低轨卫星网络基于跳波束的资源分配算法研究

作     者：赵凌开 

作者单位：哈尔滨工业大学 

学位级别：硕士

导师姓名：郭庆

授予年度：2021年

学科分类：08[工学] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 

主      题：低轨卫星网络 跳波束 资源分配 多目标优化 强化学习 

摘      要：地面通信系统经过半个世纪的发展,已经具备了成熟的运作方式并实现大规模普及。但高质量的通信依赖于大量的地面基站,对于偏远地区来说成本巨大,且受灾害影响严重。卫星通信系统具有覆盖范围广,建设成本与距离无关的特点,能够很好解决地面通信系统存在的问题。卫星通信系统凭借其容量大、低时延、频谱利用率高的特点,可以很好的满足人们的通信需求。卫星通信系统作为典型的资源受限系统,星上有效载荷以及频谱资源有限是限制其发展的关键因素。因此,为了满足宽带高速业务以及卫星物联网的需求,多波束系统被提出。多波束系统采用多波束天线技术,其波束具有空间隔离和频率复用两大特点,是解决资源受限问题的有效途径。此外,还需要通过高效的资源管理方法来提升系统资源利用率,从而提升系统性能。本文重点研究多波束系统中基于跳波束的资源分配问题,跳波束中波束工作时隙短,调度灵活,可以更好的满足通信系统动态资源分配的需求。论文研究了低轨卫星系统中基于跳波束的资源分配算法。首先提出了一种基于多目标优化的跳波束资源分配算法。多波束卫星系统采用跳波束工作方式,应用凸优化中多目标优化函数将系统业务量请求等效为时隙资源的分配问题,其次针对系统中频率、功率以及波束多种维度的资源相互关联、相互制约的特点,进行整体的资源分配与调度,设计基于业务优先级、公平性、系统容量最大化约束的时隙、频率、波束联合分配方案。仿真结果表明,在不同业务分布情况下,本文算法在系统吞吐性能以及时延性能均优于轮询波束分配方式。其次,本文提出了一种基于深度强化学习的跳波束资源分配算法。将资源分配建模为马尔科夫决策过程,将通信系统中的业务量请求、等待时延以及波束调度抽象描述为状态重构。利用提取出的状态构建神经网络,以最优化实时数据时延和系统吞吐量为目标,应用深度Q网络算法学习该网络,通过大量的随机状态输入与多次迭代,训练得出稳定的波束分配策略。仿真结果表明,该方法时延及吞吐量性能优于随机波束分配算法、基于遗传算法的波束分配方法以及第三章提出的多目标优化算法。并且,该算法对于解决服务场景变化快、业务类型复杂的低轨卫星系统资源管理问题具有明显优势。