低轨卫星网络中基于DDRL的航空器任务卸载方法技术

一种低轨卫星网络中基于DDRL的航空器任务卸载方法，其步骤包括：(一)把LEO低轨卫星网络系统构建成LEO卫星移动边缘计算网络系统；(二)把LEO低轨卫星网络系统效用最大化问题建模为一个优化任务卸载和资源分配的联合决策问题；(三)把联合决策问题转化为马尔可夫决策过程MDP，在双深度强化学习DDRL框架下，利用双重深度Q网络算法DDQN学习最优的任务卸载决策，并在此基础上使用时间差分三重策略梯度算法TD3PG以获得最优资源分配策略。仿真实验表明，该方案与基准算法相比，能够有效地访问和协同计算并发任务，并且在不同的环境变量下具有更好的收敛性和优越性。

【技术实现步骤摘要】

本专利技术涉及卫星通信，具体是一种低轨卫星网络中基于双深度强化学习(double deep reinforcement learning,ddrl)的航空器任务卸载方法。

技术介绍

1、低轨(低地球轨道low earth orbit,leo)卫星通信具有传输距离远、时延和成本低、不受地形地貌限制等优点，可以有效解决以民航客机为代表的民用航空器在航行过程中的“航程信息孤岛”问题。随着业务数据量越来越多，传统卫星网络将数据回传至地面处理的中心式处理计算时延越来越大，与业务的低时延要求形成矛盾。边缘计算的出现为用户利用网络边缘节点的计算能力进行数据处理提供了新的模式[1]。在边缘计算模式下，将每颗卫星视为边缘节点，实现在轨边缘计算，通过在数据源处处理数据，可以降低卫星数据传输带来的延迟[2]。

2、在上述背景下，文献[3][4][5][6]从架构和应用上对天基边缘计算进行了研究，提出了卫星边缘计算架构，将卫星边缘计算系统分为包括用户节点、卫星边缘节点和地面数据中心3部分，可以减少业务时延以及节省带宽。wang等人[7]进一步介绍了将传统卫星改造成空间本文档来自技高网...

【技术保护点】

1.一种低轨卫星网络中基于DDRL的航空器任务卸载方法，其特征是步骤包括：

2.根据权利要求1所述的低轨卫星网络中基于DDRL的航空器任务卸载方法，其特征是步骤(一)中，LEO卫星星座被划分为多个管理域；每个管理域是一个子网络系统；任一个管理域由1个簇首卫星和S个搭载有移动边缘计算MEC服务器的簇内成员卫星组成，簇内成员卫星用集合表示，其中成员卫星簇首卫星与成员卫星之间以及部分成员卫星之间存在星际链路ISL；

3.根据权利要求2所述的低轨卫星网络中基于DDRL的航空器任务卸载方法，其特征是在LEO低轨卫星网络系统中，

4.根据权利要求3所述的低轨卫星网...

【技术特征摘要】

1.一种低轨卫星网络中基于ddrl的航空器任务卸载方法，其特征是步骤包括：

2.根据权利要求1所述的低轨卫星网络中基于ddrl的航空器任务卸载方法，其特征是步骤(一)中，leo卫星星座被划分为多个管理域；每个管理域是一个子网络系统；任一个管理域由1个簇首卫星和s个搭载有移动边缘计算mec服务器的簇内成员卫星组成，簇内成员卫星用集合表示，其中成员卫星簇首卫星与成员卫星之间以及部分成员卫星之间存在星际链路isl；

3.根据权利要求2所述的低轨卫星网络中基于ddrl的航空器任务卸载方法，其特征是在leo低轨卫星网络系统中，

4.根据权利要求3所述的...

【专利技术属性】
技术研发人员：沈航，李芳，袁宝淳，王天荆，白光伟，
申请(专利权)人：南京工业大学，
类型：发明
国别省市：