一种基于遗传算法的低轨卫星系统频率复用规划方法技术方案

本发明专利技术属于卫星通信技术领域，公开了一种基于遗传算法的低轨卫星系统频率复用规划方法，包括以下步骤：进行覆盖区域的波位划分；设定内层波位的频率分配方案；对外层波位频率分配进行遗传算法迭代，包括设置优化参数，初始化种群，进行交叉

【技术实现步骤摘要】
一种基于遗传算法的低轨卫星系统频率复用规划方法


[0001]本专利技术属于卫星通信
，具体涉及一种基于遗传算法的低轨卫星系统频率复用规划方法。

技术介绍

[0002]低轨卫星系统具有传输时延低、频谱利用率高、传输容量大、覆盖连续性好、终端成本低等优势，被认为是构建新一代宽带卫星通信系统的有效技术途径。低轨卫星的对地覆盖区域往往划分为多个波位，通过跳波束、频率复用等方式，可以极大地提高卫星通信系统容量。然而，频率复用会带来同频干扰问题，如果两个同频波位距离过近，则会使同频干扰问题变得严重。在系统设计阶段，借助优化算法，合理设计频率复用次数与波位排布方案，尽可能增大同频波位之间的最小距离，以抑制同频干扰问题。
[0003]近年来，群智能算法得到了学术界的广泛关注，成为求解优化问题的有效工具。群智能算法属于计算智能的范畴，可以看做是仿生学在优化领域的应用。群智能算法可以归结为两大类：
[0004]第一类是根据达尔文提出的物竞天择，优胜劣汰的进化思想，模仿生物种群进化的过程，通过保留优良个体，淘汰劣质个体，让整个种群向着更高的层次进化。这一类算法也称为进化算法，典型的例子有遗传算法、遗传规划、进化策略、进化规划和差分进化算法等等。
[0005]第二类是通过模仿社会性动物的个体行为和个体之间的分工协作，来完成寻优搜索的过程。在自然界，许多社会性动物通过个体之间的分工协作，能够表现出十分复杂的、具有智能性的群体行为，而从个体的角度来看，个体行为又比较简单。关于上述现象，典型的例子有鸟群觅食、蜜蜂采蜜和蚂蚁寻路等，学者们对这些生物的行为展开了广泛的研究，对应地提出了粒子群优化算法，人工蜂群算法和人工蚁群算法等。
[0006]针对频率多色复用波位排布问题的特点，可以采用遗传算法。遗传算法最早由美国Michigan大学的Holland教授于二十世纪七十年代初提出的，随后DeJong将其扩展到了最优化数值函数计算的应用中。遗传算法遵循适者生存的自然选择的原则，采用交叉、变异的遗传机理，模拟生物体的进化过程，形成了一种高效并行的全局搜索算法，在搜索过程中可以自动获得和积累有关搜索空间的知识，自适应的控制搜索过程以求得最优解。近年来，遗传算法在问题求解、优化和搜索、机器学习、系统控制、模式识别等领域得到广泛的应用，并且取得了很大的成就。遗传算法具备普遍的适应性，不受问题的性质和具体形式所限制，对频率多色复用波位排布问题的求解有着良好的兼容性。

技术实现思路

[0007]针对低轨卫星多波位频率复用带来的同频干扰问题，本专利技术提出了一种基于遗传算法的低轨卫星系统频率复用规划方法，迭代计算最优频率复用方案，尽可能地增大同频波位之间的最小距离，以降低同频干扰。
[0008]一种基于遗传算法的低轨卫星系统频率复用规划方法，包括以下步骤：
[0009]步骤1：将低轨卫星系统的覆盖区域划分为若干层波位，其中最外层的一圈波位称为外层波位，其余层波位统称为内层波位；
[0010]步骤2：根据同频波位距离最远的原则设定内层波位的频率分配方案；
[0011]步骤3：对外层波位频率分配进行遗传算法迭代，包括设置优化参数、初始化种群、进行交叉
‑
变异操作、进行选择操作以及更新全局最优。
[0012]进一步的，所述步骤3包括：
[0013]步骤3.1：设置优化参数，包括种群规模N、最大迭代次数G和变异个体数量P；
[0014]步骤3.2：初始化种群，种群中每个个体代表一种外层波位排布的方案，每个个体的基因都是下列集合A的一个全排列：
[0015][0016]其中，Q
k
为第k个频率在外层波束中的复用次数，J为外层波位的个数，同时也是每个个体的基因数，K为复用的频率数，第j位数字k表示第j个波位填充第k个频率，j＝1,2,...,J,k＝1,2,...,K；
[0017]生成多个集合A的随机全排列作为个体的基因，并选取N个适应度值小于门限N
t
的个体作为初始化种群，初始化种群中适应度值最低的个体被设定为全局最优；
[0018]步骤3.3：进行交叉
‑
变异操作，对于初始化种群中第n个个体，n＝1,2,
…
,N，记为个体a，在另外N
‑
1个个体中随机选择一个个体，记为个体b，保留个体a和个体b的基因中相同的部分，记为集合Same；个体a的基因中与个体b不同的部分记为集合Diff0，在集合Diff0中随机选取两个基因调换顺序，得到集合Diff1，由集合Same和集合Diff1组合得到变异个体；如果个体a和个体b的基因相同，则随机选取两个基因调换顺序生成变异个体；计算变异个体的适应度值；重复这一步骤直到生成P个适应度值不大于原个体a的变异个体；
[0019]步骤3.4：进行选择操作，在步骤3.3中得到的P个变异个体中选取适应度值最小的个体替换原个体a，如果适应度值都相同，则随机选择一个个体替换原个体a；
[0020]步骤3.5：重复步骤3.3
‑
步骤3.4，直到N个个体都完成操作，将适应度值最低的个体设定为新的全局最优；
[0021]步骤3.6：重复步骤3.3
‑
步骤3.5，直到迭代次数达到最大，输出全局最优作为结果。
[0022]进一步的，所述适应度值的计算方法为：
[0023]某个体表示为：
[0024]A
′
＝[a1,a2,...,a
J
][0025]式中，a
j
∈{1,2,...,K}，且A
′
是集合A的一个全排列；
[0026]则适应度值表示为：
[0027][0028]式中，W的大小确定方法为：设定W初始值为0，外圈波位上每存在一对相邻或间隔1个波位的同频波位，W增加1000；外圈波位上每存在一对间隔2个波位的同频波位，W增加1；
[0029]表示第j个波位填充第a
j
个频率后所贡献的适应度值，取值根据内层波位的频率分配方案确定，如果第j个波位填充第a
j
个频率后，与内层波位的第a
j
个频率相邻，则如果第j个波位填充第a
j
个频率后，与内层波位的第a
j
个频率间隔1个波位，则如果第j个波位填充第a
j
个频率后，与内层波位的第a
j
个频率间隔2个波位，则如果第j个波位填充第a
j
个频率后，与内层波位的第a
j
个频率间隔3个或3个以上波位，则将所有的值表示成一个J
×
K的矩阵，称为外层波位适应度值矩阵。
[0030]本专利技术的有益效果为：
[0031]1.本专利技术所提供的低轨卫星系统频率复用规划方法，可以在给定的覆盖区域波位划分方案下，计算最优的多色复用波位排布方案，尽可能地增大同频波位之间的最小距离，以本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于遗传算法的低轨卫星系统频率复用规划方法，其特征在于，包括以下步骤：步骤1：将低轨卫星系统的覆盖区域划分为若干层波位，其中最外层的一圈波位称为外层波位，其余层波位统称为内层波位；步骤2：根据同频波位距离最远的原则设定内层波位的频率分配方案；步骤3：对外层波位频率分配进行遗传算法迭代，包括设置优化参数、初始化种群、进行交叉
‑
变异操作、进行选择操作以及更新全局最优。2.根据权利要求1所述的基于遗传算法的低轨卫星系统频率复用规划方法，其特征在于，所述步骤3包括：步骤3.1：设置优化参数，包括种群规模N、最大迭代次数G和变异个体数量P；步骤3.2：初始化种群，种群中每个个体代表一种外层波位排布的方案，每个个体的基因都是下列集合A的一个全排列：其中，Q
k
为第k个频率在外层波束中的复用次数，J为外层波位的个数，同时也是每个个体的基因数，K为复用的频率数，第j位数字k表示第j个波位填充第k个频率，j＝1,2,...,J,k＝1,2,...,K；生成多个集合A的随机全排列作为个体的基因，并选取N个适应度值小于门限N
t
的个体作为初始化种群，初始化种群中适应度值最低的个体被设定为全局最优；步骤3.3：进行交叉
‑
变异操作，对于初始化种群中第n个个体，n＝1,2,
…
,N，记为个体a，在另外N
‑
1个个体中随机选择一个个体，记为个体b，保留个体a和个体b的基因中相同的部分，记为集合Same；个体a的基因中与个体b不同的部分记为集合Diff0，在集合Diff0中随机选取两个基因调换顺序，得到集合Diff1，由集合Same和集合Diff1组合得到变异个体；如果个体a和个体b的基因相同，则随机选取两个基因调换顺序生成变异个体；计算变异个体的适应度值；重复这一步骤直到生成P个适应度值不大于原个体a的...

【专利技术属性】
技术研发人员：智开宇，李靖，王雷，寇阳，卫少卿，冯世强，刘彦刚，王敬，赵畅，张超逸，
申请(专利权)人：中国电子科技集团公司第五十四研究所，
类型：发明
国别省市：