CN114598379B - 一种星地通信链路频率干扰仿真计算方法 - Google Patents
一种星地通信链路频率干扰仿真计算方法 Download PDFInfo
- Publication number
- CN114598379B CN114598379B CN202210220915.8A CN202210220915A CN114598379B CN 114598379 B CN114598379 B CN 114598379B CN 202210220915 A CN202210220915 A CN 202210220915A CN 114598379 B CN114598379 B CN 114598379B
- Authority
- CN
- China
- Prior art keywords
- configuration information
- interference
- data
- satellite
- algorithm
- 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
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
-
- 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
Abstract
本发明涉及计算机技术领域,公开了一种星地通信链路频率干扰仿真计算方法,其可针对仿真计算中的干扰及受扰评估计算等步骤的大规模计算任务,先根据受扰系统接收波束和时间切片对DataFrame数据集进行分区,然后并行地在Spark集群的且与各分区对应的节点中,利用UDF函数调用集总干扰算法输出得到对应的集总干扰结果数据,最后汇总各个受扰系统接收波束在各段时间切片的集总干扰结果数据,得到全仿真起止时段的星地通信链路频率干扰仿真计算结果,进而实现了整个计算任务并行化处理的目的,有效减少了整体计算耗时,提升了仿真计算效率,最终使整个系统以并行计算方式高效地完成大规模星地通信链路频率干扰仿真计算任务,满足实际工程需求。
Description
技术领域
本发明属于计算机技术领域,具体地涉及一种星地通信链路频率干扰仿真计算方法。
背景技术
近年来,随着卫星通信技术的快速发展,世界各国纷纷部署大规模互联网卫星星座,例如美国Space X的StarLink星座系统和OneWeb的卫星互联网星座,以及国内的行云工程、虹云工程和鸿雁工程等。卫星星座系统的大量部署,使得通信链路频率资源争夺愈加激烈。然而通信链路频率资源是有限的,在进行卫星系统建设前,需要对星地通信链路频率干扰情况进行仿真计算,验证卫星系统星地通信的可行性,高效地使用通信链路频率资源。
目前,国内外一般的星地通信链路频率干扰仿真计算系统,有如下缺陷:(1)只能在单台计算机上执行,整体计算耗时长,计算效率低;(2)主要基于传统关系型数据库,使得在仿真计算过程中,数据处理和存储速度慢;(3)在进行较大规模且较长周期的仿真计算时,在计算过程中常因单台计算机资源不足且无法横向扩展导致计算失败,稳定性和可靠性较差,无法满足较大规模星地通信链路频率干扰仿真计算的工程需求。
发明内容
为了解决现有星地通信链路频率干扰仿真计算系统所存在整体计算耗时长、效率低和无法满足较大规模仿真计算工程需求的问题,本发明目的在于提供一种星地通信链路频率干扰仿真计算方法,可实现整个计算任务并行化处理的目的,有效减少整体计算耗时,提升仿真计算效率,最终使整个系统以并行计算方式高效地完成大规模星地通信链路频率干扰仿真计算任务,满足实际工程需求。
本发明提供了一种星地通信链路频率干扰仿真计算方法,包括:
获取干扰系统及受扰系统的初始化配置信息,其中,所述初始化配置信息包含有公共配置信息,所述公共配置信息包含有仿真起止时长和仿真时间步长;
根据所述仿真时间步长确定切分粒度,并根据所述切分粒度对所述仿真起止时长进行时间片切分处理,得到多段时间切片,其中,所述切分粒度为N倍所述仿真时间步长,N为不小于10的预设自然数;
以所述多段时间切片为一个并行维度,将所述初始化配置信息中的且与仿真时间相关的配置信息切分为多个基于时间切片的配置信息,并将切分结果封装在DataFrame数据集中,然后根据卫星唯一标识使所述DataFrame数据集与所述初始化配置信息中的其它配置信息关联;
根据所述初始化配置信息和各个干扰卫星及各个受扰卫星在所述多段时间切片中的各段时间切片的星历数据,关联计算各个卫星及各个地面站在所述各段时间切片的所在位置,并将位置计算结果封装在所述DataFrame数据集中;
基于所述DataFrame数据集和所述初始化配置信息,通过调用波束覆盖算法计算得到各个星地链路对在所述各段时间切片的波束覆盖数据,并将所述波束覆盖数据封装在所述DataFrame数据集中;
基于所述DataFrame数据集和所述初始化配置信息,通过调用跟踪弧段算法计算得到各个收发波束对在所述各段时间切片的波束跟踪弧段结果,然后根据所述波束跟踪弧段结果、卫星配置信息、地面站配置信息和所述多个基于时间切片的配置信息,生成各个收发系统链路在所述各段时间切片的跟踪弧段数据,并将所述跟踪弧段数据封装在所述DataFrame数据集中,其中,所述卫星配置信息和所述地面站配置信息分别属于所述初始化配置信息;
基于所述DataFrame数据集和所述初始化配置信息,通过调用干扰及受扰系统工况算法计算得到各个收发系统链路在所述各段时间切片的干扰及受扰系统工况数据,并将所述干扰及受扰系统工况数据封装在所述DataFrame数据集中;
基于所述DataFrame数据集和所述初始化配置信息,通过调用单入干扰算法计算得到各个干扰系统发射波束对各个受扰系统接收波束在所述各段时间切片的单入干扰结果数据;
根据受扰系统接收波束和时间切片对所述DataFrame数据集进行分区,得到多个第一分区,其中,所述第一分区用于与单受扰接收波束且单时间切片一一对应;
针对所述多个第一分区中的各个第一分区,并行地在Spark集群的对应第一节点中,利用UDF函数调用集总干扰算法,然后将对应的所有单入干扰结果数据输入该集总干扰算法,输出得到对应的集总干扰结果数据;
汇总各个受扰系统接收波束在所述各段时间切片的集总干扰结果数据,得到全仿真起止时段的星地通信链路频率干扰仿真计算结果。
基于上述发明内容,提供了一种适用于与Spark集群结合构成大规模星地通信链路频率干扰仿真计算的方案,即针对在星地通信链路频率干扰仿真计算中的干扰及受扰评估计算等步骤的大规模计算任务,先根据受扰系统接收波束和时间切片对DataFrame数据集进行分区,然后并行地在Spark集群的且与各分区对应的节点中,利用UDF函数调用集总干扰算法,将与分区对应的所有单入干扰结果数据输入该集总干扰算法,输出得到对应的集总干扰结果数据,最后汇总各个受扰系统接收波束在各段时间切片的集总干扰结果数据,得到全仿真起止时段的星地通信链路频率干扰仿真计算结果,进而实现了整个计算任务并行化处理的目的,有效减少了整体计算耗时,提升了仿真计算效率,最终使整个系统以并行计算方式高效地完成大规模星地通信链路频率干扰仿真计算任务,满足实际工程需求。
在一个可能的设计中,基于所述DataFrame数据集和所述初始化配置信息,通过调用波束覆盖算法计算得到各个星地链路对在所述各段时间切片的波束覆盖数据,包括:
根据卫星、地面站和时间切片对所述DataFrame数据集进行分区,得到多个第二分区,其中,所述第二分区用于与单星、单站且单时间切片一一对应;
针对所述多个第二分区中的各个第二分区,并行地在Spark集群的对应第二节点中,利用UDF函数调用波束覆盖算法,然后将包含有对应的星地工作链路配置信息、地面站位置及仿真起止时间切片的第二数据输入该波束覆盖算法,输出得到对应星地链路对的波束覆盖数据,其中,所述星地工作链路配置信息属于所述初始化配置信息。
在一个可能的设计中,基于所述DataFrame数据集和所述初始化配置信息,通过调用跟踪弧段算法计算得到各个收发波束对在所述各段时间切片的波束跟踪弧段结果,包括:
根据发射波束、接收波束和时间切片对所述DataFrame数据集进行分区,得到多个第三分区,其中,所述第三分区用于与单发射波束、单接收波束且单时间切片一一对应;
针对所述多个第三分区中的各个第三分区,并行地在Spark集群的对应第三节点中,利用UDF函数调用跟踪弧段算法,然后将包含有对应的星地链路配置信息、链路跟踪策略配置信息、仿真起止时间切片和接收波束的组顺序的第三数据输入该跟踪弧段算法,输出得到对应收发波束对的波束跟踪弧段结果,其中,所述星地链路配置信息和所述链路跟踪策略配置信息分别属于所述初始化配置信息。
在一个可能的设计中,基于所述DataFrame数据集和所述初始化配置信息,通过调用干扰及受扰系统工况算法计算得到各个收发系统链路在所述各段时间切片的干扰及受扰系统工况数据,包括:
根据发射波束、接收波束和时间切片对所述DataFrame数据集进行分区,得到多个第四分区,其中,所述第四分区用于与单发射波束、单接收波束且单时间切片一一对应;
针对所述多个第四分区中的各个第四分区,并行地在Spark集群的对应第四节点中,利用UDF函数调用干扰及受扰系统工况算法,并将包含有对应的干扰及受扰链路配置信息及仿真起止时间切片的第四数据输入该干扰及受扰系统工况算法,得到对应收发系统链路的干扰及受扰系统工况数据,其中,所述干扰及受扰链路配置信息属于所述初始化配置信息。
在一个可能的设计中,基于所述DataFrame数据集和所述初始化配置信息,通过调用单入干扰算法计算得到各个干扰系统发射波束对各个受扰系统接收波束在所述各段时间切片的单入干扰结果数据,包括:
根据干扰系统发射波束、受扰系统接收波束和时间切片对所述DataFrame数据集进行分区,得到多个第五分区,其中,所述第五分区用于与单干扰发射波束、单受扰接收波束且单时间切片一一对应;
针对所述多个第五分区中的各个第五分区,并行地在Spark集群的对应第五节点中,利用UDF函数调用单入干扰算法,然后将包含有对应的卫星配置信息、地面站位置信息、空口配置信息、波束跟踪弧段结果和受扰系统工况数据的第五数据输入该单入干扰算法,输出得到对应的单入干扰结果数据,其中,所述卫星配置信息、所述地面站位置信息和所述空口配置信息分别属于所述初始化配置信息。
在一个可能的设计中,在得到所述波束覆盖数据、所述跟踪弧段数据和/或所述干扰及受扰系统工况数据之后,所述方法还包括有:先利用DataFrame.persist缓存机制选择数据缓存,再利用DataFrame.StorageLevel.DISK_ONLY缓存机制仅使用磁盘模式进行缓存,将所得数据持久化到本地磁盘中。
在一个可能的设计中,在得到所述波束覆盖数据、所述跟踪弧段数据、所述干扰及受扰系统工况数据、所述单入干扰结果数据和/或所述集总干扰结果数据之后,所述方法还包括有:将所得数据存储到ClickHouse数据库中。
在一个可能的设计中,在得到所述单入干扰结果数据之后,所述方法还包括有:利用checkpoint机制将所述单入干扰结果数据保存到分布式文件系统HDFS中。
在一个可能的设计中,所述Spark集群部署有多个节点,并利用ZooKeeper组件的领导者选举机制,使其中一个节点作为主节点,而使其它节点为备用节点。
本发明的技术效果:
(1)本发明创造提供了一种适用于与Spark集群结合构成大规模星地通信链路频率干扰仿真计算的方案,即针对在星地通信链路频率干扰仿真计算中的干扰及受扰评估计算等步骤的大规模计算任务,先根据受扰系统接收波束和时间切片对DataFrame数据集进行分区,然后并行地在Spark集群的且与各分区对应的节点中,利用UDF函数调用集总干扰算法,将与分区对应的所有单入干扰结果数据输入该集总干扰算法,输出得到对应的集总干扰结果数据,最后汇总各个受扰系统接收波束在各段时间切片的集总干扰结果数据,得到全仿真起止时段的星地通信链路频率干扰仿真计算结果,进而实现了整个计算任务并行化处理的目的,有效减少了整体计算耗时,提升了仿真计算效率,最终使整个系统以并行计算方式高效地完成大规模星地通信链路频率干扰仿真计算任务,满足实际工程需求;
(2)针对在星地通信链路频率干扰仿真计算中的其它步骤,如波束覆盖计算、跟踪弧段计算和干扰及受扰系统工况计算等,同样可以通过计算任务并行化处理,进一步有效减少整体计算耗时,提升仿真计算效率;
(3)通过对数据进行分类,并采用三种数据存储技术(本地磁盘、HDFS以及ClickHouse)的组合,可实现大规模海量数据的快速处理与存储目的,进一步提高大规模仿真计算的可靠性、稳定性和实用性;
(4)还可以利用ZooKeeper组件实现集群环境下的负载均衡,进一步保证系统运行的可靠性和稳定性;
(5)由于并行计算引擎为集群的工作方式,同一类型数据可能被不同的处理实例消费,因此不存在单点故障的问题,并可以通过横向扩展集群实现计算和存储的扩展,便于实际应用和推广。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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的附图。
图1是本发明提供的星地通信链路频率干扰仿真计算方法的流程示意图。
图2是本发明提供的基于时间切片的多任务并行计算的且综合考虑多星、多波束、多站场景的处理流程示意图。
图3是本发明提供的数据存储架构的示意图。
图4是本发明提供的基于ZooKeeper组件的Spark集群架构示意图。
具体实施方式
下面结合附图及具体实施例来对本发明作进一步阐述。在此需要说明的是,对于这些实施例方式的说明虽然是用于帮助理解本发明,但并不构成对本发明的限定。本文公开的特定结构和功能细节仅用于描述本发明示例的实施例。然而,可用很多备选的形式来体现本发明,并且不应当理解为本发明限制在本文阐述的实施例中。
应当理解,尽管本文可能使用术语第一和第二等等来描述各种对象,但是这些对象不应当受到这些术语的限制。这些术语仅用于区分一个对象和另一个对象。例如可以将第一对象称作第二对象,并且类似地可以将第二对象称作第一对象,同时不脱离本发明的示例实施例的范围。
应当理解,对于本文中可能出现的术语“和/或”,其仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A、单独存在B或者同时存在A和B等三种情况;对于本文中可能出现的术语“/和”,其是描述另一种关联对象关系,表示可以存在两种关系,例如,A/和B,可以表示:单独存在A或者同时存在A和B等两种情况;另外,对于本文中可能出现的字符“/”,一般表示前后关联对象是一种“或”关系。
如图1~3所示,本实施例第一方面提供的所述星地通信链路频率干扰仿真计算方法,适用于与Spark(其是一种开源通用并行云计算平台,也是一个基于内存计算的开源的集群计算系统,目的是让数据分析更加快速,常用在互联网公司智能广告推送或商品推荐算法等计算量大且对效率要求高的计算场景;Spark的中间数据均保存于内存中,可以优化迭代工作负载)集群结合构成一个新型的星地通信链路频率干扰仿真计算系统,以便针对在星地通信链路频率干扰仿真计算中的波束覆盖计算、跟踪弧段计算、干扰及受扰系统工况计算和干扰及受扰评估计算等步骤的大规模计算任务,通过计算任务并行化处理,有效减少整体计算耗时,提升仿真计算效率,最终使整个系统以并行计算方式高效地完成大规模星地通信链路频率干扰仿真计算任务,满足实际工程需求。所述星地通信链路频率干扰仿真计算方法,包括但不限于有如下步骤S1~S11。
S1.获取干扰系统及受扰系统的初始化配置信息,其中,所述初始化配置信息包含但不限于有公共配置信息等,所述公共配置信息包含但不限于有仿真起止时长(可具体由仿真开始时间和仿真结束时间表示)和仿真时间步长(一般为60秒)等。
在所述步骤S1中,所述初始化配置信息由用户设置而得,其中,所述公共配置信息还可以包含但不限于有链路类型(例如上行链路、下行链路或星间链路等)和干扰及受扰对标识等。所述初始化配置信息可举例为JSON(JavaScript Object Notation,JS对象简称,是一种轻量级的数据交换格式)格式文件,由于单次干扰仿真计算需要读取干扰系统配置文件及受扰系统配置文件,可使两文件格式相同,并使内容还包含但不限于有卫星及卫星分组配置信息、地面站及地面站分组配置信息、天线配置信息、波束配置信息、空口(即无线通信中空中接口的俗称,是天线通信设备之间的无线传输规范)配置信息和链路跟踪策略配置信息等,其中,卫星和地面站均挂载天线(一个天线包含一个或多个波束);所述卫星及卫星分组配置信息包含但不限于有卫星名称、卫星组名称、卫星链路名称、卫星链路组名称、开普勒轨道根数和卫星挂载天线列表等;所述地面站及地面站分组配置信息包含但不限于有地面站名称、地面站分组名称、地面站链路名称、地面站链路组名称、地面站可视仰角、地面站位置经纬高和地面站挂载天线列表等;所述天线配置信息包含但不限于有天线名称、天线方位角、天线俯仰角和波束配置列表等;所述波束配置信息包含但不限于有波束唯一标识、波束形状(椭圆或圆形)、波束宽度、波束直径、波束效率、参考增益、长轴(椭圆波束)、短轴(椭圆波束)、椭圆转向(椭圆波束)、工作频率、极化方式和角度分辨率等;所述空口配置信息包含但不限于有载波数量、调制方式、信道速率、成型滚降系数、信道编码方式、带宽、Tx功率、线路损耗、电波传播类型、大气损耗、指向损耗、计划损耗、降雨损耗、天线噪声温度、线路损耗、解调损失、场景模式、噪声系数、发射带宽、EIRP(EquivalentIsotropically Radiated Power,等效全向辐射功率)谱密度和接收系统噪温等;所述链路跟踪策略配置信息包含但不限于有跟踪条件(例如最小跟踪仰角等)和建链策略(例如最高仰角、最短通信距离和/或最长通信时间等)等。
S2.根据所述仿真时间步长确定切分粒度,并根据所述切分粒度对所述仿真起止时长进行时间片切分处理,得到多段时间切片,其中,所述切分粒度为N倍所述仿真时间步长,N为不小于10的预设自然数。
在所述步骤S2中,N可默认为60,即当所述仿真时间步长为60秒时,所述切分粒度为3600秒,若所述仿真起止时长为3小时,可通过所述时间片切分处理,得到3段时间切片。
S3.以所述多段时间切片为一个并行维度,将所述初始化配置信息中的且与仿真时间相关的配置信息切分为多个基于时间切片的配置信息,并将切分结果封装在DataFrame数据集中,然后根据卫星唯一标识使所述DataFrame数据集与所述初始化配置信息中的其它配置信息关联。
在所述步骤S3中,所述初始化配置信息中的且与仿真时间相关的配置信息可以但不限于包含有仿真开始时间和仿真结束时间,如此以所述多段时间切片为一个并行维度,可以针对每段时间切片得到对应的新仿真开始时间和新仿真结束时间(即基于时间切片的配置信息)。所述DataFrame数据集是Spark计算中优于RDD(Resilient DistributedDatasets,弹性分布式数据集,是Spark的核心,RDD是分布于各个计算节点存储于内存中的数据对象集合,RDD允许用户在执行多个查询时显式地将工作集缓存在内存中,后续的查询能够重用工作集,极大地提升了查询速度)的一种弹性、分布式且具有血缘关系的行数据集,即为Spark提供了统一结构化数据接口,可基于DataFrame能够实现结构化数据的快速分析,让Spark具备了处理大规模结构化数据处理的能力,不仅简单易用,而且可获得更高的计算性能;具体封装方式为现有常规方式。此外,所述其它配置信息是相对于所述初始化配置信息中的且与仿真时间相关的配置信息而言的,例如有链路类型、干扰及受扰对标识、卫星及卫星分组配置信息、地面站及地面站分组配置信息、天线配置信息、波束配置信息、空口配置信息和链路跟踪策略配置信息等。
S4.根据所述初始化配置信息和各个干扰卫星及各个受扰卫星在所述多段时间切片中的各段时间切片的星历数据,关联计算各个卫星及各个地面站在所述各段时间切片的所在位置,并将位置计算结果封装在所述DataFrame数据集中。
在所述步骤S4中,所述星历数据具体可通过调用轨道预报算法来计算得到,其中,所述轨道预报算法是一种现有算法,其算法思想是输入卫星开普勒轨道根数(具体包含但不限于有历元时刻、轨道半长轴、轨道偏心率、轨道倾角、升交点赤经、近地点幅角和平近点角等)、起止时间及步长,采用J2摄动(其为在轨道六根数卫星轨道预测算法中的现有术语,其将在仅考虑带有J2项的地球引力位函数时对卫星轨道的摄动称为J2摄动)模型,计算外推(其是轨道预报的另外一种说法,即根据某一历元时刻初始轨道根数,推算未来一段时间卫星运行位置及速度等)起止时间段内的星历数据。考虑多颗卫星的轨道预报计算任务是互相独立的,因此可将每个卫星(即干扰卫星或受扰卫星)在每段时间切片的轨道预报计算作为一个独立计算任务,分配到所述Spark集群的各个节点上进行并行计算,即优选的,先根据卫星和时间切片对所述DataFrame数据集进行分区,得到多个分区,其中,所述分区用于与单星且单时间切片一一对应;然后针对所述多个分区中的各个分区,并行地在Spark集群的对应节点中,利用UDF函数(其指在Spark计算中的用户自定义函数,有一进一出、一进多出和多进一出等三种方式,本文中所利用的UDF函数均指一进一出方式)调用轨道预报算法,然后将包含但不限于有对应的卫星开普勒轨道根数及仿真起止时间切片等的数据输入该轨道预报算法,输出得到对应的星历数据,其中,所述卫星开普勒轨道根数中的历元时刻不变且属于所述初始化配置信息。此外,前述对DataFrame数据集进行分区的过程为现有常规方式,前述的位置关联计算过程为现有计算方式。
在所述步骤S4中,还考虑Spark的懒加载机制(即代码运行到Action算子如foreach或collect等时,程序才被触发执行),如果在中间数据使用之后还需要再次使用,则会要求重复计算,故而有必要对所述星历数据进行持久化操作,同时考虑所述星历数据的数据量较大,持久化到内存会占用较多计算资源并有可能导致内存溢出,因此优选的,在得到所述星历数据之后,所述方法还包括但不限于有:先利用DataFrame.persist缓存机制选择数据缓存,再利用DataFrame.StorageLevel.DISK_ONLY缓存机制仅使用磁盘模式进行缓存(两者均为现有缓存机制),将所述星历数据持久化到本地磁盘中。此外,为了向前端展示所述星历数据,还可以在所述Spark集群的各个第一节点中并行地将所述星历数据存储到ClickHouse(其为一种用于数据分析的列式存储数据库,具有支持多核CPU并行处理、速度快及可线性扩展等特点)数据库中,以便用户可以查询干扰卫星或受扰卫星的星历数据。
S5.基于所述DataFrame数据集和所述初始化配置信息,通过调用波束覆盖算法计算得到各个星地链路对在所述各段时间切片的波束覆盖数据,并将所述波束覆盖数据封装在所述DataFrame数据集中。
在所述步骤S5中,所述波束覆盖算法也是一种现有算法,其算法思想是输入干扰及受扰卫星-地面站工作链路配置信息、地面站位置和起止时间,计算输出起止时间段内,分组链路对的波束覆盖范围及波束指向等数据,即所述波束覆盖数据包含但不限于有波束指向和波束覆盖范围等数据。同样可以将每个卫星对每个地面站(即星地链路对)的且在每段时间切片的波束覆盖计算作为一个独立计算任务,分配到所述Spark集群的各个节点上进行并行计算,即优选的,基于所述DataFrame数据集和所述初始化配置信息,通过调用波束覆盖算法计算得到各个星地链路对在所述各段时间切片的波束覆盖数据,包括但不限于有:先根据卫星、地面站和时间切片对所述DataFrame数据集进行分区,得到多个第二分区,其中,所述第二分区用于与单星、单站且单时间切片一一对应;然后针对所述多个第二分区中的各个第二分区,并行地在Spark集群的对应第二节点中,利用UDF函数调用波束覆盖算法,然后将包含但不限于有对应的星地工作链路配置信息、地面站位置及仿真起止时间切片等的第二数据输入该波束覆盖算法,输出得到对应星地链路对的波束覆盖数据,其中,所述星地工作链路配置信息属于所述初始化配置信息。此外,同样基于中间数据及向前端展示的考虑,可在得到所述波束覆盖数据后,先利用DataFrame.persist缓存机制选择数据缓存,再利用DataFrame.StorageLevel.DISK_ONLY缓存机制仅使用磁盘模式进行缓存,将所述波束覆盖数据持久化到本地磁盘中,以及在所述Spark集群的各个第二节点中并行地将所述波束覆盖数据存储到ClickHouse数据库中。
S6.基于所述DataFrame数据集和所述初始化配置信息,通过调用跟踪弧段算法计算得到各个收发波束对在所述各段时间切片的波束跟踪弧段结果,然后根据所述波束跟踪弧段结果、卫星配置信息、地面站配置信息和所述多个基于时间切片的配置信息,生成各个收发系统链路在所述各段时间切片的跟踪弧段数据,并将所述跟踪弧段数据封装在所述DataFrame数据集中,其中,所述卫星配置信息和所述地面站配置信息分别属于所述初始化配置信息。
在所述步骤S6中,所述跟踪弧段算法也是一种现有算法,其算法思想是根据星地链路配置和接收波束的组顺序,对每个接收波束对应发送波束的重叠跟踪弧段按照跟踪策略(如仰角更高、开始时间更早和/或跟踪时长最长等)进行比较,确定唯一跟踪弧段(即干扰及受扰系统内地面站和卫星的跟踪时间段)。由于波束跟踪弧段计算的粒度会细分到波束级别,因此可利用DataFrame.repartition()方法将计算的分区粒度从卫星、地面站和时间切片调整至接收波束、发送波束和时间切片,作为后续跟踪弧段数据计算的输入,既提升计算效率,又能最大限度的利用服务器的物理性能,即优选的,基于所述DataFrame数据集和所述初始化配置信息,通过调用跟踪弧段算法计算得到各个收发波束对在所述各段时间切片的波束跟踪弧段结果,包括但不限于有:先根据发射波束、接收波束和时间切片对所述DataFrame数据集进行分区,得到多个第三分区,其中,所述第三分区用于与单发射波束、单接收波束且单时间切片一一对应;然后针对所述多个第三分区中的各个第三分区,并行地在Spark集群的对应第三节点中,利用UDF函数调用跟踪弧段算法,然后将包含但不限于有对应的星地链路配置信息、链路跟踪策略配置信息、仿真起止时间切片和接收波束的组顺序等的第三数据输入该跟踪弧段算法,输出得到对应收发波束对的波束跟踪弧段结果,其中,所述星地链路配置信息和所述链路跟踪策略配置信息分别属于所述初始化配置信息。此外,前述跟踪弧段数据的生成过程为现有处理方式,并同样基于中间数据及向前端展示的考虑,可在得到所述跟踪弧段数据后,先利用DataFrame.persist缓存机制选择数据缓存,再利用DataFrame.StorageLevel.DISK_ONLY缓存机制仅使用磁盘模式进行缓存,将所述跟踪弧段数据持久化到本地磁盘中,以及将所述跟踪弧段数据存储到ClickHouse数据库中。
S7.基于所述DataFrame数据集和所述初始化配置信息,通过调用干扰及受扰系统工况算法计算得到各个收发系统链路在所述各段时间切片的干扰及受扰系统工况数据,并将所述干扰及受扰系统工况数据封装在所述DataFrame数据集中。
在所述步骤S7中,所述干扰及受扰系统工况算法也是一种现有算法,其算法思想是根据干扰及受扰链路配置,计算连接链路时段、距离、波束指向以及与干扰及受扰链路矢量的夹角信息。同样可以延用跟踪弧段计算的并行粒度进行干扰及受扰系统工况(指仿真时段内,干扰及受扰自身系统产生的通信数据)的并行计算,即优选的,基于所述DataFrame数据集和所述初始化配置信息,通过调用干扰及受扰系统工况算法计算得到各个收发系统链路在所述各段时间切片的干扰及受扰系统工况数据,包括但不限于有:先根据发射波束、接收波束和时间切片对所述DataFrame数据集进行分区,得到多个第四分区,其中,所述第四分区用于与单发射波束、单接收波束且单时间切片一一对应;然后针对所述多个第四分区中的各个第四分区,并行地在Spark集群的对应第四节点中,利用UDF函数调用干扰及受扰系统工况算法,并将包含但不限于有对应的干扰及受扰链路配置信息及仿真起止时间切片等的第四数据输入该干扰及受扰系统工况算法,得到对应收发系统链路的干扰及受扰系统工况数据,其中,所述干扰及受扰链路配置信息属于所述初始化配置信息。此外,同样基于中间数据及向前端展示的考虑,可在得到所述干扰及受扰系统工况数据后,先利用DataFrame.persist缓存机制选择数据缓存,再利用DataFrame.StorageLevel.DISK_ONLY缓存机制仅使用磁盘模式进行缓存,将所述干扰及受扰系统工况数据持久化到本地磁盘中,以及在所述Spark集群的各个第四节点中并行地将所述干扰及受扰系统工况数据存储到ClickHouse数据库中。
S8.基于所述DataFrame数据集和所述初始化配置信息,通过调用单入干扰算法计算得到各个干扰系统发射波束对各个受扰系统接收波束在所述各段时间切片的单入干扰结果数据。
在所述步骤S8中,所述单入干扰算法也是一种现有算法,其算法思想是输入受扰系统工况数据、地面站及卫星的配置信息、空口配置信息以及干扰与受扰系统的跟踪弧段计算结果,计算全时段单入干扰(指仿真时段内单个干扰波束对单个受扰波束产生的干扰数据),输出某时刻干扰系统发射波束对受扰系统接收波束的干扰指标(即单入干扰结果数据)。由于单入干扰计算(即指根据跟踪弧段计算结果、卫星以及地面站等相关配置,计算出干扰隔离角,并通过空口配置计算出单入干扰数据)的粒度需要细分到干扰系统发射波束和受扰系统接收波束,因此若要进行并行计算,需要根据干扰系统发射波束、受扰系统接收波束和时间切片对所述DataFrame数据集进行重分区,即基于所述DataFrame数据集和所述初始化配置信息,通过调用单入干扰算法计算得到各个干扰系统发射波束对各个受扰系统接收波束在所述各段时间切片的单入干扰结果数据,包括但不限于有:先根据干扰系统发射波束、受扰系统接收波束和时间切片对所述DataFrame数据集进行分区,得到多个第五分区,其中,所述第五分区用于与单干扰发射波束、单受扰接收波束且单时间切片一一对应;然后针对所述多个第五分区中的各个第五分区,并行地在Spark集群的对应第五节点中,利用UDF函数调用单入干扰算法,然后将包含但不限于有对应的卫星配置信息、地面站位置信息、空口配置信息、波束跟踪弧段结果和受扰系统工况数据等的第五数据输入该单入干扰算法,输出得到对应的单入干扰结果数据,其中,所述卫星配置信息、所述地面站位置信息和所述空口配置信息分别属于所述初始化配置信息。同时考虑单入干扰计算的结果比较关键,并且需要作为集总干扰计算的输入,因此为了确保计算的顺利进行,避免由于集群服务器宕机过多导致数据丢失造成本次计算失败,可优选利用checkpoint机制(在Spark中,将RDD的数据写入之前设置好的文件系统HDFS,进行高可用、容错的类持久化操作,用来防止由于节点故障导致的关键数据丢失)将所述单入干扰结果数据保存到分布式文件系统HDFS(HadoopDistributed File System,Hadoop分布式文件系统,是一种块分布式文件系统,具有支持大数据集、高度容错和高可靠的特性)中,以便用多副本的模式将DataFrame数据集转换成RDD数据并存储,保证计算中关键数据不丢失。此外,同样基于向前端展示的考虑,可在得到所述单入干扰结果数据后,在所述Spark集群的各个第五节点中并行地将所述单入干扰结果数据存储到ClickHouse数据库中。
S9.根据受扰系统接收波束和时间切片对所述DataFrame数据集进行分区,得到多个第一分区,其中,所述第一分区用于与单受扰接收波束且单时间切片一一对应。
在所述步骤S9中,由于集总干扰(即指仿真时段内所有干扰波束对单个受扰波束产生的干扰数据)计算需要单入干扰结果作为输入,为减少冗余分区,因此需要根据受扰系统接收波束和时间切片对所述DataFrame数据集进行重分区。
S10.针对所述多个第一分区中的各个第一分区,并行地在Spark集群的对应第一节点中,利用UDF函数调用集总干扰算法,然后将对应的所有单入干扰结果数据输入该集总干扰算法,输出得到对应的集总干扰结果数据。
在所述步骤S10中,所述集总干扰算法也是一种现有算法,其算法思想是输入单入干扰结果,计算某时刻某受扰系统接收波束的集总干扰指标值(即集总干扰结果数据)。此外,同样基于向前端展示的考虑,可在得到所述集总干扰结果数据后,在所述Spark集群的各个第一节点中并行地将所述集总干扰结果数据存储到ClickHouse数据库中。
S11.汇总各个受扰系统接收波束在所述各段时间切片的集总干扰结果数据,得到全仿真起止时段的星地通信链路频率干扰仿真计算结果。
在所述步骤S11中,所述全仿真起止时段即为与所述公共配置信息中仿真起止时长对应的时段。由于是在对干扰仿真计算的相关算法库(例如轨道预报算法、波束覆盖算法、跟踪弧段算法、干扰及受扰系统工况算法、单入干扰算法和集总干扰算法等)进行并行化设计之后,将算法部署到Spark平台上,可使得算法的执行过程由整个集群并行处理,提升了计算效能。以50颗卫星且100个地面站规模的低轨卫星星地通信链路频率干扰仿真计算场景为例,测试服务器均配置CPU 4核且内存16G,对比本方法和旧方法(即只能使用单台计算机的传统计算方法),测试结果数据如下表1所示:
表1.本方法及旧方法的总用时结果数据
干扰仿真计算规模 | 仿真起止时长 | 仿真时间步长 | 本方法总用时 | 旧方法总用时 |
50颗星100个站 | 3小时 | 60秒 | 30秒 | 91秒 |
50颗星100个站 | 24小时 | 60秒 | 86秒 | 358秒 |
50颗星100个站 | 1周 | 60秒 | 243秒 | 2560秒 |
50颗星100个站 | 2周 | 60秒 | 419秒 | 5120秒 |
根据上述表1的测试结果可知,在进行大规模仿真场景下,本方法具有计算速度快且效率高的特点,尤其是仿真时长超过一周以上时,本方法总用时不足旧方法总用时的1/10。
由此基于前述步骤S1~S11所描述的星地通信链路频率干扰仿真计算方法,提供了一种适用于与Spark集群结合构成大规模星地通信链路频率干扰仿真计算的方案,即针对在星地通信链路频率干扰仿真计算中的干扰及受扰评估计算等步骤的大规模计算任务,先根据受扰系统接收波束和时间切片对DataFrame数据集进行分区,然后并行地在Spark集群的且与各分区对应的节点中,利用UDF函数调用集总干扰算法,将与分区对应的所有单入干扰结果数据输入该集总干扰算法,输出得到对应的集总干扰结果数据,最后汇总各个受扰系统接收波束在各段时间切片的集总干扰结果数据,得到全仿真起止时段的星地通信链路频率干扰仿真计算结果,进而实现了整个计算任务并行化处理的目的,有效减少了整体计算耗时,提升了仿真计算效率,最终使整个系统以并行计算方式高效地完成大规模星地通信链路频率干扰仿真计算任务,满足实际工程需求;以及针对在星地通信链路频率干扰仿真计算中的其它步骤,如波束覆盖计算、跟踪弧段计算和干扰及受扰系统工况计算等,同样可以通过计算任务并行化处理,进一步有效减少整体计算耗时,提升仿真计算效率。
如图3所示,本实施例在前述第一方面的技术方案基础上,还提供了一种数据存储策略,通过对数据进行分类,并采用三种数据存储技术(本地磁盘、HDFS以及ClickHouse)的组合,可实现大规模海量数据的快速处理与存储目的,进一步提高大规模仿真计算的可靠性、稳定性和实用性,以及由于并行计算引擎为集群的工作方式,同一类型数据可能被不同的处理实例消费,因此不存在单点故障的问题,并可以通过横向扩展集群实现计算和存储的扩展,便于实际应用和推广。
如图4所示,本实施例在前述第一方面的技术方案基础上,还提供了一种如何实现集群负载均衡的可能设计一,即所述Spark集群部署有多个节点,并利用ZooKeeper(其为一个分布式的应用程序协调服务)组件的领导者选举机制,使其中一个节点作为主节点,而使其它节点为备用节点。由于所述ZooKeeper组件可以动态感知Spark集群的运行状态,当主节点出现故障,所述ZooKeeper组件可从备用节点中选举出一台来恢复之前主节点的状态信息,实现集群的负载均衡目的,进一步保证系统运行的可靠性和稳定性。
由此基于前述可能设计一,还可以利用ZooKeeper组件实现集群环境下的负载均衡,进一步保证系统运行的可靠性和稳定性。
最后应说明的是,本发明不局限于上述可选的实施方式,任何人在本发明的启示下都可得出其他各种形式的产品。上述具体实施方式不应理解成对本发明的保护范围的限制,本发明的保护范围应当以权利要求书中界定的为准,并且说明书可以用于解释权利要求书。
Claims (9)
1.一种星地通信链路频率干扰仿真计算方法,其特征在于,包括:
获取干扰系统及受扰系统的初始化配置信息,其中,所述初始化配置信息包含有公共配置信息,所述公共配置信息包含有仿真起止时长和仿真时间步长;
根据所述仿真时间步长确定切分粒度,并根据所述切分粒度对所述仿真起止时长进行时间片切分处理,得到多段时间切片,其中,所述切分粒度为N倍所述仿真时间步长,N为不小于10的预设自然数;
以所述多段时间切片为一个并行维度,将所述初始化配置信息中的且与仿真时间相关的配置信息切分为多个基于时间切片的配置信息,并将切分结果封装在DataFrame数据集中,然后根据卫星唯一标识使所述DataFrame数据集与所述初始化配置信息中的其它配置信息关联;
根据所述初始化配置信息和各个干扰卫星及各个受扰卫星在所述多段时间切片中的各段时间切片的星历数据,关联计算各个卫星及各个地面站在所述各段时间切片的所在位置,并将位置计算结果封装在所述DataFrame数据集中;
基于所述DataFrame数据集和所述初始化配置信息,通过调用波束覆盖算法计算得到各个星地链路对在所述各段时间切片的波束覆盖数据,并将所述波束覆盖数据封装在所述DataFrame数据集中;
基于所述DataFrame数据集和所述初始化配置信息,通过调用跟踪弧段算法计算得到各个收发波束对在所述各段时间切片的波束跟踪弧段结果,然后根据所述波束跟踪弧段结果、卫星配置信息、地面站配置信息和所述多个基于时间切片的配置信息,生成各个收发系统链路在所述各段时间切片的跟踪弧段数据,并将所述跟踪弧段数据封装在所述DataFrame数据集中,其中,所述卫星配置信息和所述地面站配置信息分别属于所述初始化配置信息;
基于所述DataFrame数据集和所述初始化配置信息,通过调用干扰及受扰系统工况算法计算得到各个收发系统链路在所述各段时间切片的干扰及受扰系统工况数据,并将所述干扰及受扰系统工况数据封装在所述DataFrame数据集中;
基于所述DataFrame数据集和所述初始化配置信息,通过调用单入干扰算法计算得到各个干扰系统发射波束对各个受扰系统接收波束在所述各段时间切片的单入干扰结果数据;
根据受扰系统接收波束和时间切片对所述DataFrame数据集进行分区,得到多个第一分区,其中,所述第一分区用于与单受扰接收波束且单时间切片一一对应;
针对所述多个第一分区中的各个第一分区,并行地在Spark集群的对应第一节点中,利用UDF函数调用集总干扰算法,然后将对应的所有单入干扰结果数据输入该集总干扰算法,输出得到对应的集总干扰结果数据;
汇总各个受扰系统接收波束在所述各段时间切片的集总干扰结果数据,得到全仿真起止时段的星地通信链路频率干扰仿真计算结果。
2.如权利要求1所述的星地通信链路频率干扰仿真计算方法,其特征在于,基于所述DataFrame数据集和所述初始化配置信息,通过调用波束覆盖算法计算得到各个星地链路对在所述各段时间切片的波束覆盖数据,包括:
根据卫星、地面站和时间切片对所述DataFrame数据集进行分区,得到多个第二分区,其中,所述第二分区用于与单星、单站且单时间切片一一对应;
针对所述多个第二分区中的各个第二分区,并行地在Spark集群的对应第二节点中,利用UDF函数调用波束覆盖算法,然后将包含有对应的星地工作链路配置信息、地面站位置及仿真起止时间切片的第二数据输入该波束覆盖算法,输出得到对应星地链路对的波束覆盖数据,其中,所述星地工作链路配置信息属于所述初始化配置信息。
3.如权利要求1所述的星地通信链路频率干扰仿真计算方法,其特征在于,基于所述DataFrame数据集和所述初始化配置信息,通过调用跟踪弧段算法计算得到各个收发波束对在所述各段时间切片的波束跟踪弧段结果,包括:
根据发射波束、接收波束和时间切片对所述DataFrame数据集进行分区,得到多个第三分区,其中,所述第三分区用于与单发射波束、单接收波束且单时间切片一一对应;
针对所述多个第三分区中的各个第三分区,并行地在Spark集群的对应第三节点中,利用UDF函数调用跟踪弧段算法,然后将包含有对应的星地链路配置信息、链路跟踪策略配置信息、仿真起止时间切片和接收波束的组顺序的第三数据输入该跟踪弧段算法,输出得到对应收发波束对的波束跟踪弧段结果,其中,所述星地链路配置信息和所述链路跟踪策略配置信息分别属于所述初始化配置信息。
4.如权利要求1所述的星地通信链路频率干扰仿真计算方法,其特征在于,基于所述DataFrame数据集和所述初始化配置信息,通过调用干扰及受扰系统工况算法计算得到各个收发系统链路在所述各段时间切片的干扰及受扰系统工况数据,包括:
根据发射波束、接收波束和时间切片对所述DataFrame数据集进行分区,得到多个第四分区,其中,所述第四分区用于与单发射波束、单接收波束且单时间切片一一对应;
针对所述多个第四分区中的各个第四分区,并行地在Spark集群的对应第四节点中,利用UDF函数调用干扰及受扰系统工况算法,并将包含有对应的干扰及受扰链路配置信息及仿真起止时间切片的第四数据输入该干扰及受扰系统工况算法,得到对应收发系统链路的干扰及受扰系统工况数据,其中,所述干扰及受扰链路配置信息属于所述初始化配置信息。
5.如权利要求1所述的星地通信链路频率干扰仿真计算方法,其特征在于,基于所述DataFrame数据集和所述初始化配置信息,通过调用单入干扰算法计算得到各个干扰系统发射波束对各个受扰系统接收波束在所述各段时间切片的单入干扰结果数据,包括:
根据干扰系统发射波束、受扰系统接收波束和时间切片对所述DataFrame数据集进行分区,得到多个第五分区,其中,所述第五分区用于与单干扰发射波束、单受扰接收波束且单时间切片一一对应;
针对所述多个第五分区中的各个第五分区,并行地在Spark集群的对应第五节点中,利用UDF函数调用单入干扰算法,然后将包含有对应的卫星配置信息、地面站位置信息、空口配置信息、波束跟踪弧段结果和受扰系统工况数据的第五数据输入该单入干扰算法,输出得到对应的单入干扰结果数据,其中,所述卫星配置信息、所述地面站位置信息和所述空口配置信息分别属于所述初始化配置信息。
6.如权利要求1所述的星地通信链路频率干扰仿真计算方法,其特征在于,在得到所述波束覆盖数据、所述跟踪弧段数据和所述干扰及受扰系统工况数据之后,所述方法还包括有:先利用DataFrame.persist缓存机制选择数据缓存,再利用DataFrame.StorageLevel.DISK_ONLY缓存机制仅使用磁盘模式进行缓存,将所得数据持久化到本地磁盘中。
7.如权利要求1所述的星地通信链路频率干扰仿真计算方法,其特征在于,在得到所述波束覆盖数据、所述跟踪弧段数据、所述干扰及受扰系统工况数据、所述单入干扰结果数据和所述集总干扰结果数据之后,所述方法还包括有:将所得数据存储到ClickHouse数据库中。
8.如权利要求1所述的星地通信链路频率干扰仿真计算方法,其特征在于,在得到所述单入干扰结果数据之后,所述方法还包括有:利用checkpoint机制将所述单入干扰结果数据保存到分布式文件系统HDFS中。
9.如权利要求1所述的星地通信链路频率干扰仿真计算方法,其特征在于,所述Spark集群部署有多个节点,并利用ZooKeeper组件的领导者选举机制,使其中一个节点作为主节点,而使其它节点为备用节点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210220915.8A CN114598379B (zh) | 2022-03-08 | 2022-03-08 | 一种星地通信链路频率干扰仿真计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210220915.8A CN114598379B (zh) | 2022-03-08 | 2022-03-08 | 一种星地通信链路频率干扰仿真计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114598379A CN114598379A (zh) | 2022-06-07 |
CN114598379B true CN114598379B (zh) | 2023-02-28 |
Family
ID=81815421
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210220915.8A Active CN114598379B (zh) | 2022-03-08 | 2022-03-08 | 一种星地通信链路频率干扰仿真计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114598379B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111211828A (zh) * | 2019-12-23 | 2020-05-29 | 东方红卫星移动通信有限公司 | 一种低轨通信卫星星座星间路由选择方法及装置 |
CN112600613A (zh) * | 2020-12-15 | 2021-04-02 | 中国科学院国家空间科学中心 | 一种用于空间互联网星座的干扰规避系统及方法 |
CN112600611A (zh) * | 2020-12-09 | 2021-04-02 | 中国科学院国家空间科学中心 | 用于空间互联网星座兼容分析仿真系统的场景配置系统 |
CN112653508A (zh) * | 2020-12-29 | 2021-04-13 | 清华大学 | 巨型星座干扰概率分布的获取方法及装置 |
CN112803983A (zh) * | 2020-12-30 | 2021-05-14 | 南京邮电大学 | 一种基于编队卫星分布式波束成形的高低轨频谱共享方法 |
CN113131989A (zh) * | 2021-03-25 | 2021-07-16 | 中国科学院国家空间科学中心 | 一种ngso星座系统频谱共享仿真时间参数设计方法 |
CN113612525A (zh) * | 2021-08-27 | 2021-11-05 | 陕西星邑空间技术有限公司 | 基于约束满足的低轨互联网星座星地链路规划方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090289839A1 (en) * | 2007-09-26 | 2009-11-26 | Viasat, Inc | Dynamic Sub-Channel Sizing |
CN110099388B (zh) * | 2019-03-21 | 2021-11-16 | 世讯航空技术有限公司 | 一种与5g网络融合的卫星移动通信方法 |
CN113708822B (zh) * | 2021-07-30 | 2023-02-28 | 中国电子科技集团公司第三十八研究所 | 一种通信链路建模仿真系统 |
-
2022
- 2022-03-08 CN CN202210220915.8A patent/CN114598379B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111211828A (zh) * | 2019-12-23 | 2020-05-29 | 东方红卫星移动通信有限公司 | 一种低轨通信卫星星座星间路由选择方法及装置 |
CN112600611A (zh) * | 2020-12-09 | 2021-04-02 | 中国科学院国家空间科学中心 | 用于空间互联网星座兼容分析仿真系统的场景配置系统 |
CN112600613A (zh) * | 2020-12-15 | 2021-04-02 | 中国科学院国家空间科学中心 | 一种用于空间互联网星座的干扰规避系统及方法 |
CN112653508A (zh) * | 2020-12-29 | 2021-04-13 | 清华大学 | 巨型星座干扰概率分布的获取方法及装置 |
CN112803983A (zh) * | 2020-12-30 | 2021-05-14 | 南京邮电大学 | 一种基于编队卫星分布式波束成形的高低轨频谱共享方法 |
CN113131989A (zh) * | 2021-03-25 | 2021-07-16 | 中国科学院国家空间科学中心 | 一种ngso星座系统频谱共享仿真时间参数设计方法 |
CN113612525A (zh) * | 2021-08-27 | 2021-11-05 | 陕西星邑空间技术有限公司 | 基于约束满足的低轨互联网星座星地链路规划方法 |
Non-Patent Citations (5)
Title |
---|
Spectrum and power allocation in cognitive multi-beam satellite communications with flexible satellite payloads;Zhihui Liu;《SPIE.Proceedings Volume 10697, Fourth Seminar on Novel Optoelectronic Detection Technology and Application》;20180220;全文 * |
中轨卫星星座系统容量分析;王雅慧等;《通信学报》;20171030;第197-203页 * |
标准化星间激光通信链路接口模型设计方法;邓博于等;《激光与红外》;20160220(第02期);第45-50页 * |
空间互联网星座系统动态时变信道干扰机理及评估技术研究;高翔;《中国博士学位论文全文数据库 (工程科技Ⅱ辑)》;20200715;C031-13 * |
非静止轨道卫星星座系统链路的研究与分析;戴成远;《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》;20220115;C031-762 * |
Also Published As
Publication number | Publication date |
---|---|
CN114598379A (zh) | 2022-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109936619B (zh) | 一种基于雾计算的空间信息网络架构、方法和可读存储介质 | |
CN109818669B (zh) | 一种基于虚拟化的卫星业务处理方法、系统和存储介质 | |
Jiang et al. | QoE-aware efficient content distribution scheme for satellite-terrestrial networks | |
US9996552B2 (en) | Method for generating a dataset structure for location-based services and method and system for providing location-based services to a mobile device | |
CN113783600A (zh) | 巨型低轨互联网星座路由方法 | |
CN111813560A (zh) | 一种基于云池端的智能天基系统体系 | |
CN113328777A (zh) | 面向巨型卫星星座的分层网络运维和资源管控系统及方法 | |
US20220053045A1 (en) | Systems and methods for providing real-time streaming data processing at edge servers | |
CN103399894A (zh) | 一种基于共享存储池的分布式事务处理方法 | |
Pfandzelter et al. | Celestial: Virtual software system testbeds for the leo edge | |
CN115361051B (zh) | 一种面向大规模空间互联网星座的频率共用分析系统 | |
Nguyen et al. | Towards flying mobile edge computing | |
CN111858796A (zh) | 地理信息系统引擎系统及实现方法、装置及存储介质 | |
CN114268362A (zh) | 基于有序聚类和动态库的卫星通信虚拟网络快捷映射方法 | |
US11429422B2 (en) | Software container replication using geographic location affinity in a distributed computing environment | |
CN114598379B (zh) | 一种星地通信链路频率干扰仿真计算方法 | |
Wang et al. | Resource scheduling in mobile edge computing using improved ant colony algorithm for space information network | |
Tao et al. | Transmitting, fast and slow: Scheduling satellite traffic through space and time | |
Nie et al. | Q-GERT survivability assessment of LEO satellite constellation | |
CN110070260A (zh) | 智能调度方法、装置、计算机设备及存储介质 | |
Lan et al. | Deep reinforcement learning for privacy-preserving task offloading in integrated satellite-terrestrial networks | |
JP7260801B2 (ja) | バックアップシステム及びその方法並びにプログラム | |
Zeng et al. | Sparse Code Multiple Access Communication Networks Based on Multi-Level Quality-of-Service Frequency-hopping for Heterogeneous Multi-tier Multi-cell | |
CN111475740B (zh) | 一种服务集群容灾处理方法及设备 | |
Skorokhodov | Cuda-based method to boost target performance evaluation of space systems for automatic mobile object identification and localization |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: 710000 401, 4th floor, coal aviation printing building, No. 216, Shenzhou 4th Road, national civil aerospace industry base, Xi'an, Shaanxi Province Applicant after: Xi'an Yanyu Aerospace Technology Co.,Ltd. Address before: 710000 401, 4th floor, coal aviation printing building, No. 216, Shenzhou 4th Road, national civil aerospace industry base, Xi'an, Shaanxi Province Applicant before: Shaanxi Hualu Aerospace Technology Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |