CN115801091A - 面向星地协同计算的大规模星座网络资源调度方法 - Google Patents
面向星地协同计算的大规模星座网络资源调度方法 Download PDFInfo
- Publication number
- CN115801091A CN115801091A CN202211242770.8A CN202211242770A CN115801091A CN 115801091 A CN115801091 A CN 115801091A CN 202211242770 A CN202211242770 A CN 202211242770A CN 115801091 A CN115801091 A CN 115801091A
- Authority
- CN
- China
- Prior art keywords
- base station
- satellite
- ground
- resource scheduling
- user
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000005457 optimization Methods 0.000 claims abstract description 20
- 238000013178 mathematical model Methods 0.000 claims abstract description 14
- 230000009977 dual effect Effects 0.000 claims abstract description 12
- 230000008878 coupling Effects 0.000 claims abstract description 3
- 238000010168 coupling process Methods 0.000 claims abstract description 3
- 238000005859 coupling reaction Methods 0.000 claims abstract description 3
- 238000004891 communication Methods 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000003247 decreasing effect Effects 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000011478 gradient descent method Methods 0.000 claims description 3
- 238000005304 joining Methods 0.000 claims description 2
- 239000000126 substance Substances 0.000 claims description 2
- 238000012512 characterization method Methods 0.000 claims 1
- 230000009466 transformation Effects 0.000 abstract 1
- 238000004088 simulation Methods 0.000 description 14
- 238000011160 research Methods 0.000 description 8
- 230000008901 benefit Effects 0.000 description 7
- 238000007726 management method Methods 0.000 description 7
- 238000013468 resource allocation Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000005562 fading Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 206010042135 Stomatitis necrotising Diseases 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 229910052731 fluorine Inorganic materials 0.000 description 1
- 125000001153 fluoro group Chemical group F* 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 201000008585 noma Diseases 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- 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
- Radio Relay Systems (AREA)
Abstract
本发明公开了一种面向星地协同计算的大规模星座网络资源调度方法,主要解决现有技术同频干扰严重和接入容量低的问题。其方案为:初始化星座网络资源调度系统;建立星座网络资源调度的数学模型;引入拉格朗日乘子向量,将该数学模型写为对偶形式的凸优化模型并对其解耦,得到地面网络资源调度子模型和卫星网络资源调度子模型,再迭代优化这两个子模型,得到最优的地面网络资源调度决策和卫星网络资源调度决策。本发明应用拉格朗日变换和星地协同计算,拆解了大规模星座网络资源调度中的星地网络耦合约束,抑制了卫星系统内干扰,减小了卫星的搜索空间和时间复杂度,且利用协同计算因子能对接入容量做出调整,可用于大规模星座网络资源的高效调度。
Description
技术领域
本发明属于通信技术领域,尤其涉及一种大规模星座网络资源调度方法。可用于地球低轨道卫星系统的同频干扰控制和无线电资源管理。
背景技术
近年来,学术界和工业界在低地球轨道卫星网络取得的突破性进展为通信覆盖扩展和稳定回程连接提供了理论和技术支撑,卫星星座的密集部署有望在未来为通信系统提供低延迟和无缝覆盖的通信服务。大规模低轨卫星网络与传统地面网络有效地融合在一起,其中密集部署的低地球轨道卫星利用高频率的Ka频段为地面基站提供大容量的卫星回程,可以为地面网络提供海量的用户接入以及高质量、低时延的服务。
现如今,稀缺的高频段频率资源已成为各国争先抢占的目标。尽管地球低轨道卫星之间可以通过频率复用显著提高系统的回程容量和频谱利用率,但是不合理的资源分配不仅会加剧大规模星座的系统内干扰,而且会降低大规模星座网络的网络容量。值得注意的是,由于地面终端和卫星之间的多连接特性,干扰管理仍具有挑战性。此外,低轨卫星与地面终端之间的关联取决于不同地面终端所需的不同回程流量。因此,地面用户和地面终端之间的关联将影响卫星星座的干扰分布,如果资源管控方案设计不当,将降低系统的接入容量。近年来很多学者投身于关于不同卫星系统之间干扰管理方法的研究,并且已经有了众多成熟的研究成果。很多研究都致力于通过找到最佳的资源调度方法来减轻同步轨道卫星系统受到的干扰。由于大规模星座系统内部干扰管理方法的研究较少,不同卫星系统之间的研究对目前的研究有指导意义。
在大规模星座网络中,卫星星座拓扑的高动态特性导致大规模星座网络资源始终高动态流动,加之星上计算资源受限以及高动态用户业务分布,造成网络结构和资源结构难以高效适配,系统资源管控效率低以及服务响应慢。据思科预测,2030年全球业务将达70Tbps,超远程实时通信、空中高速上网、智慧城市/工厂、基于全息通信的XR等新形态业务出现,要求通信网络不仅要提供广域高速信息传递服务,还要支持密集型计算服务,满足用户的服务需求。因此,建立跨地域、跨空域的星地协同计算网络为用户提供广域敏捷的数智服务已成为新一代信息网络发展的重要方向,是我国“新基建”和十四五规划发展的重要方向,被评为未来十大科技趋势之一。同时,卫星网络规模化、算力化发展将进一步提升空间信息网络容量以及星上处理能力,将计算能力受限的海量终端、卫星以及地面云计算中心通过网络连接起来,突破单点算力的性能极限,发挥算力集群共享优势,为用户提供广域实时的数智服务。新兴的星地协同计算以及算网融合将有希望实现高动态大规模星座网络环境下多维资源快速管控和精准适配,保障高动态大规模星座网络环境下网络覆盖的连续性,提升大规模星座系统的算网资源利用率,缩短服务响应时间。
综合星地协同计算和大规模星座网络的各自优势,将两者整合为一体成为了新的研究热潮。一方面,引入高容量的卫星回程链路可以为地面用户提供更加稳定的无线接入;另一方面,星地协同计算可以有效整合网络计算资源,缩短服务响应时间。然而,在基于星地协同计算的大规模星座网络中,由于地面基站与卫星之间的多连接特性,回程容量不在被考虑为地面网络中的理想化或是固定的回程容量,而是通过地面基站选择不同的卫星进行关联,以获得动态变化的卫星回程容量。这一方案极大地提升了卫星回程的容量,但同时也为干扰管控方法的设计带来了新的挑战:(1)在当前网络下资源调度方法的设计需要充分考虑大规模星座具有严重系统内干扰的特性,传统的中低轨卫星系统之间的干扰管理方法不再适用。(2)在当前网络下不仅仅有地面基站与用户的关联问题,还存在与之相耦合的地面基站与卫星的关联问题。(3)由于卫星高速移动,难以在信道相关时间内进行决策,即信道状态信息采集时刻和资源分配决策时刻不一致,这将严重恶化大规模星座网络的接入容量。这些场景中存在的困难,使得地面网络的传统资源调度方法无法直接用于该场景下的资源调度,同时与该场景下资源调度问题相关的研究也十分匮乏。
申请号为CN202010487336.0的专利文献提出了一种星地一体化网络中通信与缓存资源联合调度方法。其通过干扰避免的方法为基站选择合适的卫星网络链路子信道,该方法虽说在一定程度上规避了卫星网络内的同频干扰,但当卫星密集部署时,卫星和基站之间的多连接特性以及以最小化干扰为目标的资源调度决策会使得网络中实际建立连接的链路数过少,严重限制了卫星网络的接入容量,导致频谱资源的浪费。
文献《The Application of Power-Domain Non-Orthogonal Multiple Accessin Satellite Communication Networks》研究了在各种卫星架构中引入功率域非正交多址的优势和好处应用,其通过研究用户配对和资源分配方案,联合优化网络接入容量。但该方法由于未考虑卫星网络密集部署的场景,在大规模卫星重叠覆盖的场景下难以进行NOMA组的划分,从而增加了在大规模卫星网络中干扰管控方案的时间复杂度。
此外,上述两个文献都未充分考虑到卫星高速移动以及星上计算资源受限带来的资源分配决策与信道采集时刻不一致的问题,这将严重恶化大规模星座网络的接入容量。因此,在基于星地协同计算的大规模星座网络下如何高效地设计资源调度方法至关重要。
发明内容
本发明的目的在于针对上述现有技术的不足,提出一种基于星地协同计算的大规模星座网络干扰管控方法,以充分发挥融合星地协同计算和大规模星座网络的潜在增益,进一步提升系统的接入容量。
本发明的技术思路是:通过利用拉格朗日松弛方法解耦缓存受限的大规模星座网络下资源调度优化方案,并将其分解为两个独立网络的资源调度优化方案;通过引入协同计算因子预测下一时刻的卫星分布,提前进行资源调度,通过迭代更新拉格朗日算子实现两个网络资源调度优化方案最佳的网络资源调度。
根据上述思路,本发明的实现方案包括如下:
(1)初始化星座网络资源调度系统中的NSAT颗卫星S,NTBS个地面基站M,NGU个地面用户J:
S=(SATs|s=1,2,...,NSAT),M=(TBSm|m=1,2,...,NTBS),J=(GUj|j=1,2,...,NGU)
其中,NSAT颗卫星与NTBS个地面基站之间的通信链路包括带宽相等的NK个子信道K,NTBS个地面基站与NGU个地面用户之间的通信链路包括带宽相等的NC个子信道C:
(2)建立星座网络资源调度的数学模型:
(2a)设地面网络资源调度决策变量和卫星网络资源调度决策变量分别为xm,j,c和bs,m,k,其中,m∈M,j∈J,c∈C,k∈K,xm,j,c=1,表示地面用户GUj通过子信道接入到基站TBSm,xm,j,c=0,表示地面用户GUj未通过子信道接入到基站TBSm,bs,m,k=1,表示基站TBSm通过子信道接入到卫星SATs,bs,m,k=0,表示基站TBSm未通过子信道接入到卫星SATs;
(2b)设Rm,j,c表示用户GUj的传输速率,通过资源调度决策变量xm,j,c和bs,m,k表征星座网络中低轨卫星、地面基站、地面用户和子信道之间的关联规则以及基站获取回程的规则,用这两种规则作为星座网络中地面用户和地面基站分别从地面基站和低轨卫星获取服务的约束,得到对最大化地面用户合速率的优化目标,即星座网络资源调度的数学模型;
(3)引入拉格朗日乘子向量λ,得到拉格朗日函数L(X,B,λ),将上述数学模型写为对偶形式的凸优化模型,并对其进行解耦得到地面网络资源调度子模型P1和卫星网络资源调度子模型P2,其中X和B分别为地面网络和卫星网络的资源调度决策矩阵,
(4)对地面网络资源调度子模型P1和卫星网络资源调度子模型P2进行迭代优化,得到最优的地面网络资源调度决策和卫星网络资源调度决策:
(4a)初始化迭代次数为1,初始化拉格朗日乘子向量各分量的取值为1;
(4b)地面基站对卫星运行轨迹进行预测,得到卫星即将到达的空间位置以及卫星与地面基站之间的信道状态信息,基于该预测结果计算卫星链路子信道的信噪比SNR,将该信噪比SNR与预设的信噪比门限值进行比较,得到高于预设信噪比门限值的卫星数目NSNR,计算协同计算因子
(4c)基于当前的拉格朗日乘子向量λ和协同计算因子α,根据卫星网络链路状态,设计卫星网络资源最佳的频域资源调度决策;
(4d)基于当前的拉格朗日乘子向量λ,根据地面网络链路状态以及用户接入网传输内容,设计地面网络资源最佳的频域资源调度决策;
(4e)根据本次迭代中卫星网络和地面网络的资源调度决策,使用梯度下降法更新拉格朗日乘子向量λ,即其中,λ(t)是当前时刻t的拉格朗日乘子向量,λ(t+1)是下一时刻t+1的拉格朗日乘子向量,θ(t)是关于t的单调递减指数函数,L(X,B,λ)为拉格朗日函数,表示关于λ的梯度;
(4f)设定ε为拉格朗日迭代参数,判断θ(t)是否满足|θ(t+1)-θ(t)|<ε的收敛条件:
若满足,则输出卫星网络资源最佳的频域资源调度决策和地面网络资源最佳的频域资源调度决策
否则,重复(4c)到(4e),直到满足收敛条件。
本发明与现有技术相比,具有如下优点:
第一,本发明由于在构建大规模星座网络资源调度方案中综合考虑了最大化系统接入容量和资源分配决策与信道采集时刻不一致的问题,通过引入协同计算概念和协同计算因子,减少方案实施过程中基站搜索卫星数目,在缩小资源分配时间的前提下提升卫星的回程容量,进而提升网络的接入容量,可在大规模星座网络拓扑快速变化的情况下提供高效的资源调度决策。
第二,本发明在对大规模星座网络资源调度方案进行优化时,由于无线资源分配决策形象地将卫星与基站之间的多连接关系和卫星通信中的离轴天线增益刻画为具备外部性条件的多对一匹配模型,并结合匹配理论,可以实现大规模星座网络卫星回程容量的显著增益。
实验结果显示,本发明的资源调度方案在不同的卫星星座下不仅可以提供较稳定的卫星回程容量,而且可以在高用户密度的情况下提供充足的接入容量,保障用户的稳定接入。
附图说明
图1是本发明的网络场景图;
图2是本发明的实现总流程图;
图3是本发明中卫星网络资源调度的子流程图;
图4是本发明中地面网络资源调度的子流程图;
图5是本发明在不同协同计算因子下的卫星回程容量仿真结果图;
图6是本发明在不同协同计算因子下接入容量随用户密度变化的仿真结果图;
图7是本发明与现有不同方案在OneWeb星座下接入容量对比的仿真结果图;
图8是本发明与现有不同方案在SpaceX星座下接入容量对比的仿真结果图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图,对本发明的实施例和效果做进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
参照图1,本实例的场景是大规模星座网络,其中低轨卫星通过Ka频段为地面基站提供高容量卫星回程,地面基站通过C频段为地面用户提供接入服务,每个基站允许同时与Nr颗卫星连接,以此进一步提升回程容量,地面基站具备缓存能力,可缓存网络中的流行文件,以满足地面用户的需求,每个用户独立地请求文件,若基站缓存了用户所请求的文件,用户将直接从基站获取所请求文件,若基站未缓存用户所请求的文件,基站将通过卫星从核心网获取文件,同时,基站从获得的卫星回程容量中消耗固定的回程资源。
参照图2,本实例在上述场景下的实现步骤如下:
步骤1,初始化系统参数。
将星座网络资源调度系统中的NSAT颗卫星S初始化为:S=(SATs|s=1,2,...,NSAT);
将NTBS个地面基站M初始化为:M=(TBSm|m=1,2,...,NTBS);
将NGU个地面用户J初始化为:J=(GUj|j=1,2,...,NGU);
步骤2,建立星座网络资源调度的数学模型。
(2.1)设地面网络资源调度决策变量和卫星网络资源调度决策变量分别为xm,j,c和bs,m,k,其中,m∈M,j∈J,c∈C,k∈K,xm,j,c=1,表示地面用户GUj通过子信道接入到基站TBSm,xm,j,c=0,表示地面用户GUj未通过子信道接入到基站TBSm,bs,m,k=1,表示基站TBSm通过子信道接入到卫星SATs,bs,m,k=0,表示基站TBSm未通过子信道接入到卫星SATs;
(2.2)通过地面网络资源调度决策变量xm,j,c表征星座网络中地面基站、地面用户和地面链路子信道之间的关联规则以及基站获取回程的规则:
(2.2.1)星座网络中地面基站、地面用户和地面链路子信道之间的关联规则:
设am,j表示用户与基站之间的覆盖关系,在地面网络中通过最小距离判定覆盖关系:若am,j=1,则表示地面用户GUj被基站TBSm覆盖,若am,j=0,则表示地面用户GUj未被基站TBSm覆盖;
将最小距离判定覆盖关系表示为xm,j,c≤am,j;
(2.2.2)基站获取回程的规则:
设网络中存在N份文件为:F=(fn|n=1,2,...,N),其中fn表示第n份文件;
若基站未缓存用户所请求的文件,基站将通过卫星提供回程从核心网获取文件,Cm表示卫星为基站TBSm提供的回程容量,同时,基站从获得的卫星回程容量中消耗固定的回程资源Uback;
(2.3)通过卫星网络资源调度决策变量bs,m,k表征星座网络中低轨卫星、地面基站和卫星链路子信道之间的关联规则:
(2.4)构建星座网络资源调度的数学模型:
设Rm,j,c表示用户GUj的传输速率,将两种规则作为星座网络中地面用户和地面基站分别从地面基站和低轨卫星获取服务的约束,以最大化网络接入容量为目标构建如下星座网络资源调度模型,具体表示如下:
受限于:C1:xm,j,c≤am,j
其中:第一约束C1表示最小距离覆盖约束,即地面用户选择距离最近的基站去接入网络;
第二约束C2表示每个地面用户只能占用一个地面链路子信道;
第三约束C3表示基站的每个链路子信道只能允许被一个地面用户占用;
第四约束C4表示每个地面基站至多可以占用Nr个卫星链路子信道;
第五约束C5表示卫星的每个链路子信道只能允许一个地面基站占用;
第六约束C6表示星地网络耦合约束,即地面基站消耗的回程资源不能超过卫星提供的回程容量。
步骤3,通过引入拉格朗日乘子向量,得到拉格朗日函数,将星座网络资源调度的数学模型写为对偶形式的凸优化模型,并对其进行解耦。
(3.1)设引入拉格朗日乘子向量的分量个数为NTBS,将拉格朗日乘子向量表示为:
λ=(λm|m=1,2,...,NTBS)≥0
其中,λm表示地面基站TBSm的拉格朗日乘子向量;
(3.2)根据拉格朗日乘子向量λ,构建拉格朗日函数L(X,B,λ):
其中,X和B分别为地面网络和卫星网络的资源调度决策矩阵,
(3.3)求取拉格朗日函数L(X,B,λ)在以资源调度决策变量X和B为自变量情况下的极大值,再将X和B视为常量,以拉格朗日乘子向量λ为自变量,求取拉格朗日函数L(X,B,λ)的极小值,即利用拉格朗日函数L(X,B,λ)将星座网络资源调度数学模型改写为如下对偶形式的凸优化模型:
(3.4)对凸优化模型进行解耦,得到地面网络资源调度子模型P1和卫星网络资源调度子模型P2:
(3.4.1)对用拉格朗日函数L(X,B,λ)表示的对偶函数以及前五个约束进行拆分,得到对偶函数的前两个项和三个约束C1、C2和C3,即为地面网络资源调度子模型P1,其旨在最大化地面用户合速率的同时尽可能节省回程资源的消耗,表示如下:
受限于:C1:xm,j,c≤am,j
(3.4.2)对用拉格朗日函数L(X,B,λ)表示的对偶函数以及前五个约束进行拆分,得到最后一项和两个约束C4和C5,即为卫星网络资源调度子模型P2,其旨在通过对卫星间干扰进行管控来最大化卫星回程容量,表示如下:
步骤4,对地面网络资源调度子模型P1和卫星网络资源调度子模型P2进行迭代优化,得到最优的地面网络资源调度决策和卫星网络资源调度决策。
(4.1)初始化迭代次数为1,初始化拉格朗日乘子向量各分量的取值为1;
(4.2)地面基站对卫星运行轨迹进行预测,得到卫星即将到达的空间位置以及卫星与地面基站之间的信道状态信息,基于该预测结果计算卫星链路子信道的信噪比SNR,公式如下:
其中,SNRs,m,k表示卫星SATs对基站TBSm在子信道上的子信道信噪比,ps,m,k表示卫星SATs对基站TBSm在子信道上的发射功率,hs,m,k表示卫星SATs与基站TBSm之间的通信链路在子信道上的信道功率增益,Is,m,k表示基站TBSm受到在子信道上的同频干扰,σ2表示基站TBSm接收端的高斯白噪声功率;
(4.4)基于当前的拉格朗日乘子向量λ和协同计算因子α,根据卫星网络链路状态,设计卫星网络资源最佳的频域资源调度决策:
参照图3,本步骤的具体实现如下:
(4.4.1)初始化卫星网络资源调度决策变量B;
(4.4.2)为每一个卫星子信道匹配一对信道质量最佳的低轨卫星s*和地面基站m*:
(4.4.3)地面基站从收到的卫星-子信道对的匹配请求中,按照信道质量的降序选择前Nr个卫星-子信道对,并对于每一个匹配成功的卫星-基站对,设其如下偏好:
(4.4.4)每一对已经匹配的卫星-基站对,根据偏好选择两对卫星-基站对,选择公式如下:
其中,λm表示地面基站TBSm的拉格朗日乘子向量;
(4.4.6)地面基站从收到的卫星-子信道对的匹配请求中,按照信道质量的降序选择前Nr个卫星-子信道对;
(4.4.7)判断是否得到最佳的卫星网络资源调度决策:
如果已匹配的卫星-基站对的匹配偏好不为0,则重复(4.4.4)到(4.4.6);
如果所有已匹配的卫星-基站对的匹配偏好都为0,则当前得到的卫星、基站和子信道之间的关联关系即为最佳的卫星网络资源调度决策。
(4.5)基于当前的拉格朗日乘子向量λ,根据地面网络链路状态以及用户接入网传输内容,设计地面网络资源最佳的频域资源调度决策:
参照图4,本步骤的具体实现如下:
(4.5.1)根据用户请求文件的缓存情况对所有用户进行划分,如果请求文件被基站缓存,则用户被划入本地用户组,如果请求文件未被基站缓存,则用户被划入回程用户组;
(4.5.2)初始化地面网络资源调度决策变量X;
(4.5.3)为每一个地面子信道匹配一对信道质量最佳的地面用户j*和地面基站m*:
(4.5.4)用户从收到的基站-子信道对的匹配请求中,选择具有最佳信道质量的基站-子信道对,并对每一个匹配成功的用户-基站对,设其如下偏好:
(4.5.5)每一对已匹配的用户-基站对,根据偏好选择两对用户-基站对:
(4.5.7)判断匹配对对系统的影响:
如果该匹配对导致系统的负增益,则拒绝该匹配对;
(4.5.8)判断是否得到最佳的地面网络资源调度决策:
如果已匹配的基站-用户对的匹配偏好不为0,则重复(4.5.5)到(4.5.7);
如果所有已匹配的基站-用户对的匹配偏好都为0,则当前得到的基站、用户和子信道之间的关联关系即为最佳的地面网络资源调度决策。
(4.6)根据本次迭代中卫星网络和地面网络的资源调度决策,使用梯度下降法更新拉格朗日乘子向量λ,即其中,λ(t)是当前时刻t的拉格朗日乘子向量,λ(t+1)是下一时刻t+1的拉格朗日乘子向量,θ(t)是关于t的单调递减指数函数,L(X,B,λ)为拉格朗日函数,表示关于λ的梯度;
(4.7)设定ε为拉格朗日迭代参数,判断θ(t)是否满足|θ(t+1)-θ(t)|<ε的收敛条件:
若满足,则输出卫星网络资源最佳的频域资源调度决策和地面网络资源最佳的频域资源调度决策;
否则,重复(4.4)到(4.6),直到满足收敛条件。
下面结合仿真实验对本发明方法的效果做进一步的说明:
1.仿真实验条件:
本发明仿真实验场景为用户随机分布在一个3km×3km的区域,35个基站被统一固定部署。缓存策略为随机缓存,网络中共有500份流行文件,本地最大缓存容量为40份,即总量的8%。C波段带宽为100MHz,有273个子信道,Ka波段带宽为400MHz,有8个子信道。本文用瑞利衰落来描述C波段的小尺度衰落,用莱斯衰落来描述Ka波段的小尺度衰落。地面网络考虑了城市微蜂窝损耗模型,卫星网络考虑了自由空间路径损耗模型。方振中模拟了四种OneWeb星座规模的密集部署,每种规模中都有36个轨道面,每个轨道面的卫星数分别为40、55、75和100。基于STK 11.6产生OneWeb和SpaceX卫星星座系统中的卫星实际轨迹数据。
本发明的仿真实验的软件平台为:Windows 10操作系统、MATLAB 2018b仿真软件、STK 11.6仿真软件。
2.仿真内容及结果分析:
仿真1,在不同的协同计算因子α下,用本发明仿真OneWeb和SpaceX星座的卫星回程容量,结果如图5。
由图5可见,OneWeb和SpaceX星座的回程容量随着α的增大呈现先增后减的变化趋势,α=1表示大规模星座网络中不考虑协同计算,当α=0.36时,OneWeb星座的回程容量增加至少15%,其回程容量最大,表明协同计算能够有效提升OneWeb和SpaceX星座的回程容量,这是因为本发明通过基站预测了低轨卫星的轨迹,并通过协同计算调整匹配过程中的卫星数量,即在α较小的情况下,本发明在匹配过程中去除了即将飞出基站视距范围的低轨卫星,有效的提升了回程容量。在α>0.36的情况下,匹配过程中的可用卫星数量逐渐减少,回程容量呈下降趋势。根据回程容量的变化趋势,本发明在后续的模拟中采用0.36作为基准α。
仿真2,在不同用户密度和协同计算因子α下,用本发明仿真基于OneWeb星座的网络接入容量,结果如图6。
由图6可见,在基准α的情况下,网络的接入容量可以相比未应用协同计算的情况获得至少7%的提升,表明协同计算对星地一体化网络的接入容量具有重要作用。通过协同计算,基站可以避免连接到即将离开视距范围的卫星,防止基站和卫星出现断续连接的情况。
仿真3,在不同用户密度下,用本发明与现有理想回程方案及经典盖尔-沙普利匹配方案,仿真基于OneWeb星座的网络接入容量,结果如图7。
由图7可见,三种方案的接入容量均随着用户密度的增长而逐渐增加,但本发明与传统匹配方案相比实现了更高的回程容量,使得基站可以服务更多的回程用户,从而获得更高的接入容量,且本发明在OneWeb星座下的接入容量与理想回程方案之间只有不到4%的间隙。
仿真4,在不同用户密度下,用本发明与现有理想回程方案以及经典盖尔-沙普利匹配方案,仿真基于SpaceX星座的网络接入容量,结果如图8。
由图8可见,三种方案的接入容量均随着用户密度的增长而逐渐增加,但本发明与传统匹配方案相比实现了更高的回程容量,使得基站可以服务更多的回程用户,从而获得更高的接入容量,且本发明在SpaceX星座下的接入容量与理想回程方案之间只有不到3%的间隙。
图7和图8表明,在SpaceX星座下本发明得到的接入容量比OneWeb卫星星座下的接入容量略接近理想回程方案,这是因为虽然SpaceX星座可以提供更高的回程容量,但最优的地面网络资源调度方案决定了网络能够服务的回程用户数量。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种面向星地协同计算的大规模星座网络资源调度方法,其特征在于,包括如下:
(1)初始化星座网络资源调度系统中的NSAT颗卫星S,NTBS个地面基站M,NGU个地面用户J:
S=(SATs|s=1,2,...,NSAT),M=(TBSm|m=1,2,...,NTBS),J=(GUj|j=1,2,...,NGU)
其中,NSAT颗卫星与NTBS个地面基站之间的通信链路包括带宽相等的NK个子信道K,NTBS个地面基站与NGU个地面用户之间的通信链路包括带宽相等的NC个子信道C:
(2)建立星座网络资源调度的数学模型:
(2a)设地面网络资源调度决策变量和卫星网络资源调度决策变量分别为xm,j,c和bs,m,k,其中,m∈M,j∈J,c∈C,k∈K,xm,j,c=1,表示地面用户GUj通过子信道接入到基站TBSm,xm,j,c=0,表示地面用户GUj未通过子信道接入到基站TBSm,bs,m,k=1,表示基站TBSm通过子信道接入到卫星SATs,bs,m,k=0,表示基站TBSm未通过子信道接入到卫星SATs;
(2b)设Rm,j,c表示用户GUj的传输速率,通过资源调度决策变量xm,j,c和bs,m,k表征星座网络中低轨卫星、地面基站、地面用户和子信道之间的关联规则以及基站获取回程的规则,用这两种规则作为星座网络中地面用户和地面基站分别从地面基站和低轨卫星获取服务的约束,得到对最大化地面用户合速率的优化目标,即星座网络资源调度的数学模型;
(3)引入拉格朗日乘子向量λ,得到拉格朗日函数L(X,B,λ),将上述数学模型写为对偶形式的凸优化模型,并对其进行解耦得到地面网络资源调度子模型P1和卫星网络资源调度子模型P2,其中X和B分别为地面网络和卫星网络的资源调度决策矩阵,
(4)对地面网络资源调度子模型P1和卫星网络资源调度子模型P2进行迭代优化,得到最优的地面网络资源调度决策和卫星网络资源调度决策:
(4a)初始化迭代次数为1,初始化拉格朗日乘子向量各分量的取值为1;
(4b)地面基站对卫星运行轨迹进行预测,得到卫星即将到达的空间位置以及卫星与地面基站之间的信道状态信息,基于该预测结果计算卫星链路子信道的信噪比SNR,将该信噪比SNR与预设的信噪比门限值进行比较,得到高于预设信噪比门限值的卫星数目NSNR,计算协同计算因子
(4c)基于当前的拉格朗日乘子向量λ和协同计算因子α,根据卫星网络链路状态,设计卫星网络资源最佳的频域资源调度决策;
(4d)基于当前的拉格朗日乘子向量λ,根据地面网络链路状态以及用户接入网传输内容,设计地面网络资源最佳的频域资源调度决策;
(4e)根据本次迭代中卫星网络和地面网络的资源调度决策,使用梯度下降法更新拉格朗日乘子向量λ,即其中,λ(t)是当前时刻t的拉格朗日乘子向量,λ(t+1)是下一时刻t+1的拉格朗日乘子向量,θ(t)是关于t的单调递减指数函数,L(X,B,λ)为拉格朗日函数,表示关于λ的梯度;
(4f)设定ε为拉格朗日迭代参数,判断θ(t)是否满足|θ(t+1)-θ(t)|<ε的收敛条件:
若满足,则输出卫星网络资源最佳的频域资源调度决策和地面网络资源最佳的频域资源调度决策
否则,重复(4c)到(4e),直到满足收敛条件。
2.根据权利要求书所述的方法,其特征在于,所述(2b)中通过资源调度决策变量xm,j,c和bs,m,k表征星座网络中低轨卫星、地面基站、地面用户和子信道之间的关联规则以及基站获取回程的规则,实现如下:
(2b1)星座网络中低轨卫星、地面基站、地面用户和子信道之间的关联规则:
设am,j表示用户与基站之间的覆盖关系,在地面网络中通过最小直线距离判定覆盖关系:若am,j=1,则表示地面用户GUj被基站TBSm覆盖,若am,j=0,则表示地面用户GUj未被基站TBSm覆盖;
(2b2)基站获取回程的规则
设网络中存在N份文件为:F=(fn|n=1,2,...,N),其中fn表示第n份文件;
若基站未缓存用户所请求的文件,基站将通过卫星提供回程从核心网获取文件,Cm表示卫星为基站TBSm提供的回程容量,同时,基站从获得的卫星回程容量中消耗固定的回程资源Uback;
3.根据权利要求书所述的方法,其特征在于,所述(2b)中所述两种规则作为星座网络中地面用户和地面基站分别从地面基站和低轨卫星获取服务的约束,表示为如下6种:
C1:xm,j,c≤am,j
其中:第一约束C1表示了最小距离覆盖约束,即地面用户选择距离最近的基站去接入网络,am,j刻画了基站TBSm与用户GUj之间的关联关系;
第二约束C2表示每个地面用户只能占用一个地面链路子信道;
第三约束C3表示基站的每个链路子信道只能允许被一个地面用户占用;
第四约束C4表示每个地面基站至多可以占用Nr个卫星链路子信道;
第五约束C5表示卫星的每个链路子信道只能允许一个地面基站占用;
4.根据权利要求书所述的方法,其特征在于,所述(3)引入拉格朗日乘子向量λ,得到拉格朗日函数L(X,B,λ),将数学模型写为对偶形式的凸优化模型,实现如下:
(3a)设引入拉格朗日乘子向量的分量个数为NTBS,将拉格朗日乘子向量表示为:
λ=(λm|m=1,2,...,NTBS)≥0
其中,λm表示地面基站TBSm的拉格朗日乘子向量;
(3b)根据拉格朗日乘子向量λ,构建拉格朗日函数L(X,B,λ):
其中,Cm表示卫星为基站TBSm提供的回程容量,Uback表示基站请求一次文件所消耗的回程资源,刻画了用户的请求是否能在关联基站得到满足:表示基站TBSm的缓存内容中包含了用户GUj的请求文件,表示基站TBSm的缓存内容中未包含用户GUj的请求文件;
(3c)求取拉格朗日函数L(X,B,λ)在以资源调度决策变量X和B为自变量情况下的极大值,再将X和B视为常量,以拉格朗日乘子向量λ为自变量,求取拉格朗日函数L(X,B,λ)的极小值,即利用拉格朗日函数L(X,B,λ)将星座网络资源调度数学模型改写为如下对偶形式的凸优化模型:
7.根据权利要求书所述的方法,其特征在于,所述(4c)中设计卫星网络资源最佳的频域资源调度决策,实现如下:
(4c1)初始化卫星网络资源调度决策变量B;
(4c2)为每一个卫星子信道匹配一对信道质量最佳的低轨卫星s*和地面基站m*:
(4c3)地面基站从收到的卫星-子信道对的匹配请求中,按照信道质量的降序选择前Nr个卫星-子信道对,对于每一个匹配成功的卫星-基站对,设其如下偏好:
(4c4)每一对已经匹配的卫星-基站对,根据偏好选择两对卫星-基站对,选择公式如下:
其中,λm表示地面基站TBSm的拉格朗日乘子向量;
(4c6)地面基站从收到的卫星-子信道对的匹配请求中,按照信道质量的降序选择前Nr个卫星-子信道对;
(4c7)判断是否得到最佳的卫星网络资源调度决策:
如果已匹配的卫星-基站对的匹配偏好不为0,则重复(4c4)到(4c6);
如果所有已匹配的卫星-基站对的匹配偏好都为0,则当前得到的卫星、基站和子信道之间的关联关系即为最佳的卫星网络资源调度决策。
8.根据权利要求书所述的方法,其特征在于,所述(4d)中设计地面网络资源最佳的频域资源调度决策,实现如下:
(4d1)根据用户请求文件的缓存情况对所有用户进行划分,如果请求文件被基站缓存,则用户被划入本地用户组,如果请求文件未被基站缓存,则用户被划入回程用户组;
(4d2)初始化地面网络资源调度决策变量X;
(4d3)为每一个地面子信道匹配一对信道质量最佳的地面用户j*和地面基站m*:
(4d4)用户从收到的基站-子信道对的匹配请求中,选择具有最佳信道质量的基站-子信道对,并对每一个匹配成功的用户-基站对,设其如下偏好:
(4d5)每一对已匹配的用户-基站对,根据偏好选择两对用户-基站对:
如果该匹配对导致系统的负增益,则拒绝该匹配对;
(4d7)判断是否得到最佳的地面网络资源调度决策:
如果已匹配的基站-用户对的匹配偏好不为0,则重复(4d5)和(4d6);
如果所有已匹配的基站-用户对的匹配偏好都为0,则当前得到的基站、用户和子信道之间的关联关系即为最佳的地面网络资源调度决策。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211242770.8A CN115801091A (zh) | 2022-10-11 | 2022-10-11 | 面向星地协同计算的大规模星座网络资源调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211242770.8A CN115801091A (zh) | 2022-10-11 | 2022-10-11 | 面向星地协同计算的大规模星座网络资源调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115801091A true CN115801091A (zh) | 2023-03-14 |
Family
ID=85432782
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211242770.8A Pending CN115801091A (zh) | 2022-10-11 | 2022-10-11 | 面向星地协同计算的大规模星座网络资源调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115801091A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116567762A (zh) * | 2023-07-12 | 2023-08-08 | 成都本原星通科技有限公司 | 一种基于多QoS优化的星地协同选择接入控制方法 |
CN117255334A (zh) * | 2023-11-17 | 2023-12-19 | 国网浙江省电力有限公司信息通信分公司 | 一种面向应急卫星通信的多级协同调度方法及系统 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110099388A (zh) * | 2019-03-21 | 2019-08-06 | 世讯卫星技术有限公司 | 一种与5g网络融合的卫星移动通信方法 |
US20190324441A1 (en) * | 2017-08-02 | 2019-10-24 | Strong Force Iot Portfolio 2016, Llc | Data collection systems with pattern analysis for an industrial environment |
WO2020051685A1 (en) * | 2018-09-10 | 2020-03-19 | Telesat Canada | Resource deployment optimizer for non-geostationary and/or geostationary communications satellites |
CN111163520A (zh) * | 2019-12-27 | 2020-05-15 | 东方红卫星移动通信有限公司 | 一种低轨卫星通信系统的动态资源分配方法 |
US20200196209A1 (en) * | 2018-12-12 | 2020-06-18 | At&T Intellectual Property I, L.P. | Framework for a 6g ubiquitous access network |
CN111447631A (zh) * | 2020-03-05 | 2020-07-24 | 南京邮电大学 | 基于非正交多址技术的星地联合波束形成和功率分配方法 |
WO2020173438A1 (zh) * | 2019-02-27 | 2020-09-03 | 华为技术有限公司 | 一种卫星协作通信的方法、装置及系统 |
CN111641450A (zh) * | 2020-06-02 | 2020-09-08 | 西安电子科技大学 | 星地一体化网络通信与缓存资源联合调度方法 |
CN111865398A (zh) * | 2020-07-01 | 2020-10-30 | 哈尔滨工业大学(深圳) | 一种大规模leo卫星部署下的星地传输方法 |
CN112583566A (zh) * | 2020-12-03 | 2021-03-30 | 国网甘肃省电力公司信息通信公司 | 一种基于空天地一体化系统的网络资源分配方法 |
CN113014305A (zh) * | 2021-02-23 | 2021-06-22 | 哈尔滨工业大学 | 基于优先级准入控制的功率带宽联合资源优化方法 |
US20210194571A1 (en) * | 2019-12-24 | 2021-06-24 | Huawei Technologies Co., Ltd. | Terrestrial and non-terrestrial communication systems, apparatuses, and methods |
CN113711643A (zh) * | 2019-04-15 | 2021-11-26 | 诺基亚通信公司 | 网络切片中的资源分配 |
CN114124192A (zh) * | 2021-10-25 | 2022-03-01 | 北京邮电大学 | 一种基于卫星网络的覆盖扩展系统及方法 |
EP4002719A1 (en) * | 2020-11-20 | 2022-05-25 | Mitsubishi Electric R&D Centre Europe B.V. | Assistance for rach procedure in non-terrestrial networks |
CN115103396A (zh) * | 2022-05-30 | 2022-09-23 | 南京邮电大学 | 5g弹性覆盖系统多回程链路选择与功率分配联合优化方法 |
CN115119211A (zh) * | 2022-06-23 | 2022-09-27 | 北京鹏鹄物宇科技发展有限公司 | 星地一体化系统网络架构及其资源分配方法 |
-
2022
- 2022-10-11 CN CN202211242770.8A patent/CN115801091A/zh active Pending
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190324441A1 (en) * | 2017-08-02 | 2019-10-24 | Strong Force Iot Portfolio 2016, Llc | Data collection systems with pattern analysis for an industrial environment |
WO2020051685A1 (en) * | 2018-09-10 | 2020-03-19 | Telesat Canada | Resource deployment optimizer for non-geostationary and/or geostationary communications satellites |
US20200196209A1 (en) * | 2018-12-12 | 2020-06-18 | At&T Intellectual Property I, L.P. | Framework for a 6g ubiquitous access network |
WO2020173438A1 (zh) * | 2019-02-27 | 2020-09-03 | 华为技术有限公司 | 一种卫星协作通信的方法、装置及系统 |
CN110099388A (zh) * | 2019-03-21 | 2019-08-06 | 世讯卫星技术有限公司 | 一种与5g网络融合的卫星移动通信方法 |
CN113711643A (zh) * | 2019-04-15 | 2021-11-26 | 诺基亚通信公司 | 网络切片中的资源分配 |
US20210194571A1 (en) * | 2019-12-24 | 2021-06-24 | Huawei Technologies Co., Ltd. | Terrestrial and non-terrestrial communication systems, apparatuses, and methods |
CN111163520A (zh) * | 2019-12-27 | 2020-05-15 | 东方红卫星移动通信有限公司 | 一种低轨卫星通信系统的动态资源分配方法 |
CN111447631A (zh) * | 2020-03-05 | 2020-07-24 | 南京邮电大学 | 基于非正交多址技术的星地联合波束形成和功率分配方法 |
CN111641450A (zh) * | 2020-06-02 | 2020-09-08 | 西安电子科技大学 | 星地一体化网络通信与缓存资源联合调度方法 |
CN111865398A (zh) * | 2020-07-01 | 2020-10-30 | 哈尔滨工业大学(深圳) | 一种大规模leo卫星部署下的星地传输方法 |
EP4002719A1 (en) * | 2020-11-20 | 2022-05-25 | Mitsubishi Electric R&D Centre Europe B.V. | Assistance for rach procedure in non-terrestrial networks |
CN112583566A (zh) * | 2020-12-03 | 2021-03-30 | 国网甘肃省电力公司信息通信公司 | 一种基于空天地一体化系统的网络资源分配方法 |
CN113014305A (zh) * | 2021-02-23 | 2021-06-22 | 哈尔滨工业大学 | 基于优先级准入控制的功率带宽联合资源优化方法 |
CN114124192A (zh) * | 2021-10-25 | 2022-03-01 | 北京邮电大学 | 一种基于卫星网络的覆盖扩展系统及方法 |
CN115103396A (zh) * | 2022-05-30 | 2022-09-23 | 南京邮电大学 | 5g弹性覆盖系统多回程链路选择与功率分配联合优化方法 |
CN115119211A (zh) * | 2022-06-23 | 2022-09-27 | 北京鹏鹄物宇科技发展有限公司 | 星地一体化系统网络架构及其资源分配方法 |
Non-Patent Citations (9)
Title |
---|
BOYA DI: "Ultra-Dense LEO: Integrating Terrestrial-Satellite Networks Into 5G and Beyond for Data Offloading", 《IEEE TRANSACTIONS ON WIRELESS COMMUNICATIONS 》, 9 December 2018 (2018-12-09) * |
MIN SHENG: "Resource Scheduling in Satellite Networks A Sparse Representation Based Machine Learning Approach", 《2021 IEEE GLOBAL COMMUNICATIONS CONFERENCE》, 2 February 2022 (2022-02-02) * |
YAOMIN ZHANG: "Resource Allocation in Terrestrial-Satellite-Based Next Generation Multiple Access Networks With Interference Cooperation", 《IEEE JOURNAL ON SELECTED AREAS IN COMMUNICATIONS 》, 26 January 2022 (2022-01-26) * |
付书航: "空天地海一体化网络体系架构与网络切片技术", 《空天地海一体化》, 15 September 2021 (2021-09-15) * |
倪爽: "星地一体化网络接入与存储资源协同管控技术研究", 《中国优秀硕士学位论文全文数据库-信息科技辑》, 15 April 2022 (2022-04-15) * |
孙伟: "基于星地协同的传输机理和资源分配方法研究", 《中国优秀硕士学位论文全文数据库-信息科技辑》, 15 March 2022 (2022-03-15) * |
席博: "卫星物联网场景下基于协作波...成形技术的随机接入方法研究", 《中国优秀硕士学位论文全文数据库-信息科技辑》, 15 March 2022 (2022-03-15) * |
杨宗晗: "面向星地协同的传输策略与资源调度研究", 《中国优秀硕士学位论文全文数据库-信息科技辑》, 15 March 2022 (2022-03-15) * |
邓旭: "星地融合网络的多址接入与资源分配研究", 《中国优秀硕士学位论文全文数据库-信息科技辑》, 29 August 2022 (2022-08-29) * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116567762A (zh) * | 2023-07-12 | 2023-08-08 | 成都本原星通科技有限公司 | 一种基于多QoS优化的星地协同选择接入控制方法 |
CN117255334A (zh) * | 2023-11-17 | 2023-12-19 | 国网浙江省电力有限公司信息通信分公司 | 一种面向应急卫星通信的多级协同调度方法及系统 |
CN117255334B (zh) * | 2023-11-17 | 2024-01-26 | 国网浙江省电力有限公司信息通信分公司 | 一种面向应急卫星通信的多级协同调度方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109413724B (zh) | 一种基于mec的任务卸载和资源分配方案 | |
CN111641450B (zh) | 星地一体化网络通信与缓存资源联合调度方法 | |
CN107819840B (zh) | 超密集网络架构中分布式移动边缘计算卸载方法 | |
CN112616189B (zh) | 一种静态和动态相结合的毫米波波束资源分配与优化方法 | |
CN115801091A (zh) | 面向星地协同计算的大规模星座网络资源调度方法 | |
Zhou et al. | Communication-and-computing latency minimization for UAV-enabled virtual reality delivery systems | |
CN109194763B (zh) | 一种超密集网络中基于小型基站自组织协作的缓存方法 | |
CN111800812B (zh) | 一种应用在非正交多址接入的移动边缘计算网络中的用户接入方案的设计方法 | |
CN111865398B (zh) | 一种大规模leo卫星部署下的星地传输方法 | |
CN106791887B (zh) | 无线网络中视频的分布式缓存和传输优化方法 | |
CN114051254B (zh) | 一种基于星地融合网络的绿色云边协同计算卸载方法 | |
CN108093435B (zh) | 基于缓存流行内容的蜂窝下行链路网络能效优化系统及方法 | |
CN107682935B (zh) | 一种基于系统稳定性的无线自回传资源调度方法 | |
CN110602722B (zh) | 一种基于noma的联合内容推送和传输的设计方法 | |
CN112994776B (zh) | 一种适于高通量卫星通信的信关站抗雨衰切换方法及装置 | |
Ni et al. | Joint optimization of user association and resource allocation in cache-enabled terrestrial-satellite integrating network | |
CN112654058A (zh) | D2d多播网络中的移动边缘计算卸载与资源分配算法 | |
CN115866787A (zh) | 融合终端直传通信和多接入边缘计算的网络资源分配方法 | |
CN108566636A (zh) | 面向不同用户偏好的d2d随机缓存布设方法 | |
Leng et al. | User-level scheduling and resource allocation for multi-beam satellite systems with full frequency reuse | |
CN109831759B (zh) | 一种基于软件定义无线网络的三维d2d匹配算法 | |
Yuan et al. | Joint beam direction control and radio resource allocation in dynamic multi-beam leo satellite networks | |
CN113382426B (zh) | 一种保障用户移动性和时延需求的分布式用户关联方法 | |
CN108668288B (zh) | 用于优化无线缓存网络中小基站位置的方法 | |
Ke et al. | Task offloading, caching and matching in ultra-dense relay networks |
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 |