基于分布式协同进化的星座自主任务规划算法

星座协同自主任务规划是卫星自主化管理与控制技术中的重要一环。首先, 提出了一种分布式星座协同迭代优化策略, 星座内各星作为独立智能体通过“接收”“更新”“发布”的三阶段协作行为共同参与对整体任务方案的协调寻优。其次, 在该策略的基础上设计了一种分布式协同进化算法, 通过分布于不同卫星的多个亚种群在信息交互中并行进化以持续优化各星方案组合。最后, 在S698PM嵌入式开发环境下进行仿真实验, 通过与贪婪算法、集中式遗传算法以及CPLEX的对比测试, 验证了所提方法在恶劣通信环境下与大规模问题中的适用性和有效性。     

基于LSTM的LEO卫星链路自适应算法

低地球轨道(low earth orbit,LEO)卫星由于其传输损耗低、地面干扰小等优点成为空天地一体化网络的重要组成部分.由于星地传输链路的时延大,现有卫星通信过程无法实时地进行信息交互,导致系统无法适应信道的变化.针对这个问题,提出了基于长短期记忆(long short-term memory,LSTM)网络的信...     

卫星网络的数学模型和路由算法研究

对卫星网络路由算法研究中存在的问题进行了分析.建立了卫星网络的多约束数学模型,该模型表示了多约束条件下的最小代价问题.在数学模型研究的基础上,对多约束路由算法进行研究,得到一种多约束切换最优路由算法.该算法能够有效地降低路径的切换概率,能够提高计算效率,通过分析表明该算法具有较好的性能.     

GEO卫星辅助的LEO通信星座定位性能研究

由于存在较大的几何精度因子(GDOP)值,单独利用低轨小卫星通信星座进行用户定位存在定位精度低、定位时间长等缺点。在对造成低轨定位系统GDOP较大的原因进行理论分析的基础上,提出采用静止轨道(GEO)卫星辅助低轨卫星(LEO)进行定位的方案,并提出了相应的两种基于多普勒频移和到达时间差的定位算法,通过仿真对算法在该方案中的性能进行了评估。仿真结果表明,该方案可以有效地提高定位精度,减小定位时间,是一种实现低轨小卫星系统通信与导航定位兼容的简单而有效的方案。     

基于不确定链路参数的卫星网络路由算法

对于卫星链路参数在复杂空间环境中存在不确定性的问题,研究了一种基于不确定链路参数的卫星网络路由算法。首先,采用三角模糊数描述链路参数的不确定性;在此基础上,建立卫星网络多约束路由模型;然后,设计保证路径有效性的遗传操作,通过遗传算法对路由模型进行求解;最后,通过仿真分析表明,该算法可以在复杂环境中实现高效路由,在平均时延、时延抖动和丢包率等方面有较好的效果。     

基于SDN的卫星网络多QoS目标优化路由算法

针对传统卫星网络中业务类型多样化导致的网络配置复杂和业务服务质量(quality of service, QoS)无法得到有效保障的问题,研究了基于软件定义网络(software-defined networking, SDN)的卫星网络架构,提出了一种能够满足多种QoS需求的自适应路由算法。首先,建立了软件定义卫星网络多约束条件路由选择优化模型;然后,使用拉格朗日松弛法对模型进行松弛处理;最后,使用梯度法进行迭代求解,搜索出满足带宽、时延、丢包率等多种QoS的最优路径。研究结果表明,该优化算法在QoS满意度方面相比近地轨道卫星路由算法提高了64%,在时延满意度和丢包率满意度方面相比软件定义路由算法提高了28%。     

低轨预警星座通信网络的路由算法

路由技术是低轨预警星座通信网络需解决的关键技术之一。设计了低轨预警星座通信网络的拓扑结构。提出了多约束最优路由模型,该模型将链路的时延、切换率和可用带宽转化为传输费用,表示了时延和跳数受限的最小费用路由问题。给出了求多约束最优路由问题的最优解算法,此算法通过缩小可行路径的搜索空间降低计算复杂性。仿真结果表明,该路由算法的复杂性和切换性能优于同类算法,适合于星上在线路由计算。     

提高导航星座自主性的分布式仿真系统研究

为了提高导航星座的自主性,有必要研究导航系统的自主导航能力。基于HLA建立了分布式的导航星座自主导航仿真系统。介绍了系统的组成以及各部分之间的关系,详细描述了系统中主要部分的实现技术,提出了导航星座自主定轨以及自主守时的主要算法,并对算法进行了仿真验证。仿真系统运行稳定,能对各种导航星座自主导航能力进行评价。计算结果表明提出的自主定轨算法和自主守时算法能够满足导航星座自主导航的基本要求。     

大规模MIMO系统中分布式压缩感知LMMSE信道估计

大规模多输入多输出(multiple input multiple output,MIMO)系统中,信道估计算法复杂度随着基站侧天线数量的增加而急剧增加,针对需要在信道估计算法复杂度与算法性能之间进行折中的问题,提出分布式压缩感知线性最小均方误差(distributed compressed sensing linea...     

基于双重窗口的MEO-LEO卫星网络路由切换检测

MEO-LEO卫星网络路由是新一代卫星通信系统中要研究的一个重要问题,但目前对卫星路由切换检测的意义和实现还缺乏深入研究.结合空间环境因素建立了多尺度路由切换基准,提出了一种基于双重窗口的卫星网络路由检测算法,可以直接确定路由切换时间点,简化星上路由表来减少星上路由存储开销,并提供针对失效节点和失效链路的适应性.最后通过仿真分析和比较,验证这种算法在有/无失效节点情况下的检测查全率和查准率都达到90%以上,能够提供准确依据优化卫星网络集中式路由机制.     

基于分支剔除的低轨星座实时传感器调度算法

针对低轨星座目标连续跟踪的传感器资源调度问题,通过对调度约束因素的分析,提取跟踪精度、资源松弛度和资源分配均衡因子三个优化参数,建立了传感器实时调度模型;并建立长时调度决策树,将标准代价搜索方法和分支剔除技术相结合,提出了一种基于分支剔除的实时传感器调度算法。仿真实验表明,标准代价搜索和分支剔除技术的引入明显降低了调度算法的运算量,尤其对于多目标和大步长的情况,且调度传感器跟踪目标的误差略小于短时调度方法。     

大型低轨星座部署对空间碎片环境的影响分析

为分析大型低轨(low Earth orbit, LEO)星座部署对未来空间碎片环境的影响,本文利用空间碎片环境长期演化模型(space objects long-term evolution model, SOLEM)研究了大型星座卫星数量、质量、面积、部署高度及任务后处置(post mission disposal, PMD)策略等因素对碰撞次数和碎片数量的影响。分析可知,卫星数量和面积主要影响碰撞次数,而卫星质量主要影响由碰撞产生的新增碎片数量。在满足任务条件下,可综合考虑三者关系选取最合适方案。同时,星座部署在1 100 km高度对空间碎片环境影响较大,在遵守25年规则的前提下应将PMD成功率提升至95%以上。     

大型低轨星座部署对空间碎片环境的影响分析

为分析大型低轨(low Earth orbit, LEO)星座部署对未来空间碎片环境的影响,本文利用空间碎片环境长期演化模型(space objects long-term evolution model, SOLEM)研究了大型星座卫星数量、质量、面积、部署高度及任务后处置(post mission disposal, PMD)策略等因素对碰撞次数和碎片数量的影响。分析可知,卫星数量和面积主要影响碰撞次数,而卫星质量主要影响由碰撞产生的新增碎片数量。在满足任务条件下,可综合考虑三者关系选取最合适方案。同时,星座部署在1 100 km高度对空间碎片环境影响较大,在遵守25年规则的前提下应将PMD成功率提升至95%以上。     

Novel optimized routing algorithm for LEO satellite IP networks

A lot of routing algorithms have been proposed for low earth orbit(LEO) satellite IP networks in recent years,but most of them cannot achieve global optimization.The dynamic characters of LEO satellite networks are reflected in two aspects:topology and traffic change.The algorithms mentioned above are hard routing which only realize local optimization.A distributed soft routing algorithm combined with multi-agent system(MASSR) is proposed.In MASSR,mobile agents are used to gather routing information activel...     

基于注意力机制的混合CNN-BiLSTM低轨卫星信道预测算法

针对低轨道卫星信道质量变化迅速、信道参数“过时”的问题, 提出了一种基于注意力机制的卷积神经和双向长短时记忆神经网络(attention-convolutional neural network and bi-directional long-short term memory neural network, AT-CNN-BiLSTM)融合的信道预测方法。该方法由信号预处理、网络训练和信号预测3部分组成。首先在高斯白噪声条件下模拟室外卫星信号, 得到卫星信号的训练集和测试集; 然后将训练集输入构建的训练网络进行特征提取; 最后将测试数据输入网络进行预测分析。仿真结果表明, 在与其他4种人工智能方法的对比中, 所提出的混合神经网络能够在较快的收敛速度下达到较高的准确率(91.8%), 有效地缓解了低轨道卫星信道参数“过时”的现状, 对提升卫星通信质量和节省卫星信道资源有良好的改善作用。     

低轨卫星物联网场景下基于吸引子选择算法的多星负载均衡算法

低地球轨道(low earth orbit, LEO)卫星物联网系统中由于低轨卫星的高速运动,导致卫星波束覆盖范围内节点业务模型在空间和时间两个维度呈现不均匀性和时变性。针对这一特征,提出一种空时二维卫星物联网业务模型,在空间维度采用网格划分的方法确定不同地理环境下节点密度和坐标位置,在时间维度采用贝塔分布进行建模,从而实现LEO卫星物联网业务模型空时两个维度的建模。在此基础上,针对未来LEO卫星星座多星覆盖的场景,提出一种基于吸引子模型的多星负载均衡算法,卫星侧通过负载估计算法估计各个卫星的活性度,节点侧结合接入不同卫星的俯仰角等参数采用多属性决策算法估计不同卫星对于节点的设备满意度,在LEO卫星高动态环境下使得卫星的网络活性度保持一种动态的平衡。仿真结果表明,相比于传统的基于最高优先级的接入策略,所提算法在单星业务峰均比、系统资源利用率、随机接入性能等方面有了显著的提高。     

基于抗差UD分解滤波的导航星座整网定轨方法

针对我国导航星座的自主定轨问题,提出基于抗差UD(upper triangular matrix diagonal matrix)分解滤波的导航星座整网定轨方法。该方法对卫星轨道参数进行整网估计,通过对所有观测资料加权以避免观测粗差的影响,并利用UD分解算法来避免对协方差矩阵的直接求逆而导致的计算机舍入误差过大从而滤波发散。推导了整网定轨的数学模型,给出了抗差UD分解滤波的详细步骤。通过性能分析和仿真计算表明了该方法的可行性与有效性。     

基于深度强化学习的卫星光网络波长路由算法

针对由卫星光网络拓扑动态变化、业务多样化和负载不均引起的路由收敛慢和波长利用率低的问题, 提出了一种基于深度强化学习的卫星光网络波长路由分配方法。基于软件定义中轨/低轨(medium earth orbit/low earth orbit, MEO/LEO)双层卫星网络架构, 利用深度强化学习算法动态感知网络当前的业务负载和链路状况, 构造基于时延、波长利用率和丢包率的奖励函数进行选路决策。为了解决单跳链路对整个光路的影响, 引入链路瓶颈因子, 搜索符合服务质量(quality of service, QoS)约束的最优路径。研究结果表明, 与传统卫星网络分布式路由(satellite network distributed routing algorithm, SDRA)算法和Q-routing算法相比, 所提算法降低了网络的时延、丢包率, 提高了波长利用率, 同时也降低了高优先级业务的阻塞率。