低轨大规模卫星星座内部防碰撞安全性分析

针对低轨大规模星座卫星间碰撞安全问题，对星座构型的最大漂移量开展了研究。基于球面三角形理论计算了卫星轨道平面的最小相位差；采用控制变量法对星座构型参数进行研究，分析不同构型参数对星座卫星最小相位差的影响，以及升交点赤经漂移量与最小相位差的关系，提出了基于最小相位差的星座构型参数协同设计方法；基于相对相位分析方法，建立升交点赤经漂移量与相位漂移量随时间变化的函数关系；最后，以Starlink第一期星座为参考对象进行仿真，验证了构型参数协同设计方法的合理性。     

基于A2C算法的低轨星座动态波束资源调度研究

巨型低轨星座为载人飞船、空间站、遥感卫星等用户航天器提供低时延、大容量的通信通道存在波束资源分配优化的难题。针对采用离散时间的深度强化学习A2C(advanced actor-critic)的智能优化框架进行了研究，结合遗传算法中个体和基因概念、形成了可有效满足多用户、动态、并发接入需求的波束资源调度算法。基于仿真分析，提出的算法可在多种典型场景下具有适用性，支持在20 s内完成超过3 000个任务的有效规划，任务成功率不低于91%。通过算法优化实现复杂度的降低，相对传统遗传算法可节约时间45%以上。同时对传统A2C算法框架中的收敛问题进行了优化，解决了传统全连接A2C算法无法收敛的难题，同时相比DQN(deep q-network)算法框架收敛速度提升38%以上。     

基于DRL的巨型星座星地测控链路规划算法

针对巨型星座的星地测控链路规划问题，提出了一种基于深度强化学习的智能规划调度算法。该方法考虑了卫星对于测控站的资源竞争关系和连接关系，设计了环境状态，决策智能体通过感知卫星状态，结合动作选择策略，生成卫星对于测控站的分配方案，并根据反馈的奖励值进行策略的迭代优化。将本算法应用于巨型星座系统的星地测控链路规划任务，仿真结果表明所提出的智能算法可以将测控站天线利用率提升到98%以上，同时有效地降低了天线的切换次数。另外，训练好的模型可以根据未来时刻的星地可视窗口，在30s内快速生成星地测控链路规划方案。     

加权负载均衡合同网大规模星座任务分配方法

为了充分发挥大规模星座带来的在轨可用卫星资源丰富的优势，解决星座和任务规模扩大带来的任务分配求解空间大的问题，提出了一种分布式加权负载均衡合同网任务分配方法。对任务窗口进行预筛选，减少卫星参与投标数量，节约在轨计算通信资源；在合同网任务分配过程中，将任务投标值加入负载均衡加权系数，提升星座系统负载均衡性能。通过仿真验证，在观测收益相当的情况下，本文所提方法相较于集中式任务分配方法分配求解耗时可减少94%以上，系统负载均衡度优于传统任务分配算法，表明该方法适用于大规模星座任务分配。     

面向大规模星座的多波束测控天线及应用

大规模卫星星座的出现给传统测控模式带来了巨大挑战.利用机械扫描式的测控天线对卫星进行的一对一测控已不能很好满足大规模卫星星座的测控需求,具备快速指向能力的多波束测控天线是解决大规模星座测控的有效手段.通过对国内外多波束测控天线的调研,介绍了多波束测控天线的发展概况,对其技术特点进行了分析和研究,指出了多波束测控天线在星座测控中的优势,并提出基于多波束测控天线的星座测控建议.     

一种基于组合策略的低轨星座网络流规划方法

低轨星座网络流规划方法是提升大型星座网络性能的关键技术。针对现有低轨星座网络流规划方法手段单一，难以兼顾全局性能优化与卫星自主灵活性等问题，研究提出了一种基于组合策略的低轨星座网络流规划方法，首先根据业务特点对网络流进行分类映射，针对6类映射业务的QoS差异，分别采用集中式、分布式和源端路由等路由控制策略；在此基础上将星座网络流规划问题抽象为求解带宽约束下的多源单汇网络最大流和多源多汇网络最大流问题，分别采用负载均衡路由和多约束QoS路由算法；对基于组合策略和单一策略的星座网络流规划方法进行了仿真分析，结果表明组合策略比集中式的传输时延低约20ms，丢包率低约9%，比分布式的带宽利用率高约42%，可有效提升星座网络性能，能够更好满足不同场景及需求。