面向5G-Advanced和6G的星基移动通信网络标准技术研究
面向星地一体化网络的频谱共享方法研究
付降寅，郭庆
（哈尔滨工业大学电子与信息工程学院，黑龙江 哈尔滨 150001）
【摘 要】星地一体化网络是B5G/6G网络发展的重要趋势，业界正积极推动星地一体化网络的发展。随着卫星业务广泛进入消费市场，L、S等频段的频谱短缺问题日益严重。星、地网络间频谱共享是解决该问题的有效方案之一，但会导致系统间严重干扰。为此，提出一种基于干扰感知的频率资源共享分组方法，该方法在约束地面网络干扰功率的前提下，最大化星地一体化网络的系统效用，并通过局部搜索算法求解非线性整数规划问题。仿真结果表明，所提方案能够有效降低来自地面网络的干扰，并提升频率资源利用率。
【关键词】星地一体化网络；频谱共享；资源管理
doi:10.3969/j.issn.1006-1010.20240725-0003
中图分类号：TN929.5 文献标志码：A
文章编号：1006-1010(2024)09-0064-07
引用格式：付降寅,郭庆. 面向星地一体化网络的频谱共享方法研究[J]. 移动通信, 2024,48(9): 64-70.
FU Jiangyin, GUO Qing. Spectrum Sharing Methods for Satellite-Terrestrial Integrated Networks[J]. Mobile Communications, 2024,48(9): 64-70.
0 引言
星地一体化网络是B5G/6G网络的重要发展趋势之一，卫星网络具有时延低、覆盖范围广等优点，可以有效解决地面网络的全球覆盖性不足的问题。星地一体化网络目前仍处于建设阶段，在此阶段，3GPP已提出许多标准[1-4]，支持卫星网络和地面网络之间的融合发展，同时，业界也积极推进卫星业务进入消费市场，如手机直连卫星、汽车直连卫星等业务，以推动星地一体化网络的建设和发展。随着卫星业务的广泛引入，频谱短缺的问题日益凸显。星地一体化网络的相关业务如手机直连卫星业务，主要使用L、S频段，但该频段的大量资源已被卫星气象、卫星测控、地面移动业务等占用，未来星地一体化网络必然面临其与地面通信运营商业务及其他卫星业务的频率协调问题。卫星和地面网络的频谱共享是目前解决频率资源短缺问题的有效方案之一，频谱共享虽然能提高两者的容量和频谱利用率，但也会导致系统间干扰，严重时将会极大降低星地一体化网络的性能。因此，如何对星地一体化网络频谱共享时产生的干扰进行管理和缓解，是一个值得研究的问题。
已有研究表明[5]，反向配对技术可在一定程度上缓解星地一体化频谱共享带来的系统间干扰。反向配对技术具体而言，指地面网络在频分双工（FDD）频段中的上行链路与卫星网络的下行链路配对，地面网络的下行链路与卫星网络的上行链路配对。该研究结果也表明，由于地面网络的干扰，卫星网络上行链路的信号干扰加噪比（SINR）显著下降，平均SINR低于正常移动业务所需的最小值。因此，仍需研究其他方法来管理和缓解干扰，提升星地一体化网络的频率资源利用率和系统性能。
面向星地一体化网络的频谱共享方法和干扰管理的研究可分为三个主要方向：（1）面向星地一体化网络的协同共享；（2）面向星地一体化网络的频谱感知；（3）面向星地一体化网络的非正交多址接入（NOMA）技术。文献[6-14]、[27-28]讨论了星地一体化网络协同共享的研究，这些研究通常应用博弈论或凸优化来分析或优化相关问题。例如，文献[6]提出一种基于Vickrey-Clarke-Groves（VCG）的多信道协同的频谱共享机制用于星地一体化物联网网络。在文献[9]中，作者考虑了一种主要卫星网络与多个次要地面网络共存的协同场景。文献[15-21]主要探讨了应用频谱感知来实现卫星与地面网络之间的频谱共享。在文献[15]中，卫星网络作为次要系统来感知可用频谱，以降低对地面网络的有害干扰。作者在文献[16]中提出了一种考虑非理想频谱感知的联合频率资源分配方案，以优化次要卫星网络的端到端时延。文献[22-26]探讨了NOMA技术如何在星地一体化网络中提高频谱效率和缓解干扰。文献[22]研究了卫星和使用NOMA技术的地面用户设备共享接入链路频谱的频率资源分配问题，文献[23]提出了一种基于NOMA的星地一体化网络联合优化设计，以优化星地一体化网络的和速率。在上述研究中，面向星地一体化网络的协同共享能更有效的管理和分配现有的频率资源，提升网络的频谱效率，但目前大多数相关工作主要关注固定卫星服务和移动网络[24]、卫星物联网和地面物联网[28]之间的频谱共享，关于低轨卫星移动服务和地面移动网络的频谱共享和干扰管理的研究相对较少，此外，目前的研究工作通常低估了卫星网络受到跨系统集总干扰功率的影响，未能考虑卫星覆盖范围内存在数以万计地面基站和地面用户设备时的集总干扰情况。
为了解决上述问题，本文做出的主要工作如下：
一是面向星地一体化网络中低轨卫星覆盖范围内存在数以万计地面基站的场景，提出了一种基于干扰感知的频率资源共享方法。该方法将卫星用户设备、频率资源和地面基站分组，并将这些组映射到相应的资源组，在确保卫星所受集总干扰满足约束条件的基础上，优化星地一体化网络的整体效用。二是为了有效求解形成的非凸非线性整数规划问题，本文设计了相应的局部搜索算法对目标函数进行求解。仿真结果表明，所提方法能够有效降低地面网络对非地面网络的干扰，并提升频率资源利用率。
1 系统模型
本文考虑星地一体化频谱共享的通信网络。在该网络中，多波束移动通信卫星与连接到卫星的手持式设备构成卫星网络，采用3GPP的星上可再生式架构；地面基站与连接到基站的手持式设备构成地面网络；地面部署有控制服务器，与地面基站以及卫星信关站通过光纤相连，以便进行资源分配。在该网络中，因为时分双工（TDD）中的长传播导致的长保护带会降低频谱效率，故卫星网络和地面网络均以FDD模式运行，共享FDD频谱。此外，为了进一步减轻干扰，卫星网络和地面网络采用反向配对的模式，即在同一频段上，地面网络的下行链路和卫星网络的上行链路、地面网络的上行链路和卫星网络的下行链路分别配对使用。网络架构及场景示意如图1所示：
假设该星地一体化网络中卫星波束为Nb个，存在NUE个卫星用户，NBS个地面网络基站。当卫星和地面网络协同工作时，用户选择参考信号接收功率最高的接入节点，该接入节点可以是卫星，也可以是地面基站。如果用户在地面基站的覆盖范围内，则从地面网络接收到的参考信号接收功率将大于从卫星接收到的参考信号接收功率，导致用户仅当其在地面网络覆盖范围之外时才连接到卫星。当用户在地面网络覆盖范围之外时，它会选择参考信号接收功率最大的卫星波束进行连接。在每个卫星网络波束a中，假设超过NUE个用户在地面网络覆盖范围之外，卫星在上行链路的一个时隙中只调度NUE个卫星用户。卫星网络上行链路和地面网络下行链路之间共享的公共频谱具有λB MHz的带宽，其中卫星网络采用λ=3的频率复用因子来减轻系统内干扰，如图1所示，每个卫星波束可使用B MHz带宽。
在此场景下，卫星波束a到卫星用户j之间的传播损耗构建为：
2 基于干扰感知的频率资源共享分组方法
2.1 频率资源共享机制
2.2 基于干扰感知的频率资源分组算法
3 仿真分析
在仿真中，本文参考3GPP关于非地面网络与地面网络共存问题的技术报告TR 38.863进行场景假设，并对问题进行求解。场景包含一个轨道高度600 km的多波束低轨卫星，以及单个卫星波束覆盖范围内的地面网络，该波束覆盖区域为半径250 km的圆形区域。此覆盖区域包括城市和农村地区。地面网络基站（BS）在城市地区密集部署，站间距离为500 m，在农村地区则稀疏部署，最小站间距离为5 km。地面基站的密度为0.1 BS/km²。城市和农村BS的高度分别为25 m和30 m。在卫星波束中，有150个卫星用户被随机安排进行上行传输。自由空间路径损耗ω(d,fc)以dB为单位，基于距离d和载波频率fc，从3GPP TR 38.901中选择，如式(16)所示。其余仿真参数具体设置如表1所示。
图3对比了所提方法、文献[27]方法以及均匀分组方法下的系统效用与分组数M的关系。从图中可以看出，本文所提的频率分组共享方法可以使系统的效用函数得到显著提升，这表明本文方法在频谱资源的分配和干扰管理上更加有效。另外，系统效用随着分组数M的增加而增加，并趋于平缓，因此，在实际应用中，在考虑系统效用以及计算复杂度等约束下，可将用户按本文方法分为4组或5组，以获得较好的整体网络性能。
图4为不同方法下的卫星网络用户总吞吐量与分组数M的关系。总的来看，卫星网络用户的总吞吐量随着分组数M的增加而提升，这是因为M值越大，卫星用户被分配到的带宽也就越多，从而能够支持更高的吞吐量。可以看出本文方法在地面网络和卫星之间进行频谱共享时，能够更好地提升卫星用户的总吞吐量，提升卫星侧网络性能。
图5为地面网络基站的平均带宽随分组数M的变化趋势，可以看出不同方法下地面网络基站的平均带宽均随分组数M的增加而下降，然而本文方法下地面基站的平均可用带宽下降趋势较为平缓，且平均可用带宽在大部分情况下高于另外两种方法，因此，在地面网络和卫星共用频谱资源时，本文方法能够更好地维持地面基站的可用带宽，维持地面网络性能。
图6为不同分组情况下系统效用随迭代次数的变化情况，从图中可以看出，系统效用在不同分组情况下均存在收敛趋势，且当迭代次数约为5 000次时，系统效用值已经基本收敛。
4 结束语
本文研究了星地一体化网络中卫星上行链路和地面网络下行链路之间的频谱共享问题。为了优化整体容量，提出了一种基于干扰感知的频率资源共享分组方法，构建了一种联合卫星用户上行链路吞吐量和地面基站下行链路平均可用带宽的效用函数，以在卫星网络和地面网络之间实现较公平的频谱共享方案。由于频率资源分组的优化方法被表述为非凸非线性整数规划问题，当地面基站数量增加至万以上时，该问题将变得极其复杂。为了解决这一复杂问题，本文提出了基于卫星用户接收信号功率和地面基站干扰功率的最优频率资源分组约束条件，并利用局部搜索算法解决这一非凸非线性整数规划问题，最后通过仿真验证并展示了所提频谱共享方法的有效性和可行性。
参考文献：（上下滑动浏览）
[1] 3GPP Technical Report TR 38.811 version 15.4.0. Study on New Radio (NR) to support non-terrestrial networks[R]. 2020.
[2] 3GPP Technical report TR 38.821 version 16.1.0. Solutions for NR to support non-terrestrial networks (NTN)[R]. 2021.
[3] 3GPP Technical report TR 38.863 version 17.0.0. Non-terrestrial networks (NTN) related RF and co-existence aspects[R]. 2022.
[4] 3GPP Technical report TR 38.803 version 14.3.0. Study on new radio access technology: Radio Frequency (RF) and co-existence aspects[R]. 2022.
[5] Lee H-W, et al. Reverse spectrum allocation for spectrum sharing between TN and NTN [C]//Proc. IEEE Conf. Standards Commun. Netw., 2021: 1-6.
[6] Zhang X, Guo D, An K, et al. Auction-based multichannel cooperative spectrum sharing in hybrid satellite-terrestrial IoT networks[J]. IEEE Internet of Things Journal, 2021,8(8): 7009-7023.
[7] Ruan Y, Li Y, Wang C-X, et al. Energy efficient adaptive transmissions in integrated satellite-terrestrial networks with SER constraints[J]. IEEE Transactions on Wireless Communications, 2018,17(1): 210-222.
[8] Du J, Jiang C, Zhang H, et al. Auction design and analysis for SDN-Based traffic offloading in hybrid satellite-terrestrial networks[J]. IEEE Journal on Selected Areas in Communications, 2018,36(10): 2202-2217.
[9] Sharma P K, Upadhyay P K, da Costa D B, et al. Performance analysis of overlay spectrum sharing in hybrid satellite-terrestrial systems with secondary network selection[J]. IEEE Transactions on Wireless Communications, 2017,16(10): 6586-6601.
[10] Vassaki S, Poulakis M I, Panagopoulos A D, et al. Power allocation in cognitive satellite terrestrial networks with QoS constraints [J]. IEEE Communications Letters, 2013,17(7): 1344-1347.
[11] Wang P, Zhang J, Zhang X, et al. Convergence of satellite and terrestrial networks: A comprehensive survey[J]. IEEE Access, 2020,8: 5550-5588.
[12] Chan S, Lee H, Kim S, et al. Intelligent low complexity resource allocation method for integrated satellite-terrestrial systems[J]. IEEE Wireless Communications Letters, 2022,11(5): 1087-1091.
[13] Peng D, Bandi A, Li Y, et al. Hybrid beamforming, user scheduling, and resource allocation for integrated terrestrial-satellite communication[J]. IEEE Transactions on Vehicular Technology, 2021,70(9): 8868-8882.
[14] Cho Y, Yang W, Oh D, et al. Multi-agent deep reinforcement learning for interference-aware channel allocation in non-terrestrial networks[J]. IEEE Communications Letters, 2023,27(3): 936-940.
[15] Lagunas E, Sharma S K, Maleki S, et al. Resource allocation for cognitive satellite communications with incumbent terrestrial networks[J]. IEEE Transactions on Cognitive Communications and Networking, 2015,1(3): 305-317.
[16] Wang W, Zhao S, Zheng Y, et al. Resource allocation method of cognitive satellite terrestrial networks under non-ideal spectrum sensing[J]. IEEE Access, 2019,7: 7957-7964.
[17] Wang L, Li F, Liu X, et al. Spectrum optimization for cognitive satellite communications with Cournot game model[J]. IEEE Access, 2018,6: 1624-1634.
[18] Chen Z, Guo D, Ding G, et al. Optimized power control scheme for global throughput of cognitive satellite terrestrial networks based on non-cooperative game[J]. IEEE Access, 2019,7: 81652-81663.
[19] Ruan Y, Li Y, Wang C-X, et al. Energy efficient power allocation for delay constrained cognitive satellite terrestrial networks under interference constraints[J]. IEEE Transactions on Wireless Communications, 2019,18(10): 4957-4969.
[20] Wen X, Ruan Y, Li Y, et al. Cognitive region design for overlay cognitive satellite terrestrial networks [J]. IEEE Communications Letters, 2021,25(1): 244-248.
[21] Niu H, et al. Active RIS-Assisted secure transmission for cognitive satellite terrestrial networks[J]. IEEE Transactions on Vehicular Technology, 2023,72(2): 2609-2614.
[22] Zhang Y, Zhang H, Zhou H, et al. Resource allocation in terrestrial-satellite-based next generation multiple access networks with interference cooperation[J]. IEEE Journal on Selected Areas in Communications, 2022,40(4): 1210-1221.
[23] Lin Z, Lin M, Wang J-B, et al. Joint beamforming and power allocation for satellite-terrestrial integrated networks with nonorthogonal multiple access[J]. IEEE Journal of Selected Topics in Signal Processing, 2019,13(3): 657-670.
[24] Xie S, Zhang B, Guo D, et al. Performance analysis and power allocation for NOMA-Based hybrid satellite-terrestrial relay networks with imperfect channel state information [J]. IEEE Access, 2019,7: 136279-136289.
[25] Wang L, Wu Y, Zhang H, et al. Resource allocation for NOMA based space-terrestrial satellite networks[J]. IEEE Transactions on Wireless Communications, 2021,20(2): 1065-1075.
[26] Fang X, et al. NOMA-Based hybrid Satellite-UAV-Terrestrial networks for 6G maritime coverage[J]. IEEE Transactions on Wireless Communications, 2023,22(1): 138-152.
[27] Liu R, Guo K, An K, et al. Resource allocation for cognitive Satellite-HAP-Terrestrial networks with non-orthogonal multiple access[J]. IEEE Transactions on Vehicular Technology, 2023,72(7): 9659-9663.
[28] Jia H, Wang Y, Wu W. Dynamic Resource Allocation for Remote IoT Data Collection in SAGIN[J]. IEEE Internet of Things Journal, 2024: 1. ★
★原文刊发于《移动通信》2024年第9期★
doi:10.3969/j.issn.1006-1010.20240725-0003
中图分类号：TN929.5 文献标志码：A
文章编号：1006-1010(2024)09-0064-07
引用格式：付降寅,郭庆. 面向星地一体化网络的频谱共享方法研究[J]. 移动通信, 2024,48(9): 64-70.
FU Jiangyin, GUO Qing. Spectrum Sharing Methods for Satellite-Terrestrial Integrated Networks[J]. Mobile Communications, 2024,48(9): 64-70.
《移动通信》投稿方式为在线投稿
请您登录网页投稿系统
链接地址：http://ydtx.cbpt.cnki.net
