一种大规模LEO卫星部署下的星地传输方法与流程
本发明涉及通信技术领域，尤其涉及一种大规模leo卫星部署下的星地传输方法。
背景技术：
近年来学术界和产业界对开始将目光投向空天地一体化信息网络(space-sky-terrestrialintegratedinformationnetwork，sstiin)的研究，sstiin的一个重点就是通过使用大量的leo卫星进行大规模组网来实现全球组网和实时接入。因此在大规模leo部署下，一个高效的星地传输方法对于发挥leo卫星的作用至关重要。
在关于leo卫星大规模部署下的相关问题的研究上，sheng等人研究了空间信息网络中包含传输资源在内的多维资源的转化和调度。在此基础上，he等人研究了空间网络中传输和计算资源的联合分配并提出了一种组合分配方案。jia等人提出了一种使用leo卫星网络中的星间链路进行协作数据下行的方案，通过使用星间链路来最大化下行传输吞吐量。huang等人研究了如果以一种高效节能的方式通过leo卫星从地面物联网网关中手机数据，并提出了一种在线优化方案。di等人提出了一种星地网络架构来集成低轨卫星网络和地面网络，并基于此提出了一种灵活的交换匹配算法来实现高效的数据卸载。
在关于传输资源分配相关问题的研究上，soleimani等人研究了如何通过管理同信道干扰来克服性能损失，建立了优化问题并利用d.c.规划来进行优化问题的解决。通过类似的方法，khamidehi等人提出并解决了在异构上行正交频分多址(orthogonalfrequencydivisionmultipleaccess,ofdma)网络中的子信道和功率分配问题。zhang等人研究了多小区多关联ofdma网络下行传输中的用户关联，信道分配和功率分配的问题，提出了一种基于图论和拉格朗日对偶理论的优化方案。匹配理论在资源分配中的应用变的越来越重要，bayat等人介绍了匹配理论在无线通信中的应用并提出了一些常用的匹配算法，并通过利用匹配算法解决用户关联和信道关联问题，从而实现上行ofdma网络中用户总效用最大化。zhang等人提出了一种分布式匹配算法，该算法考虑了认知无线电网络中主要用户和次要用户的特征，通过进行多对一匹配，从而选择最佳的信道利用以最大化系统总效用。
背景技术的缺陷：现有的背景技术中对于leo大规模部署下的传输资源分配问题的研究还比较少，大多数传输资源分配问题的研究只是单纯的研究地面网络的相关问题，但由于leo大规模部署场景的特殊性和卫星间的同频干扰等客观条件的存在，造成地面网络的模型和方法不可能直接复制到leo卫星中去，因此需要针对这种情况进行专门研究。同时在现有的关于leo卫星资源分配的研究中，主要关注于多维资源的联合调度和转化，专门针对leo卫星传输资源分配问题进行细致的研究的还不多，并且分配方法还存在着高复杂度和低可用性等问题。因此研究开发一种leo大规模部署下的高效传输方法显得尤为迫切。
技术实现要素：
空天地一体化信息网络凭借其全球覆盖和实时接入的特点称为通信技术下一步的主要发展方向。为了充分发挥空天地一体化信息网络的优势，通过低轨道(lowearthorbit,leo)卫星实现星地间的高效传输至关重要。本发明主要应用在低轨道leo卫星大规模部署场景下的星地传输资源的分配中，通过应用本发明提出的资源分配方法，对整个系统中的信道和功率资源进行分配，从而大幅提高星地网络的上行传输性能，实现高效传输。
本发明提供了一种大规模leo卫星部署下的星地传输方法，包括不定数目的信道匹配步骤和基于拉格朗日对偶的功率优化步骤，
所述不定数目的信道匹配步骤：地面节点与卫星连接后，针对复用同一频带段的卫星中的信道资源进行分配；
所述基于拉格朗日对偶的功率优化步骤：使用拉格朗日对偶的方法，通过分配确定不同地面节点的上行传输功率实现的上行传输速率的最大化。
作为本发明的进一步改进，在所述不定数目的信道匹配步骤中，首先定义地面节点的效用函数，每个由卫星j服务的地面节点对子信道的效用可以表示为：
其表示每个地面节点tni根据其等效的数据速率提出其对子信道k的效用函数；
相应的，卫星satj的每一个子信道对于地面节点也具有相应的效用，信道k对于地面节点tni的效用可以表示为：
之所以表示为上式(10)的形式是因为每个地面节点都有其最低速率约束rmin，必须确保如果信道k被分配给地面节点tni，其最低速率要求必须得到满足，所以我们量化表示可达速率和最小速率约束的差值并将之表示为
作为本发明的进一步改进，在所述不定数目的信道匹配步骤中，用hi,j,k表示地面节点tni与卫星节点satj在子信道k上的链路信道增益，相应的接收信号干燥比为：
其中pi,j,k表示在子信道k上tni到satj的发送功率，
作为本发明的进一步改进，所述不定数目的信道匹配步骤包括依次执行初始化步骤、地面请求过程步骤和信道决策过程步骤，
在所述初始化步骤中，属于satj的地面节点集tn∈satj，卫星节点satj的信道集ch；构造地面节点tn的偏好列表gclist和信道的偏好列表clist，初始化未匹配tn节点集unmatch和信道匹配关系c；
在所述地面请求过程步骤中，尚未满足最低匹配数目限制的地面节点tni优先更新偏好列表gclisti，提出接入请求，若所有地面节点均已满足最低匹配数目限制，则所有地面节点根据其偏好列表依次向最高偏好的信道提出接入请求；
在所述信道决策过程步骤中，如果chk已经匹配数
在所述处理步骤中，chk统计此次迭代t中提出请求的地面节点的数目
作为本发明的进一步改进，在所述基于拉格朗日对偶的功率优化步骤中，拉格朗日函数如下式(11)所示：
其中λ,μ,ω是优化问题中约束(4)、(5)、(7)对应的拉格朗日乘子向量，拉格朗日对偶函数定义为
相应的对偶问题可以表述为：
s.t.λ,μ,ω＞0(13)
考虑到不同子信道间的不相关性，根据卫星数和子信道数将对偶问题分解为k×j个独立的子问题，之后对偶问题被依次迭代解决，据此，拉格朗日函数可以重写为：
其中
根据kkt条件，通过关于pi,j,k取偏导并令其等于0，可以得到tni的最佳传输功率为：
其中[x]+＝max(0,x)；
为了进一步推导得到拉格朗日乘子，使用次梯度法：
其中t表示迭代次数，τλ(t),τμ(t),τω(t)表示t次迭代时的迭代步长。
作为本发明的进一步改进，将采用同频带段的leo卫星表示为
本发明的有益效果是：本发明主要应用在低轨道leo卫星大规模部署场景下的星地传输资源的分配中，通过应用本发明提出的资源分配方法，对整个系统中的信道和功率资源进行分配，从而大幅提高星地网络的上行传输性能，实现高效传输。
附图说明
图1是星地传输架构图；
图2是系统总速率/迭代次数图；
图3是服务地面节点数/迭代次数图；
图4是系统总速率/服务半径图；
图5是系统总速率/地面端用户数图。
具体实施方式
本发明公开了一种大规模leo卫星部署下的星地传输方法，是一种利用匹配算法和凸优化等相关知识的优化解决方案，实现星地网络的高效上行传输。
本发明主要包含两大部分：优化问题的建立和具体的优化解决。
1.首先建立了符合实际场景需要以最大化星地上行速率为优化目标的优化问题，并综合考虑了多种约束条件。
2.在问题具体优化解决的实现上，运用匹配算法和凸优化的相关知识，提出了一种匹配与拉格朗日对偶结合的优化算法(matchingandlagrangiandualcombinationalgorithm,mlca)，并通过该算法实现优化目标。其中mlca算法也主要包含两部分：
a.不定数目的信道匹配算法(不定数目的信道匹配步骤)
b.基于拉格朗日对偶的功率优化算法(基于拉格朗日对偶的功率优化步骤)
首先介绍第一部分，优化问题的建立：
本发明主要关注于大规模leo卫星部署下卫星与地面节点关注后的星地资源分配问题，即每个地面节点都确定了其数据上传连接的卫星后的信道和功率分配问题。本发明考虑一个ofdma的星地网络，网络中大量leo卫星为数目众多的地面节点(terrestrialnode,tn)提供网络接入和数据上行传输服务，如图1所示。我们假设卫星间的频带复用方案和星地节点之间的连接已经确定，即每个地面节点都已经确定了其要连接到哪颗卫星，我们需要针对复用同一频带段的卫星中的信道资源进行分配，并通过分配确定不同节点的上行传输功率实现整个系统的上行传输速率的最大化。将采用同频带段的leo卫星表示为
我们考虑带宽为b的频带被划分为
其中pi,j,k表示在子信道k上tni到satj的发送功率，
据此，我们建立了以最大化多卫星节点-多地面节点系统总的系统速率为优化目标的优化问题，如下所示：
其中约束(3)保证了一个卫星的一个子信道最多被分配给一个tn；约束(4)表示每个tn的最大发送功率不能超过pmax；约束(5)表示每个tn的最低速率不能小于rmin；约束(6)为信道分配变量的二进制取值。
由于原优化问题是一个混合整数非线性规划问题，且由于二进制变量y和速率公式中干扰项的存在，原问题还是一个高度非凸的问题，所以我们很难求得该问题的全局最优解。同时尽管我们考虑了离轴天线增益等影响卫星间干扰的因素，但在大规模leo部署下的星间干扰还是不可避免，并且当干扰过大时，整个系统将会变的没有意义。因此我们考虑引入一个干扰上界作为优化问题的新的约束：
其中ith表示星间干扰的最大容忍限制，相应地，ri,j,k变为了如下形式：
考虑到优化问题本身的复杂性，我们选择采用一个次优的方法将原问题分为两个子问题，首先进行子信道的分配，然后在此基础上进行功率的分配，并据此提出了mlca算法来达到优化目标。
为了解决本发明上文提出的优化问题，本发明提出了mlca算法，主要包括信道匹配和功率分配两部分。下面介绍mlca算法具体的实施方式。
由于优化问题的信道分配变量为一个二进制变量，可以将其建模成为一个匹配问题，我们先提出了一个不定数目的多对一匹配算法。需要指出对于一个上行系统来说，无论卫星将其子信道分配给哪一个地面节点，在该卫星处接收到的来自其他卫星的干扰都是固定的，所以根据卫星数目j，我们将其分解j个独立的子问题并依次解决。下面我们假设对卫星j进行子信道的分配。
对于匹配算法来说，首先我们定义地面节点的效用函数，每个由卫星j服务的地面节点对子信道的效用可以表示为：
其表示每个地面节点tni根据其等效的数据速率提出其对子信道k的效用函数，这是由于每个节点都想获得较高的数据速率。
相应的，卫星j的每一个子信道对于地面节点也具有相应的效用，信道k对于地面节点i的效用可以表示为：
之所以表示为上式(10)的形式是因为每个地面节点都有其最低速率约束rmin，必须确保如果信道k被分配给地面节点i，其最低速率要求必须得到满足，所以我们量化表示可达速率和最小速率约束的差值并将之表示为
在确定了子信道的分配后，功率分配方案需要被优化来协调干扰并提高星地上行网络的整体吞吐量。我们通过使用拉格朗日对偶的方法来解决功率分配问题。拉格朗日函数如下式(11)所示：
其中λ,μ,ω是原优化问题中约束(4)、(5)、(7)对应的拉格朗日乘子向量，二进制边界约束(3)已经在子信道分配中得到了解决。因此拉格朗日对偶函数定义为
相应的对偶问题可以表述为：
s.t.λ,μ,ω＞0(13)
考虑到不同子信道间的不相关性，我们根据卫星数和子信道数将对偶问题分解为k×j个独立的子问题，之后对偶问题被依次迭代解决。据此，拉格朗日函数可以重写为：
其中
根据kkt(karush-kuhn-tucker)条件，通过关于pi,j,k取偏导并令其等于0，我们可以得到tni的最佳传输功率为：
其中[x]+＝max(0,x)。
为了进一步推导得到拉格朗日乘子，我们使用次梯度法：
其中t表示迭代次数，τλ(t),τμ(t),τω(t)表示t次迭代时的迭代步长。
据此，通过本发明提出的方法，实现星地间的高效传输。
为了表明所提技术手段的效果，我们对所提技术方案进行了仿真验证。我们考虑一个频谱共享的星地上行传输系统，系统中包含j＝4个leo卫星和i＝200个tn。卫星的高度设置为1000km，所有的卫星都是运行在ka频段且总带宽为400mhz，且在该场景中我们将子信道的数量设置为80个。在ka频带上的小尺度衰落被建模为阴影莱斯衰落，并将衰落程度设置为中等衰落，同时我们还考虑星地传输中的自由空间损耗模型。此外，考虑到卫星传输的特殊性，我们选择采用上文中提出的离轴天线增益。下文中除了特别提及，具体仿真参数如下表1所示：
表1：仿真参数表
在真实的通信场景中，为了充分利用卫星的通信窗口，有时会只允许具有更好信道条件的地面节点接入卫星，较差信道条件的地面节点将会被拒绝接入。因此在不考虑地面节点的最低速率约束的情况下，信道和功率分配可以采用拉格朗日对偶法进行联合优化，我们称之为无最低速率约束的信道和功率联合优化算法(jointpowerandchanneloptimizationalgorithmwithouttheminimumrateconstraint,wjpca)。下图2展示了我们提出的mlca算法的收敛性，我们选择wjpca算法和crpa(channelrandomandpoweraveragealgorithm,信道随机功率平均)算法作为两个参考算法。从图2中我们可以看出mlca算法具有一个很好的收敛性，并且mlca算法相比于crpa算法有一个很好的性能提升。由于mlca算法包含有地面节点的最低速率约束，需要在保证节点最低速率约束的情况下最大化系统的总速率，因此其收敛总速率要低于wjpca算法，因为wjpca将会把资源尽可能多的分给信道条件好的用户，这不可避免的导致总系统速率的提升。
当然，图2并不意味本发明提出的mlca算法有一个较差的性能，尽管它有一个相对较低的系统速率，但它保障了更多的地面节点的最低速率要求，在成功接入的地面节点数量上有一个很好的性能。这一点我们可以从与图2同样过程的图3看出。
卫星服务的区域范围的变化也会影响到整体的系统吞吐量。在图4中，我们比较了不同半径条件下的系统吞吐量，我们设置卫星数为4，地面节点数为200，子信道数量为50个，仿真了半径从30km变化到100km范围下的系统性能。
从图4中我们可以看出，服务半径的变化会影响到整体的系统速率，随着半径的逐渐增大，总的系统速率逐渐降低。这一点很好理解，随着距离的增加，整体的信道条件变的越来越差。离轴角度会变的越来越大，相应的离轴增益会逐渐降低，虽然会造成干扰在一定程度上的减少，但整体的系统速率的趋势还是向下。这主要是因为卫星的运行高度比较高，根据勾股定理我们可以得出当地面服务半径不是特别大的时候，事实上leo卫星和众多地面节点之间距离的差距不是特别大，离轴角度也不是很大。由于离轴增益与离轴角度相关，而当离轴角度本身处在较小的范围时，离轴角度的变化并不会造成离轴增益的大幅变化，相应地同频干扰也不会很大。随着距离的增大，整体的信道衰落的变化将会比离轴增益的变化更加剧烈，造成整体的性能继续向下。
最后，我们分析了不同地面节点数目下的系统性能，如图5所示，我们选择粒子群优化算法(particleswarmoptimization,pso)和crpa算法作为对照仿真算法。
从图5中我们可以发现随着地面节点数的增加，三种算法的系统总速率均呈现出下降的趋势，这是因为模型中考虑的是四个独立的卫星系统，每个卫星共享相同的频带，所以当地面节点向一个卫星发送数据时，其会造成对其他卫星的同频干扰。因为在本案中考虑的是一个上行系统，每个地面节点都有其最大发送功率，且最大功率在幅值上是相等的。因此当地面节点的数目不是特别多时，整体的速率会随着地面节点的数目增加而增加，但当地面节点稍微增到一定程度后，功率的影响会显著降低，整体的系统速率将更多的由信道变化影响。地面节点数目越多，也就意味着需要保障最低速率要求的地面节点越多，因此越来越多的资源将会从有较好信道条件的节点转移到较差信道条件的节点，较好条件的节点速率会相应的降低，较差条件节点的速率会提升。其对系统总速率的影响也相对较大。这保证了所有接入卫星的地面节点都能满足最低速率约束，但最终总的速率会降低。从图5中我们也能看到相对于其他两种算法，我们提出的mlca算法在系统总速率上有一个较好的性能提升。
本发明是一种大规模leo卫星部署下的星地传输方法，具体来讲即为在本发明所提架构下建立的优化问题以及为解决所提优化问题，提出的实现系统整体吞吐量最大化的mlca算法，mlca算法包括实现基于不定数目的多对一匹配的信道匹配算法和基于拉格朗日对偶迭代的功率分配算法。在考虑通信场景中功率，速率以及干扰限制等多种约束下，通过这两种算法的结合，我们得到了多卫星节点-多地面节点间的高效传输方案，并通过仿真验证得出了本发明所提方案在吞吐量和接入数量等方面的优势。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。
- 还没有人留言评论。精彩留言会获得点赞！