[go: up one dir, main page]

CN117639903B - 一种基于noma辅助的多用户卫星通信方法及系统 - Google Patents

一种基于noma辅助的多用户卫星通信方法及系统 Download PDF

Info

Publication number
CN117639903B
CN117639903B CN202410091665.1A CN202410091665A CN117639903B CN 117639903 B CN117639903 B CN 117639903B CN 202410091665 A CN202410091665 A CN 202410091665A CN 117639903 B CN117639903 B CN 117639903B
Authority
CN
China
Prior art keywords
user
satellite
user terminal
signal
expression
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202410091665.1A
Other languages
English (en)
Other versions
CN117639903A (zh
Inventor
沈金海
朱庆浩
徐林
朱邦兵
赖海光
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Kongwei Communication Technology Co ltd
Original Assignee
Nanjing Kongwei Communication Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing Kongwei Communication Technology Co ltd filed Critical Nanjing Kongwei Communication Technology Co ltd
Priority to CN202410091665.1A priority Critical patent/CN117639903B/zh
Publication of CN117639903A publication Critical patent/CN117639903A/zh
Application granted granted Critical
Publication of CN117639903B publication Critical patent/CN117639903B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/14—Relay systems
    • H04B7/15—Active relay systems
    • H04B7/185—Space-based or airborne stations; Stations for satellite systems
    • H04B7/1851—Systems using a satellite or space-based relay
    • H04B7/18513—Transmission in a satellite or space-based system
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/309—Measuring or estimating channel quality parameters
    • H04B17/336—Signal-to-interference ratio [SIR] or carrier-to-interference ratio [CIR]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/382—Monitoring; Testing of propagation channels for resource allocation, admission control or handover
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/391—Modelling the propagation channel
    • H04B17/3911—Fading models or fading generators
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/02—Hierarchically pre-organised networks, e.g. paging networks, cellular networks, WLAN [Wireless Local Area Network] or WLL [Wireless Local Loop]
    • H04W84/04—Large scale networks; Deep hierarchical networks
    • H04W84/06—Airborne or Satellite Networks
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Data Mining & Analysis (AREA)
  • Astronomy & Astrophysics (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Quality & Reliability (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radio Relay Systems (AREA)

Abstract

本发明公开了一种基于NOMA辅助的多用户卫星通信方法及系统，该方法包括卫星通过多波束向用户终端通信，收集卫星和用户的位置信息，构建卫星到用户的信号传输模型，对用户进行聚类划分，得到用户组，设定用户组和波束的对应关系；构建用户接收信号的模型表达式；依序采用预编码和NOMA技术对信号进行处理，计算得到消除干扰后的和速率表达式；针对和速率表达式构建资源优化模型，获得最优资源分配方案；设定差异检测机制，定期检测用户和卫星的位置信息，当发生超过预设阈值的偏离时，重新对用户进行聚类划分，获取新的最优资源分配方案。本发明能够实现多用户在多波束卫星下的合理资源分配，并达到一个更优的通信速率水平。

Description

一种基于NOMA辅助的多用户卫星通信方法及系统
技术领域
本发明属于卫星通信领域，公开了一种基于NOMA辅助的多用户卫星通信方法及系统。
背景技术
地面有线和无线通信网络经过若干代的发展，已经具有网络结构固定，传输稳定可靠，服务质量好等优势，然而，地面通信网络的建设必须考虑所建基础设施的环境和成本，难以有效覆盖人口稀少的高山和广阔的海面等区域。而且由于地面网络结构固定，一旦发生较大的破坏，区域网络可能直接瘫痪。与地面网络相比，卫星通信网络具有覆盖范围大、通信距离远、通信容量大、组网灵活，传输质量不受地理条件限制等优点，是一种可以有效覆盖全域的网络。
当下的卫星通信网络大多无法在有限的频谱、时间和功率资源内，为海量用户提供高通信质量、低时延、高用户公平性和资源利用率的无线服务，且在多波束卫星通信下，信号的干扰也比较大。
发明内容
发明目的：提供一种基于NOMA辅助的多用户卫星通信方法及系统，以解决现有技术存在的上述问题。
技术方案：一种基于NOMA辅助的多用户卫星通信方法，包括如下步骤：
S1、建立卫星与用户终端的多波束通信链接，收集卫星和用户终端的位置信息，构建卫星到用户终端的信号传输模型，基于信号传输模型对用户终端进行聚类划分，得到用户组，设定用户组和波束的对应关系；
S2、根据用户组和波束的对应关系以及信号传输模型，构建用户组接收信号的模型表达式，模型表达式包括信号、干扰和噪声；
S3、基于用户组接收信号的模型表达式，依序采用预编码和NOMA技术对信号进行处理，计算得到消除干扰后的用户组与卫星通信信号速率之和，记为和速率，通过和速率构建和速率表达式；
S4、针对和速率表达式构建资源优化模型，获得最优资源分配方案，并配置到通信系统。
根据本申请的一个方面，步骤S1具体为：
S11、卫星采用多波束通信制式向用户终端发送信号，建立卫星与用户终端的多波束通信链接，采集卫星和用户终端的位置信息并存储；
S12、基于卫星和用户终端的位置信息，计算卫星到用户终端的距离和角度，构建卫星到用户终端的信号传输模型，包括信道系数、增益和衰落；
S13、根据信号传输模型，采用K-means聚类算法对用户终端进行划分，得到用户组，设定用户组和波束的对应关系，使得用户组数量与波束数量相同。
根据本申请的一个方面，步骤S2具体为：
S21、根据用户组和波束的对应关系，为每个用户组分配唯一的频段，使得不同用户组的频段不重叠，避免波束间的干扰；根据信号传输模型，计算用户组与卫星通信的信号强度，得到信号的表达式；
S22、根据信号传输模型，计算用户组与卫星通信的信噪比，得到噪声的表达式；
S23、根据用户终端的位置信息和信号强度，计算用户组与卫星通信的干扰，得到干扰的表达式；
S24、基于信号的表达式、噪声的表达式和干扰的表达式，构建用户组接收信号的模型表达式。
根据本申请的一个方面，步骤S3具体为：
S31、将用户组接收信号的模型表达式转换为整体信道矩阵，并获取信道增益；基于整体信道矩阵，采用最少均方误差的线性预编码方案构建预编码矩阵，对预编码矩阵进行归一化和正则化，获得预编码信号矩阵；
S32、采用NOMA技术将预编码信号矩阵进行叠加，根据信道增益确定用户组的解码顺序，基于解码顺序采用串行干扰消除方法对叠加后的信号进行解码，计算用户组的信干噪比SINR；
S33、根据用户组的信干噪比，采用香农定理计算每个用户组的速率，将所有用户组的速率相加，得到消除干扰后的和速率表达式。
根据本申请的一个方面，步骤S4具体为：
S41、针对资源优化问题，基于和速率表达式构建资源优化模型，包括目标函数和约束条件；
S42、采用分式规划法对资源优化模型进行求解，得到最优功率分配系数集合，使得和速率达到最大，获得最优资源分配方案；
S43、将最优功率分配系数更新到卫星，使得卫星按照最优资源分配方案对信号进行处理。
根据本申请的一个方面，还包括步骤S5、设定差异检测机制，定期检测用户终端和卫星的位置信息，当发生超过预设阈值的偏离时，重新对用户终端进行聚类划分，获取新的最优资源分配方案，具体为：
S51、记录按照最优资源分配方案处理过的用户终端和卫星的稳定位置，同时定期检测并记录用户终端和卫星的实时位置，将用户终端和卫星的稳定位置与实时位置进行比较，计算位置的偏离程度；
S52、根据位置的偏离程度对信号传输模型中的信道系数的影响程度，设置最大偏离值；
S53、如果位置的偏离程度超过最大偏离值，则重新对用户终端进行聚类划分，获取新的最优资源分配方案。
根据本申请的一个方面，所述步骤S1还包括对卫星到用户终端的信号传输模型进行修正，具体为：
S1a、收集卫星和用户终端的位置信息和速度信息，将卫星和用户终端的位置信息转换为直角坐标系下的坐标，将卫星和用户终端的速度信息转换为直角坐标系下的速度向量；
S1b、根据卫星和用户终端的坐标和速度向量，计算卫星到用户终端的距离和角度，以及卫星和用户终端的相对速度和方向；
S1c、根据卫星到用户终端的距离和角度，以及卫星和用户终端的相对速度和方向，计算多普勒频移和多普勒扩散的值；
S1d、根据多普勒频移和多普勒扩散的值，对信号传输模型进行修正，得到修正后的信号传输模型。
根据本申请的一个方面，步骤S33还包括使用神经网络技术对用户组的速率进行预测和优化，具体为：
S33a、将用户组的信干噪比作为输入，将用户组的速率作为输出，构建多层感知器的神经网络；
S33b、收集多用户卫星通信的历史数据，将历史数据划分为训练集、验证集和测试集，对训练集中的历史数据进行预处理；
S33c、使用预处理后的训练集对神经网络进行训练，使用验证集对训练后的神经网络的性能进行评估；
S33d、使用测试集对训练后的神经网络进行测试，对比测试的结果和计算得到的用户组的速率，计算训练后的神经网络的误差和方差，评估训练后的神经网络的可靠性和效果。
根据本申请的一个方面，所述步骤S4还包括对多模态的发送数据制定不同的传输指标，具体为：
S4a、设置传输得分的多模态加权矩阵，表示不同的用户终端在接收不同模态数据时所应当得到的资源倾斜度；
S4b、根据各用户组的速率和多模态加权矩阵计算最优传输得分，当所有的信号均为同一种数据时，最优传输得分即为最大和速率；
S4c、对每个用户组接下来需要接收的信号根据原始数据形式进行区分，并体现到多模态加权矩阵中，每隔预定时间对多模态加权矩阵的权重进行更新。
基于NOMA辅助的多用户卫星通信系统，使用基于NOMA辅助的多用户卫星通信方法，包括用户终端聚类划分模块、信道建模模块、资源优化模块、信号处理模块和差异检测模块。
有益效果：本发明通过一种基于NOMA辅助的多用户卫星通信方法及系统，实现了多用户在多波束卫星下的合理资源分配，减少了信号的干扰，并达到一个更优的通信速率。
附图说明
图1为本发明的流程图。
图2为本发明步骤S1的流程图。
图3为本发明步骤S2的流程图。
图4为本发明步骤S3的流程图。
图5为本发明步骤S4的流程图。
图6为本发明步骤S5的流程图。
图7为基于NOMA辅助的多用户卫星通信方法流程图。
具体实施方式
本申请提出了一种基于NOMA辅助的多用户卫星通信方法及系统，如图1所示，具体步骤为：
S1、建立卫星与用户终端的多波束通信链接，收集卫星和用户终端的位置信息，构建卫星到用户终端的信号传输模型，基于信号传输模型对用户终端进行聚类划分，得到用户组，设定用户组和波束的对应关系；
步骤S1的流程如图2所示，具体为：
S11、卫星采用多波束通信制式向用户终端发送信号，建立卫星与用户终端的多波束通信链接，采集卫星和用户终端的位置信息并存储；
S12、基于卫星和用户终端的位置信息，计算卫星到用户终端的距离和角度，构建卫星到用户终端的信号传输模型，包括信道系数、增益和衰落；
S13、根据信号传输模型，采用K-means聚类算法对用户终端进行划分，得到用户组，设定用户组和波束的对应关系，使得用户组数量与波束数量相同。
在进一步的实施例中，首先确定卫星到地面用户的信号传输模型以及各项信道系数、增益，然后采用基于密度的聚类算法计算用户之间的相似度，根据相似度的阈值，将用户划分为不同的用户组。由于在多波束卫星通信下，信号的干扰会比较大，因此需要通过分组，将信道相似度高但是增益差距较大的用户分在相同的组，可以尽可能减少用户和波束之间的干扰。
所述步骤S1还包括对卫星到用户终端的信号传输模型进行修正，具体为：
S1a、收集卫星和用户终端的位置信息和速度信息，将卫星和用户终端的位置信息转换为直角坐标系下的坐标，将卫星和用户终端的速度信息转换为直角坐标系下的速度向量；
S1b、根据卫星和用户终端的坐标和速度向量，计算卫星到用户终端的距离和角度，以及卫星和用户终端的相对速度和方向；
S1c、根据卫星到用户终端的距离和角度，以及卫星和用户终端的相对速度和方向，计算多普勒频移和多普勒扩散的值；
S1d、根据多普勒频移和多普勒扩散的值，对信号传输模型进行修正，得到修正后的信号传输模型。
在进一步的实施例中，利用卫星的定位系统和用户的终端设备，收集卫星和用户的位置信息和速度信息，包括经度、纬度、高度、速度大小和速度方向；将卫星和用户的位置信息和速度信息转换为直角坐标系下的坐标和速度向量，利用地球的赤道半径和极半径，以及地球的自转角速度，计算卫星和用户的坐标，以及卫星和用户的速度向量；将卫星和用户的坐标和速度向量存储在一个列表，用于后续的计算和分析。
利用卫星和用户的坐标和速度向量，使用欧几里得距离公式计算卫星到用户的距离；利用卫星和用户的坐标和速度向量，使用向量的夹角公式计算卫星到用户的角度，利用卫星和用户的坐标和速度向量，使用向量的减法和方向余弦公式计算卫星和用户的相对速度和方向；根据卫星和用户的相对速度和方向，使用多普勒效应的公式，计算多普勒频移的值；根据卫星和用户的相对速度和方向，使用多普勒扩散的公式，计算多普勒扩散的值，将多普勒频移和多普勒扩散的值存储在列表中，用于后续的信号处理和分析。
利用多普勒频移和多普勒扩散的值，对信号传输模型进行修正，根据信号的频率和相位的变化，对信号进行补偿和校正，得到修正后的信号；利用修正后的信号，计算信道系数、增益和衰落，根据信号的幅度和相位的变化，对信道进行建模和分析，得到信道的特征参数；利用信道的特征参数，构建修正后的信号传输模型，包括信号、干扰和噪声的表达式。
在本申请的另一实施例中，所述步骤S13还可以为：
步骤S13、根据信号传输模型，采用DBSCAN聚类算法对用户终端进行划分，得到用户组，设定用户组和波束的对应关系，使得用户组数量与波束数量相同。
步骤S131：根据用户终端的位置信息，计算用户终端之间的距离矩阵；
步骤S132：设定一个邻域半径和一个最小邻居数，对每个用户终端进行标记，分为核心点、边界点和噪声点；
步骤S133：对每个核心点，找出其邻域内的所有核心点和边界点，形成一个聚类，将噪声点排除在外；
步骤S134：根据聚类的结果，得到用户组，设定用户组和波束的对应关系，使得用户组数量与波束数量相同。
或者，步骤S13、根据信号传输模型，采用图神经网络结合kmeans聚类算法对用户终端进行划分，得到用户组，设定用户组和波束的对应关系，使得用户组数量与波束数量相同。
步骤S131、构建样本点的邻接矩阵，根据给定的相似度度量（比如可以采用高斯核函数）计算每对点之间的相似度，将其作为邻接矩阵的元素；
步骤S132、根据邻接矩阵，计算拉普拉斯矩阵，具体可以采用诸如无标度拉普拉斯矩阵、标准化拉普拉斯矩阵、广义拉普拉斯矩阵等；
步骤S133、对拉普拉斯矩阵进行特征值分解，选取最小的k个特征值对应的特征向量，将其组成一个矩阵，每行代表一个样本点在低维空间中的坐标；k为自然数。
当然，对低维空间中的点，可以采用聚类算法（如K-Means）进行聚类，得到聚类结果。
虽然大多数用户都为地面终端，但是地面终端受到环境影响过大，在遇到突发状况和自然灾害时容易导致通信中断，需要应急的备份通信网络，无人机一般较地面终端受环境影响较小，通信状况比较稳定，在卫星与地面用户构建通信链路时，卫星到地面用户和卫星到无人机用户的信道相似，可以将无人机用户也纳入通信网络，形成一个空天地一体化通信网络，卫星发射端可以同时为地面用户和无人机用户提供通信服务，也给地面用户的通信增加了一份应急保障。
S2、根据用户组和波束的对应关系以及信号传输模型，构建用户组接收信号的模型表达式，模型表达式包括信号、干扰和噪声；
步骤S2的流程如图3所示，具体为：
S21、根据用户组和波束的对应关系，为每个用户组分配唯一的频段，使得不同用户组的频段不重叠，避免波束间的干扰；根据信号传输模型，计算用户组与卫星通信的信号强度，得到信号的表达式；
S22、根据信号传输模型，计算用户组与卫星通信的信噪比，得到噪声的表达式；
S23、根据用户终端的位置信息和信号强度，计算用户组与卫星通信的干扰，得到干扰的表达式；
S24、基于信号的表达式、噪声的表达式和干扰的表达式，构建用户组接收信号的模型表达式。
进一步的，在构建用户接收信号的模型表达式时，用户接收端中除了有期望的目标信号之外，还有干扰和噪声，由于波束和分组，干扰分为组内干扰和组间干扰，由此确定信号和干扰的表达式。
在本申请的另一实施例中，根据用户组和波束的对应关系，为每个用户组分配唯一的频段，使得不同用户组的频段不重叠，避免波束间的干扰。为了提高频谱效率，可以采用基于认知无线电的频段分配策略或者基于协作通信的频段分配策略。
步骤S211、根据用户组的信号强度和优先级，将用户组分为主用户组和次用户组，主用户组具有较高的信号强度和优先级，次用户组具有较低的信号强度和优先级；
步骤S212、为每个主用户组分配唯一的频段，使得不同主用户组的频段不重叠，避免主用户组间的干扰；
步骤S213、为每个次用户组分配一个与某个主用户组相同的频段，使得次用户组可以共享主用户组的频段，提高频谱效率；
步骤S214、根据信号传输模型，计算用户组与卫星通信的信号强度，得到信号的表达式。
还可以采用基于协作通信的频段分配策略，具体过程如下：
步骤S211：根据用户终端的位置信息和信号强度，将用户终端分为中心用户和边缘用户，设定中心用户和边缘用户的对应关系，使得每个边缘用户有一个中心用户作为其协作伙伴；
步骤S212：根据用户终端的对应关系，为每对协作用户分配一个唯一的频段，使得不同对协作用户的频段不重叠，避免用户间的干扰；
步骤S213：根据信号传输模型，计算用户终端与卫星通信的信道系数、增益和衰落，构建用户终端接收信号的模型表达式；
步骤S214：根据用户终端的优先级，采用功率分配算法，为每对协作用户分配合适的功率系数，使得中心用户的功率大于边缘用户的功率，同时满足总功率约束。
S3、基于用户组接收信号的模型表达式，依序采用预编码和NOMA技术对信号进行处理，计算得到消除干扰后的用户组与卫星通信信号速率之和，记为和速率，通过和速率构建和速率表达式；
步骤S3的流程如图4所示，具体为：
S31、将用户组接收信号的模型表达式转换为整体信道矩阵，并获取信道增益；基于整体信道矩阵，采用最少均方误差的线性预编码方案构建预编码矩阵，对预编码矩阵进行归一化和正则化，获得预编码信号矩阵；
S32、采用NOMA技术将预编码信号矩阵进行叠加，根据信道增益确定用户组的解码顺序，基于解码顺序采用串行干扰消除方法对叠加后的信号进行解码，计算用户组的信干噪比SINR；
S33、根据用户组的信干噪比，采用香农定理计算每个用户组的速率，将所有用户组的速率相加，得到消除干扰后的和速率表达式。
进一步的，为了同时达到高频谱效率和低计算复杂度，采用最少均方误差（MMSE）的线性预编码方案来减少波束间干扰，根据整体信道矩阵构造预编码矩阵，同时注意对归一化比例因子和正则化因子的选取。
采用非正交多址接入（Non-Orthogonal Multiple Access，NOMA）技术的串行干扰消除（SIC）方法消除用户间的干扰，用户的解码顺序取决于信道增益的值，据此计算每个用户的信干噪比（SINR）和所有用户的和速率。其中，NOMA技术通过功率域和码域复用，使多个用户可以共享一个时间和频率资源块，从而大规模提高接入网络的用户数量，提高资源利用率。随着同一时间接入网络用户数量的增加，可以有效降低链路增益较差用户的传输时延，提高用户公平性。而且由于电子技术的飞速发展，接收机处理信号复杂度将明显提升，NOMA 技术功率域复用引入的用户间干扰和在接收端引入的额外复杂性有望很好地得到解决。通过NOMA 技术在功率域的复用，同时发送和传输多个用户的信号，更大程度的利用有限的时域和频域资源，进一步提高资源利用率和减少用户等待服务的时间。
在本申请的另一实施例中，步骤S31还可以为：
步骤S311：根据用户组和波束的对应关系，为每个用户组分配一个信道状态信息（CSI）反馈周期，使得用户组可以定期向卫星反馈其所在的信道状态信息；
步骤S312：根据用户组反馈的信道状态信息，计算用户组与卫星通信的信道增益，得到信道增益矩阵；
步骤S313：基于信道增益矩阵，采用基于信道状态信息的预编码方案（零强迫预编码或最大比率传输预编码），构建预编码矩阵；
步骤S314：对预编码矩阵进行归一化和正则化，获得预编码信号矩阵。
在本实施例中，利用预编码和NOMA技术实现用户的非正交化，提高用户的信干噪比和速率，提升卫星通信系统的频谱效率和用户公平性。
进一步的，步骤S33还包括使用神经网络技术对用户组的速率进行预测和优化，具体为：
S33a、将用户组的信干噪比作为输入，将用户组的速率作为输出，构建多层感知器的神经网络；
S33b、收集多用户卫星通信的历史数据，将历史数据划分为训练集、验证集和测试集，对训练集中的历史数据进行预处理；
S33c、使用预处理后的训练集对神经网络进行训练，使用验证集对训练后的神经网络的性能进行评估；
S33d、使用测试集对训练后的神经网络进行测试，对比测试的结果和计算得到的用户组的速率，计算训练后的神经网络的误差和方差，评估训练后的神经网络的可靠性和效果。
使用多层感知器（MLP）作为神经网络的结构，MLP是一种由多个全连接层组成的前馈神经网络，可以学习输入和输出之间的非线性映射关系，以用户的信干噪比为输入，以用户的速率为输出，定义神经网络的输入层、隐藏层和输出层，输入层的神经元个数为用户的个数，输出层的神经元个数也为用户的个数，隐藏层的神经元个数选择为输入层和输出层的神经元个数的平均值；初始化神经网络的权重和偏置，选择合适的激活函数和损失函数，激活函数选择线性函数、S型函数或双曲正切函数，损失函数选择均方误差或交叉熵，选择合适的优化器和学习率，优化器可以选择梯度下降、随机梯度下降等，学习率可以根据实际情况调整，选择一个较小的正数；最后，将神经网络的结构、参数和超参数存储在列表中，用于后续的训练和测试。
收集多用户卫星通信的历史数据，包括用户的信干噪比和用户的速率，将历史数据划分为训练集、验证集和测试集，按照8:1:1的比例，随机分配数据到不同的集合中；对训练集中的历史数据进行预处理，包括归一化、标准化、去噪等，以提高数据的质量和可用性，归一化是将数据的范围缩放到一个固定的区间，标准化是将数据的分布转换为均值为0，方差为1的正态分布，去噪是将数据中的异常值和噪声值进行剔除或替换；将预处理后的训练集、验证集和测试集存储在列表中，用于后续的训练和测试。
利用预处理后的训练集对神经网络进行训练，通过前向传播和反向传播的过程，不断更新网络的权重和偏置，使得损失函数的值趋于最小，同时记录网络的训练过程，包括训练的轮数、训练的时间、训练的损失等；利用验证集对网络的性能进行评估，通过前向传播的过程，计算网络的输出和验证集的真实输出之间的差异，使用评估指标，包括准确率和召回率，来监控网络的训练过程和防止过拟合，同时记录网络的评估过程，包括评估的轮数、评估的时间、评估的指标等；最后，根据网络的训练过程和评估过程，选择在验证集上表现最好的网络模型，保存网络模型的权重和偏置，用于后续的测试。
利用测试集对网络进行测试，通过前向传播的过程，计算网络的输出和测试集的真实输出之间的差异，使用评估指标，包括均方误差、均方根误差、平均绝对误差等，来检验网络的泛化能力和稳定性，同时记录网络的测试过程，包括测试的时间、测试的指标等；对比网络的输出和测试集的真实输出，计算网络的误差和方差，评估网络的可靠性和效果，误差是指网络的输出和真实输出之间的平均差值，方差是指网络的输出和真实输出之间的差值的方差，误差越小，方差越小，说明网络的可靠性和效果越好。
S4、针对和速率表达式构建资源优化模型，获得最优资源分配方案，并配置到通信系统。
步骤S4的流程如图5所示，具体为：
S41、针对资源优化问题，基于和速率表达式构建资源优化模型，包括目标函数和约束条件；
S42、采用分式规划法对资源优化模型进行求解，得到最优功率分配系数集合，使得和速率达到最大，获得最优资源分配方案；
S43、将最优功率分配系数更新到卫星，使得卫星按照最优资源分配方案对信号进行处理。
进一步的，采用合适的方法优化功率分配比得到最优的瞬时和速率，在一段稳定传输时间内，卫星到地面用户的通信链路不会有太大的变化，发射端与众接收端都相对静止，各个用户对应的信道向量均为常量，相应的预编码矩阵也是常量，因此用户的解码顺序也是固定的，待优化的变量只有卫星天线发射端的功率分配系数。
在本申请的另一实施例中， 步骤S42还可以采用基于迭代的求解方法，对资源优化模型进行求解，具体如下：
步骤S421：设定一个初始的功率分配系数集合，以及一个收敛条件和一个迭代次数；
步骤S422：根据功率分配系数集合，计算和速率表达式的值，得到当前的和速率；
步骤S423：根据和速率表达式的梯度，更新功率分配系数集合，得到新的功率分配系数集合；
步骤S424：判断是否满足收敛条件或者达到迭代次数，如果是，则停止迭代，输出最优功率分配系数集合，如果否，则返回步骤S422，继续迭代。
在进一步的实施例中，还包括使用基于遗传算法的优化方法对和速率表达式进行优化，生成多个资源分配方案，计算每个资源分配方案的适应度，选择适应度最高的方案作为最优资源分配方案。卫星使用基于遗传算法的优化方法的具体为：初始化一个包含多个个体的种群，每个个体表示一个资源分配方案，即一个功率分配系数的向量；计算每个个体的适应度函数，即每个资源分配方案对应的和速率；选择一定数量的个体进行交叉操作，生成新的个体，即新的资源分配方案；对新生成的个体进行变异操作，即随机改变某些功率分配系数的值；将新生成的个体加入到种群中，更新种群的适应度函数；重复上述步骤，直到达到预设的迭代次数或收敛条件；从种群中选择适应度函数最大的个体，作为最优资源分配方案。
本实施例利用遗传算法的全局搜索能力，对和速率表达式进行优化，获得最优的资源分配方案，使得卫星通信系统的频谱效率达到最大，提高了卫星通信的性能和质量。
进一步的，步骤S4还包括对多模态的发送数据制定不同的传输指标，具体为：
S4a、设置传输得分的多模态加权矩阵，表示不同的用户终端在接收不同模态数据时所应当得到的资源倾斜度；
S4b、根据各用户组的速率和多模态加权矩阵计算最优传输得分，当所有的信号均为同一种数据时，最优传输得分即为最大和速率；
S4c、对每个用户组接下来需要接收的信号根据原始数据形式进行区分，并体现到多模态加权矩阵中，每隔预定时间对多模态加权矩阵的权重进行更新。
在实际的卫星通信系统中，用户终端所需要的数据形式可能并不完全统一，卫星发射的信号中存在各种模态的压缩数据，而对于多模态的数据信号，单纯的将所有用户的速率总和进行优化，并不一定能达到用户们最满意的效果。需要根据数据的原始形式不同进行区分，然后给不同模态的数据设定一个资源倾斜度的值，然后将所有用户当前接收的信号倾斜度的值构成一个加权矩阵，在计算出每个用户的速率后，将该加权矩阵应用与原本计算和速率的公式中，得出新的总传输得分，该得分表示当前资源分配的合理程度，然后对该得分进行优化，求出最合理的资源分配方案。当所有传输数据均为同一种模态数据时，传输得分即为所有用户的速率总和。
S5、设定差异检测机制，定期检测用户终端和卫星的位置信息，当发生超过预设阈值的偏离时，重新对用户终端进行聚类划分，获取新的最优资源分配方案。
步骤S5的流程如图6所示，具体为：
S51、记录按照最优资源分配方案处理过的用户终端和卫星的稳定位置，同时定期检测并记录用户终端和卫星的实时位置，将用户终端和卫星的稳定位置与实时位置进行比较，计算位置的偏离程度；
S52、根据位置的偏离程度对信号传输模型中的信道系数的影响程度，设置最大偏离值；
S53、如果位置的偏离程度超过最大偏离值，则重新对用户终端进行聚类划分，获取新的最优资源分配方案。
进一步的，面对可能发生变化的通信网络，设定合适的信道分组检测更新机制。首先对于通信中的用户和卫星，记录实时的和上次优化后的稳定位置以及环境参数，便于监测；根据距离和角度对信道系数的影响程度，设置最大偏离值；每隔一段时间计算实时位置与稳定位置的偏离程度，如果超过最大偏离值，重新对用户聚类划分；重新聚类后，预编码矩阵和SIC解码顺序也同样进行更新；在新的信道状态下优化功率分配方案并更新到发射端，保持和速率的长期最大化，提高了该NOMA辅助的多用户卫星通信系统对动态环境的适应性。
卫星上安装有多个发射天线，并且采用多波束向地面用户终端发射信号，在用户数量较多的情况下，通过使用本申请能利用好波束空间隔离、频率复用的特点，带来更合理高效的资源分配。
为了尽可能地降低波束和用户间的干扰，需要根据卫星波束将地面用户终端进行分组，在通常情况下，需要提供通信服务的用户在地面的分布情况是随机的，而且由于和卫星的相对位置和角度不同，导致信道向量各不相同。这会导致卫星天线到用户处的信道增益的差别，而信道增益的强弱则是区分用户的强弱和分配合理资源的重要依据。
在进一步的实施例中，如图7所示，具体包括如下步骤：
步骤1、首先确定星地通信的信道向量模型，假设卫星上安装有L个天线且发射L个波束，那么地面第l（l∈｛1,2，…，L｝）组波束中第k个用户的信道向量为：
h lk =［h lk 1，h lk 2，…，h lk L］T∈СL×1；
其中С为复数集合符号，
h lk a =ξe jθlk sqrt（G alk SL lk G lk R）；
其中ξ表示其他影响信道的系数，e jθlk 表示由于卫星到地面用户信号传播路径较长引起的相位变化，h lk a 表示第l组波束中天线a对用户k的信道系数，G alk S和G lk R分别表示发射天线增益和接收天线增益，L lk 表示卫星到地面用户的自由空间路径损耗，计算公式为：
L lk =（v/4πfd lk ）2；
其中，v、f和d lk 分别表示卫星到l波束第k个用户的速度、频率和距离。
步骤2、对用户的聚类划分采用的是k-means聚类算法，先选出一个用户作为中心点，然后计算其余用户和聚类中心的距离，将信道状态相近的用户归为一组，因此用信道相似度来体现距离，信道相似度的表达式为：
Q i，j =h i Hh j /（丨丨h i 丨丨h j 丨丨）；丨丨·丨丨表示求模；
其中，Q i，j 表示第i个用户和第j个用户对应的信道相似度，然后其他用户作为下一个聚类中心点的概率根据它们与前几个中心点的相似度有关，这样重复几次最终就能找到比较合适的L个中心点，最后比对相似度，将剩余用户纳入最相似的中心点所在的组中，完成聚类划分。
步骤3、在确定好各个用户的信道向量表达式，并且完成了用户分组后，接下来是构建用户的信号接收表达式，考虑到卫星发射端多波束的传输方式和用户分组接收，则单个用户的接收信号表达式为：
y lk =h lk Hw l sqrt（p lk ）s lk +∑ m≠k h lm Hw l sqrt（p lm ）s lm +∑ u≠l ∑ j h uj Hw u sqrt（p uj ）s uj +n lk ；
该信号表达式由四部分构成，分别是所需信号，组内干扰信号，组间干扰信号和自身收到的噪声信号。其中p、s和n分别表示功率参数、单位功率信号和均值为零且方差为σ2的加性高斯白噪声（AWGN），m表示第m个用户，u表示第u组波束，w则表示各组信号的预编码向量，并且W=［w1，w2，…，w L ］。
步骤4、在获得了单个用户的接收信号表达式之后，就可以根据信号模型的特点设置相应的预编码矩阵，为了达到高频谱效率和低计算复杂度，采用最少均方误差（MMSE）的线性预编码方案来减少波束间干扰。首先构造信道矩阵：
H=［h1，1，h2，1，…，h L，1］∈СL×L；
其中，С为复数集合符号，h l，1，l∈｛1,2，…，L｝表示第l组中信道向量的二阶范数最大的，也即信道状态最好的用户，以该用户为每个组的代表用户进行预编码参考。由此，预编码矩阵的表达式为：
W=βHH(HHH+σ2I L )-1；
其中，I L ∈СL×L，是单位矩阵，С为复数集合符号，σ2表示正则化因子的值，β是归一化比例因子，目的是确保［WWH］ l，l ≤1，任意l∈｛1,2，…，L｝，它的表达式为：
β2=max｛diag（（HHH）-1）｝-1；
步骤5、确定了单个用户的接收信号表达式和预编码方案后，采用NOMA技术来减少用户的组内干扰和组间干扰，具体方案是采用连续干扰消除的方法（SIC）。在同一组内部，优先将较弱的信号解码出来，对于弱信号，将同组内部较强的信号视为干扰信号，强信号则可以不用考虑弱信号，这样从弱到强可以依次将所有用户信号都解码完成，其他组的信号则全视为干扰信号。因此，单个用户的接收信号的信干噪比（SINR）的表达式为:
γ lk =｜h lk Hw l ｜2p lk /（∑ m≠k Ф lkm ｜h lm Hw l ｜2p lm +∑ n≠l ｜h nj Hw n ｜2∑ j p nj +σ2）；
其中，Ф lkm 是解码顺序系数，它的值域为｛0,1｝，根据该用户的信号强弱来决定。信号强弱的判断可以用信道增益与组间干扰加噪声的比值确定，
g lk =｜h lk Hw l ｜2/（∑ n≠l ｜h nj Hw n ｜2∑ j p nj +σ2）；
如果g lk ＞g l（k+1），表示第k个用户的信号强于第k+1个，那么Ф lk（k+1） =0。这样，第l组第k个用户的瞬时通信速率和整个系统的瞬时和速率分别为：
R lk =Blog（1+γ lk ）；
Rsum=∑ i=1，j=1 MR ij ；
其中，M为用户总数量。
为了在传输多模态数据时能更好地对资源进行适当的倾斜来满足用户群的不同的需求程度，需要将用户数据根据其原始形式进行区分，然后给不同模态的数据设定一个资源倾斜度的值，然后将所有用户当前接收的信号倾斜度的值构成一个加权矩阵：
S=［s1，s2，…，sM］∈С1×M
这样，整个系统的瞬时和速率可以升级为瞬时总传输得分：
Rscore=∑ i=1，j=1 MSijR ij ；
步骤6、为了尽可能的利用NOMA技术来实现更好的资源分配以达到最大的通信和速率，需要对各用户的功率分配进行优化，根据信干噪比的表达式，考虑到待优化的目标函数Rsum主要由分式构成，每个SINR项都包含在对数函数中，并且是非递减且凹的。因此，采用分式规划（FP）的方法进行求解。由于目标是最大化通信和速率，采用直接FP方法，首先，根据对数函数的非凸非降性质，对速率表达式进行二次变换，得到下式：
Rsum DFP=∑Mlog［1+2z i sqrt（｜h lk Hw l ｜2p lk ）- z i 2（∑ m≠k Ф lkm ｜h lm Hw l ｜2p lm +∑n≠l ｜h nj Hw n ｜2∑ j p nj +σ2）］；
其中z i 是迭代计算中涉及的辅助变量，每次迭代都会根据下面的式子进行更新：
z i （x）=sqrt（｜h lk Hw l ｜2p lk ）/（∑ m≠k Ф lkm ｜h lm Hw l ｜2p lm +∑ n≠l ｜h nj Hw n ｜2∑ j p nj +σ2）；
其中，x表示迭代次数，在每一轮的迭代中，根据上一轮优化得到的功率计算z i ，然后代入对Rsum DFP进行最优化计算得到，最终经过一定轮次之后可以得到最优的功率分配方案。
步骤7、根据优化后的功率分配在功率域实现NOMA区分各个用户，发射相应的信号波束提供开始服务，于此同时对于通信中的用户和卫星，记录实时位置和上次优化后的稳定位置和信道向量各项参数，便于监测。
步骤8、根据距离和角度对信道系数的影响程度，设置最大偏离值。一般来说，当用户和卫星之间的位置或者环境参数的改变不大的情况下，之前的分组，编码以及功率分配方案都是比较适用的，无需进行新的规划也能达到较高的通信和速率，这样既能满足通信服务需求水平，也大大减少了计算成本。因此设定一个偏差值dh来判断信道的变化程度，具体式子为：
dh=丨丨ht-h0丨丨2；
其中，h0表示当下的信道，ht表示经过t时间后的信道，设置偏差值dh的最大偏离程度为δ2 max。
步骤9、根据实际情况设定检测间隔时间T，每隔T个时间对卫星和用户的位置以及环境变量进行检测，获得相应的实时信道向量，并计算偏差值，如果此时偏差值低于δ2 max，则不作处理，如果高于δ2 max则返回步骤2，重新对用户聚类划分。
步骤10、重新聚类后，由于信道向量和分组情况都发生了改变，相当于是将该系统运用于一个新环境中，除了基本模型不用改变外，预编码矩阵，干扰信号项和SIC解码顺序都要重新更新，然后继续之前的优化处理方法。
步骤11、在信道发生较大变化后，将新的信道状态下优化功率分配方案并更新到发射端应用，保持和速率的长期最大化，提高了该NOMA辅助的多用户卫星通信系统对动态环境的适应性。
进一步的，在基于NOMA辅助的多用户卫星通信系统中，具体包括：
用户终端聚类划分模块，根据用户终端的位置信息和信道增益，对用户终端进行聚类划分，得到用户组和波束的对应关系；
信道建模模块，接收用户终端聚类划分模块中的用户组和波束的对应关系，构建用户组接收信号的模型表达式；
资源优化模块，根据信道建模模块的用户组接收信号的模型表达式，获得最优资源分配方案；
信号处理模块，根据资源优化模块的最优资源分配方案，对卫星发射端和用户终端的信号进行处理；
差异检测模块，接收信号处理模块的处理结果，与用户终端和卫星的实时位置进行比较，做出相应的调整。
总之，本发明提出的一种基于NOMA辅助的多用户卫星通信方法及系统，可以实现同时应对多个地面用户对卫星通信的服务需求，并给予地面用户合理的资源分配，能够在大大减少波束和用户间干扰的情况下，提高能量利用效率，并达到较高的通信速率水平，而且也有较好的可塑性，能应对环境的动态变化。本发明是基于多天线的单个卫星对地面多个用户的比较基本的场景应用，适用范围广，延展性较好，可以根据需求增加其他功能或者更细节的研究，具有相当的研究推广价值。卫星上的天线能在其覆盖范围内产生多个相互隔离的波束，本发明的优势在于具有波束空间隔离、频率复用两大特点，面对大量用户的通信需求，能在有限的频带资源下合理高效的分配系统资源，提高卫星通信系统的频谱效率和用户公平性，实现多用户的同时接入和服务，提升卫星通信的性能和质量。通过采用用户终端的聚类划分和位置变化的检测机制，使得多用户卫星通信中的NOMA技术能够适应用户终端的动态变化，提高了资源利用率和用户公平性。通过采用神经网络技术对用户组的速率进行预测和优化，使得多用户卫星通信中的NOMA技术能够利用历史数据和机器学习的方法，提高了速率的准确性和效率。通过采用多普勒频移和多普勒扩散的修正，使得多用户卫星通信中的NOMA技术能够考虑卫星和用户终端的相对运动，提高了信号的质量和稳定性。
以上详细描述了本发明的优选实施方式，但是，本发明并不限于上述实施方式中的具体细节，在本发明的技术构思范围内，可以对本发明的技术方案进行多种等同变换，这些等同变换均属于本发明的保护范围。

Claims (10)

1.一种基于NOMA辅助的多用户卫星通信方法，其特征在于，包括如下步骤：
S1、建立卫星与用户终端的多波束通信链接，收集卫星和用户终端的位置信息，构建卫星到用户终端的信号传输模型，基于信号传输模型对用户终端进行聚类划分，得到用户组，设定用户组和波束的对应关系；
S2、根据用户组和波束的对应关系以及信号传输模型，构建用户组接收信号的模型表达式，模型表达式包括信号、干扰和噪声；
S3、基于用户组接收信号的模型表达式，依序采用预编码和NOMA技术对信号进行处理，计算得到消除干扰后的系统各个用户与卫星通信信号速率之和，记为和速率，通过和速率构建和速率表达式；
S4、针对和速率表达式构建资源优化模型，获得最优资源分配方案，并配置到通信系统。
2.根据权利要求1所述的基于NOMA辅助的多用户卫星通信方法，其特征在于，步骤S1具体为：
S11、卫星采用多波束通信制式向用户终端发送信号，建立卫星与用户终端的多波束通信链接，采集卫星和用户终端的位置信息并存储；
S12、基于卫星和用户终端的位置信息，计算卫星到用户终端的距离和角度，构建卫星到用户终端的信号传输模型，包括信道系数、增益和衰落；
S13、根据信号传输模型，采用K-means聚类算法对用户终端进行划分，得到用户组，设定用户组和波束的对应关系，使得用户组数量与波束数量相同。
3.根据权利要求2所述的基于NOMA辅助的多用户卫星通信方法，其特征在于，步骤S2具体为：
S21、根据用户组和波束的对应关系，为每个用户组分配唯一的频段，使得不同用户组的频段不重叠，避免波束间的干扰；根据信号传输模型，计算用户组与卫星通信的信号强度，得到信号的表达式；
S22、根据信号传输模型，计算用户组与卫星通信的信噪比，得到噪声的表达式；
S23、根据用户终端的位置信息和信号强度，计算用户组与卫星通信的干扰，得到干扰的表达式；
S24、基于信号的表达式、噪声的表达式和干扰的表达式，构建用户组接收信号的模型表达式。
4.根据权利要求3所述的基于NOMA辅助的多用户卫星通信方法，其特征在于，步骤S3具体为：
S31、将用户组接收信号的模型表达式转换为整体信道矩阵，并获取信道增益；基于整体信道矩阵，采用最少均方误差的线性预编码方案构建预编码矩阵，对预编码矩阵进行归一化和正则化，获得预编码信号矩阵；
S32、采用NOMA技术将预编码信号矩阵进行叠加，根据信道增益确定用户组的解码顺序，基于解码顺序采用串行干扰消除方法对叠加后的信号进行解码，计算用户组的信干噪比SINR；
S33、根据用户组的信干噪比，采用香农定理计算每个用户组的速率，将所有用户组的速率相加，得到消除干扰后的和速率表达式。
5.根据权利要求4所述的基于NOMA辅助的多用户卫星通信方法，其特征在于，步骤S4具体为：
S41、针对资源优化问题，基于和速率表达式构建资源优化模型，包括目标函数和约束条件；
S42、采用分式规划法对资源优化模型进行求解，得到最优功率分配系数集合，使得和速率达到最大，获得最优资源分配方案；
S43、将最优功率分配系数更新到卫星，使得卫星按照最优资源分配方案对信号进行处理。
6.根据权利要求5所述的基于NOMA辅助的多用户卫星通信方法，其特征在于，还包括步骤S5、设定差异检测机制，定期检测用户终端和卫星的位置信息，当发生超过预设阈值的偏离时，重新对用户终端进行聚类划分，获取新的最优资源分配方案，具体为：
S51、记录按照最优资源分配方案处理过的用户终端和卫星的稳定位置，同时定期检测并记录用户终端和卫星的实时位置，将用户终端和卫星的稳定位置与实时位置进行比较，计算位置的偏离程度；
S52、根据位置的偏离程度对信号传输模型中的信道系数的影响程度，设置最大偏离值；
S53、如果位置的偏离程度超过最大偏离值，则重新对用户终端进行聚类划分，获取新的最优资源分配方案。
7.根据权利要求5所述的基于NOMA辅助的多用户卫星通信方法，其特征在于，所述步骤S1还包括对卫星到用户终端的信号传输模型进行修正，具体为：
S1a、收集卫星和用户终端的位置信息和速度信息，将卫星和用户终端的位置信息转换为直角坐标系下的坐标，将卫星和用户终端的速度信息转换为直角坐标系下的速度向量；
S1b、根据卫星和用户终端的坐标和速度向量，计算卫星到用户终端的距离和角度，以及卫星和用户终端的相对速度和方向；
S1c、根据卫星到用户终端的距离和角度，以及卫星和用户终端的相对速度和方向，计算多普勒频移和多普勒扩散的值；
S1d、根据多普勒频移和多普勒扩散的值，对信号传输模型进行修正，得到修正后的信号传输模型。
8.根据权利要求5所述的基于NOMA辅助的多用户卫星通信方法，其特征在于，步骤S33还包括使用神经网络技术对用户组的速率进行预测和优化，具体为：
S33a、将用户组的信干噪比作为输入，将用户组的速率作为输出，构建多层感知器的神经网络；
S33b、收集多用户卫星通信的历史数据，将历史数据划分为训练集、验证集和测试集，对训练集中的历史数据进行预处理；
S33c、使用预处理后的训练集对神经网络进行训练，使用验证集对训练后的神经网络的性能进行评估；
S33d、使用测试集对训练后的神经网络进行测试，对比测试的结果和计算得到的用户组的速率，计算训练后的神经网络的误差和方差，评估训练后的神经网络的可靠性和效果。
9.根据权利要求5所述的基于NOMA辅助的多用户卫星通信方法，其特征在于，所述步骤S4还包括对多模态的发送数据制定不同的传输指标，具体为：
S4a、设置传输得分的多模态加权矩阵，表示不同的用户终端在接收不同模态数据时所应当得到的资源倾斜度；
S4b、根据各用户组的速率和多模态加权矩阵计算最优传输得分，当所有的信号均为同一种数据时，最优传输得分即为最大和速率；
S4c、对每个用户组接下来需要接收的信号根据原始数据形式进行区分，并体现到多模态加权矩阵中，每隔预定时间对多模态加权矩阵的权重进行更新。
10.基于NOMA辅助的多用户卫星通信系统，其特征在于，使用所述权利要求1至9中任一项的基于NOMA辅助的多用户卫星通信方法，包括用户终端聚类划分模块、信道建模模块、资源优化模块、信号处理模块和差异检测模块。
CN202410091665.1A 2024-01-23 2024-01-23 一种基于noma辅助的多用户卫星通信方法及系统 Active CN117639903B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410091665.1A CN117639903B (zh) 2024-01-23 2024-01-23 一种基于noma辅助的多用户卫星通信方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410091665.1A CN117639903B (zh) 2024-01-23 2024-01-23 一种基于noma辅助的多用户卫星通信方法及系统

Publications (2)

Publication Number Publication Date
CN117639903A CN117639903A (zh) 2024-03-01
CN117639903B true CN117639903B (zh) 2024-05-07

Family

ID=90030748

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410091665.1A Active CN117639903B (zh) 2024-01-23 2024-01-23 一种基于noma辅助的多用户卫星通信方法及系统

Country Status (1)

Country Link
CN (1) CN117639903B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118283691B (zh) * 2024-06-03 2024-08-16 北京交通大学 一种面向城市轨道交通运维的综合空口监测系统及方法
CN120049954B (zh) * 2025-04-22 2025-08-15 银河航天(西安)科技有限公司 波束扫描用时匹配方法、装置以及计算机可读存储介质

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105007129A (zh) * 2015-06-16 2015-10-28 东南大学 多波束卫星移动通信系统容量估计及用户调度
US10079627B1 (en) * 2017-03-15 2018-09-18 National Tsing Hua University Joint power allocation, precoding, and decoding method and base station thereof
KR20190115817A (ko) * 2018-04-04 2019-10-14 경희대학교 산학협력단 비직교 다중 접속을 위한 빔포밍 장치 및 방법
CN111447631A (zh) * 2020-03-05 2020-07-24 南京邮电大学 基于非正交多址技术的星地联合波束形成和功率分配方法
CN112583453A (zh) * 2020-12-15 2021-03-30 天地信息网络研究院(安徽)有限公司 多波束leo卫星通信系统下行noma功率分配方法
CN113162682A (zh) * 2021-05-13 2021-07-23 重庆邮电大学 一种基于pd-noma的多波束leo卫星系统资源分配方法
WO2021206522A1 (ko) * 2020-04-10 2021-10-14 삼성전자 주식회사 통신 시스템에서 위성통신 가능 단말의 데이터 및 제어신호 송수신 방법 및 장치
CN113938183A (zh) * 2021-10-19 2022-01-14 重庆邮电大学 多波束卫星系统下基于非正交多址的通信资源分配方法
CN114389678A (zh) * 2022-01-12 2022-04-22 北京邮电大学 一种基于决策性能评估的多波束卫星资源分配方法
CN114785381A (zh) * 2022-04-29 2022-07-22 中国空间技术研究院 一种基于多波束卫星系统前向链路模型的干扰消除方法
CN114900897A (zh) * 2022-05-17 2022-08-12 中国人民解放军国防科技大学 多波束卫星资源分配方法及系统
CN115361052A (zh) * 2022-07-29 2022-11-18 南京邮电大学 一种兼顾能效和谱效的卫星波束成形方法及装置
CN115882924A (zh) * 2022-10-08 2023-03-31 北京信息科技大学 一种基于noma的跳波束卫星通信系统设计方法
CN116436512A (zh) * 2023-06-15 2023-07-14 中国人民解放军战略支援部队航天工程大学 一种ris辅助通信的多目标优化方法、系统及设备
CN116760448A (zh) * 2023-06-21 2023-09-15 中国人民解放军空军工程大学 一种基于mimo-noma的星地融合网络资源高效分配方法
CN116980940A (zh) * 2023-08-29 2023-10-31 昆明理工大学 一种基于分布式ris辅助毫米波noma系统的资源分配方法
CN117082639A (zh) * 2023-09-11 2023-11-17 西北工业大学深圳研究院 一种最优协作异步随机接入方法、系统、存储介质及设备

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017188697A1 (ko) * 2016-04-27 2017-11-02 엘지전자(주) 무선 통신 시스템에서 임의 접속을 수행하기 위한 방법 및 이를 지원하는 장치

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105007129A (zh) * 2015-06-16 2015-10-28 东南大学 多波束卫星移动通信系统容量估计及用户调度
US10079627B1 (en) * 2017-03-15 2018-09-18 National Tsing Hua University Joint power allocation, precoding, and decoding method and base station thereof
KR20190115817A (ko) * 2018-04-04 2019-10-14 경희대학교 산학협력단 비직교 다중 접속을 위한 빔포밍 장치 및 방법
CN111447631A (zh) * 2020-03-05 2020-07-24 南京邮电大学 基于非正交多址技术的星地联合波束形成和功率分配方法
WO2021206522A1 (ko) * 2020-04-10 2021-10-14 삼성전자 주식회사 통신 시스템에서 위성통신 가능 단말의 데이터 및 제어신호 송수신 방법 및 장치
CN112583453A (zh) * 2020-12-15 2021-03-30 天地信息网络研究院(安徽)有限公司 多波束leo卫星通信系统下行noma功率分配方法
CN113162682A (zh) * 2021-05-13 2021-07-23 重庆邮电大学 一种基于pd-noma的多波束leo卫星系统资源分配方法
CN113938183A (zh) * 2021-10-19 2022-01-14 重庆邮电大学 多波束卫星系统下基于非正交多址的通信资源分配方法
CN114389678A (zh) * 2022-01-12 2022-04-22 北京邮电大学 一种基于决策性能评估的多波束卫星资源分配方法
CN114785381A (zh) * 2022-04-29 2022-07-22 中国空间技术研究院 一种基于多波束卫星系统前向链路模型的干扰消除方法
CN114900897A (zh) * 2022-05-17 2022-08-12 中国人民解放军国防科技大学 多波束卫星资源分配方法及系统
CN115361052A (zh) * 2022-07-29 2022-11-18 南京邮电大学 一种兼顾能效和谱效的卫星波束成形方法及装置
CN115882924A (zh) * 2022-10-08 2023-03-31 北京信息科技大学 一种基于noma的跳波束卫星通信系统设计方法
CN116436512A (zh) * 2023-06-15 2023-07-14 中国人民解放军战略支援部队航天工程大学 一种ris辅助通信的多目标优化方法、系统及设备
CN116760448A (zh) * 2023-06-21 2023-09-15 中国人民解放军空军工程大学 一种基于mimo-noma的星地融合网络资源高效分配方法
CN116980940A (zh) * 2023-08-29 2023-10-31 昆明理工大学 一种基于分布式ris辅助毫米波noma系统的资源分配方法
CN117082639A (zh) * 2023-09-11 2023-11-17 西北工业大学深圳研究院 一种最优协作异步随机接入方法、系统、存储介质及设备

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
slow beam steering and noma for indoor multi-user visible light communications;yusuf said eroglu;《IEEE transactions on mobile computing》;20191218;全文 *
基于非正交多址的多波束卫星通信系统功率分配算法研究;夏永红;《中国优秀硕士论文全文数据库信息科技辑》;20230615;全文 *
多载波noma系统资源分配研究综述;王正强;《无线电工程》;20220509;全文 *
星地协同网络中noma用户分组及功率分配算法优化研究;周晓雪;《中国优秀硕士论文全文数据库》;20230115;全文 *
毫米波非正交多址接入系统中基于用户分簇的资源优化方案;任远;《中国优秀硕士论文全文数据库信息科技辑》;20220315;全文 *

Also Published As

Publication number Publication date
CN117639903A (zh) 2024-03-01

Similar Documents

Publication Publication Date Title
CN117639903B (zh) 一种基于noma辅助的多用户卫星通信方法及系统
CN118075877B (zh) 基于深度强化学习的noma多波束卫星通信方法
Nikoloska et al. Fast power control adaptation via meta-learning for random edge graph neural networks
US12219374B1 (en) Coordinated multiple access method for multi-cell ground-to-air data transmission
CN117614520A (zh) 基于无人机-卫星协作的去蜂窝大规模mimo资源优化方法
CN114219354B (zh) 一种基于联邦学习资源分配优化方法及系统
Zhang et al. Bayesian and multi-armed contextual meta-optimization for efficient wireless radio resource management
CN114567358A (zh) 大规模mimo鲁棒wmmse预编码器及其深度学习设计方法
CN117498900A (zh) 去蜂窝大规模mimo通感一体化系统的资源分配装置及方法
CN115802484B (zh) 基于深度学习的ris辅助无线指纹定位方法
Ma et al. User scheduling for federated learning through over-the-air computation
Guo et al. Machine learning for predictive deployment of UAVs with multiple access
Omondi et al. Variational autoencoder-enhanced deep neural network-based detection for MIMO systems
CN119363180A (zh) 一种速率分拆辅助的近场通感一体化的混合波束赋形方法
CN118262578A (zh) 一种无人机位置和卸载决策联合优化方法及装置
Pereira-Ruisánchez et al. DRL-based sequential scheduling for IRS-assisted MIMO communications
Wang et al. Cooperative spectrum sensing algorithm for UAV based on deep learning
Skocaj et al. Uplink scheduling in federated learning: An importance-aware approach via graph representation learning
De Filippo et al. Cell-free MIMO in 6G NTN with AI-predicted CSI
CN114828256B (zh) 能效谱效联合优化的分布式多小区大规模mimo功率分配方法
Khan et al. Machine Learning-Based Resource Allocation for IRS-Aided UAV Networks
Souza et al. Trajectory Optimization in User-Centric Distributed Massive MIMO Systems Enabled by UAV Swarms
Mourya et al. Graph neural networks-based user pairing in wireless communication systems
Perera et al. Dynamic spectrum fusion: An adaptive learning approach for hybrid NOMA/OMA in evolving wireless networks
Kanzariya et al. Deep learning based signal detection and channel estimation for MIMO-NOMA system

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: A Multi User Satellite Communication Method and System Based on NOMA Assistance

Granted publication date: 20240507

Pledgee: Chengdong Branch of Nanjing Bank Co.,Ltd.

Pledgor: NANJING KONGWEI COMMUNICATION TECHNOLOGY CO.,LTD.

Registration number: Y2024980030336

PE01 Entry into force of the registration of the contract for pledge of patent right
PC01 Cancellation of the registration of the contract for pledge of patent right

Granted publication date: 20240507

Pledgee: Chengdong Branch of Nanjing Bank Co.,Ltd.

Pledgor: NANJING KONGWEI COMMUNICATION TECHNOLOGY CO.,LTD.

Registration number: Y2024980030336

PC01 Cancellation of the registration of the contract for pledge of patent right