高通量多波束通信衛星系統資源分配方法

王磊，鄭軍，賀川，閆雪飛

1. 解放軍32039部隊，北京 102300 2. 北京跟蹤與通信技術研究所，北京 100094

1 引言

近年來，衛星通信在應急救災、海事、航空、國防軍事等諸多領域得到廣泛應用，業務涵蓋廣播電視、移動通信、高速寬帶接入等多種類型，市場潛力和應用價值愈加凸顯。總體來看，全球衛星通信面臨如下發展需求：1)容量需求快速增長；2)有效載荷柔性設計，支持在軌動態配置(如衛訊公司衛星ViaSat-2、ViaSat-3多波束衛星均已配置柔性載荷)；3)對系統資源管理高效靈活性要求更高。這些需求極大地推動了高通量通信衛星系統的發展與技術進步，通過數字載荷、高階編碼調制、多波束天線等新技術的應用，單星通信容量從10 Gbit/s(第1代高通量衛星)增長到數百Gbit/s(第2代高通量衛星)，波束數量從幾個增加到幾十個，預計下一代高通量通信衛星容量將突破1 000 Gbit/s，單星波束規模達上百個[1-3]。

多波束及載荷柔性化設計雖然可以有效提升通信衛星系統容量和資源使用效能[1,4]，但同時會引入大量待定參數，傳統通信衛星資源分配所采用的靜態、人工調配方式已不能滿足新一代高通量多波束通信衛星資源管理需求。具體來說，在進行資源分配時，系統需要基于業務時空分布和信道狀態，動態優化決策波束功率、波束帶寬，波束中心指向、波束賦形等諸多參量，資源自由維度的拓展以及可調參數規模增大使得該類系統資源分配問題的復雜度顯著提高[5]。因此，對于新一代高通量多波束通信衛星系統，需要研究在柔性載荷約束下，優化用戶服務質量(QoS)和用戶體驗(QoE)的高效資源分配方法，達到基于有限載荷資源提升系統效能的目標。

隨著全球紛紛建設和部署高通量多波束通信衛星系統，資源分配問題逐漸成為學術界和產業界的研究熱點[6-15]。以往多從功率或帶寬單一維度開展研究[6-12]，將這2維度資源聯合開展優化分析的研究還比較少[13-15]。鑒于多波束通信衛星功率分配問題已被證明非凸[6]，且屬于NP-hard問題[7]，該類系統功率和頻帶資源聯合優化問題也是NP-hard。對此，經典的數學優化方法往往通過松弛求解，不僅消耗大量計算資源，而且對于較大規模問題的求解效果欠佳[7]。與經典數學優化方法相比，啟發式或人工智能方法雖在有限時間內難以求得最優解，但通過優化設計可以較快獲得高質量可行解，逐漸成為該領域的研究熱點[16]。

本論文面向帶有柔性載荷的高通量多波束通信衛星系統，構建了針對下行波束的功率及頻帶聯合優化資源分配模型，模型考慮了多色復用、信道鏈路預算、調制編碼、波束間干擾，以及衛星功率和頻帶等實際工作約束。為高效求解該模型，還設計實現了帶有尋優控制策略的遺傳算法。仿真計算結果表明：本文提出的資源分配方法能夠適應不同用戶容量需求分布情況，可為高通量多波束通信衛星系統提供功率和頻帶資源聯合優化解決方案。

2 系統模型

2.1 高通量多波束通信衛星系統場景

高通量多波束通信衛星系統由空間段、地面段和用戶段組成，如圖1所示。空間段由衛星組成，部署于地球同步軌道，衛星采用多波束方式覆蓋地表一定區域；地面段主要由信關站組成，主要為系統提供饋電鏈路，并承載用戶入網和接入功能；用戶段包括各類型用戶終端，使用頻段為Ka，極化方式為圓極化，分布在系統波束覆蓋范圍內。系統下行波束集合為Q,波束數量為|Q|，任一波束包含的載波集合為C，任一波束載波數量為|C|。假設各波束中心存在一用戶終端，其容量需求為該波束覆蓋范圍內所有用戶終端容量需求總和。考慮到本文主要研究系統下行波束資源分配，故假設饋電鏈路無噪聲，下行信道為加性高斯白噪聲信道。

圖1 高通量多波束通信衛星系統場景Fig.1 Application of high throughput multibeam communication satellite system

為支持波束功率和頻帶聯合優化分配，衛星配置柔性行波管放大器等柔性載荷。系統采用4色頻率復用體制，由2個頻帶和2種極化方式(左旋極化LHCP和右旋極化RHCP)組成，具體復用方式如圖2所示(本文方法也適用于其他頻率復用體制)。系統采用第二代數字衛星電視廣播拓展標準(DVB-S2X)[17]，該標準包括自適應調制編碼策略，即根據鏈路信噪比，系統選擇最佳的調制編碼體制(MODCOD)。

圖2 系統四色復用示意Fig.2 System colors and bandwidth

2.2 鏈路計算子模型

本文鏈路建模包含全RF信道，從數字信號的調制端到解調端，包括調制器、功率放大器、發射天線、接收天線、低噪放和解調器[18]。

用戶終端u接收的有用功率(接收機輸入端)[PR]為

[PR]=[PT]+[GT]-[OBO]+

[GR]-[LOSSES]

(1)

式中：[PT]為衛星天線輻射功率，dBW；[GT]為衛星天線發射增益，dB；[EIRP ]=[PT]+[GT]為衛星天線波束等效全向輻射功率，dBW；[OBO]為衛星功率放大器輸出回退值，dB；[GR]為用戶終端天線接收增益，dB；[LOSSES]為鏈路損耗總和，dB。鏈路損耗[LOSSES]為

[LOSSES]=[FSL]+[RFL]+

[AML]+[AA]+[PL]

(2)

式中：[FSL]為下行波束自由空間損耗，dB；[RFL]為接收機饋線損耗，dB；[AML]為天線指向損耗，dB；[AA]為大氣損耗，dB；[PL]為極化失配損耗，dB。其中[FSL]計算方法參見文獻[1]，[AA]和[PL]計算參見ITU標準文件[19-21]，[RFL]和[AML]為本文計算模型可設置參數變量(用于模型輸入)。

用戶終端u接收的噪聲功率[PN]為

[PN]=[k]+[TS]+[BN]

(3)

(4)

式中:[IR]為當前波束覆蓋下用戶終端接收到的干擾功率，dBW。IR主要包括：當前波束附近具有相同顏色(同極化且同頻段)波束在用戶終端方向可能存在的少量能量輻射(如天線旁瓣輻射)干擾ICO，具體計算方法見第2.3小節；空間去極化效應導致的不同極化同頻段波束干擾ICP；由于非線性效應導致的三階互調干擾IC3；同軌衛星間干擾IAS。干擾功率IR組成如下[1]：

IR=ICO+ICP+IC3+IAS

(5)

為簡化計算，ICP、IC3及IAS為模型可設置參數變量(用于模型輸入)，ICO則需要結合多波束功率及帶寬動態計算，具體方法參見第2.3小節。

(6)

2.3 波束間干擾計算子模型

波束間干擾ICO計算原理如圖3所示。

圖3 波束間干擾計算原理(同極化且同頻)Fig.3 Schematic diagram of beam interference

波束i地面覆蓋范圍中心記為A，WGS-84坐標系下經度、緯度和高程分別為(αA,βA,γA)，波束b地面覆蓋范圍中心為B，坐標為(αB,βB,γB)，用戶終端u位于U，坐標為(αU,βU,γU)。用戶終端u偏離波束i主軸方向夾角記為φi,u，該夾角可根據余弦定理計算得到[22]：

(7)

式中：|OU|為衛星和終端u之間的距離；|OA|為衛星和波束i中心點A之間的距離；|UA|為終端u和波束i中心點A之間的距離。進而，根據天線波束方向圖可以得到干擾波束i在偏離主軸φi,u方向的增益為[23]：

(8)

(9)

式中：[Pi]為波束i發射功率，dBW；[Gi(φi,u)]為波束i在偏離主軸(最大增益方向)φi,u角度方向的增益，dB；[OBOi]為波束i的輸出功率飽和回退值，dB；[Gu]為終端u的接收增益，dB；[LOSSESi,u]為從衛星到終端u的鏈路損耗總和，計算方法參考式(2)。

3 問題建模

高通量多波束衛星系統具有|Q|個下行波束，每個波束含有|C|個載波，波束形狀及指向固定，波束功率和帶寬根據波束內用戶終端需求以及相關約束進行動態分配。系統未滿足容量需求(unmet capacity demand, UCD)總和是評估高通量多波束通信衛星系統效能發揮和收益的關鍵指標，定義為

(10)

基于以上定義，對高通量多波束衛星系統資源分配問題建模如下：

(11)

(12)

(13)

(14)

(15)

?(a,b)∈APp

會計中心的管理者要定期清算往來款項，并且還要仔細核對往來款項，同時要以不同性質的款項為依據來分別處理款項，防止出現串戶入賬的情況。通常情況下往來款項不可以進行長期掛賬，如果長期掛賬就會出現壞賬等情況。同時不能隨便利用往來款項來調節財政收支，只有經過上級管理部門批示之后才可以調整壞賬以及爛賬。

(16)

式(11)為優化目標，即最小化系統未滿足容量需求總和；約束式(12)確保所有載波分配功率總和最大不超過衛星功放總功率；約束式(13)為任一載波分配功率約束；約束式(14)為任一載波分配帶寬約束；約束式(15)為任一波束分配帶寬約束；約束式(16)確保極化方式相同的空間相鄰波束帶寬之和小于衛星下行可用總帶寬，避免同極化相鄰波束共用頻帶。

4 算法設計

對于多波束通信衛星系統資源分配這樣的NP-hard問題，精確的數學規劃方法通常僅適用于決策參量及業務規模較少情況，以可接受的計算代價獲得高質量解的啟發式或智能優化方法在實際工程環境下更具吸引力[24-25]。針對本文研究問題，設計實現了一種遺傳算法求解資源分配模型，該方法將每種資源分配方案看成染色體，染色體所含基因包括系統所有波束相關資源要素，通過對染色體執行選擇、交叉、變異和精英保留操作，獲取高質量資源分配方案。算法流程框架如圖4所示。

(17)

算法收斂標準是，將第g次迭代產生的資源分配方案集合中的最佳方案(即系統未滿足用戶容量需求最小的資源分配方案)記為第g代最佳方案。該方案未滿足用戶容量需求量記為UCDg，將UCDg與前L次平均值相比，相對變化小于門限threshold時，則認為資源分配算法收斂，退出迭代循環，具體如下：

(18)

本文算法由Matlab(version 2015a) 實現，計算機硬件配置包括主頻為2.5 GHz Intel(R) Core(TM) i5-7200U處理器和8 GB內存。

5 系統實現方案

高通量多波束通信衛星系統資源分配實現方案如圖5所示。

圖5 高通量多波束通信衛星下行波束資源分配實現方案Fig.5 Implementation scheme of resource allocation for high throughput multibeam communication satellite systems

1)高通量多波束通信衛星任務規劃周期開始。高通量多波束通信衛星系統下行波束任務規劃按照時間周期性開展，任務規劃周期時長可以根據用戶需求動態變化情況靈活調整。

2)用戶向系統地面運管方發送容量需求、終端及地理位置信息。用戶根據終端需求向高通量多波束通信衛星系統地面運管中心提交資源使用申請，具體提報內容包括用戶終端編號、終端位置經度、終端位置緯度、終端位置高程、終端天線最大發射增益、終端天線最大接收增益、終端最小發射功率、終端最大發射功率、終端系統噪聲溫度及終端容量需求。

3)對高通量多波束通信衛星系統下行波束實施資源動態優化分配。根據本文第4節所提方法實施系統資源優化分配。

4)資源分配優化所需計算模塊。鏈路的計算方法見第2.2小節，波束間干擾的計算方法見第2.3小節，大氣損耗計算方法見式(2)。

6 仿真校驗

6.1 業務實例和場景設置

高通量多波束衛星系統資源分配仿真場景如圖1所示。1顆高通量多波束通信衛星位于地球靜止軌道，共有65個固定指向點波束，頻段為Ka頻段，波束形狀相同且均不可調，波束功率和帶寬可根據波束覆蓋范圍內用戶終端容量需求變化而動態調整，系統采用四色復用體制。假設每個波束提供1個載波，波束內用戶終端容量需求集中在波束中心。鏈路和波束干擾模型計算所需參數如表1所示。

表1 系統鏈路預算和波束干擾參數設置

為了完整分析系統在不同規模用戶容量需求時的下行波束資源分配問題，本文考慮了用戶需求總容量為90 Gbit/s、110 Gbit/s和130 Gbit/s三種情況。另外，鑒于在系統實際運行場景中，各波束對應的用戶容量需求分布不均，而且可能隨時間動態變化，為檢驗本文方法對不同容量需求分布情況的適應能力，在每種用戶需求總容量情況下還考慮了2類需求分布場景：第1類場景為波束間用戶容量需求差異適中(一般)，其標準差約為系統單波束平均容量需求36%；第2類場景為波束間用戶容量需求差異較大，標準差約為系統單波束平均容量需求60%。在各類需求分布場景下，分析如下4種資源分配方法的效果：1)星上波束載波功率、帶寬資源平均固定分配；2)星上波束載波功率動態可調、帶寬平均固定分配；3)星上波束載波功率平均固定分配、帶寬動態可調；4)星上波束載波功率、帶寬聯合動態分配。

資源分配算法相關參數設置如表2所示。

表2 算法參數設置

6.2 仿真結果與分析

采用本文提出的方法，仿真計算3種不同需求規模對應的資源分配結果分別如表3～表5所示，可以看出：

表4 系統用戶需求總容量110 Gbit/s時4種資源分配方法的效果

表5 系統用戶需求總容量130 Gbit/s時4種資源分配方法的效果

1)在不同規模容量需求以及波束容量需求差異場景中，4種資源分配方法的結果存在明顯差異，平均固定分配波束載波功率及帶寬資源時，系統未滿足容量需求最大，系統效能發揮最差。對功率或頻帶任一維度動態分配資源時，均可有效壓縮系統未滿足容量需求，并且功率、頻帶兩維度聯合動態分配的改進效果最明顯。當系統用戶需求總容量分別為90 Gbit/s、110 Gbit/s和130 Gbit/s，且均考慮兩種波束間容量需求差異情況(一般、大)時，相比平均固定分配波束載波功率及頻帶資源，功率和頻帶聯合動態分配可分別將系統未滿足容量需求平均壓縮71.09%、40.47%和16.31%。

2)當系統需求總容量為90 Gbit/s(用戶容量需求規模較小)，功率和頻帶聯合動態分配可在壓縮系統未滿足容量需求基礎上，進一步減少功率和帶寬資源開銷。

系統用戶需求總容量為110 Gbit/s時，比較本文方法在有、無尋優控制策略條件下，系統未滿足需求容量和消耗總功率分別如圖6、圖7所示。可以看出，相比無尋優控制策略，在本文方法中對交叉和變異算子實施尋優控制可以使系統未滿足容量需求總和減少4555 Mbit/s，功率資源消耗總和下降160 W，提升了算法性能。

圖6 系統未滿足用戶容量需求迭代收斂曲線Fig.6 Iterative convergence curve of unmet capacity demand

進一步，在與上述相同場景下，將本文方法與一種基于粒子群優化的多波束通信衛星動態資源分配方法[12]比較。當系統用戶需求總容量為110 Gbit/s時，采用這兩種方法分別計算系統未滿足用戶容量需求，優化結果如圖8所示。可以看出，相比文獻[12]提出的粒子群資源分配方法，本文提出的功率和頻帶資源聯合優化方法可使系統未滿足容量需求減少2 095 Mbit/s，且收斂速度更快，本文方法性能更優。

圖8 兩種方法得到的系統未滿足用戶容量需求迭代收斂曲線Fig.8 Unmet capacity demand of our proposed method and the PSO method

7 結論

針對新一代高通量多波束通信衛星系統資源高效利用需求，提出了下行波束載波功率和頻帶資源分配聯合優化方法，該方法考慮了系統多色復用、波束間干擾以及需求非均勻分布等實際情況。為加快資源分配求解效率，本文方法還嵌入了一種高效的尋優控制策略以加快收斂。不同需求場景下的數值仿真結果驗證了本文方法能有效減少高通量多波束通信衛星系統的未滿足容量需求，提升系統服務效能，可供該類衛星運控系統參考。

后續擬從兩個方向繼續開展研究工作。第一，由于強化學習[26]等人工智能技術在航天系統資源調度領域有廣泛的應用潛力，后續考慮本文方法與強化學習等新技術相結合，進一步提高系統資源分配效率。第二，本文優化目標為單目標，即最小化未滿足用戶容量需求，在一些實際運行場景下，可能還需要最小化衛星消耗功率等多個優化目標，多個優化目標之間可能存在沖突。因此，后續將根據系統運控不同場景需求，將本文單目標優化方法拓展到帕累托(Pareto)多目標優化[27]，為系統資源管理提供更多選項。