CN115603795A - 一种dtp通道受限场景下的波束功率带宽分配方法 - Google Patents
一种dtp通道受限场景下的波束功率带宽分配方法 Download PDFInfo
- Publication number
- CN115603795A CN115603795A CN202211220777.XA CN202211220777A CN115603795A CN 115603795 A CN115603795 A CN 115603795A CN 202211220777 A CN202211220777 A CN 202211220777A CN 115603795 A CN115603795 A CN 115603795A
- Authority
- CN
- China
- Prior art keywords
- individual
- dtp
- population
- delta
- port
- 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.)
- Pending
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
- 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
- H04B7/1853—Satellite systems for providing telephony service to a mobile station, i.e. mobile satellite service
- H04B7/18539—Arrangements for managing radio, resources, i.e. for establishing or releasing a connection
-
- 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
- H04B7/1853—Satellite systems for providing telephony service to a mobile station, i.e. mobile satellite service
- H04B7/18539—Arrangements for managing radio, resources, i.e. for establishing or releasing a connection
- H04B7/18543—Arrangements for managing radio, resources, i.e. for establishing or releasing a connection for adaptation of transmission parameters, e.g. power control
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Astronomy & Astrophysics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Genetics & Genomics (AREA)
- Physiology (AREA)
- Radio Relay Systems (AREA)
Abstract
本发明面向兼顾整星成本约束时DTP通道数受限场景提供一种基于遗传算法的高通量卫星波束功率带宽分配方法,在不损失系统总容量前提下提高系统容量匹配率,技术解决方案是:高通量卫星的波束功率带宽分配算法,主要包括输入波束数量、每个波束的容量需求、DTP端口数、DTP单端口功率、带宽、遗传算法种群规模、交叉概率、变异概率、最大进化代数,迭代寻优波束与DTP端口的映射架构,进而输出各波束分得的功率带宽。
Description
技术领域
本发明涉及一种高通量灵活载荷卫星波束功率带宽分配方法,特别是考虑DTP(Dynamic Trunking Protocol,动态中继协议)通道数受限场景下实现系统容量匹配率优化的波束功率带宽分配方法。
背景技术
经过几十年的发展,高通量卫星的服务能力得到明显提升,无论是可用频谱带宽、网络吞吐量都有了明显的增长。但是,面对用户业务需求不断激增以及业务需求具有分布不均、潮汐变化等问题,对星上功率、带宽、频率等宝贵资源的分配不当将使我们无法充分利用其各种优势。
对于高通量灵活载荷卫星,多路信号首先输入DTP,在DTP内部完成子带交换以实现灵活的带宽分配和频率规划,然后从DTP的输出进入上变频器,再通过功率放大器进入馈源形成覆盖波束。
功率、带宽分配中,以星上总功率和总带宽作为整体,然后根据各波束的容量需求进行分配,每个波束所分配的功率和带宽资源受每个功率放大器输出功率、DTP通道带宽以及星上总资源的约束。这一策略用高的复杂度换来对需求变化的适应性。
文献[1]研究在并行多波束卫星系统中,根据用户通信需求的变化,从通信需求、信道条件、时延等方面提出功率分配策略,通过使波束容量和需求容量足够接近来寻找最优的功率分配方案,以提高资源利用率和合理的比例公平性。在文献[2]中,作者将带宽分配问题通过数学建模转化为最优化的求解问题,通过改变权系数的意义来调整目标函数从而达到不同的带宽分配优化目标,但此类算法计算复杂度高。([1]Hihwan P.Choi,VincentW.S.Chan,Optimum Power and Beam Allocation Based on Traffic Demands andChannel Conditions Over Satellite Downlinks[J].IEEE Transactions on wirelesscommunications,2005,4(6):2983-2993.
[2]GAO X,WANG Z.Utility Maximization-Based DVB-RCS Cross-LayerDynamic Bandwidth Allocation[J].Journal of Astronautics,2011,32(4):857-862.)
在对高通量灵活载荷卫星功率带宽资源进行灵活分配时,现有的方法存在两种重要的缺陷:
(1)在波束功率带宽分配方法中,尚没有考虑整星成本约束时,DTP通道数无法完全满足单波束映射单DTP通道的需求场景下的功率带宽分配方法;
(2)功率带宽联合分配时,未考虑均衡的功率带宽密度,虽然系统容量匹配率大大提高,但系统总容量会有较大损失。
发明内容
本发明所要解决的技术问题:克服以上缺点,面向兼顾整星成本约束时DTP通道数受限场景提供一种基于遗传算法的高通量卫星波束功率带宽分配方法,在不损失系统总容量前提下提高系统容量匹配率。
本发明的技术解决方案是:高通量卫星的波束功率带宽分配算法,主要包括输入波束数量、每个波束的容量需求、DTP端口数、DTP单端口功率、带宽、遗传算法种群规模、交叉概率、变异概率、最大进化代数,迭代寻优波束与DTP端口的映射架构,进而输出各波束分得的功率带宽。主要包括以下步骤:
S1、初始化系统输入参数:
人工输入波束数量m,m为正整数;
人工输入每个波束的容量需求Ci,其中,i表示波束编号,为正整数且i∈[1,m];
人工输入DTP端口数n,n为正整数,且根据DTP实际型谱,n大于等于4;
人工输入DTP单端口功率P0,P0为正实数;
人工输入DTP单端口带宽B0,B0为正实数;
人工输入遗传算法种群规模Np,Np为正偶数;
人工输入交叉概率ε,0<ε<1;
人工输入变异概率μ,0<μ<0.1;
人工输入最大进化代数G,G为正整数,取值范围为100~500;
S2、根据DTP端口功率、带宽等链路预算得到DTP单端口可提供容量C0;
S3、所有波束按容量需求从大到小排序,排序后波束编号索引集合M为{M1,M2,…,Mm};
S4、计算2×n-m,结果记为δ,并判断δ是否大于0,若δ>0,编号为M1,M2,…,Mδ的波束分别映射到编号为1,2,…,δ的DTP端口,编号为M1,M2,…,Mδ的波束功率均为P0,带宽均为B0;若δ≤0,则令δ=0,结束本步骤;
S5、初始化包含Np个体的种群;
S6、计算Np个体各自的适应度,即对应的系统容量匹配率;
S7、从当前种群中选择个体组成新种群;
S8、利用单点交叉策略生成交叉后种群;
S9、利用单点变异策略生成变异后种群;
S10、变异后种群作为当前种群,按照步骤S6所述方法计算当前种群所有个体各自的适应度;
S11、重复步骤S7~S10 G次,并从最终种群中选择适应度最高的个体作为最优个体,按照步骤S5中所述的个体对应的矩阵元素的含义,根据最优个体得到编号为Mδ+1,...,Mm的波束与编号为δ+1,...,n的DTP端口的映射关系;
S12、根据步骤S11所得的映射关系,若只有一个波束映射到某一DTP端口,则该波束功率为P0,带宽为B0;若多个波束映射到同一DTP端口,则这些波束按照与各自容量需求成正比地分摊功率P0、带宽B0;
S13、结合步骤S4与S12的结果,输出所有波束的功率带宽分配方案。
进一步地,步骤S5具体为:
初始化第j个个体的方法如下,其中j∈{1,2,...,Np}:
生成行数为m-δ,列数为n-δ的二维矩阵A(j),其中每行随机选取一个元素取值1,其余元素取值0;其中,矩阵A(j)中第u行第v列元素表示编号为M(δ+u)的波束是否映射到编号为δ+v的DTP端口中,若元素等于1表示是,若元素等于0表示否,其中u∈{1,2,...,m-δ},v∈{1,2,...,n-δ}。
进一步地,步骤S6具体为:
具体特征在于,计算第j个个体适应度Fj的方法如下,其中j∈{1,2,...,Np}:
进一步地,步骤S7包括如下步骤:
S7-4重复步骤S7-3Np-1次,选择出Np-1个个体,加上适应度最高的个体,共Np个个体组成新种群。
进一步地,步骤S8包括如下步骤:
S8-1、生成0~1之间的随机数,若随机数大于ε,则跳过下面步骤②,否则不跳过;
S8-2、生成1~n-δ之间的整数,记作σ,将新种群中第1个个体和第2个个体对应的矩阵中第σ行至第n-δ行的所有元素互换,完成第第1、2个个体交叉;
S8-3、按照步骤S8-1~S8-2所述方法依次将新种群中第3、4个个体,…,第Np-1、Np个个体交叉。
进一步地,步骤S9包括如下步骤:
S9-1、生成0~1之间的的随机数,若随机数大于μ,则跳过下面步骤②,否则不跳过;
S9-3、按照步骤S9-1~S9-2所述方法依次完成交叉后种群中第2、3,…Np个个体变异。
本发明与现有技术相比的优点在于:
(1)本发明提出了一种基于遗传算法的波束功率带宽分配方法,根据所有波束各自的容量需求及DTP单通道可提供容量,迭代寻优波束与DTP通道的映射架构以提高系统容量匹配率,该方法寻得的映射架构同时兼容单波束单DTP通道及多波束单DTP通道,兼顾卫星成本有效性,具有更好的实用价值;
(2)本发明中,首先将所有波束按容量需求从大到小排序,对应独享单DTP通道的最小数量的波束首先完成一一映射与功率带宽分配,缩减后续遗传算法规模,提升算法效率;
(3)本发明提出了一种波束功率带宽密度均衡的高通量卫星功率带宽分配方法,保证各波束功率之比与带宽之比相等,实现系统容量匹配率提高的同时却不损失系统总容量。
附图说明
图1为本发明的流程图;
图2为本发明实施例中所有波束与DTP端口的映射关系。
具体实施方式
本发明地流程如图1所示,在实施例中,
S1、初始化系统输入参数:波束数量199个,每个波束的容量需求如表1所示,DTP端口数80个,DTP单端口功率为65W,DTP单端口带宽为500MHz,遗传算法种群规模为200,交叉概率为0.8,变异概率为0.01,最大进化代数为200。
表1每个波束的容量需求
S2、根据DTP端口功率、带宽等链路预算得到DTP单端口可提供容量C0,约2Gbps;
S3、所有波束按容量需求从大到小排序,排序后波束编号索引集合M为{199 198197 191 192 189 195 196 194 193 188 185 183 168 178 167 173 179 177 181 187154 158 153 161 180 169 141 137 132 118 122 182 186 190 126 114 130 184 125172 116 124 95 142 156 164 155 85 75 66 162 102 110 138 57 139 144 176 82 6594 159 171 109 151 39 71 73 87 88 108 20 12 157 10 13 24 9 18 145 106 163 4117 2 61 36 44 23 50 43 131 64 143 97 104 15 19 49 79 175 1 166 120 26 90 12883 52 27 150 93 37 53 111 31 84 48 147 174 170 165 98 25 59 29 67 21 149 16080 134 63 5 129 56 148 89 46 100 103 8 140 133 47 81 152 107 135 41 136 11376 14 146 86 42 58 17 28 115 78 105 121 72 70 127 74 38 101 62 51 119 77 6033 112 96 7 123 69 45 68 54 91 92 30 55 99 11 16 35 3 6 34 40 32 22};
S4、计算2×n-m,结果记为δ,即δ=2×80-199=-39。由于δ≤0,令δ=0并跳出此步骤进入下一步;
S5-S11、为算法流程,依据该流程编写电脑程序,由于算法采用多代进化,数据量很大且具有随机性,因此难以确定中间过程的计算结果,当进化至最后一代时输出最优个体,根据最优个体得到所有波束与DTP端口的映射关系如图2所示;
S12、根据步骤S11所得的映射关系,若只有一个波束映射到某一DTP端口,则该波束功率为P0,带宽为B0;若多个波束映射到同一DTP端口,则这些波束按照与各自容量需求成正比地分摊功率P0、带宽B0。
以波束199为例,该波束独自映射到一端口,则波束199分配功率为P0=65W,分配带宽为B0=500MHz;
以波束198为例,该波束与波束104共同映射进一端口,根据表1,波束198、104的容量需求分别为2124.90Mbps、733.70Mbps,则:
波束198分配功率为:2124.90/(2124.90+733.70)*65=48.32W;分配带宽为2124.90/(2124.90+733.70)*500=371.67MHz。
S13、输出最终的波束功率带宽分配计划,如表2所示。
表2波束功率带宽分配计划
本发明方法获得的系统容量匹配率为87.99%,相比随机映射,系统容量匹配率提升10%左右。
Claims (6)
1.一种DTP通道受限场景下的波束功率带宽分配方法,其特征在于,包括如下步骤:
S1、初始化系统输入参数:
人工输入波束数量m,m为正整数;
人工输入每个波束的容量需求Ci,其中,i表示波束编号,为正整数且i∈[1,m];
人工输入DTP端口数n,n为正整数,且根据DTP实际型谱,n大于等于4;
人工输入DTP单端口功率P0,P0为正实数;
人工输入DTP单端口带宽B0,B0为正实数;
人工输入遗传算法种群规模Np,Np为正偶数;
人工输入交叉概率ε,0<ε<1;
人工输入变异概率μ,0<μ<0.1;
人工输入最大进化代数G,G为正整数,取值范围为100~500;
S2、根据DTP端口功率、带宽等链路预算得到DTP单端口可提供容量C0;
S3、所有波束按容量需求从大到小排序,排序后波束编号索引集合M为{M1,M2,…,Mm};
S4、计算2×n-m,结果记为δ,并判断δ是否大于0,若δ>0,编号为M1,M2,…,Mδ的波束分别映射到编号为1,2,…,δ的DTP端口,编号为M1,M2,…,Mδ的波束功率均为P0,带宽均为B0;若δ≤0,则令δ=0,结束本步骤;
S5、初始化包含Np个体的种群;
S6、计算Np个体各自的适应度,即对应的系统容量匹配率;
S7、从当前种群中选择个体组成新种群;
S8、利用单点交叉策略生成交叉后种群;
S9、利用单点变异策略生成变异后种群;
S10、变异后种群作为当前种群,按照步骤S6所述方法计算当前种群所有个体各自的适应度;
S11、重复步骤S7~S10G次,并从最终种群中选择适应度最高的个体作为最优个体,按照步骤S5中所述的个体对应的矩阵元素的含义,根据最优个体得到编号为Mδ+1,...,Mm的波束与编号为δ+1,...,n的DTP端口的映射关系;
S12、根据步骤S11所得的映射关系,若只有一个波束映射到某一DTP端口,则该波束功率为P0,带宽为B0;若多个波束映射到同一DTP端口,则这些波束按照与各自容量需求成正比地分摊功率P0、带宽B0;
S13、结合步骤S4与S12的结果,输出所有波束的功率带宽分配方案。
5.根据权利要求4所述的方法,其特征在于,步骤S8包括如下步骤:
S8-1、生成0~1之间的随机数,若随机数大于ε,则跳过下面步骤②,否则不跳过;
S8-2、生成1~n-δ之间的整数,记作σ,将新种群中第1个个体和第2个个体对应的矩阵中第σ行至第n-δ行的所有元素互换,完成第第1、2个个体交叉;
S8-3、按照步骤S8-1~S8-2所述方法依次将新种群中第3、4个个体,…,第Np-1、Np个个体交叉。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211220777.XA CN115603795A (zh) | 2022-10-08 | 2022-10-08 | 一种dtp通道受限场景下的波束功率带宽分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211220777.XA CN115603795A (zh) | 2022-10-08 | 2022-10-08 | 一种dtp通道受限场景下的波束功率带宽分配方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115603795A true CN115603795A (zh) | 2023-01-13 |
Family
ID=84845122
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211220777.XA Pending CN115603795A (zh) | 2022-10-08 | 2022-10-08 | 一种dtp通道受限场景下的波束功率带宽分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115603795A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112557811A (zh) * | 2020-11-19 | 2021-03-26 | 安徽理工大学 | 一种基于改进遗传算法的含分布式电源配电网故障定位 |
-
2022
- 2022-10-08 CN CN202211220777.XA patent/CN115603795A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112557811A (zh) * | 2020-11-19 | 2021-03-26 | 安徽理工大学 | 一种基于改进遗传算法的含分布式电源配电网故障定位 |
CN112557811B (zh) * | 2020-11-19 | 2024-01-12 | 安徽理工大学 | 一种基于改进遗传算法的含分布式电源配电网故障定位 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108123828B (zh) | 一种基于接入用户移动性预测的超密集网络资源分配方法 | |
CN111182582B (zh) | 面向移动边缘计算的多任务分布式卸载方法 | |
Pachler et al. | Allocating power and bandwidth in multibeam satellite systems using particle swarm optimization | |
CN108901075B (zh) | 一种基于gs算法的资源分配方法 | |
CN112788605B (zh) | 基于双延迟深度确定性策略边缘计算资源调度方法和系统 | |
CN103781081B (zh) | 基于机会共享的无线虚拟化资源分配方法 | |
CN106993298A (zh) | 一种基于QoS的智能电力通信业务差分调度方法 | |
CN115603795A (zh) | 一种dtp通道受限场景下的波束功率带宽分配方法 | |
CN112637907B (zh) | 毫米波网络中用户多关联和下行功率分配的联合优化方法 | |
CN106658524A (zh) | 一种认知异构网络中基于量子花授粉搜索机制的多目标频谱分配方法 | |
CN113596785A (zh) | 基于深度q网络的d2d-noma通信系统资源分配方法 | |
CN113225370A (zh) | 一种基于物联网的区块链多目标优化方法 | |
CN108055701A (zh) | 一种资源调度方法及基站 | |
CN107276664A (zh) | 基于门限式负载的混合虚网映射方法 | |
CN113473580A (zh) | 异构网络中基于深度学习的用户关联联合功率分配策略 | |
CN116089091A (zh) | 基于物联网边缘计算的资源分配和任务卸载方法 | |
CN112153617A (zh) | 一种基于集成神经网络的终端设备传输功率的控制方法 | |
CN113541768A (zh) | 一种基于noma的leo卫星通信系统频点分配方法 | |
US20140148184A1 (en) | Method and apparatus for coordinated power-zone-assignment in wireless backhaul networks | |
CN110224738B (zh) | 一种动态调整的mf-tdma单波束卫星通信系统资源分配优化方法 | |
CN116800753A (zh) | 一种移动模型通信资源分配方法、装置、终端及存储介质 | |
CN111698690B (zh) | 基于改进小生境遗传的认知无线网络频谱分配方法 | |
CN109548153B (zh) | 基于模块度sc-fdma系统的资源分配方法 | |
CN111555794B (zh) | 一种用于天基信息系统的资源分配方法 | |
CN109152060A (zh) | 一种短波下行通信中的发射机信道分配模型及方法 |
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 |