文摘

在本文中,我们研究了传输功率分配问题最小化平均包错误率在集群航天器飞行网络接入点,它采用CSMA / CA信道访问机制。首先,节点移动性、节点距离分布和概率邻接矩阵制定集群航天器飞行网络基于twin-satellite模式。然后,optimization-theoretic模型描述了优化传输功率分配策略及其实现算法。和最小化问题的包错误率集群航天器飞行网络系统可以被转换成二进制的期望概率最大化邻接矩阵,即。,最大化的总和nondiagonal概率邻接矩阵中的元素。由于节点距离分布的离散性,蒙特卡罗方法应用于解决传输功率分配问题。然而重要的是,节点传输功率的影响集群航天器飞行网络的QoS性能模拟和分析的假设下有限总体网络传输功率和低流量负载。最后,结果表明,口袋里出错率增加而提供的交通负荷,但口袋错误率几乎没有变化相同的不同顺序时段的交通负载任何轨道hyperperiod或在同一时间段的不同轨道hyperperiods,以及最大化的总和nondiagonal概率邻接矩阵中的元素,口袋错误率最低达到给定总网络传输电源在任何时间段集群航天器飞行网络。

1。介绍

近年来,分馏与集群航天器飞行模式已经成为一个热门话题领域的分布式空间网络,由于其灵活性的优势,快速响应,低成本、强大的可伸缩性和长寿命。前面的工作做出了贡献,地球观测和太空探索1- - - - - -3]。分馏飞船分发的功能传统大型单片飞船为许多异构的模块。每个模块可以被视为一个节点通过无线通信网络和节点构建集群航天器飞行(CFSN)。集群航天器飞行需要节点之间相互合作,实现信息交换,导航通信,和权力分享。这些航天器构成一个虚拟卫星平台与信息交换结构。此外,像其他分布式空间系统,集群飞行航天器是一种资源共享和能源有限公司系统。因此,如何有效地分配节点传输能力和优化集群飞行航天器的性能是一个重要的问题需要解决4- - - - - -6]。

对于无线通信系统,包括无线传感器网络和雷达网络,优化系统性能,研究节点功率分配效率一直是一个热点7,8]。例如,在一个端到端的MIMO多次反射无线网络中断概率有限,功率分配方法进行了研究和分析解决方案的最优功率分配的最小总传输功率系统获得的(9]。针对这个问题,很难获得最优功率分配的解析解在放大转发(AF)协同通信系统的中继选择,采用人工神经网络来获取一个有效的解决方案从最小误比特率的目标10]。合作网络的频谱共享,通过求解凸优化问题,最优功率分配策略以最小的能耗得到QoS的要求下在11]。符号编程问题的目标探测在分布式雷达传感器网络,最优功率分配的封闭表达式建立最优线性无偏估计模型获得的(12]。在[13),根据接收到的信号干扰加噪声比,采用马尔可夫链获得最低的动态功率控制方法包错误率(每)。

我们所知,很少有研究报告在CFSN最优功率分配。只有解决最小生成树通过构造时空网络拓扑结构来提高能源效率获得了在[CFSN14]。事实上,由于异构模块必须满足各种各样的需求给予不同的任务,CFSN面临multi-QoS的要求,包括要求不同的延迟和误比特(3]。一般来说,multi-QoS的资源分配,包括功率、带宽、CPU,是一个np难问题在静态网络15,16]。然而,由于高速飞行的模块,CFSN是高度动态的拓扑和节点是随机联系。因此,可以预见的是资源分配CFSN QoS更为复杂。

许多研究人员研究了配电multi-QoS在静态网络的问题。其中,基于资源分配模式与QoS约束下的资源(17),资源分配问题multiresources multi-QoS和单资源multi-QoS采用多项式凹最优控制方法解决了在15]。通过引入基于斜率的截断,凹的近似方法得到最优控制和资源分配问题multiresources multi-QoS有效解决了(16]。此外,对于雷达跟踪雷达带宽的约束下,处理时间,和传输功率的方法16)采用解决雷达跟踪精度和速度的优化问题效率(18,19]。近年来,随着大规模的发展MIMO技术,传输功率分配的优化也收到了广泛的关注。例如,的问题系统的最小总传输功率从满足QoS约束的角度研究了在20.]。一个高效的能量分配算法,研究了基于二进制搜索5 g载波聚合场景中(21]。鉴于QoS需求的条件下,优化全双工传输功率分配的访问核心网络研究(22]。

节点之间的连接是无线通信网络的基本问题。它不仅反映了链接质量,也决定了网络性能。一般来说,对于一个静态和确定性网络组成的n节点,节点可以表示为一个图 ,在哪里 表示顶点集和表示边集。概率邻接矩阵,用 ,描述了节点连接的状态,是一个对称矩阵。如果节点之间存在一条边和 , ,否则为0,即节点和不连接23]。从无线通信的角度,发射机的力量决定了节点之间的连接。因此,直觉,邻接矩阵直接反映了系统的传输功率。通过这种方式,基于概率邻接矩阵,研究无线通信系统的传输功率分配是合理的。然而,正如上面提到的,CFSN是高度动态的拓扑和节点是随机连接的,我们提出的方法传输功率分配与multi-QoS通过建立节点距离分布模型,定义二进制概率邻接矩阵,并采用CSMA / CA信道访问机制。我们提出了传输功率分配方法在以下前提:(1)交通负荷低,(2)有限总体传输能量,和(3)明星拓扑网络的,也就是说,一个节点负责地球通信,和其他人连接到节点的频分多址(FDMA)和副载波二进制相移键控(BPSK)调制24]。最优传输功率分配的目的是最小化平均每在接入点(AP)基于概率邻接矩阵。

本文的结构组织如下:部分2介绍和分析CFSN的基本模型,描述了该模型的概率邻接矩阵的定义。节3,optimization-theoretic模型。和模型的基础上,提出了优化传输功率分配策略。节4,每延迟和网络的仿真结果,关注概率邻接矩阵的影响,交通负荷,采用功率分配策略。最后,部分5总结了纸。

2。系统模型

2.1。CFSN简化模型的定义

节点之间的链路连接特征CFSN取决于相对轨道,传输能量和节点的接收灵敏度。因此,以下给出的定义:

定义1。ECI坐标(24,25),每个时间段的轨道hyperperiod CFSN,一个节点可以被定义为一对 ,在哪里节点的位置和吗是它的传输能量。
给定一个飞船组成的网络l如果节点,节点干扰有限 节点可以接收信号传播的 ,bit-signal-to-noise比率在接收节点应该满足以下方程: 在哪里是接收器的加性白噪声功率谱密度,是玻尔兹曼常数,是噪声温度,是节点的传输功率 , 之间的欧几里得距离吗和 , 是数据传输的速率,和的收益是传输和接收天线,工作波长,接收灵敏度和取决于调制模式,等。对于QPSK调制,当比特误码率小于 , 。为了便于计算,它可以假定 。
在CFSN, , 和是节点的上界和下界距离,分别为(24]。
因此,方程(1)可以简化如下: 根据以下方程,任何成功的距离阈值之间的联系和可以得到: 也就是说,如果 ,然后和连接到对方。我们可以得到从方程(3): 因此,网络可以定义如下:

定义2。的CFSNl节点,在每个时间段的轨道hyperperiod,可以被定义为一个订单: ,在哪里美联社的位置。
基于定义2,二元邻接矩阵的定义CFSN可以获得。

定义3。对于一个给定的CFSN ,在每个时间段的轨道hyperperiod,二进制邻接矩阵是由 ,在哪里 的补充对应于 为了简化计算,中1的个数用邻接矩阵 ,并给出补充邻接0的数量在邻接矩阵,用 。
此外,为了分析 ,两个指数集的节点定义: 和 。他们代表了节点索引节点分别可以接收和发送。

2.2。分布在CFSN节点移动模型和距离

完成集群的有限距离内飞行模型,采用twin-satellite模式研究节点移动模型。节点位置是均匀分布在球体内部半径如图1。

因此,流动模型在有限距离CFSN可以定义如下。

定义4。在ECI坐标,如果位置套节点在CFSN 在初始时间 ,这个职位是 ,和位置范围内均匀分布 在时间 ,在哪里和 分别是球体的中心和半径。此外,所有节点之间的位置是相互独立的、独立于以前所有的位置。
基于节点移动模型中,节点距离分布可以在图进行描述2。节点是假定为均匀位于一个圆的二维平面。
在图2的坐标,发射机和接收机B 和 ,分别为, 和 ,和D与价值 是这两个圆的中心之间的距离。给出了随机变量的概率密度函数 在哪里均匀分布在范围吗 ,和下标表示 , 和 , ,分别。
因此,发射机和接收机之间的距离是由 尽管简单的方程(8),推导距离的密度不能在封闭的形式给出。根据Glivenko-Cantelli引理,采用经验统计方法和eighth-order多项式近似,节点之间距离的概率密度函数与eighth-order可以用多项式 当和 ,经验概率密度函数的多项式系数提供了表1。

2.3。概率的确定在CFSN邻接矩阵

根据上述,CFSN概率邻接矩阵的定义是描述如下。

定义5。鉴于CFSN ,在每个时间段的轨道hyperperiod,概率邻接矩阵是一个矩阵。是 元素, 。 的概率是和成功连接。对角线项都等于1。
由于卫星的能力存储和转发,对角线项都等于1。
如果 ,之间的连接概率和是由

3所示。包误码率、传输延迟和电力系统的优化

为了分析之间的关系系统的每个传输延迟,和相邻的概率矩阵,以下两个计算过程(26)认为:在时间间隔 ,其他节点的数据包传输的次数已经检查节点我是一个齐次泊松过程与强度(尺寸:pck / s),以及一个节点的次数我数据包传输也是一个齐次泊松过程吗与强度 。除此之外,与不同的节点相关联的过程是相互独立的,所有的数据都可以成功地在传播 ,和数据传输长度 ,在哪里是包长度(维度:b / pck)和是传输数据速率(维度:b / s)。

3.1。包系统的出错率和延迟

3.1.1。包错误率

在一定时间段的轨道hyperperiod CFSN,如果只考虑邻接矩阵,双向数据包误差累积强度节点我将 在哪里代表的强度传输错误无法接收数据包,因为节点连接。代表传输错误的强度由于不能接收来自其他节点的干扰 。

当系统流量负载较低,也就是说, ,系数和在方程(11分别)可以表示如下:

使用上面的表达式系数和在(12)和(13)、传输错误节点的强度我是由 在哪里表示预期的价值。因此,整个网络错误是由强度

根据前面的假设,整个网络强度 ,所以包错误的概率,即。,the ratio between the overall network error intensity and the generation intensity (given by ),如下:

3.1.2。传输延迟

为了分析传输延迟和概率邻接矩阵之间的关系,采用CSMA / CA机制被认为是在CFSN节点访问。如果信道空闲时间评估 ,和访问退下繁忙的通道 ,连接节点的传输延迟我可以接收数据分组如下:

因此,CFSN可以估计的平均传输延迟如下:

3.2。最优传输功率分配

传输功率分配的目的是优化的QoS CFSN系统。它可以看到从方程(14)的优化传输功率分配问题最小化的每CFSN系统相当于最大化 ,即。,maximizing the sum of the nondiagonal elements in the probabilistic adjacency matrix.

如果 ,和CFSN系统的总功率 ,离散优化问题可以制定如下。

问题。对于一个给定的CFSN ,在每个时间段的轨道hyperperiod,每个节点选择一个传输功率 ,和最小的传输功率分配/需求优化如下: 使用条件概率的方法,(10)可以写成 用(20.)(19),因为最大化相当于之和最大化nondiagonal概率邻接矩阵中的元素,可以转化为优化问题 约束C1,C2表示,网络传输能量是有限的,连接节点之间的距离阈值内的节点和 。自 ,nonconvexity的约束C2可以证明该变量的二阶偏导数。
它指出,方程(21)是一种非线性multichoice背包问题,这可以通过蒙特卡罗方法解决(27,28]。此外,它也指出,从方程(16)和(18),每平均延迟系统是线性的 。
大纲的功率分配算法如下。步骤1:初始化:设置 , , , , , , 。第二步:设置 ,并选择一个较大的值N,地点:k= 1,N=试验的总数。第三步:生成一个均匀分布随机为每个节点传输能量, (使用MATLAB, 代表一个矩阵,其元素的范围从0到1。在本文中,每个节点的传输功率 ,因此可以计算RN映射 )。第四步:计算美联社从节点接收到的概率 :计算节点的传输距离阈值我使用方程(美联社3),并计算该链接使用的连接概率方程(21)。第五步:计算美联社传送到节点的概率 :计算阈值从美联社节点传输距离我使用方程(3),并计算该链接使用的连接概率方程(21)。第六步:连接的概率和步骤4和步骤5。第七步:加1k,如果 ,计算步骤6的马克斯和结束;否则,进入步骤3。注意:蒙特卡罗算法意味着样品越多,越近似最优值(29日]。作为 ,客观价值趋向最优解决方案。

4所示。仿真分析

为了模拟和分析节点传输功率的影响在CFSN QoS性能,包错误率,平均延迟,和两个分配策略是:(1)每个节点具有相同的传输能量和(2)最优传输能量从节点到节点和分配使用策略提出了部分3.2。

模拟进行了指明星拓扑,例如,all nodes transmit (receive) directly to (from) the AP, and using different values of the overall network transmit power and, consequently, different values of the transmit powers allocated to the spacecraft. Simulation parameter settings are as follows: (1) transmit power. It is assumed that the module used to collect solar panels is powered by microwave wireless power transfer to other modules, and each module provides an effective total power of 0.13 W [24]。(2)集群的节点数量飞行航天器和 ,和轨道元素源于(24]。(3)噪声温度300 K。节点之间采用QPSK调制。传输数据速率为100 kbps,操作频率是s波段,f= 2.2 GHz (30.]。发送和接收天线的收益是1 (31日]。其他参数表中列出2和一个考虑拓扑如图3。

4.1。每个节点使用相同的传输功率

以下4.4.1。影响的交通负载/

根据节点STK和MATLAB仿真、美联社和其他节点之间的距离可以列在表中3和4。表3和4表明,美联社和其他节点之间的距离变化慢慢在不同时段的轨道hyperperiod,远处还有一个微小的变化,在相应时段的不同轨道hyperperiods。

因为每个节点的传输功率是一样的,它可以被分配到由方程(4价值),并满足所有的约束。提供每显示为一个函数的交通负荷在CFSN。比较第一、第二和第三次槽轨道hyperperiod,每几乎没有变化。仿真曲线几乎重叠,如图4。因为距离的变化不明显,节点之间连接的概率有小变化不同的顺序任何轨道hyperperiod的时段。比较第一和第二轨道hyperperiod时间槽,这种现象在图5图是一样的吗4。原因是节点之间连接有一个细微的变化的概率在相应时段的不同hyperperiods,定期和每个可能变化。

为了验证每个不同的传输功率的影响,相同的传输功率分配给每个节点与不同的值在第一次槽。结果如图6。比较曲线指的是每个节点为0.13 W,每个节点与0.08 W指每个节点为0.03 W,可以得出结论,如果传输能量较高,满足约束条件下的每会降低。如数据所示4- - - - - -6,每增加提供交通负荷。换句话说,当交通负荷低,碰撞在美联社的数量可能会很低。相反,当交通负载是啤酒,两个节点同时传输的概率增加,随后,每增加。

保持其他参数不变,每两种情况下不同数量的节点进行了分析。(b)所示的数据4- - - - - -6,每提供交通负载也会增加。比较(a)和(b)的数据4- - - - - -6,它可以进一步获得网络中节点数量的增加,每增加。

4.1.2。每一次槽的影响每和延迟

根据分析结果部分3.2性能,在每个方面,只取决于邻接矩阵。对于这个场景,将信息包产生率 。我们认为第一次槽的第一个轨道hyperperiod CSFN。图7显示的影响每和延迟。当节点的数量的增加,邻接矩阵的维数增加,进而影响 。虚线和实线表明7节点和5节点,分别。结果表明,越大每会就越低,延迟的啤酒。然而,每延迟增加节点的数量。

4.2。最优传输功率分配策略

在本节中,我们提出的影响采用CFSN每的传输功率分配策略。特别是,我们要考虑这样的策略,优化和均匀分布是分配给每个节点传输能量。每个节点的优化传输能量是不同的,根据功率分配算法提出了部分3.2,总传输功率分配给每个节点每在CFSN为了最小化。这种方法会导致传输能量合理分配。

图8显示优化的影响和均匀分布在每个传输能量槽的第一第一次轨道hyperperiod CSFN。总网络传输能量的不同的值。在传输功率分配策略提出了部分3.2,在图8场景之间的性能比较,并没有使用该传输功率分配策略。指的对比曲线与指 ,可以得出结论,如果总传输功率较高,nondiagonal之和概率邻接矩阵中的元素将更大,每满足约束下会降低。比较(a)和(b)的人物8,可以得出的结论是,数量的增加会增加系统的每个节点。为了比较,如图8,每个场景没有传输功率分配策略是使用(实线)也显示。在这种情况下,性能比的优化传输功率分配策略。事实上,给定一个总网络传输能量的价值,提出了传输功率分配策略允许之和最大化nondiagonal概率邻接矩阵中的元素,因此,减少每。

5。结论

在本文中,我们提出了一个优化传输功率分配策略,允许每CFSN的最小化。首先,根据概率邻接矩阵,我们推导出一个简化的分析模型,该模型描述了CFSN的性能在不同的时段,提出的假设下的交通负荷。然后,我们提出了optimization-theoretic传输功率分配算法和实现它有限的假设下总网络传输功率的两种情况下不同数量的节点。特别是,我们显示的性能取决于概率邻接矩阵:nondiagonal元素和交通负荷的总和。我们验证了分析模型通过蒙特卡罗方法。本文提出了概率邻接矩阵的影响,提出交通负荷,和传输功率分配策略相关的网络性能指标(每和延迟)。最后,我们已经核实,该传输功率分配策略,通过最大化的总和nondiagonal概率邻接矩阵中的元素,允许每个给定总网络传输功率最小化任何时候CFSN槽。

数据可用性

CFSN由5卫星的轨道数据和7卫星用于支持本研究的结果中包括文章和文献[24]。

的利益冲突

作者宣称没有利益冲突。

确认

本研究项目部分由中国国家自然科学基金(批准号61362004)和贵州省级教育创新集团基金会(批准号[2017]031)。