基于业务优先级的认知卫星网络频谱分配方法

贾敏，敬晓晔，刘晓锋，刘枫，郭庆，顾学迈

（1. 哈尔滨工业大学电子与信息工程学院，黑龙江 哈尔滨 150001；2. 中国空间技术研究院通信卫星事业部，北京 100094）

1 引言

随着通信网络和人们生活方式的变化，卫星通信正在更广泛地应用于宽带通信中。为了提高频谱效率，卫星通信由 C/Ku频段的单波束业务向 Ka频段的多波束业务转移[1-4]。同时，针对下一代通信网络中频谱资源紧张的问题，引入认知无线电（CR,cognitive radio）技术，在2个卫星网络之间或者卫星网络和地面网络之间进行相同频谱的共享，可以有效地提高卫星通信的频谱利用率[2]。认知卫星通信网络即采用CR技术的卫星通信网络，在不影响授权用户正常通信的前提下，允许认知卫星通信网络中的认知卫星使用卫星网络或地面网络的授权频谱进行上下行链路的通信。认知卫星通信网络具有卫星通信的信息交互、多网融合和频谱资源利用率高等特点。因此，可发展更多认知卫星用户，进而促进卫星通信事业的发展。丰富这一领域的相关研究工作对改善频谱资源利用率、提高卫星通信服务质量和系统容量、促进卫星通信的发展有着十分重要的推进作用。

文献[5-7]将认知无线电与卫星通信相结合，进行认知卫星通信的研究。其中，文献[6-7]提出了一种在卫星和地面一体化的网络中加入认知无线电技术的系统架构，是认知卫星通信网络较早的研究。在5G通信系统中，用户终端接入数量、通信业务覆盖范围以及带宽需求将大幅度增加，因此，基于认知的卫星与地面频谱共享的研究频段由S频段向更高频段（如Ka频段）转移。在Ka频段内，固定卫星业务（FSS, fixed satellite service）的卫星系统与地面固定业务（FS, fixed service）或广播卫星业务（BSS, broadcast satellite service）的通信系统共享频谱资源。对于认知FSS卫星网络，目前有许多研究[8-17]。文献[8-9]研究在毫米波频段（mmwave）中卫星业务和蜂窝网共享频谱的场景。其中，文献[8]针对FSS和5G网络之间的频谱共享进行研究。文献[9]的研究场景是Ka频段的认知宽带卫星系统和蜂窝网的频谱共享。文献[10]分析了在满足干扰约束条件的情况下，地面网络作为次级用户，对FSS卫星网络下行链路进行频谱认知的情况，仿真结果表明，随着卫星QoS（quality of service）要求的提高，地面用户有效容量下降。文献[11]对星地混合网络中的中断概率进行了研究，并给出了一种考虑时延的地面终端选择方法。文献[12]研究了星地混合网络中的误码率。文献[13]提出了联合波束成形（beamforming）和资源分配技术，以提高认知FSS卫星下行链路总吞吐量。文献[14]提出了一种优化频率复用和极化的方法，以最大限度地减少FS地面基站受到的干扰。文献[15]介绍了一种功率分配方法，在地面网络认知卫星网络的场景中，在满足地面链路QoS要求的条件下，对地面网络性能进行优化。在认知场景中，如何消除认知用户和主用户之间的相互干扰是关键问题。波束成形技术通过天线调整相位阵列的参数，在最大化认知用户信干噪比（SINR, signal to interference plus noise ratio）的同时，消除了认知链路对主用户的干扰。目前，已有学者研究通过波束成形技术消除干扰。文献[16]对认知地面网络基站发射端进行波束成形，减少认知地面网络信号对卫星系统的干扰，同时最大化认知链路信干噪比。

文献[17]中，FSS卫星网络通过认知FS地面网络的频谱，用于自身的信息传输，在认知卫星下行链路的场景中，通过匈牙利算法对认知卫星地面终端进行频谱分配。但匈牙利算法只能解决平衡矩阵的一对一分配问题，因此，文献[17]设置认知用户数与信道数相同。但在实际场景中，认知用户数与信道数存在动态变化，文献[17]所提方法不具有普遍性。针对这一问题，本文提出一种矩阵转换的方法，能够处理用于匈牙利算法进行频谱分配的矩阵，当认知频谱的可用信道数和认知用户数不相等时，也可以通过匈牙利算法进行频谱分配。此外，文献[17]中提到，当可用信道不足时，采用时分复用方法进行卫星信号传输。此时，会造成部分信号传输时延，影响实时性要求高的用户的性能。针对这一问题，本文根据实时性引入业务优先级这一因素，分析认知卫星地面终端不同的优先级模型，提出一种基于业务优先级的认知卫星下行链路频谱分配方案。

本文的创新点包括以下两点。1) 针对文献[17]中认知用户频谱分配方法只能用于认知用户数和认知频谱的可用信道数相同的场景这一问题，本文提出一种矩阵转换方法，在认知用户和认知频谱动态变化时，仍能进行频谱分配。2) 本文考虑了认知用户不同的业务优先级，提出一种基于优先级的认知用户频谱分配方法，保证高优先级的地面终端分配到频谱的概率远大于低优先级的地面终端，所用频谱质量高于低优先级的地面终端，同时使总吞吐量最大。

2 系统模型

本文研究的认知卫星背景是在 Ka频段内，FSS的卫星系统与FS的通信系统共享频谱资源的场景。2016年2月，欧洲电信标准化协会（ETSI,European telecommunications standards institute）给出了该场景的相关标准ETSI TR 103 263[18]。该标准中指出，该场景中的FSS卫星是提供宽带或多点波束的通信卫星，FSS用户终端类型分为以下2种：1) 安装在居民住所或偏远地区的固定地面终端；2)安装在移动平台（例如火车和轮船）的移动地面终端。该标准的第7章中指出，在该场景中，通过认知无线电途径，在未对FS系统产生干扰的前提下，FSS系统使用FS系统的频谱资源以提高FSS系统业务的覆盖范围，并提高Ka频段内的频谱利用效率。在下行链路中，FSS系统单独使用19.7～20.2 GHz的频谱，同时与FS系统共享17.7～19.7 GHz的频谱；在上行链路中，FSS单独使用29.5～30 GHz的频谱资源，同时与FS系统共享27.5～29.5 GHz的频谱。FSS系统与FS系统共享频谱资源场景中的认知无线电技术主要包括以下3种：频谱认知、频谱开发和干扰消除。其目的分别为：1) 频谱认知的目的是在频谱共享的原则上发现可以用于认知FSS地面终端接入的频谱，并且提供干扰水平的相关信息用于确定系统服务质量，使用的主要技术包括数据库和频谱感知；2) 频谱开发的目的是在进行频谱认知后，将FS系统中的可用频谱合理分配给认知FSS地面终端；3) 干扰消除的目的是通过使用波束成形等技术减少FS系统和FSS系统之间的链路干扰。

本文研究的资源分配方法属于认知无线电技术中频谱开发的部分，用于分配的频谱是FSS系统下行链路和FS系统共享的频谱，即17.7～19.7 GHz的频谱。研究的具体场景如图1所示，主用户网络是地面微波网络，主用户是FS基站，FS链路享有上述频段的使用权。承载FSS的卫星通信网络通过认知的方式使用上述频段。

图1 卫星和地面网络频谱共享模型

在上述场景中，由于Ka频段卫星的有效全向辐射功率（EIRP, effective isotropic radiated power）受到限制，认知FSS卫星到地面终端的下行链路信号对FS地面基站接收端的干扰可以忽略，但需要考虑FS基站发射信号对FSS地面终端造成的干扰[19-20]。

本文FSS下行链路频谱分配与认知无线电相结合的研究内容主要分为频谱认知和频谱开发这2个部分。下面根据标准ETSI TR 103 263[18]进行频谱共享过程的详细说明。

1) 本文通过使用数据库完成认知无线电中频谱认知的过程。建立FFS系统的数据库，用来存储各FSS地面终端的天线方位角、地理位置以及海拔高度等信息，相关信息可通过传输路径特点和设备模型等方式获得。FS系统的数据库由各国相关部门管理。使用 FS数据库可以避免在较大地理范围内使用宽带频谱感知方法时，产生较高复杂度的问题。FS数据库用来存储FS地面系统中各基站的相关参数信息。这些数据用来确定未受到 FS链路干扰的FSS地面终端情况，例如，在某一认知区域内，确定某FSS地面终端受到来自FS基站的干扰与固定门限值的关系。该部分信息由现有数据库提供。

2) 本文的频谱开发过程主要研究 FSS下行链路频谱分配的过程。频谱分配过程通过为各FSS地面终端分配载波来最大化FSS系统总吞吐量。本文的主要研究内容是基于FSS地面终端优先级和共享频段内各频谱质量，进行频谱分配以最大化下行链路总吞吐量。

2.1 信号和干扰模型

首先考虑认知GEO卫星部分的信号模型，设认知卫星的一个波束下，存在M个FSS地面终端和N个FS地面基站，卫星认知频谱共有K个可用信道。根据文献[13]中的模型，在卫星下行链路中，第m个FSS地面终端的接收信号功率PR(m)可以表示为

工作在频率fk的第m个FSS地面终端受到工作在同一频率fk的第n个 FS地面基站的干扰Im(n,k)可表示为

工作在频率fk的第m个FSS地面终端受到整个FS地面网络的干扰可以表示为

根据式(1)和式(3)，得到在认知卫星下行链路中，工作在第k个信道的第m个FSS地面终端在接收信号时的信干噪比（SINR）为

为方便计算，将每个FSS地面终端接收到卫星信号的 SINR值整合到一个矩阵中，如式(5)所示。

其中，每一行代表一个FSS地面终端，每一列代表一个信道。

FSS地面终端和FS基站都装置了发射天线和接收天线，天线角度不同会导致发送增益和接收增益不同。

根据国际电信联盟的标准 ITU-R S.465，得到FSS地面终端的接收增益为

其中，λ为工作波长，D为传输距离，G单位为dBi。当或时，

根据国际电信联盟的标准ITU-R F.1245-2，得到FS地面基站的发送增益为

其中，L为天线长度，0λ为中心工作波长。

2.2 优先级模型

在引言中提到，当认知频谱可用信道数少于认知用户数时，某一时刻不能使每个用户都分配到信道，文献[17]指出可使用时分复用解决这一问题。由于优先分配到信号的认知用户具有随机性，未分配到信道的用户传输信号会产生时延，产生时延的用户具有随机性，因此这种分配方法不利于实时性要求高的用户的信号传输。

本文通过建立用户业务优先级模型，根据实时性要求对用户进行优先级划分，并提出一种基于优先级的频谱分配方法，保证优先级高的用户能够优先分配到频谱，并且其频谱质量优于其他用户频谱。

在本文的模型中，进行频谱分配的控制中心位于地面，各用户在进行信号发送的同时，发送含有优先级等级的信号，控制中心通过接收这些信号确定下行链路各用户的优先级。

本文参考部分地面网络中的业务优先级分类，建立业务优先级模型。文献[21]根据车联网所要实现的功能，将信息指令按照误码率和时延要求的不同，分为3种业务优先级。文献[22]根据假设多终端不同的实时性和误码率要求，将终端优先级分为3类，通过比例设置在算法中进行区别。文献[23]将地面手机业务分为4类，各业务所要求的时延、吞吐量和误码率不同。根据上述关于业务优先级模型的分类，建立本文研究系统中的业务模型。承载军事卫星通信业务的地面终端需要最好的通信质量[24]，其优先级设为最高，称为优先级1，用1P表示。根据文献[25-26]，可以将民用FSS地面终端分为以下2类：1) 承载传输指令和控制信息的业务，这类业务对实时性和误码率要求较高；2) 其他业务，这类业务对实时性和误码率要求较低。将承载这2类业务的地面终端优先级分别设置为次高优先级和最低优先级，称为优先级2和优先级3，分别用P2和P3表示。

通过设置不同的1P、2P和3P的权重，可约束不同优先级的FSS地面终端分配频谱的先后顺序。对于不同的FSS地面终端，优先级所占权重越大，其分配到最优信道资源的概率也就越大。

3 联合用户优先级的频谱分配方案

3.1 结合优先级的频谱分配方案

根据在数据库中获得的 FS地面网络的相关参数，计算 S INRdown矩阵，联合优先级矩阵进行频谱分配，使认知卫星下行链路的总吞吐量最大。

设矩阵Q= [Q1…QM]T为FSS地面终端优先级矩阵，其中，Qm∈R1×K是含有K个元素的行向量，并且Qm(1) =Qm(2) = … =Qm(K) =Pi(i=1,2,3)为第m个FSS地面终端的优先级。第2节中提到，本文模型中共有 3个优先级，本文设定P1+P2+P3=1，Pi值越大，代表该优先级的FSS地面终端优先分配信道的权利越大。优先级矩阵表示为

衡量系统性能的一个重要指标是系统吞吐量。其中，第k个信道工作的第m个FSS地面终端的下行链路吞吐量可以表示为

利用式(11)，求得吞吐量矩阵为

因此，本文提出的优化目标如式(13)所示。

解决式(13)所示的优化问题可以采用匈牙利算法，该算法能够解决一对一的分配问题。然而，在引言中已经提到，使用匈牙利算法时，需要分配矩阵是平衡矩阵，即要求满足M=K。而在实际场景中，M与K会动态变化，因此，应先将Th转化为平衡矩阵，再采用匈牙利算法进行处理。

3.2 非平衡矩阵转化

本文采用加边补值法，将非平衡矩阵转化为平衡矩阵，转化操作不影响计算结果。非平衡有以下2种情况：1) FSS地面终端数大于认知频谱的可用信道数，2) FSS地面终端数小于认知频谱的可用信道数。下面根据这2种情况分别进行非平衡矩阵转化。

情况1 FSS地面终端数大于认知频谱的可用信道数

FSS地面终端共M个，信道数为K个，M＞K，得到Th为M×K矩阵。采用加边补值法，在Th的最右边虚拟M-K列，构成M×M的矩阵。由于匈牙利算法通过迭代找到每行和每列相对较大的数值，并认为该数值所在的行和列符合分配要求。在本文的分配场景中，用于分配的矩阵中的元素值均远大于 0。因此，当某一元素较小时，不会影响分配结果。本文将新加入的元素置0，修改后的矩阵为

然后，修改优先级矩阵Q为M×M的矩阵。增加列中的元素优先级权重与所在行其他权重值相同，如式(15)所示。

情况2 FSS地面终端数小于认知频谱的可用信道数

FSS地面终端共M个，信道数为K个，M＜K。此时，FSS地面终端不需要使用所有频谱，而是选择性地使用M个信道，矩阵为M×K矩阵。采用加边补值法，此时，在吞吐量矩阵Th的最下边虚拟K-M行，构成一个K×K的矩阵，修改后的矩阵为

同理，新构造的矩阵不会对分配结果产生影响。

然后，修改优先级矩阵Q为K×K的矩阵，增加行中元素的优先级权重为最低优先级的权重，如式(17)所示。

4 仿真结果

为方便仿真又不失合理性，本文选择单个认知GEO卫星的一个波束覆盖范围进行仿真。关于仿真中数据的选择，本文采用国际电信联盟中给出的相关标准[26]，采用位于欧洲的某一实际卫星系统的相关数据进行仿真，具体的卫星FSS网络下行链路相关参数如表1所示。由BR IFIC数据库[24]获得FS地面系统链路的相关数据，具体参数如表2所示。

4.1 优先级权重的确定

在第2.2节中提到，由于3种优先级的FSS地面终端的权重不同，导致认知频谱的可用信道不足时，不同优先级的 FSS地面终端能够分配到信道的概率不同，所分配信道的质量也不同。设置 3组不同数值的优先级权重组合，获得各优先级的FSS地面终端分配到信道的概率，从而选择合适的权重组合进行仿真分析。

表1 卫星网络相关参数

表2 FS地面系统相关参数

设置认知频谱的信道总数为30，可用信道数量K=20，3种优先级的FSS地面终端数量都为10。由于一个信道在同一波束中只分配给一个用户，此时，可用信道数少于 FSS地面终端数，只有部分FSS地面终端能够分配到信道。按照高优先级的用户优先分配信道的原则，理想实验结果应为：优先级为1P、2P的FSS地面终端全部分配到信道的概率为1，而优先级为3P的FSS地面终端分配到信道的概率为0。在仿真中，进行100次实验，统计以下3组数据：1P优先级的FSS地面终端全部分配到信道的次数、2P优先级的FSS地面终端全部分配到信道的次数、3P优先级的FSS地面终端分配到信道的次数。观察3组仿真结果，选出合理的权重数值设置组合。具体实验结果如表3所示。

由表 3结果可以看出，当优先级权重参数为P1=0.6、P2=0.3和P3=0.1时，能够保证高优先级的用户优先分配到信道，分配结果符合本文要求。因此，采用此权重组合形式。

4.2 性能分析

当频谱资源不足时，本文所提出的频谱分配方法旨在基于用户优先级的前提下，提高更高优先级用户分配到频谱的概率，同时保证系统的总吞吐量。

表3 权重数值组合与频谱分配实验结果

文献[17]通过匈牙利算法进行频谱分配来最大化系统总吞吐量，当认知频谱的可用信道不足时，采用时分复用进行信号传输。与文献[17]不同，当认知频谱的可用信道不足时，本文考虑业务优先级的因素，对不同优先级用户同时进行频谱分配，使对实时性要求高的用户优先分配到信道，并针对平衡矩阵问题，进行匈牙利算法的改进。具体仿真结果如图2和图3所示。

图2 1P、 2P优先级的FSS地面终端总吞吐量

由图2可以看出，当信道不足时，只考虑系统总吞吐量的算法[17]不能保证1P、2P优先级的 FSS地面终端优先分配到信道，1P、2P优先级的 FSS地面终端总吞吐量较低。例如，当可用信道数为21时，1P优先级总吞吐量约为可用信道数为 30时的2P优先级总吞吐量比可用信道数为30时约少1 Gbit/s，严重影响高优先级的 FSS地面终端的性能。采用本文方法时，1P、2P优先级的FSS地面终端的总吞吐量保持在4 Gbit/s以上，未受频谱不足的影响。

由图3可以看出，与传统的未考虑吞吐量的随机方法相比，文献[17]方法和本文方法的系统吞吐量显著提高。采用本文方法时的系统总吞吐量和只考虑吞吐量的文献[17]算法差别不大，说明使用本文方法在未降低系统总吞吐量的前提下，解决了平衡矩阵分配问题，并提升了高优先级的FSS地面终端的总吞吐量，从而保证高优先级FSS地面终端的性能。

图3 FSS地面终端总吞吐量

本文所提改进方法可以根据实际应用场景中的不同优先级业务特点，合理设置优先级权重，在为认知卫星系统分配信道的同时，满足不同场景对于不同优先级用户的不同分配要求，该方法具有一定的灵活性和广泛适用性。

5 结束语

本文针对星地一体化网络中的频谱共享问题，分析了卫星 FSS网络下行链路认知和使用 FS地面网络频谱的场景，推导了认知卫星下行链路在数据传输时的信号和干扰模型。然后，针对传统匈牙利算法解决分配问题的不足，提出了非平衡矩阵转化方法。最后，在认知频谱资源不足时，通过考虑FSS卫星地面终端的优先级类型，建立了优先级模型，提出了一种基于优先级的认知卫星下行链路频谱分配方案，为不同优先级的地面终端分配频谱。仿真结果表明，本文所提改进方法，能够使用匈牙利算法解决认知频谱数与认知用户数不同时的分配问题，保证高优先级的 FSS地面终端优先分配信道，提高优先级相对较高的FSS地面终端的总吞吐量。