基于机器学习的高轨高通量卫星覆盖优化方法及相关设备技术

本公开提供一种基于机器学习的高轨高通量卫星覆盖优化方法及相关设备，其特征在于，包括：获取用户对卫星通信的需求信息；对所述需求信息进行聚类处理得到若干边界点，根据所述若干边界点确定卫星波束的覆盖范围；基于所述覆盖范围中卫星波束间的空间拓扑关系，确定所述覆盖范围中卫星波束间邻接关系的空间拓扑图；通过叠置分析方法对所述空间拓扑图中的卫星波束进行着色处理，得到着色处理后的卫星波束；对所述着色处理后的卫星波束进行频率分配。配。配。

【技术实现步骤摘要】
基于机器学习的高轨高通量卫星覆盖优化方法及相关设备


[0001]本专利技术涉及卫星通信
，尤其涉及一种基于机器学习的高轨高通量卫星覆盖优化方法及相关设备。

技术介绍

[0002]近年来，在航天技术、信息技术、互联网应用和资本市场等力量的共同推动下，全球卫星通信又迎来一个新的发展高潮。在商业航天、新基建计划、数字经济等因素的加持下，我国卫星通信迎来了高速发展阶段，表现出与国外同行齐头并进的发展态势。卫星互联网是航天技术和信息通信技术的融合创新，经过多年发展，已经在消费宽带、机/船载宽带接入、基站中继与回传、政府与企业网络等多个领域得到广泛应用，市场规模快速增长，成为卫星通信业务发展的新高地。
[0003]高轨通信卫星造价高、寿命长，通常一颗通信卫星具有15年的服务期，因此，为了满足通信卫星长期使用的延续性和高利用率，对于通信卫星的覆盖设计、容量分布要通盘考虑。
[0004]现有技术中，对于卫星的覆盖设计主要通过粒子群智能优化算法，使用混合波束覆盖方案，根据人口密度对不同区域采用不同波束进行覆盖，将传统均匀波束以地理面积为依据的通信资源分配转化为以人口密度为依据的通信资源分配。但是，由于所设计的波束需求模型仅仅以中国人口较胡焕庸线两侧的分布大致趋势为覆盖设计输入且对于波束的张角选择固化，使得最终确定的波束覆盖范围不准确，且可能造成资源分配的不均衡。

技术实现思路

[0005]有鉴于此，本公开的目的在于提出一种基于机器学习的高轨高通量卫星覆盖优化方法及相关设备。
[0006]作为本公开的一个方面，提供了一种基于机器学习的高轨高通量卫星覆盖优化方法，其特征在于，包括：
[0007]获取用户对卫星通信的需求信息；
[0008]对所述需求信息进行聚类处理得到若干边界点，根据所述若干边界点确定卫星波束的覆盖范围；
[0009]基于所述覆盖范围中卫星波束间的空间拓扑关系，确定所述覆盖范围中卫星波束间邻接关系的空间拓扑图；
[0010]通过叠置分析方法对所述空间拓扑图中的卫星波束进行着色处理，得到着色处理后的卫星波束；
[0011]对所述着色处理后的卫星波束进行频率分配。
[0012]可选的，所述获取用户对卫星通信的需求信息，包括：
[0013]根据用户对卫星通信的需求信息构建用户对卫星通信的需求模型；
[0014]对所述用户需求模型进行网格化处理，得到包含用户需求的若干网格对象；
[0015]其中，所述用户对卫星通信的需求模型表示为；
[0016]χ
i
＝f
i
(x,y)
[0017][0018]其中，x表示各网格中心点的经度信息，y表示各网格中心点的经度信息，χ
i
是第i个行业在网格中的通信需求分布，f
i
(*)表示第i个行业用户数据网格化后的需求模型，k
i
是第i个行业的权重，χ是所有行业在网格中的通信需求分布的叠加，表示各行业需求模型在空间上叠加后得到的需求模型。
[0019]可选的，所述对所述需求信息进行聚类处理得到若干边界点，根据所述若干边界点确定卫星波束的覆盖范围，包括：
[0020]计算所述若干网格对象中每一个网格对象到预设的若干聚类中心的欧氏距离，表示为：
[0021][0022]其中，X
i
表示第i个网格对象，1≤i≤m
×
n；C
j
表示第j个聚类中心，1≤j≤k；X
it
表示第i个对象的第t个属性；C
jt
表示第j个聚类中心的第t个属性；
[0023]将所述若干网格对象中每一个网格网对象分配至所述欧氏距离最小的聚类中心，并生成若干类簇；
[0024]计算所述若干类簇的类簇中心，表示为：
[0025][0026]其中，C
l
表示第个聚类的中心，1≤l≤k，|S
l
|表示第l个类簇中对象的个数，X
i
表示第l个类簇中第i个对象，1≤i≤|S
l
|；
[0027]基于所述若干类簇中心确定卫星波束的若干边界点；
[0028]对所述若干边界点进行连线处理得到所述卫星波束的覆盖范围。
[0029]可选的，所述基于所述若干类簇中心确定卫星波束的若干边界点，包括：
[0030]计算所述类簇中的每个网格对象与所述类簇中心的若干波束半张角，并确定所述若干波束半张角中的最大波束半张角，表示为：
[0031][0032]θ
l
＝max(θ
li
)，1≤i≤|S
l
|
[0033]其中，每个非类簇中心点的经纬度与波束中心点所对应的波束半张角θ
li
和最大波束半张角θ
l
：表示第l个类簇中的第i个非类簇中心点的经纬度在地球坐标系下的笛卡尔坐标向量，表示卫星在地球坐标系下的笛卡尔坐标向量，表示第l个波束中心在地球坐
标系下的笛卡尔坐标向量；
[0034]响应于确定所述类簇中心和所述网格对象关于卫星位置的夹角，与所述最大波束半张角的差值小于预设值，则所述网格对象的位置为卫星波束边界点。
[0035]可选的，所述基于所述覆盖范围中卫星波束间的空间拓扑关系，确定所述覆盖范围中卫星波束间邻接关系的空间拓扑图，包括：
[0036]基于所述空间拓扑关系，确定所述覆盖范围中每一个卫星波束的交集波束；
[0037]基于所述交集波束生成所述覆盖范围中卫星波束相邻关系的空间拓扑图。
[0038]可选的，所述通过叠置分析方法对所述空间拓扑图中的卫星波束进行着色处理，得到着色处理后的卫星波束，包括：
[0039]通过所述叠置分析方法对所述空间拓扑图中的所述若干相邻波束进行叠置分析，得到最小着色量；
[0040]响应于所述最小着色量，对所述空间拓扑图中的波束进行着色处理，得到具有不同颜色的波束集合。
[0041]可选的，所述对所述着色处理后的卫星波束进行频率分配，包括：
[0042]建立所述波束集合中的每种波束颜色与频率和极化方式的映射关系，得到映射关系表；
[0043]基于所述映射关系表对所述着色处理后的卫星波束进行频率分配。
[0044]作为本公开的第二个方面，本公开还提供了一种基于机器学习的高轨高通量卫星覆盖优化装置，其特征在于，包括：
[0045]用户需求获取装置，被配置为：获取用户对卫星通信的需求信息；
[0046]覆盖集合确定装置，被配置为：对所述需求信息进行聚类处理得到若干边界点，根据所述若干边界点确定卫星波束的覆盖范围；
[0047]空间拓扑图生成装置，被配置为：基于所述覆盖范围中卫星波束间的空间拓扑关系，确定所述覆盖范围中卫星波束邻接关系的空间拓扑图；
[0048]波束着色处理装置，被配置为：通过叠本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的高轨高通量卫星覆盖优化方法，其特征在于，包括：获取用户对卫星通信的需求信息；对所述需求信息进行聚类处理得到若干边界点，根据所述若干边界点确定卫星波束的覆盖范围；基于所述覆盖范围中卫星波束间的空间拓扑关系，确定所述覆盖范围中卫星波束间邻接关系的空间拓扑图；通过叠置分析方法对所述空间拓扑图中的卫星波束进行着色处理，得到着色处理后的卫星波束；对所述着色处理后的卫星波束进行频率分配。2.根据权利要求1所述的方法，其特征在于，所述获取用户对卫星通信的需求信息，包括：根据用户对卫星通信的需求信息构建用户对卫星通信的需求模型；对所述用户需求模型进行网格化处理，得到包含用户需求的若干网格对象；其中，所述用户对卫星通信的需求模型表示为；χ
i
＝f
i
(x,y)其中，x表示各网格中心点的经度信息，y表示各网格中心点的经度信息，χ
i
是第i个行业在网格中的通信需求分布，f
i
(*)表示第i个行业用户数据网格化后的需求模型，k
i
是第i个行业的权重，χ是所有行业在网格中的通信需求分布的叠加，表示各行业需求模型在空间上叠加后得到的需求模型。3.根据权利要求2所述的方法，其特征在于，所述对所述需求信息进行聚类处理得到若干边界点，根据所述若干边界点确定卫星波束的覆盖范围，包括：计算所述若干网格对象中每一个网格对象到预设的若干聚类中心的欧氏距离，表示为：其中，X
i
表示第i个网格对象，1≤i≤m
×
n；C
j
表示第j个聚类中心，1≤j≤k；X
it
表示第i个对象的第t个属性；C
jt
表示第j个聚类中心的第t个属性；将所述若干网格对象中每一个网格网对象分配至所述欧氏距离最小的聚类中心，并生成若干类簇；计算所述若干类簇的类簇中心，表示为：其中，C
l
表示第个聚类的中心，1≤l≤k，|S
l
|表示第l个类簇中对象的个数，X
i
表示第l
个类簇中第i个对象，1≤i≤|S
l
|；基于所述若干类簇中心确定卫星波束的若干边界点；对所述若干边界点进行连线处理得到所述卫星波束的覆盖范围。4.根据权利要求3所述的方法，其特征在于，所述基于所述若干类簇中心确定卫星波束的若干边界点，包括：计算所述类簇中的每个网格对象与所述类簇中心的若干波束半张角，并确定所述若干波束半张角中的最大波束...

【专利技术属性】
技术研发人员：苏浩然，李思洁，陈宁宇，王运韬，侯帅，杜绍杰，吕韫哲，
申请(专利权)人：中国卫通集团股份有限公司，
类型：发明
国别省市：