CN115038092A - 一种高通量卫星覆盖区规划方法及装置 - Google Patents

一种高通量卫星覆盖区规划方法及装置 Download PDF

Info

Publication number
CN115038092A
CN115038092A CN202210515182.0A CN202210515182A CN115038092A CN 115038092 A CN115038092 A CN 115038092A CN 202210515182 A CN202210515182 A CN 202210515182A CN 115038092 A CN115038092 A CN 115038092A
Authority
CN
China
Prior art keywords
user terminal
polygon
function
determining
closed polygon
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
CN202210515182.0A
Other languages
English (en)
Other versions
CN115038092B (zh
Inventor
戚凯强
衣龙腾
秦鹏飞
冯瑄
张程
董赞扬
禹航
郝媛媛
周业军
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.)
China Academy of Space Technology CAST
Original Assignee
China Academy of Space Technology CAST
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 China Academy of Space Technology CAST filed Critical China Academy of Space Technology CAST
Priority to CN202210515182.0A priority Critical patent/CN115038092B/zh
Publication of CN115038092A publication Critical patent/CN115038092A/zh
Application granted granted Critical
Publication of CN115038092B publication Critical patent/CN115038092B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
    • G06V10/763—Non-hierarchical techniques, e.g. based on statistics of modelling distributions
    • 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
    • H04W16/24—Cell structures
    • H04W16/28—Cell structures using beam steering
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/0226—Traffic management, e.g. flow control or congestion control based on location or mobility
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/08—Load balancing or load distribution
    • H04W28/0827—Triggering entity
    • H04W28/0838—User device
    • 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)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Astronomy & Astrophysics (AREA)
  • Multimedia (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种高通量卫星覆盖区规划方法及装置。包括：获取每个用户终端的地理位置、业务需求信息、及为全部用户终端规划的波束数量N；根据地理位置、业务需求信息和波束数量，对用户终端进行聚类处理得到N个聚类中心；根据每个波束的容量需求、及每个用户终端与每个聚类中心的距离计算损失函数；根据损失函数，确定用户终端的目标分类结果；根据目标分类结果和由业务需求信息加权后的地理位置，确定新的聚类中心；迭代执行上述过程，根据最新的聚类中心，确定目标函数；基于目标函数确定每个用户终端对应的波束、每个波束的形状参数、及波束的容量需求信息。本发明可以实现波束间的负载均衡，达到简化资源管理、提高系统容量的目的。

Description

一种高通量卫星覆盖区规划方法及装置
技术领域
本发明涉及卫星资源管控技术领域，特别是一种高通量卫星覆盖区规划方法及装置。
背景技术
传统的高通量卫星通常针对地理分布相对稳定的人群进行固定的覆盖区规划设计。但随着航空、航海等移动宽带终端的增加，业务需求呈现出高度的时空动态特性，导致不同的地理区域业务非常不均匀，固定的覆盖区规划将严重浪费星上资源，同时无法很好地满足用户需求。为了提高资源利用率和保证用户的服务质量，需要运营商根据用户位置变化灵活调整波束覆盖中心、形状轮廓，甚至数量，实现波束覆盖区的自适应规划。同时，波束覆盖区自适应规划可以解决广域覆盖与系统容量之间的矛盾—点波束系统容量大但覆盖区域小，大波束广域覆盖但系统容量小，对于卫星在轨任务规划和新兴市场服务能力都具有最显著的意义和作用，但要求卫星具备自适应波束赋形的能力。
星载模拟、数字波束形成网络的发展为波束覆盖区自适应规划的实现提供了可能，通过调整星载波束形成网络馈源和波束之间的激励系数(反映了幅度、相位信息)可实现对所规划覆盖区的灵活控制。
目前，已有进行覆盖区自适应规划算法的研究方案，通常是通过联合优化用户分组和圆形波束的波束宽度实现覆盖区规划，或者是通过数字波束形成网络实现高通量卫星的覆盖区规划，并设计了基于用户需求的聚类算法以及椭圆波束的拟合算法。
在对高通量卫星进行覆盖区规划时，传统的方法存在三种重要的缺陷：
(1)没有考虑波束间业务需求的差异，如果波束间负载不均衡，可能导致波束间忙闲不均，造成资源浪费；
(2)用户聚类算法在波束数量较小时，可以实现负载均衡，但在波束数量较大时很容易发散，从而限制了算法的实际应用；
(3)考虑圆形或椭圆形这种单一形状波束会限制卫星覆盖的灵活性，可能导致所规划范围内未被覆盖的区域较大、波束之间交叠区域很多、或者波束间负载非常不均衡。
发明内容
本发明解决的技术问题是：克服现有技术的不足，提供了一种高通量卫星覆盖区规划方法及装置。
本发明的技术解决方案是：
第一方面，本发明实施例提供了一种高通量卫星覆盖区规划方法，包括：
获取每个用户终端的地理位置、业务需求信息、及为全部用户终端规划的波束数量N，N为正整数；
根据所述地理位置、所述业务需求信息和所述波束数量，对所述用户终端进行初步聚类处理，得到N个聚类中心；
根据规划波束中每个波束的容量需求、及每个用户终端与每个聚类中心的距离，计算得到每个用户终端到所述N个聚类中心的损失函数；
根据所述损失函数，确定所述用户终端对应的目标分类结果；
根据所述目标分类结果和由所述业务需求信息加权后的地理位置，确定新的聚类中心；
迭代执行上述过程，在最新的聚类中心不变或迭代次数达到设定次数阈值的情况下，根据最新的聚类中心，确定目标函数；
基于所述目标函数，确定所述每个所述用户终端对应的波束、每个波束的形状参数、以及波束的容量需求信息。
可选地，所述根据所述地理位置、所述业务需求信息和所述波束数量，对所述用户终端进行初步聚类处理，得到N个聚类中心，包括：
调用K-Means++算法根据所述地理位置和所述业务需求信息对所述用户终端进行聚类处理，得到N个聚类中心。
可选地，所述根据规划波束中每个波束的容量需求、及每个用户终端与每个聚类中心的距离，计算得到每个用户终端到所述N个聚类中心的损失函数，包括：
采用预设公式根据每个用户终端的地理位置与其所属波束中心之间的距离、每个波束内包含的用户终端集合、每个波束的容量占所有用户终端容量的比例、距离和容量占比这两个评估指标之间的加权系数，计算得到所述损失函数。
可选地，采用下述预设公式计算得到损失函数：
Figure BDA0003639227740000031
其中，
Figure BDA0003639227740000032
表示第n个用户的地理位置xn与其所属波束中心
Figure BDA0003639227740000033
之间的距离，n∈Tk，Tk表示第k个波束内所包含的用户集合，
Figure BDA0003639227740000034
表示第k个波束的容量占所有用户容量的比例，dn表示第n个用户的业务需求，α表示距离和容量占比这两个评估指标之间的加权系数，α>0。
可选地，所述根据最新的聚类中心，确定目标函数，包括：
基于泰森多边形算法对最新的聚类中心进行分割处理，生成N个凸多边形；
获取所述N个凸多边形的多个顶点；
根据所述N个凸多边形对应的形状参数和每个所述凸多边形对应的多个顶点，确定各个用户终端对应的目标函数。
可选地，所述根据所述N个凸多边形对应的形状参数和每个所述凸多边形对应的多个顶点，确定各个用户终端对应的目标函数，包括：
根据所述形状参数，确定所述凸多边形是否为闭合多边形；
在确定所述凸多边形为闭合多边形的情况下，根据所述闭合多边形的顶点数和顶点坐标，确定所述闭合多边形对应的用户终端对应的目标函数；
在确定所述凸多边形为非闭合多边形的情况下，根据所述非闭合多边形对应的顶点坐标及其对应的所有用户终端的坐标，生成新的闭合凸多边形，根据所述新的凸多边形的顶点数和顶点坐标，确定所述新的闭合凸多边形对应的用户终端对应的目标函数。
可选地，所述根据所述闭合多边形的顶点数和顶点坐标，确定所述闭合多边形对应的用户终端对应的目标函数，包括：
在所述顶点数大于等于5的情况下，对所述闭合多边形进行椭圆近似处理，生成近似椭圆；
获取所述近似椭圆的面积与所述闭合多边形的面积之间的差值；
获取所述差值与所述闭合多边形的面积的比值；
在所述比值大于等于设定值的情况下，根据所述闭合多边形的顶点坐标，生成所述用户终端对应的圆函数，并将所述圆函数作为所述目标函数；
在所述比值小于所述设定值的情况下，根据所述闭合多边形的顶点坐标，生成所述用户终端对应的椭圆函数，并将所述椭圆函数作为所述目标函数。
可选地，所述根据所述闭合多边形的顶点数和顶点坐标，确定所述闭合多边形对应的用户终端对应的目标函数，包括：
在所述顶点数小于5的情况下，根据所述顶点坐标，生成所述用户终端对应的圆函数，并将所述圆函数作为所述目标函数。
第二方面，本发明实施例提供了一种高通量卫星覆盖区规划装置，包括：
用户终端信息获取模块，用于获取每个用户终端的地理位置、业务需求信息、及为全部用户终端规划的波束数量N，N为正整数；
聚类中心获取模块，用于根据所述地理位置和所述波束数量，对所述用户终端进行初步聚类处理，得到N个聚类中心；
损失函数计算模块，用于根据规划波束中每个波束的容量需求、及每个用户终端与每个聚类中心的距离，计算得到每个用户终端到所述N个聚类中心的损失函数；
目标分类结果确定模块，用于根据所述损失函数，确定所述用户终端对应的目标分类结果；
新聚类中心确定模块，用于根据所述目标分类结果和由所述业务需求信息加权后的地理位置，确定新的聚类中心；
目标函数确定模块，用于迭代执行上述过程，在最新的聚类中心不变或迭代次数达到设定次数阈值的情况下，根据最新的聚类中心，确定目标函数；
波束形状和容量需求信息确定模块，用于基于所述目标函数，确定所述每个所述用户终端对应的波束、每个波束的形状参数、以及波束的容量需求信息。
可选地，所述聚类中心获取模块包括：
聚类中心获取单元，用于调用K-Means++算法根据所述地理位置和所述业务需求信息对所述用户终端进行聚类处理，得到N个聚类中心。
可选地，所述损失函数计算模块包括：
损失函数计算单元，用于采用预设公式根据每个用户终端的地理位置与其所属波束中心之间的距离、每个波束内包含的用户终端集合、每个波束的容量占所有用户终端容量的比例、距离和容量占比这两个评估指标之间的加权系数，计算得到所述损失函数。
可选地，采用下述预设公式计算得到损失函数：
Figure BDA0003639227740000051
其中，
Figure BDA0003639227740000052
表示第n个用户的地理位置xn与其所属波束中心
Figure BDA0003639227740000053
之间的距离，n∈Tk，Tk表示第k个波束内所包含的用户集合，
Figure BDA0003639227740000054
表示第k个波束的容量占所有用户容量的比例，dn表示第n个用户的业务需求，α表示距离和容量占比这两个评估指标之间的加权系数，α>0。
可选地，所述目标函数确定模块包括：
凸多边形生成单元，用于基于泰森多边形算法对最新的聚类中心进行分割处理，生成N个凸多边形；
多个顶点获取单元，用于获取所述N个凸多边形的多个顶点；
目标函数确定单元，用于根据所述N个凸多边形对应的形状参数和每个所述凸多边形对应的多个顶点，确定各个用户终端对应的目标函数。
可选地，所述目标函数确定单元包括：
闭合多边形确定子单元，用于根据所述形状参数，确定所述凸多边形是否为闭合多边形；
第一目标函数确定子单元，用于在确定所述凸多边形为闭合多边形的情况下，根据所述闭合多边形的顶点数和顶点坐标，确定所述闭合多边形对应的用户终端对应的目标函数；
第二目标函数确定子单元，用于在确定所述凸多边形为非闭合多边形的情况下，根据所述非闭合多边形对应的顶点坐标及其对应的所有用户终端的坐标，生成新的闭合凸多边形，根据所述新的凸多边形的顶点数和顶点坐标，确定所述新的闭合凸多边形对应的用户终端对应的目标函数。
可选地，所述第一目标函数确定子单元包括：
近似椭圆生成子单元，用于在所述顶点数大于等于5的情况下，对所述闭合多边形进行椭圆近似处理，生成近似椭圆；
面积差值获取子单元，用于获取所述近似椭圆的面积与所述闭合多边形的面积之间的差值；
比值获取子单元，用于获取所述差值与所述闭合多边形的面积的比值；
第一圆函数生成子单元，用于在所述比值大于等于设定值的情况下，根据所述闭合多边形的顶点坐标，生成所述用户终端对应的圆函数，并将所述圆函数作为所述目标函数；
椭圆函数生成子单元，用于在所述比值小于所述设定值的情况下，根据所述闭合多边形的顶点坐标，生成所述用户终端对应的椭圆函数，并将所述椭圆函数作为所述目标函数。
可选地，所述第一目标函数确定子单元包括：
第二圆函数生成子单元，用于在所述顶点数小于5的情况下，根据所述顶点坐标，生成所述用户终端对应的圆函数，并将所述圆函数作为所述目标函数。
本发明与现有技术相比的优点在于：
1、本发明考虑了用户的地理位置特征和业务需求特征以实现波束间负载均衡，通过对两类特征对应的损失函数进行合理加权，可以实现稳定收敛，适用于任意波束数量的规划；
2、针对中心波束和边缘波束进行椭圆波束或圆形波束近似，在避免相邻波束覆盖区过度交叠的同时，可以保证对整个覆盖区尽可能完整的覆盖；
3、可以拓展到根据区域容量需求进行覆盖区规划，其中区域容量需求是指一个区域内所有用户需求之和，可以实现波束间的负载均衡，达到简化资源管理、并提高系统容量的目的。
附图说明
图1为本发明实施例提供的一种高通量卫星覆盖区规划方法的步骤流程图；
图2为本发明实施例提供的一种泰森多边形分割原理的示意图；
图3为本发明实施例提供的一种波束覆盖区域规划的示意图；
图4为本发明实施例提供的一种高通量卫星覆盖区规划装置的结构示意图。
具体实施方式
实施例一
参照图1，示出了本发明实施例提供的一种高通量卫星覆盖区规划方法的步骤流程图，如图1所示，该高通量卫星覆盖区规划方法可以包括以下步骤：
步骤101：获取每个用户终端的地理位置、业务需求信息、及为全部用户终端规划的波束数量N；N为正整数。
在本发明实施例中，为了克服现有高通量卫星覆盖区规划中的问题，提供一种基于用户聚类、泰森多边形分割、以及波束形状优化算法的覆盖区规划方法，实现波束间负载均衡，以达到简化资源管理、并提高系统容量的目的。
在进行波束间负载均衡时，可以获取每个用户终端的地理位置、业务需求信息，以及为全部用户终端规划的波束数量N，其中，N为正整数。
在获取到每个用户终端的地理位置、业务需求信息，以及为全部用户终端规划的波束数量N之后，执行步骤102。
步骤102：根据所述地理位置、所述业务需求信息和所述波束数量，对所述用户终端进行初步聚类处理，得到N个聚类中心。
在获取到每个用户终端的地理位置、业务需求信息，以及为每个用户终端规划的波束数量N之后，可以根据地理位置和波束数量对所有的用户终端和进行初步聚类处理，以得到N个聚类中心，具体地，可以调用K-Means++算法根据地理位置和业务需求信息对用户终端进行聚类处理，得到N个聚类中心，并按照距离最近原则对用户终端进行分类，以得到所有用户终端的初步分类结果。
可以理解地，K-Means++算法为常用的聚类算法，本实施例对于具体地聚类处理过程不再加以详细赘述。
在根据地理位置和波束数量对用户终端进行初步聚类处理得到N个聚类中心之后，执行步骤103。
步骤103：根据规划波束中每个波束的容量需求、及每个用户终端与每个聚类中心的距离，计算得到每个用户终端到所述N个聚类中心的损失函数。
在根据地理位置和波束数量对用户终端进行初步聚类处理得到N个聚类中心之后，可以根据规划波束中每个波束的容量需求、及每个用户终端与每个聚类中心的距离计算得到每个用户终端到N个聚类中心的损失函数，具体地，可以采用预设公式根据每个用户终端的地理位置与其所属波束中心之间的距离、每个波束内包含的用户终端集合、每个波束的容量占所有用户终端容量的比例、距离和容量占比这两个评估指标之间的加权系数，计算得到损失函数。
预设公式可以如下述公式(1)所示：
Figure BDA0003639227740000091
其中，
Figure BDA0003639227740000092
表示第n个用户的地理位置xn与其所属波束中心
Figure BDA0003639227740000093
之间的距离(n∈Tk)，Tk表示第k个波束内所包含的用户集合，
Figure BDA0003639227740000094
表示第k个波束的容量占所有用户容量的比例，dn表示第n个用户的业务需求，α表示距离和容量占比这两个评估指标之间的加权系数，α>0。通过设置α，在实现距离相近的用户由一个波束服务的同时，不同波束的容量尽可能接近。
在根据规划波束中每个波束的容量需求、及每个用户终端与每个聚类中心的距离计算得到每个用户终端到N个聚类中心的损失函数之后，执行步骤104。
步骤104：根据所述损失函数，确定所述用户终端对应的目标分类结果。
在计算得到每个用户终端到N个聚类中心的损失函数之后，可以根据损失函数确定出用户终端对应的目标分类结果，具体地，可以依据损失函数最小的原则对所有用户终端进行分类，以得到用户终端对应的目标分类结果。
步骤105：根据所述目标分类结果和由所述业务需求信息加权后的地理位置，确定新的聚类中心。
在得到所有用户终端对应的目标分类结果之后，可以根据目标分类结果和由每个用户终端的业务需求信息加权后的地理位置确定新的聚类中心，具体地，可以根据目标分类结果计算由用户业务需求加权的地理位置，得到新的聚类中心。
在根据目标分类结果和由业务需求信息加权后的地理位置确定出新的聚类中心之后，执行步骤106。
步骤106：迭代执行上述过程，在最新的聚类中心不变或迭代次数达到设定次数阈值的情况下，根据最新的聚类中心，确定目标函数。
在得到新的聚类中心之后，可以迭代执行上述过程，在最新的聚类中心不变或迭代次数达到设定次数阈值的情况下，则可以根据最新的聚类中心确定出目标函数。
步骤107：基于所述目标函数，确定所述每个所述用户终端对应的波束、每个波束的形状参数、以及波束的容量需求信息。
在得到目标函数之后，可以基于目标函数确定出每个用户终端对应的波束、每个波束的形状参数以及波束的容量需求信息。具体地，可以结合下述具体实现方式进行详细描述。
在本发明实施例的一种具体实现方式中，上述步骤107可以包括：
子步骤S1：基于泰森多边形算法对最新的聚类中心进行分割处理，生成N个凸多边形。
在本实施例中，在获取到最新的聚类中心之后，可以基于泰森多边形算法对最新的聚类中心进行分割处理，以生成N个凸多边形，泰森多边形的分割原理可以如图2所示。
参照图2，示出了本发明实施例提供的一种泰森多边形分割原理的示意图，如图2所示，首先，可以输入用户终端的聚类中心，然后，通过泰森多边形算法分割为N个不规则的凸多边形，最后输出每一类用户终端对应的凸多边形的顶点。
在基于泰森多边形算法对最新的聚类中心进行分割处理生成N个凸多边形之后，执行子步骤S2。
子步骤S2：获取所述N个凸多边形的多个顶点。
在基于泰森多边形算法对最新的聚类中心进行分割处理生成N个凸多边形之后，可以获取N个凸多边形多个顶点。
子步骤S3：根据所述N个凸多边形对应的形状参数和每个所述凸多边形对应的多个顶点，确定各个用户终端对应的目标函数。
在获取到N个凸多边形的多个顶点之后，可以根据N个凸多边形对应的形状参数和每个凸多边形对应的多个顶点，确定各个用户终端对应的目标函数。
在本示例中，形状参数可以确定凸多边形是否为闭合多边形，可以根据凸多边形是否为闭合多边形，以进行目标函数的构建，具体地，可以结合下述具体实现方式进行详细描述。
在本发明的另一种具体实现方式中，上述子步骤S3可以包括：
子步骤M1：根据所述形状参数，确定所述凸多边形是否为闭合多边形。
在本发明实施例中，可以根据N个凸多边形的形状参数，确定N个凸多边形是否为闭合多边形。
子步骤M2：在确定所述凸多边形为闭合多边形的情况下，根据所述闭合多边形的顶点数和顶点坐标，确定所述闭合多边形对应的用户终端对应的目标函数。
在确定凸多边形为闭合多边形的情况下，可以根据闭合多边形的顶点数和顶点坐标，确定出闭合多边形对应的用户终端对应的目标函数。
子步骤M3：在确定所述凸多边形为非闭合多边形的情况下，根据所述非闭合多边形对应的顶点坐标及其对应的所有用户终端的坐标，生成新的闭合凸多边形，根据所述新的凸多边形的顶点数和顶点坐标，确定所述新的闭合凸多边形对应的用户终端对应的目标函数。
在确定出凸多边形为非闭合多边形的情况下，可以根据非闭合多边形对应的顶点坐标及其对应的所有用户终端的坐标，生成新的闭合凸多边形，并根据新的凸多边形的顶点数和顶点坐标，确定出新的凸多边形对应的用户终端对应的目标函数，具体地，如果凸多边形是非闭合多边形，则确定为边缘波束，进而可以获取其对应顶点坐标和所有用户的坐标，然后得到可以恰好完全包围这些坐标点的新凸多边形(即凸包)的顶点。
在本发明的另一种具体实现方式中，上述子步骤M2可以包括：
子步骤N1：在所述顶点数大于等于5的情况下，对所述闭合多边形进行椭圆近似处理，生成近似椭圆。
在本实施例中，在凸多边形的顶点数大于等于5的情况下，可以对闭合多边形进行椭圆近似处理，以生成近似椭圆。
子步骤N2：获取所述近似椭圆的面积与所述闭合多边形的面积之间的差值。
在生成近似椭圆之后，可以获取近似椭圆的面积与闭合多边形的面积之间的差值。
子步骤N3：获取所述差值与所述闭合多边形的面积的比值。
在获取到近似椭圆的面积与闭合多边形的面积之间的差值之后，可以计算差值与闭合多边形的面积的比值。
子步骤N4：在所述比值大于等于设定值的情况下，根据所述闭合多边形的顶点坐标，生成所述用户终端对应的圆函数，并将所述圆函数作为所述目标函数。
子步骤N5：在所述比值小于所述设定值的情况下，根据所述闭合多边形的顶点坐标，生成所述用户终端对应的椭圆函数，并将所述椭圆函数作为所述目标函数。
在获取的比值大于等于设定值的情况下，可以根据闭合多边形的顶点坐标生成用户终端对应的圆函数，并将圆函数作为目标函数。
在获取的比值小于设定值的情况下，可以根据闭合多边形的顶点坐标，生成用户终端对应的椭圆函数，并将椭圆函数作为所述目标函数
子步骤N6：在所述顶点数小于5的情况下，根据所述顶点坐标，生成所述用户终端对应的圆函数，并将所述圆函数作为所述目标函数。
在凸多边形的顶点数小于5，则可以根据顶点坐标生成用户终端对应的圆函数，并将圆函数作为目标函数，即波束直接近似为圆形。
接下来，通过仿真提供一个具体的示例对本发明实施例的技术方案进行详细描述。
考虑200个用户均匀分布在东西0～100公里，南北0～100公里的矩形区域内，每个用户的业务需求不同，在1～10Mbps之间均匀分布。该区域内共规划N＝10个波束。以上参数作为该实施例中算法的输入。步骤103中，加权系数α＝3，步骤106中，设定迭代次数阈值为50，步骤107的子步骤N4中，面积比值的设定值为1。
如图3所示，空心圆表示每个用户的位置，虚线表示泰森多边形分割的凸多边形，椭圆和圆表示规划的波束覆盖区形状。
下述表1给出了输出的10个波束的容量需求以及波束的形状参数。
表1：
Figure BDA0003639227740000131
通过表1可以看出，采用本实施例提出的方法可以很好地实现波束间负载均衡。
实施例二
参照图4，示出了本发明实施例提供的一种高通量卫星覆盖区规划装置的结构示意图，如图4所示，该高通量卫星覆盖区规划装置可以包括以下模块：
用户终端信息获取模块410，用于获取每个用户终端的地理位置、业务需求信息、及为全部用户终端规划的波束数量N；N为正整数；
聚类中心获取模块420，用于根据所述地理位置、所述业务需求信息和所述波束数量，对所述用户终端进行初步聚类处理，得到N个聚类中心；
损失函数计算模块430，用于根据规划波束中每个波束的容量需求、及每个用户终端与每个聚类中心的距离，计算得到每个用户终端到所述N个聚类中心的损失函数；
目标分类结果确定模块440，用于根据所述损失函数，确定所述用户终端对应的目标分类结果；
新聚类中心确定模块450，用于根据所述目标分类结果和由所述业务需求信息加权后的地理位置，确定新的聚类中心；
目标函数确定模块460，用于迭代执行上述过程，在最新的聚类中心不变或迭代次数达到设定次数阈值的情况下，根据最新的聚类中心，确定目标函数；
波束形状和容量需求信息确定模块470，用于基于所述目标函数，确定所述每个所述用户终端对应的波束、每个波束的形状参数、以及波束的容量需求信息。
可选地，所述聚类中心获取模块包括：
聚类中心获取单元，用于调用K-Means++算法根据所述地理位置和所述业务需求信息对所述用户终端进行聚类处理，得到N个聚类中心。
可选地，所述损失函数计算模块包括：
损失函数计算单元，用于采用预设公式根据每个用户终端的地理位置与其所属波束中心之间的距离、每个波束内包含的用户终端集合、每个波束的容量占所有用户终端容量的比例、距离和容量占比这两个评估指标之间的加权系数，计算得到所述损失函数。
可选地，采用下述预设公式计算得到损失函数：
Figure BDA0003639227740000141
其中，
Figure BDA0003639227740000142
表示第n个用户的地理位置xn与其所属波束中心
Figure BDA0003639227740000143
之间的距离(n∈Tk)，Tk表示第k个波束内所包含的用户集合，
Figure BDA0003639227740000151
表示第k个波束的容量占所有用户容量的比例，dn表示第n个用户的业务需求，α表示距离和容量占比这两个评估指标之间的加权系数，α>0。
可选地，所述目标函数确定模块包括：
凸多边形生成单元，用于基于泰森多边形算法对最新的聚类中心进行分割处理，生成N个凸多边形；
多个顶点获取单元，用于获取所述N个凸多边形的多个顶点；
目标函数确定单元，用于根据所述N个凸多边形对应的形状参数和每个所述凸多边形对应的多个顶点，确定各个用户终端对应的目标函数。
可选地，所述目标函数确定单元包括：
闭合多边形确定子单元，用于根据所述形状参数，确定所述凸多边形是否为闭合多边形；
第一目标函数确定子单元，用于在确定所述凸多边形为闭合多边形的情况下，根据所述闭合多边形的顶点数和顶点坐标，确定所述闭合多边形对应的用户终端对应的目标函数；
第二目标函数确定子单元，用于在确定所述凸多边形为非闭合多边形的情况下，根据所述非闭合多边形对应的顶点坐标及其对应的所有用户终端的坐标，生成新的闭合凸多边形，根据所述新的凸多边形的顶点数和顶点坐标，确定所述新的闭合凸多边形对应的用户终端对应的目标函数。
可选地，所述第一目标函数确定子单元包括：
近似椭圆生成子单元，用于在所述顶点数大于等于5的情况下，对所述闭合多边形进行椭圆近似处理，生成近似椭圆；
面积差值获取子单元，用于获取所述近似椭圆的面积与所述闭合多边形的面积之间的差值；
比值获取子单元，用于获取所述差值与所述闭合多边形的面积的比值；
第一圆函数生成子单元，用于在所述比值大于等于设定值的情况下，根据所述闭合多边形的顶点坐标，生成所述用户终端对应的圆函数，并将所述圆函数作为所述目标函数；
椭圆函数生成子单元，用于在所述比值小于所述设定值的情况下，根据所述闭合多边形的顶点坐标，生成所述用户终端对应的椭圆函数，并将所述椭圆函数作为所述目标函数。
可选地，所述第一目标函数确定子单元包括：
第二圆函数生成子单元，用于在所述顶点数小于5的情况下，根据所述顶点坐标，生成所述用户终端对应的圆函数，并将所述圆函数作为所述目标函数。
本申请所述具体实施方式可以使本领域的技术人员更全面地理解本申请，但不以任何方式限制本申请。因此，本领域技术人员应当理解，仍然对本申请进行修改或者等同替换；而一切不脱离本申请的精神和技术实质的技术方案及其改进，均应涵盖在本申请专利的保护范围中。
本发明说明书中未作详细描述的内容属本领域技术人员的公知技术。

Claims (16)

1.一种高通量卫星覆盖区规划方法，其特征在于，包括：
获取每个用户终端的地理位置、业务需求信息、及为全部用户终端规划的波束数量N，N为正整数；
根据所述地理位置、所述业务需求信息和所述波束数量，对所述用户终端进行初步聚类处理，得到N个聚类中心；
根据规划波束中每个波束的容量需求、及每个用户终端与每个聚类中心的距离，计算得到每个用户终端到所述N个聚类中心的损失函数；
根据所述损失函数，确定所述用户终端对应的目标分类结果；
根据所述目标分类结果和由所述业务需求信息加权后的地理位置，确定新的聚类中心；
迭代执行上述过程，在最新的聚类中心不变或迭代次数达到设定次数阈值的情况下，根据最新的聚类中心，确定目标函数；
基于所述目标函数，确定所述每个所述用户终端对应的波束、每个波束的形状参数、以及波束的容量需求信息。
2.根据权利要求1所述的方法，其特征在于，所述根据所述地理位置、所述业务需求信息和所述波束数量，对所述用户终端进行初步聚类处理，得到N个聚类中心，包括：
调用K-Means++算法根据所述地理位置和所述业务需求信息对所述用户终端进行聚类处理，得到N个聚类中心。
3.根据权利要求1所述的方法，其特征在于，所述根据规划波束中每个波束的容量需求、及每个用户终端与每个聚类中心的距离，计算得到每个用户终端到所述N个聚类中心的损失函数，包括：
采用预设公式根据每个用户终端的地理位置与其所属波束中心之间的距离、每个波束内包含的用户终端集合、每个波束的容量占所有用户终端容量的比例、距离和容量占比这两个评估指标之间的加权系数，计算得到所述损失函数。
4.根据权利要求3所述的方法，其特征在于，采用下述预设公式计算得到损失函数：
Figure FDA0003639227730000021
其中，
Figure FDA0003639227730000022
表示第n个用户的地理位置xn与其所属波束中心
Figure FDA0003639227730000023
之间的距离，n∈Tk，Tk表示第k个波束内所包含的用户集合，
Figure FDA0003639227730000024
表示第k个波束的容量占所有用户容量的比例，dn表示第n个用户的业务需求，α表示距离和容量占比这两个评估指标之间的加权系数，α>0。
5.根据权利要求1所述的方法，其特征在于，所述根据最新的聚类中心，确定目标函数，包括：
基于泰森多边形算法对最新的聚类中心进行分割处理，生成N个凸多边形；
获取所述N个凸多边形的多个顶点；
根据所述N个凸多边形对应的形状参数和每个所述凸多边形对应的多个顶点，确定各个用户终端对应的目标函数。
6.根据权利要求5所述的方法，其特征在于，所述根据所述N个凸多边形对应的形状参数和每个所述凸多边形对应的多个顶点，确定各个用户终端对应的目标函数，包括：
根据所述形状参数，确定所述凸多边形是否为闭合多边形；
在确定所述凸多边形为闭合多边形的情况下，根据所述闭合多边形的顶点数和顶点坐标，确定所述闭合多边形对应的用户终端对应的目标函数；
在确定所述凸多边形为非闭合多边形的情况下，根据所述非闭合多边形对应的顶点坐标及其对应的所有用户终端的坐标，生成新的闭合凸多边形，根据所述新的凸多边形的顶点数和顶点坐标，确定所述新的闭合凸多边形对应的用户终端对应的目标函数。
7.根据权利要求6所述的方法，其特征在于，所述根据所述闭合多边形的顶点数和顶点坐标，确定所述闭合多边形对应的用户终端对应的目标函数，包括：
在所述顶点数大于等于5的情况下，对所述闭合多边形进行椭圆近似处理，生成近似椭圆；
获取所述近似椭圆的面积与所述闭合多边形的面积之间的差值；
获取所述差值与所述闭合多边形的面积的比值；
在所述比值大于等于设定值的情况下，根据所述闭合多边形的顶点坐标，生成所述用户终端对应的圆函数，并将所述圆函数作为所述目标函数；
在所述比值小于所述设定值的情况下，根据所述闭合多边形的顶点坐标，生成所述用户终端对应的椭圆函数，并将所述椭圆函数作为所述目标函数。
8.根据权利要求6所述的方法，其特征在于，所述根据所述闭合多边形的顶点数和顶点坐标，确定所述闭合多边形对应的用户终端对应的目标函数，包括：
在所述顶点数小于5的情况下，根据所述顶点坐标，生成所述用户终端对应的圆函数，并将所述圆函数作为所述目标函数。
9.一种高通量卫星覆盖区规划装置，其特征在于，包括：
用户终端信息获取模块，用于获取每个用户终端的地理位置、业务需求信息、及为全部用户终端规划的波束数量N，N为正整数；
聚类中心获取模块，用于根据所述地理位置、所述业务需求信息和所述波束数量，对所述用户终端进行初步聚类处理，得到N个聚类中心；
损失函数计算模块，用于根据规划波束中每个波束的容量需求、及每个用户终端与每个聚类中心的距离，计算得到每个用户终端到所述N个聚类中心的损失函数；
目标分类结果确定模块，用于根据所述损失函数，确定所述用户终端对应的目标分类结果；
新聚类中心确定模块，用于根据所述目标分类结果和由所述业务需求信息加权后的地理位置，确定新的聚类中心；
目标函数确定模块，用于迭代执行上述过程，在最新的聚类中心不变或迭代次数达到设定次数阈值的情况下，根据最新的聚类中心，确定目标函数；
波束形状和容量需求信息确定模块，用于基于所述目标函数，确定所述每个所述用户终端对应的波束、每个波束的形状参数、以及波束的容量需求信息。
10.根据权利要求9所述的装置，其特征在于，所述聚类中心获取模块包括：
聚类中心获取单元，用于调用K-Means++算法根据所述地理位置和所述业务需求信息对所述用户终端进行聚类处理，得到N个聚类中心。
11.根据权利要求9所述的装置，其特征在于，所述损失函数计算模块包括：
损失函数计算单元，用于采用预设公式根据每个用户终端的地理位置与其所属波束中心之间的距离、每个波束内包含的用户终端集合、每个波束的容量占所有用户终端容量的比例、距离和容量占比这两个评估指标之间的加权系数，计算得到所述损失函数。
12.根据权利要求11所述的装置，其特征在于，采用下述预设公式计算得到损失函数：
Figure FDA0003639227730000041
其中，
Figure FDA0003639227730000042
表示第n个用户的地理位置xn与其所属波束中心
Figure FDA0003639227730000043
之间的距离，n∈Tk，Tk表示第k个波束内所包含的用户集合，
Figure FDA0003639227730000044
表示第k个波束的容量占所有用户容量的比例，dn表示第n个用户的业务需求，α表示距离和容量占比这两个评估指标之间的加权系数，α>0。
13.根据权利要求9所述的装置，其特征在于，所述目标函数确定模块包括：
凸多边形生成单元，用于基于泰森多边形算法对最新的聚类中心进行分割处理，生成N个凸多边形；
多个顶点获取单元，用于获取所述N个凸多边形的多个顶点；
目标函数确定单元，用于根据所述N个凸多边形对应的形状参数和每个所述凸多边形对应的多个顶点，确定各个用户终端对应的目标函数。
14.根据权利要求13所述的装置，其特征在于，所述目标函数确定单元包括：
闭合多边形确定子单元，用于根据所述形状参数，确定所述凸多边形是否为闭合多边形；
第一目标函数确定子单元，用于在确定所述凸多边形为闭合多边形的情况下，根据所述闭合多边形的顶点数和顶点坐标，确定所述闭合多边形对应的用户终端对应的目标函数；
第二目标函数确定子单元，用于在确定所述凸多边形为非闭合多边形的情况下，根据所述非闭合多边形对应的顶点坐标及其对应的所有用户终端的坐标，生成新的闭合凸多边形，根据所述新的凸多边形的顶点数和顶点坐标，确定所述新的闭合凸多边形对应的用户终端对应的目标函数。
15.根据权利要求14所述的方法，其特征在于，所述第一目标函数确定子单元包括：
近似椭圆生成子单元，用于在所述顶点数大于等于5的情况下，对所述闭合多边形进行椭圆近似处理，生成近似椭圆；
面积差值获取子单元，用于获取所述近似椭圆的面积与所述闭合多边形的面积之间的差值；
比值获取子单元，用于获取所述差值与所述闭合多边形的面积的比值；
第一圆函数生成子单元，用于在所述比值大于等于设定值的情况下，根据所述闭合多边形的顶点坐标，生成所述用户终端对应的圆函数，并将所述圆函数作为所述目标函数；
椭圆函数生成子单元，用于在所述比值小于所述设定值的情况下，根据所述闭合多边形的顶点坐标，生成所述用户终端对应的椭圆函数，并将所述椭圆函数作为所述目标函数。
16.根据权利要求14所述的方法，其特征在于，所述第一目标函数确定子单元包括：
第二圆函数生成子单元，用于在所述顶点数小于5的情况下，根据所述顶点坐标，生成所述用户终端对应的圆函数，并将所述圆函数作为所述目标函数。
CN202210515182.0A 2022-05-11 2022-05-11 一种高通量卫星覆盖区规划方法及装置 Active CN115038092B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210515182.0A CN115038092B (zh) 2022-05-11 2022-05-11 一种高通量卫星覆盖区规划方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210515182.0A CN115038092B (zh) 2022-05-11 2022-05-11 一种高通量卫星覆盖区规划方法及装置

Publications (2)

Publication Number Publication Date
CN115038092A true CN115038092A (zh) 2022-09-09
CN115038092B CN115038092B (zh) 2024-02-20

Family

ID=83120342

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210515182.0A Active CN115038092B (zh) 2022-05-11 2022-05-11 一种高通量卫星覆盖区规划方法及装置

Country Status (1)

Country Link
CN (1) CN115038092B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2876823A1 (en) * 2013-11-26 2015-05-27 The Boeing Company Integrated resource planning for satellite systems respecting all system constraints.
CN113541770A (zh) * 2021-07-12 2021-10-22 军事科学院系统工程研究院网络信息研究所 一种多波束卫星通信系统空时频精细化资源管理方法
CN114430530A (zh) * 2022-04-06 2022-05-03 香港中文大学（深圳） 空间划分方法、装置、设备、介质和程序产品

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2876823A1 (en) * 2013-11-26 2015-05-27 The Boeing Company Integrated resource planning for satellite systems respecting all system constraints.
CN113541770A (zh) * 2021-07-12 2021-10-22 军事科学院系统工程研究院网络信息研究所 一种多波束卫星通信系统空时频精细化资源管理方法
CN114430530A (zh) * 2022-04-06 2022-05-03 香港中文大学（深圳） 空间划分方法、装置、设备、介质和程序产品

Also Published As

Publication number Publication date
CN115038092B (zh) 2024-02-20

Similar Documents

Publication Publication Date Title
US7212822B1 (en) Method and techniques for penalty-based channel assignments in a cellular network
US6389289B1 (en) Earth tiling system for providing regional based service in a mobile satellite communication network
CN111683375B (zh) 一种针对无人机辅助无线蜂窝网络的无人机部署优化方法
Chamola et al. Latency aware mobile task assignment and load balancing for edge cloudlets
CN1984430A (zh) 自动资源限制分配的方法、基站、移动终端、设备及网络
CN1146129A (zh) 集中式动态信道分配控制器和方法
CN114244419B (zh) 一种用于低轨卫星的通信方法
CN113015192A (zh) 天线权值确定方法、装置、设备及存储介质
CN109639833A (zh) 一种基于无线城域网微云负载均衡的任务调度方法
Eisenblätter et al. UMTS radio network evaluation and optimization beyond snapshots
Chen et al. 5G air-to-ground network design and optimization: A deep learning approach
CN115038092B (zh) 一种高通量卫星覆盖区规划方法及装置
US7840218B2 (en) Method and system for radio coverage planning with local double grid approach
Liljenstam et al. A model for parallel simulation of mobile telecommunication systems
Khelf et al. On the optimization of UAV-assisted wireless networks for hierarchical federated learning
CN107113633A (zh) 优化通信网络的处理方法和装置
US20230075690A1 (en) Reduction and geo-spatial distribution of training data for geolocation prediction using machine learning
CN115882985A (zh) 一种基于高斯过程回归的低轨卫星信道预测方法及系统
CN112020006B (zh) 天线调整方法、装置、设备及计算机存储介质
Du et al. Geographic load balancing for WCDMA mobile networks using a bubble oscillation algorithm
CN113810916A (zh) 一种5g/6g边缘计算场景下的多服务器混合部署架构及方法
Shibata et al. Co-evolutionary dynamic cell optimization algorithm for HAPS mobile communications
US11133860B2 (en) Beam layout optimisation
Zhong et al. SIDE: semi-distributed mechanical equilibrium based UAV deployment
CN114466366B (zh) 一种天线权值优化方法、装置及电子设备

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