技術(shù)特征：

1.一種基于深度強化學習的低軌巨型星座衛(wèi)星切換方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的基于深度強化學習的低軌巨型星座衛(wèi)星切換方法，其特征在于，用戶終端與衛(wèi)星之間的可用信道容量利用以下公式計算：

3.根據(jù)權(quán)利要求2所述的基于深度強化學習的低軌巨型星座衛(wèi)星切換方法，其特征在于，信干噪比γm,n(t)利用以下公式計算：

4.根據(jù)權(quán)利要求3所述的基于深度強化學習的低軌巨型星座衛(wèi)星切換方法，其特征在于，信道增益gm,n(t)利用以下公式計算：

5.根據(jù)權(quán)利要求4所述的基于深度強化學習的低軌巨型星座衛(wèi)星切換方法，其特征在于，用戶終端與衛(wèi)星之間的剩余服務(wù)時間利用以下公式計算：

6.根據(jù)權(quán)利要求5所述的基于深度強化學習的低軌巨型星座衛(wèi)星切換方法，其特征在于，衛(wèi)星到設(shè)定網(wǎng)關(guān)衛(wèi)星之間的最小跳數(shù)利用以下方式計算：

7.根據(jù)權(quán)利要求6所述的基于深度強化學習的低軌巨型星座衛(wèi)星切換方法，其特征在于，所述效用函數(shù)表示為：

8.根據(jù)權(quán)利要求7所述的基于深度強化學習的低軌巨型星座衛(wèi)星切換方法，其特征在于，所述第一神經(jīng)網(wǎng)絡(luò)模型通過以下方式訓練：

9.根據(jù)權(quán)利要求1所述的基于深度強化學習的低軌巨型星座衛(wèi)星切換方法，其特征在于，所述選取最大的狀態(tài)-動作價值函數(shù)對應的衛(wèi)星作為接入衛(wèi)星進行切換，進一步包括：

10.一種基于深度強化學習的低軌巨型星座衛(wèi)星切換裝置，其特征在于，包括：

技術(shù)總結(jié)
本發(fā)明公開了一種基于深度強化學習的低軌巨型星座衛(wèi)星切換方法及裝置，該方法包括：獲取用戶終端可視范圍內(nèi)的衛(wèi)星信息；確定包括用戶終端與衛(wèi)星之間的可用信道容量、用戶終端與衛(wèi)星的剩余服務(wù)時間、衛(wèi)星對應的升降軌道類型和衛(wèi)星到設(shè)定網(wǎng)關(guān)衛(wèi)星的最小跳數(shù)的狀態(tài)信息；將狀態(tài)信息輸入第一神經(jīng)網(wǎng)絡(luò)模型，得到模型輸出的狀態(tài)?動作價值函數(shù)，模型采用深度強化學習算法進行訓練，動作定義為用戶終端選擇的衛(wèi)星，動作獎勵函數(shù)定義為根據(jù)可用信道容量、剩余服務(wù)時間和最小跳數(shù)構(gòu)建的效用函數(shù)；選取最大的狀態(tài)?動作價值函數(shù)對應的衛(wèi)星作為接入衛(wèi)星進行切換。本發(fā)明能夠在保證較低的切換次數(shù)同時顯著降低星間鏈路跳數(shù)水平，以保持較低的網(wǎng)絡(luò)時延。

技術(shù)研發(fā)人員：尹政龍,陳全,楊磊,趙勇,陳利虎,李松亭,楊華果,龔李贈,李佳奇
受保護的技術(shù)使用者：中國人民解放軍國防科技大學
技術(shù)研發(fā)日：
技術(shù)公布日：2024/9/9