降雨影响下的非均匀时隙跳波束资源动态分配方法

王亚昕，边东明，胡 婧，李永强

（陆军工程大学通信工程学院，南京 210007）

1 研究背景

近年来，经济社会的发展对通信技术的巨大现实需求，刺激了卫星通信技术的蓬勃发展。其中，高通量卫星（High Throughput Satellite，HTS）正逐渐投入使用[1]。HTS，也称为高吞吐量卫星，顾名思义，能够提供比传统通信卫星更高的容量，有时甚至能达到传统卫星容量的数十倍。HTS卫星分为地球同步静止轨道（Geostationary Earth Orbit，GEO）卫星和非静止轨道（Non-Geostationary Orbit，NGSO）卫星两类，当前在轨应用的以GEO卫星为多。据资料显示，一颗HTS的总容量超过100Gb/s，但卫星建造及火箭发射等费用与传统卫星相当，则每Gbit/s的投资下降到400万～500万美元，仅是一颗传统卫星的1/50。由此可见，HTS网络的带宽成本大致与地面网络相当，在经济性方面具备一定的竞争力。

HTS最基本的特征是卫星的波束为点波束[2]。采用多点波束能够提高卫星的发射增益和接收增益，但也存在点波束覆盖范围较小的问题，如果需要覆盖较大区域，则需要大量的点波束，这显然又与卫星平台资源有限相悖。跳波束（Beam Hopping，BH）技术就是在这样的基础上发展起来的一种新型波束覆盖技术[3]。它以若干星上波束的跳变完成传统多波束的覆盖，大大减少了点波束使用数目。BH技术的基本思想是利用时间分片技术，在同一时刻，卫星上只有一部分点波束同时工作，这种方式相比于传统的多波束技术而言更能适应业务量分布不均衡的场景，是HTS的一个很好的技术选择。由于卫星平台能力有限，资源分配问题一直是相关人员重点研究的方面，于是BH技术下的资源分配问题也就成为了一大研究热点。

对HTS通信系统而言，频率是影响其吞吐量的重要因素。目前，大多数HTS采用Ka频段。该频段能够实现更高的数据速率和频谱利用率，更加适应宽带业务需求。然而，在卫星通信中，气体吸收、降雨和云雾损耗等方面因素都会造成信号的衰减，尤其在高频段如Ka频段，降雨对信号的衰减更加严重[4]，雨衰造成的卫星链路衰减在资源分配问题中不容忽视。

本文针对高通量卫星通信系统中的跳波束前向链路资源分配问题，提出了一种基于分簇的非均匀时隙动态分配方法。考虑雨衰对链路性能造成的影响，动态调整时隙的最小分配单位，在全频复用的场景下，以规避同频干扰为原则优化跳波束图案。考虑实际情况中雨衰区域的业务请求级别高于晴天区域，所以分配时优先满足链路衰减大的波束覆盖区域。仿真结果显示，本文提出的资源分配算法系统容量损失值小，实际通信容量大，业务需求满足度高，具备一定的现实意义。

2 跳波束卫星通信系统

2.1 跳波束系统下行链路模型

跳波束系统采用单载波工作模式，使用一个载波支持多种业务，从而使转发器吞吐量得到显著提升[5]。再加上BH采用时间分片的思想，有针对性地对有业务需求的波束提供服务，更加能够适应变化的业务请求以及不均匀的业务分布场景。此外，BH利用空间隔离的方式，使同时工作的波束相隔一定距离，来减少波束间的干扰。时间分片与空间隔离原理示意如图1，用户波束相互之间空间隔离，能够同时工作而不互相干扰。

图1 跳波束技术中的时间分片与空间隔离

现有跳波束卫星通信系统主要采用规则的分簇方法，将所有点波束均匀地划分为若干波束簇，每簇波束数目相等，如图2所示。由于用户大部分通信需求都在前向链路，本文仅关注系统前向链路模型。如果没有特殊说明，本文讨论的资源分配即为时隙分配。设系统总带宽为B，时隙的最小分配单元为Ts，分配周期为W。

图2 跳波束系统下行链路模型

设系统采用高斯编码，则波束i分得的容量Ri可写为：

式中，Ni表示分配给波束i的总时隙个数；γi表示波束i的信干噪比（Signal to Interference plus Noise Ratio，SINR）：

式中，波束i的发射功率为Pi；信道增益为Gi；噪声功率为N0；Ψcc表示与波束i同时工作的其余波束集合。

2.2 干扰分析模型

由式（2）可知，波束i受到的干扰总功率为

其中，信道增益Gr的计算公式为

式中，GrT表示波束r的发射天线增益；GrR表示波束r的接收天线增益；L表示自由空间传播损耗。

自由空间传播损耗L为

式中，d表示收发两端的距离；c为光速；f为频率。

式中，J1为一阶贝塞尔函数；μ=πfDsin（θ/c），θ为链路方向与天线主瓣轴之间的夹角；G0表示θ=0时的最大天线增益，计算公式为：

式中，η为天线效率；D是天线口径。

由于采用GEO卫星，假设所有波束收发两端距离d相等，则全部波束的自由空间传播损耗L都相等。规定卫星总功率平均分配给各波束，则由公式（3）、（4）、（6）可知，干扰功率主要取决于夹角θ，而θ又与受干扰波束和干扰波束之间的距离直接相关，通过几何关系定性分析可知，距离越大，夹角θ则越大。将该关系代回公式（6）能够得出结论：波束之间距离越短，则干扰越大。

2.3 非均匀时隙模型

跳波束技术采用了时间分片的思想，将容量资源转化为时隙分配给各个波束，两者之间的转化关系由公式（1）给出。时隙资源的分配结果会生成一个跳波束突发时间计划（Timeslot Burst Time Plan，TBTP），也称为跳波束图案（Beam Hopping Pattern），用于指导波束何时跳变至何处。卫星根据不同波束的不同业务量，动态地优化跳波束图案，以适应业务分布不均、动态变化的场景。

第2代数字卫星广播标准（DVB-S2）中规定的帧格式如图3，所有的帧统一为标准长度Kbch[7]。由于GEO卫星波束覆盖范围广，不同波束覆盖区域内的气象情况会存在较大差别，同一时刻可能有一些波束雨衰较大，影响它们的链路容量。然而，系统规定的帧长是固定的，这就导致信道条件较差的波束传输数据的能力下降。为改善这一问题，本文考虑根据链路情况动态地调整时隙分配的最小单元Ts，为链路条件较差的波束设置更大的Ts，使它在固定帧长内能够携带更多数据量，从而补偿其数据传输能力的下降。

图3 DVB-S2中基带帧格式

3 考虑干扰规避的跳波束图案动态优化

3.1 系统模型

本文选取了文献[8]中的GEO卫星点波束覆盖欧洲地区系统模型，如图4。本文规定将70个点波束划分为5个波束簇，即每14个波束为一簇。同一时刻一簇内仅允许一个波束处于工作状态，即系统的跳变波束为5个。业务量模型来自欧洲航天局的一项DDSO（Digital Divide： the Satellite Offer）研究[9]，为该地区2020年的预测网络流量需求分布，如图5所示。

该地区业务量分布明显不均衡，如果采用传统多波束系统资源平均分配方式，势必会造成浪费。针对这样的场景，本文设计了一种跳波束前向链路非均匀时隙分配算法，以更大限度地按需分配星上有限资源，减少浪费，提高用户满意度。

图4 欧洲地区点波束覆盖模型

图5 业务量分布模型

3.2 算法原理

3.2.1 最小保证带宽

由于70个点波束覆盖了大部分欧洲区域，覆盖面积比较大，不同波束的雨衰情况可能不同。在实际中，天气情况愈恶劣的区域，其业务请求的优先级相应提高，考虑到这一因素，本文设计的时隙分配算法，以优先满足大雨衰波束的请求为原则。但在这一原则下，如果雨衰波束的请求量远大于晴天波束的请求量，或是雨衰波束数目远超过晴天波束，则可能会出现晴天波束得不到服务的情况，这样一来将大大影响波束间公平性。

各地区在入网时，会随着请求量上报的同时得到一个最小保证带宽—— 无论是否有业务请求、链路情况如何，该带宽都是能够得到保证的。为解决波束间公平性问题，本文引入最小保证带宽Rmi，由公式（1）计算出对应的最小满足时长Tmi，给所有波束预分配相应的Tmi，从而保证每个波束都能够得到服务。

3.2.2 时隙长度设置

为简化算法，根据不同波束的天气情况，将所有波束划分为三类：晴天波束、小雨波束、大雨波束。雨衰值小于等于10dB的波束为小雨波束，大于10dB的为大雨波束。雨衰越大的区域，由于帧长固定，则需要越长的时隙分配单元。所以设置晴天波束下的TsN=1ms，小雨波束下的TsL=2ms，Ts大雨波束下的TsL=5ms。在分配算法中，满足了所有波束的最小保证带宽之后，优先为大的波束分配资源。

3.2.3 干扰规避方法

由2.2节中的干扰分析得出，波束间距离越短，相互干扰则越大。而两波束相隔一定的距离时，干扰功率相对于噪声功率会很小，对于SINR的影响也就可以忽略，把该距离称为距离门限dth。由于各簇存在相邻关系，当工作波束在不同簇中跳变时，可能会出现两个或多个波束相距较近的情况，于是引入dth，规定同时工作的波束之间距离须得大于dth。所以，在时隙分配过程中，确定了起始波束后，根据簇间几何位置关系，依次在各簇内搜索能够与已确定的波束同时工作的其余波束。为了保证分配的可持续性，避免越到后面可选择的波束越少的情况，搜索时优先选择满足大于dth要求的所有波束中最近的波束。

3.3 算法设计

为了使分配的业务量更贴合请求，提升系统吞吐量，本文以最小化二阶差分系统容量（Differential System Capacity，DSC）为优化目标[10]来描述时隙分配问题：

式中，K为系统总波束数目，分为Nc个波束簇；Ni表示分配给波束i的时隙长度；表示波束i请求的时隙长度，分配周期为W；Tij=1表示时隙j分配给了波束i，限制条件（10）规定了同一时刻仅有Nc个跳变波束在工作，限制条件（11）表示分配给波束i的时隙数目必须保证最小满足时隙的要求。

本文设计了一种启发式算法来实现时隙的动态分配，算法流程如图6所示。在分配之前，在系统中随机指定若干波束，分别作为小雨波束和大雨波束。而后，根据图5中的业务量模型，由公式（1）转化为各波束请求的时隙长度。对于有雨衰的波束，将它们的请求量按照一定比例降低。分配时，首先给所有波束分配最小满足时长Tmi。而后，对于余下的时隙资源，按照波束不同的雨衰情况，优先给Ts较大的波束分配。

图6 时隙分配算法流程图

4 仿真结果分析

4.1 系统参数

GEO卫星系统参数如表1所示。仿真显示该系统波束的信噪比（Signal to Noise Ratio，SNR）约为6.6dB，当波束间距离大于4倍波束半径r时，SINR值几乎与SNR相等，可以认为波束间干扰忽略不计，所以距离门限dth取值为4r。

表1 GEO卫星系统参数

4.2 仿真结果及分析

分配算法在matlab中的仿真结果如图7所示。系统生成的大雨波束集合为{30，35，57，69}，小雨波束集合为{2，3，13，28，33，36，42，45，48，49，51，56，62}。考虑到实际链路容量，将大雨波束下的业务调整为原业务的40%，小雨波束下的业务调整为原业务的50%。由分配结果可以直观看出，所有波束的分配都与其业务量相关，实现了按需分配的基本目标。

下面对仿真结果进行定量分析。以业务需求满足度来评价算法性能，满足度即为系统实际可用容量/系统总请求容量。经计算，本文提出的分配算法的业务需求满足度为68.34%。其中，大雨波束的满足度为100%，小雨波束的满足度为100%，晴天波束的满足度为65.43%，符合算法设计中优先满足链路条件差的波束的基本思想。为了更直观地体现出本算法的优势，在该系统中对传统的多波束平均分配方法做仿真，得出系统满足度为54.72%。由此可见，本算法显著提升了系统的业务需求满足度，同时保证了雨衰链路的优先服务，显示出良好的性能。此外，本算法的系统实际容量为31.69Gb/s，而采用传统资源平均分配方法的系统实际容量为25.375Gb/s，可见采用本资源分配算法使得系统容量提升了24.89%。

图7 算法仿真结果图

4 结束语

本文提出的资源动态分配方法，以波束分簇的跳波束前向链路为场景开展。由于系统采用全频复用方式，基于对同频波束距离与干扰关系的分析，提出设置距离门限的方法来规避干扰。此外，针对Ka波段受雨衰影响较大的问题，考虑到雨衰波束的链路能力下降，而帧长固定不变，提出动态改变时隙的最小分配单元，以改善信道条件差的波束的传输能力。考虑实际情况，优先保障雨衰链路的通信需求，且为了避免雨衰波束数目过多或雨衰波束请求过大，导致晴天波束得不到服务的情况，引入最小保证带宽，以确保所有波束都能够得到服务，保障了波束间的公平性。仿真结果表明，相较于传统的资源平均分配方法，本文提出的跳波束资源动态分配方法能够有效避免同频干扰，保证重点波束的完全满足，大大提升系统容量，显著提高业务需求满足度。