分散，这就需要覆盖范围广阔的网络。其次，尤其是偏远地区，人烟稀少，网络基础设备匮乏。当发生自然灾害时，有线网络（例如光纤组成的有线网）容易出现故障，这对构建泛在电力物联网造成了阻碍。
卫星可以不受地理位置的影响，即便是在偏远且网络设备匮乏的地区，也可以提供大范围的网络覆盖，并且随着卫星技术的不断成熟，发射卫星的成本越来越低，卫星所能提供的容量也会越来越大，这为构建泛在电力物联网提供了强有力的支持。
无论是偏远地区或者是非偏远地区，如果仅仅靠有线网络是完全不够的，抗灾能力差，选择将有线网络和无线网络相结合，当有线网络发生故障时，可以利用卫星构建无线网络继续传输信息并且回传有线网络发生了故障的信息。但是不同的业务类型对网络的要求是不一样的，例如网络时延、带宽、误码率等等，这就要求联网终端在选择接入或者切换的卫星中选择一个合适的卫星来传输数据。因此寻找一种应用于空天地一体化无线通信的卫星选择方法是十分必要的。
发明内容
本发明的目的在于针对现有技术之弊端，提供一种应用于空天地一体化无线通信的卫星选择方法，以满足不同电力物联网业务的通信需求。
本发明所述问题是以下述技术方案解决的：
一种应用于空天地一体化无线通信的卫星选择方法，所述方法包括以下步骤：
①根据各业务对网络各参数的要求的最低阈值对业务进行分类；
②根据终端对卫星的仰角来判断终端在哪些卫星的覆盖范围之内；
③终端设备检测可接收到的卫星信息，包括卫星信号的带宽、时延、负载状况、接受强度及服务费，并将接受信号强度低于设定阈值的一部分卫星筛选掉；
④利用多属性数学评估模型对剩余的卫星进行综合评估和排序并选择最佳接入卫星。
上述应用于空天地一体化无线通信的卫星选择方法，对剩余的卫星进行综合评估和排序并选择最佳接入卫星的具体方法如下：
a.根据终端检测到的数据建立决策矩阵D：
Figure RE-RE-938030DEST_PATH_IMAGE002
其中，行表示可选择的卫星，集合为
Figure RE-RE-714225DEST_PATH_IMAGE004
，列表示影响选择的属性，集合为/>
Figure RE-RE-493963DEST_PATH_IMAGE006
为在卫星/>
Figure RE-RE-DEST_PATH_IMAGE007
下影响属性/>
Figure RE-RE-DEST_PATH_IMAGE009
下的具体决策值；
b. 对决策矩阵进行归一化：
对集合F中的收益属性按照下式进行归一化处理：
Figure RE-RE-DEST_PATH_IMAGE011
对集合F中的成本属性按照下式进行归一化处理：
Figure RE-RE-DEST_PATH_IMAGE013
其中
Figure RE-RE-358013DEST_PATH_IMAGE014
和/>
Figure RE-RE-DEST_PATH_IMAGE015
分别为属性/>
Figure RE-RE-906806DEST_PATH_IMAGE016
所在列的最大值和最小值，最终得到归一化的决策矩阵R：
Figure RE-RE-729269DEST_PATH_IMAGE018
c.利用线性加权和法建立卫星评估模型：
各属性的权重由下式确定：
Figure RE-RE-DEST_PATH_IMAGE019
其中
Figure RE-RE-855357DEST_PATH_IMAGE020
为综合属性权重向量，/>
Figure RE-RE-DEST_PATH_IMAGE021
为主观赋权的加权向量，由决策者直接给出；
Figure RE-RE-788678DEST_PATH_IMAGE022
为客观赋权的加权向量，/>
Figure RE-RE-DEST_PATH_IMAGE023
为主观权重系数，/>
Figure RE-RE-191977DEST_PATH_IMAGE024
为客观权重系数，/>
Figure RE-RE-DEST_PATH_IMAGE025
由熵权法得到：
Figure RE-RE-DEST_PATH_IMAGE027
Figure RE-RE-DEST_PATH_IMAGE029
Figure RE-RE-DEST_PATH_IMAGE031
Figure RE-RE-DEST_PATH_IMAGE033
则卫星评估模型为：
Figure RE-RE-DEST_PATH_IMAGE035
；/>
其中P为方案分数总和，
Figure RE-RE-513237DEST_PATH_IMAGE036
为对卫星/>
Figure RE-RE-DEST_PATH_IMAGE037
的评价分数，由此得到评价分数最高的卫星，即为最佳切入得卫星。
上述应用于空天地一体化无线通信的卫星选择方法，为使决策合理，综合属性权重向量
Figure RE-RE-267567DEST_PATH_IMAGE020
由如下的优化模型进行优化:
Figure RE-RE-DEST_PATH_IMAGE039
Figure RE-RE-DEST_PATH_IMAGE041
且
Figure RE-RE-473420DEST_PATH_IMAGE042
令
Figure RE-RE-996805DEST_PATH_IMAGE044
用拉格朗日乘子法求解极值问题：
Figure RE-RE-426649DEST_PATH_IMAGE046
即可得到
Figure RE-RE-527330DEST_PATH_IMAGE048
和/>
Figure RE-RE-DEST_PATH_IMAGE049
的值，式中/>
Figure RE-RE-802453DEST_PATH_IMAGE050
是拉格朗日因子。
上述应用于空天地一体化无线通信的卫星选择方法，在选择最佳切入得卫星时还应根据余弦相似度对备选方案进行排序，具体方法如下：
计算加权后的归一化决策矩阵v:
Figure RE-RE-180345DEST_PATH_IMAGE052
Figure RE-RE-515511DEST_PATH_IMAGE054
定义实际的n维卫星向量：
Figure RE-RE-978854DEST_PATH_IMAGE056
定义最理想的卫星向量：
Figure RE-RE-57668DEST_PATH_IMAGE058
对于收益属性：
Figure RE-RE-290066DEST_PATH_IMAGE060
，对于成本属性：/>
Figure RE-RE-61713DEST_PATH_IMAGE061
，式中M为卫星个数，
余弦相似性度量为：
Figure RE-RE-12352DEST_PATH_IMAGE063
根据余弦相似度的递减值对备选卫星进行排序。
本发明根据无线通信业务的种类，确定业务对网络性能的需要，据此为不同网络业务选择更适合接入的卫星来传输数据，能够满足不同电力物联网业务的通信需求。
附图说明
下面结合附图对本发明作进一步详述。
图1为本发明的卫星选择方法流程图。
图2为数学建模评估卫星的流程图。
文中各符号为：D为决策矩阵，
Figure RE-RE-DEST_PATH_IMAGE064
为在卫星/>
Figure RE-RE-753911DEST_PATH_IMAGE065
下影响属性/>
Figure RE-RE-DEST_PATH_IMAGE066
下的具体决策值，R为归一化的决策矩阵，/>
Figure RE-RE-840816DEST_PATH_IMAGE020
为综合属性权重向量，w1j为主观赋权的加权向量，w2j为客观赋权的加权向量，α为主观权重系数，β为客观权重系数，P为方案分数总和，ui为对卫星/>
Figure RE-RE-783364DEST_PATH_IMAGE067
的评价分数， v+为最理想的卫星向量，vi为实际的n维卫星向量。
具体实施方式
本发明提供了一种应用于空天地一体化无线通信的卫星选择方法，用于解决卫星接入及切换过程中仅仅考虑单方面影响因素和主观臆断的不合理性，提高了各业务的满意度，降低了终端联网时导致的频繁切换卫星的频率，提高了卫星通信的服务质量。
本发明针对不同电力物联网业务对网络QoS(Quality of Service，服务质量)要求的不同，从覆盖卫星中选择一个合适的切入卫星进行数据的传输。考虑到业务对网络中时延、误码率、传输速率等都有不同的要求，为此本发明从多个属性中权衡利弊，选择一个综合评估值最高的卫星接入，同时在考虑多种属性时，既要从主观层面考虑，又要从客观层面考虑，使接入卫星的选择更加合理。
为使得本发明目的、特征、优点能够更加明显和易懂，下面将结合实施例中的附图，对本发明实施例中的技术方案进行清楚、完整、细致地描述。
请参阅图1，本发明包括以下步骤：
步骤S1：根据各业务对网络各参数的要求的最低阈值对业务进行分类。
步骤S2：通过终端对卫星的仰角来判断终端在哪些卫星的覆盖范围之内。
步骤S3：终端设备检测可接收到信号的带宽、时延、负载状况、接受强度、服务费等信息，并根据接受信号强度筛选掉一部分卫星。
步骤S4：对剩余的卫星利用多属性建立数学评估模型对各卫星的综合评估并进行排序选择最佳接入卫星。
该多属性决策问题可由决策矩阵D表示。
Figure RE-RE-955720DEST_PATH_IMAGE069
（1.1）
其中，行表示可选择的卫星，集合为
Figure RE-RE-376337DEST_PATH_IMAGE071
，列表示影响选择的属性(如服务费、时延、带宽、负载等)，集合为/>
Figure RE-RE-583327DEST_PATH_IMAGE073
，为在卫星/>
Figure RE-RE-696777DEST_PATH_IMAGE067
下影响属性
Figure RE-RE-622007DEST_PATH_IMAGE066
下的具体决策值。集合F中的属性含有成本属性和收益属性，如带宽属于收益属性，服务费属于成本属性。对收益属性按照式（1.2）进行归一化处理，对于成本属性按照式（1.3）进行归一化处理。/>
Figure RE-RE-705370DEST_PATH_IMAGE075
（1.2）
Figure RE-RE-766867DEST_PATH_IMAGE077
（1.3）
其中
Figure RE-RE-DEST_PATH_IMAGE078
和/>
Figure RE-RE-785638DEST_PATH_IMAGE079
分别为属性/>
Figure RE-RE-198165DEST_PATH_IMAGE066
所在列的最大值和最小值，最终得到归一化矩阵
Figure RE-RE-960585DEST_PATH_IMAGE081
。如下所示
Figure RE-RE-142168DEST_PATH_IMAGE083
（1.4）
为了衡量各属性在评价数学模型中的重要性，这里采用线性加权和法对各属性进行加权处理：
主观赋权的加权向量为
Figure RE-RE-DEST_PATH_IMAGE085
由决策者直接给出，客观赋权的加权向量为/>
Figure RE-RE-DEST_PATH_IMAGE087
，由熵权法得到，首先将熵定义为
Figure RE-RE-DEST_PATH_IMAGE089
（1.5）
Figure RE-RE-DEST_PATH_IMAGE091
（1.6）
然后获取属性的权重
Figure RE-RE-DEST_PATH_IMAGE093
（1.7）
Figure RE-RE-DEST_PATH_IMAGE095
主客观加权后：
Figure RE-RE-DEST_PATH_IMAGE097
（1.8）
式中
Figure RE-RE-DEST_PATH_IMAGE047
为主观权重系数，/>
Figure RE-RE-659737DEST_PATH_IMAGE098
为客观权重系数，并且各向量的各元素的取值范围为[0,1]，各元素累和值为1。由于目标的复杂性和不确定性以及决策者对目标的偏好，很难对目标进行评估。这样主观喜好和客观属性值往往差距很大。为使决策合理，综合属性权重向量/>
Figure RE-RE-293980DEST_PATH_IMAGE020
的选取应使主观偏好值/>
Figure RE-RE-DEST_PATH_IMAGE099
与客观属性值/>
Figure RE-RE-860091DEST_PATH_IMAGE100
的总偏差最小。因此我们可以构建如下优化模型:
Figure RE-RE-896180DEST_PATH_IMAGE102
（1.9）
且
Figure RE-RE-256754DEST_PATH_IMAGE104
为简化模型并降低计算量，利用线性加权和法对各方案进行评估，得到
Figure RE-RE-502928DEST_PATH_IMAGE106
（1.10）
Figure RE-RE-DEST_PATH_IMAGE107
为对卫星/>
Figure RE-RE-872729DEST_PATH_IMAGE108
评价分数。与此同时，/>
Figure RE-RE-DEST_PATH_IMAGE109
和/>
Figure RE-RE-497745DEST_PATH_IMAGE110
的取值应该尽量使各方案的评价分数尽可能高，即
Figure RE-RE-294800DEST_PATH_IMAGE112
（1.11）
当各个方案的评价分数最高时，各方案分数总和则达到最高，则
Figure RE-RE-638057DEST_PATH_IMAGE114
（1.12）
其中，P为方案分数总和，式(1.11)和式(1.12)也满足
Figure RE-RE-811549DEST_PATH_IMAGE116
一般来说，多个目标函数不会同时达到最优，只能取一种折中的方法尽可能的满足式(1.9)和式(1.12)，这里令
Figure RE-RE-556651DEST_PATH_IMAGE118
（1,13）
在这种情况下，我们可以构造拉格朗日函数，在模型的约束条件下，用拉格朗日乘子法求解极值问题：
Figure RE-RE-524607DEST_PATH_IMAGE120
（1.14）
Figure RE-RE-620739DEST_PATH_IMAGE050
是拉格朗日因子，令/>
Figure RE-RE-191398DEST_PATH_IMAGE122
，可以得到：
Figure RE-RE-56586DEST_PATH_IMAGE124
（1.15）
令
Figure RE-RE-195443DEST_PATH_IMAGE126
，可以得到：
Figure RE-RE-513292DEST_PATH_IMAGE128
（1.6）
令
Figure RE-RE-763008DEST_PATH_IMAGE130
，可以得到：
Figure RE-RE-DEST_PATH_IMAGE131
（1.17）
解得：
Figure RE-RE-DEST_PATH_IMAGE133
（1.18）/>
Figure RE-RE-DEST_PATH_IMAGE135
（1.19）
将
Figure RE-RE-217123DEST_PATH_IMAGE047
和/>
Figure RE-RE-526881DEST_PATH_IMAGE024
带入式（1.8）可得主客观加权和后得权重/>
Figure RE-RE-456660DEST_PATH_IMAGE020
，带入式（1.12），得到评价分数最高的卫星，即为切入得卫星。
接下来根据余弦相似度对备选方案进行排序。使用式（1.20）计算加权后的归一化决策矩阵v:
Figure RE-RE-510067DEST_PATH_IMAGE136
（1.20）
Figure RE-RE-349847DEST_PATH_IMAGE138
（1.21）
定义两个n维向量：
Figure RE-RE-564927DEST_PATH_IMAGE140
（1.22）
Figure RE-RE-857369DEST_PATH_IMAGE142
（1.23）
式（1.22）为式（1.21）的实际的卫星向量，式（1.23）为最理想的卫星向量。对于收益属性：
Figure RE-RE-448887DEST_PATH_IMAGE144
，对于成本属性：/>
Figure RE-RE-143173DEST_PATH_IMAGE146
。余弦相似性度量为：
Figure RE-RE-794735DEST_PATH_IMAGE148
（1.24）
最后，根据余弦相似度的递减值对备选卫星进行排序。
以上为本发明提供的一种应用于空天地一体化无线通信的卫星选择方法的一个详细说明，从以上技术方案可以看出，本方法具有以下优点：
本发明从业务类型、各业务类型对不同网络属性的需求，从多方面考虑选择哪一个卫星进行信息传输。并且为了使选择卫星更加合理，将主观决定因素和客观决定因素结合起来，利用凸优化的数学模型得出一个对各网络属性更加合理的偏好权重，并且为了尽可能的简化计算量，采用线性加权的数学评估模型对各卫星进行评估，得出最佳卫星，还根据余弦相似度对备选卫星进行排序。该方法解决了卫星选择或者切换过程中仅仅考虑主观因素或者客观因素的不合理性，同时也优化了卫星的负载均衡问题，降低了卫星的切换频率，可以满足多种电力通信网的业务需求。

Claims (2)

1.一种应用于空天地一体化无线通信的卫星选择方法，其特征是，所述方法包括以下步骤：
①根据各业务对网络各参数的要求的最低阈值对业务进行分类；
②根据终端对卫星的仰角来判断终端在哪些卫星的覆盖范围之内；
③终端设备检测可接收到的卫星信息，包括卫星信号的带宽、时延、负载状况、接受强度及服务费，并将接受信号强度低于设定阈值的一部分卫星筛选掉；
④利用多属性数学评估模型对剩余的卫星进行综合评估和排序并选择最佳接入卫星；
对剩余的卫星进行综合评估和排序并选择最佳接入卫星的具体方法如下：
a.根据终端检测到的数据建立决策矩阵D：
Figure FDA0003869680570000011
其中，行表示可选择的卫星，集合为A＝{A1,A2,...,Am}，列表示影响选择的属性，集合为F＝{f1,f2,...,fn}，xij为在卫星Ai下影响属性fj下的具体决策值；
b.对决策矩阵进行归一化：
对集合F中的收益属性按照下式进行归一化处理：
Figure FDA0003869680570000012
对集合F中的成本属性按照下式进行归一化处理：
Figure FDA0003869680570000013
其中
Figure FDA0003869680570000014
和/>
Figure FDA0003869680570000015
分别为属性fi所在列的最大值和最小值，最终得到归一化的决策矩阵R：
Figure FDA0003869680570000021
c.利用线性加权和法建立卫星评估模型：
各属性的权重由下式确定：
wj＝αw1j+βw2j
其中wj为综合属性权重向量，w1j＝(w11,w12,...,w1n)T为主观赋权的加权向量，由决策者直接给出；
w2j＝(w21,w22,...,w2n)T为客观赋权的加权向量，α为主观权重系数，β为客观权重系数，w2j由熵权法得到：
Figure FDA0003869680570000022
Figure FDA0003869680570000023
Figure FDA0003869680570000024
K＝1/ln(m)
则卫星评估模型为：
Figure FDA0003869680570000025
其中P为方案分数总和，Ui为对卫星Ai的评价分数，由此得到评价分数最高的卫星，即为最佳切入得卫星；
为使决策合理，综合属性权重向量wj由如下的优化模型进行优化：
Figure FDA0003869680570000026
Figure FDA0003869680570000031
且α+β＝1，α≥0，β≥0
令
Figure FDA0003869680570000032
用拉格朗日乘子法求解极值问题：
Figure FDA0003869680570000033
即可得到α和β的值，式中λ是拉格朗日因子。
2.根据权利要求1所述的应用于空天地一体化无线通信的卫星选择方法，其特征是，在选择最佳切入得卫星时还应根据余弦相似度对备选方案进行排序，具体方法如下：
计算加权后的归一化决策矩阵V:
vij＝wj*rij
Figure FDA0003869680570000034
定义实际的n维卫星向量：
Vi＝(vi1,vi2,...,vin)
定义最理想的卫星向量：
Figure FDA0003869680570000035
对于收益属性：
Figure FDA0003869680570000036
对于成本属性：/>
Figure FDA0003869680570000037
式中M为卫星个数，
余弦相似性度量为：
Figure FDA0003869680570000038
根据余弦相似度的递减值对备选卫星进行排序。
CN202011642656.5A 2020-12-30 2020-12-30 一种应用于空天地一体化无线通信的卫星选择方法 Active CN113162674B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011642656.5A CN113162674B (zh) 2020-12-30 2020-12-30 一种应用于空天地一体化无线通信的卫星选择方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011642656.5A CN113162674B (zh) 2020-12-30 2020-12-30 一种应用于空天地一体化无线通信的卫星选择方法

Publications (2)

Publication Number Publication Date
CN113162674A CN113162674A (zh) 2021-07-23
CN113162674B true CN113162674B (zh) 2023-03-31

Family

ID=76878322

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011642656.5A Active CN113162674B (zh) 2020-12-30 2020-12-30 一种应用于空天地一体化无线通信的卫星选择方法

Country Status (1)

Country Link
CN (1) CN113162674B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023004757A1 (en) * 2021-07-30 2023-02-02 Zte Corporation Method for satellite selection

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111970044A (zh) * 2020-08-15 2020-11-20 哈尔滨工业大学（威海） 基于拉格朗日松弛的卫星网络时隙分配与路由规划方法
CN112085321A (zh) * 2020-07-30 2020-12-15 国家电网有限公司 一种基于边缘计算的台区状态评价方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6633259B1 (en) * 1999-03-05 2003-10-14 Rannuch Corporation Method and apparatus for improving utility of automatic dependent surveillance
US7987491B2 (en) * 2002-05-10 2011-07-26 Richard Reisman Method and apparatus for browsing using alternative linkbases
CN102802204B (zh) * 2012-08-03 2014-09-17 西安电子科技大学 基于用户体验QoE的网络选择方法
CN104185248B (zh) * 2014-02-19 2019-07-23 上海物联网有限公司 一种基于分级的异构网联合接入控制方法
US10069546B2 (en) * 2015-02-13 2018-09-04 Taiwan Semiconductor Manufacturing Co., Ltd. Enhanced pre-ordered pre-weighted transmission
CN105516636B (zh) * 2015-11-25 2018-08-24 南京邮电大学 一种基于视频通信的异构网络多接入资源分配方法
CN110036677B (zh) * 2016-07-20 2023-09-26 艾普拉控股有限公司 使用波束成形和选择的无线电设备的移动性
CN107071841B (zh) * 2017-03-02 2020-05-12 重庆邮电大学 异构网络中基于动态权重优化的垂直切换方法
CN111654320A (zh) * 2020-05-06 2020-09-11 北京理工大学 一种基于多属性决策的卫星自适应组网方法
CN112040510B (zh) * 2020-09-04 2023-10-20 中国电子科技集团公司第二十研究所 基于QoS约束和负载均衡的卫星网络接入选择方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112085321A (zh) * 2020-07-30 2020-12-15 国家电网有限公司 一种基于边缘计算的台区状态评价方法
CN111970044A (zh) * 2020-08-15 2020-11-20 哈尔滨工业大学（威海） 基于拉格朗日松弛的卫星网络时隙分配与路由规划方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Load-Aware Cell Select Scheme for Multi-Connectivity in Intra-Frequency 5G Ultra Dense Network;Xinran Ba;《 IEEE Communications Letters》;第22卷(第2期);第354-357页 *

Also Published As

Publication number Publication date
CN113162674A (zh) 2021-07-23

Similar Documents

Publication Publication Date Title
CN109379752B (zh) Massive MIMO的优化方法、装置、设备及介质
CN108419274B (zh) 一种基于效用函数的异构无线网络选择方法
CN108810911B (zh) 一种基于数据挖掘的低功耗广域网网络规划方法
CN108235390B (zh) 一种异构无线网络中基于贝叶斯决策的垂直切换方法
US20120072267A1 (en) Quality of Service Performance Scoring and Rating Display and Navigation System
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
CN111210052A (zh) 一种基于混合地理加权回归的交通事故预测方法
CN101287280A (zh) 在异构无线网络中选择网络的方法和装置
CN113162674B (zh) 一种应用于空天地一体化无线通信的卫星选择方法
CN104602325A (zh) 一种基于层次分析法的异构无线网络选择方法
CN110210721B (zh) 一种远程手语在线翻译客服分配方法及装置
CN106791964B (zh) 广播电视节目推荐系统及方法
Charilas et al. A unified network selection framework using principal component analysis and multi attribute decision making
Piamrat et al. QoE-based network selection for multimedia users in IEEE 802.11 wireless networks
Goutam et al. Algorithm for vertical handover using multi attribute decision making techniques
CN110958063A (zh) 一种基于多元指标融合的海上通信信道质量评估方法
CN115964570A (zh) 基于QoS多时段变化特征预测的云服务推荐方法及装置
Pradeep et al. An optimized multi‐attribute vertical handoff approach for heterogeneous wireless networks
CN113377532B (zh) 边缘计算服务器部署方法和系统
CN112867101B (zh) 一种基于灰度综合评价值的公安异构无线专网选择方法
CN114462506A (zh) 一种支持偏好策略的通信网络辅助规划方法及其应用
Fontana et al. SMASH: a SMArt Slicing Heterogeneous 5G network selection algorithm
US11790521B2 (en) System and method to use machine learning to ensure proper installation and/or repair by technicians
CN112667907A (zh) 一种多平台信息投放和数据统计系统及方法
CN105657757A (zh) 一种可见光-家庭基站异构网络中的垂直切换方法及装置

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