[发明专利]一种低轨卫星移动通信资源智慧调度方法

说明书

本发明公开了一种低轨卫星移动通信资源智慧调度方法，包括以下步骤：S1：初始化深度学习网络参数；S2：输入先验低轨卫星样本数据，用深度学习网络训练方法对样本数据进行拟合；S3：分析样本偏差，若拟合偏差大于0.01，则表明现在的深度学习网络属于欠拟合状态，并转向步骤S2；否则，进入步骤S4；S4：再次收集低轨卫星样本数据并进行状态标志作为测试样本；S5：分析样本方差，如果拟合方差大于0.005，说明现在样本处于过拟合状态，需要对深度学习网络进行正则化处理，处理完成后并转向步骤S2；否则，进入步骤S6；S6：输入低轨卫星需要预测的样本数据，得到低轨卫星分配网络资源策略。能够更好实现低轨卫星移动通信资源智慧调度。

技术领域

本发明涉及空天地海一体化通信技术领域，尤其涉及一种低轨卫星移动通信资源智慧调度方法。

背景技术

空天地海一体化信息网络是维护和拓展国家核心安全利益，实现全球互联互通的重大信息基础设施，是以天基网络为主体，地面网络为基础，可支持陆、海、空、天各类用户随遇接入、按需服务的信息网络。作为具有战略意义的国家信息基础设施，空天地海一体化信息网络对于维护国家利益、促进经济发展具有重要作用。

低轨卫星通信作为空天地海一体化信息网络中的重要组成部分，具有许多其他地面传输设备所不具备的优越性：相对于地面无线通信系统，低轨卫星通信系统覆盖面广；相对于高轨卫星通信系统、中轨卫星通信系统，低轨卫星通信系统组网灵活，卫星运行轨道低，星地链路传输时延较小，并且可以与高轨卫星、中轨卫星等轨道卫星组成天基系统。

然而，随着社会的进步及通信技术的发展，人们对通信质量要求也越来越高，同时，由于低轨卫星通信系统的频带资源及功率受限，也使得下行链路用户功率分配，载波分配和比特分配等资源分配也变得复杂，如何合理利用有限的低轨卫星资源为更多的用户提供更好的通信体验。对此需设计有效的资源调度策略来合理的调度星上的资源，以此实现更快地将资源分发给申请的用户终端。但是，在实际低轨卫星通信环境下，传统的低轨卫星资源分配机制由于自身的局限性不能完全适应复杂、动态的资源分配问题，容易引发负载不均衡，从而对低轨卫星移动通信的服务性能和资源利用效率产生影响。

发明内容

针对上述现有技术的不足，本专利申请所要解决的技术问题是：如何提供一种低轨卫星移动通信资源智慧调度方法，能够利用深度学习网络进行特征提取、融合，实现低轨卫星移动通信资源智慧调度。

为了实现上述目的，本发明采用了如下技术方案：

一种低轨卫星移动通信资源智慧调度方法，包括以下步骤：

S1：初始化深度学习网络参数；

S2：输入先验低轨卫星样本数据，用深度学习网络训练方法对样本数据进行拟合，并对样本偏差进行预测；

S3：分析样本偏差，若拟合偏差大于0.01，则表明现在的深度学习网络属于欠拟合状态，需要扩大深度学习网络训练的次数，并转向步骤S2；否则，进入步骤S4；

S4：再次收集低轨卫星样本数据并进行状态标志作为测试样本，并运用神经网络对样本数据进行预测；

S5：分析样本方差，如果拟合方差大于0.005，说明现在样本处于过拟合状态，需要对深度学习网络进行正则化处理，处理完成后并转向步骤S2；否则，进入步骤S6；

S6：输入低轨卫星需要预测的样本数据，利用深度学习网络输出低轨卫星分配网络资源策略。

进一步的，所述深度学习网络训练的方法流程如下：

A1：每个训练样本为为训练样本的特征，为训练样本的目标值；将输入向量的每个元素x_i的值赋给神经网络的输入层的神经元；

A2：计算第二层的每个神经元的输出值构成的输出向量为其计算表达式为：