【技术实现步骤摘要】
一种面向城市监测的卫星携能物联网资源优化分配方法
[0001]本专利技术涉及低轨卫星物联网无线通信领域，具体为一种面向城市监测的卫星携能物联网资源优化分配方法。
技术介绍
[0002]在低轨卫星LEO辅助城市监测网络中，低轨道卫星LEO通过移动部署为多检测节点提供能量传输和数据采集服务。但由于监测节点的任务不同且位置分布不均匀，会在数据生成速率、分布密度及能量消耗速率等方面产生差异。且由于该类场景中检测节点数目庞大且分布密集，低轨道卫星LEO对所有监测节点依次遍历进行能量传输和数据采集将造成严重的低轨道卫星LEO能耗，此外由于离信息收集节点距离较近的监测节点需要承担更多的通信负载，这些节点容易过早的消耗自身的能量，此时监测节点若无法得到及时的数据采集及能量传输服务，会导致严重的能量空洞和数据丢失问题。
技术实现思路
[0003]本专利技术的优化目标在于通过联合优化低轨道卫星LEO飞行决策及资源分配来实现上行链路数据收集量及下行链路能量传输量的最大化，并尽可能降低低轨道卫星LEO能耗，而在实际建立多目标优化问题过程中，三个优化目标在一定程度上存在冲突。如何找到最佳覆盖服务位置做出飞行决策及优化资源分配决策，这一过程非常复杂，会带来相当大的计算成本。此外，由于环境是部分可观测的，传统的基于模型的方法如动态规划方法无法有效解决该问题。
[0004]因此，本专利技术将该问题分为簇头选举及资源分配两部分。首先提出了一种低轨道卫星LEO辅助城市监测网络分簇模型，并提出了相应的簇头选举算法，在对节点进行分簇...
【技术保护点】
【技术特征摘要】
1.一种面向城市监测的卫星携能物联网资源优化分配方法，其特征在于，包括以下步骤：S1、构建低轨卫星LEO辅助城市监测网络模型，为多监测节点提供能量传输及数据采集服务；S2、采用基于K
‑
Means的监测节点簇头选举算法，进行簇头选举及资源分配；S3、采用综合数据采集、能量传输和LEO能量消耗，进行网络资源分配优化；S4、在马尔可夫决策过程问题模型和DDPG算法基础上，采用低轨道卫星LEO辅助城市监测网络数据采集和能量传输的多目标联合优化。2.根据权利要求1所述的一种面向城市监测的卫星携能物联网资源优化分配方法，其特征在于，具体的包括以下步骤：S1、构建一个低轨道卫星LEO辅助城市监测网络模型，具体场景为单低轨道卫星LEO通过移动部署为多监测节点提供能量传输及数据采集服务；其中LEO配备单天线，节点配备多天线，基于天线切换结构分别进行信息解码及能量收集；构建系统的传输队列模型；通过综合考虑视距链路和非视距链路信道出现的概率来建立概率信道模型，并作为LEO与地面监测节点的信道模型；LEO在移动过程中实时确定其下一动作，并更新其位置，联合考虑飞行能耗、覆盖服务能耗及通信能耗，构建了系统的能耗模型；LEO通过对飞行速度及偏向角决策移动到目标节点位置进行服务，在子时隙内以特定发射功率向监测节点发送射频信号；在子时隙内，卫星能量传输覆盖范围内的所有监测节点将得到充能，据此构建了系统的能量传输模型；S2、使用K
‑
Means算法对所有M个监测节点分为K簇，从每个簇中选择合适的监测节点作为簇头，簇头节点收集簇内监测节点的数据并转发给LEO；LEO在覆盖服务阶段对簇内所有节点进行能量传输；在每一个时隙，LEO都会选择一个簇头节点作为下一次服务的目标节点；对于目标节点的选择考虑节点的服务优先级；S3、综合考虑数据采集需求、能量传输需求及低轨道卫星LEO能耗三个方面，过联合优化LEO飞行决策及资源分配实现上行链路数据收集量及下行链路能量传输量的最大化，定义多目标优化问题，进行优化；S4、依据马尔可夫决策过程构建问题模型；首先描述了系统的状态空间；然后基于在低轨道卫星LEO辅助城市监测网络研究场景中的系统状态及环境、LEO在特定时隙时选择的动作包括LEO的飞行速度、飞行角度和时隙分配及发射功率分配，构建动作空间描述；同时，作为强化学习中智能体采取行动后的定量评价。3.根据权利要求1或2所述的一种面向城市监测的卫星携能物联网资源优化分配方法，其特征在于，S1具体包括以下步骤：S101，构建低轨道卫星LEO辅助城市监测网络模型场景为单LEO通过移动部署为多监测节点提供能量传输及数据采集服务；其中LEO配备单天线，节点配备多天线，基于天线切换结构分别进行信息解码及能量收集；每次飞行任务持续时间为T＞0，将总时间划分为等长时隙，即t＝1,2,...,T，在LEO工作中采用飞行—覆盖服务通信协议，LEO在飞行时不与监测节点通信，仅在覆盖服务期间对
监测节点进行能量传输和数据采集，覆盖服务时隙分割为两部分，分别对应上行链路和下行链路通信，在下行链路子时隙中LEO向簇内监测节点发送信息，同时进行能量传输；监测节点则基于天线切换结构接收射频信号进行信息解码同时进行能量收集，在上行链路子时隙中，簇头节点上传监测数据到LEO；S102，构建传输队列模型在该场景中，监测节点用表示，节点位置为[x
m
,y
m
]；对于监测节点设定λ
m
(t)表示节点m在时隙t执行监测任务期间的数据生成速率；假定不同节点的λ
m
(t)服从泊松分布，且在监测任务期间该参数恒定，即λ
m
(t)＝λ
m
；设定表示时隙t处监测节点m的数据传输队列中等待上传的数据长度，在每个时隙开始时的表示为：其中其中是数据传输队列存储的最大容量，假设所有监测节点的相同，当超过时，意味着新收集的数据不能放入节点数据缓冲区将被丢弃，造成数据溢出；对于能量传输要求，设定表示监测节点m在时隙t时监测节点的剩余能量，设定μ
m
(t)表示节点在时隙t的能量消耗速率，不同时隙的μ
m
(t)相同，即μ
m
(t)＝μ
m
，同样因为硬件因素及部署位置不同，监测节点的μ
m
不同；每个时隙开始时的表示为：其中其中是能量传输队列存储的最大容量，假设所有监测节点的相同；当时，意味监测节点能量耗尽，无法提供正常服务，出现能量空洞情况；S103，构建系统信道模型通过综合考虑视距链路LOS和非视距链路NLOS信道出现的概率来建立概率信道模型，并作为LEO与地面监测节点的通信模型，该模型下对应损失表示为：式中γ0＝(4πf
c
/c)
‑2表示参考距离d0＝1m时的信道功率增益，f
c
表示载波频率，c表示光速；d
m
(t)为LEO和目标节点m之间的距离，表示路径损耗指数；μ
NLOS
是NLOS链路的衰减系数；对于监测节点m，在t时刻的LOS概率为：其中，a和b是常数，取决于载波频率和环境类型，θ
m
(t)是LEO和目标监测节点之间的仰角，表示为：θ
m
(t)＝(180/π)sin
‑1(H/d
m
(t))
ꢀꢀꢀꢀꢀ
(5)非视距链路概率通过P
tNLOS
(θ
m
(t))＝1
‑
P
tLOS
(θ
m
(t))来表示；LEO和目标监测节点m之间的通信链路的下行信道功率增益和上行信道功率增益分别表示为h
m
(t)和g
m
(t)；即LEO和目
标节点之间的信道功率增益表示为：S104，构建系统能耗模型假设LEO在固定高度H＞0飞行，在时隙t的水平位置表示为[x
u
(t),y
u
(t)]，LEO在移动过程中实时确定其下一动作，并更新其位置；该场景中LEO的飞行控制通过飞行速度v(t)和偏航角θ(t)来描述，其中v(t)受到最大飞行速度的限制，偏航角受到θ(t)∈[
‑
π,π]的限制；此处对于LEO的能耗模型研究将联合考虑飞行能耗、覆盖服务能耗及通信能耗，其中飞行过程中LEO在速度V下的推进功耗通过下式计算：式中P0是覆盖服务时的叶片轮廓功率，U
tip
是转子叶片的叶尖速度；P
i
和v0表示覆盖服务条件下的感应功率和平均转子诱导速度；对于寄生功率，d0，ρ，s，A分别表示机身阻力比，空气密度，旋翼固度和转子盘面积；LEO的推进功耗包括叶片剖面、感应功率和寄生功率，对应于式(4)
‑
(7)的三部分；对于覆盖服务功耗通过设置V＝0得到：P
hov
＝P(V＝0)＝P0+P
i
ꢀꢀꢀꢀꢀꢀꢀ
(8)LEO在时隙t内的飞行消耗能量表示为：在覆盖服务阶段对LEO覆盖范围内的监测节点进行能量传输和数据采集；S105，构建能量传输模型LEO通过对飞行速度及偏向角决策移动到目标节点位置进行服务，在子时隙τ(t)内以发射功率P
d
(t)向监测节点发送射频信号，其中P
d
(t)受到的限制；在τ(t)内，LEO能量传输覆盖范围内的所有监测节点将得到充能，监测节点m处的接收功率表示为：应用非线性能量传输模型作为空地能量传输...
【专利技术属性】
技术研发人员：李源，许海涛，徐佳康，杨仁金，张海旺，吕挺，
申请(专利权)人：北京鹏鹄物宇科技发展有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。