CN115002790A - 一种基于6g空中基站信号增强及智能按需覆盖优化方法 - Google Patents
一种基于6g空中基站信号增强及智能按需覆盖优化方法 Download PDFInfo
- Publication number
- CN115002790A CN115002790A CN202210604405.0A CN202210604405A CN115002790A CN 115002790 A CN115002790 A CN 115002790A CN 202210604405 A CN202210604405 A CN 202210604405A CN 115002790 A CN115002790 A CN 115002790A
- Authority
- CN
- China
- Prior art keywords
- satellite
- user
- constellation
- inter
- base station
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000005457 optimization Methods 0.000 title claims abstract description 14
- 238000004891 communication Methods 0.000 claims abstract description 24
- 230000005540 biological transmission Effects 0.000 claims abstract description 9
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 9
- 238000012360 testing method Methods 0.000 claims abstract description 4
- 238000013507 mapping Methods 0.000 claims description 17
- 238000004458 analytical method Methods 0.000 claims description 13
- 230000001413 cellular effect Effects 0.000 claims description 9
- 230000004927 fusion Effects 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 5
- 238000012544 monitoring process Methods 0.000 claims description 5
- 238000013506 data mapping Methods 0.000 claims description 4
- 101100234408 Danio rerio kif7 gene Proteins 0.000 claims description 3
- 101100221620 Drosophila melanogaster cos gene Proteins 0.000 claims description 3
- 101100398237 Xenopus tropicalis kif11 gene Proteins 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 101150118300 cos gene Proteins 0.000 claims description 3
- 230000001960 triggered effect Effects 0.000 claims description 3
- 238000003032 molecular docking Methods 0.000 claims description 2
- 230000002123 temporal effect Effects 0.000 claims description 2
- 230000002708 enhancing effect Effects 0.000 abstract description 5
- 238000013473 artificial intelligence Methods 0.000 abstract description 4
- 230000011664 signaling Effects 0.000 abstract description 3
- 238000004904 shortening Methods 0.000 abstract 1
- 238000013461 design Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000007704 transition Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 3
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/18—Network planning tools
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/22—Traffic simulation tools or models
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/02—Hierarchically pre-organised networks, e.g. paging networks, cellular networks, WLAN [Wireless Local Area Network] or WLL [Wireless Local Loop]
- H04W84/04—Large scale networks; Deep hierarchical networks
- H04W84/06—Airborne or Satellite Networks
-
- 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)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Astronomy & Astrophysics (AREA)
- General Physics & Mathematics (AREA)
- Radio Relay Systems (AREA)
Abstract
本发明公开了一种基于6G空中基站信号增强及智能按需覆盖优化方法，包括步骤1、组建6G卫星基站，采用马尔可夫链算法构建传输效率预测模型，并通过分布式MIMO测试同一用户上行信号，进而增强非地面通讯；步骤2、当非GEO卫星移动带来频繁波束切换时，采用Transformer算法构建卫星调度模型，实现智能按需覆盖，并通过预置切换程序根据发生的故障类型进行故障优化调整。本发明突出了AI/ML在无线通讯领域中的地位，结合人工智能使得基于星座的网络更加智能化，并通过星内切换、星间切换、卫星和蜂窝切换等，使得卫星网络更具高效移动性，从而减少信令开销、缩短中断时间，降低功耗。
Description
技术领域
本发明属于卫星基站技术领域，具体涉及一种基于6G空中基站信号增强及智能按需覆盖优化方法。
背景技术
UAV、HAPS、VLEO卫星等非地面网络节点将成为6G网络基础设施的一部分,虽然它们能提供和地面基站类似的功能，但非地面节点的设计仍需改进，以满足严格的链路预算要求。结合载荷射频模块和处理能力的预期进展，6G空口设计有很大的突破空间。
在过去的几十年里，无线网络主要由静态地面接人点组成。然而，考虑到未来可能普遍存在的UAV、HAPS和VLEO卫星，以及人们将卫星通信融人蜂窝网络(NR)的愿望，未来的系统将不再是横向的、二维的。新兴的3D垂直网络包括许多移动的高空接人点(不包括对地静止卫星)、例如UAV HAPS和VLEO卫星。同时也突出了AI/ML在6G无线通讯领域的地位。
由于6G无线网络在功能上将比5G复杂得多，在成本最低原则下，新应用、新要求、新指标都给空口设计带来了巨大挑战。因此，6G空口亟须革新。
相比NR,6G的空口框架要更智能、更节能，才能满足6G在部署效率、成本、功耗、复杂度等方面的需求。为了实现这些目标，6G空口框架在设计之初就必须要考虑到相关空口使能技术，包括人工智能、新频诸、非地面通信系统和感知通信等。
发明内容
本发明所要解决的技术问题是针对上述现有技术的不足，提供一种基于6G空中基站信号增强及智能按需覆盖优化方法，面向6G网络通信环境，可支撑新兴的6G无线接人技术、6G空口设计。
为实现上述技术目的，本发明采取的技术方案为：
一种基于6G空中基站信号增强及智能按需覆盖优化方法，包括：
步骤1、组建6G卫星基站，采用马尔可夫链算法构建传输效率预测模型，并通过分布式MIMO测试同一用户上行信号，进而增强非地面通讯；
步骤2、当非GEO卫星移动带来频繁波束切换时，采用Transformer算法构建卫星调度模型，实现智能按需覆盖，并通过预置切换程序根据发生的故障类型进行故障优化调整。
为优化上述技术方案，采取的具体措施还包括：
上述的步骤1中，6G卫星基站中多卫星同时接收当前用户上行信号，将上行信号数据输入传输效率预测模型，预测出下时间段各卫星节点接收上行信号最强的概率，从而增强非地面通讯。
上述的步骤1中，所述6G的空中场景中非地面通讯基础设施包括UAV、HAPS、VLEO；且非地面基础设施与地面用户终端之间通过无线信号进行连接，其无线通讯相关日志数据存储在空中基础设施上。
上述的步骤2包括：
步骤21、对存储在星座的各卫星节点上的日志历史数据进行插值分析，得到卫星节点接收用户上行信号发生故障、卫星节点达到荷载能力上限、卫星移动导致用户相对位置移动造成到达星座的边缘覆盖信号差的分析数据；
步骤22、将分析数据输入卫星调度模型，预测得到星座中卫星节点接收用户上行信号发生故障、卫星节点达到荷载能力上限、卫星移动导致用户相对位置移动造成到达星座的边缘覆盖信号差的发生概率；
步骤23、基于步骤22的预测概率，通过预置切换程序根据发生的故障类型进行故障优化调整。
上述的步骤21所述插值分析公式如下：
其中，x为时间序列数值，y为插值业务数据，i为时间序列序号。
上述的步骤23所述卫星调度模型的模型公式为：
1.针对时间维度，利用positional encoding进行时序编码，利用attention发掘时序维度的特征关联；
positionl encoding＝cos2(pos/N)
N为可调长度大小；
attention计算公式如下：
其中，dk代表K的维度；V为输入数据；Q为查询特征映射；K为待匹配特征映射；
针对空间维度，利用multi head attention提取不同多空间维度特征，公式如下：
MultiHead(Q,K,V)＝Concat(head1,...,headh)*WO
headi＝Attention(Qi,Ki,Vi)
其中，WO为特征融合矩阵；Concat为特征级联融合；MultiHead为多头特征融合；
headi为时间注意力，即attention计算得到的结果，其在空间维度通过MultiHead融合；
Qi为第i组查询特征映射；
Ki为第i组待匹配特征映射；
Vi为第i组监测数据映射，即第i组输入数据。
上述的步骤23中，如果预测的卫星节点星座中卫星节点接收用户上行信号发生故障、卫星节点达到荷载能力上限、卫星移动导致用户相对位置移动造成到达星座的边缘覆盖信号差的发生概率大于50％，则自动触发切换程序实现星座中卫星节点接收用户上行信号发生故障、卫星节点达到荷载能力上限、卫星移动导致用户相对位置移动造成到达星座的边缘覆盖信号差三种类型故障的处理及优化。
上述的步骤23具体包括：
1)如果卫星节点接收用户上行信号发生故障的概率大于50％，则触发星内切换程序。
2)如果卫星节点达到荷载能力上限的概率大于50％，则触发卫星与蜂窝切换程序；
3)如果卫星移动导致用户相对位置移动造成到达星座的边缘覆盖信号差的概率大于50％，则触发星间切换程序。
上述的星内切换程序为：立即通过程序控制将故障卫星节点上配置文件中存储的当前用户UE通过无线传输到最近的其他卫星节点配置文件中完成卫星节点故障调度；
卫星与蜂窝切换程序为：卫星信号通过5G无线接入网，RAN同时使用NR和LTE(eNB)基站，从而完成与地面网络基站进行信号对接，地面网络辅助非地面网络；
星间切换程序为：通过切换程序预置的条件两颗卫星建立星间链路进行星间切换，其位置必须满足如下条件：
(Re+h)cos(alpha/2)>＝Re+Hp
其中，h为卫星高度；Hp为余隙，即星间链路与地球表面的距离；Re为地球半径；alpha为星间地心角；
且最小余隙对应最大星间地心角alpha(max)，当alpha<alpha(max)时，两卫星之间能够建立星间链路，反之则不能建立链路。
本发明具有以下有益效果：
本发明针对6G空口设计的两大原则：1、克服非地面通信带来的挑战；2、利用非地面节点特有的属性，设计基于6G空中基站信号增强及智能按需覆盖优化方法，突出了AI/ML在无线通讯领域中的地位，结合人工智能使得基于星座的网络更加智能化，并通过星内切换、星间切换、卫星和蜂窝切换等，使得卫星网络更具高效移动性，从而减少信令开销、缩短中断时间，降低功耗。
附图说明
图1为本发明方法流程原理图。
具体实施方式
以下结合附图对本发明的实施例作进一步详细描述。
参见图1，本发明一种基于6G空中基站信号增强及智能按需覆盖优化方法，包括：
步骤1、组建6G卫星基站，采用马尔可夫链算法构建传输效率预测模型，并通过分布式MIMO测试同一用户上行信号，进而增强非地面通讯；
即，多卫星同时接收当前用户上行信号，收集数据放入【传输效率预测模型】预测下时间段(毫秒、秒、分)各卫星节点接收上行信号最强的概率。从而增强非地面通讯。
1)、在6G空中场景中非地面通讯基础设施主要由UAV、HAPS、VLEO等常用设施组成。
非地面基础设施与地面用户终端之间通过无线信号进行连接，其无线通讯相关日志数据存储在空中基础设施上：
具体描述：
UAV：无人驾驶飞机
HAPS：高空平台(HAPS:High Altitude Platform Station)通信系统将无线基站安放在长时间停留在高空的飞行器上来提供电信业务，被认为是一种2010年以后有良好潜在应用价值的宽带无线接入手段。若其高度在20km，则可以实现地面覆盖半径约500km的通信区
VLEO：星座
分布式MIMO：多输入多输出(mulTIple input mulTIple output，MIMO)无线传输技术开启了移动通信系统空间资源开发利用的新纪元。
2)、传输效率预测模型
马尔可夫转移概率矩阵模型公式:X(k+1)＝X(k)×P
式中：
X(k)表示趋势分析与预测对象在t＝k时刻的状态向量，P表示一步转移概率矩阵，X(k+1)表示趋势分析与预测对象在t＝k+1时刻的状态向量。
通过访问存储在空中基础设施上的与地面通讯的历史日志数据生成矩形集合。包括：用户终端UE、卫星节点名称、信号增益数值(db，可通过该数值比较上一次增益程度本次增益db-上次增益db＝本次信号增益情况，结合传播时延间接得出本次信号强弱情况)、传播时延(ms)。
通过以下矩形数据分析计算得出：
上时段信号增益(db)概率【0.3、0.7】
当前时段信号变强增益转移(db)概率【0.6、0.4】
当前时段信号变弱增益转移(db)概率【0.3、0.7】
通过模型计算得出:X(k+1)＝X(k)×P
下时段信号变强增益转移概率：
0.3x0.6+0.3x0.7＝0.39
下时段信号变弱增益转移概率：
0.3x0.4+7x0.7＝0.61
最后，下时段信号增益转移概率【0.39 0.61】，通过【传输效率预测模型】预测运算结果结合当前增益(db),依据行业通用的3dB法则：
每增加或降低3dB意味着增加一倍或降低一半的功率。
预测未来信号
1、-3dB＝1/2功率；
2、-6dB＝1/4功率；
3、+3dB＝2*功率；
4、+6dB＝4*功率。
步骤2、针对非GEO卫星移动所带来的频繁波束切换的问题，采用Transformer算法构建卫星调度模型，实现智能按需覆盖。并通过预置切换程序根据发生的故障类型进行星内切换、星间切换、卫星和蜂窝切换等故障优化调整。同时完成基于星座的网络智能化，高效移动性，来减少信令开销、缩短中断时间，降低功耗。
卫星星座是发射入轨能正常工作的卫星的集合，通常是由一些卫星环按一定的方式配置组成的一个卫星网。
具体描述：
步骤21、对存储在星座的各卫星节点上的日志历史数据进行插值分析，从而得到更加精确的某个卫星节点接收用户上行信号发生故障、卫星节点达到荷载能力上限、卫星移动导致用户相对位置移动造成到达星座的边缘覆盖信号差的分析数据。
首先、为适应模型处理，对不同节点采样不均匀的数据做差值处理。
采用二次差值方法，以每3个相邻点做插值，得到二次插值。即，人工智能算法提优后的数据。
此方法优点：
1、间隔均匀，和transformer时序处理更加匹配。
2、较真实还原星座的各卫星节点(上行信号发生故障、卫星节点达到荷载能力上限、卫星移动导致用户相对位置移动造成到达星座的边缘覆盖信号差)场景缺失数据。
公式如下：
x:时间序列数值X轴(上行信号发生故障数据的数值)
y:插值业务数据Y轴(上行信号发生故障数据)
i:时间序列序号i(数据时间的序号，序号i到序号i+1间隔可能有几个数据)
步骤22、将插值分析数据输入卫星调度模型，预测得到星座中某个卫星节点接收用户上行信号发生故障、卫星节点达到荷载能力上限、卫星移动导致用户相对位置移动造成到达星座的边缘覆盖信号差的发生概率。
模型公式：
1.针对时间维度，利用positional encoding进行时序编码，利用attention发掘时序维度的特征关联。
PositionEncoding＝cos2(pos/N)
参数说明：N为可调长度大小
Attention_output＝Attention(Q,K,V)
Attention计算公式如下：
其中dk代表K的维度
参数说明：其中Q为查询特征映射，K为待匹配特征映射，V为监测数据映射。
V为输入数据：(上行信号发生故障、卫星节点达到荷载能力上限、卫星移动导致用户相对位置移动造成到达星座的边缘覆盖信号差)都是输入数据。
Q为查询特征映射：没有具体业务属性，是网络里的参数，相当于学习出来的
K为待匹配特征映射：没有具体业务属性，是网络里的参数，相当于学习出来的
针对空间维度，利用multi head attention提取不同多空间维度特征，公式如下：
Headi＝Attention(Qi,Ki,Vi)
MultiHead(Q,K,V)＝Concat(head1,...,headh)*WO
其中，N为可调长度大小；Q为查询特征映射；K为待匹配特征映射；V为监测数据映射；
headi为时间注意力得到的结果，通过MultiHead融合多空间维度
Qi为第i组查询特征映射；
Ki为第i组待匹配特征映射；
Vi为第i组监测数据映射；
WO为特征融合矩阵；Attention为(见前述公式)；
Concat(特征级联融合)；pos为数据序列号；
PositionEncoding为位置序列编码；
Attention_output为(见前述公式)；
MultiHead为多头特征融合。
步骤23、如果预测的卫星节点三种类型故障发生概率大于50％，自动触发切换程序实现三种类型故障的处理及优化。
1、如果星座接收用户上行信号发生故障概率较大(大于50％)则，触发星内切换程序。
星内切换程序：立即通过程序控制将故障卫星节点上配置文件中存储的当前用户UE通过无线传输到最近的其他卫星节点配置文件中完成卫星节点故障调度。
2、如果星座接收用户上行信号发生达到荷载能力上限预测概率较大(大于50％)的情况。则，触发卫星与蜂窝切换程序。
卫星与蜂窝切换程序：即，引入【卫星调度模型】,预测星座接收用户UE荷载能力突破上限概率较大(大于50％)的情况。卫星信号发生信号给通过5G无线接入网(RAN)，RAN能同时使用NR(gNB)和LTE(eNB)基站。从而完成与地面网络基站进行信号对接，地面网络辅助非地面网络的流程。
3、引入【卫星调度模型】,预测卫星移动导致用户相对位置移动造成到达星座的边缘覆盖信号差的概率较大(大于50％)的情况。触发星间切换程序。
星间切换程序：即，通过切换程序预置的条件两颗卫星建立星间链路，其位置必须满足如下条件：
(Re+h)cos(alpha/2)>＝Re+Hp (1)
其中h为卫星高度，Hp为余隙(星间链路与地球表面的距离)，Re为地球半径。最小余隙对应着最大星间地心角alpha(max)。当alpha<alpha(max)时，两卫星之间能够建立星间链路，反之则不能建立链路。
以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。
Claims (9)
1.一种基于6G空中基站信号增强及智能按需覆盖优化方法，其特征在于，包括：
步骤1、组建6G卫星基站，采用马尔可夫链算法构建传输效率预测模型，并通过分布式MIMO测试同一用户上行信号，进而增强非地面通讯；
步骤2、当非GEO卫星移动带来频繁波束切换时，采用Transformer算法构建卫星调度模型，实现智能按需覆盖，并通过预置切换程序根据发生的故障类型进行故障优化调整。
2.根据权利要求1所述的一种基于6G空中基站信号增强及智能按需覆盖优化方法，其特征在于，所述步骤1中，6G卫星基站中多卫星同时接收当前用户上行信号，将上行信号数据输入传输效率预测模型，预测出下时间段各卫星节点接收上行信号最强的概率，从而增强非地面通讯。
3.根据权利要求1所述的一种基于6G空中基站信号增强及智能按需覆盖优化方法，其特征在于，所述步骤1中，所述6G的空中场景中非地面通讯基础设施包括UAV、HAPS、VLEO；且非地面基础设施与地面用户终端之间通过无线信号进行连接，其无线通讯相关日志数据存储在空中基础设施上。
4.根据权利要求1所述的一种基于6G空中基站信号增强及智能按需覆盖优化方法，其特征在于，所述步骤2包括：
步骤21、对存储在星座的各卫星节点上的日志历史数据进行插值分析，得到卫星节点接收用户上行信号发生故障、卫星节点达到荷载能力上限、卫星移动导致用户相对位置移动造成到达星座的边缘覆盖信号差的分析数据；
步骤22、将分析数据输入卫星调度模型，预测得到星座中卫星节点接收用户上行信号发生故障、卫星节点达到荷载能力上限、卫星移动导致用户相对位置移动造成到达星座的边缘覆盖信号差的发生概率；
步骤23、基于步骤22的预测概率，通过预置切换程序根据发生的故障类型进行故障优化调整。
5.根据权利要求4所述的一种基于6G空中基站信号增强及智能按需覆盖优化方法，其特征在于，步骤21所述插值分析公式如下：
其中，x为时间序列数值，y为插值业务数据，i为时间序列序号。
6.根据权利要求4所述的一种基于6G空中基站信号增强及智能按需覆盖优化方法，其特征在于，步骤23所述卫星调度模型的模型公式为：
1.针对时间维度，利用positional encoding进行时序编码，利用attention发掘时序维度的特征关联；
positionl encoding＝cos2(pos/N)
N为可调长度大小；
attention计算公式如下：
其中，dk代表K的维度；V为输入数据；Q为查询特征映射；K为待匹配特征映射；
针对空间维度，利用multi head attention提取不同多空间维度特征，公式如下：
MultiHead(Q,K,V)＝Concat(head1,...,headh)*WO
headi＝Attention(Qi,Ki,Vi)
其中，WO为特征融合矩阵；Concat为特征级联融合；MultiHead为多头特征融合；
headi为时间注意力，即attention计算得到的结果，其在空间维度通过MultiHead融合；
Qi为第i组查询特征映射；
Ki为第i组待匹配特征映射；
Vi为第i组监测数据映射，即第i组输入数据。
7.根据权利要求4所述的一种基于6G空中基站信号增强及智能按需覆盖优化方法，其特征在于，所述步骤23中，如果预测的卫星节点星座中卫星节点接收用户上行信号发生故障、卫星节点达到荷载能力上限、卫星移动导致用户相对位置移动造成到达星座的边缘覆盖信号差的发生概率大于50％，则自动触发切换程序实现星座中卫星节点接收用户上行信号发生故障、卫星节点达到荷载能力上限、卫星移动导致用户相对位置移动造成到达星座的边缘覆盖信号差三种类型故障的处理及优化。
8.根据权利要求7所述的一种基于6G空中基站信号增强及智能按需覆盖优化方法，其特征在于，所述步骤23具体包括：
1)如果卫星节点接收用户上行信号发生故障的概率大于50％，则触发星内切换程序。
2)如果卫星节点达到荷载能力上限的概率大于50％，则触发卫星与蜂窝切换程序；
3)如果卫星移动导致用户相对位置移动造成到达星座的边缘覆盖信号差的概率大于50％，则触发星间切换程序。
9.根据权利要求8所述的一种基于6G空中基站信号增强及智能按需覆盖优化方法，其特征在于，所述星内切换程序为：立即通过程序控制将故障卫星节点上配置文件中存储的当前用户UE通过无线传输到最近的其他卫星节点配置文件中完成卫星节点故障调度；
卫星与蜂窝切换程序为：卫星信号通过5G无线接入网，RAN同时使用NR和LTE(eNB)基站，从而完成与地面网络基站进行信号对接，地面网络辅助非地面网络；
星间切换程序为：通过切换程序预置的条件两颗卫星建立星间链路进行星间切换，其位置必须满足如下条件：
(Re+h)cos(alpha/2)>＝Re+Hp
其中，h为卫星高度；Hp为余隙，即星间链路与地球表面的距离；Re为地球半径；alpha为星间地心角；
且最小余隙对应最大星间地心角alpha(max)，当alpha<alpha(max)时，两卫星之间能够建立星间链路，反之则不能建立链路。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210604405.0A CN115002790B (zh) | 2022-05-31 | 2022-05-31 | 一种基于6g空中基站信号增强及智能按需覆盖优化方法 |
| PCT/CN2022/114155 WO2023231193A1 (zh) | 2022-05-31 | 2022-08-23 | 一种基于6g空中基站信号增强及智能按需覆盖优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210604405.0A CN115002790B (zh) | 2022-05-31 | 2022-05-31 | 一种基于6g空中基站信号增强及智能按需覆盖优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115002790A true CN115002790A (zh) | 2022-09-02 |
| CN115002790B CN115002790B (zh) | 2023-11-17 |
Family
ID=83030497
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210604405.0A Active CN115002790B (zh) | 2022-05-31 | 2022-05-31 | 一种基于6g空中基站信号增强及智能按需覆盖优化方法 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN115002790B (zh) |
| WO (1) | WO2023231193A1 (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115460633A (zh) * | 2022-09-29 | 2022-12-09 | 中电信数智科技有限公司 | 6g网络ai信号优化的方法、系统、设备和存储介质 |
| CN115963520A (zh) * | 2022-09-06 | 2023-04-14 | 中电信数智科技有限公司 | 一种基于6g空中基站结合北斗卫星定位的优化方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN104125594A (zh) * | 2014-07-31 | 2014-10-29 | 广州杰赛科技股份有限公司 | 基于用户感知的无线网络优化方法及系统 |
| US20170086255A1 (en) * | 2015-09-18 | 2017-03-23 | Emc Satcom Technologies Llc | Physical layer hand-off and diversity combining in non-geostationary satellite constellation |
| CN110059385A (zh) * | 2019-04-09 | 2019-07-26 | 集美大学 | 一种城市元胞自动机情景模拟方法及终端设备 |
| CN110809292A (zh) * | 2019-11-12 | 2020-02-18 | 北京理工大学 | 一种低轨卫星通信中基于负载均衡的联合切换方法 |
| CN112911664A (zh) * | 2021-02-03 | 2021-06-04 | 凯睿星通信息科技(南京)股份有限公司 | 一种基于概率排序的低轨卫星切换方法 |
| CN113189623A (zh) * | 2021-04-21 | 2021-07-30 | 中国电子科技集团公司第五十四研究所 | 一种卫星导航系统信号质量等级评估方法 |
| CN113472421A (zh) * | 2021-06-29 | 2021-10-01 | 中国人民解放军军事科学院国防科技创新研究院 | 低轨网联卫星星间波束指向拉格朗日插值方法 |
| CN113487061A (zh) * | 2021-05-28 | 2021-10-08 | 山西云时代智慧城市技术发展有限公司 | 一种基于图卷积-Informer模型的长时序交通流量预测方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11073622B2 (en) * | 2014-02-26 | 2021-07-27 | Pnt Holdings, Inc. | Performance and cost global navigation satellite system architecture |
| CA3017007A1 (en) * | 2018-09-10 | 2020-03-10 | Telesat Canada | Resource deployment optimizer for non-geostationary communications satellites |
| CN110518961B (zh) * | 2019-08-29 | 2020-12-11 | 东南大学 | 大规模mimo卫星移动通信方法及系统 |
-
2022
- 2022-05-31 CN CN202210604405.0A patent/CN115002790B/zh active Active
- 2022-08-23 WO PCT/CN2022/114155 patent/WO2023231193A1/zh unknown
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN104125594A (zh) * | 2014-07-31 | 2014-10-29 | 广州杰赛科技股份有限公司 | 基于用户感知的无线网络优化方法及系统 |
| US20170086255A1 (en) * | 2015-09-18 | 2017-03-23 | Emc Satcom Technologies Llc | Physical layer hand-off and diversity combining in non-geostationary satellite constellation |
| CN110059385A (zh) * | 2019-04-09 | 2019-07-26 | 集美大学 | 一种城市元胞自动机情景模拟方法及终端设备 |
| CN110809292A (zh) * | 2019-11-12 | 2020-02-18 | 北京理工大学 | 一种低轨卫星通信中基于负载均衡的联合切换方法 |
| CN112911664A (zh) * | 2021-02-03 | 2021-06-04 | 凯睿星通信息科技(南京)股份有限公司 | 一种基于概率排序的低轨卫星切换方法 |
| CN113189623A (zh) * | 2021-04-21 | 2021-07-30 | 中国电子科技集团公司第五十四研究所 | 一种卫星导航系统信号质量等级评估方法 |
| CN113487061A (zh) * | 2021-05-28 | 2021-10-08 | 山西云时代智慧城市技术发展有限公司 | 一种基于图卷积-Informer模型的长时序交通流量预测方法 |
| CN113472421A (zh) * | 2021-06-29 | 2021-10-01 | 中国人民解放军军事科学院国防科技创新研究院 | 低轨网联卫星星间波束指向拉格朗日插值方法 |
Non-Patent Citations (1)
| Title |
|---|
| 吴海龙，赵旦，峰廖希: "《移动卫星通信中基于马尔可夫链的两状态信道模型研究》", 《信息网络安全》, no. 4 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115963520A (zh) * | 2022-09-06 | 2023-04-14 | 中电信数智科技有限公司 | 一种基于6g空中基站结合北斗卫星定位的优化方法 |
| WO2024051470A1 (zh) * | 2022-09-06 | 2024-03-14 | 中电信数智科技有限公司 | 一种基于6g空中基站结合北斗卫星定位的优化方法 |
| CN115963520B (zh) * | 2022-09-06 | 2024-04-16 | 中电信数智科技有限公司 | 一种基于6g空中基站结合北斗卫星定位的优化方法 |
| CN115460633A (zh) * | 2022-09-29 | 2022-12-09 | 中电信数智科技有限公司 | 6g网络ai信号优化的方法、系统、设备和存储介质 |
| CN115460633B (zh) * | 2022-09-29 | 2023-10-27 | 中电信数智科技有限公司 | 6g网络ai信号优化的方法、系统、设备和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2023231193A1 (zh) | 2023-12-07 |
| CN115002790B (zh) | 2023-11-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhu et al. | Integrated satellite-terrestrial networks toward 6G: Architectures, applications, and challenges | |
| CN115002790A (zh) | 一种基于6g空中基站信号增强及智能按需覆盖优化方法 | |
| US20220345951A1 (en) | Master node, secondary node and user equipment in mobile communication network and communication methods therebetween | |
| CN111246596B (zh) | 链路的确定、建立方法及装置，传输系统，卫星通讯系统 | |
| CN110430542B (zh) | 一种面向无人机站点群组网的快速波束跟踪方法 | |
| CN112702772B (zh) | 一种面向星地融合网络的终端切换方法 | |
| CN104735738A (zh) | 一种gmr-1卫星移动通信系统中的切换方法 | |
| CN113853000B (zh) | 一种低轨卫星系统星间切换方法 | |
| WO2023071716A1 (zh) | 卫星通信方法和卫星通信装置 | |
| Ding et al. | Low-delay secure handover for space-air-ground integrated networks | |
| CN111479297A (zh) | 公共流程实现方法、装置及系统 | |
| CN102264084B (zh) | 一种多基站联合进行覆盖优化的方法及装置 | |
| Kement et al. | Sustaining dynamic traffic in dense urban areas with high altitude platform stations (HAPS) | |
| EP3996411B1 (en) | Interference detection and interference suppression of reverse link communication in feeder link of haps communication system | |
| Zhang et al. | Autonomous navigation and configuration of integrated access backhauling for UAV base station using reinforcement learning | |
| US20220330263A1 (en) | Computing device comprising a pool of terminal devices and a controller | |
| US20230413133A1 (en) | Method and apparatus for managing cell identification conflict in communication system | |
| CN115765827B (zh) | 高通量卫星通信点波束无缝切换方法及系统 | |
| Jia et al. | A network architecture for carrying terminal functions on 5G and 6G satellites | |
| US20240049089A1 (en) | Network energy saving mode enhancements | |
| US20230216893A1 (en) | Node in wireless communication system and method performed thereby | |
| RU2777403C1 (ru) | Способ и устройство определения и установления соединения, система передачи и система спутниковой связи | |
| EP4358571A1 (en) | Method for predicting adverse operating conditions | |
| US20240056947A1 (en) | Methods for handling nas messages for ues using satellite access from a non-allowed location | |
| EP4184806A1 (en) | Communication method for satellite formation, and communication apparatus |
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 |