基于机器学习的高轨高通量卫星覆盖优化方法及相关设备

技术领域

本发明涉及卫星通信技术领域，尤其涉及一种基于机器学习的高轨高通量卫星覆盖优化方法及相关设备。

背景技术

近年来，在航天技术、信息技术、互联网应用和资本市场等力量的共同推动下，全球卫星通信又迎来一个新的发展高潮。在商业航天、新基建计划、数字经济等因素的加持下，我国卫星通信迎来了高速发展阶段，表现出与国外同行齐头并进的发展态势。卫星互联网是航天技术和信息通信技术的融合创新，经过多年发展，已经在消费宽带、机/船载宽带接入、基站中继与回传、政府与企业网络等多个领域得到广泛应用，市场规模快速增长，成为卫星通信业务发展的新高地。

高轨通信卫星造价高、寿命长，通常一颗通信卫星具有15年的服务期，因此，为了满足通信卫星长期使用的延续性和高利用率，对于通信卫星的覆盖设计、容量分布要通盘考虑。

现有技术中，对于卫星的覆盖设计主要通过粒子群智能优化算法，使用混合波束覆盖方案，根据人口密度对不同区域采用不同波束进行覆盖，将传统均匀波束以地理面积为依据的通信资源分配转化为以人口密度为依据的通信资源分配。但是，由于所设计的波束需求模型仅仅以中国人口较胡焕庸线两侧的分布大致趋势为覆盖设计输入且对于波束的张角选择固化，使得最终确定的波束覆盖范围不准确，且可能造成资源分配的不均衡。

发明内容

有鉴于此，本公开的目的在于提出一种基于机器学习的高轨高通量卫星覆盖优化方法及相关设备。

作为本公开的一个方面，提供了一种基于机器学习的高轨高通量卫星覆盖优化方法，其特征在于，包括：

获取用户对卫星通信的需求信息；

对所述需求信息进行聚类处理得到若干边界点，根据所述若干边界点确定卫星波束的覆盖范围；

基于所述覆盖范围中卫星波束间的空间拓扑关系，确定所述覆盖范围中卫星波束间邻接关系的空间拓扑图；

通过叠置分析方法对所述空间拓扑图中的卫星波束进行着色处理，得到着色处理后的卫星波束；

对所述着色处理后的卫星波束进行频率分配。

可选的，所述获取用户对卫星通信的需求信息，包括：

根据用户对卫星通信的需求信息构建用户对卫星通信的需求模型；

对所述用户需求模型进行网格化处理，得到包含用户需求的若干网格对象；

其中，所述用户对卫星通信的需求模型表示为；

χ

其中，x表示各网格中心点的经度信息，y表示各网格中心点的经度信息，χ

可选的，所述对所述需求信息进行聚类处理得到若干边界点，根据所述若干边界点确定卫星波束的覆盖范围，包括：

计算所述若干网格对象中每一个网格对象到预设的若干聚类中心的欧氏距离，表示为：

其中，X

将所述若干网格对象中每一个网格网对象分配至所述欧氏距离最小的聚类中心，并生成若干类簇；

计算所述若干类簇的类簇中心，表示为：

其中，C

基于所述若干类簇中心确定卫星波束的若干边界点；

对所述若干边界点进行连线处理得到所述卫星波束的覆盖范围。

可选的，所述基于所述若干类簇中心确定卫星波束的若干边界点，包括：

计算所述类簇中的每个网格对象与所述类簇中心的若干波束半张角，并确定所述若干波束半张角中的最大波束半张角，表示为：

θ

其中，每个非类簇中心点的经纬度与波束中心点所对应的波束半张角θ

响应于确定所述类簇中心和所述网格对象关于卫星位置的夹角，与所述最大波束半张角的差值小于预设值，则所述网格对象的位置为卫星波束边界点。

可选的，所述基于所述覆盖范围中卫星波束间的空间拓扑关系，确定所述覆盖范围中卫星波束间邻接关系的空间拓扑图，包括：

基于所述空间拓扑关系，确定所述覆盖范围中每一个卫星波束的交集波束；

基于所述交集波束生成所述覆盖范围中卫星波束相邻关系的空间拓扑图。

可选的，所述通过叠置分析方法对所述空间拓扑图中的卫星波束进行着色处理，得到着色处理后的卫星波束，包括：

通过所述叠置分析方法对所述空间拓扑图中的所述若干相邻波束进行叠置分析，得到最小着色量；

响应于所述最小着色量，对所述空间拓扑图中的波束进行着色处理，得到具有不同颜色的波束集合。

可选的，所述对所述着色处理后的卫星波束进行频率分配，包括：

建立所述波束集合中的每种波束颜色与频率和极化方式的映射关系，得到映射关系表；

基于所述映射关系表对所述着色处理后的卫星波束进行频率分配。

作为本公开的第二个方面，本公开还提供了一种基于机器学习的高轨高通量卫星覆盖优化装置，其特征在于，包括：

用户需求获取装置，被配置为：获取用户对卫星通信的需求信息；

覆盖集合确定装置，被配置为：对所述需求信息进行聚类处理得到若干边界点，根据所述若干边界点确定卫星波束的覆盖范围；

空间拓扑图生成装置，被配置为：基于所述覆盖范围中卫星波束间的空间拓扑关系，确定所述覆盖范围中卫星波束邻接关系的空间拓扑图；

波束着色处理装置，被配置为：通过叠置分析方法对所述空间拓扑图中的卫星波束进行着色处理，得到着色处理后的卫星波束；

波束频率分配装置，被配置为：对所述着色处理后的卫星波束进行频率分配。

作为本公开的第三个方面，本公开还提供了一种电子设备，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，其特征在于，所述处理器执行所述程序时实现本公开所提供的上述基于机器学习的高轨高通量卫星覆盖优化方法。

作为本公开的第四个方面，本公开还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使计算机执行如上任意一项所述的方法。

如上所述，本公开提供了一种基于机器学习的高轨高通量卫星覆盖优化方法及相关设备。在本公开中首先获取用户对卫星覆盖的需求信息并根据需求信息建立了需求模型，然后对需求信息进行了聚类处理，进而确定了卫星波束的覆盖范围，之后确定了覆盖范围中的卫星波束的空间拓扑图，进而对空间拓扑图中的卫星波束进行了着色处理，最后对着色处理的波束进行了频率分配，得到了更加符合用户需求的卫星频率。

附图说明

为了更清楚地说明本公开或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1A为本公开实施例所提供的一种基于机器学习的高轨高通量卫星覆盖优化方法示意图。

图1B为本公开实施例所提供的一种确定卫星波束的覆盖范围的方法示意图。

图1C为本公开实施例所提供的一种确定卫星波束的若干边界点的方法示意图。

图1D为本公开实施例所提供的一种确定卫星波束的空间拓扑图的方法示意图。

图2为本公开实施例所提供的一种基于机器学习的高轨高通量卫星覆盖优化装置结构示意图。

图3为本公开实施例所提供的一种基于机器学习的高轨高通量卫星覆盖优化方法的电子设备结构示意图。

具体实施方式

为使本公开的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本公开进一步详细说明。

需要说明的是，除非另外定义，本公开实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本公开实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。

现有技术中，对卫星覆盖的设计主要使用混合波束覆盖方案，根据人口密度对不同区域采用不同波束进行覆盖，将传统均匀波束以地理面积为依据的通信资源分配转化为以人口密度为依据的通信资源分配。其仅考虑中国人口较胡焕庸线两侧的分布，进而使得最后的得到的覆盖方案不够精准还可能造成卫星覆盖资源的浪费。

为了解决上述问题，本公开提供了一种基于机器学习的高轨高通量卫星覆盖优化方法及相关设备。通过上述方法，本公开首先获取了用户对卫星通信的需求信息，然后确定了卫星波束的覆盖范围，并根据覆盖范围确定了卫星波束间的空间拓扑图，最后对空间拓扑图中的波束进行了着色处理，最终对着色处理的波束进行了频率的分配。

在介绍了本公开的基本原理之后，下面具体介绍本公开的各种非限制性实施方式。

图1A为本公开实施例所提供的一种基于机器学习的高轨高通量卫星覆盖优化方法示意图。

图1A所示的基于机器学习的高轨高通量卫星覆盖优化方法进一步包括以下步骤：

步骤S10：获取用户对卫星通信的需求信息。

在一些实施例中，本公开可以先对用户对卫星通信的需求信息进行获取。其中，用户对卫星通信的需求信息可以包括用户的类型(例如：航空、航海等)、用户经纬度信息以及用户的需求资源量等。

在一些实施例中，可以根据用户的需求信息构建用户的需求模型，具体表示为：

χ

其中，x表示各网格中心点的经度信息，y表示各网格中心点的经度信息，χ

在一些实施例中，构建用户的需求模型时，还可以分别根据每个用户在空间上的经度信息和纬度信息对用户的进行网格化处理，得到包含m×n个网格，X＝{X

步骤S20：对所述需求信息进行聚类处理得到若干边界点，根据所述若干边界点确定卫星波束的覆盖范围。

在一些实施例中，对用户需求信息构建需求模型以及网格化处理后，还可以对每个网格对象进行聚类处理，进而可以确定若干个边界点，之后本公开可以根据若干边界点确定卫星波束的覆盖范围。

图1B为本公开实施例所提供的一种确定卫星波束的覆盖范围的方法示意图。

在一些实施例中，如图1B所示，是对步骤S20的进一步展开说明，具体包括以下步骤：

S201：计算所述若干网格对象中每一个网格对象到预设的若干聚类中心的欧氏距离。

在一些实施例中，对用户需求信息进行网格化处理并得到包含m×n个网格后，可以先初始化k个聚类中心{C

其中，X

S202：将所述若干网格对象中每一个网格网对象分配至所述欧氏距离最小的聚类中心，并生成若干类簇。

在一些实施例中，当通过上述的计算得到多个欧式距离后，可以依次比较每一个网格对象到每一个聚类中心的欧式距离，之后可以将这些网格对象分配到欧式距离小的聚类中心，并生成若干类簇{S

式中，C

S203：基于所述若干类簇中心确定卫星波束的若干边界点。

在一些实施例中，在得到类簇中心后可以根据这些类簇中心确定卫星波束的边界点，进而通过对卫星波束的边界点的连线，得到卫星波束的覆盖范围。

图1C为本公开实施例所提供的一种确定卫星波束的若干边界点的方法示意图。

在一些实施例中，如图1C所示，是对步骤S203的进一步展开说明，具体包括以下步骤：

S2031：计算所述类簇中的每个网格对象与所述类簇中心的若干波束半张角，并确定所述若干波束半张角中的最大波束半张角。

在一些实施例中，在每一个类簇中，每个类簇中心的经纬度信息代表该类簇的波束中心B

在一些实施例中，计算若干波束半张角以及确定最大波束半张角可以表示为；

θ

其中，每个非类簇中心点的经纬度与波束中心点所对应的波束半张角θ

S2032：响应于确定所述类簇中心和所述网格对象关于卫星位置的夹角，与所述最大波束半张角的差值小于预设值，则所述网格对象的位置为卫星波束边界点。

在一些实施例中，当确定出最大波束半张角后，可以通过最大波束半张角确定出卫星波束的边界点。具体来讲，可以先定义目标搜索区并对目标搜索去进行网格化，对网格化后的坐标进行经纬度向笛卡尔坐标系的转换，使用正圆球模式近似地球进行转化，具体的转换公示可以参考下式：

其中，R表示地球半径，θ表示经度，

在一些实施例中，接下来可以判断网格化后的每个位置和卫星波束中心关于卫星位置的夹角θ与最大波束半张角θ

S204：对所述若干边界点进行连线处理得到所述卫星波束的覆盖范围。

在一些实施例中，当确定出若干波束边界点后可以对这些若干卫星波束边界点进行连线处理，进而得到卫星波束的覆盖范围。

在一些实施例中，上述的过程可以具体为，对波束的边界点按顺序进行连接，即得到完整的波束覆盖Coverage

综上所述，本步骤中，通过对用户需求进行聚类处理得到了若干的卫星边界点，进而通过对若干卫星边界点进行连线处理确定了卫星波束的覆盖范围。接下来，本公开将确定覆盖范围内的若干波束的空间关系，进而对覆盖范围内的若干波束进行频率的分配。

步骤S30：基于所述覆盖范围中卫星波束间的空间拓扑关系，确定所述覆盖范围中卫星波束邻接关系的空间拓扑图。

在一些实施例中，具有邻接关系的卫星波束应该通过频段隔离或者极化隔离来避免干扰。因此，当确定了卫星波束的覆盖范围后，可以对覆盖范围内的若干卫星波束的空间拓扑关系进行确定。对卫星的波束与波束间的交叠情况进行判断进而找到卫星波束的邻接关系拓扑图。

图1D为本公开实施例所提供的一种确定卫星波束的空间拓扑图的方法示意图。

在一些实施例中，如图1D所示，是对步骤S30的进一步展开说明，具体包括以下步骤：

S301：基于所述空间拓扑关系，确定所述覆盖范围中每一个卫星波束的交集波束。

S302：基于所述交集波束生成所述覆盖范围中卫星波束邻接关系的空间拓扑图。

在一些实施例中，对覆盖范围内的卫星波束i与其他波束分别求交集，找到与卫星波束i产生交集的m个波束，则判断波束i与这m个波束具有邻接关系。通过此方法，在对卫星波束覆盖范围内的所有的卫星波束完成邻接关系判断后，可以生成空间拓扑图(邻接关系拓扑图)。

综上所述，本步骤中，通过对卫星波束覆盖范围内的所有卫星波束的交集进行求解，确定了覆盖范围内每一个卫星波束的邻接关系，进而基于存在邻接关系的卫星波束确定了卫星波束的空间拓扑图(邻接关系拓扑图)。接下来，本公开可以对空间拓扑图中的卫星波束进行着色处理。

步骤S40：通过叠置分析方法对所述空间拓扑图中的卫星波束进行着色处理，得到着色处理后的卫星波束。

在一些实施例中，卫星覆盖范围中，物理距离相隔较远的卫星波束一般不容易产生干扰，因此可以使用同一段频率和极化方式；而覆盖范围内物理距离相隔较近的卫星波束容易产生干扰，所以需要通过频段隔离或者极化隔离来对距离较近的两个卫星波束进行处理。

在一些实施例中，通常使用卫星波束颜色来象征性的表达卫星波束的频段和极化。同种卫星波束颜色则代表相同频段和极化，不同种的卫星波束颜色则代表具有不同的频段或极化。因此，我们可以通过对空间拓扑图中的卫星波束进行着色处理来完成对对卫星波束的频率和极化的设定。

在一些实施例中，上述的对所述空间拓扑图中的卫星波束进行着色处理，得到着色处理后的卫星波束，可以具体为：

S401：通过所述叠置分析方法对所述空间拓扑图中的所述若干相邻波束进行叠置分析，得到最小着色量。

S402：响应于所述最小着色量，对所述空间拓扑图中的波束进行着色处理，得到具有不同颜色的波束集合。

在一些实施例中，对卫星波数进行着色可以具体为，先对卫星波束覆盖范围进行叠置分析，进而通过叠值分析可以得到叠置层数。叠置层数的最大值即可以为实现卫星波束集合干扰隔离的最小着色数量n_color。

在一些实施例中，可以使用n_color种不同的颜色代表不同的频段和极化组合建立颜色资源池来对波束进行上色。具体来讲，可以从空间拓扑图的初始节点开始遍历，从着色资源池中取用与相邻节点不同的颜色进行着色(若相邻节点尚无颜色，则判定为不同颜色)，直到着色有效为止，得到具有n_color种不同颜色的波束集合。

综上所述，本步骤中，通过叠置分析确定了最小着色量，进而以最小着色量为基准对空间拓扑图中的若干卫星波束进行了着色处理。接下来，本公开将对着色处理后的卫星波束进行频率的分配。

步骤S50：对所述着色处理后的卫星波束进行频率分配。

在一些实施例中，当对空间拓扑图中的若干卫星波束进行着色处理后，可以根据若干卫星波束的颜色对若干卫星波束进行频率分配。具体来讲，可以先构建若干卫星波束的颜色与频率和极化方式的映射关系表，然后基于映射关系表对若干卫星波束进行频率分配。

在一些实施例中，上述的对所述着色处理后的卫星波束进行频率分配，可以具体为：

S501：建立所述波束集合中的每种波束颜色与频率和极化方式的映射关系，得到映射关系表。

S502：基于所述映射关系表对所述着色处理后的卫星波束进行频率分配。

在一些实施例中，对每种卫星波束的颜色，应建立其颜色与频率以及极化方式的映射关系，得到关于三者的映射关系表，进而可以实现对每个波束的频率排布。

在一些实施例中，根据上述步骤中得到的卫星波束着色数n_color，可以将待分配频段均匀划分为

在一些实施例中，可以对

综上所述，本公开首先对用户对卫星覆盖的需求信息进行了获取，并基于所获取的确定信息建立了用户需求模型以及对需求信息进行了网格化处理，得到了若干个网格对象。之后对若干网格对象进行聚类处理得到若干类簇中心，并基于若干类簇中心确定了若干边界点，进而确定了卫星波束的覆盖范围。再之后，基于卫星波束覆盖范围中的若干波束的空间拓扑关系生成了卫星波束的空间拓扑图，进而对空间拓扑图中的若干波束进行了着色处理。最后，通过对着色处理的若干波束进行频率的分配，完成了对卫星覆盖方法的优化。

基于同一技术构思，与上述任意实施例方法相对应的，本公开还提供了一种基于机器学习的高轨高通量卫星覆盖优化装置，通过本公开所提供的基于机器学习的高轨高通量卫星覆盖优化装置可以实现以上任意一实施例所述的一种基于机器学习的高轨高通量卫星覆盖优化方法。

图2为本公开实施例所提供的一种基于机器学习的高轨高通量卫星覆盖优化装置结构示意图。

图2所示的基于机器学习的高轨高通量卫星覆盖优化装置进一步包括以下模块：

用户需求获取模块10、覆盖集合确定模块20、空间拓扑图生成模块30、波束着色处理模块40和波束频率分配模块50；

其中，用户需求获取模块，被配置为：获取用户对卫星覆盖的需求信息。具体执行以下步骤：

根据用户对卫星覆盖的需求信息构建用户对卫星覆盖的需求模型；

对所述用户需求模型进行网格化处理，得到包含用户需求的若干网格对象；

其中，所述用户对卫星覆盖的需求模型表示为；

χ

其中，x表示各网格中心点的经度信息，y表示各网格中心点的经度信息，χ

覆盖集合确定模块20，被配置为：对所述需求信息进行聚类处理得到若干边界点，根据所述若干边界点确定卫星波束的覆盖范围。具体执行以下步骤：

计算所述若干网格对象中每一个网格对象到预设的若干聚类中心的欧氏距离，表示为：

其中，X

将所述若干网格对象中每一个网格网对象分配至所述欧氏距离最小的聚类中心，并生成若干类簇；

计算所述若干类簇的类簇中心，表示为：

其中，C

基于所述若干类簇中心确定卫星波束的若干边界点；包括：

计算所述类簇中的每个网格对象与所述类簇中心的若干波束半张角，并确定所述若干波束半张角中的最大波束半张角，表示为：

θ

其中，每个非类簇中心点的经纬度与波束中心点所对应的波束半张角θ

响应于确定所述类簇中心和所述网格对象关于卫星位置的夹角，与所述最大波束半张角的差值小于预设值，则所述网格对象的位置为卫星波束边界点；

对所述若干边界点进行连线处理得到所述卫星波束的覆盖范围。

空间拓扑图生成模块30，被配置为：基于所述覆盖范围中卫星波束的空间拓扑关系，确定所述覆盖范围中卫星波束的空间拓扑图。具体执行以下步骤：

基于所述空间拓扑关系，确定所述覆盖范围中每一个卫星波束的交集波束；

基于所述交集波束生成所述覆盖范围中卫星波束的空间拓扑图。

波束着色处理模块40，被配置为：通过叠置分析方法对所述空间拓扑图中的卫星波束进行着色处理，得到着色处理后的卫星波束。具体执行以下步骤：

通过所述叠置分析方法对所述空间拓扑图中的所述若干相邻波束进行叠置分析，得到最小着色量；

响应于所述最小着色量，对所述空间拓扑图中的波束进行着色处理，得到具有不同颜色的波束集合。

波束频率分配模块50，被配置为：对所述着色处理后的卫星波束进行频率分配。具体执行以下步骤：

建立所述波束集合中的每种波束颜色与频率和极化方式的映射关系，得到映射关系表；

基于所述映射关系表对所述着色处理后的卫星波束进行频率分配。

基于同一技术构思，与上述任意实施例方法相对应的，本公开还提供了一种电子设备，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程序时实现以上任意一实施例所述的基于机器学习的高轨高通量卫星覆盖优化方法。

图3示出了本实施例所提供的一种更为具体的电子设备硬件结构示意图，该设备可以包括：处理器1010、存储器1020、输入/输出接口1030、通信接口1040和总线1050。其中处理器1010、存储器1020、输入/输出接口1030和通信接口1040通过总线1050实现彼此之间在设备内部的通信连接。

处理器1010可以采用通用的CPU(Central Processing Unit，中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit，ASIC)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本说明书实施例所提供的技术方案。

存储器1020可以采用ROM(Read Only Memory，只读存储器)、RAM(Random AccessMemory，随机存取存储器)、静态存储设备，动态存储设备等形式实现。存储器1020可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器1020中，并由处理器1010来调用执行。

输入/输出接口1030用于连接输入/输出模块，以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出)，也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等，输出设备可以包括显示器、扬声器、振动器、指示灯等。

通信接口1040用于连接通信模块(图中未示出)，以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信，也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。

总线1050包括一通路，在设备的各个组件(例如处理器1010、存储器1020、输入/输出接口1030和通信接口1040)之间传输信息。

需要说明的是，尽管上述设备仅示出了处理器1010、存储器1020、输入/输出接口1030、通信接口1040以及总线1050，但是在具体实施过程中，该设备还可以包括实现正常运行所必需的其他组件。此外，本领域的技术人员可以理解的是，上述设备中也可以仅包含实现本说明书实施例方案所必需的组件，而不必包含图中所示的全部组件。

上述实施例的电子设备用于实现前述任一实施例中相应的基于机器学习的高轨高通量卫星覆盖优化方法，并且具有相应的方法实施例的有益效果，在此不再赘述。

基于同一技术构思，与上述任意实施例方法相对应的，本公开还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行如上任一实施例所述的基于机器学习的高轨高通量卫星覆盖优化方法。

本实施例的计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。

上述实施例的存储介质存储的计算机指令用于使所述计算机执行如上任一实施例所述的基于机器学习的高轨高通量卫星覆盖优化方法，并且具有相应的方法实施例的有益效果，在此不再赘述。

所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围(包括权利要求)被限于这些例子；在本公开的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本公开实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。

另外，为简化说明和讨论，并且为了不会使本公开实施例难以理解，在所提供的附图中可以示出或可以不示出与集成电路(IC)芯片和其它部件的公知的电源/接地连接。此外，可以以框图的形式示出装置，以便避免使本公开实施例难以理解，并且这也考虑了以下事实，即关于这些框图装置的实施方式的细节是高度取决于将要实施本公开实施例的平台的(即，这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如，电路)以描述本公开的示例性实施例的情况下，对本领域技术人员来说显而易见的是，可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本公开实施例。因此，这些描述应被认为是说明性的而不是限制性的。

尽管已经结合了本公开的具体实施例对本公开进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如，其它存储器架构(例如，动态RAM(DRAM))可以使用所讨论的实施例。

本公开实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本公开实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本公开的保护范围之内。