基于深度学习的多波束卫星通信系统中动态波束调度技术研究.docxVIP

?

?

基于深度学习的多波束卫星通信系统中动态波束调度技术研究

?

?

朱倪瑶张波

【摘要】??针对多波束技术为卫星通信系统带来更大用户容量，提升覆盖能力的同时，也面临波束控制难度高、资源浪费的问题。本文简要阐述了多波束天线的工作原理与波束调度方法，并基于深度学习分析了动态波束调度技术，在未考虑延时优化的前提下，利用线性规划得到适用稳态实践平均值的波束调度技术，希望提升一般波束调度方案适应环境动态变化的能力。

【关键词】??多波束天线??卫星通信系统??动态波束调度??深度学习

引言：

传统的固定多波束卫星通信系统普遍存在波束资源浪费问题，所以有必要对全域动态波束调度技术进行研究，以此大幅度提升系统的通信容量，满足地面用户对通信质量的需求，进而达到改善无线通信能力的目的，实现多波束卫星通信系统整体资源利用效率提升的目标。

一、多波束卫星通信系统研究

1.1多波束天线的工作原理

多波束天线中的每个天线均使用一个独立天线结构，卫星通信系统配置多波束天线之后，可具有较高的系统吞吐量、更加集中的波束能量，并且能够实现区域的全覆盖。多波束天线包括透镜、阵列等多种类型，其中，多波束透镜天线具有较强的功率放大能力与重构天线方向图的能力，适用于军事卫星。多波束阵列天线是指在直接辐射的基础上，通过增加一个反辐射面来提升资源利用效率，使得相位不同的电磁波信号叠加成特定天线方向图之后，向卫星空间发射相应的辐射单元，进而实现快速的波束跳变。

1.2波束调度方法的介绍

多波束卫星通信系统中的波束调度，需要每一时刻都要调整每个波束的方向，然后运用时分复用的方法，实现卫星波束发射机减小的目标。调度方法包括：1.轮询调度法。所有波束会按照特定的顺序覆盖到全部小区，每个波束覆盖的小区的时间几乎相同，资源越均衡调度效果越佳。2.固定时隙调度法。一段时间内每个小区获得波束的时间均是固定的，波束控制具有较强的公平性，但是业务请求量会随人口流动、时间变化、气候变化而改变。3.最长队列调度法。主要是针对每个小区内带传输的业务对波束进行排序，所以卫星通信系统只需考虑系统容量，但是对信道容量的要求存在一定不合理性。4.基于遗传算法的调度法。这种方法会寻找到当前时隙的最优解，通过适度函数的运算对个体波束进行选择，然后对每一时刻的波束进行迭代，充分考虑了用户请求业务量与信道容量[1]。

二、基于深度学习的动态波束调度技术分析

为减少卫星通信系统发射机的数量、节约发射卫星成本，在多个小区内覆盖少量波束就能解决流量需求不均衡的问题。因此，基于深度学习对当前时刻的动态波束调度技术进行分析，可按照特定顺序将所有小区内待传输的业务量进行排序，然后利用遗传算法寻找优化调度方案的最优解，综合考虑的内容包括信道容量、业务请求量以及数据等待时长，以此提高卫星通信系统全局性能。

2.1系统模型

地面用户终端作为互联网接入服务的主要对象，由多波束卫星通信系统的前向链路将用户终端与网关站联系起来。进行调整后的影虎链路具有跳波束功能。假设卫星通信系统在全波小区覆盖了K个有源波束，且有源波束数量远小于小区个数，则可用集合来代表具有跳波束功能的卫星通讯场景相关模型。在动态波束调度技术对卫星通信缓冲区的数据包进行决策的过程中，可在某一时刻运用动态波束调度技术来表示若干个小区分配到的波束，综合考虑信道容量与用户业务请求，对有效载荷参数与信道条件进行相应的决策优化。同时，通过动态波束调度技术对小区内的流量进行优化，将最小化数据包延时作为优化目的，使用时延定义请求时间与数据包到达的时间之间的关系，超出时间限制的数据包将会被丢弃。此外，考虑到不同地理位置处用户以及用户群的可移动性，动态波束调度还应具有一定的追踪能力，势必利用有限的硬件资源，充分发挥出波束调度技术的优势，以此为用户提供更加优质的通信服务。

2.2动态波束调度方法

2.2.1整体架构

卫星通信系统中的动态波束调度方法，主要是将DRL-DBS算法作为构建多波束卫星智能体的基本思想，然后对特定传输环境中各个待请求发送、传输的数据包进行建模。建模的过程即为马尔可夫决策过程，当决策智能体输出当前波束状态之后，卫星通信系统会在第一时间收到决策动作，并对输出做出相应的奖励，然就将能表征的动作值函数输入到传输网络中，进而得到有关波束的映射动作值，经过经验池、目标网络以及优化器，输出的决策会被进一步优化，以此实现卫星通信系统多波束调度性能的优化，在最大程度上满足不同小区用户的通信质量要求。

2.2.2决策过程模型

对马尔可夫性决策过程模型进行一系列分析之后，会综合考虑特定场景下数据包的到达率以及信道条件的时变性，由于决策过程中的信道条件时变性较难获取，运用深度学习算法对决策过程中状态、动作以及奖励进行优化，从而达到全局性能提升的目的。其中，