摘 要：隨著移動(dòng)終端和應(yīng)用的快速增長(zhǎng)，無(wú)線網(wǎng)絡(luò)需要滿足邊遠(yuǎn)地區(qū)、農(nóng)村和城市地區(qū)無(wú)處不在的連接需求。相較于中高軌衛(wèi)星，低軌衛(wèi)星通常在５００ ～ ２ ０００ ｋｍ 運(yùn)行，具有建設(shè)成本低、覆蓋范圍廣、功耗低、傳播延遲短等優(yōu)勢(shì)，低軌衛(wèi)星網(wǎng)絡(luò)已被廣泛認(rèn)為是提供全球無(wú)縫覆蓋的潛在解決方案。然而，未來(lái)低軌衛(wèi)星網(wǎng)絡(luò)的規(guī)模大、動(dòng)態(tài)性強(qiáng)，其用戶切換管理將是一個(gè)復(fù)雜的過(guò)程。針對(duì)低軌衛(wèi)星互聯(lián)網(wǎng)用戶切換管理的最新研究進(jìn)行了全面總結(jié)，從低軌衛(wèi)星網(wǎng)絡(luò)的實(shí)際架構(gòu)與切換管理挑戰(zhàn)出發(fā)，闡述了３ＧＰＰ 體制的切換管理協(xié)議，總結(jié)了切換管理的算法，探討了低軌衛(wèi)星互聯(lián)網(wǎng)中用戶切換管理的未來(lái)研究方向。

關(guān)鍵詞：低軌衛(wèi)星網(wǎng)絡(luò)；切換管理；切換協(xié)議；切換算法

中圖分類號(hào)：ＴＮ９２７． ２ 文獻(xiàn)標(biāo)志碼：Ａ 開(kāi)放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（ＯＳＩＤ）：

文章編號(hào)：１００３－３１１４（２０２４）０６－１１１０－０８

０ 引言

用戶對(duì)可靠的廣域網(wǎng)絡(luò)連接需求日益增長(zhǎng)，受地面無(wú)線網(wǎng)絡(luò)覆蓋范圍的限制，通過(guò)大規(guī)模部署地面基站難以滿足該需求［１］。此外，地面網(wǎng)絡(luò)設(shè)施相對(duì)固定，在發(fā)生自然災(zāi)害時(shí)會(huì)受到影響而無(wú)法工作。覆蓋范圍廣、吞吐量高的低軌衛(wèi)星網(wǎng)絡(luò)能夠有效解決上述問(wèn)題［２］。近年來(lái)，ＳｐａｃｅＸ 和ＯｎｅＷｅｂ 等公司已經(jīng)啟動(dòng)了低軌巨型星座建設(shè)［３］。

在低軌衛(wèi)星通信場(chǎng)景中，衛(wèi)星移動(dòng)速度快，用戶和衛(wèi)星之間連接呈現(xiàn)高度動(dòng)態(tài)特性，用戶必須頻繁進(jìn)行切換。特別在低軌巨型星座中，用戶可見(jiàn)的衛(wèi)星數(shù)量顯著增加，導(dǎo)致切換更頻繁復(fù)雜。用戶的切換管理對(duì)于低軌衛(wèi)星網(wǎng)絡(luò)至關(guān)重要。

本文從低軌衛(wèi)星網(wǎng)絡(luò)架構(gòu)與切換管理挑戰(zhàn)出發(fā)，闡述了３ＧＰＰ 體制下的切換管理協(xié)議，總結(jié)了切換管理過(guò)程的算法，探討了低軌衛(wèi)星網(wǎng)絡(luò)中用戶切換管理的未來(lái)研究方向。

１ 低軌衛(wèi)星網(wǎng)絡(luò)架構(gòu)與切換管理挑戰(zhàn)

１． １ 低軌衛(wèi)星網(wǎng)絡(luò)架構(gòu)

３ＧＰＰ 自Ｒ１４ 階段就開(kāi)始研究衛(wèi)星網(wǎng)絡(luò)與地面網(wǎng)絡(luò)融合的問(wèn)題［４］，將非地面網(wǎng)絡(luò)和地面網(wǎng)絡(luò)納入一體化標(biāo)準(zhǔn)研究，推動(dòng)衛(wèi)星網(wǎng)絡(luò)和地面網(wǎng)絡(luò)的深度融合發(fā)展。作為３ＧＰＰ Ｒ１７ 版本標(biāo)準(zhǔn)化工作的一部分，非地面網(wǎng)絡(luò)主要面向衛(wèi)星通信和低空通信，低軌衛(wèi)星網(wǎng)絡(luò)是其中最重要的組成部分。如圖１ 所示，低軌衛(wèi)星網(wǎng)絡(luò)包含以下幾個(gè)部分。

① 低軌衛(wèi)星：可搭載兩種不同類型的有效載荷，一是透明轉(zhuǎn)發(fā)載荷，實(shí)現(xiàn)頻率轉(zhuǎn)換和信號(hào)放大，以實(shí)現(xiàn)用戶和地面站之間的遠(yuǎn)程通信；二是可再生處理載荷，對(duì)信號(hào)進(jìn)行調(diào)制、編碼、解調(diào)、解碼，并進(jìn)行星上數(shù)字交換，相當(dāng)于在衛(wèi)星上部署部分或全部基站功能。透明傳輸?shù)牡蛙壭l(wèi)星沒(méi)有星間鏈路，信號(hào)需要通過(guò)星地鏈路傳輸?？稍偕d荷架構(gòu)通常設(shè)計(jì)星間鏈路。低軌衛(wèi)星具有固定或靈活波束，在地面形成固定覆蓋或者靈活掃描覆蓋。

② 用戶設(shè)備：衛(wèi)星覆蓋范圍內(nèi)的手持式或甚小孔徑終端。手持式終端通常采用全向天線，甚小孔徑終端通常采用口徑尺寸為０． ３ ～ １． ２ ｍ 的定向高增益天線。

③ 信關(guān)站：將低軌衛(wèi)星連接到公共數(shù)據(jù)網(wǎng)絡(luò)的地面站。在透明轉(zhuǎn)發(fā)有效載荷的情況下，需要配備地面基站處理設(shè)備。在再生有效載荷的情況下，地面站將接收到的信息中繼到核心網(wǎng)絡(luò)。

④ 用戶鏈路：負(fù)責(zé)連接用戶設(shè)備和衛(wèi)星。

⑤ 饋電鏈路：負(fù)責(zé)連接衛(wèi)星和信關(guān)站。

１． ２ 用戶切換管理挑戰(zhàn)

在蜂窩網(wǎng)絡(luò)中，小區(qū)中心信號(hào)強(qiáng)度相較于小區(qū)邊緣變化明顯，用戶可以較為容易地捕捉這種變化，然而這種信號(hào)強(qiáng)度變化在衛(wèi)星中有所減小，如圖２所示，由此導(dǎo)致衛(wèi)星波束重疊時(shí)信號(hào)強(qiáng)度差異小，用戶難以區(qū)分更好的小區(qū)。

且與單個(gè)地面基站相比，每顆衛(wèi)星覆蓋區(qū)域的用戶數(shù)量要大得多，在衛(wèi)星運(yùn)動(dòng)過(guò)程中，波束覆蓋邊緣的大量終端將同時(shí)觸發(fā)切換請(qǐng)求，海量終端給切換帶來(lái)了巨大的信令開(kāi)銷，同一時(shí)刻觸發(fā)切換也增加了沖突概率。當(dāng)前低軌衛(wèi)星多采用靈活的跳波束模式，衛(wèi)星運(yùn)動(dòng)加上波束跳變，導(dǎo)致用戶切換流程設(shè)計(jì)更加復(fù)雜。因此，用戶設(shè)備需要找到合適的切換準(zhǔn)則和有效切換策略，以應(yīng)對(duì)低軌衛(wèi)星網(wǎng)絡(luò)的切換管理挑戰(zhàn)。

２ 用戶切換協(xié)議

本節(jié)介紹基于３ＧＰＰ 體制標(biāo)準(zhǔn)的切換協(xié)議，包含３ＧＰＰ 組織提出的基本切換協(xié)議和條件切換協(xié)議，以及在此基礎(chǔ)上針對(duì)低軌衛(wèi)星網(wǎng)絡(luò)提出的基于深度學(xué)習(xí)的切換協(xié)議和組切換協(xié)議，這些切換協(xié)議可用于星間和星內(nèi)切換。

２． １ 基本切換協(xié)議

３ＧＰＰ 定義的基本切換流程如圖３ 所示。切換包括３ 個(gè)步驟［５］：① 信息收集，用戶測(cè)量相鄰小區(qū)和當(dāng)前小區(qū)的信號(hào)強(qiáng)度（也可以進(jìn)行其他參數(shù)測(cè)量）；② 切換判決，當(dāng)前服務(wù)基站根據(jù)第一階段的測(cè)量數(shù)據(jù)決定是否切換；③ 切換執(zhí)行，用戶釋放連接并接入到新的小區(qū)。

用戶設(shè)備接入衛(wèi)星服務(wù)小區(qū)后，執(zhí)行特定的下行鏈路信道測(cè)量。如果滿足網(wǎng)絡(luò)配置的某些條件（如Ａ３ 事件），用戶設(shè)備將向服務(wù)小區(qū)發(fā)送測(cè)量報(bào)告。有了這些信息，服務(wù)小區(qū)決定是否需要將用戶設(shè)備移交給新小區(qū)，隨后請(qǐng)求目標(biāo)小區(qū)準(zhǔn)備資源以分配給用戶設(shè)備。一旦目標(biāo)小區(qū)確認(rèn)要切換的用戶設(shè)備，切換執(zhí)行就會(huì)開(kāi)始，用戶設(shè)備會(huì)釋放其與服務(wù)小區(qū)的連接。用戶設(shè)備通過(guò)隨機(jī)接入信道接入目標(biāo)小區(qū)。與新小區(qū)成功同步后，用戶設(shè)備會(huì)向網(wǎng)絡(luò)發(fā)送確認(rèn)通知。用戶設(shè)備在與服務(wù)小區(qū)斷開(kāi)連接后會(huì)經(jīng)歷一定的中斷時(shí)間，直到與目標(biāo)小區(qū)建立新的連接（硬切換）。

低軌衛(wèi)星網(wǎng)絡(luò)場(chǎng)景下，由于小區(qū)邊緣信號(hào)強(qiáng)度不明顯，用戶終端無(wú)法分辨目標(biāo)小區(qū)并及時(shí)執(zhí)行切換。系統(tǒng)級(jí)仿真結(jié)果表明［６］，即使在鄉(xiāng)村場(chǎng)景下，基本切換協(xié)議也無(wú)法保障用戶服務(wù)的連續(xù)性和魯棒性。通過(guò)將Ａ３ 事件的觸發(fā)時(shí)間設(shè)置為０ ｍｓ 且沒(méi)有切換滯后余量，可以獲得最佳性能表現(xiàn)。此配置切換失敗率為２０％ ，乒乓切換率等于３０％ 。

２． ２ 條件切換協(xié)議

３ＧＰＰ 在Ｒｅｌ１６ 中設(shè)計(jì)了條件切換，旨在通過(guò)更早地做出切換決策來(lái)增強(qiáng)移動(dòng)切換的魯棒性。在服務(wù)小區(qū)條件仍然良好時(shí)，條件切換執(zhí)行早期切換準(zhǔn)備，并且當(dāng)目標(biāo)小區(qū)鏈路可靠時(shí)，允許用戶設(shè)備稍后接入目標(biāo)小區(qū)，如圖４ 所示。

條件切換包含準(zhǔn)備事件和執(zhí)行事件，這兩個(gè)事件可以配置不同的參數(shù)，根據(jù)不同的測(cè)量值觸發(fā)切換。當(dāng)滿足準(zhǔn)備事件時(shí)，用戶設(shè)備將測(cè)量報(bào)告發(fā)送到衛(wèi)星服務(wù)小區(qū)，做好早期切換準(zhǔn)備。如果衛(wèi)星目標(biāo)小區(qū)接收來(lái)自服務(wù)小區(qū)的切換請(qǐng)求，服務(wù)小區(qū)將切換命令轉(zhuǎn)發(fā)到用戶設(shè)備。在此步驟中，用戶設(shè)備存儲(chǔ)切換命令，而不是直接接入目標(biāo)小區(qū)。隨后，用戶繼續(xù)測(cè)量和監(jiān)測(cè)目標(biāo)小區(qū)。當(dāng)滿足執(zhí)行事件時(shí)，用戶設(shè)備將自主啟動(dòng)切換執(zhí)行步驟。

條件切換在衛(wèi)星服務(wù)小區(qū)信號(hào)質(zhì)量良好的情況下執(zhí)行切換流程，并通知所有滿足準(zhǔn)備事件的小區(qū)為用戶預(yù)留資源。與基本切換相比，條件切換過(guò)程有效提高了用戶下行吞吐量，并且通過(guò)更早地觸發(fā)切換，將切換失敗和鏈路失敗的數(shù)量減少到零［７］。然而，條件切換會(huì)導(dǎo)致不必要切換和切換乒乓增加，造成額外的信令開(kāi)銷和時(shí)延。

在條件切換的基礎(chǔ)上，一些研究改進(jìn)了準(zhǔn)備事件和執(zhí)行事件。文獻(xiàn)［８］利用衛(wèi)星運(yùn)動(dòng)的確定性以及用戶和地面小區(qū)中心的位置信息，結(jié)合測(cè)量信號(hào)強(qiáng)度修改了條件切換的執(zhí)行事件。文獻(xiàn)［９］修改了目標(biāo)候選衛(wèi)星的監(jiān)測(cè)條件，并構(gòu)建服務(wù)連續(xù)性性能圖模型，預(yù)測(cè)服務(wù)持續(xù)時(shí)間中不同的條件切換組合。上述方案降低了切換次數(shù)和失敗率。

２． ３ 基于深度強(qiáng)化學(xué)習(xí)的切換協(xié)議

隨著巨型低軌星座網(wǎng)絡(luò)中衛(wèi)星數(shù)量不斷增加，以及接入網(wǎng)絡(luò)設(shè)備數(shù)量飛速增長(zhǎng)，低軌衛(wèi)星網(wǎng)絡(luò)擁塞的可能性隨之增加。低軌衛(wèi)星快速移動(dòng)造成大量用戶終端在短時(shí)間內(nèi)進(jìn)行切換，來(lái)自大量用戶的過(guò)多切換控制信號(hào)會(huì)導(dǎo)致信令風(fēng)暴，導(dǎo)致高沖突率和長(zhǎng)時(shí)間的接入延遲，從而對(duì)網(wǎng)絡(luò)性能產(chǎn)生負(fù)面影響。

文獻(xiàn)［１０］提出了一種基于深度強(qiáng)化學(xué)習(xí)的新型切換協(xié)議，用于解決多用戶并發(fā)切換帶來(lái)的挑戰(zhàn)，流程如圖５ 所示。該協(xié)議通過(guò)訓(xùn)練的智能體為所有用戶決定切換請(qǐng)求的發(fā)送時(shí)間?；谏疃葟?qiáng)化學(xué)習(xí)的切換協(xié)議跳過(guò)了測(cè)量報(bào)告，這種簡(jiǎn)化消除了測(cè)量階段產(chǎn)生的傳播延遲，同時(shí)仍提供有效的切換決策。該協(xié)議在不同網(wǎng)絡(luò)條件下的接入時(shí)延、沖突率和切換成功率均優(yōu)于基本切換協(xié)議。

２． ４ 組切換協(xié)議

如前文所述，低軌衛(wèi)星切換場(chǎng)景中，大量切換請(qǐng)求并發(fā)是一個(gè)重要挑戰(zhàn)。文獻(xiàn)［１１］針對(duì)衛(wèi)星網(wǎng)絡(luò)的Ｘｎ 切換，提出一種安全的組切換協(xié)議。用戶由其位置信息聚類成組，服務(wù)衛(wèi)星從每個(gè)組中選擇一個(gè)以上的組頭，稱為組聚合。

切換過(guò)程中，非組聚合成員不向衛(wèi)星發(fā)送請(qǐng)求，而是公開(kāi)廣播其秘密共享以通知組聚合成員其切換意圖。組聚合成員通過(guò)檢查哈希承諾來(lái)驗(yàn)證正確性。在接收到超過(guò)給定閾值的足夠份額后，組聚合成員可以生成組切換憑證，并向源衛(wèi)星初始化組切換請(qǐng)求。源衛(wèi)星在收到組切換憑證后，驗(yàn)證組切換憑證的正確性，再組聚合成員代表組用戶與目標(biāo)衛(wèi)星通信以執(zhí)行組切換過(guò)程。

３ 切換管理算法

低軌衛(wèi)星網(wǎng)絡(luò)規(guī)模大、動(dòng)態(tài)性強(qiáng)，其切換管理將是一個(gè)復(fù)雜的過(guò)程。本節(jié)總結(jié)了低軌衛(wèi)星網(wǎng)絡(luò)切換管理的算法。

３． １ 基于圖論的切換算法

得益于全球定位系統(tǒng)基礎(chǔ)設(shè)施的不斷完善，用戶很容易獲取其確切位置信息。由于低軌衛(wèi)星運(yùn)動(dòng)是可預(yù)測(cè)的，網(wǎng)絡(luò)控制中心可以通過(guò)精確星歷信息推算未來(lái)一段時(shí)間內(nèi)的星地覆蓋關(guān)系，因此基于圖切換的算法應(yīng)運(yùn)而生，衛(wèi)星與用戶之間的覆蓋關(guān)系可以建模為有向圖、二分圖等圖數(shù)據(jù)結(jié)構(gòu)。

文獻(xiàn)［１２］將衛(wèi)星切換建模為有向圖，如圖６ 所示。假設(shè)任何用戶對(duì)于其可見(jiàn)衛(wèi)星都有一定的服務(wù)期限，即對(duì)于每顆衛(wèi)星，用戶都能獲取其覆蓋開(kāi)始時(shí)間和結(jié)束時(shí)間。這一覆蓋關(guān)系受最小仰角或建筑物遮擋的約束。如果將每個(gè)覆蓋周期視為節(jié)點(diǎn)，并且用戶在衛(wèi)星之間的切換可以看作是有向邊，那么用戶的衛(wèi)星切換過(guò)程可以建模為在有向圖中尋找路徑的過(guò)程，該路徑代表了所有可能的切換路徑。邊的權(quán)重可以由各類屬性組成，如仰角、剩余服務(wù)時(shí)間、剩余信道數(shù)量等。最終通過(guò)Ｄｉｊｋｓｔｒａ 或其他尋路算法，得到一條最優(yōu)切換路徑。

在有向圖的基礎(chǔ)上，一些研究拓展了基于圖論的方法。文獻(xiàn)［１３］將多輸入多輸出技術(shù)融入衛(wèi)星切換，提出了一種基于圖的二分切換策略，該策略使用ＫｕｈｎＭｕｎｋｒｅｓ 算法匹配地面站和衛(wèi)星，以最大限度地提高用戶通信質(zhì)量并平衡衛(wèi)星負(fù)載。

文獻(xiàn)［１４］提出一種基于時(shí)間演進(jìn)圖切換方案，與靜態(tài)圖不同的是，該方案考慮了用戶終端移動(dòng)速度帶來(lái)的影響。具體而言，該方案推導(dǎo)了終端在不同運(yùn)動(dòng)速度下單顆衛(wèi)星對(duì)其平均覆蓋時(shí)長(zhǎng)，并根據(jù)鏈路和網(wǎng)絡(luò)狀況調(diào)整時(shí)隙長(zhǎng)度，及時(shí)更新拓?fù)鋱D。為提高計(jì)算效率，提出了適用于多邊權(quán)值動(dòng)態(tài)變化的最短路徑實(shí)時(shí)更新算法，僅更新每個(gè)子圖的最短路徑樹(shù)中受影響的節(jié)點(diǎn)，相較于Ｄｉｊｋｓｔｒａ 算法降低了復(fù)雜度。

文獻(xiàn)［１５］將衛(wèi)星切換過(guò)程建模為多有向圖，圖中的節(jié)點(diǎn)表示相應(yīng)用戶可以選擇訪問(wèn)的衛(wèi)星，邊緣表示相鄰時(shí)隙之間可能的切換。每張圖從起始節(jié)點(diǎn)到結(jié)束節(jié)點(diǎn)的路徑是對(duì)應(yīng)用戶的切換策略，路徑長(zhǎng)度是用戶可以獲得的獎(jiǎng)勵(lì)。切換過(guò)程中選擇同一顆衛(wèi)星被定義為用戶沖突，在所提出的多有向圖模型中將其表示為路徑?jīng)_突。為最小化切換次數(shù)，最大化接收功率，同時(shí)減少?zèng)_突次數(shù)，提出了一種基于多目標(biāo)多智能體路徑查找的切換策略。

３． ２ 基于ＡＩ 的切換算法

ＡＩ 正在通信行業(yè)產(chǎn)生深遠(yuǎn)而革命性的影響。機(jī)器學(xué)習(xí)（Ｍａｃｈｉｎｅ Ｌｅａｒｎｉｎｇ，ＭＬ）是ＡＩ 的一個(gè)子集，它允許機(jī)器從大量數(shù)據(jù)中學(xué)習(xí)并在不需要顯式編程的情況下做出決策。深度學(xué)習(xí)是ＭＬ 的一個(gè)特殊子集，用于研究包含多個(gè)隱藏層的人工神經(jīng)網(wǎng)絡(luò)。衛(wèi)星網(wǎng)絡(luò)相關(guān)的挑戰(zhàn)為ＡＩ 應(yīng)用提供了一個(gè)誘人的領(lǐng)域［１６］，ＡＩ 自然可以用于低軌衛(wèi)星切換管理。

作為ＭＬ 的另一個(gè)子集，強(qiáng)化學(xué)習(xí)能夠訓(xùn)練智能體自主地與動(dòng)態(tài)環(huán)境實(shí)時(shí)交互并做出決策。馬爾可夫過(guò)程是強(qiáng)化學(xué)習(xí)的核心，衛(wèi)星切換可以建模為馬爾可夫決策過(guò)程：在馬爾可夫過(guò)程中，未來(lái)狀態(tài)的概率分布僅依賴于當(dāng)前狀態(tài)，與過(guò)去狀態(tài)無(wú)關(guān)，即滿足無(wú)后效性。如圖７ 所示，智能體根據(jù)策略和現(xiàn)有狀態(tài)選擇下一時(shí)刻的動(dòng)作，動(dòng)作是每個(gè)切換時(shí)刻選擇的衛(wèi)星。根據(jù)切換決策發(fā)生的地點(diǎn)，智能體可以布置在用戶、衛(wèi)星或網(wǎng)絡(luò)控制中心。

現(xiàn)有衛(wèi)星切換研究中，最常用的強(qiáng)化學(xué)習(xí)算法是Ｑ 學(xué)習(xí)，這是典型的無(wú)模型強(qiáng)化學(xué)習(xí)。在Ｑ 學(xué)習(xí)中，數(shù)值模擬用于迭代訓(xùn)練Ｑ 表，由Ｑ 表給出每個(gè)狀態(tài)下每個(gè)動(dòng)作的獎(jiǎng)勵(lì)，直到其收斂。在Ｑ 學(xué)習(xí)的基礎(chǔ)上，出現(xiàn)了一系列算法解決衛(wèi)星切換問(wèn)題：深度Ｑ 學(xué)習(xí)［１７］、連續(xù)深度Ｑ 學(xué)習(xí)［１８］、雙深度Ｑ 學(xué)習(xí)［１９］、動(dòng)量自適應(yīng)學(xué)習(xí)率的深度Ｑ 學(xué)習(xí)［２０］。其中，深度Ｑ學(xué)習(xí)算法使用神經(jīng)網(wǎng)絡(luò)來(lái)替代Ｑ 表，以減小狀態(tài)空間過(guò)大帶來(lái)的儲(chǔ)存開(kāi)銷。連續(xù)深度Ｑ 學(xué)習(xí)是一種低復(fù)雜度的深度Ｑ 學(xué)習(xí)算法，能夠顯著降低狀態(tài)空間的維數(shù)，并以分布式的方案高效決策切換。雙深度Ｑ 學(xué)習(xí)算法通過(guò)雙Ｑ 網(wǎng)絡(luò)有效解決Ｑ 值過(guò)估計(jì)的問(wèn)題。動(dòng)量自適應(yīng)學(xué)習(xí)率的深度Ｑ 學(xué)習(xí)是一種自適應(yīng)學(xué)習(xí)率的算法，不僅可以提高決策準(zhǔn)確性，還可以提高學(xué)習(xí)效率。與傳統(tǒng)固定學(xué)習(xí)率的深度Ｑ學(xué)習(xí)算法相比，具有更快的收斂速度。

上述切換算法只訓(xùn)練一個(gè)智能體。考慮到用戶之間的競(jìng)爭(zhēng)和合作關(guān)系，以及分布式方案所帶來(lái)的優(yōu)點(diǎn)，基于多智能體的深度強(qiáng)化學(xué)習(xí)算法被運(yùn)用在衛(wèi)星切換場(chǎng)景，如圖８ 所示。文獻(xiàn)［２１］提出一種多智能體深度Ｑ 學(xué)習(xí)算法，每個(gè)用戶是一個(gè)智能體，訓(xùn)練后的用戶可以僅根據(jù)本地信息做出切換決策。該算法在滿足最小阻塞率的同時(shí)，有效保證了衛(wèi)星網(wǎng)絡(luò)的負(fù)載均衡。

文獻(xiàn)［２２］提出了一種集中自適應(yīng)的巨型星座智能切換方案，考慮了傳播條件的動(dòng)態(tài)性和低軌衛(wèi)星容量。該方案使用三態(tài)馬爾可夫模型描述星地之間動(dòng)態(tài)變化的傳播條件，并提出一種多智能體連續(xù)滯后深度Ｑ 學(xué)習(xí)算法以最大化網(wǎng)絡(luò)效用，減少所提出的集中式切換方案的信令開(kāi)銷和計(jì)算復(fù)雜度。

文獻(xiàn)［２３］使用分散馬爾可夫決策過(guò)程來(lái)描述具有有限突發(fā)業(yè)務(wù)的低軌衛(wèi)星網(wǎng)絡(luò)中的切換問(wèn)題。為處理由大狀態(tài)空間和動(dòng)作空間引起的高計(jì)算復(fù)雜性，使用具有完全分散框架的多智能體雙深度Ｑ 網(wǎng)絡(luò)來(lái)設(shè)計(jì)切換決策。

３． ３ 基于博弈論的切換算法

博弈論可對(duì)處于競(jìng)爭(zhēng)環(huán)境下的不同決策者之間的行為進(jìn)行解釋分析。博弈論有幾個(gè)要素：玩家、效用函數(shù)、行動(dòng)、策略和均衡。在博弈過(guò)程中，每個(gè)參與者都有一個(gè)效用函數(shù)，并且總是選擇使自己效用最優(yōu)的策略。

文獻(xiàn)［２４］基于軟件定義衛(wèi)星網(wǎng)絡(luò)架構(gòu)，提出了一種勢(shì)博弈的衛(wèi)星切換方案。該方案將切換定義為多個(gè)移動(dòng)終端爭(zhēng)奪衛(wèi)星資源和可用信道的過(guò)程，并建立衛(wèi)星資源共享博弈模型。每個(gè)用戶（玩家）擁有一個(gè)效用函數(shù)，當(dāng)所有用戶通過(guò)調(diào)整策略獲得其最佳效用函數(shù)時(shí)，認(rèn)為系統(tǒng)達(dá)到納什均衡，換言之，任何用戶都無(wú)法通過(guò)改變策略來(lái)提高自身效用。當(dāng)?shù)蛙壭l(wèi)星繞地球運(yùn)行或移動(dòng)終端移動(dòng)時(shí)，移動(dòng)終端根據(jù)自身的效用函數(shù)選擇效益最大的衛(wèi)星進(jìn)行切換；某些移動(dòng)終端可能沒(méi)有任何可用信道或可用的衛(wèi)星，網(wǎng)絡(luò)控制中心會(huì)為其騰出相應(yīng)的衛(wèi)星和信道。

文獻(xiàn)［２５］將多架飛機(jī)的低軌衛(wèi)星切換問(wèn)題建模為局部合作博弈。在此博弈中，飛機(jī)之間的下行信道相互干擾，每架飛機(jī)與存在干擾關(guān)系的其他飛機(jī)合作確定要切換的衛(wèi)星，證明了所提局部合作博弈是一個(gè)精確的勢(shì)博弈。提出了一種收斂速率更快的改進(jìn)分布式最佳響應(yīng)算法和具有更多可能性的協(xié)作混合切換策略迭代算法來(lái)獲得切換決策的最優(yōu)解。

文獻(xiàn)［２６］分析了降雪環(huán)境對(duì)量子衛(wèi)星星地鏈路衰減的影響，提出一種基于演化博弈的多用戶量子衛(wèi)星切換方案。根據(jù)用戶的帶寬、衛(wèi)星剩余服務(wù)時(shí)間及鏈路衰減３ 個(gè)屬性定義效用函數(shù)，根據(jù)信道糾纏度、星間傳輸時(shí)延定義開(kāi)銷函數(shù)，結(jié)合效用函數(shù)和開(kāi)銷函數(shù)得到用戶的收益函數(shù)，建立了演化博弈切換模型。

３． ４ 基于聚類的切換算法

用戶聚類的核心思想是彼此靠近的用戶大概率同時(shí)觸發(fā)對(duì)同一衛(wèi)星的切換請(qǐng)求。通過(guò)聚類算法，將多個(gè)用戶劃分為組，組頭代表所有用戶向衛(wèi)星發(fā)起切換，如圖９ 所示。用戶分組切換能夠大幅度減小切換開(kāi)銷。

文獻(xiàn)［２７］提出了一種新型的低地軌道衛(wèi)星網(wǎng)絡(luò)分組切換策略。該策略使用分層聚類，根據(jù)網(wǎng)絡(luò)負(fù)載和用戶屬性對(duì)用戶進(jìn)行分組，設(shè)計(jì)了一種基于網(wǎng)絡(luò)流模型劃分限制衛(wèi)星選擇的算法，用戶組作為一個(gè)整體進(jìn)行優(yōu)先排序，采用最短路徑快速算法以最小代價(jià)搜索增強(qiáng)路徑。

文獻(xiàn)［２８］使用譜聚類算法聚類用戶組。由于衛(wèi)星軌跡的確定性，用戶群組的切換存在相關(guān)性，基于先前群組的切換經(jīng)驗(yàn)提前進(jìn)行切換時(shí)間預(yù)測(cè)，各組根據(jù)與前組的相關(guān)性預(yù)測(cè)目標(biāo)衛(wèi)星和切換時(shí)間。

文獻(xiàn)［２９］利用模糊Ｃ 均值聚類，提出一種基于信道預(yù)留的低軌衛(wèi)星切換策略。對(duì)每個(gè)用戶，當(dāng)即將到來(lái)的衛(wèi)星中沒(méi)有空閑信道時(shí)，用戶在隊(duì)列中等待，如果用戶等待時(shí)間超過(guò)指定閾值時(shí)間，用戶服務(wù)將被中斷；如果隊(duì)列大小超過(guò)指定閾值，系統(tǒng)使用模糊Ｃ 均值聚類將排隊(duì)用戶劃分為群組，組頭使用保留信道與其成員切換到即將到來(lái)的衛(wèi)星。該方案預(yù)留信道數(shù)量和分配給單個(gè)用戶的正常信道數(shù)量可變，提升了算法的靈活性。

４ 未來(lái)研究方向

４． １ 業(yè)務(wù)驅(qū)動(dòng)的用戶切換管理

隨著接入低軌衛(wèi)星網(wǎng)絡(luò)的用戶設(shè)備數(shù)量增加，終端業(yè)務(wù)類型和需求呈現(xiàn)差異化。以３ＧＰＰ 定義的５Ｇ 典型場(chǎng)景為例，增強(qiáng)型移動(dòng)寬帶為用戶終端提供無(wú)縫的連續(xù)網(wǎng)絡(luò)覆蓋和超高的數(shù)據(jù)傳輸速率；海量機(jī)器通信面向海量物聯(lián)網(wǎng)連接；超可靠低延遲通信要求網(wǎng)絡(luò)高可靠性和低延遲通信，滿足某些行業(yè)應(yīng)用中對(duì)時(shí)延和可靠性的極高要求。

業(yè)務(wù)驅(qū)動(dòng)的切換管理旨在滿足各類不同業(yè)務(wù)的需求。面向增強(qiáng)型移動(dòng)寬帶的切換管理應(yīng)該避免低仰角衛(wèi)星服務(wù)，提高星地之間的鏈路質(zhì)量，為用戶終端提供可保障的傳輸速率。面向海量機(jī)器通信的切換管理需要降低切換管理過(guò)程的開(kāi)銷，避免多用戶沖突。面向超可靠低延遲通信的切換管理可以采用多連接技術(shù)，多顆衛(wèi)星緩沖用戶下行數(shù)據(jù)以確保切換的高可靠性和業(yè)務(wù)無(wú)縫切換。總之，切換管理策略可以根據(jù)用戶類型和需求動(dòng)態(tài)變化。

４． ２ 基于開(kāi)放式接入網(wǎng)的切換管理

低軌衛(wèi)星網(wǎng)絡(luò)是一個(gè)具有嚴(yán)格規(guī)劃架構(gòu)的封閉系統(tǒng)，衛(wèi)星網(wǎng)絡(luò)的各個(gè)節(jié)點(diǎn)可能由不同運(yùn)營(yíng)商提供，這些節(jié)點(diǎn)在優(yōu)化和接口管理方面缺乏靈活性。此外，現(xiàn)有低軌衛(wèi)星網(wǎng)絡(luò)在設(shè)計(jì)之初并未考慮ＡＩ 技術(shù)，因此其智能化應(yīng)用是在傳統(tǒng)網(wǎng)絡(luò)架構(gòu)上進(jìn)行優(yōu)化和改造的。構(gòu)建智能化網(wǎng)絡(luò)架構(gòu)對(duì)基于ＡＩ 的切換管理具有重大意義。

開(kāi)放式接入網(wǎng)（ＯｐｅｎＲＡＮ，ＯＲＡＮ）基于分解和虛擬化的組件，通過(guò)開(kāi)放接口連接，可以在不同的供應(yīng)商之間互操作?；冢希遥粒?的切換管理技術(shù)是未來(lái)值得研究的方向。ＯＲＡＮ 通過(guò)引入無(wú)線智能控制器充分發(fā)揮ＡＩ 的潛力。通過(guò)開(kāi)放接口從所有網(wǎng)絡(luò)節(jié)點(diǎn)收集所需的近實(shí)時(shí)數(shù)據(jù)，利用收集到的數(shù)據(jù)來(lái)訓(xùn)練ＡＩ／ ＭＬ 模型。在無(wú)線智能控制器中部署經(jīng)過(guò)訓(xùn)練的ＡＩ／ ＭＬ 模型，對(duì)ＯＲＡＮ 的集中單元和分布單元節(jié)點(diǎn)執(zhí)行細(xì)粒度控制以優(yōu)化切換管理。

４． ３ 跳波束模式下的用戶切換管理

為實(shí)現(xiàn)靈活的用戶服務(wù)區(qū)域覆蓋，低軌衛(wèi)星互聯(lián)網(wǎng)多采用靈活的多波束陣列天線載荷，采用跳波束模式服務(wù)多個(gè)用戶，對(duì)用戶切換管理帶來(lái)更大挑戰(zhàn)。用戶的切換算法與流程設(shè)計(jì)與波束的跳變策略緊密相關(guān)。

跳波束模式下的用戶切換管理既要考慮傳統(tǒng)的信號(hào)大小變化、衛(wèi)星服務(wù)時(shí)間等因素，還要考慮波束的跳變策略、波束停留時(shí)間、波束跳變時(shí)延、信令和業(yè)務(wù)信道設(shè)計(jì)等，切換流程變得更加復(fù)雜。單一的切換管理算法難以適配動(dòng)態(tài)變化的波束跳變策略，需要研究基于ＡＩ 的用戶切換管理技術(shù)，以適配巨型低軌星座的發(fā)展。

５ 結(jié)束語(yǔ)

低軌衛(wèi)星網(wǎng)絡(luò)正經(jīng)歷快速發(fā)展時(shí)期，提供無(wú)縫和高容量的全球通信服務(wù)，成為６Ｇ 及以后移動(dòng)網(wǎng)絡(luò)不可或缺的一部分。衛(wèi)星運(yùn)動(dòng)速度高，使用低軌星座的用戶設(shè)備會(huì)經(jīng)歷頻繁的切換。本文分析了高動(dòng)態(tài)環(huán)境下低軌衛(wèi)星網(wǎng)絡(luò)切換管理的諸多挑戰(zhàn)，闡述了３ＧＰＰ 體制標(biāo)準(zhǔn)下低軌衛(wèi)星網(wǎng)絡(luò)切換管理協(xié)議，總結(jié)了現(xiàn)有衛(wèi)星切換管理算法，討論了未來(lái)低軌衛(wèi)星網(wǎng)絡(luò)切換管理的研究方向。

參考文獻(xiàn)

［１］ ＡＬ ＨＯＭＳＳＩ Ｂ，ＡＬＨＯＵＲＡＮＩ Ａ，ＷＡＮＧ Ｋ，ｅｔ ａｌ． ＮｅｘｔＧｅｎｅｒａｔｉｏｎ Ｍｅｇａ Ｓａｔｅｌｌｉｔｅ Ｎｅｔｗｏｒｋｓ ｆｏｒ Ａｃｃｅｓｓ Ｅｑｕａｌｉｔｙ：Ｏｐｐｏｒｔｕｎｉｔｉｅｓ，Ｃｈａｌｌｅｎｇｅｓ，ａｎｄ Ｐｅｒｆｏｒｍａｎｃｅ ［Ｊ］． ＩＥＥＥＣｏｍｍｕｎｉｃａｔｉｏｎｓ Ｍａｇａｚｉｎｅ，２０２２，６０（４）：１８－２４．

［２］ 方一鳴，趙祥天，趙亞飛，等． 低軌衛(wèi)星信號(hào)捕獲與跟蹤技術(shù)綜述［Ｊ］． 無(wú)線電通信技術(shù)，２０２３，４９ （５）：８１６－８２５．

［３］ ＪＩ Ｓ Ｊ，ＺＨＯＵ Ｄ，ＳＨＥＮＧ Ｍ，ｅｔ ａｌ． Ｍｅｇａ Ｓａｔｅｌｌｉｔｅ Ｃｏｎｓｔｅｌｌａｔｉｏｎ Ｓｙｓｔｅｍ Ｏｐｔｉｍｉｚａｔｉｏｎ：Ｆｒｏｍ ａ Ｎｅｔｗｏｒｋ Ｃｏｎｔｒｏｌ Ｓｔｒｕｃｔｕｒｅ Ｐｅｒｓｐｅｃｔｉｖｅ［Ｊ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｗｉｒｅｌｅｓｓ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ，２０２２，２１（２）：９１３－９２７．

［４］ 王靜賢，張景，魏肖，等． 衛(wèi)星５Ｇ 融合網(wǎng)絡(luò)架構(gòu)與關(guān)鍵技術(shù)研究［Ｊ］． 無(wú)線電通信技術(shù)，２０２１，４７（５）：５２８－５３４．

［５］ Ｇ？ＤＯＲ Ｇ，ＪＡＫ？ Ｚ，ＫＮＡＰＰ ？，ｅｔ ａｌ． Ａ Ｓｕｒｖｅｙ ｏｆ Ｈａｎｄｏｖｅｒ Ｍａｎａｇｅｍｅｎｔ ｉｎ ＬＴＥｂａｓｅｄ Ｍｕｌｔｉｔｉｅｒ ＦｅｍｔｏｃｅｌｌＮｅｔｗｏｒｋｓ：Ｒｅｑｕｉｒｅｍｅｎｔｓ，Ｃｈａｌｌｅｎｇｅｓ ａｎｄ Ｓｏｌｕｔｉｏｎｓ ［Ｊ］．Ｃｏｍｐｕｔｅｒ Ｎｅｔｗｏｒｋｓ，２０１５，７６：１７－４１．

［６］ ＪＵＡＮ Ｅ，ＬＡＵＲＩＤＳＥＮ Ｍ，ＷＩＧＡＲＤ Ｊ，ｅｔ ａｌ． ５Ｇ ＮｅｗＲａｄｉｏ Ｍｏｂｉｌｉｔｙ Ｐｅｒｆｏｒｍａｎｃｅ ｉｎ ＬＥＯｂａｓｅｄ ＮｏｎｔｅｒｒｅｓｔｒｉａｌＮｅｔｗｏｒｋｓ［Ｃ］∥２０２０ ＩＥＥＥ Ｇｌｏｂｅｃｏｍ Ｗｏｒｋｓｈｏｐｓ （ＧＣＷｋｓｈｐｓ）． Ｔａｉｐｅｉ：ＩＥＥＥ，２０２０：１－６．

［７］ ＪＵＡＮ Ｅ，ＬＡＵＲＩＤＳＥＮ Ｍ，ＷＩＧＡＲＤ Ｊ，ｅｔ ａｌ． ＰｅｒｆｏｒｍａｎｃｅＥｖａｌｕａｔｉｏｎ ｏｆ ｔｈｅ ５Ｇ ＮＲ Ｃｏｎｄｉｔｉｏｎａｌ Ｈａｎｄｏｖｅｒ ｉｎ ＬＥＯｂａｓｅｄ Ｎｏｎｔｅｒｒｅｓｔｒｉａｌ Ｎｅｔｗｏｒｋｓ［Ｃ］∥２０２２ ＩＥＥＥ ＷｉｒｅｌｅｓｓＣｏｍｍｕｎｉｃａｔｉｏｎｓ ａｎｄ Ｎｅｔｗｏｒｋｉｎｇ Ｃｏｎｆｅｒｅｎｃｅ （ＷＣＮＣ）．Ａｕｓｔｉｎ：ＩＥＥＥ，２０２２：２４８８－２４９３．

［８］ ＪＵＡＮ Ｅ，ＬＡＵＲＩＤＳＥＮ Ｍ，ＷＩＧＡＲＤ Ｊ，ｅｔ ａｌ． ＬｏｃａｔｉｏｎＢａｓｅｄ Ｈａｎｄｏｖｅｒ Ｔｒｉｇｇｅｒｉｎｇ ｆｏｒ Ｌｏｗｅａｒｔｈ Ｏｒｂｉｔ ＳａｔｅｌｌｉｔｅＮｅｔｗｏｒｋｓ［Ｃ］∥２０２２ ＩＥＥＥ ９５ｔｈ Ｖｅｈｉｃｕｌａｒ ＴｅｃｈｎｏｌｏｇｙＣｏｎｆｅｒｅｎｃｅ：（ＶＴＣ２０２２ －Ｓｐｒｉｎｇ）． Ｈｅｌｓｉｎｋｉ：ＩＥＥＥ，２０２２：１－６．

［９］ ＷＡＮＧ Ｆ，ＪＩＡＮＧ Ｄ Ｄ，ＷＡＮＧ Ｚ Ｈ，ｅｔ ａｌ． Ｓｅａｍｌｅｓｓ Ｈａｎｄｏｖｅｒ ｉｎ ＬＥＯ Ｂａｓｅｄ Ｎｏｎｔｅｒｒｅｓｔｒｉａｌ Ｎｅｔｗｏｒｋｓ：ＳｅｒｖｉｃｅＣｏｎｔｉｎｕｉｔｙ ａｎｄ Ｏｐｔｉｍｉｚａｔｉｏｎ ［Ｊ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎＣｏｍｍｕｎｉｃａｔｉｏｎｓ，２０２３，７１（２）：１００８－１０２３．

［１０］ＬＥＥ Ｊ，ＰＡＲＫ Ｃ，ＰＡＲＫ Ｓ，ｅｔ ａｌ． Ｈａｎｄｏｖｅｒ ＰｒｏｔｏｃｏｌＬｅａｒｎｉｎｇ ｆｏｒ ＬＥＯ Ｓａｔｅｌｌｉｔｅ Ｎｅｔｗｏｒｋｓ：Ａｃｃｅｓｓ Ｄｅｌａｙ ａｎｄＣｏｌｌｉｓｉｏｎ Ｍｉｎｉｍｉｚａｔｉｏｎ［Ｊ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ ＷｉｒｅｌｅｓｓＣｏｍｍｕｎｉｃａｔｉｏｎｓ，２０２４，２３（７）：７６２４－７６３７．

［１１］ＺＨＡＮＧ Ｂ Ｈ，ＨＵ Ｐ，ＡＺＩＲＡＮＩ Ａ Ａ，ｅｔ ａｌ． Ｓｅｃｕｒｅ ａｎｄ Ｅｆｆｉｃｉｅｎｔ Ｇｒｏｕｐ Ｈａｎｄｏｖｅｒ Ｐｒｏｔｏｃｏｌ ｉｎ ５Ｇ ＮｏｎｔｅｒｒｅｓｔｒｉａｌＮｅｔｗｏｒｋｓ［Ｃ］∥ＩＣＣ ２０２４ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅｏｎ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ． Ｄｅｎｖｅｒ：ＩＥＥＥ，２０２４：５０６３－５０６８．

［１２］ＷＵ Ｚ Ｆ，ＪＩＮ Ｆ Ｌ，ＬＵＯ Ｊ Ｘ，ｅｔ ａｌ． Ａ Ｇｒａｐｈｂａｓｅｄ ＳａｔｅｌｌｉｔｅＨａｎｄｏｖｅｒ Ｆｒａｍｅｗｏｒｋ ｆｏｒ ＬＥＯ Ｓａｔｅｌｌｉｔｅ ＣｏｍｍｕｎｉｃａｔｉｏｎＮｅｔｗｏｒｋｓ［Ｊ］． ＩＥＥＥ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｌｅｔｔｅｒｓ，２０１６，２０（８）：１５４７－１５５０．

［１３］ ＦＥＮＧ Ｌ，ＬＩＵ Ｙ Ｆ，ＷＵ Ｌ，ｅｔ ａｌ． Ａ Ｓａｔｅｌｌｉｔｅ ＨａｎｄｏｖｅｒＳｔｒａｔｅｇｙ Ｂａｓｅｄ ｏｎ ＭＩＭＯ Ｔｅｃｈｎｏｌｏｇｙ ｉｎ ＬＥＯ ＳａｔｅｌｌｉｔｅＮｅｔｗｏｒｋｓ［Ｊ］． ＩＥＥＥ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｌｅｔｔｅｒｓ，２０２０，２４（７）：１５０５－１５０９．

［１４］胡欣，宋航宇，劉帥軍，等． 基于時(shí)間演進(jìn)圖的ＬＥＯ 星間切換實(shí)時(shí)預(yù)測(cè)及更新方法［Ｊ］． 通信學(xué)報(bào)，２０１８，３９（１０）：４３－５１．

［１５］ＪＩＡＮＧ Ｚ Ｙ，ＬＩ Ｗ，ＷＡＮＧ Ｘ Ｔ，ｅｔ ａｌ． Ａ ＬＥＯ ＳａｔｅｌｌｉｔｅＨａｎｄｏｖｅｒ Ｓｔｒａｔｅｇｙ Ｂａｓｅｄ ｏｎ Ｇｒａｐｈ ａｎｄ ＭｕｌｔｉｏｂｊｅｃｔｉｖｅＭｕｌｔｉａｇｅｎｔ Ｐａｔｈ Ｆｉｎｄｉｎｇ［Ｊ］． Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ａｅｒｏｓｐａｃｅ Ｅｎｇｉｎｅｅｒｉｎｇ，２０２３，２０２３（１）：１１１１５５７．

［１６］ＭＡＨＢＯＯＢ Ｓ，ＬＩＵ Ｌ Ｊ． Ｒｅｖｏｌｕｔｉｏｎｉｚｉｎｇ Ｆｕｔｕｒｅ Ｃｏｎｎｅｃｔｉｖｉｔｙ：Ａ Ｃｏｎｔｅｍｐｏｒａｒｙ Ｓｕｒｖｅｙ ｏｎ ＡＩｅｍｐｏｗｅｒｅｄ ＳａｔｅｌｌｉｔｅＢａｓｅｄ Ｎｏｎｔｅｒｒｅｓｔｒｉａｌ Ｎｅｔｗｏｒｋｓ ｉｎ ６Ｇ［Ｊ］． ＩＥＥＥ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｓｕｒｖｅｙｓ ＆ Ｔｕｔｏｒｉａｌｓ，２０２４，２６（２）：１２７９－１３２１．

［１７］ＷＡＮＧ Ｊ，ＭＵ Ｗ，ＬＩＵ Ｙ Ｎ，ｅｔ ａｌ． Ｄｅｅｐ ＲｅｉｎｆｏｒｃｅｍｅｎｔＬｅａｒｎｉｎｇｂａｓｅｄ Ｓａｔｅｌｌｉｔｅ Ｈａｎｄｏｖｅｒ Ｓｃｈｅｍｅ ｆｏｒ ＳａｔｅｌｌｉｔｅＣｏｍｍｕｎｉｃａｔｉｏｎｓ［Ｃ］∥２０２１ １３ｔｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅｏｎ Ｗｉｒｅｌｅｓｓ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ ａｎｄ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ （ＷＣＳＰ）． Ｃｈａｎｇｓｈａ：ＩＥＥＥ，２０２１：１－６．

［１８］ＬＩＵ Ｈ Ｔ，ＷＡＮＧ Ｙ Ｃ，ＷＡＮＧ Ｙ Ｘ． Ａ Ｓｕｃｃｅｓｓｉｖｅ ＤｅｅｐＱＬｅａｒｎｉｎｇ Ｂａｓｅｄ Ｄｉｓｔｒｉｂｕｔｅｄ Ｈａｎｄｏｖｅｒ Ｓｃｈｅｍｅ ｆｏｒ Ｌａｒｇｅｓｃａｌｅ ＬＥＯ Ｓａｔｅｌｌｉｔｅ Ｎｅｔｗｏｒｋｓ［Ｃ］∥２０２２ ＩＥＥＥ ９５ｔｈＶｅｈｉｃｕｌａｒ Ｔｅｃｈｎｏｌｏｇｙ Ｃｏｎｆｅｒｅｎｃｅ：（ＶＴＣ２０２２Ｓｐｒｉｎｇ）．Ｈｅｌｓｉｎｋｉ：ＩＥＥＥ，２０２２：１－６．

［１９］ＷＵ Ｄ Ｆ，ＨＵＡＮＧ Ｃ Ｈ，ＹＩＮ Ｙ Ｂ，ｅｔ ａｌ． ＬＢＤＤＱＮ ｆｏｒＨａｎｄｏｖｅｒ Ｄｅｃｉｓｉｏｎ ｉｎ ＳａｔｅｌｌｉｔｅＴｅｒｒｅｓｔｒｉａｌ Ｉｎｔｅｇｒａｔｅｄ Ｎｅｔｗｏｒｋｓ［Ｊ］． Ｗｉｒｅｌｅｓｓ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ ａｎｄ Ｍｏｂｉｌｅ Ｃｏｍｐｕｔｉｎｇ，２０２１，２０２１（１）：５８７１１１４．

［２０］ＹＡＮＧ Ｊ Ｙ，ＸＩＡＯ Ｚ Ｙ，ＣＵＩ Ｈ Ｘ，ｅｔ ａｌ． ＤＱＮＡＬｒＭＢａｓｅｄＩｎｔｅｌｌｉｇｅｎｔ Ｈａｎｄｏｖｅｒ Ｍｅｔｈｏｄ ｆｏｒ ＳａｔｅｌｌｉｔｅＧｒｏｕｎｄＩｎｔｅｇｒａｔｅｄ Ｎｅｔｗｏｒｋ［Ｊ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ ＣｏｇｎｉｔｉｖｅＣｏｍｍｕｎｉｃａｔｉｏｎｓ ａｎｄ Ｎｅｔｗｏｒｋｉｎｇ，２０２３，９（４）：９７７－９９０．

［２１］ ＨＥ Ｓ Ｘ，ＷＡＮＧ Ｔ Ｙ，ＷＡＮＧ Ｓ Ｗ． Ｌｏａｄａｗａｒｅ ＳａｔｅｌｌｉｔｅＨａｎｄｏｖｅｒ Ｓｔｒａｔｅｇｙ Ｂａｓｅｄ ｏｎ Ｍｕｌｔｉａｇｅｎｔ ＲｅｉｎｆｏｒｃｅｍｅｎｔＬｅａｒｎｉｎｇ［Ｃ］∥ ＧＬＯＢＥＣＯＭ ２０２０ － ２０２０ ＩＥＥＥ ＧｌｏｂａｌＣｏｍｍｕｎｉｃａｔｉｏｎｓ Ｃｏｎｆｅｒｅｎｃｅ． Ｔａｉｐｅｉ：ＩＥＥＥ，２０２０：１－６．

［２２］ＬＩＵ Ｈ Ｔ，ＷＡＮＧ Ｙ Ｃ，ＬＩ Ｐ Ｘ，ｅｔ ａｌ． Ａ Ｍｕｌｔｉａｇｅｎｔ ＤｅｅｐＲｅｉｎｆｏｒｃｅｍｅｎｔ Ｌｅａｒｎｉｎｇ Ｂａｓｅｄ Ｈａｎｄｏｖｅｒ Ｓｃｈｅｍｅ ｆｏｒＭｅｇａｃｏｎｓｔｅｌｌａｔｉｏｎ Ｕｎｄｅｒ Ｄｙｎａｍｉｃ Ｐｒｏｐａｇａｔｉｏｎ Ｃｏｎｄｉｔｉｏｎｓ［Ｊ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｗｉｒｅｌｅｓｓ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ，２０２４，２３（１０）：１３５７９－１３５９６．

［２３］ＹＡＮＧ Ｆ，ＷＵ Ｗ Ｊ，ＧＡＯ Ｙ，ｅｔ ａｌ． ＭｕｌｔｉａｇｅｎｔＦｉｎｇｅｒｐｒｉｎｔｓｅｎｈａｎｃｅｄ Ｄｉｓｔｒｉｂｕｔｅｄ Ｉｎｔｅｌｌｉｇｅｎｔ ＨａｎｄｏｖｅｒＡｌｇｏｒｉｔｈｍ ｉｎ ＬＥＯ Ｓａｔｅｌｌｉｔｅ Ｎｅｔｗｏｒｋｓ［Ｊ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓｏｎ Ｖｅｈｉｃｕｌａｒ Ｔｅｃｈｎｏｌｏｇｙ，２０２４，７３（１０）：１５２５５－１５２６９．

［２４］ＷＵ Ｙ，ＨＵ Ｇ Ｙ，ＪＩＮ Ｆ Ｌ，ｅｔ ａｌ． Ａ Ｓａｔｅｌｌｉｔｅ ＨａｎｄｏｖｅｒＳｔｒａｔｅｇｙ Ｂａｓｅｄ ｏｎ ｔｈｅ Ｐｏｔｅｎｔｉａｌ Ｇａｍｅ ｉｎ ＬＥＯ ＳａｔｅｌｌｉｔｅＮｅｔｗｏｒｋｓ［Ｊ］． ＩＥＥＥ Ａｃｃｅｓｓ，２０１９，７：１３３６４１－１３３６５２．

［２５］ ＷＡＮＧ Ｙ Ｌ，ＱＩＮ Ｘ Ｈ，ＴＡＮＧ Ｚ Ｘ，ｅｔ ａｌ． ＱｏＳｃｅｎｔｒｉｃＨａｎｄｏｖｅｒ ｆｏｒ Ｃｉｖｉｌ Ａｖｉａｔｉｏｎ Ａｉｒｃｒａｆｔ Ａｃｃｅｓｓ ｉｎ ＵｌｔｒａｄｅｎｓｅＬＥＯ Ｓａｔｅｌｌｉｔｅ Ｎｅｔｗｏｒｋｓ［Ｃ］∥２０２２ ＩＥＥＥ／ ＣＩＣ ＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ ｉｎ Ｃｈｉｎａ （ＩＣＣＣ）． Ｆｏｓｈａｎ：ＩＥＥＥ，２０２２：１０８５－１０８９．

［２６］薛長(zhǎng)春，聶敏，楊光，等． 降雪干擾下基于演化博弈的低軌量子衛(wèi)星多用戶切換策略［Ｊ］． 光學(xué)學(xué)報(bào)，２０２３，４３：２４８－２５６．

［２７］ＹＡＮＧ Ｌ，ＹＡＮＧ Ｘ Ｍ，ＢＵ Ｚ Ｙ． Ａ Ｇｒｏｕｐ ＨａｎｄｏｖｅｒＳｔｒａｔｅｇｙ ｆｏｒ Ｍａｓｓｉｖｅ Ｕｓｅｒ Ｔｅｒｍｉｎａｌｓ ｉｎ ＬＥＯ Ｓａｔｅｌｌｉｔｅ Ｎｅｔｗｏｒｋｓ［Ｃ］∥２０２２ ＩＥＥＥ ９６ｔｈ Ｖｅｈｉｃｕｌａｒ Ｔｅｃｈｎｏｌｏｇｙ Ｃｏｎｆｅｒｅｎｃｅ （ＶＴＣ２０２２－Ｆａｌｌ）． Ｌｏｎｄｏｎ：ＩＥＥＥ，２０２２：１－６．

［２８］ＺＨＵ Ｋ，ＨＵＡ Ｃ Ｑ，ＧＵ Ｐ Ｗ Ｌ，ｅｔ ａｌ． Ｕｓｅｒ Ｃｌｕｓｔｅｒｉｎｇ ａｎｄＰｒｏａｃｔｉｖｅ Ｇｒｏｕｐ Ｈａｎｄｏｖｅｒ Ｓｃｈｅｄｕｌｉｎｇ ｉｎ ＬＥＯ ＳａｔｅｌｌｉｔｅＮｅｔｗｏｒｋｓ［Ｃ］∥２０２０ ＩＥＥＥ Ｃｏｍｐｕｔｉｎｇ，Ｃｏｍｍｕｎｉｃａｔｉｏｎｓａｎｄ ＩｏＴ Ａｐｐｌｉｃａｔｉｏｎｓ（ＣｏｍＣｏｍＡｐ）． Ｂｅｉｊｉｎｇ：ＩＥＥＥ，２０２０：１－６．

［２９］ＢＵＫＨＡＲＩ Ｓ Ｕ，ＹＵ Ｌ Ｗ，ＤＩ Ｘ Ｑ，ｅｔ ａｌ． Ｆｕｚｚｙ ＣｍｅａｎＣｌｕｓｔｅｒｉｎｇ Ｂａｓｅｄ：ＬＥＯ Ｓａｔｅｌｌｉｔｅ Ｈａｎｄｏｖｅｒ［Ｃ］∥Ｄａｔａ Ｓｃｉｅｎｃｅ：４ｔｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｆ Ｐｉｏｎｅｅｒｉｎｇ ＣｏｍｐｕｔｅｒＳｃｉｅｎｔｉｓｔｓ，Ｅｎｇｉｎｅｅｒｓ ａｎｄ Ｅｄｕｃａｔｏｒｓ． Ｚｈｅｎｇｚｈｏｕ：ＩＥＥＥ，２０１８：３４７－３５８．

作者簡(jiǎn)介：

黃輅辰 男，（２０００—），碩士研究生。主要研究方向：衛(wèi)星互聯(lián)網(wǎng)、切換管理。

肖麗霞 女，（１９８７—），博士，研究員。主要研究方向：新型編碼調(diào)制、智能信號(hào)處理、低功耗無(wú)源物聯(lián)網(wǎng)、衛(wèi)星互聯(lián)網(wǎng)。

姚 壯 男，（１９９６—），博士研究生。主要研究方向：衛(wèi)星互聯(lián)網(wǎng)、資源分配、跳波束設(shè)計(jì)。

（*通信作者）周家喜 男，（１９８０—），博士，教授。主要研究方向：無(wú)線通信、衛(wèi)星互聯(lián)網(wǎng)、網(wǎng)絡(luò)空間安全。

基金項(xiàng)目：國(guó)家重點(diǎn)研發(fā)計(jì)劃（２０２１ＹＦＢ２９００５０２）