【技术实现步骤摘要】
本专利技术涉及卫星互联网，尤其涉及一种考虑多类传输约束模型的网络路径规划优化方法。
技术介绍
1、卫星互联网是利用卫星进行数据交换的通信网络，具有业务种类多样、传输约束复杂、频率资源有限的特点，其服务质量依赖于高效的路径规划方法。在卫星互联网中，路径规划用于确定数据流从信源到信宿的最佳星间链路序列。卫星互联网所承载业务的数据量、实时性、可靠性等传输需求不同，且通信卫星规模庞大、拓扑时变、频段异构，导致路径规划方法的状态和动作空间维度高，传统路径规划方法难以实时计算最优解，例如dijkstra、a*等传统路径规划方法仅适用于简单网络拓扑、单一业务需求。目前，随着人工智能技术的发展，已有基于多智能体深度强化学习的路径规划方法，将各通信卫星的路径规划功能建模为智能体，通过多智能体协同决策实现分布式路径规划。然而，已有方法的各智能体对全局网络拓扑、链路负载、其他智能体规划策略的认知有限，各智能体的独立决策难以实现高动态环境下的高效星间协同。
2、因此需要对现有技术进行改进，提升卫星互联网路径规划方法的有效性。
技术实现思路
1、为解决上述现有技术中存在的技术问题，本专利技术的目的在于提供一种的考虑多类传输约束模型的网络路径规划优化方法，能够有效地利用语义信息，合理分配链路，提升业务传输效率。
2、为实现上述专利技术目的，本专利技术提供一种考虑多类传输约束模型的网络路径规划优化方法，包括以下步骤：
3、步骤s1、卫星获取环境信息，并基于环境信息生成语义向量
4、步骤s2、在任一通信周期内，将生成的语义向量传输给相邻卫星；
5、步骤s3、当卫星存在业务需要路径规划决策时，来自相邻卫星的语义向量进入语义聚合模块，生成聚合语义向量；
6、步骤s4、基于所述聚合语义向量，输出策略向量，制定卫星的业务下一跳决策。
7、根据本专利技术的一个技术方案，所述步骤s1中，具体包括：
8、步骤s11、对卫星的环境信息的原始数据进行预处理，提取卫星轨道状态、链路状态、卫星承载的业务信息以及特定业务的需求，作为卫星节点的特征信息；
9、步骤s12、将提取出的卫星节点的特征信息进行拼接形成向量，作为语义编码模块的输入；
10、步骤s13、语义编码模块使用神经网络对输入的向量进行编码，生成语义向量。
11、根据本专利技术的一个技术方案，在所述步骤s2中，具体包括：
12、步骤s21、基于特定场景的业务要求设定不同的通信周期时长；
13、步骤s22、在每个通信周期开始时，卫星将语义向量输入到语义通信模块；
14、步骤s23、语义通信模块寻找可用链路，通过链路将语义通信向量传输到相邻卫星；
15、步骤s24、语义通信模块在发送结束后，接受来自其他卫星的语义向量，作为语义聚合模块的输入。
16、根据本专利技术的一个技术方案，所述步骤s3中，具体包括：
17、步骤s31、所述语义聚合模块将从所述语义通信模块接收到的语义向量进行拼接；
18、步骤s32、卫星通过聚合网络逐渐提取和融合不同的相邻卫星的语义信息，输出聚合语义向量。
19、根据本专利技术的一个技术方案，所述步骤s4中，具体包括：
20、将聚合语义向量输入到智能决策模块的神经网络，输出决策向量，所述决策向量表示业务选择下一跳卫星的概率，卫星基于所述决策向量进行业务下一跳决策。
21、根据本专利技术的一个技术方案，所述步骤s11中，卫星i的轨道状态包括轨道面倾角、高度、星下点、升交点、周期、截距、偏心率、近地点角、平均近点角中的一种或多种；
22、卫星i的链路状态包括通信卫星、工作频段、天线口径、调制方式、编码方式中的一种或多种；
23、卫星i的业务信息包括起点卫星、终点卫星、数据量、截止时间中的一种或多种。
24、根据本专利技术的一个技术方案，所述步骤s13表示为：
25、
26、
27、其中，分别为表示卫星i的业务需求、卫星轨道状态、卫星自身链路状态以及卫星自身承载的其他业务传输状态的向量，encoder表示编码网络，lstm表示循环神经网络长短期记忆网络，表示t-1时刻卫星i的lstm隐藏状态向量，表示t时刻卫星i的lstm隐藏状态向量，同时也用做最后输出的语义向量。
28、根据本专利技术的一个技术方案，所述步骤s32表示为：
29、
30、其中，分别为当前卫星i以及相邻卫星j1,…,jk的语义向量，agg表示聚合网络，以单隐藏层的mlp实现，表示聚合语义向量。
31、根据本专利技术的一个技术方案，所述步骤s4表示为：
32、
33、其中，πθ为actor网络，θ为actor网络的参数，为输入的聚合语义向量，为输出的策略向量。
34、根据本专利技术的一个技术方案，所述步骤s4中还包括：actor网络的更新和critic网络的更新；
35、所述actor网络的更新方法如下：
36、
37、其中，qw为critic网络，critic网络的作用为评价策略的价值，αθ为学习率；
38、所述critic网络的更新方法如下：
39、
40、
41、其中，ri为奖励函数，定义为传输成功的数据量与传输失败的数据量之差，γ为折扣因子，qw为critic网络函数，参数为w，为采取策略后卫星i生成的聚合语义向量，为actor网络以为输入的输出，aw为学习率。
42、本专利技术与现有技术相比，具有如下有益效果：
43、本专利技术提出了一种考虑多类传输约束模型的网络路径规划优化方法，利用语义通信能够实现高效息传输，节省通信资源，且能够抽取关键信息，通过自主学习的编码过程滤除无用信息，使得传输的信息更精炼。算法通过卫星之间的通信和信息共享，能够获得更全面、准确的环境信息，从而有利于避免局部最优，使路径规划决策更为全局化和准确。
44、进一步地，基于本专利技术的网络路径规划优化方法，使得卫星具备更优的协同学习和通信能力，能够实时调整路径规划以应对动态网络条件和任务需求的变化，同时，通过增强多星对多业务进行路径规划的策略协同性，避免了规划冲突，有利于实现最优网络路径规划优化。
本文档来自技高网...【技术保护点】
1.一种考虑多类传输约束模型的网络路径规划优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的考虑多类传输约束模型的网络路径规划优化方法，其特征在于，所述步骤S1中，具体包括：
3.根据权利要求1所述的考虑多类传输约束模型的网络路径规划优化方法，其特征在于，在所述步骤S2中，具体包括：
4.根据权利要求1所述的考虑多类传输约束模型的网络路径规划优化方法，其特征在于，所述步骤S3中，具体包括：
5.根据权利要求1所述的考虑多类传输约束模型的网络路径规划优化方法，其特征在于，所述步骤S4中，具体包括：
6.根据权利要求2所述的考虑多类传输约束模型的网络路径规划优化方法，其特征在于，所述步骤S11中，卫星i的轨道状态包括轨道面倾角、高度、星下点、升交点、周期、截距、偏心率、近地点角、平均近点角中的一种或多种；
7.根据权利要求5所述的考虑多类传输约束模型的网络路径规划优化方法，其特征在于，所述步骤S13表示为：
8.根据权利要求4所述的考虑多类传输约束模型的网络路径规划优化方法，其特征在于，所
9.根据权利要求5所述的考虑多类传输约束模型的网络路径规划优化方法，其特征在于，所述步骤S4表示为：
10.根据权利要求9所述的考虑多类传输约束模型的网络路径规划优化方法，其特征在于，所述步骤S4中还包括：Actor网络的更新和Critic网络的更新；
...【技术特征摘要】
1.一种考虑多类传输约束模型的网络路径规划优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的考虑多类传输约束模型的网络路径规划优化方法，其特征在于，所述步骤s1中，具体包括：
3.根据权利要求1所述的考虑多类传输约束模型的网络路径规划优化方法，其特征在于，在所述步骤s2中，具体包括：
4.根据权利要求1所述的考虑多类传输约束模型的网络路径规划优化方法，其特征在于，所述步骤s3中，具体包括：
5.根据权利要求1所述的考虑多类传输约束模型的网络路径规划优化方法，其特征在于，所述步骤s4中，具体包括：
6.根据权利要求2所述的考虑多类传输约束模型的网络路径规划优化方法，其特...
【专利技术属性】
技术研发人员：苏曼，许展鹏，冯昊，高扬，王倩，殷建丰，李静林，
申请(专利权)人：中国空间技术研究院，
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。