基于超图划分的多星协同数据聚合方法

本发明涉及卫星网络，具体涉及基于超图划分的多星协同数据聚合方法。

背景技术：

1、随着全球卫星通信技术的迅速发展，如何从大量卫星中高效地进行数据聚合已经成为行业内的一个紧迫问题。传统的数据聚合方法，在早期的小规模卫星网络中有较好的效果，但在处理大规模、动态变化的卫星网络时，它们的处理效果并不理想。现在卫星网络的主要困难点在于其动态性、资源限制和实时性需求。由于卫星之间的相对位置和速度经常发生变化，这导致网络拓扑不断变化。此外，卫星的计算、存储和能源资源是有限的。在这样的约束下，进行高效的数据聚合变得尤为困难。

2、现有的数据聚合方法：

3、一、传统集中式方法：传统的集中式数据聚合方法起源于早期的卫星通信系统。在这种架构中，所有的卫星数据都会被传输到一个中心节点，如地面站，然后在中心节点进行处理和分析。这种方法的主要理念是将所有数据汇集到一处，从而简化数据处理和分析的流程。对于小规模的卫星系统，这种集中式方法简单而直接，可以有效地处理数据，减少复杂性，并提供一致的数据输出。

4、二、分布式数据聚合：与集中式方法相对的是分布式数据聚合。在这种方法中，数据在多个节点或卫星上进行局部处理和聚合，然后再将这些局部聚合的数据发送到中心节点进行最终处理。这种策略充分利用了网络的分布式特性，将数据处理的负担分散到多个节点上。分布式数据聚合能够有效地处理大规模的卫星网络中的数据，减少中心节点的负担，降低通信成本，并提高整体的数据处理速度。

5、三、卫星群协同工作：随着卫星技术的进步，卫星群组成为了一个热门的研究领域。在这种策略中，卫星群可以相互通信和协作，共同完成数据聚合任务。这不仅可以完成数据的交换，还可以完成任务的协调和资源的共享。通过卫星之间的直接通信，可以避免不必要的地面干预，提高数据处理的实时性和效率。

6、四、基于机器学习的数据聚合：机器学习为数据聚合带来了新的可能性。通过使用机器学习技术，可以自动地识别数据中的模式，智能地进行的数据预处理，优化数据传输和存储策略，从而提高数据聚合的效率和准确性?；餮翱梢源泶罅康氖?，自动识别异常数据，并进行智能分析。

7、综上所述，急需基于超图划分的多星协同数据聚合方法以解决现有技术中存在的问题。

技术实现思路

1、本发明目的在于提供基于超图划分的多星协同数据聚合方法，具体技术方案如下：

2、基于超图划分的多星协同数据聚合方法，其特征在于，包括如下步骤：

3、s1：构建卫星网络超图；

4、s2：调用超图动态划分模型对卫星网络超图进行重新划分；

5、s3：调用超图顶点效用函数计算卫星网络超图中顶点的数据任务效用；

6、s4：基于所述数据任务效用给顶点分配数据任务。

7、优选的，构建卫星网络超图具体是，将卫星网络中的每个卫星和地面站视为顶点，以卫星和地面站之间的通信链接为超图的超边构建卫星网络超图；

8、所述卫星网络超图包括顶点、超边、超边权重和顶点相关数据集。

9、优选的，调用超图动态划分模型对卫星网络超图进行重新划分，包括：

10、对卫星网络超图进行初始划分，得到第一超图，计算第一划分成本；

11、以时间为驱动因素对第一超图进行引入自适应超边权重的优化迭代循环，得到第二超图；

12、当每次成功的顶点移动后，计算第二划分成本，比较第一划分成本和第二划分成本，若是第二划分成本大于第一划分成本，则重新进行初始划分和优化迭代循环；若是第二划分成本小于第一划分成本，则输出第二超图和第二划分成本，完成重新划分。

13、优选的，对卫星网络超图进行初始划分，包括：

14、采用试探优化法对卫星网络超图进行初始划分。

15、优选的，以时间为驱动因素对第一超图进行引入自适应超边权重的优化迭代循环，包括：

16、在每个时间步长内，对超边权重进行更新，基于超边权重计算顶点移动的目标划分成本，通过目标划分成本计算顶点移动所带来的增益，找到使增益最大化的顶点移动，并应用所述顶点移动，当优化迭代中找不到提高增益的顶点移动时，终止优化迭代循环，输出第二超图。

17、优选的，对超边权重进行更新，包括：

18、通过强化学习对超边权重进行自适应更新，超边权重基于时序奖励和强化学习率进行更新，所述时序奖励通过奖励函数和划分成本计算；超边权重的表达式如下：

19、w(e，t+1)＝w(e，t)+α×(r(t)-w(e，t))；；

20、其中，w(e，t+1)表示时间t+1下超边e的超边权重；α表示强化学习率；r(t)表示时间下的时序奖励；w(e，t)表示时间t下超边e的超边权重。

21、优选的，基于超边权重计算顶点移动的目标划分成本，包括：

22、获取当前时间步长下超边跨越的分区数量，结合超边权重计算目标划分成本；

23、目标划分成本的计算表达式如下：

24、c(e，t)＝w(e，t)×n(e，t)-1；

25、其中，c(e，t)表示划分成本；w(e，t)表示引入时间相关的超边权重；n(e，t)表示时间t下超边e跨越的分区数量。

26、优选的，调用超图动态划分模型对卫星网络超图进行重新划分之前，还包括：

27、设定划分成本变化阈值，计算划分成本变化量，当划分成本变化量超过划分成本变化阈值时，所述超图动态划分模型启动重新划分。

28、优选的，所述超图动态划分模型还包括用于超图分区平衡的分区约束。

29、优选的，基于所述数据任务效用给顶点分配数据任务，包括：

30、遍历卫星网络超图的所有顶点，计算每个顶点的每个数据任务效用，当数据任务效用超过预设效用阈值，则将该数据任务分配给对应的顶点；超图顶点效用函数的表达式如下：

31、u(v，m)＝b(m)×p(v，m)-c(v，m)；

32、其中，u(v，m)表示卫星v执行任务m的数据任务效用；b(m)表示任务m的收益；p(v，m)表示卫星v成功执行任务m的概率；c(v，m)表示卫星v执行任务m的成本。

33、应用本发明的技术方案，具有以下有益效果：

34、(1)本发明采用超图模型表示卫星网络，超图模型为卫星网络提供了一个更为精细和具有描述性的表示。超图模型的结构可以捕获卫星和地面站之间复杂的多向通信链接，从而为数据聚合提供了更为精确的基础结构。与传统的简化图模型相比，超图模型能够更好地描述并处理卫星网络之间复杂的通信结构。

35、(2)本发明中的动态成本函数和自适应权重更新策略能够实时地响应卫星网络的变化，从而及时调整其操作。这种动态性和适应性确保了本发明方法在不断变化的卫星网络环境中，可以持续地提供最优的数据聚合方案。

36、(3)本发明通过超图动态划分模型实现了更快速、更高效的数据聚合。这种优化在满足所有约束的同时，达到了最佳的数据聚合效果，大大提高了数据处理的速度和精度，优化了数据聚合效率。

37、(4)本发明通过超图顶点效用函数计算各个顶点的数据任务效用，进而实现数据任务分配，实现合作数据聚合策略。本发明方法降低了单个卫星的计算负担，通过鼓励卫星之间的信息交换和合作，能够更为均匀地分配计算任务，从而有效地节省了计算资源和能量。

38、除了上面所描述的目的、特征和优点之外，本发明还有其它的目的、特征和优点。下面将参照图，对本发明作进一步详细的说明。