面向DVB-RCS2回传链路的终端双配额资源分配方法及设备

本发明涉及卫星资源分配数，尤其涉及一种面向dvb-rcs2回传链路的终端双配额资源分配方法及设备。

背景技术：

1、dvb-rcs2回传链路通过容量请求、容量授予和数据发送流程组织卫星终端到网络控制中心的回传资源。该类系统通常采用多频时分多址接入(mf-tdma)超帧结构，将回传链路资源表示为频点和时隙组成的二维资源单元网格。网络控制中心需要在每个超帧内为多个终端、多个业务类别生成可执行资源分配结果。

2、在卫星物联网和交互式卫星通信场景中，不同终端同时承载实时(rt, realtime)业务、非实时(nrt, non-real time) 业务和尽力而为(be, besteffort) 业务等。rt业务需要优先保障低时延和低违约率，nrt业务需要在一定时间内完成传输，be业务主要利用剩余资源提升吞吐。同时，资源分配还受到资源单元互斥、终端可用性、链路时变容量、高风险资源规避和在线决策时延等约束影响。若直接在资源单元级别搜索最优分配，搜索空间会随着终端数、频点数和时隙数增加而迅速增大，难以满足超帧级在线调度需求。

3、现有启发式方法通常具有较强的规则可解释性，但在线计算开销较高；资源单元级学习方法能够降低推理时延，但在资源紧张场景中可能难以稳定协调不同终端和不同业务类别之间的预算。因此，需要一种能够在终端级快速确定业务预算、并在资源单元级构造满足约束的可执行分配结果的方法，以兼顾服务质量稳定性和在线部署时延。

技术实现思路

1、针对现有技术存在的问题，本发明的目的是提供一种兼顾服务质量稳定性和在线部署时延的面向dvb-rcs2回传链路的终端双配额资源分配方法及设备。

2、为了实现上述发明目的，本发明提供了如下技术方案：

3、一种面向dvb-rcs2回传链路的终端双配额资源分配方法，包括如下步骤：

4、s1、获取dvb-rcs2回传链路中当前超帧内各终端的状态信息，所述状态信息包括各终端的rt业务队列积压、nrt业务队列积压、be业务队列积压、各终端在多个资源单元上的有效容量、各资源单元对各终端的可用性指示以及各资源单元的风险评分；

5、s2、将各终端的状态信息分别输入共享策略网络，得到各终端的rt业务配额强度和nrt业务配额强度；其中，所述共享策略网络用于基于状态信息得到每个终端对应的业务配额强度；

6、s3、根据rt业务配额强度、当前可分配资源单元总数以及各终端rt业务可服务上界，生成各终端的rt业务整数预算；

7、s4、在扣除所述rt业务整数预算后，根据剩余可分配资源单元数量、nrt业务配额强度以及各终端nrt业务可服务上界，生成各终端的nrt业务整数预算；

8、s5、将扣除所有终端的rt业务整数预算和nrt业务整数预算的剩余资源单元数量，作为be业务补全预算；

9、s6、基于所述rt业务整数预算、nrt业务整数预算和be业务补全预算，按照终端优先级生成各终端的资源单元级离散分配结果。

10、进一步的，所述步骤s3中所述各终端的rt整数预算生成方法包括：

11、根据各终端的rt业务配额强度对当前可分配资源单元总数进行归一化分配，得到各终端rt业务连续预算；

12、根据各终端的rt业务队列积压和平均可用容量确定各终端的rt业务可服务上界；

13、在不超过所述rt业务可服务上界的条件下，对各终端的rt业务连续预算执行带上界约束的最大余数整数化，得到各终端的rt业务整数预算。

14、进一步的，所述步骤s4中所述各终端的nrt业务整数预算生成方法包括：

15、从当前可分配资源单元总数中扣除所有终端的rt业务整数预算，得到当前nrt阶段剩余可分配资源单元数量；

16、根据各终端的nrt业务配额强度对nrt业务阶段剩余可分配资源单元数量进行归一化分配，得到各终端的nrt业务连续预算；

17、根据各终端nrt队列积压、平均可用容量以及nrt阶段剩余可分配资源单元数量，确定nrt业务可服务上界；

18、在不超过所述nrt业务可服务上界的条件下，对所述nrt业务连续预算执行带上界约束的最大余数整数化，得到各终端的nrt业务整数预算。

19、进一步的，所述带上界约束的最大余数整数化的具体方法为：

20、对对应业务的连续预算取不超过对应业务可服务上界的向下取整值，作为基础整数预算；

21、计算连续预算与基础整数预算之间的余量；

22、根据目标整数预算总量与各终端基础整数预算之和的差值确定剩余待补配整数预算；

23、将未达到业务可服务上界的各终端按照余量从大到小排序，并按照排序依次将各终端的补配量设置为1，直至补配的终端数量达到剩余待补配整数预算时或所有未达到业务可服务上界的各终端都被补配时停止补配；

24、将各终端的基础整数预算和补配量的和作为各终端对应业务的整数预算。

25、进一步的，步骤s6具体包括：

26、s601、对当前业务阶段下各终端按照优先级进行排序，其中，当前业务阶段的初始值为rt业务阶段；

27、s602、选择当前业务阶段中优先级最高的终端作为当前终端；

28、s603、对于当前终端，提取未被占用、对该终端可用且不超过该终端剩余需求量的若干资源单元，形成该终端的候选资源单元集合；

29、s604、计算当前终端的候选资源单元集合中各候选资源单元的评分；

30、s605、选择评分最高的候选资源单元分配给当前终端；

31、s606、更新资源单元占用状态、各终端的剩余需求量和当前业务阶段的剩余整数预算；其中，占用状态更新具体是将被分配的候选资源单元的占用状态更新为被占用，剩余整数预算为所在任务阶段的整数预算减去已被分配的候选资源单元数量，各终端的剩余需求量更新为：将当前被分配候选资源单元的终端的剩余需求量减1，其他终端的不变；

32、s607、若候选资源单元集合不为空且当前业务阶段的剩余整数预算不为0，则继续以当前终端作为当前终端，返回执行步骤s603；若候选资源单元集合为空且当前业务阶段的剩余整数预算不为0，则提取按照优先级排序后的下一终端作为当前终端，执行步骤s603；若当前业务阶段的剩余整数预算为0，则将当前业务阶段更新为下一业务阶段，执行s601，其中，业务阶段按照rt、nrt和be业务阶段的顺序更新。

33、进一步的，步骤s601具体包括：

34、若当前业务阶段为rt业务阶段，则根据rt业务剩余需求量、rt业务权重和rt业务占比确定各终端优先级，并按照优先级从大到小对终端进行排序；

35、若当前业务阶段为nrt业务阶段，则根据nrt业务剩余需求量、rt业务剩余需求量、be业务剩余需求量以及nrt业务权重确定各终端优先级，并按照优先级从大到小对终端进行排序；

36、若当前业务阶段为be业务阶段，则根据be业务剩余需求量和be业务权重确定各终端优先级，并按照优先级从大到小对终端进行排序。

37、进一步的，步骤s604具体包括：

38、根据每个候选资源单元的有效服务增量、风险评分、邻接奖励和载频切换惩罚确定每个候选资源单元的评分，其中：所述有效服务增量表示候选资源单元在当前业务阶段对终端剩余业务缺口的可服务量；所述邻接奖励用于提升与同一终端已分配资源单元在时隙维度相邻的候选资源单元评分；所述载频切换惩罚用于降低启用新载频的候选资源单元评分。

39、进一步的，所述共享策略网络通过采用近端策略优化方法训练得到，并将rt违约率和nrt违约率纳入增强奖励；所述增强奖励通过对超过对应约束阈值的rt违约率和nrt违约率施加惩罚得到。

40、进一步的，所述共享策略网络的训练过程还包括对偶变量更新步骤：根据训练批次中的平均rt违约率和平均nrt违约率分别更新对应的对偶变量，并将更新后的对偶变量用于后续增强奖励计算。

41、一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序以实现上述方法。

42、本发明与现有技术相比，其有益效果是：

43、本发明通过共享策略网络生成rt和nrt业务双配额，将高维资源单元级联合决策压缩为终端级预算决策，降低了在线推理复杂度，降低了部署时延。

44、本发明将连续配额强度转换为满足资源数量约束和业务需求上界约束的整数预算，避免连续动作直接映射为不可执行分配，提高了服务质量稳定性。

45、本发明将终端级预算映射为资源单元级离散分配结果，并在映射过程中同时考虑业务收益、风险规避、邻接连续性和载频切换，从而提升分配执行稳定性。

46、本发明将rt、nrt和be分阶段处理，在降低动作维度的同时保留多业务差异化服务能力。

47、本发明共享策略网络通过训练得到，并通过rt和nrt违约率反馈更新对偶变量，进一步提升服务质量约束稳定性。