[发明专利]一种基于遗传算法的低轨卫星系统频率复用规划方法

说明书

本发明属于卫星通信技术领域，公开了一种基于遗传算法的低轨卫星系统频率复用规划方法，包括以下步骤：进行覆盖区域的波位划分；设定内层波位的频率分配方案；对外层波位频率分配进行遗传算法迭代，包括设置优化参数，初始化种群，进行交叉‑变异操作，进行选择操作，更新全局最优。本发明所提供的基于遗传算法的低轨卫星系统频率复用规划方法，可以在给定的覆盖区域波位划分方案下，迭代计算最优频率复用方案，尽可能地增大同频波位之间的最小距离，以降低同频干扰。用于卫星通信技术领域。

技术领域

本发明属于卫星通信技术领域，具体涉及一种基于遗传算法的低轨卫星系统频率复用规划方法。

背景技术

低轨卫星系统具有传输时延低、频谱利用率高、传输容量大、覆盖连续性好、终端成本低等优势，被认为是构建新一代宽带卫星通信系统的有效技术途径。低轨卫星的对地覆盖区域往往划分为多个波位，通过跳波束、频率复用等方式，可以极大地提高卫星通信系统容量。然而，频率复用会带来同频干扰问题，如果两个同频波位距离过近，则会使同频干扰问题变得严重。在系统设计阶段，借助优化算法，合理设计频率复用次数与波位排布方案，尽可能增大同频波位之间的最小距离，以抑制同频干扰问题。

近年来，群智能算法得到了学术界的广泛关注，成为求解优化问题的有效工具。群智能算法属于计算智能的范畴，可以看做是仿生学在优化领域的应用。群智能算法可以归结为两大类：

第一类是根据达尔文提出的物竞天择，优胜劣汰的进化思想，模仿生物种群进化的过程，通过保留优良个体，淘汰劣质个体，让整个种群向着更高的层次进化。这一类算法也称为进化算法，典型的例子有遗传算法、遗传规划、进化策略、进化规划和差分进化算法等等。

第二类是通过模仿社会性动物的个体行为和个体之间的分工协作，来完成寻优搜索的过程。在自然界，许多社会性动物通过个体之间的分工协作，能够表现出十分复杂的、具有智能性的群体行为，而从个体的角度来看，个体行为又比较简单。关于上述现象，典型的例子有鸟群觅食、蜜蜂采蜜和蚂蚁寻路等，学者们对这些生物的行为展开了广泛的研究，对应地提出了粒子群优化算法，人工蜂群算法和人工蚁群算法等。

针对频率多色复用波位排布问题的特点，可以采用遗传算法。遗传算法最早由美国Michigan大学的Holland教授于二十世纪七十年代初提出的，随后DeJong将其扩展到了最优化数值函数计算的应用中。遗传算法遵循适者生存的自然选择的原则，采用交叉、变异的遗传机理，模拟生物体的进化过程，形成了一种高效并行的全局搜索算法，在搜索过程中可以自动获得和积累有关搜索空间的知识，自适应的控制搜索过程以求得最优解。近年来，遗传算法在问题求解、优化和搜索、机器学习、系统控制、模式识别等领域得到广泛的应用，并且取得了很大的成就。遗传算法具备普遍的适应性，不受问题的性质和具体形式所限制，对频率多色复用波位排布问题的求解有着良好的兼容性。

发明内容

针对低轨卫星多波位频率复用带来的同频干扰问题，本发明提出了一种基于遗传算法的低轨卫星系统频率复用规划方法，迭代计算最优频率复用方案，尽可能地增大同频波位之间的最小距离，以降低同频干扰。

一种基于遗传算法的低轨卫星系统频率复用规划方法，包括以下步骤：

步骤1：将低轨卫星系统的覆盖区域划分为若干层波位，其中最外层的一圈波位称为外层波位，其余层波位统称为内层波位；

步骤2：根据同频波位距离最远的原则设定内层波位的频率分配方案；

步骤3：对外层波位频率分配进行遗传算法迭代，包括设置优化参数、初始化种群、进行交叉-变异操作、进行选择操作以及更新全局最优。

进一步的，所述步骤3包括：

步骤3.1：设置优化参数，包括种群规模N、最大迭代次数G和变异个体数量P；