本项目面向"融合定位 + 智能调度"一体化目标,基于DSROQ与Hypatia框架进行扩展创新:
- 在资源受限、动态拓扑的LEO网络中,构建"准入-分配-定位协同"的分层决策系统
- 引入融合定位(参考 reference/2404.01148v1.pdf)作为核心模块,与调度/准入共同驱动全局优化
- 以QoE与定位精度(CRLB/GDOP等)为联合目标,进行实时、长期的联合优化
- 融合定位 × 智能调度:提出"定位质量 × QoE"的联合优化范式
- DRL实时准入控制:细粒度动作(接受/拒绝/降级/延迟/部分)+ 时间感知状态
- 准入-分配-定位协同:分层架构将准入、路由/带宽、定位指标联动优化
- Hypatia高保真仿真:嵌入定位指标计算(CRLB/GDOP),实现端到端评估
- 多目标奖励:QoE + 定位精度 + 公平性 + 网络效率 + 稳定性
- 工程化交付:可视化、可复现、可扩展,面向硕士毕业论文答辩
DRL准入控制层 (我们的创新)
↓ 决策接口
Hypatia satgenpy层 (网络状态生成)
↓ 路由接口
DSROQ资源分配层 (MCTS + 李雅普诺夫)
↓ 执行接口
Hypatia ns3-sat-sim层 (包级仿真)
bysj/
├── docs/ # 论文文档
├── design/ # 系统设计文档
├── src/ # 系统核心代码
├── experiments/ # 实验配置与结果
├── data/ # 数据管理
├── reference/ # 文献管理
├── deploy/ # 部署配置
├── web/ # Web界面
└── tests/ # 测试代码
- Python 3.7+
- Ubuntu 18+ (推荐)
- CUDA 11.0+ (可选,用于GPU加速)
- 克隆项目
git clone https://github.com/wwe-boop/bysj.git
cd bysj- 安装项目依赖
pip install -r requirements.txt- 运行测试
python -m pytest tests/# 启动DRL训练
python src/admission/train.py --config experiments/configs/drl_params.yaml
# 启动可视化界面
python src/api/main.py
# 运行基线对比实验
python experiments/run_baselines.py- Fork 项目
- 创建特性分支 (
git checkout -b feature/AmazingFeature) - 提交更改 (
git commit -m 'Add some AmazingFeature') - 推送到分支 (
git push origin feature/AmazingFeature) - 打开 Pull Request
本项目采用 MIT 许可证 - 查看 LICENSE 文件了解详情
- 允许在参考列表或
reference/目录中保留外部研究的链接/DOI/编号; - 正文与设计类文档不直接出现具体论文题名与作者姓名,仅总结方法脉络与共性结论;
- 图表与结果若借鉴外部结论,需在参考中可追溯,但正文避免显名;
- 对比或综述建议采用"近年会议工作/代表性方法"等匿名化表述。