[发明专利]基于拍卖机制的星地融合中继网络的通信方法和通信系统

权利要求书

1.一种基于拍卖机制的星地融合中继网络的通信方法，所述星地融合中继网络包括至少一颗卫星、多个潜在中继节点和多个卫星用户，每个所述潜在中继节点在地面服务于其所覆盖的多个地面用户，其特征在于，包括：

所述卫星向所述多个潜在中继节点广播合作信令，将所述卫星的时隙作为拍卖机制中的商品；

每个所述潜在中继节点预测所述潜在中继节点在当前时刻是否参与竞标，将所有参与竞标的潜在中继节点作为第一中继节点，其中，所述参与竞标表示所述潜在中继节点愿意获得所述商品；

所述第一中继节点根据信道性能评估信道价值，并将包括估计价值的竞标向量上报给所述卫星，其中，所述信道包括卫星-中继信道、中继-卫星用户信道和中继-地面用户信道，所述信道性能包括信道增益和子时隙分配长度；以及

所述卫星基于拍卖机制和所述竞标向量，从多个所述第一中继节点中选择最大竞标向量对应的第一中继节点作为获胜中继节点，所述获胜中继节点与所述卫星达成合作关系；

每个所述潜在中继节点基于历史成功率和场景信息并采用强化学习模型预测所述潜在中继节点在当前时刻是否参与竞标，其中，所述历史成功率是所述潜在中继节点与所述卫星建立合作关系的历史数据，所述场景信息包括地面网络所获得的卫星-中继信道状态信息、中继-地面用户信道状态信息和中继-卫星用户信道状态信息。

2.如权利要求1所述的通信方法，其特征在于，所述强化学习模型基于Q-learning算法将所述潜在中继节点作为智能体，将所述卫星过境期间等时划分为N个时间片段，所述强化学习模型的模型参数包括所述潜在中继节点在某个时间片段中的状态、动作和奖励，所述状态定义为二元组：其中，其中，表示卫星S和潜在中继节点R_k之间的信道增益，P_s表示所述卫星的发射功率，σ²表示所述卫星的噪声功率，表示潜在中继节点R_k和潜在中继节点R_k覆盖下的地面用户之间的信道增益，表示潜在中继节点R_k的剩余功率；所述动作定义为动作集合A＝{Y,N}，其中，Y表示竞标，N表示放弃竞标；所述奖励采用折扣回报表示，定义为所述智能体在学习过程中的各个即时奖励乘以相应数量的折扣因子的累加值；定义动作价值函数Q(s,a)为在一定时间内动作a∈A并处于状态s时折扣回报的期望值，所述强化学习模型对所述动作价值函数进行更新，获得最优动作价值函数Q^*(s,a)。

3.如权利要求1所述的通信方法，其特征在于，所述强化学习模型采用Double DQN算法预测所述潜在中继节点在当前时刻是否参与竞标，将所述卫星过境期间等时划分为P个时间片段，所述强化学习模型的模型参数包括所述潜在中继节点在某个时间片段中的状态、动作和奖励，所述状态定义为六元组：其中，表示卫星S和潜在中继节点R_k之间的信道增益，表示所述潜在中继节点R_k和卫星用户D之间的信道增益，表示所述卫星的卫星倾角，表示所述潜在中继节点对所述卫星的可见角，表示所述潜在中继节点的剩余功率，θ表示所述卫星的移动角度，θ∈[0,180°]；所述动作表示为：a＝π(s)，其中，π(·)为策略，表示由环境状态s到动作a的映射过程；所述奖励采用数值表示；所述强化学习模型包括Q学习网络和目标学习网络，环境中的数据输入到所述Q学习网络中，系统选择所述Q学习网络中的最大值作为动作，将所述Q学习网络中的参数每隔一段时间复制到所述目标学习网络中，所述目标学习网络在损失函数的作用下对所述Q学习网络的参数进行反向传输更新，以逐渐获得优化的Q值。

4.如权利要求1所述的通信方法，其特征在于，还包括：

所述卫星广播所述获胜中继节点的信息；

在服务周期到来时，所述卫星将卫星信号传输至所述获胜中继节点；以及

所述获胜中继节点接入所述卫星的卫星频段，并且为地面用户提供服务。