空間信息網絡中面向雙衛星的頻譜共享方法

王闖，胡婧，李永強，邊東明，李頌

中國人民解放軍陸軍工程大學 通信工程學院，南京 210007

空間信息網絡包括衛星、升空平臺、傳感器、地面終端等各類節點，具備信息獲取、傳輸、處理、分發和存儲的能力，呈現立體多層、動態異構、資源受限、功能融合、多頻共存的系統特點[1-4]。隨著空間信息網絡的迅速發展和人類空間探索范圍的大幅提升，空間信息基礎設施建設不斷完善，越來越多的人造衛星和航空器被布置到太空，由此帶來的頻率資源緊缺的問題日益突出，傳統的、靜態的、單一的頻率分配方式難以滿足日益增長的服務需求。動態的頻譜共享技術為空間信息網絡尋找可用的頻譜資源提供了思路，也是維持其高效、可靠、穩定運行的保障。因此，亟需針對空間信息網絡的特點，開展空間信息網絡頻譜共享理論與方法的研究，為空間信息網絡的建設提供頻譜資源戰略儲備，提升中國在空間領域的綜合信息服務能力。

1999年，“軟件無線電之父”Mitola首次提出了認知無線電的概念[5]，2005年，Haykin從信號處理的角度對認知無線電進行了全面的闡述[6]。認知無線電技術最典型的應用就是頻譜共享，為緩解頻譜資源緊張與實際利用率低下之間的矛盾提供了有效的解決途徑，在物聯網[7]、地面蜂窩移動網[8]、WiMAX[9]、航空通信[10]、無線自組網[11]以及衛星網絡[12]等應用中發揮了重要作用。盡管現有的研究主要集中在地面系統，隨著衛星網絡與地面網絡融合程度和資源共享水平的不斷提高，對于衛星系統間的頻譜共享也在深入探索中。相較于地面網絡，認知無線電在衛星網絡中的應用面臨著衛星系統固有特性帶來的一系列挑戰，包括：長路徑、大損耗、長時延、大覆蓋、功放非線性以及長周期的系統研發制造帶來的技術更新不及時等問題[13]。

認知衛星網絡一般可分為星地混合認知網絡和雙衛星認知網絡，其中星地混合認知網絡是指在衛星和地面系統之間實現頻譜共享，衛星系統可作為主用戶(Primary User, PU)，地面系統作為次級用戶(Secondary User, SU)[14-16]，同樣，衛星系統也可作為SU，地面系統則為PU[17-20]。雙衛星認知網絡是指兩個衛星系統共用一個頻率對同一覆蓋區進行服務，目前針對雙靜止軌道(Geostationary Earth Orbit, GEO)衛星系統的研究較多[21-24]。對于非靜止軌道(Non-GeoStationary Orbit, NGSO)衛星，由于其相對地面高速移動，使得衛星系統間的干擾隨著節點的空時行為而變化，尤其當GEO衛星、NGSO衛星和地面站三者共線，會產生嚴重的共視干擾(In-line Interference)，使得系統的傳輸性能急劇下降甚至癱瘓[13]。

低軌道(Low Earth Orbit, LEO)衛星作為一種典型的NGSO衛星，在空間信息網絡中發揮著重要的作用，尤其近年來由數百乃至上千顆LEO衛星組成的大規模星座系統，如SpaceX和OneWeb[25]，引領著未來衛星發展的趨勢。因而開展GEO和LEO衛星系統之間的頻譜共享研究顯得愈發重要。為應對GEO和LEO衛星系統之間存在的共視干擾，OneWeb系統引入了一種新型的“漸進傾斜”技術，在衛星接近赤道時通過逐漸地傾斜衛星來避免與GEO系統之間的干擾[26]。然而，調整衛星姿態需要消耗燃料，會引起衛星在軌壽命的縮短。文獻[27]提出了一種自適應功率控制(Adaptive Power Control，APC)技術，通過對SU發射功率的自適應控制來保證PU的正常工作，從而實現GEO和NGSO衛星之間的頻譜共享。此外，文獻[28]提出了一種基于APC和跳波束技術的認知寬帶衛星網絡，關于APC的功率調整速率在文獻[29]中做了進一步分析。可見APC技術是不同軌道衛星系統在進行頻譜共享時常用的技術。但是，在采用APC技術時，為確保PU的正常工作，需要犧牲SU的性能，不可避免地造成SU頻譜效率的下降。

本文針對空間信息網絡中的GEO和LEO的雙衛星系統共存的場景，提出了一種基于頻率動態分配的新型頻譜共享方法，在保護主用戶的同時，次用戶的性能也能夠得到有效提升。具體而言，GEO系統作為PU，衛星采用多波束天線，采用七色頻率復用，LEO系統為SU，衛星同樣采用多波束天線。由于GEO衛星和LEO衛星的軌道高度差別較大，其對應的波束尺寸也相差較大，可在GEO波束中實現LEO波束的頻率復用。通過分析GEO和LEO衛星同頻波束間的距離與干擾之間的關系，提出了“隔離區域”的理念來實現頻譜共享。在LEO衛星的運行過程中，當LEO波束接近GEO同頻波束的隔離區域時，該LEO波束的頻率會被重新分配以避免干擾。由于LEO衛星自身的波束之間也進行頻率復用，因而一個波束頻率的變化必然會引起一連串波束的頻率變化，對此提出了一種頻率動態分配算法，能夠在提高網絡容量的同時，明顯降低衛星運動期間波束頻率的切換頻次。

1 雙衛星頻譜共享架構

如圖1所示，在空間信息網絡中，作為主用戶的GEO衛星系統和作為次級用戶的LEO衛星系統的下行鏈路共用同一頻段，為用戶提供寬帶固定業務。兩個衛星系統都采用多波束有效載荷，以頻率的空間復用來提高頻譜資源的利用率[30]。GEO衛星的頻率復用因子定為7[31]，圖中每個GEO波束的頻率各不相同。設定兩個衛星系統的信關站由高速無損光纖連接，實時共享衛星星歷、頻率配置方案以及天線方向圖，以此實現認知。在固定業務中，設定GEO和LEO用戶的天線一直指向各自的衛星。

圖1 LEO衛星和GEO衛星頻譜共享的示意圖Fig.1 Illustration of spectrum sharing between LEO and GEO satelites

由于衛星高度相差數十倍，GEO波束比LEO波束大得多。位于GEO波束內的LEO波束可以使用除所在GEO波束的其他任何頻率，從而LEO衛星可以實現多波束的空分頻率復用，但其頻率復用因子必然小于GEO的頻率復用因子。如圖1所示，當LEO衛星運行到GEO衛星f7頻率的波束內時，LEO波束使用的頻率是f1～f6?？紤]到LEO衛星相對地面運動，所以GEO和LEO波束之間的相對位置關系是動態的，當GEO和LEO的同頻波束相距較近或重疊時，會引起同頻干擾。由于LEO和GEO系統的信關站是互聯的，根據共享的LEO衛星星歷，包括軌道半長軸、偏心率、軌道傾角、升交點赤經、近地點幅角以及過近地點時刻等軌道參數，可以計算獲得LEO衛星在地心地固(Earth-Centered Earth-Fixed，ECEF)坐標系中的位置矢量坐標和速度矢量坐標[32]，在此基礎上進一步得到波束的指向矢量和波束中心點的位置坐標。由于GEO衛星相對地面靜止，其波束也是固定的。以GEO和LEO波束中心點之間的距離作為兩個波束之間的距離，通過對衛星所有波束的計算，可以實時獲得LEO和GEO衛星所有同頻波束之間的距離。在初始化階段，對LEO波束的頻率進行預分配，該頻率分配方案暫時保持不變。隨著LEO的運動，當LEO衛星中存在某個波束與GEO同頻波束的距離即將小于安全隔離距離時，LEO衛星的波束頻率方案要進行重新分配以避免干擾。分配后維持該頻率方案不變直到再次出現同頻波束距離小于安全隔離距離的情況，以此往復，在LEO衛星的運動過程中根據星歷和頻率信息進行預測，適時地重新分配LEO波束的頻率?？梢灾?，精細設計的頻率分配方案可以有效地避免干擾，而不僅僅是減輕干擾，這可以提升SU的頻譜效率。

2 干擾分析和頻率動態分配

2.1 同頻波束間距離分析

在認知衛星網絡中，兩個衛星系統之間實時共享衛星星歷和頻率配置方案等信息。由衛星星歷可計算衛星在ECEF坐標系中的坐標，進一步可根據波束指向獲得波束中心點的坐標，從而可得到兩個系統同頻波束之間的距離。

2.1.1 衛星的ECEF位置矢量

衛星的平均角速度為

式中：a為半長軸；μ=398 600.5×109m3/s2。軌道的歷元時刻與起始歷元時刻間隔為

tk=t-tp

式中：tp為過近地點時刻。衛星平近點角為Mk=M0+n0tk

式中：M0為平近點角。由衛星平近點角計算偏近點角的公式為

Ek=Mk+esinEk

式中：e為偏心率，該計算過程需要用到迭代法。由偏近點角計算真近點角的公式為

由真近點角計算升交距角的公式為

uk=fk+ω

式中：ω為近地點幅角。由偏近點角可得出衛星的矢徑為

rk=a(1-ecosEk)

由此可得出衛星在軌道平面中的坐標為xk=rkcosuk和yk=rksinuk；則衛星在ECEF坐標系下的位置矢量為

式中：i0為衛星軌道傾角；Ωk為修正的升交點赤經,Ωk=Ω0-Ωe(tk-tp)；Ω0為升交點赤經。

2.1.2 衛星的ECEF速度矢量

由以上衛星位置矢量的表達式可對衛星的速度矢量進行推導，對偏近點角求導為

(1)

對升交距角求導為

(2)

對衛星矢徑求導為

(3)

由此可得衛星在軌道平面中的速度矢量的坐標為

(4)

則衛星在ECEF坐標系下的速度矢量為

(5)

式中:在變量符號上加點表示求導。

2.1.3 波束的指向矢量

假設波束的指向矢量為

(6)

定義波束的俯仰角ψe為波束指向與衛星和地心連線的夾角(0≤ψe≤90°)，方位角ψa為波束指向在過衛星點的切平面上的投影與衛星速度矢量的夾角(-180°≤ψa≤180°)。根據空間向量關系可以得到式(7)，對其進行求解可獲得波束的指向矢量。

(7)

2.1.4 波束中心點的位置坐標

波束照射在地表上，假設其中心點的位置坐標為

(8)

根據衛星空間向量關系可以得到式(9)，對其進行求解可獲得波束中心點的位置坐標為

(9)

2.1.5 不同波束中心點之間的曲面距離

根據幾何關系，可以得到GEO衛星和LEO衛星同頻波束的中心點間的地表距離為

(10)

式中：Ri,L和Ri,G分別為LEO和GEO衛星的波束中心點的位置坐標。

2.2 干擾分析模型

本文以用戶接收到的信號功率與干擾加噪聲功率之比(Signal to Interference plus Noise Ratio, SINR)作為信號質量的指標，其計算公式為

(11)

式中：P為發射功率；GT為發射天線的增益；GR為接收天線的增益；L為自由空間傳播損耗；Tn為接收機的等效噪聲溫度；B為轉發器帶寬；k為波爾茲曼常數。下標中的D表示信號鏈路，I表示干擾鏈路。

自由空間傳播損耗的計算公式為

(12)

式中:f為頻率；d為收發雙端之間的距離;c為光速。

天線增益的計算公式為[33]

(13)

(14)

式中：D為天線口徑；η為天線效率。

通過分析可以得知SINR的值主要取決于信號鏈路和干擾鏈路中多個收發端之間的距離d和夾角θ，由于LEO衛星的運動特性，因而d和θ會隨著相對位置的變化而變化。此外，由于GEO和LEO用戶的天線設定為一直指向各自的衛星，因而其信號鏈路中接收端的θ恒為零。

2.3 用戶最差信號質量的場景分析

在LEO衛星運行過程中，當LEO波束接近GEO同頻波束時，干擾會逐漸變強，用戶接收信號的質量也會相應下降。在LEO衛星運行的每一時刻，對于GEO和LEO用戶都會分別存在一個位置使得位于該點的用戶信號質量最差。提出用戶最差場景的意義在于，只要位于最差位置的用戶的信號質量高于門限，則衛星波束內服務的其他用戶一定會高于門限，這樣同頻干擾造成的影響就滿足要求。

如圖2(a)中左側的LEO衛星和GEO用戶所示，當LEO衛星離GEO衛星較遠時，如果GEO用戶位于GEO波束的邊緣，根據衛星和用戶的相對位置關系，對于干擾鏈路，此時發射天線的夾角θT,I最小，距離dI最小，接收端的夾角θR,I最小，發射端天線增益GT,I最大，自由空間傳播損耗LI最小，接收端天線增益GR,I最大，因而干擾鏈路的接收功率最強；對于信號鏈路，此時發射天線的夾角θT,D最大，距離dD最大，而接收端的夾角θR,D恒為零，此時發射端天線增益GT,D最小，自由空間傳播損耗LD最大，接收端天線增益GR,D保持不變，因而信號鏈路的接收功率最弱。綜合來看，SINR的值由信號鏈路的接收功率和干擾鏈路的接收功率決定，而信號鏈路的接收功率最小，干擾鏈路的接收功率最大，因而此位置的GEO用戶的信號質量最差。

如圖2(a)中右側的LEO衛星和GEO用戶所示，當LEO衛星進入GEO波束后，如果GEO用戶位于GEO和LEO衛星連線的延長線上，根據衛星和用戶的相對位置關系，對于干擾鏈路，此時接收端的θR,I為0°，發射端增益最大。根據幾何關系可以看出，發射端的夾角θT,I較大，而接收端的夾角θR,I較小，θT,I的變化帶來的天線增益變化較小，因而這里考慮的最差場景是θR,I為0°，此時發射端增益GT,I最大，自由空間傳播損耗LI的變化范圍只有數個dB，因而近似認為干擾鏈路的接收功率最強。類似的，對于信號鏈路，考慮到GEO波束張角即為GEO衛星天線的3 dB波束張角θG,3 dB，此時發射天線的夾角θT,D小于θG,3 dB，接收端的夾角θR,D恒為0°，發射端天線增益GT,D變化范圍在3 dB以內，接收端天線增益保持不變，而自由空間傳播損耗LD的變化范圍只有數個dB。綜合來看，GEO用戶位于此位置時，信號鏈路的接收功率強度幾乎不變，干擾鏈路的接收功率最大，因而此位置的GEO用戶的信號質量最差。

通過對衛星和用戶位置關系的幾何分析，得到GEO用戶信號質量最差情況下的夾角和距離如下：

圖2 信號質量最差情況下的幾何關系Fig.2 Geometric relations in poorest signal quality

1)當LEO衛星在GEO波束外面時

θT,D=0.5θG,3 dB

(15)

(16)

(17)

(18)

θR,I=l/r+θT,I+θT,D

(19)

θR,D=0°

(20)

2)當LEO衛星在GEO波束內時

(21)

θT,I=arcsin[(r+hG)sinθT,D/(r+hL)]

(22)

(24)

θR,D=θR,I=0

(25)

式中: 下標中的T和R分別表示與發射端和接收端;D和I分別表示信號鏈路和干擾鏈路;hG和hL分別為GEO和LEO衛星的軌道高度;r為地球半徑；θG,3 dB為GEO衛星的3 dB波束寬度；l為GEO和LEO的波束中心點之間的距離。

與GEO用戶類似，LEO用戶信號質量最差的場景如圖2(b)所示。同樣LEO用戶信號質量最差情況下的夾角和距離也可經過幾何分析得到

1) 當LEO衛星在GEO波束外面時

θT,D=0.5θL,3 dB

(26)

(27)

(28)

(29)

θR,I=l/r+θT,I-θT,D

(30)

θR,D=0°

(31)

2) 當LEO衛星在GEO波束內時

(32)

θT,D=arcsin[(r+hG)sinθT,I/(r+hL)]

(33)

(34)

(35)

θR,D=θR,I=0°

(36)

GEO和LEO衛星系統參數和軌道參數分別如表1和表2所示，經過計算得到GEO和LEO收發端的一系列夾角和距離，再分別代入式(15)、式(13)和式(14)，最后代入式(12)。經過計算仿真，得到GEO和LEO用戶的SINR與GEO和LEO波束距離之間的關系如圖3所示。

仿真結果表明，當GEO和LEO波束間距離小于400 km時，此時LEO波束與GEO波束發生重疊，同頻干擾非常嚴重，兩個系統的用戶都無法正常工作。隨著距離的增加，SINR會迅速增加直至飽和?？梢灾?，當來自不同衛星的同頻波束足夠遠時，干擾幾乎可以完全避免，因為即使在信號質量最差的場景下SINR仍然很高。因此，本文提出波束“隔離區域”的理念，將可實現雙系統共存的最小波束間距離定義為隔離距離，如圖4所示。在LEO衛星的運行過程中，只要波束沒有進入同頻GEO波束的隔離區域內，即可實現兩個系統間的頻譜共享。

表1 GEO和LEO衛星系統參數Table 1 Parameters of GEO and LEO satellite systems

表2 GEO和LEO衛星的軌道參數Table 2 Parameters of GEO and LEO satellite orbits

圖3 SINR隨l變化情況Fig.3 Variation of SINR with l

圖4 隔離區域示意圖Fig.4 Illustration for isolated area

2.4 頻率動態分配算法

考慮到LEO衛星的運動特性，在隔離區域的基礎上，論文提出一種頻率動態分配算法來實現兩個系統的頻譜共享。雙衛星系統基于數據庫的方式實現認知，即系統之間通過信關站互聯來共享衛星星歷、頻率配置方案、天線方向圖等數據[29]。在前文中已經分析過，由衛星星歷可計算衛星在ECEF坐標系中的坐標，進一步可根據波束指向獲得波束中心點的坐標，兩個波束之間的距離也可得到。在LEO衛星運行過程中，當LEO衛星的任一波束即將進入同頻GEO波束的隔離區域時，必須改變該LEO波束的頻率。此外，由于LEO衛星自身的波束之間也進行頻率復用，單個波束的頻率改變必然會對相鄰波束造成影響，最終引起一連串波束頻率的變化，導致所有LEO波束的頻率都需要重新考慮。

令xij∈{0,1}表示波束i的頻率是否為j,dij表示波束i與最近的頻率為j的GEO波束中心點之間的距離。為了最小化干擾，本文以所有LEO波束與同頻GEO波束之間的總距離最大化為優化目標，則頻率分配方案可建模為以下優化問題，即

(37)

式中:N為LEO波束的數目;K為GEO衛星的頻率復用因子;dth為隔離距離。通過約束條件(a1)來保證每個LEO波束都被分配了頻率，且只分配了一個頻率，約束條件(a2)用來保證每個LEO波束與同頻GEO波束之間的距離都不小于隔離距離，約束條件(a3)確保了相鄰的LEO波束之間沒有分配相同的頻率，其中LEO波束都是固定點波束，波束之間的相對位置保持固定，相鄰的波束信息是已知的。

對于式(37)的0-1整數線性規劃問題，隱式枚舉法是常用的解決方法[34]。然而其計算量隨N呈指數增加。此外，由于LEO衛星是動態的，波束中心點的位置也一直在變化，如果式(37)每時刻都進行一次優化，其運算量是極其龐大的，并且波束頻率的切換會非常頻繁。對此，本文基于波束分簇的思想提出如表3所示的算法來實現頻率動態分配。

表3所示算法中，以隔離距離dth、系統的運行時間T0為輸入，每個波束的頻率分配信息xij為輸出。首先，依照步驟4，將所有LEO波束按照七色復用的圖案劃分為多個簇，如圖5所示。在初始化階段對LEO波束的頻率進行預分配，依照步驟5～步驟7，采用隱式枚舉法對每個簇的波束進行頻率分配，獲得LEO所有波束初始時的頻率分配信息。在LEO衛星運行過程中，再根據LEO衛星的運動軌跡，在每個時刻都進行預測分析，如步驟8～步驟12，當某一LEO波束即將進入同頻GEO波束的隔離區域時，即滿足步驟9所示的條件，應當判斷該波束屬于哪個簇，并針對該簇進行頻率的重新分配。如果在下一個時刻沒有出現LEO波束即將進入同頻GEO波束的隔離區域的情況，即沒有滿足步驟9所示的條件，則繼續維持該頻率方案。以此往復，在LEO衛星的運動過程中根據星歷和頻率信息進行預測，適時地重新分配LEO波束的頻率。需要指出的是，算法中輸入的時間參數T0，是為了方便表示取的某一段時間，在實際中對應著系統一直運行的時間，即在系統運行的每個時刻都進行判斷，如果LEO和GEO同頻波束沒有出現沖突，則維持該頻率方案，如果出現沖突，則重新分配頻率，即頻率分配調整的間隔周期是根據實際情況不斷變化的。

表3 基于波束分簇的頻率動態分配算法

Table 3 Frequency dynamic allocation algorithm based on beam clustering

步驟內容1輸入:dth, T02輸出:xij3開始4將LEO波束按照七色復用的圖案分為N0個簇5循環 a=1,2,…,N06根據式(37)采用對每個簇的波束進行頻率分配7結束循環8循環 t=1,2,…,T09如果 ?i0∈i,s.t.∑jxijdij

圖5 按照七色復用劃分簇Fig.5 Cluster of seven color multiplexing

如果在LEO衛星運行過程中每個時刻都進行一次頻率分配，則每個時刻都需要對式(37)進行求解，并根據其最優解對所有波束的頻率進行分配，因此會存在大量波束的頻率時刻改變的情況，從而造成波束頻率的頻繁切換。如果采用算法1的思想，只需要在LEO和GEO同頻波束出現沖突時依據式(37)進行頻率重新分配，在沒有沖突的時刻依然維持上一時刻的頻率方案，因而在大多數時刻并不需要進行頻率重新分配。在此基礎上，進一步引入波束分簇的思想，那么每次LEO和GEO同頻波束出現沖突時，只需要對引起該沖突的波束所在簇進行頻率重新分配，其余波束仍保持不變，這樣調整頻率的波束只占到原本所有波束的幾分之一，從而可以進一步減少波束頻率的切換次數。

如果直接采用枚舉法解算問題式(37)，其時間復雜度為：o(2NK)。若引入隱式枚舉法的思想，剪掉搜尋最優解過程中的多余分支，則可以壓縮計算量。具體而言，針對約束條件(a1)，可以知道知道當i固定時，對于多個xij只有其中一個取值為1，其余為0，在此基礎上對枚舉法進行優化，得到的復雜度為：o(KN)。需要注意的是，這只是單次波束分配的復雜度，隨著衛星的運動，如果每過一個時刻都進行一次頻率分配，則總復雜度為o(T0KN)。在引入波束分簇思想后，單次波束分配的復雜度為o(K7N/7)，衛星運行一段時間的總復雜度為o(K7N/7+T0K7ε)，其中o(K7N/7)為頻率分配初始化的復雜度，o(K7ε)為每個時刻需要重新頻率分配的復雜度，ε為需要重新分配的簇數目，取值范圍為0～N/7，且在大多數時刻為0。

3 頻譜共享仿真分析

為便于仿真，仿真時間設定為LEO衛星的一次過頂時間，GEO和LEO用戶都位于GEO中間波束的中心點，具體參數如表4所示。

首先，針對GEO和LEO系統之間進行頻譜共享的同頻干擾情況進行分析。圖6為仿真期間GEO和LEO用戶的信號質量變化情況，其中虛線表示頻譜只分配給該系統時用戶的信號質量，實線表示在不采取保護措施條件下兩個系統共用頻譜時用戶的信號質量。由于GEO衛星的相對地面保持靜止，GEO用戶的原信號質量幾乎沒有變化，而LEO用戶的原信號質量隨著多個波束依次過境呈現周期性。當LEO和GEO系統共用頻率時，由于相互之間的同頻干擾，信號質量會下降，并且隨著LEO衛星的運動而變化。當兩個系統的衛星和用戶共線時，同頻干擾最為嚴重，信號質量嚴重惡化，此時可能會導致系統癱瘓。

表4 仿真參數Table 4 Simulation parameters

圖6 受同頻干擾的用戶信號質量Fig.6 Signal quality affected by co-channel interference

其次，對基于波束分簇的頻率動態分配算法進行了仿真。根據圖3中SINR與距離的關系，結合用戶所需的SINR門限，這里選擇600 km作為dth。在仿真周期中，簇層次的頻率分配有9次，波束層次的頻率分配有50次，遠小于每秒鐘都進行分配的頻次。此外，在雙衛星頻譜共享中常用的方法包括自適應功率控制方法，該方法在兩個衛星系統引發沖突時，通過自適應減小次級用戶的發射功率，使得主用戶的SINR不低于門限，即犧牲次級用戶的性能來保證主用戶的正常工作，從而實現雙衛星之間的頻譜共享[27]。將本方法與自適應功率控制方法進行對比，如圖7所示。其中，虛線表示采用自適應功率控制時用戶的信號質量，實線表示采用頻率動態分配時用戶的信號質量。當兩個系統共享頻譜時，會發生同頻干擾，如果采用自適應功率控制方法，由于對GEO用戶的保護機制，LEO用戶的SINR會下降很多，如圖7(b)虛線所示。實線中GEO用戶的信號質量幾乎完全與原信號一樣，而LEO用戶的SINR也一直高于門限，表明本文提出的基于頻率動態分配的頻譜共享方法性能優越。

進一步對用戶在理想條件下的信道容量進行分析，計算公式為式(38)。通過仿真，得到GEO和LEO用戶在理想條件下總的信道容量如圖8所示。相較于自適應功率控制方法，由于避免了共視干擾，網絡的信道容量得到了有效提升，最大時可提升一倍以上。

(38)

圖7 不同方法用戶信號質量隨時間變化Fig.7 Variation of signal quality with time for different methods

圖8 不同方法用戶信道容量隨時間變化Fig.8 Variation of capacity with time for different methods

4 結 論

本文對空間信息網絡中的頻譜共享進行了研究。針對GEO和LEO雙衛星系統共存的場景提出了一種新型動態頻譜共享方法，得到以下結論：

1) 相較于實時的頻率動態分配算法，能夠在提高網絡容量的同時，降低波束頻率的切換頻次。

2) 相較于常用的自適應功率控制方法，次級用戶的信號質量得到有效提升。

3) 相較于自適應功率控制方法，整個網絡的信道容量得到了有效提升，最大時可提升一倍以上。