卫星资源分配方法、装置和电子设备

摘要

本发明提供了一种卫星资源分配方法、装置和电子设备，涉及卫星资源分配技术领域，该方法首先获取目标卫星的待分配资源，其中，待分配资源包括计算任务数据和/或传输任务数据；然后通过待分配资源构建计算模型和传输模型，计算模型用于计算计算任务数据在分配过程中的能耗；传输模型用于计算传输任务数据在分配过程中的能耗；再根据目标数学模型确定目标资源分配方案；最后基于目标资源分配方案确定目标卫星的资源分配方式。该方法可将卫星系统的能耗最小化问题分解为时延约束耦合下的传输能耗子问题与/或计算能耗子问题，并利用虚拟机资源分配模块与功率资源分配模块进行联合迭代优化，进一步降低能量损耗。

权利要求

1.一种卫星资源分配方法，其特征在于，所述方法包括：获取目标卫星的待分配资源，其中，所述待分配资源包括计算任务数据和/或传输任务数据；

通过所述待分配资源构建目标数学模型；其中，所述目标数学模型包括：计算模型和传输模型，所述计算模型用于计算所述计算任务数据在分配过程中的能耗；所述传输模型用于计算所述传输任务数据在分配过程中的能耗；

根据所述目标数学模型确定目标资源分配方案；其中，所述目标资源分配方案包括：计算资源分配方案和传输资源分配方案；所述计算资源分配方案为所述计算任务数据的分配方案；所述传输资源分配方案为传输任务数据的分配方案；

基于所述目标资源分配方案确定所述目标卫星的资源分配方式；

基于所述目标资源分配方案确定所述目标卫星的资源分配方式的步骤，包括：通过预先设置的拉格朗日乘子对所述传输资源分配方案进行计算，获取功率分配方案中的数据传输时延结果；

通过原始对偶内点法对所述计算资源分配方案进行计算，获取虚拟机分配方案中的数据传输时延结果；

当所述功率分配方案中的数据传输时延结果以及所述虚拟机分配方案中的数据传输时延结果之和满足预设时延阈值时，将所述传输资源分配方案以及虚拟机分配方案作为所述卫星的资源分配方案；

所述通过原始对偶内点法对所述计算资源分配方案进行计算，获取所述虚拟机分配方案中的数据传输时延结果的步骤之后，还包括：判断所述传输资源分配方案以及虚拟机分配方案是否同时收敛。

2.根据权利要求1所述的卫星资源分配方法，其特征在于，所述计算模型的构建过程，包括：

根据所述计算任务数据，获取与用户数据对应的虚拟机；

通过所述虚拟机获得的用户分配方案，构建时间计算单元以及能耗计算单元；

根据所述时间计算单元以及能耗计算单元，构建所述计算模型。

3.根据权利要求2所述的卫星资源分配方法，其特征在于，所述传输模型的构建过程，包括：

初始化数据传输链路；其中，所述数据传输链路包括云端到地面站的前向传输链路、地面站到卫星的馈电链路以及卫星到用户的星地链路；

通过所述前向传输链路构建前向传输单元；通过所述馈电链路构建馈电传输单元；通过所述星地链路构建星地传输单元；

根据所述前向传输单元、馈电传输单元以及星地传输单元，构建所述传输模型。

4.根据权利要求3所述的卫星资源分配方法，其特征在于，所述计算资源分配方案的获取过程，包括：

获取所述计算模型中能耗最低时的所述虚拟机分配方案；

通过原始对偶内点法对所述虚拟机分配方案进行求解，所得结果作为所述计算资源分配方案。

5.根据权利要求4所述的卫星资源分配方法，其特征在于，所述传输资源分配方案的获取过程，包括：

获取所述传输模型中传输能耗最小时的功率分配方案；

通过拉格朗日对偶法对所述功率分配方案进行求解，所得结果作为所述传输资源分配方案。

6.一种卫星资源分配装置，其特征在于，所述装置包括：数据获取模块，用于获取目标卫星的待分配资源，其中，所述待分配资源包括计算任务数据和/或传输任务数据；

模型构建模块，用于通过所述待分配资源构建目标数学模型；其中，所述目标数学模型包括：计算模型和传输模型，所述计算模型用于计算所述计算任务数据在分配过程中的能耗；所述传输模型用于计算所述传输任务数据在分配过程中的能耗；

资源分配模块，用于根据所述目标数学模型确定目标资源分配方案；其中，所述目标资源分配方案包括：计算资源分配方案和传输资源分配方案；所述计算资源分配方案为所述计算任务数据的分配方案；所述传输资源分配方案为传输任务数据的分配方案；

方案确定模块，用于基于所述目标资源分配方案确定所述目标卫星的资源分配方式；

所述方案确定模块，还包括：

第一数据传输时延结果确定模块，用于通过预先设置的拉格朗日乘子对传输资源分配方案进行计算，获取功率分配方案中的数据传输时延结果；

第二数据传输时延结果确定模块，用于通过原始对偶内点法对所述计算资源分配方案进行计算，获取虚拟机分配方案中的数据传输时延结果；

方案判定模块，用于当所述功率分配方案中的数据传输时延结果以及所述虚拟机分配方案中的数据传输时延结果之和满足预设时延阈值时，将所述传输资源分配方案以及虚拟机分配方案作为所述卫星的资源分配方案；

所述方案确定模块，还包括：

收敛计算模块，用于所述通过原始对偶内点法对所述计算资源分配方案进行计算，获取所述虚拟机分配方案中的数据传输时延结果的步骤之后，还包括：判断所述传输资源分配方案以及虚拟机分配方案是否同时收敛。

7.一种电子设备，其特征在于，包括：处理器和存储装置；所述存储装置上存储有计算机程序，所述计算机程序在被所述处理器运行时执行如权利要求1至5任一项所述的卫星资源分配方法的步骤。

8.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器运行时执行上述权利要求1至5任一项所述的卫星资源分配方法的步骤。

说明书

卫星资源分配方法、装置和电子设备

技术领域

[0001] 本发明涉及卫星资源分配技术领域，尤其是涉及一种卫星资源分配方法、装置和电子设备。

背景技术

[0002] 在现有多卫星协同的集中式管理架构下，卫星系统的数据中心可快速获取全网中所有卫星、基站与运控中心的资源状态、通道状态和业务数据等，并通过全局决策实现最优
的资源管理。卫星资源利用能力提升的同时，过多的数据交互和复杂的运算决策会导致巨
大的能量损耗。因此，如何降低多星协同下的能耗，成为了现有天基信息传输网络中亟待解
决的问题。

[0003] 可见，针对天基信息传输网络中多星协同的能效优化问题，现有技术中还缺少相关解决方案。

发明内容

[0004] 有鉴于此，本发明的目的在于提供一种卫星资源分配方法、装置和电子设备，可通过将卫星系统的能耗最小化问题分解为时延约束耦合下的传输能耗子问题以及计算能耗
子问题，并利用虚拟机资源分配模块与功率资源分配模块进行联合迭代优化，进一步降低
能量损耗。

[0005] 第一方面，本发明实施例提供了一种卫星资源分配方法，该方法包括：

[0006] 获取目标卫星的待分配资源，其中，待分配资源包括计算任务数据和/或传输任务数据；

[0007] 通过待分配资源构建目标数学模型；其中，目标数学模型包括：计算模型和传输模型，计算模型用于计算计算任务数据在分配过程中的能耗；传输模型用于计算传输任务数
据在分配过程中的能耗；

[0008] 根据目标数学模型确定目标资源分配方案；其中，目标资源分配方案包括：计算资源分配方案和传输资源分配方案；计算资源分配方案为计算任务数据的分配方案；传输资
源分配方案为传输任务数据的分配方案；

[0009] 基于目标资源分配方案确定目标卫星的资源分配方式。

[0010] 在一些实施方式中，上述计算模型的构建过程，包括：

[0011] 根据计算任务数据，获取与用户数据对应的虚拟机；

[0012] 通过虚拟机获得的用户分配方案，构建时间计算单元以及能耗计算单元；

[0013] 根据时间计算单元以及能耗计算单元，构建计算模型。

[0014] 在一些实施方式中，上述传输模型的构建过程，包括：

[0015] 初始化数据传输链路；其中，数据传输链路包括云端到地面站的前向传输链路；地面站到卫星的馈电链路以及卫星到用户的星地链路；

[0016] 通过前向传输链路构建前向传输单元；通过馈电链路构建馈电传输单元、通过星地链路构建星地传输单元；

[0017] 根据前向传输单元、馈电传输单元以及星地传输单元，构建传输模型。

[0018] 在一些实施方式中，上述计算资源分配方案的获取过程，包括：

[0019] 获取计算模型中能耗最低时的虚拟机分配方案；

[0020] 通过原始对偶内点法对虚拟机分配方案进行求解，所得结果作为计算资源分配方案。

[0021] 在一些实施方式中，上述传输资源分配方案的获取过程，包括：

[0022] 获取传输模型中传输能耗最小时的功率分配方案；

[0023] 通过拉格朗日对偶法对功率分配方案进行求解，所得结果作为传输资源分配方案。

[0024] 在一些实施方式中，上述基于目标资源分配方案确定目标卫星的资源分配方式的步骤，包括：

[0025] 通过预先设置的拉格朗日乘子对传输资源分配方案进行计算，获取功率分配方案中的数据传输时延结果；

[0026] 通过原始对偶内点法对计算资源分配方案进行计算，获取虚拟机分配方案中的数据传输时延结果；

[0027] 当功率分配方案中的数据传输时延结果以及虚拟机分配方案中的数据传输时延结果之和满足预设时延阈值时，将传输资源分配方案以及虚拟机分配方案作为卫星的资源
分配方案。

[0028] 在一些实施方式中，上述通过原始对偶内点法对计算资源分配方案进行计算，获取虚拟机分配方案中的数据传输时延结果的步骤之后，还包括：判断传输资源分配方案以
及虚拟机分配方案是否同时收敛。

[0029] 第二方面，本发明实施例提供了一种卫星资源分配装置，该装置包括：

[0030] 数据获取模块，用于获取目标卫星的待分配资源，其中，待分配资源包括计算任务数据和/或传输任务数据；

[0031] 模型构建模块，用于通过待分配资源构建目标数学模型；其中，目标数学模型包括：计算模型和传输模型，计算模型用于计算计算任务数据在分配过程中的能耗；传输模型
用于计算传输任务数据在分配过程中的能耗；

[0032] 资源分配模块，用于根据目标数学模型确定目标资源分配方案；其中，目标资源分配方案包括：计算资源分配方案和传输资源分配方案；计算资源分配方案为计算任务数据
的分配方案；传输资源分配方案为传输任务数据的分配方案；

[0033] 方案确定模块，用于基于目标资源分配方案确定目标卫星的资源分配方式。

[0034] 第三方面，本发明实施例还提供一种电子设备，包括存储器、处理器，存储器中存储有可在处理器上运行的计算机程序，其中，处理器执行计算机程序时实现上述第一方面
的方法的步骤。

[0035] 第四方面，本发明实施例还提供一种具有处理器可执行的非易失的程序代码的计算机可读介质，其中，程序代码使处理器执行上述第一方面方法。

[0036] 本发明实施例带来了以下有益效果：

[0037] 本发明提供了一种卫星资源分配方法、装置和电子设备，该方法首先获取目标卫星的待分配资源，其中，待分配资源包括计算任务数据和/或传输任务数据；然后通过待分
配资源构建目标数学模型；其中，目标数学模型包括：计算模型和传输模型，计算模型用于
计算计算任务数据在分配过程中的能耗；传输模型用于计算传输任务数据在分配过程中的
能耗；再根据目标数学模型确定目标资源分配方案；其中，目标资源分配方案包括：计算资
源分配方案和传输资源分配方案；计算资源分配方案为计算任务数据的分配方案；传输资
源分配方案为传输任务数据的分配方案；最后基于目标资源分配方案确定目标卫星的资源
分配方式。该方法可将卫星系统的能耗最小化问题分解为时延约束耦合下的传输能耗子问
题与/或计算能耗子问题，并利用虚拟机资源分配模块与功率资源分配模块进行联合迭代
优化，进一步降低能量损耗。

[0038] 本发明的其他特征和优点将在随后的说明书中阐述，或者，部分特征和优点可以从说明书推知或毫无疑义地确定，或者通过实施本发明的上述技术即可得知。

[0039] 为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施方式，并配合所附附图，作详细说明如下。

附图说明

[0040] 为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的
附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前
提下，还可以根据这些附图获得其他的附图。

[0041] 图1为本发明实施例提供的卫星资源分配方法的流程图；

[0042] 图2为本发明实施例提供的卫星资源分配方法中计算模型的构建流程图；

[0043] 图3为本发明实施例提供的卫星资源分配方法中计算资源分配方案获取过程的流程图；

[0044] 图4为本发明实施例提供的卫星资源分配方法中传输模型的构建流程图；

[0045] 图5为本发明实施例提供的卫星资源分配方法中传输资源分配方案获取过程的流程图；

[0046] 图6为本发明实施例提供的卫星资源分配方法中，基于目标资源分配方案确定目标卫星的资源分配方式的流程图；

[0047] 图7为本发明实施例提供的采用卫星资源分配方法的仿真场景示意图；

[0048] 图8为本发明实施例提供的采用卫星资源分配方法的仿真结果汇总图；

[0049] 图9为本发明实施例提供的一种卫星资源分配装置的结构示意图；

[0050] 图10为本发明实施例提供的另一种卫星资源分配装置的结构示意图；

[0051] 图11为本发明实施例提供的一种电子设备的结构示意图。

[0052] 图标：

[0053] 910‑数据获取模块；920‑模型构建模块；930‑资源分配模块；940‑方案确定模块；1001‑系统能耗构建模块；1002‑系统能耗分解模块；1003‑计算能耗控制模块；1004‑计算资
源分配模块；1005‑传输能耗控制模块；1006‑传输资源分配模块；1007‑资源联合优化模块；
101‑处理器；102‑存储器；103‑总线；104‑通信接口。

具体实施方式

[0054] 为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是
全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提
下所获得的所有其他实施例，都属于本发明保护的范围。

[0055] 当前天基信息传输网络的资源较为稀缺，且随着业务需求的多样化与爆炸式增长，最大化全网通信资源利用效率成为了天基信息传输网络面临的主要挑战之一。为了提
升卫星资源利用效率，在多星协同通信系统中引入了云端处理中心，卫星通过其地面站连
接至云端进行资源优化，所有信号处理及干扰管理均在云端集中进行，这种基于云处理的
多星协同资源管理架构实现了通信资源的整合与资源的高效利用，为资源利用效率的提升
提供了新思路。

[0056] 在多星协同的集中式管理架构下，卫星系统的数据中心可快速获取全网中所有卫星、基站与运控中心的资源状态、通道状态和业务数据等，并通过全局决策，实现最优的资
源管理。基于云处理的多星协同资源管理架构带来资源利用能力提升的同时，过多的数据
交互和复杂的运算决策会导致巨大的能量损耗，因此，如何实现多星协同下的能耗最小化
成为了当前天基信息传输网络中亟待解决的关键问题之一。

[0057] 在基于云处理的多星协同资源管理架构下，所有的计算、存储与通信资源均被虚拟化，并由数据中心统一管理，可通过对多域资源的灵活调配，提升网络的能量效率。通信
资源主要包括带宽、波束和功率等，通信资源分配的核心是满足各类用户的QoS(Quality 
of Service，服务质量)需求。计算资源则通常被划分为多个虚拟机，依据各用户资源管理
所需的计算规模进行匹配与划分。为实现网络能耗的最小化，需要同时优化计算资源与通
信资源的分配方案。针对天基信息传输网络中多星协同的能效优化问题，现有技术中还缺
少相关解决方案。

[0058] 基于此，本发明实施例提供的一种卫星资源分配方法、装置和电子设备，可通过将卫星系统的能耗最小化问题分解为时延约束耦合下的传输能耗子问题以及计算能耗子问
题，并利用虚拟机资源分配模块与功率资源分配模块进行联合迭代优化，在业务的计算与
传输在时延约束上耦合的条件下对计算资源与传输资源的联合分配，实现系统能效的最大
化，进一步降低能量损耗。

[0059] 为便于对本实施例进行理解，首先对本发明实施例所公开的一种卫星资源分配方法进行详细介绍。

[0060] 参见图1所示的一种卫星资源分配方法的流程图，其中，该方法具体步骤包括：

[0061] 步骤S101，获取目标卫星的待分配资源，其中，待分配资源包括计算任务数据和/或传输任务数据。

[0062] 对于用户而言，由于卫星周期运动，每个用户仅在可视时间内能与卫星通信，因此目标卫星是在可视范围的卫星中获得。目标卫星均与其地面站相连，所有的目标卫星通过
地面站在云端实现互通，并由数据中心进行统一的决策与管理，所有目标卫星共用同一段
频谱，为覆盖范围内的所有用户提供服务。

[0063] 待分配资源包括计算任务数据和/或传输任务数据，由于卫星系统的能耗主要来自于用户的数据传输以及获取资源分配方案的运算过程，因此计算任务数据对应获取资源
分配方案的运算数据；传输任务数据对应用户的数据传输数据。

[0064] 步骤S102，通过待分配资源构建目标数学模型；其中，目标数学模型包括：计算模型和传输模型，计算模型用于计算该计算任务数据在分配过程中的能耗；传输模型用于计
算该传输任务数据在分配过程中的能耗。

[0065] 目标数学模型是通过对待分配资源进行相关的运算，以能耗的最小化作为目标的数学模型，由目标函数以及约束条件所构成。其中目标数学模型包含两类，一类是用于获取
资源分配方案过程，即计算模型；另一类是用于用户的数据传输，即传输模型。这两类模型
对应的目标函数以及约束条件是不同的，但最终的目的均是实现最少的能耗。

[0066] 目标数学模型中，在能耗的最小化的基础上，还可以增加其它类型的约束条件，例如卫星与用户进行资源分配过程中所消耗的时间等。这些约束条件对应的目标函数可与能
耗对应的目标函数进行结合，使得目标数学模型表征的范围更大，完善模型的适用范围。

[0067] 步骤S103，根据目标数学模型确定目标资源分配方案；其中，目标资源分配方案包括：计算资源分配方案和传输资源分配方案；计算资源分配方案为计算任务数据的分配方
案；传输资源分配方案为传输任务数据的分配方案。

[0068] 目标资源分配方案的获取是通过目标数学模型中的相关约束条件以及目标函数进行计算后得到。例如在约束条件耦合的情况下，对目标数学模型中包含的子模型进行迭
代优化，以实现最少的能耗作为目标。

[0069] 目标资源分配方案包括的计算资源分配方案和传输资源分配方案，分别对应于目标数学模型中的计算模型和传输模型所确定的分配方案，其中计算资源分配方案为计算任
务数据的分配方案；传输资源分配方案为传输任务数据的分配方案。

[0070] 在目标资源分配方案的获取过程是通过对目标数学模型进行求解，从而获得目标资源分配方案。求解的过程中，可将目标数学模型转化为凸优化问题进行求解，也可转化为
相关矩阵形式进行向量计算。

[0071] 步骤S104，基于目标资源分配方案确定目标卫星的资源分配方式。

[0072] 目标资源分配方案中包含计算资源分配方案和传输资源分配方案，因此最终确定的目标卫星的资源分配方式的过程需要结合计算资源分配方案和传输资源分配方案。具体
的，可对目标资源分配的过程进行循环迭代，迭代的过程中的计算资源分配方案对计算任
务数据进行分配；传输资源分配方案对传输任务数据进行分配。分配过程中结合目标数学
模型对应的目标函数以及约束条件的状态进行判断，当满足一定的阈值条件时停止迭代，
从而获得最终的目标卫星的资源分配方式。例如，可选取计算资源分配方案和传输资源分
配方案是否同时收敛作为迭代停止条件，如果同时收敛，则停止迭代，获取此时的计算资源
分配方案和传输资源分配方案，并将上述计算资源分配方案和传输资源分配方案联合分
配，实现了能效的最大化。

[0073] 通过上述实施例中的卫星资源分配方法，可通过将卫星系统的能耗最小化问题分解为时延约束耦合下的传输能耗子问题以及计算能耗子问题，并利用虚拟机资源分配模块
与功率资源分配模块进行联合迭代优化，在业务的计算与传输在时延约束上耦合的条件下
对计算资源与传输资源的联合分配，实现系统能效的最大化，进一步降低能量损耗。

[0074] 在一些实施方式中，上述计算模型的构建过程，如图2所示，包括以下步骤：

[0075] 步骤S201，根据计算任务数据，获取与用户数据对应的虚拟机。

[0076] 计算任务数据中所表征的计算资源，可划分为拥有不同计算能力的虚拟机。每个虚拟机最多只能分配给一个用户，并且一个用户终端能且仅能被一个虚拟机服务。

[0077] 步骤S202，通过虚拟机获得的用户分配方案，构建时间计算单元以及能耗计算单元。

[0078] 在云计算中为了节省系统的计算资源，需要优化虚拟机对于用户的分配方案，通过用户分配方案构建时间计算单元以及能耗计算单元，其中时间计算单元用于计算服务用
户时消耗的计算时间；能耗计算单元用于获得计算过程中的能耗。

[0079] 步骤S203，根据时间计算单元以及能耗计算单元，构建计算模型。

[0080] 在获得时间计算单元以及能耗计算单元之后，结合相关约束条件，即可获得计算模型，该计算模型用于计算计算任务数据在分配过程中的能耗，也可以得到在分配过程中
消耗的时间。

[0081] 计算模型获取后，需要通过计算模型获取计算资源分配方案，在一些实施方式中，上述计算资源分配方案的获取过程，如图3所示，包括：

[0082] 步骤S301，获取计算模型中能耗最低时的虚拟机分配方案。

[0083] 能耗最低时的虚拟机分配方案的获取是通过求解计算模型的方式所实现的，具体的可先对计算模型中的约束条件以及目标函数进行转化，如转化为标准的凸优化问题，以
能耗最低作为约束条件，最终得到虚拟机分配方案。

[0084] 步骤S302，通过原始对偶内点法对虚拟机分配方案进行求解，所得结果作为计算资源分配方案。

[0085] 采用原始对偶内点法对虚拟机分配方案进行计算，首先定义拉格朗日乘子与残差向量，并获取原始对偶内点法的搜索方向，通过更新拉格朗日乘子的大小进而求得最优解，
将该最优解作为计算资源分配方案。

[0086] 传输模型的构建过程，如图4所示，包括：

[0087] 步骤S401，初始化数据传输链路；其中，数据传输链路包括云端到地面站的前向传输链路、地面站到卫星的馈电链路以及卫星到用户的星地链路。

[0088] 数据传输链路在传输模型中为下行的数据传输链路，具体涉及三条链路，包括云端到地面站的前向传输链路、地面站到卫星的馈电链路以及卫星到用户的星地链路。

[0089] 步骤S402，通过前向传输链路构建前向传输单元；通过馈电链路构建馈电传输单元；通过星地链路构建星地传输单元。

[0090] 前向传输单元中的前向传输链路是云端到地面站进行传输链路，通常采用光纤传输，能耗与光纤的性质有关，通常为一个常量。

[0091] 馈电链路需要克服卫星多普勒效应对性能产生的影响，需要的传输功率较大。在馈电传输单元中可计算得到用户的业务数据在馈电链路中的传输时间以及能耗。

[0092] 相比于馈电链路，星地链路的传输模型更为复杂，需要考虑卫星天线数量以及用户对应接收的信号，并根据用户的数据传输速率得到星地链路中用户在相关业务下的传输
时间与能耗。

[0093] 步骤S403，根据前向传输单元、馈电传输单元以及星地传输单元，构建传输模型。

[0094] 结合相关约束条件，传输模型通过上述前向传输单元、馈电传输单元以及星地传输单元进行合并而成。这三个传输单元中所用的相关算式以及约束条件是不同的，但最终
的目的均是实现最少的能耗。

[0095] 传输模型获取后，通过传输模型获取传输资源分配方案，在一些实施方式中，上述传输资源分配方案的获取过程，如图5所示，包括：

[0096] 步骤S501，获取传输模型中传输能耗最小时的功率分配方案。

[0097] 上述过程与计算模型的转化类似，传输模型的计算资源分配问题的目标函数为非凸函数。

[0098] 步骤S502，通过拉格朗日对偶法对功率分配方案进行求解，所得结果作为传输资源分配方案。

[0099] 首先定义对偶问题下的拉格朗日函数，并对该拉格朗日函数进行求导，为了后去最优的传输资源分配方案，可采用牛顿法进行求解，并对功率分配方案通过迭代更新，最终
获得传输资源分配方案。

[0100] 在一些实施方式中，上述基于目标资源分配方案确定目标卫星的资源分配方式的步骤S104，如图6所示，包括：

[0101] 步骤S601，通过预先设置的拉格朗日乘子对传输资源分配方案进行计算，获取功率分配方案中的数据传输时延结果。

[0102] 由于后续步骤需要进行迭代，因此在该步骤中可初始化迭代参数，通常为1，作为迭代过程的参考数据。预先设置的拉格朗日乘子为1个，也可设置为多个。该步骤为功率分
配问题的求解步骤，通过循环计算，可对计算传输资源分配方案进行持续更新，与此同时更
新数据传输时延的结果。

[0103] 步骤S602，通过原始对偶内点法对计算资源分配方案进行计算，获取虚拟机分配方案中的数据传输时延结果。

[0104] 该步骤为对虚拟机的分配问题进行求解，在传输资源分配方案进行计算的同时，对计算资源分配方案进行计算，通过原始对偶内点法求解计算资源分配方案，通过不断迭
代，直至方案收敛，从而获得虚拟机分配方案，并更新数据传输时延的结果。

[0105] 步骤S603，当功率分配方案中的数据传输时延结果以及虚拟机分配方案中的数据传输时延结果之和满足预设时延阈值时，将传输资源分配方案以及虚拟机分配方案作为卫
星的资源分配方案。

[0106] 时延阈值为用户QoS的最大时延，可作为时延约束数据，当功率分配方案中的数据传输时延结果以及虚拟机分配方案中的数据传输时延结果之和满足预设时延阈值作为卫
星资源分配的停止条件，将此时的将传输资源分配方案以及虚拟机分配方案作为卫星的资
源分配方案。

[0107] 在一些实施方式中，上述通过原始对偶内点法对计算资源分配方案进行计算，获取虚拟机分配方案中的数据传输时延结果的步骤之后，还包括：判断传输资源分配方案以
及虚拟机分配方案是否同时收敛。即当功率分配方案中的数据传输时延结果以及虚拟机分
配方案中的数据传输时延结果之和满足预设时延阈值时，此时传输资源分配方案以及虚拟
机分配方案如果同时收敛，则停止计算，获得卫星资源分配方案。

[0108] 上述实施例中的卫星资源分配方法，该方法可将卫星系统的能耗最小化问题分解为时延约束耦合下的传输能耗子问题与/或计算能耗子问题，并利用虚拟机资源分配模块
与功率资源分配模块进行联合迭代优化，能够基于云处理架构的背景下，实了多星协同下
系统能效的优化，进一步降低能量损耗。

[0109] 下面结合具体的模型构建实例，对上述实施方式中提到的卫星资源分配方法进行详细描述。

[0110] 在卫星资源分配过程中，每颗卫星均与其地面站相连，所有卫星通过地面站在云端实现互通，并由数据中心进行统一的决策与管理，所有卫星共用同一段频谱，为覆盖范围
内的所有用户提供服务。卫星资源分配过程采用资源虚拟化技术，通过对通信与计算等多
维资源的联合分配，实现整个系统的能耗最小化。

[0111] 首先建立多星协同架构下系统能耗最小化模型。具体的，若卫星数量为Ns，数据中心通过用户规划，确定了每颗卫星服务的用户集合，将第i颗卫星的用户集合记为
其中Ui,j代表卫星i服务的第j个用户，Ni表示第i颗卫星服务用
户的数量，有 由于系统的能耗主要来自于用户的数据传输以及获取资源
分配方案的运算过程，因此可采用Ui,j的计算任务与传输任务描述该用户，记为Ui,j＝
{Φi,j,Di,j}，其中Φi,j表示求解用户Ui,j相关计算任务需要消耗的CPU运算周期，而Di,j则表
示经过云计算后需要传输给Ui,j的数据量大小。根据上述分析，可分别构建该能效优化问题
的计算模型与传输模型如下：

[0112] (1)计算模型

[0113] 系统的计算资源可被划分为拥有不同计算能力的虚拟机，由虚拟机集合统一表示。其中，虚拟机m的计算能力记为φm。在云计算中，为了节省系
统的计算资源，需要优化虚拟机对于用户的分配方案，因此构建虚拟机分配模型如下。首
先，每个虚拟机最多只能分配给一个用户，并且一个用户终端能且仅能被一个虚拟机服务，
相关约束条件表示为：

[0114]

[0115]

[0116] 上式中，xi,j,m表示虚拟机分配标识，若虚拟机m被分配给了用户Ui,j，xi,j,m＝1，否则，xi,j,m＝0。在虚拟机分配方案确定后，可获得服务用户Ui,j消耗的计算时间为：

[0117]

[0118] 同时，该计算过程的能耗为：

[0119]

[0120] 其中，κ为有效切换电容因子，κ＝10‑11。

[0121] (2)传输模型

[0122] 在系统模型中，下行的数据传输涉及三条链路，包括云端到地面站的前向传输链路、地面站到卫星的馈电链路以及卫星到用户的星地链路。前向传输链路采用光纤进行传
输，能耗通常为一常量。若卫星馈电链路的传输功率假设为一较大数值 有效克服卫星
多普勒效应对性能产生的影响，同时假设各卫星的馈电链路间没有干扰，可获得卫星i的馈
电链路传输速率为：

[0123]

[0124] 式中， 为卫星i的馈电链路带宽，gi为该馈电链路的信道状态信息， 为加性高斯白噪声的功率。可进一步计算用户Ui,j的业务数据在馈电链路中的传输时间与能耗：

[0125]

[0126]

[0127] 相比于馈电链路，星地链路的传输模型更为复杂。假设卫星i携带Li根天线，每个用户终端装载一根天线，则卫星i对用户的传输信号为：

[0128]

[0129] 式中，ωi,u为卫星i对于用户u的迫零波束赋形向量；si,u为卫星i对于用户u的传输2
信号，Pi,u则为该信号的传输功率，有E[|si,u|]＝1。

[0130] 将用户UI,J记为U，可获得用户U的接收信号为：

[0131]

[0132] 式中， 为卫星i到用户U的信道状态信息，n则为加性高斯白噪声。因此，可获得用户UI,J的传输速率为：

[0133]

[0134] 式中，BI代表卫星I的无线信道带宽， 表示其他卫星传输信号对用户UI,J的干扰，因此，满足如下关系：

[0135]

[0136] 星地链路中用户UI,J业务的传输时间与能耗可计算得到：

[0137]

[0138]

[0139] (3)系统模型

[0140] 系统模型的目标为在保证用户时延约束的同时，实现全网络的能耗最小化。为实现这一目标，在以下关系式内建立集中式天基异构传输网络的能效优化模型，模型包含能
耗最小化的目标函数与五个约束条件：

[0141]

[0142] 式中，变量x与P分别代表了虚拟机分配方案与功率分配方案；由于计算能耗、馈电链路能耗与星地链路能耗的量级差别较大，定义πC、πF和πT分别表示三种能耗的加权系数；
为用户UI,J的QoS的最大时延约束， 则表示卫星I的最大发射功率。约束条件C1～C3
来自于上述约束条件关系式；C4表示任何用户的计算时延、馈电链路传输时延以及星地链
路的传输时延之和需满足其最大时延约束；C5表示对于任意卫星I，分配给用户的功率之和
不能超过该卫星的总功率。

[0143] 根据对上式的分析可知，馈电链路的变量均为已知变量，可进一步简化上述模型的目标函数：

[0144]

[0145] 在建立多星协同架构下系统能耗最小化模型后，将能耗优化模型分解为计算能耗优化模型和传输能耗优化模型。

[0146] 能耗优化模型中的能耗最小化问题是一个包含非凸目标函数和复杂约束的混合整数规划模型。由于该问题中虚拟机分配方案和功率分配方案在约束条件C4中耦合，难以
直接求解。因此，系统能耗分解模块将该问题模型分解为计算能耗优化模型和传输能耗优
化模型。

[0147] 虚拟机分配需要通过优化变量x，最小化系统的计算能耗。提取原问题目标函数中计算能耗的部分与约束条件C1～C4，组成虚拟机分配子问题如下：

[0148]

[0149] 功率分配子问题的优化目标为提升数据传输阶段的能量效率，问题模型由传输能耗最小化的目标函数中的约束条件C4～C5所组成，具体如下：

[0150]

[0151] 将能耗优化模型分解为计算能耗优化模型和传输能耗优化模型后，将计算能耗优化模型转换为能够用于求解计算资源分配方案的形式。

[0152] 具体的，计算能耗优化模型见(16)式，将(3)式与(4)式代入(16)式，并松弛变量xI,J,m，将约束C3转换为新约束Cv3与Cv4，因此(16)式可转化为一个标准的凸优化问题：

[0153]

[0154] 式中，Cv1、Cv2和Cv5分别来自于(16)式中的C1、C2和C4。利用变量xU,m、ΦU、和 分别替换xI,J,m、ΦI,J、 和 因此，可得：

[0155]

[0156] 为便于问题求解，将该问题转化为矩阵形式如下：

[0157]

[0158] 式中， 且IN表示N×N的单位矩阵，此外，其他变量的定义如下：

[0159]

[0160] 式中，diag(x,y)表示

[0161] 通过求解计算能耗优化模型，从而获得计算资源的分配方案。具体的，采用原始对偶内点法对虚拟机分配子问题进行求解。首先，定义拉格朗日乘子与残差向量如下：

[0162]

[0163] 其中， 与 分别为约束Cv1和Cv2～Cv5拉格朗日乘子，有G(x)T
＝(g1(x),g2(x),g3(x),g4(x)) ， rdual、rcent与
rpri分别为残差向量中的对偶残差、中心残差与原残差。可获得残差函数的一阶近似形式：

[0164] rs(y+Δy)≈rs(y)+Drs(y)Δy  (23)

[0165] 其中，

[0166]

[0167] 因此，可求得原始对偶内点法的搜索方向为：

[0168] Δy＝‑Drs(y)‑1rs(y)  (25)

[0169] 同时，可获得寻优过程中回溯直线搜索的停止准则如下，主要用于更新拉格朗日乘子的大小，进而求得最优解。

[0170] ||rs(y+εy(t)Δy)||≤(1‑βs)||rs(y)||  (26)

[0171] 式中，εy(t)表示在第t次迭代时的步径大小；β为一常数，满足关系0<β<0.5；s为原始对偶内点法的障碍更新因子，满足如下关系：

[0172]

[0173] 将传输能耗优化模型转换为能够用于求解传输资源分配方案的形式的过程如下：

[0174] 传输能耗优化模型见(17)式。根据(10)式与(11)式可知，功率分配子问题的目标函数为非凸函数。为克服这一问题，采用信漏噪比 代替原有的用户信干噪比 对问题
进行求解，满足如下关系：

[0175]

[0176] 其中，EI,U代表卫星I覆盖范围内被其他卫星干扰的用户集合。将(10)式带入，可求得转换后的功率分配子问题为：

[0177]

[0178] 式中， 约束条件Cp1与Cp2分别由原问题的C4和C5转换而来。

[0179] 通过求解传输能耗优化模型，从而获得功率资源的分配方案。具体的，采用拉格朗日对偶法对上述问题进行求解。可得(29)式对偶问题拉格朗日函数为：

[0180]

[0181] 式中，λ与μ为分别约束条件Cp1与Cp2的拉格朗日乘子。对该拉格朗日函数求导可得：

[0182]

[0183] 为了获得最优的功率分配方案 可采用牛顿法求解下式：

[0184]

[0185] 式中，[PI,U]+＝max(0,PI,U)。根据KKT(Karush‑Kuhn‑Tucker)条件可知拉格朗日乘子需要满足λ≥0与μ≥0，同时需要按照下式在迭代中不断更新：

[0186]

[0187] 式中，ελ(t)与εμ(t)分别为拉格朗日乘子λI,J与μI更新的步径。

[0188] 由于用户的QoS时延需求，系统能耗模型对于计算时延与传输时延在约束条件C4耦合。将系统模型分解为计算资源优化模型与传输资源优化模型后，首先，分别求解两个模
型的解变量x与P，其次，通过子问题间的优化迭代不断完善两类方案，直到方案收敛。具体
步骤如下所示：

[0189] 步骤1，参数初始化：随机生成虚拟机分配方案x和功率分配方案P，令迭代次数T＝1；

[0190] 步骤2，功率分配子问题求解：设置拉格朗日乘子λ与μ大小，令λ[T]>0、μ[T]>0。循环更新计算P[T]与拉格朗日乘子λ与μ的值，根据获得的功率分配方案更新数据传输时延

[0191] 步骤3，虚拟机分配子问题求解：设置参数ν、α>0、τ>1、εfeas>0和ε>0，采用原始对偶内点法求解x[T]，不断迭代，直至方案收敛，根据获得的虚拟机分配方案更新计算时延

[0192] 步骤4，判断虚拟机分配方案x和功率分配方案是否同时收敛，若收敛，则方案结束，获得天地一体化网络的虚拟机与功率分配方案，否则，令T＝T+1，返回步骤2。

[0193] 通过上述具体的模型构建过程可知，该实施例中的卫星资源分配方法基于云处理的多星协同能效优化方法，在业务的计算与传输在时延约束上耦合的条件下，通过对计算
资源与传输资源的联合分配，实现系统能效的最大化。可基于云处理架构，实现多星协同下
系统能效的优化，相比于传统方法，本发明在系统能效方面具有更优的性能。下面结合使用
场景，对上述实施例中的场景进行仿真。仿真场景如图7所示，在该场景下包括3颗低轨宽带
卫星和30个用户终端，用户在卫星的波束覆盖范围内服从泊松点分布。卫星可同时覆盖所
有基站与用户，基站在卫星覆盖范围内均匀分布，用户的分布服从均匀的空间泊松点分布，
场景中地面站到卫星以及卫星到用户的信道均假设为莱斯信道，其他的系统仿真参数设置
如下表所示。

[0194] 参数 数值卫星数量N 3
单颗卫星的天线数量 10
卫星的轨道高度 600km
用户数量 30
用户终端的高度 1.5m
星地采用频率 Ka(20GHz)
带宽B 800MHz
单颗卫星天线的总发射功率 55dBm
卫星天线增益 25dBi
馈电链路的地面站的发射功 55dBm
用户天线增益 0dBi
高斯白噪声的功率谱密度N0 ‑174dBm/Hz
虚拟机数量M 35
5 6
虚拟机的计算能力φ 10～5×10cycle/s
计算任务的大小Φ 500～3000cycle
5 5
传输任务的大小D 10～6×10bit

[0195] 卫星资源分配方法包含虚拟机分配优化部分与功率分配优化部分。为验证算法性能，仿真采用卫星资源分配方法的框架，研究对比了本文提出的算法与已有算法之间的性
能差异。虚拟机分配算法需要根据用户的需求匹配虚拟机，目的为实现计算能耗的最小化，
仿真采用三种虚拟机分配算法，包括虚拟机分配优化算法、改进的匈牙利算法和贪婪算法。

[0196] (1)虚拟机分配优化算法(VAOA)：该算法为卫星资源分配方法算法的虚拟机分配优化部分，即求解虚拟机分配子问题所采用的原始对偶内点法；

[0197] (2)改进的匈牙利算法(IHG)：该算法在原始匈牙利算法的基础上，考虑了用户时延约束，以实现计算任务与虚拟机之间的有效匹配；

[0198] (3)贪婪算法(GA)：该算法在满足用户时延约束的同时，优先选择计算能力较小的虚拟机分配给用户，用以保证计算能耗的最小化。

[0199] 其次，给出了两类仿真的功率分配算法，包括基于星地联合优化的功率分配算法和平均功率分配算法。

[0200] (1)功率分配优化算法(PAOA)：该算法为卫星资源分配方法的功率分配优化部分，即求解功率分配子问题所采用的拉格朗日对偶法；

[0201] (2)平均功率分配算法(APAA)：在该算法中，各卫星为自己服务的用户分配等量大小的功率。

[0202] 在用户时延要求Tmax∈[50ms,150ms]的条件下，在卫星资源分配方法框架下采用各类算法组合的性能曲线如图8所示。系统的加权总能耗由计算能耗、传输能耗以及未能满
max
足时延约束的惩罚能耗组成。由图8可知，随着参数T 的逐渐增大，用户的时延约束逐渐宽
松，六种算法组合的系统总能耗也在不断降低。若采用平均功率分配算法APAA求解功率分
配子问题，相比于贪婪算法GA与改进的匈牙利算法IHG，采用虚拟机分配优化算法VAOA对系
统的平均能耗分别提升了22.27％与6.17％；当采用提出的功率分配优化算法PAOA时，虚拟
机分配优化算法VAOA相比于贪婪算法与改进的匈牙利算法，对系统性能分别提升了
27.65％与7.11％。对于GA、IHG和VAOA三种虚拟机分配算法而言，相比于平均功率分配算法
APAA而言，采用功率分配优化算法PAOA分别优化了9.13％、14.55％和15.41％。由结果可
知，相比于其他算法组合，本发明实施例提供的卫星资源分配方法性能最优。

[0203] 对应于上述方法实施例，本发明实施例还提供了一种卫星资源分配装置，其结构示意图如图9所示，其中，该装置包括：

[0204] 数据获取模块910，用于获取目标卫星的待分配资源，其中，所述待分配资源包括计算任务数据和/或传输任务数据；

[0205] 模型构建模块920，用于通过所述待分配资源构建目标数学模型；其中，所述目标数学模型包括：计算模型和传输模型，所述计算模型用于计算所述计算任务数据在分配过
程中的能耗；所述传输模型用于计算所述传输任务数据在分配过程中的能耗；

[0206] 资源分配模块930，用于根据所述目标数学模型确定目标资源分配方案；其中，所述目标资源分配方案包括：计算资源分配方案和传输资源分配方案；所述计算资源分配方
案为所述计算任务数据的分配方案；所述传输资源分配方案为传输任务数据的分配方案；

[0207] 方案确定模块940，用于基于所述目标资源分配方案确定所述目标卫星的资源分配方式。

[0208] 在一些实施方式中，上述卫星资源分配装置还包括以下模块，如图10所示：

[0209] 系统能耗构建模块1001，用于建立多星协同架构下系统能耗最小化模型。

[0210] 系统能耗分解模块1002，用于将能耗优化模型分解为计算能耗优化模型和传输能耗优化模型。

[0211] 计算能耗控制模块1003，用于将计算能耗优化模型转换为能够用于求解计算资源分配方案的形式。

[0212] 计算资源分配模块1004，用于通过求解计算能耗优化模型获得计算资源的分配方案。

[0213] 传输能耗控制模块1005，用于将传输能耗优化模型转换为能够用于求解传输资源分配方案的形式。

[0214] 传输资源分配模块1006，用于通过求解传输能耗优化模型获得功率资源的分配方案。

[0215] 资源联合优化模块1007，用于通过对计算资源与传输资源的联合分配，实现系统能效的最大化。

[0216] 本发明实施例提供的卫星资源分配装置，与上述实施例提供的卫星资源分配方法具有相同的技术特征，所以也能解决相同的技术问题，达到相同的技术效果。为简要描述，
实施例部分未提及之处，可参考前述方法实施例中相应内容。

[0217] 本实施例还提供一种电子设备，为该电子设备的结构示意图如图11所示，该设备包括处理器101和存储器102；其中，存储器102用于存储一条或多条计算机指令，一条或多
条计算机指令被处理器执行，以实现上述卫星资源分配方法。

[0218] 图11所示的电子设备还包括总线103和通信接口104，处理器101、通信接口104和存储器102通过总线103连接。

[0219] 其中，存储器102可能包含高速随机存取存储器(RAM，Random Access Memory)，也可能还包括非不稳定的存储器(non‑volatile memory)，例如至少一个磁盘存储器。总线
103可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总
线等。为便于表示，图11中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的
总线。

[0220] 通信接口104用于通过网络接口与至少一个用户终端及其它网络单元连接，将封装好的IPv4报文或IPv4报文通过网络接口发送至用户终端。

[0221] 处理器101可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器101中的硬件的集成逻辑电路或者软件形式的指令完成。上
述的处理器101可以是通用处理器，包括中央处理器(Central Processing Unit，简称
CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital 
Signal Processor，简称DSP)、专用集成电路(Application Specific Integrated 
Circuit，简称ASIC)、现场可编程门阵列(Field‑Programmable Gate Array，简称FPGA)或
者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本
公开实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理
器也可以是任何常规的处理器等。结合本公开实施例所公开的方法的步骤可以直接体现为
硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模
块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储
器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器102，处理器101读取存储器
102中的信息，结合其硬件完成前述实施例的方法的步骤。

[0222] 本发明实施例还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行前述实施例的方法的步骤。

[0223] 在本申请所提供的几个实施例中，应该理解到，所揭露的系统、设备和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，
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，又例如，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通信接口，设备或单元的间接
耦合或通信连接，可以是电性，机械或其它的形式。

[0224] 所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。

[0225] 另外，在本发明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。

[0226] 所述功能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，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本发明
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部分可以用软件
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，包括若干指令用以使得
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)执行本发明各个实施例所
述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(ROM，Read‑
Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以
存储程序代码的介质。

[0227] 最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发
明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员
在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻
易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使
相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护
范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。