基于自适应粒子群算法的双层卫星网络分簇方法和系统

1.本发明涉及卫星通信技术领域，尤其是涉及一种基于自适应粒子群算法的双层卫星网络分簇方法和系统。


背景技术：

2.在卫星网络中，作为网络的卫星总是在不停的高速运动中，从而造成了卫星相互之间、卫星与地面各类通信终端之间总是相对运动的，正是这种相对运动导致了星地和星间链路的频繁断开与重建，即链路的频繁切换，这将导致卫星网络的拓扑更具时变性，最终造成了卫星网络拓扑结构的高动态变化。
3.针对如何动态感知卫星网络全局拓扑结构的问题，现有的研究基于虚拟拓扑策略，采取“快照”的方式，将卫星的运动周期划分为一系列相等间隔的时间片，在每个时间片内，将拓扑结构近似为静态结构，并在下一时间片到来时对拓扑结构进行更新。但由于卫星数量增多，多层卫星网络结构变化更加频繁和复杂，单纯运用虚拟拓扑策略对路由计算和存储的开销很大，并且无法保障卫星网络数据传输的稳定性和可靠性。


技术实现要素：

4.本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种基于自适应粒子群算法的双层卫星网络分簇方法和系统，能够降低计算量并保证卫星网络数据传输的稳定性和可靠性。
5.第一方面，本发明实施例提供了一种基于自适应粒子群算法的双层卫星网络分簇方法，所述双层卫星网络包括多个第一轨道卫星和第二轨道卫星，所述第二轨道卫星的轨道比所述第一轨道卫星的轨道高，所述基于自适应粒子群算法的双层卫星网络分簇方法包括：将所述双层卫星网络的运动周期分割为多个时隙；在每个时隙中，将所述多个第一轨道卫星和第二轨道卫星分为多个分组；其中，在每个所述分组中一个第二轨道卫星通信连接多个第一轨道卫星，每个所述分组中的第二轨道卫星之间通信连接；从每个分组中选取对应初始簇首，根据所述初始簇首计算得到每个所述分组的初始局部最优值和初始全局最优值；所述初始簇首是与第二轨道卫星可见时间最长的第一轨道卫星；计算每个所述分组中每个第一轨道卫星的适应度值；所述适应度值由卫星能量消耗、簇间距离和卫星中心度计算得到，所述卫星中心度为第一轨道卫星到所述第一轨道卫星对应的簇首之间的距离；根据所述适应度值，采用自适应粒子群算法对所述初始局部最优值和所述初始全局最优值进行迭代更新，获得每个所述分组的最终全局最优值；将具备所述分组的所述最终全局最优值的第一轨道卫星作为所述分组的最优簇首，并根据所述最优簇首对所述双层卫星网络进行分簇。
6.与现有技术相比，本发明第一方面具有以下有益效果：
本方法将双层卫星网络的运动周期分割为多个时隙，在每个时隙中，将多个第一轨道卫星和第二轨道卫星分为多个分组，其中，在每个分组中一个第二轨道卫星通信连接多个第一轨道卫星，每个分组中的第二轨道卫星之间通信连接，从每个分组中选取对应初始簇首，根据初始簇首计算得到每个分组的初始局部最优值和初始全局最优值，初始簇首是与第二轨道卫星可见时间最长的第一轨道卫星，分组后每个第一轨道卫星只会和一个第二轨道卫星建立连接，简化了网络拓扑，使得计算量降低；计算每个分组中每个第一轨道卫星的适应度值；适应度值由卫星能量消耗、簇间距离和卫星中心度计算得到，由于适应度值是根据能量消耗、簇间距离和卫星中心度计算得到的，能够实现卫星网络的负载均衡，然后根据适应度值，采用自适应粒子群算法对初始局部最优值和初始全局最优值进行迭代更新，获得每个分组的最终全局最优值，将具备分组的最终全局最优值的第一轨道卫星作为分组的最优簇首，并根据最优簇首对双层卫星网络进行分簇，采用最终全局最优值获得的最优簇首进行卫星网络数据传输，能够保证卫星网络数据传输的稳定性和可靠性。
7.根据本发明的一些实施例，所述将所述双层卫星网络的运动周期分割为多个时隙，包括：根据所述第一轨道卫星和所述第二轨道卫星进行通信的通信约束条件和所述双层卫星网络中的第一轨道卫星和第二轨道卫星随时间变化的坐标，计算每个时隙切换的时间；基于所述每个时隙切换的时间，将所述双层卫星网络的运动周期分割为多个时隙。
8.根据本发明的一些实施例，通过如下方式计算所述卫星能量消耗：计算每个分组中每个第一轨道卫星的能量消耗；将每个所述第一轨道卫星的所述能量消耗与簇首剩余能量的比值进行求和，获得卫星能量消耗。
9.根据本发明的一些实施例，通过如下方式计算所述簇间距离：计算每个分组中任意两个第一轨道卫星之间的距离；并对每个计算得到的任意两个第一轨道卫星之间的距离进行求和，获得总距离；根据所述总距离和所述每个分组中的第一轨道卫星数量，计算得到簇间距离。
10.根据本发明的一些实施例，通过如下方式计算所述卫星中心度：计算每个分组中每个第一轨道卫星到中心节点的第一距离；比较计算得到的每个所述第一距离，将最小第一距离作为卫星中心度。
11.根据本发明的一些实施例，通过如下方式计算所述适应度值，包括：为所述卫星能量消耗、所述簇间距离和所述卫星中心度设置对应的权重值；根据所述能量消耗、所述簇间距离和所述卫星中心度及其对应的所述权重值进行加权求和，得到适应度值。
12.根据本发明的一些实施例，在采用自适应粒子群算法对所述初始局部最优值和所述初始全局最优值进行迭代更新之前，所述基于自适应粒子群算法的双层卫星网络分簇方法还包括：获取当前局部迭代的最佳位置和所有粒子在全局迭代过程中的最佳位置；所述粒子为第一轨道卫星；
将所述当前局部迭代的最佳位置和所述所有粒子在全局迭代过程中的最佳位置的比值除以当前迭代次数，获得第一数值；对所述第一数值进行取反，获得第二数值；根据所述第二数值进行自然指数求解，获得第三数值；将所述第三数值和最小权重值相乘，获得自适应权重。
13.第二方面，本发明实施例还提供了一种基于自适应粒子群算法的双层卫星网络分簇系统，所述基于自适应粒子群算法的双层卫星网络分簇系统包括：时隙分割单元，用于将所述双层卫星网络的运动周期分割为多个时隙；卫星分组单元，用于在每个时隙中，将多个第一轨道卫星和第二轨道卫星分为多个分组；其中，在每个所述分组中一个第二轨道卫星通信连接多个第一轨道卫星，每个所述分组中的第二轨道卫星之间通信连接；从每个分组中选取对应初始簇首，根据所述初始簇首计算得到每个所述分组的初始局部最优值和初始全局最优值；所述初始簇首是与第二轨道卫星可见时间最长的第一轨道卫星；网络分簇单元，用于计算每个所述分组中每个第一轨道卫星的适应度值；所述适应度值由卫星能量消耗、簇间距离和卫星中心度计算得到，所述卫星中心度为第一轨道卫星到所述第一轨道卫星对应的簇首之间的距离；根据所述适应度值，采用自适应粒子群算法对所述初始局部最优值和所述初始全局最优值进行迭代更新，获得每个所述分组的最终全局最优值；将具备所述分组的所述最终全局最优值的第一轨道卫星作为所述分组的最优簇首，并根据所述最优簇首对所述双层卫星网络进行分簇。
14.第三方面，本发明实施例还提供了一种电子设备，包括：至少一个存储器；至少一个处理器；至少一个计算机程序；所述至少一个计算机程序被存储在所述至少一个存储器中，所述至少一个处理器执行所述至少一个计算机程序以实现上述第一方面所述的一种基于自适应粒子群算法的双层卫星网络分簇方法。
15.第四方面，本发明实施例还提供了一种存储介质，所述存储介质为计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序用于使计算机执行上述第一方面所述的一种基于自适应粒子群算法的双层卫星网络分簇方法。
16.可以理解的是，上述第二方面至第四方面与相关技术相比存在的有益效果与上述第一方面与相关技术相比存在的有益效果相同，可以参见上述第一方面中的相关描述，在此不再赘述。
附图说明
17.本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：图1是本发明一实施例的一种基于自适应粒子群算法的双层卫星网络分簇方法的流程图；图2是本发明一实施例的卫星空间坐标示意图；
图3是本发明一实施例的卫星几何可见性示意图；图4是本发明一实施例的动态聚簇示意图；图5是本发明一实施例的一种基于自适应粒子群算法的双层卫星网络分簇系统的结构图；图6是本发明一实施例的电子设备的硬件结构示意图。
具体实施方式
18.下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
19.在本发明的描述中，如果有描述到第一、第二等只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
20.在本发明的描述中，需要理解的是，涉及到方位描述，例如上、下等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
21.本发明的描述中，需要说明的是，除非另有明确的限定，设置、安装、连接等词语应做广义理解，所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。
22.在卫星网络中，作为网络的卫星总是在不停的高速运动中，从而造成了卫星相互之间、卫星与地面各类通信终端之间总是相对运动的，正是这种相对运动导致了星地和星间链路的频繁断开与重建，即链路的频繁切换，这将导致卫星网络的拓扑更具时变性，最终造成了卫星网络拓扑结构的高动态变化。
23.针对如何动态感知卫星网络全局拓扑结构的问题，现有的研究基于虚拟拓扑策略，采取“快照”的方式，将卫星的运动周期划分为一系列相等间隔的时间片，在每个时间片内，将拓扑结构近似为静态结构，并在下一时间片到来时对拓扑结构进行更新。但由于卫星数量增多，多层卫星网络结构变化更加频繁和复杂，单纯运用虚拟拓扑策略对路由计算和存储的开销很大，并且无法保障卫星网络数据传输的稳定性和可靠性。
24.为了解决上述问题，本发明将双层卫星网络的运动周期分割为多个时隙，在每个时隙中，将多个第一轨道卫星和第二轨道卫星分为多个分组，其中，在每个分组中一个第二轨道卫星通信连接多个第一轨道卫星，每个分组中的第二轨道卫星之间通信连接，从每个分组中选取对应初始簇首，根据初始簇首计算得到每个分组的初始局部最优值和初始全局最优值，初始簇首是与第二轨道卫星可见时间最长的第一轨道卫星，分组后每个第一轨道卫星只会和一个第二轨道卫星建立连接，简化了网络拓扑，使得计算量降低；计算每个分组中每个第一轨道卫星的适应度值；适应度值由卫星能量消耗、簇间距离和卫星中心度计算得到，由于适应度值是根据能量消耗、簇间距离和卫星中心度计算得到的，能够实现卫星网络的负载均衡，然后根据适应度值，采用自适应粒子群算法对初始局部最优值和初始全局最优值进行迭代更新，获得每个分组的最终全局最优值，将具备分组的最终全局最优值的
第一轨道卫星作为分组的最优簇首，并根据最优簇首对双层卫星网络进行分簇，采用最终全局最优值获得的最优簇首进行卫星网络数据传输，能够保证卫星网络数据传输的稳定性和可靠性。
25.参照图1，本发明实施例提供了一种基于自适应粒子群算法的双层卫星网络分簇方法，双层卫星网络包括多个第一轨道卫星和第二轨道卫星，第二轨道卫星的轨道比第一轨道卫星的轨道高，本基于自适应粒子群算法的双层卫星网络分簇方法包括但不限于步骤s100至步骤s300，其中：步骤s100、将双层卫星网络的运动周期分割为多个时隙；步骤s200、在每个时隙中，将多个第一轨道卫星和第二轨道卫星分为多个分组；其中，在每个分组中一个第二轨道卫星通信连接多个第一轨道卫星，每个分组中的第二轨道卫星之间通信连接；从每个分组中选取对应初始簇首，根据初始簇首计算得到每个分组的初始局部最优值和初始全局最优值；初始簇首是与第二轨道卫星可见时间最长的第一轨道卫星；步骤s300、计算每个分组中每个第一轨道卫星的适应度值；适应度值由卫星能量消耗、簇间距离和卫星中心度计算得到，卫星中心度为第一轨道卫星到第一轨道卫星对应的簇首之间的距离；根据适应度值，采用自适应粒子群算法对初始局部最优值和初始全局最优值进行迭代更新，获得每个分组的最终全局最优值；将具备分组的最终全局最优值的第一轨道卫星作为分组的最优簇首，并根据最优簇首对双层卫星网络进行分簇。
26.在一些实施例的步骤s100至步骤s300中，为了使得计算量降低，本实施例通过在每个时隙中，将多个第一轨道卫星和第二轨道卫星分为多个分组，其中，在每个分组中一个第二轨道卫星通信连接多个第一轨道卫星，每个分组中的第二轨道卫星之间通信连接，从每个分组中选取对应初始簇首，根据初始簇首计算得到每个分组的初始局部最优值和初始全局最优值，初始簇首是与第二轨道卫星可见时间最长的第一轨道卫星；为了实现卫星网络的负载均衡，保证卫星网络数据传输的稳定性和可靠性，本实施例通过计算每个分组中每个第一轨道卫星的适应度值，适应度值由卫星能量消耗、簇间距离和卫星中心度计算得到，卫星中心度为第一轨道卫星到第一轨道卫星对应的簇首之间的距离，根据适应度值，采用自适应粒子群算法对初始局部最优值和初始全局最优值进行迭代更新，获得每个分组的最终全局最优值；将具备分组的最终全局最优值的第一轨道卫星作为分组的最优簇首，并根据最优簇首对双层卫星网络进行分簇。
27.在一些实施例中，将双层卫星网络的运动周期分割为多个时隙，包括：根据第一轨道卫星和第二轨道卫星进行通信的通信约束条件和双层卫星网络中的第一轨道卫星和第二轨道卫星随时间变化的坐标，计算每个时隙切换的时间；基于每个时隙切换的时间，将双层卫星网络的运动周期分割为多个时隙。
28.在本实施例中，根据第一轨道卫星和第二轨道卫星进行通信的通信约束条件和双层卫星网络中的第一轨道卫星和第二轨道卫星随时间变化的坐标，将双层卫星网络的运动周期分割为多个时隙，而不是等间隔的划分时隙，因此，本实施例划分的时隙更符合实际情况，以使后面进行分簇的结果更加准确。
29.在一些实施例中，通过如下方式计算卫星能量消耗：计算每个分组中每个第一轨道卫星的能量消耗；
将每个第一轨道卫星的能量消耗与簇首剩余能量的比值进行求和，获得卫星能量消耗。
30.在本实施例中，在选择最优簇首时进行能量消耗的评估，这有助于实现卫星网络的负载均衡和能量优化，提高网络的稳定性和可靠性。
31.在一些实施例中，通过如下方式计算簇间距离：计算每个分组中任意两个第一轨道卫星之间的距离；并对每个计算得到的任意两个第一轨道卫星之间的距离进行求和，获得总距离；根据总距离和每个分组中的第一轨道卫星数量，计算得到簇间距离。
32.在本实施例中，引入了簇间距离作为指标之一，以确保各个簇之间的合理距离，通过适当的簇间距离设置，可以减少干扰和冲突，提高通信效率和数据传输质量。
33.在一些实施例中，通过如下方式计算卫星中心度：计算每个分组中每个第一轨道卫星到中心节点的第一距离；比较计算得到的每个第一距离，将最小第一距离作为卫星中心度。
34.在本实施例中，选取中心度较高的卫星作为簇首可以提高网络的整体性能和稳定性。
35.在一些实施例中，通过如下方式计算适应度值，包括：为卫星能量消耗、簇间距离和卫星中心度设置对应的权重值；根据能量消耗、簇间距离和卫星中心度及其对应的权重值进行加权求和，得到适应度值。
36.在本实施例中，由于适应度值是根据能量消耗、簇间距离和卫星中心度计算得到的，能够实现卫星网络的负载均衡。
37.在一些实施例中，在采用自适应粒子群算法对初始局部最优值和初始全局最优值进行迭代更新之前，基于自适应粒子群算法的双层卫星网络分簇方法还包括：获取当前局部迭代的最佳位置和所有粒子在全局迭代过程中的最佳位置；粒子为第一轨道卫星；将当前局部迭代的最佳位置和所有粒子在全局迭代过程中的最佳位置的比值除以当前迭代次数，获得第一数值；对第一数值进行取反，获得第二数值；根据第二数值进行自然指数求解，获得第三数值；将第三数值和最小权重值相乘，获得自适应权重。
38.在本实施例中，在算法的迭代过程中，权重会逐次降低，这对于权重来说，局部最优和全局最优处于一种互相制约的状态，而通过自适应权重可以实现自适应粒子群算法的自适应优化，避免权重过小，线性下降可能无法保证粒子从局部最优状态跳出来。
39.为方便本领域人员理解，以下提供一组最佳实施例：步骤1：构建双层卫星网络模型。
40.每颗卫星建模为具有自治能力的智能体单元，所有卫星都具有独立通信、计算的能力，并根据卫星所在的层次赋予不同的任务需求，各智能体之间通过相对信息交互及协同工作来完成卫星网络分组模型的构建。
41.利用卫星运动的可预测性，在leo/meo双层卫星网络中，由于卫星运动具有周期
性，网络拓扑结构也是处于周期性的动态变化之中，因此可以采取“快照”的方式，将卫星的运动周期t划分为一系列时隙t，在每个时隙内，将拓扑结构近似为静态结构，并在下一时隙到来时对拓扑结构进行更新，这种策略使得网络的拓扑离散化，所有的拓扑切换时间点和每个时隙内的节点连接关系都可预先计算。
42.采用一种虚拟拓扑分组策略，将leo卫星（即第一轨道卫星）划分成组，每组分配一颗meo卫星（即第二轨道卫星）作为管理者，当时隙切换时leo卫星组就必须进行重新分组划分的过程，对应的meo卫星管理者也必须及时更新其管理权限。
43.如图2所示，采用地球中心o作为坐标原点，选定赤道平面作为x轴和y轴的存在平面，同时z轴垂直赤道平面并通过地心，这样就构建了一个卫星位置坐标系，则卫星随时间变化的坐标可以由下式来表示：meo卫星与leo卫星建立星间通信链路时，两者之间需要一定的仰角。只有当仰角大于最小临界仰角时，表示leo卫星处在meo卫星的可见覆盖范围内，这样meo卫星与leo卫星之间才能进行通信。在图3中，a 点表示地心，b点表示leo卫星，c点表示meo卫星，则两者之间的星间通信需满足下式：其中，bc的计算公式为：其中，表示时刻的坐标，表示时刻的坐标，表示时刻的坐标，表示leo卫星或meo卫星与地心的距离，表示leo卫星或meo卫星的角速度，表示轨道平面与赤道平面交线与y轴正半轴之间的角度，表示leo卫星或meo卫星的初相位，表示leo卫星或meo卫星轨道平面的倾角，表示leo卫星到地心的距离，表示meo卫星到地心的距离，表示leo卫星到meo卫星的距离，表示最小临界仰角。
44.综合上述公式，可以求得leo卫星和meo卫星之间可见覆盖关系的改变时刻，即时隙片切换的时刻，根据时隙片切换的时刻将双层卫星网络的运动周期分割为多个时隙。
45.步骤2：基于自适应粒子群算法的自组织分簇。
46.参照图4，图4中（a）表示产生新节点，图4中（b）表示融入新节点，图4中（c）表示动态扩展（即基于自适应粒子群算法的自组织分簇），首先选取高层meo卫星下覆盖范围内可见时间最长的leo卫星作为初始簇头，所有非簇首节点将其能量传输至初始簇头，并根据初始簇头初始化节点（即leo卫星）的局部最优位置和当前全部节点的全局最优位置。全局优化是自适应粒子群算法关键性的参数。迭代权重在很大程度上影响着自适应粒子群算法的收敛性。较大的权重有助于自适应粒子群算法突破局部最优的束缚，而相对较小的权重则有利于加快自适应粒子群算法收敛的速度，常用的线性迭代权重如式：
其中，w表示迭代权重，表示最大权重值，表示最小权重值，表示最大迭代次数，表示迭代次数。在这个公式中，如果权重过小，线性下降可能无法保证粒子从局部最优状态跳出，因此基于这一点，本实施例进行非线性的自适应权重调整,定义函数如下所示：整,定义函数如下所示：其中，表示所述迭代权重的最小值，表示粒子在当前局部迭代的最佳位置与所有粒子在全局迭代过程中的最佳位置的比值，表示粒子在当前局部迭代的最佳位置，表示所有粒子在全局迭代过程中的最佳位置。由自适应权重函数定义可推知，大于。这确立了在算法的迭代过程中，权重会逐次降低，对于权重来说，局部最优和全局最优处于一种互相制约的状态，可以通过自适应权重实现自适应粒子群算法的自适应优化。
47.综合考虑卫星能量消耗、簇间距离和卫星中心度等因素来实现负载均衡，为了能够让自适应粒子群算法达到此问题的解空间，提出适应度函数如下所示：其中，、和表示权重系数，表示适应度值。
48.计算卫星能量消耗为：计算簇间距离为：计算卫星中心度为：其中，表示卫星能量消耗，表示簇间距离，表示卫星中心度，表示一定区域内的簇空间，表示节点的能量消耗，表示其他节点，表示簇首节点的剩余能量，表示簇空间中的节点数量，表示中心节点（即簇首节点）。
49.接着进行自适应粒子群算法的迭代更新，迭代公式如下：接着进行自适应粒子群算法的迭代更新，迭代公式如下：其中，表示时刻粒子的速率，表示迭代权重，表示时刻粒子的速率，和表示学习因子，和表示随机数，表示粒子在当前局部迭代的最佳位置，表示时刻粒子的位置，表示所有粒子在全局迭代过程中的最佳位置，表示时刻粒子的位置。为了确保节点的传输路径位于问题的解空间内，若将发生偏离趋势，就需要人为地将其限制在解空间边缘，其中，由于卫星之间传输只能和局部范围的可见卫星之间建立通信链路，所以有的卫星之间是不会有路径的，这里的解空间是保证不
会发生把没有路径之间的两个卫星放在同一个分组里。然后，会对节点的适应度函数进行更新，若其适应度值低于上一次迭代的局部最优值，则进行局部最优值的更新。若该节点的最小局部最优值低于全局最优值，则更新全局最优值。自适应粒子群算法将持续进行迭代更新和搜索，直到达到预设的最大迭代次数，获得每个分组的最终全局最优值；将每个分组的最终全局最优值分配给合适的节点，选取此节点作为分组的簇首，由簇首负责向其他节点推送信息，以此方式形成动态聚簇。
50.参照图5，本发明实施例还提供了一种基于自适应粒子群算法的双层卫星网络分簇系统，本基于自适应粒子群算法的双层卫星网络分簇系统包括：时隙分割单元100，用于将双层卫星网络的运动周期分割为多个时隙；卫星分组单元200，用于在每个时隙中，将多个第一轨道卫星和第二轨道卫星分为多个分组；其中，在每个分组中一个第二轨道卫星通信连接多个第一轨道卫星，每个分组中的第二轨道卫星之间通信连接；从每个分组中选取对应初始簇首，根据初始簇首计算得到每个分组的初始局部最优值和初始全局最优值；初始簇首是与第二轨道卫星可见时间最长的第一轨道卫星；网络分簇单元300，用于计算每个分组中每个第一轨道卫星的适应度值；适应度值由卫星能量消耗、簇间距离和卫星中心度计算得到，卫星中心度为第一轨道卫星到第一轨道卫星对应的簇首之间的距离；根据适应度值，采用自适应粒子群算法对初始局部最优值和初始全局最优值进行迭代更新，获得每个分组的最终全局最优值；将具备分组的最终全局最优值的第一轨道卫星作为分组的最优簇首，并根据最优簇首对双层卫星网络进行分簇。
51.需要说明的是，由于本实施例中的一种基于自适应粒子群算法的双层卫星网络分簇系统与上述的一种基于自适应粒子群算法的双层卫星网络分簇方法基于相同的发明构思，因此，方法实施例中的相应内容同样适用于本系统实施例，此处不再详述。
52.本技术实施例还提供了一种电子设备，该电子设备包括：至少一个存储器，至少一个处理器，至少一个计算机程序，至少一个计算机程序被存储在至少一个存储器中，至少一个处理器执行至少一个计算机程序以实现上述实施例中任一种基于自适应粒子群算法的双层卫星网络分簇方法。该电子设备可以为包括平板电脑、车载电脑等任意智能终端。
53.参照图6，图6示意了另一实施例的一种电子设备的硬件结构，该电子设备包括：处理器810，可以采用通用的cpu(centralprocessingunit，中央处理器)、微处理器、应用专用集成电路(applicationspecificintegratedcircuit，asic)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本技术实施例所提供的技术方案；存储器820，可以采用只读存储器（readonlymemory，rom）、静态存储设备、动态存储设备或者随机存取存储器(randomaccessmemory，ram)等形式实现。存储器820可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器820中，并由处理器810来调用执行本技术实施例的一种基于自适应粒子群算法的双层卫星网络分簇方法；输入/输出接口830，用于实现信息输入及输出；通信接口840，用于实现本设备与其他设备的通信交互，可以通过有线方式（例如usb、网线等）实现通信，也可以通过无线方式（例如移动网络、wifi、蓝牙等）实现通信；
总线850，在设备的各个组件（例如处理器810、存储器820、输入/输出接口830和通信接口840）之间传输信息；其中处理器810、存储器820、输入/输出接口830和通信接口840通过总线850实现彼此之间在设备内部的通信连接。
54.本技术实施例还提供了一种存储介质，该存储介质为计算机可读存储介质，该计算机可读存储介质存储有计算机程序，计算机程序用于使计算机执行上述实施例中任一种基于自适应粒子群算法的双层卫星网络分簇方法。
55.存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储、闪存、或其他非暂态固态存储。在一些实施方式中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
56.本技术实施例描述的实施例是为了更加清楚的说明本技术实施例的技术方案，并不构成对于本技术实施例提供的技术方案的限定，本领域技术人员可知，随着技术的演变和新应用场景的出现，本技术实施例提供的技术方案对于类似的技术问题，同样适用。
57.本领域技术人员可以理解的是，图1中示出的技术方案并不构成对本技术实施例的限定，可以包括比图示更多或更少的步骤，或者组合某些步骤，或者不同的步骤。
58.以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
59.本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、设备中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。
60.本技术的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
61.应当理解，在本技术中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“a和/或b”可以表示：只存在a，只存在b以及同时存在a和b三种情况，其中a，b可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。
62.在本技术所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，上述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结
合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
63.上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
64.另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
65.集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括多指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本技术各个实施例的方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-only memory，简称rom)、随机存取存储器(random access memory，简称ram)、磁碟或者光盘等各种可以存储程序的介质。
66.以上参阅附图说明了本技术实施例的优选实施例，并非因此局限本技术实施例的权利范围。本领域技术人员不脱离本技术实施例的范围和实质内所作的任何修改、等同替换和改进，均应在本技术实施例的权利范围之内。

技术特征：
1.一种基于自适应粒子群算法的双层卫星网络分簇方法，其特征在于，所述双层卫星网络包括多个第一轨道卫星和第二轨道卫星，所述第二轨道卫星的轨道比所述第一轨道卫星的轨道高，所述基于自适应粒子群算法的双层卫星网络分簇方法包括：将所述双层卫星网络的运动周期分割为多个时隙；在每个时隙中，将所述多个第一轨道卫星和第二轨道卫星分为多个分组；其中，在每个所述分组中一个第二轨道卫星通信连接多个第一轨道卫星，每个所述分组中的第二轨道卫星之间通信连接；从每个分组中选取对应初始簇首，根据所述初始簇首计算得到每个所述分组的初始局部最优值和初始全局最优值；所述初始簇首是与第二轨道卫星可见时间最长的第一轨道卫星；计算每个所述分组中每个第一轨道卫星的适应度值；所述适应度值由卫星能量消耗、簇间距离和卫星中心度计算得到，所述卫星中心度为第一轨道卫星到所述第一轨道卫星对应的簇首之间的距离；根据所述适应度值，采用自适应粒子群算法对所述初始局部最优值和所述初始全局最优值进行迭代更新，获得每个所述分组的最终全局最优值；将具备所述分组的所述最终全局最优值的第一轨道卫星作为所述分组的最优簇首，并根据所述最优簇首对所述双层卫星网络进行分簇。2.根据权利要求1所述的基于自适应粒子群算法的双层卫星网络分簇方法，其特征在于，所述将所述双层卫星网络的运动周期分割为多个时隙，包括：根据所述第一轨道卫星和所述第二轨道卫星进行通信的通信约束条件和所述双层卫星网络中的第一轨道卫星和第二轨道卫星随时间变化的坐标，计算每个时隙切换的时间；基于所述每个时隙切换的时间，将所述双层卫星网络的运动周期分割为多个时隙。3.根据权利要求1所述的基于自适应粒子群算法的双层卫星网络分簇方法，其特征在于，通过如下方式计算所述卫星能量消耗：计算每个分组中每个第一轨道卫星的能量消耗；将每个所述第一轨道卫星的所述能量消耗与簇首剩余能量的比值进行求和，获得卫星能量消耗。4.根据权利要求3所述的基于自适应粒子群算法的双层卫星网络分簇方法，其特征在于，通过如下方式计算所述簇间距离：计算每个分组中任意两个第一轨道卫星之间的距离；并对每个计算得到的任意两个第一轨道卫星之间的距离进行求和，获得总距离；根据所述总距离和所述每个分组中的第一轨道卫星数量，计算得到簇间距离。5.根据权利要求4所述的基于自适应粒子群算法的双层卫星网络分簇方法，其特征在于，通过如下方式计算所述卫星中心度：计算每个分组中每个第一轨道卫星到中心节点的第一距离；比较计算得到的每个所述第一距离，将最小第一距离作为卫星中心度。6.根据权利要求5所述的基于自适应粒子群算法的双层卫星网络分簇方法，其特征在于，通过如下方式计算所述适应度值，包括：为所述卫星能量消耗、所述簇间距离和所述卫星中心度设置对应的权重值；根据所述能量消耗、所述簇间距离和所述卫星中心度及其对应的所述权重值进行加权求和，得到适应度值。
7.根据权利要求5所述的基于自适应粒子群算法的双层卫星网络分簇方法，其特征在于，在采用自适应粒子群算法对所述初始局部最优值和所述初始全局最优值进行迭代更新之前，所述基于自适应粒子群算法的双层卫星网络分簇方法还包括：获取当前局部迭代的最佳位置和所有粒子在全局迭代过程中的最佳位置；所述粒子为第一轨道卫星；将所述当前局部迭代的最佳位置和所述所有粒子在全局迭代过程中的最佳位置的比值除以当前迭代次数，获得第一数值；对所述第一数值进行取反，获得第二数值；根据所述第二数值进行自然指数求解，获得第三数值；将所述第三数值和最小权重值相乘，获得自适应权重。8.一种基于自适应粒子群算法的双层卫星网络分簇系统，其特征在于，所述基于自适应粒子群算法的双层卫星网络分簇系统包括：时隙分割单元，用于将所述双层卫星网络的运动周期分割为多个时隙；卫星分组单元，用于在每个时隙中，将多个第一轨道卫星和第二轨道卫星分为多个分组；其中，在每个所述分组中一个第二轨道卫星通信连接多个第一轨道卫星，每个所述分组中的第二轨道卫星之间通信连接；从每个分组中选取对应初始簇首，根据所述初始簇首计算得到每个所述分组的初始局部最优值和初始全局最优值；所述初始簇首是与第二轨道卫星可见时间最长的第一轨道卫星；网络分簇单元，用于计算每个所述分组中每个第一轨道卫星的适应度值；所述适应度值由卫星能量消耗、簇间距离和卫星中心度计算得到，所述卫星中心度为第一轨道卫星到所述第一轨道卫星对应的簇首之间的距离；根据所述适应度值，采用自适应粒子群算法对所述初始局部最优值和所述初始全局最优值进行迭代更新，获得每个所述分组的最终全局最优值；将具备所述分组的所述最终全局最优值的第一轨道卫星作为所述分组的最优簇首，并根据所述最优簇首对所述双层卫星网络进行分簇。9.一种电子设备，其特征在于，包括：至少一个存储器；至少一个处理器；至少一个计算机程序；所述至少一个计算机程序被存储在所述至少一个存储器中，所述至少一个处理器执行所述至少一个计算机程序以实现：如权利要求1至7任一项所述的基于自适应粒子群算法的双层卫星网络分簇方法。10.一种存储介质，所述存储介质为计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序用于使计算机执行：如执行权利要求1至7任一项所述的基于自适应粒子群算法的双层卫星网络分簇方法。

技术总结
本发明公开了一种基于自适应粒子群算法的双层卫星网络分簇方法和系统，本方法将双层卫星网络的运动周期分割为多个时隙；在每个时隙中，将多个第一轨道卫星和第二轨道卫星分为多个分组；从每个分组中选取对应初始簇首，根据初始簇首计算得到每个分组的初始局部最优值和初始全局最优值；计算每个分组中每个第一轨道卫星的适应度值；根据适应度值，采用自适应粒子群算法对初始局部最优值和初始全局最优值进行迭代更新，获得每个分组的最终全局最优值；将具备分组的最终全局最优值的第一轨道卫星作为分组的最优簇首，并根据最优簇首对双层卫星网络进行分簇。本发明能够降低计算量并保证卫星网络数据传输的稳定性和可靠性。保证卫星网络数据传输的稳定性和可靠性。保证卫星网络数据传输的稳定性和可靠性。


技术研发人员：郁松 宁浩 龙军 刘丽敏
受保护的技术使用者：中南大学
技术研发日：2023.07.19
技术公布日：2023/8/28