CN116260507B - 一种双层卫星网络协同分簇方法、系统、设备及存储介质 - Google Patents
一种双层卫星网络协同分簇方法、系统、设备及存储介质 Download PDFInfo
- Publication number
- CN116260507B CN116260507B CN202310548974.2A CN202310548974A CN116260507B CN 116260507 B CN116260507 B CN 116260507B CN 202310548974 A CN202310548974 A CN 202310548974A CN 116260507 B CN116260507 B CN 116260507B
- Authority
- CN
- China
- Prior art keywords
- orbit
- satellite
- clustering
- orbit satellite
- satellites
- 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
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000002068 genetic effect Effects 0.000 claims abstract description 46
- 238000005265 energy consumption Methods 0.000 claims abstract description 40
- 239000010410 layer Substances 0.000 claims description 71
- 239000002355 dual-layer Substances 0.000 claims description 21
- 238000004891 communication Methods 0.000 claims description 17
- 238000010276 construction Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 10
- 239000011229 interlayer Substances 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000000349 chromosome Anatomy 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 229910052741 iridium Inorganic materials 0.000 description 1
- GKOZUEZYRPOHIO-UHFFFAOYSA-N iridium atom Chemical compound [Ir] GKOZUEZYRPOHIO-UHFFFAOYSA-N 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
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
- H04B7/18513—Transmission in a satellite or space-based system
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/12—Communication route or path selection, e.g. power-based or shortest path routing based on transmission quality or channel quality
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/24—Connectivity information management, e.g. connectivity discovery or connectivity update
- H04W40/32—Connectivity information management, e.g. connectivity discovery or connectivity update for defining a routing cluster membership
-
- 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)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Radio Relay Systems (AREA)
Abstract
本发明公开了一种双层卫星网络协同分簇方法、系统、设备及存储介质，本方法通过根据轨道数据，计算卫星之间的可见性和不可见性，并基于可见性和不可见性，采用遗传算法对双层卫星网络进行协同分簇；根据可见时间，所建立链路的传播时延以及能量消耗速率计算分簇候选解的适应度；根据多个分簇候选解进行交叉操作生成新的候选解，将新的候选解作为下一次迭代需选取的一组分簇候选解，并进行迭代直到遗传算法终止；将当前中轨卫星的最优适应度分簇解与接收的相邻的中轨卫星的最优适应度分簇解进行比较，获得最优分簇结果；根据最优分簇结果，获取低轨卫星和中轨卫星之间的链路状态。本发明能够高效地实时获取链路状态信息，能够达到负载均衡。
Description
技术领域
本发明涉及卫星通信技术领域，尤其是涉及一种双层卫星网络协同分簇方法、系统、设备及存储介质。
背景技术
在卫星网络中，如何高效地实时获取链路状态信息是卫星网络面临的主要挑战。在轨卫星的高速移动使得星间链路不断切换，从而导致卫星网络拓扑结构不断变化；此外，星间链路的可用带宽、时延等参数也随时间、地域的变化而改变。这些信息统称为链路状态信息，是实时计算路由表的基础，只有及时感知到卫星网络全局的链路状态信息，才可以为指令传输、数据传输以及应对突发情况做好准备。
在多层卫星网络系统中，星间链路可以分为层内链路和层间链路两种，其中层间链路为不同轨道层之间的卫星建立的星间链路。通常情况下，高轨道（相对低轨道高的轨道）的卫星数量要比低轨道的少，因此，一颗高轨道的卫星通常会与多颗低轨道的卫星建立层间链路，而一颗低轨道的卫星往往只与一颗高轨道的卫星保持通信。但是这颗低轨道的卫星视野中可能同时存在多颗高轨道的卫星，如何去选择最优的高轨道的卫星建立链路是一个主要难题。
针对多层卫星网络系统中实时获取链路状态信息这个难题，现有研究工作通过由高轨道的卫星收集低轨道的卫星的之间的链路状态信息，以进行路由表计算。而在这种方法中，仍然存在如何在低轨道的卫星与高轨道的卫星之间选择建立链路对象的问题。因此，现有的研究并不能很好的解决在多层卫星网络系统中高效地实时获取链路状态信息的问题。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种双层卫星网络协同分簇方法、系统、设备及存储介质，能够高效地实时获取链路状态信息，能够达到负载均衡，并减少迭代次数，节约时间成本。
第一方面，本发明实施例提供了一种双层卫星网络协同分簇方法，所述双层卫星网络包括多颗位于低轨道卫星层的低轨卫星和多颗位于中轨道卫星层且计算能力强于所述低轨卫星的中轨卫星，所述双层卫星网络协同分簇方法包括：
获取所述双层卫星网络中每一颗卫星的轨道数据；
根据所述轨道数据，计算卫星之间的可见性和不可见性，并基于所述可见性和所述不可见性，采用遗传算法对所述双层卫星网络进行协同分簇，其中，所述采用遗传算法对所述双层卫星网络进行协同分簇包括：基于所述可见性和所述不可见性，生成一组分簇候选解；其中，每个所述分簇候选解包括所有中轨卫星与所有低轨卫星之间一颗中轨卫星和多颗低轨卫星通信连接且一颗低轨卫星仅与一颗中轨卫星构建链路连接；
计算所述分簇候选解中的中轨卫星和低轨卫星之间的可见时间，所建立链路的传播时延以及能量消耗速率，根据所述可见时间，所建立链路的传播时延以及能量消耗速率计算所述分簇候选解的适应度；
根据所述适应度从一组分簇候选解中选取多个所述分簇候选解，并根据所述多个所述分簇候选解进行交叉操作生成新的候选解，将所述新的候选解作为下一次迭代需选取的一组分簇候选解，并进行迭代直到所述遗传算法终止，得到每颗中轨卫星的最优适应度分簇解；
接收与当前中轨卫星相邻的中轨卫星得到的最优适应度分簇解，并将所述当前中轨卫星的最优适应度分簇解与接收的所述相邻的中轨卫星的最优适应度分簇解进行比较；若所述当前中轨卫星的最优适应度分簇解的适应度更高，则保留所述当前中轨卫星的最优适应度分簇解并不发送给其他中轨卫星；若接收的所述相邻的中轨卫星的最优适应度分簇解的适应度更高，则保留所述相邻的中轨卫星的最优适应度分簇解并将其转发给所述相邻的中轨卫星；通过每颗中轨卫星和与其相邻的中轨卫星进行若干次适应度比较后，使每颗中轨卫星获得最优分簇结果；
根据所述最优分簇结果，获取所述低轨卫星和所述中轨卫星之间的链路状态。
与现有技术相比，本发明第一方面具有以下有益效果：
本方法通过根据轨道数据，计算卫星之间的可见性和不可见性，并基于可见性和不可见性，采用遗传算法对双层卫星网络进行协同分簇，其中，采用遗传算法对双层卫星网络进行协同分簇包括：基于可见性和不可见性，生成一组分簇候选解；其中，每个分簇候选解包括所有中轨卫星与所有低轨卫星之间一颗中轨卫星和多颗低轨卫星通信连接且一颗低轨卫星仅与一颗中轨卫星构建链路连接；通过遗传算法协同分簇，让每颗卫星同时获得自身对应的一组分簇候选解，能够提高分簇效率；计算分簇候选解中的中轨卫星和低轨卫星之间的可见时间，所建立链路的传播时延以及能量消耗速率，根据可见时间，所建立链路的传播时延以及能量消耗速率计算分簇候选解的适应度，通过综合考虑链路持续时间、传播时延以及链路能量消耗，能够为后面更好地选取合适的候选解奠定基础；根据适应度从一组分簇候选解中选取多个分簇候选解，并根据多个分簇候选解进行交叉操作生成新的候选解，将新的候选解作为下一次迭代需选取的一组分簇候选解，并进行迭代直到遗传算法终止，得到每颗中轨卫星的最优适应度分簇解；适应度最优的候选解能够使得在某个卫星承担的数据传输量会很大，而其他卫星可能出现空闲状态时，使其他卫星帮忙承担一些数据传输量，从而达到负载均衡，降低传播时延，降低能耗；接收与当前中轨卫星相邻的中轨卫星得到的最优适应度分簇解，并将当前中轨卫星的最优适应度分簇解与接收的相邻的中轨卫星的最优适应度分簇解进行比较；若当前中轨卫星的最优适应度分簇解的适应度更高，则保留当前中轨卫星的最优适应度分簇解并不发送给其他中轨卫星；若接收的相邻的中轨卫星的最优适应度分簇解的适应度更高，则保留相邻的中轨卫星的最优适应度分簇解并将其转发给相邻的中轨卫星；通过每颗中轨卫星和与其相邻的中轨卫星进行若干次适应度比较后，使每颗中轨卫星获得最优分簇结果；根据最优分簇结果，获取低轨卫星和中轨卫星之间的链路状态，通过最优分簇结果能够高效地实时获取链路状态信息。
根据本发明的一些实施例，所述根据所述轨道数据，计算卫星之间的可见性和不可见性，包括：
计算任意两个中轨卫星A和低轨卫星B之间的最大可见链路长度：
计算任意两个所述中轨卫星A和所述低轨卫星B之间的最大地心角：
在时隙中，当所述中轨卫星A和所述低轨卫星B之间的星间距离/>和地心角/>同时满足/>和/>时，所述中轨卫星A和所述低轨卫星B之间相互可见，则可见性表示为：/>；若所述中轨卫星A和所述低轨卫星B之间相互不可见，则不可见性表示为：。
根据本发明的一些实施例，所述基于所述可见性和所述不可见性，生成一组分簇候选解，包括：
根据所述可见性和所述不可见性，采用单一链路参数计算每颗中轨卫星的最优适应度，并获取每颗中轨卫星的最优适应度对应的候选解；
采用遗传算法根据所述可见性和所述不可见性获得一组初始分簇候选解；
将所有单一链路参数计算获得的每颗中轨卫星的最优适应度对应的候选解加入每颗中轨卫星对应的初始分簇候选解中，获得一组分簇候选解。
根据本发明的一些实施例，所述单一链路参数为所述中轨卫星和所述低轨卫星之间的可见时间，所建立链路的传播时延以及能量消耗速率中的任一种。
根据本发明的一些实施例，所述分簇候选解的适应度通过如下公式进行计算：
其中，既表示中轨卫星的数量，也表示簇的数量，/>表示第k个簇，/>表示第/>颗卫星属于第k个簇，/>表示第k个簇簇成员的数量,/>表示第j个子函数的权重，/>、/>和表示子函数，/>表示适应度，/>表示第/>颗卫星的可见时间，/>表示第/>颗卫星的传播时延，/>表示第/>颗卫星的能量消耗速率，/>表示最大能量消耗速率。
根据本发明的一些实施例，在接收与当前中轨卫星相邻的中轨卫星得到的最优适应度分簇解之前，所述双层卫星网络协同分簇方法还包括：
由所有中轨卫星进行遗传算法协同计算，以便每颗中轨卫星同时获得自身最优适应度分簇解。
根据本发明的一些实施例，所述根据所述最优分簇结果，获取所述低轨卫星和所述中轨卫星之间的链路状态，包括：
根据所述最优分簇结果，使中轨卫星与相应的低轨卫星建立链路，并获取建立链路后的所述低轨卫星和所述中轨卫星之间的链路状态。
第二方面，本发明实施例还提供了一种双层卫星网络协同分簇系统，所述双层卫星网络包括多颗位于低轨道卫星层的低轨卫星和多颗位于中轨道卫星层且计算能力强于所述低轨卫星的中轨卫星，所述双层卫星网络协同分簇系统包括：
数据获取单元，用于获取所述双层卫星网络中每一颗卫星的轨道数据；
协同分簇单元，用于根据所述轨道数据，计算卫星之间的可见性和不可见性，并基于所述可见性和所述不可见性，采用遗传算法对所述双层卫星网络进行协同分簇，其中，所述采用遗传算法对所述双层卫星网络进行协同分簇包括：基于所述可见性和所述不可见性，生成一组分簇候选解；其中，每个所述分簇候选解包括所有中轨卫星与所有低轨卫星之间一颗中轨卫星和多颗低轨卫星通信连接且一颗低轨卫星仅与一颗中轨卫星构建链路连接；
适应度计算单元，用于计算所述分簇候选解中的中轨卫星和低轨卫星之间的可见时间，所建立链路的传播时延以及能量消耗速率，根据所述可见时间，所建立链路的传播时延以及能量消耗速率计算所述分簇候选解的适应度；
交叉操作单元，用于根据所述适应度从一组分簇候选解中选取多个所述分簇候选解，并根据所述多个所述分簇候选解进行交叉操作生成新的候选解，将所述新的候选解作为下一次迭代需选取的一组分簇候选解，并进行迭代直到所述遗传算法终止，得到每颗中轨卫星的最优适应度分簇解；
适应度比较单元，用于接收与当前中轨卫星相邻的中轨卫星得到的最优适应度分簇解，并将所述当前中轨卫星的最优适应度分簇解与接收的所述相邻的中轨卫星的最优适应度分簇解进行比较；若所述当前中轨卫星的最优适应度分簇解的适应度更高，则保留所述当前中轨卫星的最优适应度分簇解并不发送给其他中轨卫星；若接收的所述相邻的中轨卫星的最优适应度分簇解的适应度更高，则保留所述相邻的中轨卫星的最优适应度分簇解并将其转发给所述相邻的中轨卫星；通过每颗中轨卫星和与其相邻的中轨卫星进行若干次适应度比较后，使每颗中轨卫星获得最优分簇结果；
链路状态获取单元，用于根据所述最优分簇结果，获取所述低轨卫星和所述中轨卫星之间的链路状态。
第三方面，本发明实施例还提供了一种双层卫星网络协同分簇设备，包括至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器；所述存储器存储有可被所述至少一个控制处理器执行的指令，所述指令被所述至少一个控制处理器执行，以使所述至少一个控制处理器能够执行如上所述的一种双层卫星网络协同分簇方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如上所述的一种双层卫星网络协同分簇方法。
可以理解的是，上述第二方面至第四方面与相关技术相比存在的有益效果与上述第一方面与相关技术相比存在的有益效果相同，可以参见上述第一方面中的相关描述，在此不再赘述。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1是本发明一实施例的一种双层卫星网络协同分簇方法的流程图；
图2是本发明另一实施例的一种双层卫星网络协同分簇方法的结构示意图；
图3是本发明一实施例的低轨卫星和高轨卫星之间几何可见性示意图；
图4是本发明一实施例的遗传算法分簇流程示意图；
图5是本发明一实施例的一种双层卫星网络协同分簇系统的结构图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
在本发明的描述中，如果有描述到第一、第二等只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
在本发明的描述中，需要理解的是，涉及到方位描述，例如上、下等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
本发明的描述中，需要说明的是，除非另有明确的限定，设置、安装、连接等词语应做广义理解，所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。
在卫星网络中，如何高效地实时获取链路状态信息是卫星网络面临的主要挑战。在轨卫星的高速移动使得星间链路不断切换，从而导致卫星网络拓扑结构不断变化；此外，星间链路的可用带宽、时延等参数也随时间、地域的变化而改变。这些信息统称为链路状态信息，是实时计算路由表的基础，只有及时感知到卫星网络全局的链路状态信息，才可以为指令传输、数据传输以及应对突发情况做好准备。
在多层卫星网络系统中，星间链路可以分为层内链路和层间链路两种，其中层间链路为不同轨道层之间的卫星建立的星间链路。通常情况下，高轨道（相对低轨道高的轨道）的卫星数量要比低轨道的少，因此，一颗高轨道的卫星通常会与多颗低轨道的卫星建立层间链路，而一颗低轨道的卫星往往只与一颗高轨道的卫星保持通信。但是这颗低轨道的卫星视野中可能同时存在多颗高轨道的卫星，如何去选择最优的高轨道的卫星建立链路是一个主要难题。
针对多层卫星网络系统中实时获取链路状态信息这个难题，现有研究工作通过由高轨道的卫星收集低轨道的卫星的之间的链路状态信息，以进行路由表计算。而在这种方法中，仍然存在如何在低轨道的卫星与高轨道的卫星之间选择建立链路对象的问题。因此，现有的研究并不能很好的解决在多层卫星网络系统中高效地实时获取链路状态信息的问题。
为解决上述问题，本发明通过根据轨道数据，计算卫星之间的可见性和不可见性，并基于可见性和不可见性，采用遗传算法对双层卫星网络进行协同分簇，其中，采用遗传算法对双层卫星网络进行协同分簇包括：基于可见性和不可见性，生成一组分簇候选解；其中，每个分簇候选解包括所有中轨卫星与所有低轨卫星之间一颗中轨卫星和多颗低轨卫星通信连接且一颗低轨卫星仅与一颗中轨卫星构建链路连接；通过遗传算法协同分簇，让每颗卫星同时获得自身对应的一组分簇候选解，能够提高分簇效率；计算分簇候选解中的中轨卫星和低轨卫星之间的可见时间，所建立链路的传播时延以及能量消耗速率，根据可见时间，所建立链路的传播时延以及能量消耗速率计算分簇候选解的适应度，通过综合考虑链路持续时间、传播时延以及链路能量消耗，能够为后面更好地选取合适的候选解奠定基础；根据适应度从一组分簇候选解中选取多个分簇候选解，并根据多个分簇候选解进行交叉操作生成新的候选解，将新的候选解作为下一次迭代需选取的一组分簇候选解，并进行迭代直到遗传算法终止，得到每颗中轨卫星的最优适应度分簇解；适应度最优的候选解能够使得在某个卫星承担的数据传输量会很大，而其他卫星可能出现空闲状态时，使其他卫星帮忙承担一些数据传输量，从而达到负载均衡，降低传播时延，降低能耗；接收与当前中轨卫星相邻的中轨卫星得到的最优适应度分簇解，并将当前中轨卫星的最优适应度分簇解与接收的相邻的中轨卫星的最优适应度分簇解进行比较；若当前中轨卫星的最优适应度分簇解的适应度更高，则保留当前中轨卫星的最优适应度分簇解并不发送给其他中轨卫星；若接收的相邻的中轨卫星的最优适应度分簇解的适应度更高，则保留相邻的中轨卫星的最优适应度分簇解并将其转发给相邻的中轨卫星；通过每颗中轨卫星和与其相邻的中轨卫星进行若干次适应度比较后，使每颗中轨卫星获得最优分簇结果；根据最优分簇结果，获取低轨卫星和中轨卫星之间的链路状态，通过最优分簇结果能够高效地实时获取链路状态信息。
参照图1，本发明实施例提供了一种双层卫星网络协同分簇方法，双层卫星网络包括多颗位于低轨道卫星层的低轨卫星和多颗位于中轨道卫星层且计算能力强于低轨卫星的中轨卫星，本双层卫星网络协同分簇方法包括但不限于步骤S100至步骤S600，其中：
步骤S100、获取双层卫星网络中每一颗卫星的轨道数据；
步骤S200、根据轨道数据，计算卫星之间的可见性和不可见性，并基于可见性和不可见性，采用遗传算法对双层卫星网络进行协同分簇，其中，采用遗传算法对双层卫星网络进行协同分簇包括：基于可见性和不可见性，生成一组分簇候选解；其中，每个分簇候选解包括所有中轨卫星与所有低轨卫星之间一颗中轨卫星和多颗低轨卫星通信连接且一颗低轨卫星仅与一颗中轨卫星构建链路连接；
步骤S300、计算分簇候选解中的中轨卫星和低轨卫星之间的可见时间，所建立链路的传播时延以及能量消耗速率，根据可见时间，所建立链路的传播时延以及能量消耗速率计算分簇候选解的适应度；
步骤S400、根据适应度从一组分簇候选解中选取多个分簇候选解，并根据多个分簇候选解进行交叉操作生成新的候选解，将新的候选解作为下一次迭代需选取的一组分簇候选解，并进行迭代直到遗传算法终止，得到每颗中轨卫星的最优适应度分簇解；
步骤S500、接收与当前中轨卫星相邻的中轨卫星得到的最优适应度分簇解，并将当前中轨卫星的最优适应度分簇解与接收的相邻的中轨卫星的最优适应度分簇解进行比较；若当前中轨卫星的最优适应度分簇解的适应度更高，则保留当前中轨卫星的最优适应度分簇解并不发送给其他中轨卫星；若接收的相邻的中轨卫星的最优适应度分簇解的适应度更高，则保留相邻的中轨卫星的最优适应度分簇解并将其转发给相邻的中轨卫星；通过每颗中轨卫星和与其相邻的中轨卫星进行若干次适应度比较后，使每颗中轨卫星获得最优分簇结果；
步骤S600、根据最优分簇结果，获取低轨卫星和中轨卫星之间的链路状态。
在一些实施例的步骤S100至步骤S600中，为了能够提高分簇效率，本实施例通过获取双层卫星网络中每一颗卫星的轨道数据，根据轨道数据，计算卫星之间的可见性和不可见性，并基于可见性和不可见性，采用遗传算法对双层卫星网络进行协同分簇，其中，采用遗传算法对双层卫星网络进行协同分簇包括：基于可见性和不可见性，生成一组分簇候选解；其中，每个分簇候选解包括所有中轨卫星与所有低轨卫星之间一颗中轨卫星和多颗低轨卫星通信连接且一颗低轨卫星仅与一颗中轨卫星构建链路连接；为了达到负载均衡，降低传播时延，降低能耗，本实施例通过计算分簇候选解中的中轨卫星和低轨卫星之间的可见时间，所建立链路的传播时延以及能量消耗速率，根据可见时间，所建立链路的传播时延以及能量消耗速率计算分簇候选解的适应度，根据适应度从一组分簇候选解中选取多个分簇候选解，并根据多个分簇候选解进行交叉操作生成新的候选解，将新的候选解作为下一次迭代需选取的一组分簇候选解，并进行迭代直到遗传算法终止，得到每颗中轨卫星的最优适应度分簇解；为了能够高效地实时获取链路状态信息，本实施例通过接收与当前中轨卫星相邻的中轨卫星得到的最优适应度分簇解，并将当前中轨卫星的最优适应度分簇解与接收的相邻的中轨卫星的最优适应度分簇解进行比较；若当前中轨卫星的最优适应度分簇解的适应度更高，则保留当前中轨卫星的最优适应度分簇解并不发送给其他中轨卫星；若接收的相邻的中轨卫星的最优适应度分簇解的适应度更高，则保留相邻的中轨卫星的最优适应度分簇解并将其转发给相邻的中轨卫星；通过每颗中轨卫星和与其相邻的中轨卫星进行若干次适应度比较后，使每颗中轨卫星获得最优分簇结果，根据最优分簇结果，获取低轨卫星和中轨卫星之间的链路状态。
在一些实施例中，根据轨道数据，计算卫星之间的可见性和不可见性，包括：
计算任意两个中轨卫星A和低轨卫星B之间的最大可见链路长度：
计算任意两个中轨卫星A和低轨卫星B之间的最大地心角：
在时隙中，当中轨卫星A和低轨卫星B之间的星间距离/>和地心角/>同时满足和/>时，中轨卫星A和低轨卫星B之间相互可见，则可见性表示为：/>；若中轨卫星A和低轨卫星B之间相互不可见，则不可见性表示为：/>。
在一些实施例中，基于可见性和不可见性，生成一组分簇候选解，包括：
根据可见性和不可见性，采用单一链路参数计算每颗中轨卫星的最优适应度，并获取每颗中轨卫星的最优适应度对应的候选解；
采用遗传算法根据可见性和不可见性获得一组初始分簇候选解；
将所有单一链路参数计算获得的每颗中轨卫星的最优适应度对应的候选解加入每颗中轨卫星对应的初始分簇候选解中，获得一组分簇候选解。
在本实施例中，通过将所有单一链路参数计算获得的每颗中轨卫星的最优适应度对应的候选解加入每颗中轨卫星对应的初始分簇候选解中，由于添加三个分别针对单一目标（单一目标为卫星之间的可见时间、所建立链路的传播时延以及能量消耗速率中的一个）获得的最优适应度对应的候选解，使得初始生成的一组初始分簇候选解更接近于全局最优解，从而减少了遗传算法所需迭代的次数。因此，本实施例能够提高初始分簇候选解的适应度来降低迭代次数。
在一些实施例中，单一链路参数为中轨卫星和低轨卫星之间的可见时间，所建立链路的传播时延以及能量消耗速率中的任一种。
在一些实施例中，分簇候选解的适应度通过如下公式进行计算：
其中，既表示中轨卫星的数量，也表示簇的数量，/>表示第k个簇，/>表示第/>颗卫星属于第k个簇，/>表示第k个簇簇成员的数量,/>表示第j个子函数的权重，/>、/>和表示子函数，/>表示适应度，/>表示第/>颗卫星的可见时间，/>表示第/>颗卫星的传播时延，/>表示第/>颗卫星的能量消耗速率，/>表示最大能量消耗速率。
在一些实施例中，在接收与当前中轨卫星相邻的中轨卫星得到的最优适应度分簇解之前，双层卫星网络协同分簇方法还包括：
由所有中轨卫星进行遗传算法协同计算，以便每颗中轨卫星同时获得自身最优适应度分簇解。
在本实施例中，由所有中轨卫星进行遗传算法协同计算，通过所有中轨卫星一起计算所有分簇候选解的最优适应度分簇解，而不是由地面站统一计算，因为通过地面站统一计算，需要计算所有分簇候选解的最优适应度分簇解，这样计算量非常大。而通过所有中轨卫星一起计算，可以减少迭代次数，从而节约时间成本。
在一些实施例中，根据最优分簇结果，获取低轨卫星和中轨卫星之间的链路状态，包括：
根据最优分簇结果，使中轨卫星与相应的低轨卫星建立链路，并获取建立链路后的低轨卫星和中轨卫星之间的链路状态。
在本实施例中，因为低轨卫星只能与一颗中轨卫星保持连接，但它在一个时刻会同时出现在多个中轨卫星的视野中，如果建链太多，卫星承担的数据传输量会很大，而其他卫星可能出现空闲状态，使得负载不均衡 ，并且卫星链路切换次数太多。因此，本实施例通过根据最优分簇结果使中轨卫星与相应的低轨卫星建立链路，能够减少链路切换次数，降低传播时延，实现负载均衡。
为方便本领域人员理解，以下提供一组最佳实施例：
本实施例的目的在于，在考虑卫星可见时间、链路传播时延和卫星能量消耗的情况下，生成双层卫星网络的最优分簇解，以尽可能减少链路切换次数，降低传播时延，实现负载均衡。本实施例技术方案的方案路线如图2所示。通过构建双层卫星网络模型，由中轨道卫星计算所有低轨道卫星的轨道数据，并通过虚拟拓扑策略将一个完整的星座网络运行周期分割为若干个相等的时隙/>。在时隙开始时中轨道卫星根据可见性矩阵随机生成一组分簇候选解，并加入针对单一目标的最优候选解，计算所有候选解的卫星可见时间、链路的传播时延和能量消耗速率，以进一步计算每一个候选解的适应度，保留适应度较高的候选解，并由保留的候选解经过交叉操作生成新的候选解。重复上述步骤，直到最优候选解的适应度不再上升，或者最优候选解已达到初始设定的阈值，或者迭代次数达到预设的最大次数时，遗传算法终止，输出最优分簇结果。最后，每颗中轨道卫星都将自身的计算结果发送给与其邻居的中轨道卫星，使得中轨道卫星保留通过所有中轨道卫星协同计算得到的最优分簇结果。本实施例具体包括以下步骤：
1、构建双层卫星网络模型。
采用walker构型构建中轨道卫星层，共有颗中轨卫星，使用铱星系统构建低轨道卫星层，共有/>颗中轨卫星，并将每个卫星建模为一个独立且具有一定自治功能的智能体，并赋予低轨卫星和中轨卫星不同的智能水平。所有卫星智能体均具有智能体间通信、环境感知和自主规划功能，其中，中轨卫星智能体具有更强的计算能力，多智能体之间通过相互协作来实现分簇。
利用卫星轨迹的可预测性，根据双层卫星网络中的星历数据，由中轨卫星智能体计算所有卫星的轨道数据。再采用虚拟拓扑策略来屏蔽低轨卫星网络拓扑结构的动态性，将双层卫星网络中卫星节点的动态拓扑关系离散化，从而将一个完整的星座网络运行周期分割为若干个相等的时隙/>。
在每个时隙中，星座网络拓扑结构将被视为静止状态，中轨卫星智能体（以下称中轨卫星）通过轨道数据计算双层卫星网络的可见性矩阵。可见性矩阵主要考虑星间几何能见度的影响。星间几何能见度表示两颗卫星是否会被地球和大气层阻挡，如图3所示，任意两颗卫星之间一定会有一个最大可见链路长度和最大地心角/>，公式定义为：
其中，表示中轨卫星A到地心的距离，/>表示低轨卫星B到地心的距离，/>表示地心到中轨卫星A和低轨卫星B连线的距离，/>表示地球半径，/>表示大气层高度。
当时隙中，中轨卫星A与低轨卫星B的星间距离/>和地心角/>同时满足/>和时，认为该时隙中中轨卫星A与低轨卫星B是相互可见的，即/>，中轨卫星A与低轨卫星B的星间距离/>和地心角/>不同时满足/>和/>时，中轨卫星A和低轨卫星B之间相互不可见，则不可见性表示为：/>；可见性矩阵/>和卫星可见时间/>计算公式定义为：
其中，表示当前时隙/>后中轨卫星A与低轨卫星B第一个相互不可见的时隙，/>表示可见时间。
再根据可见性矩阵，由星间距离/>和无线电波传播速度/>计算得出传播时延。
其中，表示传播时延。
最后考虑星间链路的能量消耗，主要包括两部分，分别是通过星间链路发送数据和接收数据产生的能量消耗，公式表示为：
计算卫星总能量消耗：
计算能量消耗速率：
其中，表示发送或接收1比特数据所消耗的能量，/>表示传输的数据量，/>表示每平方米的能量消耗，/>和/>表示接收和发送数据的链路数量，/>表示星间距离，/>表示星间链路的数据传输速率。
2、基于遗传算法协同分簇。
参照图4，首先根据中轨卫星的可见性矩阵随机生成一组初始分簇候选解，候选解包含中轨卫星与多颗低轨卫星的对应关系，同时保证候选解中每颗低轨卫星仅与一颗中轨卫星建立连接，并将分簇候选解映射为编码染色体。在初始分簇候选解中加入针对单一链路参数获得的最优适应度对应的候选解，链路参数包括卫星的可见时间、所建立链路的传播时延以及能量消耗速率，使得加入基于单一链路参数获得的最优适应度对应的候选解后生成的分簇候选解更接近于全局最优解，通过提高每一分簇候选解初始的适应度，以减少遗传算法所需迭代的次数。
接着根据计算得到的所有候选解中卫星的可见时间、所建立链路的传播时延以及能量消耗速率的结果计算分簇候选解的适应度，具体公式如下：
其中，既表示中轨卫星的数量，同时也表示簇的数量，/>表示第k个簇，/>表示第/>颗卫星属于第k个簇，/>表示第k个簇簇成员的数量,/>表示第j个子函数的权重，/>、和/>表示子函数，/>表示适应度，/>表示第/>颗卫星的可见时间，/>表示第/>颗卫星的传播时延，/>表示第/>颗卫星的能量消耗速率。
计算完所有分簇候选解的适应度后，保留部分适应度较高的候选解，放弃其他候选解。根据保留的候选解经过交叉操作生成新的候选解。重复上述步骤，直到最优候选解的适应度不再上升，或者最优候选解已达到初始设定的阈值，或者迭代次数达到预设的最大次数时，遗传算法终止，输出最优适应度候选解。
需要说明的是，本实施例中的保留部分适应度较高的分簇解，具体保留的分簇解的数量可根据实际情况进行更改，本实施例不做具体限定。
3、协同计算降低迭代次数。
采用上述步骤2中计算最优适应度候选解的方法，由所有中轨卫星进行遗传算法协同计算，以便每颗中轨卫星同时获得自身最优适应度分簇解。由于交叉变异生成新候选解的随机性，不同中轨卫星在有限时间内所得到的最优的候选解可能不同，所以在迭代次数达到最大值或者算法已经收敛后，当前中轨卫星将向与其相邻的中轨卫星发送最优适应度候选解，当前中轨卫星在收到其余相邻中轨卫星的最优适应度候选解后与其自身最优适应度候选解对比，若当前中轨卫星自身最优适应度候选解的适应度更高，则不再发送；若收到的其余相邻中轨卫星的最优适应度候选解的适应度更高，则保留其余相邻中轨卫星的最优适应度候选解并将其转发给相邻的中轨卫星，在经过有限次转发后，每个中轨卫星将会保留由所有中轨卫星协同计算得到的最优适应度候选解，将保留的最优适应度候选解作为最优分簇结果；根据最优分簇结果，使中轨卫星与相应的低轨卫星建立链路，并获取建立链路后的低轨卫星和中轨卫星之间的链路状态。该策略旨在通过所有中轨卫星的协同计算，来减少所需迭代次数，并共享所有中轨卫星的最优适应度候选解。
本实施例的技术方案通过采用遗传算法，综合考虑卫星之间的可见时间、传播时延以及链路能量消耗速率，实现卫星网络的协同分簇，其目的在于，在考虑卫星之间的可见时间、链路传播时延和卫星能量消耗速率的情况下，生成双层卫星网络的最优分簇解，以尽可能减少链路切换次数，降低传播时延，实现负载均衡。通过协同分簇和协同计算，降低迭代次数，节约时间成本。通过上述步骤3中共享所有中轨卫星的最优适应度候选解，从而获得最优分簇结果，通过根据最优分簇结果在中轨卫星和低轨卫星之间建立链路，能够高效地实时获取链路状态信息。即使在一个时刻低轨卫星会同时出现在多个中轨卫星的视野中，但低轨卫星只与一颗中轨卫星保持连接，并且中轨卫星根据最优分簇结果选择建立链路的对象，避免中轨卫星建立的链路太多，导致中轨卫星承担的数据传输量很大，而其他卫星可能出现空闲状态的情况，使得负载不均衡 ，减少了链路切换次数，从而使中轨卫星高效地实时获取链路状态信息。
参照图5，本发明实施例还提供了一种双层卫星网络协同分簇系统，双层卫星网络包括多颗位于低轨道卫星层的低轨卫星和多颗位于中轨道卫星层且计算能力强于低轨卫星的中轨卫星，本双层卫星网络协同分簇系统包括数据获取单元100、协同分簇单元200、适应度计算单元300、交叉操作单元400、适应度比较单元500和链路状态获取单元600，其中：
数据获取单元100，用于获取双层卫星网络中每一颗卫星的轨道数据；
协同分簇单元200，用于根据轨道数据，计算卫星之间的可见性和不可见性，并基于可见性和不可见性，采用遗传算法对双层卫星网络进行协同分簇，其中，采用遗传算法对双层卫星网络进行协同分簇包括：基于可见性和不可见性，生成一组分簇候选解；其中，每个分簇候选解包括所有中轨卫星与所有低轨卫星之间一颗中轨卫星和多颗低轨卫星通信连接且一颗低轨卫星仅与一颗中轨卫星构建链路连接；
适应度计算单元300，用于计算分簇候选解中的中轨卫星和低轨卫星之间的可见时间，所建立链路的传播时延以及能量消耗速率，根据可见时间，所建立链路的传播时延以及能量消耗速率计算分簇候选解的适应度；
交叉操作单元400，用于根据适应度从一组分簇候选解中选取多个分簇候选解，并根据多个分簇候选解进行交叉操作生成新的候选解，将新的候选解作为下一次迭代需选取的一组分簇候选解，并进行迭代直到遗传算法终止，得到每颗中轨卫星的最优适应度分簇解；
适应度比较单元500，用于接收与当前中轨卫星相邻的中轨卫星得到的最优适应度分簇解，并将当前中轨卫星的最优适应度分簇解与接收的相邻的中轨卫星的最优适应度分簇解进行比较；若当前中轨卫星的最优适应度分簇解的适应度更高，则保留当前中轨卫星的最优适应度分簇解并不发送给其他中轨卫星；若接收的相邻的中轨卫星的最优适应度分簇解的适应度更高，则保留相邻的中轨卫星的最优适应度分簇解并将其转发给相邻的中轨卫星；通过每颗中轨卫星和与其相邻的中轨卫星进行若干次适应度比较后，使每颗中轨卫星获得最优分簇结果；
链路状态获取单元600，用于根据最优分簇结果，获取低轨卫星和中轨卫星之间的链路状态。
需要说明的是，由于本实施例中的一种双层卫星网络协同分簇系统与上述的一种双层卫星网络协同分簇方法基于相同的发明构思，因此，方法实施例中的相应内容同样适用于本系统实施例，此处不再详述。
本发明实施例还提供了一种双层卫星网络协同分簇设备，包括：至少一个控制处理器和用于与至少一个控制处理器通信连接的存储器。
存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
实现上述实施例的一种双层卫星网络协同分簇方法所需的非暂态软件程序以及指令存储在存储器中，当被处理器执行时，执行上述实施例中的一种双层卫星网络协同分簇方法，例如，执行以上描述的图1中的方法步骤S100至步骤S600。
以上所描述的系统实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
本发明实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个控制处理器执行，可使得上述一个或多个控制处理器执行上述方法实施例中的一种双层卫星网络协同分簇方法，例如，执行以上描述的图1中的方法步骤S100至步骤S600的功能。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质（或非暂时性介质）和通信介质（或暂时性介质）。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息（诸如计算机可读指令、数据结构、程序模块或其他数据）的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘（DVD）或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。
以上是对本申请实施例的较佳实施进行了具体说明，但本申请实施例并不局限于上述实施方式，熟悉本领域的技术人员在不违背本申请实施例精神的前提下还可作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请实施例权利要求所限定的范围内。
Claims (10)
1.一种双层卫星网络协同分簇方法，其特征在于，所述双层卫星网络包括多颗位于低轨道卫星层的低轨卫星和多颗位于中轨道卫星层且计算能力强于所述低轨卫星的中轨卫星，所述双层卫星网络协同分簇方法包括：
获取所述双层卫星网络中每一颗卫星的轨道数据；
根据所述轨道数据，计算卫星之间的可见性和不可见性，并基于所述可见性和所述不可见性，采用遗传算法对所述双层卫星网络进行协同分簇，其中，所述采用遗传算法对所述双层卫星网络进行协同分簇包括：基于所述可见性和所述不可见性，生成一组分簇候选解；其中，每个所述分簇候选解包括所有中轨卫星与所有低轨卫星之间一颗中轨卫星和多颗低轨卫星通信连接且一颗低轨卫星仅与一颗中轨卫星构建链路连接；
计算所述分簇候选解中的中轨卫星和低轨卫星之间的可见时间，所建立链路的传播时延以及能量消耗速率，根据所述可见时间，所建立链路的传播时延以及能量消耗速率计算所述分簇候选解的适应度；
根据所述适应度从一组分簇候选解中选取多个所述分簇候选解，并根据所述多个所述分簇候选解进行交叉操作生成新的候选解，将所述新的候选解作为下一次迭代需选取的一组分簇候选解，并进行迭代直到所述遗传算法终止，得到每颗中轨卫星的最优适应度分簇解；
接收与当前中轨卫星相邻的中轨卫星得到的最优适应度分簇解，并将所述当前中轨卫星的最优适应度分簇解与接收的所述相邻的中轨卫星的最优适应度分簇解进行比较；若所述当前中轨卫星的最优适应度分簇解的适应度更高，则保留所述当前中轨卫星的最优适应度分簇解并不发送给其他中轨卫星；若接收的所述相邻的中轨卫星的最优适应度分簇解的适应度更高，则保留所述相邻的中轨卫星的最优适应度分簇解并将其转发给所述相邻的中轨卫星；通过每颗中轨卫星和与其相邻的中轨卫星进行若干次适应度比较后，使每颗中轨卫星获得最优分簇结果；
根据所述最优分簇结果，获取所述低轨卫星和所述中轨卫星之间的链路状态。
2.根据权利要求1所述的双层卫星网络协同分簇方法，其特征在于，所述根据所述轨道数据，计算卫星之间的可见性和不可见性，包括：
计算任意两个中轨卫星A和低轨卫星B之间的最大可见链路长度：
计算任意两个所述中轨卫星A和所述低轨卫星B之间的最大地心角：
其中，表示所述中轨卫星A到地心的距离，/>表示所述低轨卫星B到地心的距离，/>表示地心到所述中轨卫星A和所述低轨卫星B连线的距离；
在时隙中，当所述中轨卫星A和所述低轨卫星B之间的星间距离/>和地心角/>同时满足和/>时，所述中轨卫星A和所述低轨卫星B之间相互可见，则可见性表示为：；若所述中轨卫星A和所述低轨卫星B之间相互不可见，则不可见性表示为：。
3.根据权利要求1所述的双层卫星网络协同分簇方法，其特征在于，所述基于所述可见性和所述不可见性，生成一组分簇候选解，包括：
根据所述可见性和所述不可见性，采用单一链路参数计算每颗中轨卫星的最优适应度，并获取每颗中轨卫星的最优适应度对应的候选解；
采用遗传算法根据所述可见性和所述不可见性获得一组初始分簇候选解；
将所有单一链路参数计算获得的每颗中轨卫星的最优适应度对应的候选解加入每颗中轨卫星对应的初始分簇候选解中，获得一组分簇候选解。
4.根据权利要求3所述的双层卫星网络协同分簇方法，其特征在于，所述单一链路参数为所述中轨卫星和所述低轨卫星之间的可见时间，所建立链路的传播时延以及能量消耗速率中的任一种。
5.根据权利要求4所述的双层卫星网络协同分簇方法，其特征在于，所述分簇候选解的适应度通过如下公式进行计算：
其中，既表示中轨卫星的数量，也表示簇的数量，/>表示第k个簇，/>表示第/>颗卫星属于第k个簇，/>表示第k个簇簇成员的数量, />表示第j个子函数的权重，/>、/>和/>表示子函数，/>表示适应度，/>表示第/>颗卫星的可见时间，/>表示第/>颗卫星的传播时延，/>表示第/>颗卫星的能量消耗速率，/>表示最大能量消耗速率。
6.根据权利要求1所述的双层卫星网络协同分簇方法，其特征在于，在接收与当前中轨卫星相邻的中轨卫星得到的最优适应度分簇解之前，所述双层卫星网络协同分簇方法还包括：
由所有中轨卫星进行遗传算法协同计算，以便每颗中轨卫星同时获得自身最优适应度分簇解。
7.根据权利要求1所述的双层卫星网络协同分簇方法，其特征在于，所述根据所述最优分簇结果，获取所述低轨卫星和所述中轨卫星之间的链路状态，包括：
根据所述最优分簇结果，使中轨卫星与相应的低轨卫星建立链路，并获取建立链路后的所述低轨卫星和所述中轨卫星之间的链路状态。
8.一种双层卫星网络协同分簇系统，其特征在于，所述双层卫星网络包括多颗位于低轨道卫星层的低轨卫星和多颗位于中轨道卫星层且计算能力强于所述低轨卫星的中轨卫星，所述双层卫星网络协同分簇系统包括：
数据获取单元，用于获取所述双层卫星网络中每一颗卫星的轨道数据；
协同分簇单元，用于根据所述轨道数据，计算卫星之间的可见性和不可见性，并基于所述可见性和所述不可见性，采用遗传算法对所述双层卫星网络进行协同分簇，其中，所述采用遗传算法对所述双层卫星网络进行协同分簇包括：基于所述可见性和所述不可见性，生成一组分簇候选解；其中，每个所述分簇候选解包括所有中轨卫星与所有低轨卫星之间一颗中轨卫星和多颗低轨卫星通信连接且一颗低轨卫星仅与一颗中轨卫星构建链路连接；
适应度计算单元，用于计算所述分簇候选解中的中轨卫星和低轨卫星之间的可见时间，所建立链路的传播时延以及能量消耗速率，根据所述可见时间，所建立链路的传播时延以及能量消耗速率计算所述分簇候选解的适应度；
交叉操作单元，用于根据所述适应度从一组分簇候选解中选取多个所述分簇候选解，并根据所述多个所述分簇候选解进行交叉操作生成新的候选解，将所述新的候选解作为下一次迭代需选取的一组分簇候选解，并进行迭代直到所述遗传算法终止，得到每颗中轨卫星的最优适应度分簇解；
适应度比较单元，用于接收与当前中轨卫星相邻的中轨卫星得到的最优适应度分簇解，并将所述当前中轨卫星的最优适应度分簇解与接收的所述相邻的中轨卫星的最优适应度分簇解进行比较；若所述当前中轨卫星的最优适应度分簇解的适应度更高，则保留所述当前中轨卫星的最优适应度分簇解并不发送给其他中轨卫星；若接收的所述相邻的中轨卫星的最优适应度分簇解的适应度更高，则保留所述相邻的中轨卫星的最优适应度分簇解并将其转发给所述相邻的中轨卫星；通过每颗中轨卫星和与其相邻的中轨卫星进行若干次适应度比较后，使每颗中轨卫星获得最优分簇结果；
链路状态获取单元，用于根据所述最优分簇结果，获取所述低轨卫星和所述中轨卫星之间的链路状态。
9.一种双层卫星网络协同分簇设备，其特征在于，包括至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器；所述存储器存储有可被所述至少一个控制处理器执行的指令，所述指令被所述至少一个控制处理器执行，以使所述至少一个控制处理器能够执行如权利要求1至7任一项所述的双层卫星网络协同分簇方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如权利要求1至7任一项所述的双层卫星网络协同分簇方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310548974.2A CN116260507B (zh) | 2023-05-16 | 2023-05-16 | 一种双层卫星网络协同分簇方法、系统、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310548974.2A CN116260507B (zh) | 2023-05-16 | 2023-05-16 | 一种双层卫星网络协同分簇方法、系统、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116260507A CN116260507A (zh) | 2023-06-13 |
| CN116260507B true CN116260507B (zh) | 2023-07-21 |
Family
ID=86681059
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310548974.2A Active CN116260507B (zh) | 2023-05-16 | 2023-05-16 | 一种双层卫星网络协同分簇方法、系统、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116260507B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116647270B (zh) * | 2023-07-19 | 2023-09-29 | 中南大学 | 基于自适应粒子群算法的双层卫星网络分簇方法和系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104821844A (zh) * | 2015-05-21 | 2015-08-05 | 哈尔滨工业大学 | 一种基于时隙优化的双层卫星网络路由方法 |
| US9998207B1 (en) * | 2017-07-19 | 2018-06-12 | Vector Launch Inc. | Orbital network layering in satellite platforms |
| EP3493428A1 (en) * | 2017-11-30 | 2019-06-05 | Telespazio S.p.A. | Automatic satellite telemetry, tracking and command system |
| CN110412869A (zh) * | 2019-06-21 | 2019-11-05 | 中南大学 | 一种多星协同的空间动态目标实时跟踪方法 |
| CN112737665A (zh) * | 2020-12-25 | 2021-04-30 | 中国人民解放军国防科技大学 | 适应于双层卫星光网络数据中继系统的路由资源控制方法 |
| CN113055076A (zh) * | 2021-03-09 | 2021-06-29 | 东南大学 | 一种leo/meo双层卫星通信网络中的路由方法 |
| WO2021221736A2 (en) * | 2020-05-01 | 2021-11-04 | Intel Corporation | Edge computing in satellite connectivity environments |
| CN114553298A (zh) * | 2022-02-16 | 2022-05-27 | 西安电子科技大学 | 多层卫星网络中基于分簇的路由方法 |
| WO2023065598A1 (zh) * | 2021-10-22 | 2023-04-27 | 清华大学 | 星地协同组网方法及装置 |
-
2023
- 2023-05-16 CN CN202310548974.2A patent/CN116260507B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104821844A (zh) * | 2015-05-21 | 2015-08-05 | 哈尔滨工业大学 | 一种基于时隙优化的双层卫星网络路由方法 |
| US9998207B1 (en) * | 2017-07-19 | 2018-06-12 | Vector Launch Inc. | Orbital network layering in satellite platforms |
| EP3493428A1 (en) * | 2017-11-30 | 2019-06-05 | Telespazio S.p.A. | Automatic satellite telemetry, tracking and command system |
| CN110412869A (zh) * | 2019-06-21 | 2019-11-05 | 中南大学 | 一种多星协同的空间动态目标实时跟踪方法 |
| WO2021221736A2 (en) * | 2020-05-01 | 2021-11-04 | Intel Corporation | Edge computing in satellite connectivity environments |
| CN112737665A (zh) * | 2020-12-25 | 2021-04-30 | 中国人民解放军国防科技大学 | 适应于双层卫星光网络数据中继系统的路由资源控制方法 |
| CN113055076A (zh) * | 2021-03-09 | 2021-06-29 | 东南大学 | 一种leo/meo双层卫星通信网络中的路由方法 |
| WO2023065598A1 (zh) * | 2021-10-22 | 2023-04-27 | 清华大学 | 星地协同组网方法及装置 |
| CN114553298A (zh) * | 2022-02-16 | 2022-05-27 | 西安电子科技大学 | 多层卫星网络中基于分簇的路由方法 |
Non-Patent Citations (3)
| Title |
|---|
| Double-Layer Precoder and Cluster-Based Power Allocation Design for LEO Satellite Communication With Massive MIMO;Tong Yue;《IEEE Communications Letters》;第27卷(第2期);全文 * |
| 一种用于MEO/LEO卫星网络管理的分簇算法;吴迪;魏亿涛;王光兴;;计算机工程与应用(23);全文 * |
| 基于GEO/LEO双层卫星网络的路由算法优化设计;张泰江;《计算机工程》;第46卷(第7期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116260507A (zh) | 2023-06-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110012516B (zh) | 一种基于深度强化学习架构的低轨卫星路由策略方法 | |
| CN105917596B (zh) | 全球通信网络 | |
| CN116260507B (zh) | 一种双层卫星网络协同分簇方法、系统、设备及存储介质 | |
| CN114153572A (zh) | 一种星地协作网络中分布式深度学习的计算卸载方法 | |
| CN108075825B (zh) | 一种基于sdn的天基信息网络多控制器失效处理方法 | |
| CN112469047B (zh) | 一种天地一体化智能网络卫星节点部署方法 | |
| CN110896557B (zh) | 卫星通信路由选择方法及装置 | |
| CN103124420A (zh) | 一种无线片上网络架构方法 | |
| CN104994554A (zh) | 基于非均匀分簇的移动协助无线传感器网络路由方法 | |
| CN114521002B (zh) | 一种云边端合作的边缘计算方法 | |
| CN114221691A (zh) | 一种基于深度强化学习的软件定义空天地一体化网络路由优化方法 | |
| CN115333606B (zh) | 面向低轨星座存储网络的分布式编码数据下载与修复方法 | |
| Sardouk et al. | Multi-agent system based wireless sensor network for crisis management | |
| CN115765837A (zh) | 一种面向低轨卫星物联网的sdn控制器部署方法 | |
| CN115087064A (zh) | 一种测控通信接入网跨域高可用路由方法及系统 | |
| CN113890596B (zh) | 基于深度强化学习的分布式星群动态组网方法 | |
| CN113079559B (zh) | 一种中低轨卫星联合组网的星间链路功率分配方法 | |
| CN116915313A (zh) | 一种面向双层巨型星座的智能负载均衡方法及系统 | |
| CN116192228A (zh) | 空天地一体化网络下基于博弈论的任务卸载方法和系统 | |
| CN115297508A (zh) | 一种巨型星座卫星网络路由负载均衡方法及系统 | |
| CN213817780U (zh) | 一种双层卫星数据中继系统 | |
| CN112270435B (zh) | 一种基于深度强化学习的多星自主任务分配方法 | |
| Dai et al. | Heuristic computing methods for contact plan design in the spatial-node-based Internet of Everything | |
| CN114553298A (zh) | 多层卫星网络中基于分簇的路由方法 | |
| Wei et al. | Dynamic controller placement for software-defined LEO network using deep reinforcement learning |
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 |