基于深度强化学习的空天地一体化网络资源分配算法

空天地一体化网络(SAGIN)通过提高地面网络的资源利用率可以有效满足多种业务类型的通信需求,然而忽略了系统的自适应能力和鲁棒性及不同用户的服务质量(QoS)。针对这一问题,该文提出在空天地一体化网络架构下,面向城区和郊区通信的深度强化学习(DRL)资源分配算法。基于第3代合作伙伴计划(3GPP)标准中定义的用户参考信号接收功率(RSRP),考虑地面同频干扰情况,以不同域中基站的时频资源作为约束条件,构建了最大化系统用户的下行吞吐量优化问题。利用深度Q网络(DQN)算法求解该优化问题时,定义了能够综合考虑用户服务质量需求、系统自适应能力及系统鲁棒性的奖励函数。仿真结果表明,综合考虑无人驾驶汽车,沉浸式服务及普通移动终端通信业务需求时,表征系统性能的奖励函数值在2 000次迭代下,相较于贪婪算法提升了39.1%;对于无人驾驶汽车业务,利用DQN算法进行资源分配后,相比于贪婪算法,丢包数平均下降38.07%,时延下降了6.05%。

基于位置预测模型的空天地一体化网络切换算法

针对6G空天地一体化网络(SAGIN)中网络环境动态变化和用户终端移动性增强导致的终端切换频繁、网络负载不均衡问题,提出了一种基于终端位置预测模型的SAGIN切换算法。该算法构建了基于麻雀搜索策略优化的长短期记忆(LSTM)网络终端位置预测模型,提升了终端位置预测精度,解决了网络切换时机不合理问题。基于此模型,将SAGIN选择问题建模为马尔可夫决策过程,设计以服务质量(QoS)需求、切换代价和网络负载均衡表征的网络切换算法效用函数,采用分布式深度Q网络(D-DQN)选择能够实现长期目标最大化的网络节点执行切换。与基于Q学习(Q-Learning)、双深度Q网络(DDQN)和竞争双深度Q网络(D3QN)的网络切换算法相比,所提算法在降低切换时延与切换次数、提升网络吞吐量等方面性能较优,验证了所提算法的有效性。

面向空天地一体化网络的抗干扰技术研究

空天地一体化网络是实现全域通信和提供网络互联互通服务需求的重要基础设施之一。在未来的强对抗干扰环境中,确保其数据传输的有效性与可靠性对于维护国家安全具有重要意义。针对空天地一体化网络的对抗性的环境特点,探讨了在时频域和空域实现抗干扰的潜在应用与关键技术,并提出了对空天地一体化网络的综合思考。最后展望未来,以期为后续研究和实际应用提供方向性指导。

基于移动边缘计算的空天地一体化网络架构

下一代无线通信技术将通过支持智能交通、智能医疗、虚拟现实/增强等服务来提高用户的体验质量。这些新兴的服务通常都是计算密集型和时延敏感型的,必须满足严格的时延、能耗和可靠性要求,而基于云计算的服务难以满足这些要求。为了解决以上问题,提出移动边缘计算(Mobile Edge Computing,MEC)技术,解决将卸载请求回传到云计算中心所具有的高时延和高带宽消耗的问题。空天地一体化网络(Space-Air-Ground Integrated Network,SAGIN)作为6G的重要研究方向,可以弥补全球范围内的巨大覆盖缺口,受到广泛关注。通过将MEC技术、联邦学习技术和人工智能技术引入SAGIN,高效管理网络中海量、异构的资源,构建低时延、低能耗、高可靠性的SAGIN,以支持新兴的各种服务。

基于深度强化学习的空天地一体化网络信息物理系统垂直切换策略

针对空天地一体化网络信息物理系统模型复杂、很难获得网络拓扑先验知识和模型化假设的特点,研究其基于深度强化学习的垂直切换策略。首先,综合考虑系统稳定性、切换开销和网络使用成本约束,将垂直切换策略问题建模为约束马尔可夫决策过程(CMDP),并给出保证可行解存在的充分条件;其次,提出约束-近端策略优化(CPPO)算法解决该问题,并在基站侧引入分布式强化学习机制加速训练收敛。相较于基准策略,仿真验证了所提垂直切换策略的优越性和有效性。

面向空天地一体化网络的数字孪生技术架构及应用

详细探讨了数字孪生技术在空天地一体化通信中的具体架构,以及网络优化方面的应用。将数字孪生分为虚拟空天地一体化网络和智能决策层。虚拟网络是对物理空天地通信网的精准映射,支持实时监控和测试验证功能。在智能决策层,通过环境感知与业务预测实现网络优化。最后,验证了面向空天地一体化的数字孪生技术在动态通信网络优化中的巨大潜力,为网络优化的未来发展提供了创新思路。

基于时空关联表征的空天地一体化网络资源精准管控方法

空天地一体化网络中,资源分布不均匀且随时间动态变化。传统基于静态资源表征的优化调度方法仅在单个时间片上进行调度优化,资源利用率低,并且在网络变化时需频繁地重新调整策略,带来较大迁移成本。为解决这一问题,提出一种空天地一体化网络资源时空关联表征方法。该方法通过在网络的结构邻域和时序邻域两个维度计算节点注意力表征,实现对空天地一体化网络资源时空关联关系的精准建模。在此基础上,提出基于时空关联表征的网络资源精准映射方法,采用置信域策略梯度优化方法,对算法参数进行自适应学习与优化。

基于概率博弈的空天地一体化网络安全路由算法

针对空天地一体化网络存在的安全问题,提出了使用路由证据的方法对洪泛攻击、灰洞/黑洞攻击进行防御的方案。该方案可以检测出自组织网络中存在的恶意节点,以保证路由的安全可靠性;克服了已有方案存在的不足,可以自适应地在空天地一体化网络等容断容迟网络中应用。此外,搭建了仿真平台,通过仿真验证的手段,证明了该方案可以检测出90%以上的恶意节点,验证了其有效性。

基于聚类算法内容流行度预测的空天地一体化网络缓存方法

针对空天地一体化网络中恶劣的自然条件可能造成连通异常和通信阻塞的情况,对一种新的空天地一体化网络缓存方法进行研究,即基于聚类的内容缓存方法。基于空天地一体化网络架构,利用提取的内容特征来预测流行度,并用于缓存替换决策。内容的流行度预测是由动态聚类算法实现的,这种方法可以有效地减轻地面核心网的通信压力,从而进一步提升用户体验。使用开放数据集对算法进行评估,实验仿真结果证明了该方法的可行性和有效性。

智简空天地一体化网络

空天地一体化网络融合空基、天基、地基网络,提供超大规模全局性连接,真正实现全域泛在通信。针对空天地一体化网络因环境复杂、业务多样、节点异构、资源异质等导致的巨大挑战,通过有机融合智简系统与软件定义网络,提出智简空天地一体化网络解决思路,以“局域按需智简、广域达意智简”为核心方法,克服网络拓扑、路由、资源管控等难题,实现从软件定义网络到智简网络的范式跨越。

空天地一体化网络技术:探索与展望

随着信息技术的不断发展,信息服务的空间范畴不断扩大,各种天基、空基、海基、地基网络服务不断涌现,对多维综合信息资源的需求也逐步提升。空天地一体化网络可以为陆海空天用户提供无缝信息服务,满足未来网络对全时全域全空通信和网络互联互通的需求。首先,对空天地一体化网络技术及协议体系的发展趋势进行了分析,探讨了低轨卫星通信系统以及空地网络融合的研究进展。针对网络结构复杂、动态性高、资源高度约束等问题,提出了基于强化学习(RL,reinforcement learning)的空天地一体化网络设计与优化框架,以进行高效快速的网络设计、分析、优化与管控。同时给出了实例分析,阐明了利用深度强化学习(DRL,deep RL)进行空天地一体化网络智能接入选择的方法。并通过搭建空天地一体化网络仿真平台,解决了网络观测稀疏与训练数据难以获取的问题,极大地提升了RL的训练效率。最后,对空天地一体化网络中的潜在研究方向进行了探讨。

面向空天地一体化网络的移动边缘计算技术

空天地一体化通信网络是未来6G移动通信系统的重要发展趋势,能真正实现全球全域的“泛在连接”。考虑到空天地一体化网络的多层异构性,引入移动边缘计算(Mobile Edge Computing,MEC)技术可为用户提供各种数据业务计算服务的支持。首先,对空天地一体化网络中的天基网络、空基网络、地基网络以及MEC技术分别进行了概述,并讨论了引入MEC技术对空天地一体化网络带来的优势。其次,分别对低轨(Low Earth Orbit,LEO)卫星-MEC融合网络架构、高空平台(High Attitude Platforms,HAPs)-MEC融合网络架构、无人机(Unmanned Aerial Vehicle,UAV)-MEC融合网络架构以及空天地一体化网络(Space-Air-Ground Integrated Network,SAGIN)-MEC融合网络架构进行了介绍,并讨论了这4种架构的应用场景。最后,探讨了空天地一体化网络架构中安全性、移动性管理等关键性挑战问题。

空天地一体化网络中联合地面基站选择及功率分配

针对由卫星通信网络、地面移动网络以及空中飞行平台所组成的空天地一体化网络(Hybrid Satellite-Aerial-Terrestrial Network,HSAT)下行链路的系统吞吐量问题,提出了基于多目标遗传算法的地面基站选择及功率分配算法。在这一网络中,空中飞行平台需要地面基站为其进行中继通信。因此,地面中继基站的选择和功率分配决定了系统的吞吐量。所提算法为了取得对系统吞吐量更好的优化效果,将优化系统吞吐量和满足约束条件建模成两个优化目标,通过设计特有的迭代选择过程使地面基站选择和功率分配不断优化。仿真分析表明,所提算法在保证用户最低通信需求的前提下,有效提升了系统的吞吐量。

空天地一体化网络中智能协同抗干扰技术

空天地一体化网络是信息时代指挥与控制的神经网络,是信息获取、传输、处理的平台,空天地一体化网络内部自干扰和外部恶意干扰会阻挡和破坏通信链路,进而影响联合指挥与控制,给出了对抗场景下空天地一体化网络架构,分析了协同抗干扰技术研究现状,从网络拓扑动态控制、通信资源智能优化、通信控制联合优化3个方面讨论了智能协同抗干扰关键技术,探讨了发展趋势与相应挑战.

空天地一体化网络系统架构设计与智能管理

为了克服空天地一体化网络系统(Space-Air-Ground Integrated Network,SAGIN)由于结构复杂和业务多样而导致的不同网络间的协同困难,提出了基于移动边缘计算(Mobile Edge Computing,MEC)的SAGIN多维管理架构。通过将网络系统划分为数据层、控制层和管理层,网络状态信息由各网络层逐层汇总和分层处理,网络管理策略由MEC统一制定,并逐层转发,实现不同网络间的协同管理。基于所提架构搭建网络仿真平台,并通过强化学习方法制定网络协同策略,仿真结果证明了该架构的可行性。

空天地一体化网络研究现状与新技术的应用展望

为了实现全时全域“泛在连接”,全球覆盖、随遇接入、按需服务的空天地一体化网络,是未来无线通信系统发展的方向。建设空天地一体化网络,需要深度结合天基网络、空基网络、地基网络,在不同的空间维度上发挥自身的功能,不断突破网络体制的边界限制,进而实现广域的全覆盖和无线网络的互联互通。文中主要从科研项目实施、技术研究和标准推进等方面探讨空天地一体化网络发展进程。同时,对新技术在空天地一体化网络中的应用进行展望,并探讨未来空天地一体化网络的发展方向。

一种优化空天地一体化网络吞吐量算法

为提高空天地一体化网络的吞吐量,提出基于强化学习的链路优化算法(reinforcement learning-based link optimization, RLLO)。RLLO算法以近地轨道卫星为基站提供回程链路。同时,RLLO算法通过管理无人机和微基站的资源以及优化无人机(unmanned aerial vehicles, UAV)的轨迹,提升吞吐量。先建立优化回程链路和接入链路的目标问题,再利用多臂老虎机的强化学习工具求解目标问题。仿真结果表明,相比于同类的基准算法,RLLO算法提高了吞吐量和用户端的可达速率。

6G空天地一体化网络高空平台基站下行频谱效率研究

未来6G天地一体化网络能够实现无缝通信覆盖,作为近空网络平台之一的HIBS能够应用于偏远地区的网络覆盖或灾区应急通信。对HIBS下行频谱效率开展了研究,首先给出了单个HIBS扇区结构和广覆盖连续组网结构,然后随机部署用户并根据仿真参数计算用户的接收信号强度,分析接收信号强度来选择实际接入的小区,最后通过蒙特卡洛仿真计算出3个频段下SINR和频谱效率的CDF曲线,并与非地面网络5G网络速率进行比较。分析结果表明,HIBS下行频谱效率能够满足非地面网络5G网络速率要求。

空天地一体化网络中基于联邦深度强化学习的边缘协作缓存策略

针对偏远地区网络覆盖范围有限的问题,将空天地一体化网络与移动边缘计算相结合,可以实现这些地区用户请求的低时延和高可靠传输,并能及时提供缓存服务。考虑到空天地一体化网络拓扑的动态变化和内容流行度不断更新的特点,首先提出了一种空天地一体化边缘协作缓存的网络架构。然后,将边缘服务器的缓存替换问题建模为马尔可夫决策过程。最后,提出了一种联邦离散柔性演员评论家(FDSAC)算法,其核心思想是将加权注意力机制融入联邦学习框架中,并将双向长短期记忆网络集成到DSAC模型。以重构后的奖励函数为优化目标,通过最大化长期负奖励的期望来学习最优的缓存替换策略。仿真结果表明,与其他算法相比,所提算法可以在保护用户隐私的前提下,将用户请求的缓存命中率提高18%,内容的访问时延降低25%。

6G典型场景下的空天地一体化网络研究

随着信息技术的飞速发展,6G通信时代即将来临。深入研究6G典型场景下的空天地一体化网络,全面概述其特点并进行需求分析,通过研究卫星通信、无人机通信、高空平台通信以及网络融合等关键技术,提出了相应的架构设计方案,为空天地一体化网络在6G时代的发展提供理论支持和技术参考。