基于多目标多智能体强化学习的低轨卫星切换策略

针对低轨卫星通信系统(LSM) 中地面用户流量需求分布不均衡和用户并发切换过多等挑战,提出了一种基于多目标 多智能体协同深度强化学习的低轨卫星切换策略,以地面小区用户流量需求满意度、切换时延、用户冲突为优化目标,采用多 智能体协同深度学习算法对目标进行优化,其中每个智能体仅负责一个小区用户的卫星切换策略,智能体之间通过共享奖励 实现协作,从而达到多目标优化的效果。仿真结果表明,所提的切换策略的平均用户流量满意度为73.1%,平均切换时延为 343 ms,对比启发式算法能够更好满足地面小区用户的流量需求、平衡卫星网络的负载。     

基于业务公平性和干扰消除的波束调度

传统的多波束卫星通信系统采用固定的资源分配方式导致资源利用率较低，跳波束技术可以使卫星波束根据业务需求灵活的分配卫星资源，然而在整个卫星系统中随着波束的增加，波束选择的计算复杂度随之增加，而且系统并没有考虑业务公平性、波束干扰等问题。针对上述问题，提出了基于业务实时占比的卫星波束调度方法，以最小化波束提供量与需求量差值为目标，将波束调度分为3个子问题，首先通过时隙分配降低计算复杂度，其次通过最小化业务延迟，降低了业务时延，最后通过空间隔离的方式抑制了波束间的同频干扰，提高同频复用率。仿真结果表明，该方法能够有效提高业务公平性和资源利用率。