論文の概要: Demand-Aware Beam Hopping and Power Allocation for Load Balancing in Digital Twin empowered LEO Satellite Networks
- arxiv url: http://arxiv.org/abs/2411.08896v1
- Date: Tue, 29 Oct 2024 01:32:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-17 09:01:57.075067
- Title: Demand-Aware Beam Hopping and Power Allocation for Load Balancing in Digital Twin empowered LEO Satellite Networks
- Title（参考訳）: ディジタル双極型LEO衛星ネットワークにおける負荷分散のための需要対応ビームホッピングとパワーアロケーション
- Authors: Ruili Zhao, Jun Cai, Jiangtao Luo, Junpeng Gao, Yongyi Ran,
- Abstract要約: ビームホッピング(BH)技術を利用した低地球軌道(LEO)衛星は、広範囲のカバレッジ、低レイテンシ、高帯域幅、大きな柔軟性を提供する。
従来のビームホッピング(BH)法は、衛星干渉、重なり合うカバー、モビリティといった問題に対処できない。
本稿では,複数のLEO衛星を対象としたDigital Twin(DT)を用いた協調資源割り当てネットワークについて検討する。
- 参考スコア（独自算出の注目度）: 6.8053434130447625
- License:
- Abstract: Low-Earth orbit (LEO) satellites utilizing beam hopping (BH) technology offer extensive coverage, low latency, high bandwidth, and significant flexibility. However, the uneven geographical distribution and temporal variability of ground traffic demands, combined with the high mobility of LEO satellites, present significant challenges for efficient beam resource utilization. Traditional BH methods based on GEO satellites fail to address issues such as satellite interference, overlapping coverage, and mobility. This paper explores a Digital Twin (DT)-based collaborative resource allocation network for multiple LEO satellites with overlapping coverage areas. A two-tier optimization problem, focusing on load balancing and cell service fairness, is proposed to maximize throughput and minimize inter-cell service delay. The DT layer optimizes the allocation of overlapping coverage cells by designing BH patterns for each satellite, while the LEO layer optimizes power allocation for each selected service cell. At the DT layer, an Actor-Critic network is deployed on each agent, with a global critic network in the cloud center. The A3C algorithm is employed to optimize the DT layer. Concurrently, the LEO layer optimization is performed using a Multi-Agent Reinforcement Learning algorithm, where each beam functions as an independent agent. The simulation results show that this method reduces satellite load disparity by about 72.5% and decreases the average delay to 12ms. Additionally, our approach outperforms other benchmarks in terms of throughput, ensuring a better alignment between offered and requested data.
- Abstract（参考訳）: ビームホッピング(BH)技術を利用した低地球軌道(LEO)衛星は、広範囲のカバレッジ、低レイテンシ、高帯域幅、大きな柔軟性を提供する。
しかし、地上交通需要の不均一な地理的分布と時間的変動は、LEO衛星の高モビリティと相まって、効率的なビーム資源利用のための重要な課題である。
GEO衛星に基づく従来のBH手法は、衛星干渉、重なり合う範囲、移動といった問題に対処できない。
本稿では,複数のLEO衛星を対象としたDigital Twin(DT)を用いた協調資源割り当てネットワークについて検討する。
ロードバランシングとセルサービスフェアネスに着目した2層最適化問題を提案し,スループットを最大化し,セル間サービス遅延を最小化する。
DT層は、各衛星のBHパターンを設計することで重なり合うカバレッジセルの割り当てを最適化し、LEO層は選択したサービスセルごとに電力割り当てを最適化する。
DT層では、Actor-Criticネットワークが各エージェントにデプロイされ、クラウドセンターにグローバルな批評家ネットワークが配置される。
A3CアルゴリズムはDT層を最適化するために使用される。
同時に、LEO層最適化は、各ビームが独立したエージェントとして機能するマルチエージェント強化学習アルゴリズムを用いて行われる。
シミュレーションの結果,衛星の荷重差は約72.5%減少し,平均遅延は12msに減少することがわかった。
さらに、当社のアプローチはスループットという点で他のベンチマークよりも優れており、提供されたデータと要求されたデータの整合性も向上しています。
関連論文リスト
- SatFed: A Resource-Efficient LEO Satellite-Assisted Heterogeneous Federated Learning Framework [19.59862482196897]
資源効率の高い衛星支援ヘテロジニアスFLフレームワークであるSatFedを提案する。
SatFedは、高度に制約された衛星地上帯域の利用を最適化するために、鮮度に基づくモデルの優先順位付けキューを実装している。
実世界のLEO衛星ネットワークを用いた実験により、SatFedは最先端のベンチマークよりも優れた性能と堅牢性を発揮することが示された。
論文 参考訳（メタデータ） (2024-09-20T13:44:00Z) - A Distance Similarity-based Genetic Optimization Algorithm for Satellite Ground Network Planning Considering Feeding Mode [53.71516191515285]
衛星データ中継ミッションの送信効率の低さは、現在システムの構築を制約している問題となっている。
タスク間の状態特性を考慮した距離類似性に基づく遺伝的最適化アルゴリズム(DSGA)を提案する。
シミュレーション実験の結果,DSGAはSGNPFM問題を効果的に解くことができることがわかった。
論文 参考訳（メタデータ） (2024-08-29T06:57:45Z) - Quantum Annealing-Based Algorithm for Efficient Coalition Formation Among LEO Satellites [4.737806718785056]
衛星の数が増加するにつれて、維持するための通信リンクの数も増加する。
本稿では、LEO衛星のクラスタリングを連立構造生成(CSG)問題として定式化する。
我々はGCS-Qと呼ばれるハイブリッド量子古典アルゴリズムを用いて最適分割を求める。
D-Wave Advantage annealer と State-of-the-art solver Gurobi を用いて行った実験は、量子アニールが実行時において古典的手法よりも著しく優れていることを示した。
論文 参考訳（メタデータ） (2024-08-12T08:53:46Z) - Collaborative Ground-Space Communications via Evolutionary Multi-objective Deep Reinforcement Learning [113.48727062141764]
地中直接通信を実現するために,分散コラボレーティブビームフォーミング(DCB)に基づくアップリンク通信パラダイムを提案する。
DCBは、低軌道(LEO)衛星と効率的な直接接続を確立することができない端末を分散アンテナとして扱う。
本稿では,進化的多目的深層強化学習アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-04-11T03:13:02Z) - Satellite Federated Edge Learning: Architecture Design and Convergence Analysis [47.057886812985984]
本稿では,FEDMEGAという新しいFEELアルゴリズムを提案する。
軌道内モデルアグリゲーションのための衛星間リンク(ISL)を統合することにより、提案アルゴリズムは低データレートと断続的なGSLの使用を著しく削減する。
提案手法は,環全リデューサに基づく軌道内アグリゲーション機構と,グローバルモデルアグリゲーションのためのネットワークフローベースのトランスミッションスキームを組み合わせたものである。
論文 参考訳（メタデータ） (2024-04-02T11:59:58Z) - Hierarchical Multi-Agent Multi-Armed Bandit for Resource Allocation in
Multi-LEO Satellite Constellation Networks [14.964082610286857]
ローアース軌道(LEO)衛星コンステレーションは、高度のサービスで地球規模のカバーエリアを提供することができる。
我々は、利用可能な無線リソースを適切に割り当てることにより、LEOコンステレーション(mmRAL)の階層的マルチエージェントマルチアーム帯域割り当てを提案する。
論文 参考訳（メタデータ） (2023-03-25T04:22:07Z) - Deep Learning Aided Routing for Space-Air-Ground Integrated Networks
Relying on Real Satellite, Flight, and Shipping Data [79.96177511319713]
現在の海上通信は主に単なる送信資源を持つ衛星に依存しており、現代の地上無線ネットワークよりも性能が劣っている。
大陸横断航空輸送の増加に伴い、商業旅客機に依存した航空アドホックネットワークという有望な概念は、空対地およびマルチホップ空対空リンクを介して衛星ベースの海上通信を強化する可能性がある。
低軌道衛星コンステレーション、旅客機、地上基地局、船舶がそれぞれ宇宙、航空、船舶として機能する、ユビキタスな海上通信を支援するための宇宙地上統合ネットワーク(SAGIN)を提案する。
論文 参考訳（メタデータ） (2021-10-28T14:12:10Z) - Distributed Multi-agent Meta Learning for Trajectory Design in Wireless
Drone Networks [151.27147513363502]
本稿では,動的無線ネットワーク環境で動作するエネルギー制約型ドローン群に対する軌道設計の問題点について検討する。
値ベース強化学習(VDRL)ソリューションとメタトレイン機構を提案する。
論文 参考訳（メタデータ） (2020-12-06T01:30:12Z) - Integrating LEO Satellite and UAV Relaying via Reinforcement Learning
for Non-Terrestrial Networks [51.05735925326235]
低軌道軌道(LEO)衛星のメガコンステレーションは、低レイテンシで長距離通信を可能にする可能性がある。
軌道上の星座から選択されたLEO衛星を用いて、2つの遠距離地上端末間でパケットを転送する問題について検討する。
エンドツーエンドのデータレートを最大化するためには、衛星アソシエーションとHAPロケーションを最適化する必要がある。
本稿では, 深部強化学習(DRL)と新しい動作次元低減技術を用いてこの問題に対処する。
論文 参考訳（メタデータ） (2020-05-26T05:39:27Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。