面向数字孪生赋能的低轨卫星网络的需求感知波束跳变与功率分配实现负载均衡
信号处理
2024-11-15 v1 机器学习
网络与互联网体系结构
摘要
利用波束跳变(BH)技术的低地球轨道(LEO)卫星提供广泛覆盖、低延迟、高带宽和显著灵活性。然而,地面业务需求的地理分布不均和时变特性,加上LEO卫星的高机动性,给波束资源的高效利用带来重大挑战。基于地球同步轨道(GEO)卫星的传统BH方法无法解决卫星干扰、覆盖重叠和机动性等问题。本文探讨了一种基于数字孪生(DT)的协作资源分配网络,用于具有重叠覆盖区域的多颗LEO卫星。提出了一个关注负载均衡和小区服务公平性的两层优化问题,以最大化吞吐量并最小化小区间服务时延。DT层通过为每颗卫星设计BH模式来优化重叠覆盖小区的分配,而LEO层优化每个选定服务小区的功率分配。在DT层,每个智能体部署一个Actor-Critic网络,云中心有一个全局Critic网络。采用A3C算法优化DT层。同时,LEO层优化使用多智能体强化学习算法,每个波束作为一个独立智能体。仿真结果表明,该方法将卫星负载差异降低约72.5%,将平均时延降至12ms。此外,该方法在吞吐量方面优于其他基准,确保提供的数据与请求的数据更好地匹配。
引用
@article{arxiv.2411.08896,
title = {Demand-Aware Beam Hopping and Power Allocation for Load Balancing in Digital Twin empowered LEO Satellite Networks},
author = {Ruili Zhao and Jun Cai and Jiangtao Luo and Junpeng Gao and Yongyi Ran},
journal= {arXiv preprint arXiv:2411.08896},
year = {2024}
}