卫星物联网是构建全球覆盖网络的关键组成部分，低轨微小卫星已成为主流部署方案^[1-4]. 微小卫星严格的体积、重量与功耗（size, weight, and power, SWaP）约束使传统的频分多址（frequency division multiple access, FDMA）、空分多址（space division multiple access, SDMA）难以直接应用^[5-8]. 直接序列扩频（direct sequence spread spectrum, DSSS）技术不需要天线阵列的支持，通过扩频码捕获与跟踪即可实现多用户接入，抗多普勒能力强，与微小卫星的SWaP约束高度契合^[9-10]. 此外，DSSS方案还具备干扰可控、伪距可测的优势^[11-13].

在海量用户接入问题上，传统的码分多址（code division multiple access, CDMA）所依赖的功率控制^[14]，在长延时、高动态的卫星物联网场景下难以适用，但通过与非正交多址（non-orthogonal multiple access, NOMA）^[15]、LDPC信道编码^[16-17]技术的有机融合，可以有效提升用户信号检测性能.

在资源分配问题上，传统的ALOHA免授权^[18-21]方案与“一星一码”的固定资源分配（fixed resource allocation, FRA）方案在冲突控制^[22-23]与码资源利用^[24]方面存在不足.

针对上述问题，本文提出完整的扩频通信体制与资源管理方案. 设计动态循环扩展同步码（cyclic extended synchronization code, CESC），并将其与BP译码、SIC技术相耦合，提高了弱信号用户的捕获概率与重构准确性，从而提升系统多用户接入性能. 基于CESC设计免授权与授权混合模式下的多用户接入、传输与重传架构，提出基于分组与优先级的数据包调度(grouping and priority-based packet scheduling, GPPS)算法以优化用户通信资源分配，提升接收机吞吐率. 提出TDRA算法，以低信令交互实现高效的星间通信资源分配.

在卫星物联网场景下，下行链路由卫星指向覆盖区内的所有地面用户，构成典型的一对多广播信道，为采用Walsh正交码进行信道区分提供了理想条件. 与下行链路相反，上行链路是典型的多用户对单卫星的异步接入场景，因此需要选择自相关与互相关性俱佳、对异步传输更鲁棒的扩频序列（如Gold序列）来抑制多址干扰.

星地链路的高传输延迟对交互设计产生双重影响：一方面，它要求通信流程尽可能简洁，减少握手交互次数以降低时延；另一方面，这为接收端采用如置信传播（belief propagation, BP）算法的迭代译码方案^[25]提供了时间窗口，允许以更高的计算复杂度换取更优的译码增益.

在卫星物联网传输过程中，终端上行报文普遍采用短报文模式，因此假设用户设备$ k $单次可申请的数据需求量为$ {d}_{k} $帧，其中$ {d}_{k}\in [1,{N}_{\text{trans}}] $.

假设地面终端设备在报文长度上会呈现出集群分布的特征，即一个区域内会存在大量相同任务类型的报文. 例如，沙漠和海洋会存在大量关于温湿度监测的短报文；在城市或工业环境中，所部署的物联网设备通常会产生更复杂的监测数据，因此长报文的比例会更高.

该模型结合全球城市数据库（含78 707个城市节点），实现地理与业务的分类体系. 根据设备集群中心节点与城市节点的距离关系，对集群类型$ s\in \{1,2,3\} $的定义如下：

(1)$ s(x)=\begin{cases} 1,&\min\; {H }(x,{c}_{i})\leqslant 100\text{ km},\forall {c}_{i}\in C;\\2,&100\text{ km} \lt \min\; {H }(x,{c}_{i})\leqslant 500\text{ km};\\3,&其他.\end{cases} $

式中：$ {H }(\cdot ) $为Haversine大圆距离；$ x $为设备集群中心节点的经纬度位置；$ C $为城市坐标集合，包含78 707个城市节点$ {c}_{i} $的经纬度位置.

接入用户需求的数据帧长度$ d\in \{1,2,3,4\} $，因此不同集群出现不同数据帧长度的概率分布函数定义为

(2)$ {p}_{d}(s)=\frac{\exp\;[-\varOmega (d-\mu ^{2}{(s)})]}{\displaystyle \sum \limits_{j=1}^{{N}_{\text{trans}}}\exp\; [-\varOmega (j-\mu ^{2}{(s)})]}. $

式中：$ \mu (s) $用于控制概率分布的中心，$ \mu (s)=4-s $；$ \varOmega $用于控制分布的集中性，$ \varOmega =1 $.

针对不同区域集群节点密度不同，本模型参考DBSCAN密度聚类算法的核心思想，引入局部密度控制参数$ r $，以实现对空间分布结构的精确控制.

具体而言，对于在地球表面随机生成的$ N_\text{group} $个设备集群，每个集群$ x $的类型为$ s(x) $，每个集群以$ r(s) $的概率被保留，$ 1-r(s) $的概率被删除.

(3)$ r(s)=1-\frac{{3}^{3-s}}{10}. $

最终生成的城市节点与设备集群节点如图1所示. 其中，lat为纬度，lon为经度.

为了简化分析并聚焦于资源分配问题，对地面设备集群进行如下抽象与假设：各集群除数据帧长度分布不同外，其他属性均一致. 每个集群节点的业务到达过程建模为到达速率$ {\lambda }_{\text{G}} $的泊松过程. 当卫星覆盖范围内存在$ {N}_{{\mathrm{G}}} $个活跃集群节点时，卫星观测到的总用户到达率为

(4)$ {\lambda }_{\text{S}}={\lambda }_{\text{G}}{N}_{\text{G}}. $

卫星模型将随机选择64 颗STARLINK卫星组成星座系统，并选择其中的STARLINK-31167作为感兴趣卫星（satellite of interest, SoI），根据STARLINK-31167的TLE实现对时空轨道的刻画.

在信号接收过程中，假设地面用户可以根据星历信息实现简单的开环功率控制，使到达卫星时功率均为$ {P}_{\text{R}} $，则卫星实际接收功率为$ {P}_{\text{R}}{G}_{\text{s}} $（$ {G}_{\text{s}} $为卫星天线接收增益）. 根据ITU-R S.1528可知，接收天线的点波束增益^[26]为

(5)$ {G}_{\text{s}}(\psi )=\begin{cases} {G}_{\text{s}}(0),\;\psi \lt {\psi }_{\text{b}};\\{G}_{\text{s}}(0)-3(\psi /{{\psi }_{\text{b}}})^{2},\;{\psi }_{\text{b}}\leqslant \psi \leqslant {Y};\\{G}_{\text{s}}(0)+{{L}}_{\text{s}}-25{\lg }\;(\psi /{Y}),\;{Y} \lt \psi \leqslant {Z};\\{{L}}_{\text{F}},\;{Z} \lt \psi .\end{cases} $

式中：$ \psi $为波束的离轴角，$ {G}_{\text{s}}(0) $定义为最大天线波束增益，$ {L}_{{\mathrm{s}}}=-6.75 $表示LEO卫星的主要旁瓣增益，$ {{L}}_{\text{F}}=0 $是理想情况下的远端旁瓣水平. 本模型取$ {\psi }_{\text{b}}={3}^{\circ },{Y}=1.5{\psi }_{\text{b}} $ 且$ {Z}={Y}{10}^{0.04({{G}_{\text{s}}}(0)+{{{L}}_{\text{s}}}-{{{L}}_{\text{F}}})} $.

扩频体制设计与资源分配须关注2个问题：一是扩频体制下的接入性能，二是资源分配策略下的传输性能.

接入性能由接入成功率和平均接入成本2项核心指标表征. 接入成功率$ {P}_{{\mathrm{s}}} $定义为成功接入次数与尝试接入总次数的比值，

(6)$ {P}_{\text{s}}=\frac{{N}_{\text{succ}}}{{N}_{\text{total}}}. $

式中：$ {N}_{\text{succ}} $为成功接入次数，$ {N}_{\text{total}} $为尝试接入的总次数. ${P}_{{\mathrm{s}}} $直接反映系统的接入可靠性，其倒数可以间接反映用户链路的平均重传频率.

平均接入成本$ {C}_{\text{a}}{}_{\text{vg}} $定义为每次成功接入过程中所消耗的平均比特数量，即消耗总比特数与成功接入次数之比：

(7)$ {C}_{\text{avg}}=\frac{{B}_{\text{total}}}{{N}_{\text{succ}}}. $

式中：$ {B}_{\text{total}} $为用户在接入过程中消耗的总比特数. ${C}_{\text{avg}} $综合表征了由编码开销、帧封装、重传机制及数据包丢失等因素引起的信令开销，是衡量接入效率的重要参数.

对传输性能的刻画主要集中在平均吞吐率. 假设每颗卫星的可支配扩频码数量为$ {N}_{\text{code}} $，则对于每个接入周期，每个卫星都存在一个$ {N}_{\text{code}}\times {N}_{\text{trans}} $的通信资源网络，每个单元网格$ ({\mathrm{code}},{\mathrm{slot}}) $代表一个基本的扩频码与时隙资源单位.

在策略$ \mathit{\Phi } $下，输入为需求列表与可支配通信资源网络$ {N}_{\text{code}}\times {N}_{\text{trans}} $，输出决策矩阵$ \boldsymbol{V} $，可以表示为

(8)$ \boldsymbol{V}=\mathit{\Phi }(D,{N}_{\text{code}},{N}_{\text{trans}}). $

决策矩阵元素$ {v}_{k,{\mathrm{code}},{\mathrm{slot}}} $为二进制变量，当$ {v}_{k,{\mathrm{code}},{\mathrm{slot}}}=1 $时表示将扩频码$ {\mathrm{code}} $和时隙$ {\mathrm{slot}} $分配给用户设备$ k $.

假设$ K $为单次接入用户数量，第$ k $个用户的需求为$ {d}_{k}\in [1,{N}_{{\mathrm{trans}}}] $，每个通信网格单元可以传输$ M $个有效比特，则定义优化目标为可实现平均吞吐率最大：

(9)$ \underset{\boldsymbol{V}}{\max }\;\eta =\frac{\min \left\{\displaystyle \sum \limits_{k=1}^{K}{d}_{k},M\displaystyle \sum \limits_{k=1}^{K}\displaystyle \sum \limits_{{\mathrm{code}}=1}^{{N}_{\text{code}}}\displaystyle \sum \limits_{\mathrm{slot}=1}^{{N}_{\text{trans}}}{v}_{k,\mathrm{code},{\mathrm{slot}}}\right\}}{{T}_{\text{frame}}(1+{N}_{\text{trans}})}. $

(10)$ {\mathrm{s.t.}}\begin{cases} \displaystyle \sum \limits_{i=1}^{K}{v}_{i,{\mathrm{code}},{\mathrm{slot}}}\leqslant 1, {\mathrm{code}}\in [1,{N}_{\text{code}}], \mathrm{slot}\in [1,{N}_{\text{trans}}];\\{v}_{i,{\mathrm{code}},{\mathrm{slot}}}\in \{0,1\}.\end{cases} $

式中：$ {T}_{\text{frame}} $为单帧数据占用的时长. 最高可实现的吞吐率受接入用户总需求限制，并且同一个资源网格只能分配给一个用户.

通过对接入性能与传输性能的仿真分析与对比，说明了所设计的通信体制与所提算法的先进性.

本系统采用1 024位Walsh正交码作为下行信道扩频码，通过确保各信道之间的正交性，实现对多址干扰（multiple access interference, MAI）的有效抑制.

Walsh码是基于沃什函数（Walsh function）的正交码序列，核心特性在于在完全同步的条件下，任意2个不同的Walsh码序列之间的互相关值为零. 这使得它们在CDMA 通信系统领域非常重要，能够有效区分不同用户或信道的数据.

对于任意2个Walsh码$ {{\boldsymbol{W}}}_{i} $和$ {{\boldsymbol{W}}}_{j} $，其内积满足：

(11)$ \lt {{\boldsymbol{W}}}_{i},{{\boldsymbol{W}}}_{j} \gt =\sum \limits_{k=1}^{N}{W}_{i}(k){W}_{j}(k)=0; \;i\neq j. $

Walsh码的生成依赖于Hadamard矩阵，通过递归扩展的方式生成. 本文主要关注Walsh码的性质，不对其生成过程做额外介绍.

下行链路选用的Walsh正交码及功能如表1所示.

卫星发射端利用Walsh码的正交性，可以有效实现一发多收的星状架构^[27]. 卫星通过在导频信道叠加地址扰码，辅助地面设备实现码同步与频率同步，由此可以快速解调其他的正交码信道.

卫星的导频信道、同步信道、授时信道按照既有频率进行周期性广播，用户设备据此完成卫星捕获、时间粗同步与定位.

用户接入所用的Gold码序列与接收反馈信息的业务信道一一对应，调制过程如图2所示.

对于上行多用户异步传输信道，采用位宽为1 023的Gold序列. Gold序列能够有效抑制异步信道中的MAI. 本系统特别选用平衡性与互相关性质更优异的m序列平衡对^[28]，如表2所示.

Gold序列由$ {M}_{1} $与$ {M}_{2} $序列的循环移位的结果进行模2加运算产生. 该方案可以产生1 025个Gold序列.

针对物联网场景下的短报文特征，系统采用(58, 116)的LDPC码，比特传输速率为$ {R}_{\text{b}}=1 $ kb/s. 为了实现卫星接收机对用户信号的捕获跟踪，额外添加长度为$ L $ bit的同步帧头. 如图3所示，设计动态循环扩展码（CESC）. 将31 bit的卫星地址码与2 bit的重复因子$ l $ 所构成的基本单元进行重复后衔接LDPC编码后的数据报文，形成完整数据帧.

图3中，l为帧头的重复次数，$ l\in \{1,2,3,4\} $. 在固定重复因子策略中，$ l $取值固定；在动态重复因子策略中，$ l $的初始取值由卫星仰角决定，并随重传过程动态变化. 在用户$ u $初始接入的过程中，假设用户$ u $关于目标卫星的仰角为$ {\gamma }_{u} $，则该用户的动态重复因子的初始取值为

(12)$ {l}_{u}=\min \left\{4,\max \left\{1,\left\lfloor 20{\lg}\left(\frac{1}{\sin{\gamma }_{u}}\right)+0.5\right\rfloor \right\}\right\} . $

式中：$ \left\lfloor \cdot \right\rfloor $表示向下取整. 式（12）确保$ {l}_{u} $的取值限定在1~4的整数范围内.

当用户接入失败，经过随机指数时隙退避后，若动态重复因子小于4，则将提高重复因子，进行重传. 该动态CESC方案可以实现对边缘弱用户以及重传用户接入优先级的隐式提升.

此时，每帧数据最大占用时长$ {T}_{\text{d}}{}_{\text{ata}}=248 $ ms，再加上$ {T}_{\text{protect}}=2 $ ms的保护间隔，则每一个数据帧时隙长度为$ {T}_{\text{frame}}=250 $ ms. 设计时分接入与传输模式，如图4所示. 其中，Access时隙为专用的授权用户接入时隙，在该时隙发起接入并且存在多时隙占用需求的用户，将由卫星接收机进行专用的时隙与扩频码资源分配. 对于Trans时隙接入用户，按照公开的扩频码资源进行ALOHA竞争传输.

卫星端在周期为1 s的接入时隙与传输时隙中通过广播信道循环发送授时与同步信号，使得地面设备可以获得关于伪距的实时状态信息.

如果用户设备发起接入请求到收到确认字符（acknowledge character, ACK）的时间超过$ {T}_{\text{ACK}} $，则接入失败，需要进入重传流程.

在传统CDMA系统中，地面终端须调整发射功率，以使到达卫星的各用户信号功率平衡，避免强信号干扰弱信号^[29]. 在卫星物联网中，由于用户数量庞大，报文短，资源有限，且卫星高速运动导致信道变化快，传统的功率控制方法难以适用. NOMA系统允许用户信号以不同功率到达卫星，接收端通过SIC技术在功率域区分用户^[30]，从而适应这种场景. 基于SIC技术的多用户接收系统的具体实现方案如图5所示.

SIC的多用户接收性能主要受限于弱信号用户的捕获、判决与重构精度. 只有有效提升弱信号用户的捕获概率与信噪比，才能在大规模强弱信号混合场景中实现更多用户的成功接收. 所提的动态CESC方案，通过有针对性地延长边缘用户的同步码长度，显著提升了弱信号的捕获概率. 在信号译码与重构环节，图5所示的流程特别强调BP译码的双重作用. 1）BP译码对软判决后的数据进行迭代纠错，显著降低了用户误码率，从而为后续的干扰信号重构提供更准确的数据比特，直接提升了重构准确性. 2）BP译码后可以通过校验进行误帧判决，仅当帧数据译码正确时才进行信号重构与删除，避免了因错误重构而导致的干扰传播与噪声放大. 上述设计与动态CESC方案相结合，系统性地提升了弱信号用户的捕获能力与数据可靠性，从而增强了SIC对弱信号的消除效果，最终提升了整体多用户检测性能. CESC-BP-SIC耦合机制的工作流程如图6所示.

在卫星接收机处理流程中，同步码捕获成功后，将依次通过Costas环与延迟锁定环，实现对用户信号载波频率、相位及码相位的连续跟踪，从而获取并更新用户信道的参数矩阵^[31]. 该跟踪方案已被广泛应用于星载GNSS接收机，非本文研究重点，故不展开详述. 基于跟踪所得的信道参数，接收机可以完成信号的Gold序列解扩与软解调，进而进行BP译码. 若译码校验通过，则将该用户已恢复的比特流结合信道参数矩阵，重构出对应的直达信号波形，并将其从接收信号中相干剥离（即干扰消除）. 通过循环执行上述解扩、译码及重构消除流程，可以依次解调并分离出其余多址用户信号.

在授权与非授权耦合的物联网通信体制下，通过对通信资源网格进行有效分配，以提高资源利用效率是重要的问题. 为此，提出分组与优先级调度算法，通过将不同需求用户进行分组匹配，实现高效率的资源分配.

该算法的流程图如图7所示. 具体来说，需要先进行需求排序与分组，再进行基于优先级的资源分配.

考虑卫星总可用的Gold序列数量为$ {N}_{\text{gold}} $的情况，并引入分配因子$ \alpha \in (0,1.0] $，将$ \alpha {N}_{\text{gold}} $的Gold序列作为公开序列，供地面用户进行接入. 保留$ {N}_{\text{code}}=(1-\alpha ){N}_{\text{gold}} $的Gold序列作为专用序列，为在Access时隙接入并存在多时隙占用需求的用户提供专用通道. 假设有$ K $个授权用户通过接入时隙成功发起接入申请，此时卫星可用资源由$ {N}_{\text{code}}\times{N}_{\text{trans}} $的二维资源网格表示. 每个用户$ k\in \{1,2,\cdots,K\} $提出一个资源请求$ {d}_{k} $，表示需要预约的时隙数，且满足

(13)$ {d}_{k}\in {\bf{Z}}^+,1\leqslant {d}_{k}\leqslant {N}_{\text{trans}}. $

所有用户的资源需求构成需求向量：

(14)$ \boldsymbol{D}={[{{d}_{1}},{{d}_{2}},\cdots ,{{d}_{K}}]}^{{\mathrm{T}}}\in {\bf{Z}}^{K}. $

此阶段旨在将异构的用户需求规整化为标准的资源组，以简化后续调度并提升公平性.

将用户集合$ U=\{1,2,\cdots ,K\} $ 按照需求值$ {d}_{k} $ 进行降序排列，得到有序用户列表：

(15)$ {{U}}_{\text{sorted}}=\{{u}_{1},{u}_{2},\cdots ,{u}_{K}\}; $

(16)$ {\mathrm{s.t.}}\;{d}_{{{u}_{1}}}\geqslant {d}_{{{u}_{2}}}\geqslant \cdots \geqslant {d}_{{{u}_{K}}}. $

在标准组的构建过程中，采用适应递减法对$ {{U}}_{{\mathrm{sorted}}} $进行迭代分组，以生成若干个分组$ {G} $.

该算法按顺序遍历$ {{U}}_{{\mathrm{sorted}}} $中的用户，对于当前已有的$ m $个分组，如果当前存在可以容纳当前用户$ k $的分组，则将其加入该分组，否则创建一个新分组：

(17)$ {{G}}_{m+1}=\{k\}. $

最终能够形成若干个总需求为$ {N}_{\text{trans}} $ 的标准组与总需求不足$ {N}_{\text{trans}} $ 的残差组.

此阶段将资源网络中的扩频码与时隙资源分配给第一阶段形成的各个组.

为了最大化资源利用效率，按照组内需求总和进行降序分配，为每一个组分配同一扩频码的不同时隙，并形成资源分配矩阵：

(18)$ \boldsymbol{V}={\{0\text{，}1\}}^{K\times {{N}_{\text{code}}}\times {{N}_{\text{trans}}}}. $

式中：$ {v}_{k,{\mathrm{code}},{\mathrm{slot}}}=1 $表示将该扩频码$ {\mathrm{code}} $与时隙$ {\mathrm{slot}} $分配给用户$ k $.

GPPS算法的传输性能会受到可支配扩频码数量的制约. 通过星间资源复用以增大卫星可支配扩频码数量，从而进一步提升系统吞吐率.

在多卫星星座中，如果对扩频码资源采用静态固定分配的策略，则每个卫星的可用扩频码数量将受到星座系统规模的限制，难以满足卫星的通信资源的高需求. 如果采用星间交互方式实现全局动态分配，则会引入显著的信令开销与延迟. 提出基于全局拓扑信息的分布式扩频码资源分配算法，每颗卫星可以通过全局拓扑信息动态计算出统一的扩频码分配方案，在避免相邻卫星冲突的前提下最大化可用扩频码数量.

该算法不进行星间实时交互，在为每颗星进行扩频码资源分配时的核心考量是公平性，即最大化每颗星的可支配扩频码数量，而不是根据不同区域的接入用户需求进行统一调度. 这是系统性能与调度复杂度综合权衡的选择.

本算法基于空间隔离原则和冲突避免原则：允许覆盖域无交叠的2颗卫星同时使用相同的扩频码资源；确保相邻卫星之间使用的扩频序列集合是互异的.

该算法分为2个阶段进行：第一阶段进行动态配额计算，第二阶段进行冲突避免的资源分配.

算法为每个卫星计算其应获得的扩频码资源配额. 设卫星总数为$ {N}_{\text{sat}} $，总共可用的Gold序列数量为$ {N}_{\text{gold}} $，邻接矩阵$ \boldsymbol{A} $表示卫星间的相邻关系，其中$ {a}_{ij}=1 $表示卫星$ i $和$ j $相邻.

在邻接矩阵的构建过程中，如果根据卫星覆盖域的交叠情况进行计算，则会造成大量的资源消耗. 为了简化该过程，通过条件强化将交叠问题转化为可见性问题.

(19)$ {a}_{ij}=\begin{cases} 1,&{\theta }_{ij} \lt \gamma ;\\0,&{\theta }_{ij}\geqslant \gamma .\end{cases} $

式中：$ {\theta }_{ij} $为卫星$ i $和$ j $相对于地心的夹角；$ \gamma $为2颗轨道高度为1 200 km的卫星不可见时相对于地心的最小夹角，$ \gamma =0.36\text{π} $. 示意图如图8所示.

每颗卫星$ s $的初始配额为基础平均分配量：

(20)$ Q_{s}^{\text{base}}=\frac{{N}_{\text{gold}}}{{N}_{\text{sat}}}. $

通过拓扑结构对分配量进行动态调整. 对于任意与卫星$ s $不相邻的卫星$ i $，卫星$ s $可以共享卫星$ i $的部分码资源，可共享比例由拓扑关系决定：

(21)$ {k}_{si}=\left| \{j|{a}_{ij}=0\cap {a}_{sj}=1\}\right| . $

式中：$ {k}_{si} $为星座中与卫星$ s $相邻但与$ i $不相邻的卫星数量. 这一参数反映了卫星$ s $对卫星$ i $资源的可占用程度. 卫星$ s $的最终配额计算公式为

(22)$ {Q}_{s}=\left\lfloor Q_{s}^{\text{base}}\left(1+\sum \limits_{i=1,\;{a}_{si}=0}^{{N}_{\text{sat}}}\frac{1}{{k}_{si}}\right)\right\rfloor . $

在完成配额计算后，按照卫星ID顺序进行实际分配. 对于每个卫星$ s $,确定可用的非冲突扩频码集合：

(23)$ C_{s}^{\text{ava}}={C}_{\text{all}}-\overset{s-1}{\underset{j=1,\;{a}_{sj}=1}{\cup }}{C}_{j}. $

式中：$ {C}_{\text{all}} $为所有扩频码的集合，$ {C}_{j} $为已经分配给卫星$ j $的扩频码集合. 按照扩频码ID顺序，选取$ C_{s}^{\text{ava}} $前$ {Q}_{s} $个码分配给卫星$ s $.

为了进一步探索基于动态CESC的接入性能优势，在卫星物联网动态场景下对不同的同步头设置策略进行接入性能仿真分析，重点关注不同传输策略的$ {C}_{\text{a}}{}_{\text{vg}} $与$ {P}_{\text{s}} $.

在仿真过程中，LDPC编码矩阵、BP迭代译码次数、最大SIC迭代次数等参数均一致. 其中，理想功率预补偿策略的所有用户采用固定重复因子为4的帧头，到卫星的接收功率均为$ {P}_{\text{r}} $. 其他策略的接收功率由卫星天线的波束离轴角决定，设为$ {P}_{\text{r}}{G}_{\text{s}}(\psi ) $. 仿真过程中设置接收端高斯噪声功率相对理想接收功率$ {P}_{\text{r}} $的信噪比为−20 dB^[32]，其他仿真参数如表3所示^[33-36].

在动态场景下，当目标卫星到达用户可连接范围时，用户可以发起接入请求. 不同用户在接入过程中从256个公开码集中随机选取Gold扩频码进行接入，并允许不同用户选择相同的扩频码序列. 当用户信号未被成功解调时，将被认为是接入失败，经过随机指数时隙退避后进行同步码的扩展并继续尝试接入. 一旦接入次数达到重传次数上限或者卫星离开可连接范围，则判定该用户数据包丢失.

仿真过程选取STARLINK-31167卫星作为感兴趣卫星（satellite of interest, SoI），对该卫星在2026年1月6日12：00至12：12区间内的运行场景进行仿真. 仿真结果如图9、10所示，各策略的平均接入成本随用户到达率增长而提高，接入成功率随用户到达率增长而降低.

接入性能不随固定重复因子的提高而单调提升，因为同步帧头的扩展虽然有利于提高捕获概率，但会在时域引入额外干扰，影响最终信噪比. 动态重复因子方案在接入成本与接入成功率上均优于固定重复因子方案.

动态重复因子方案的接入成本较理想功率预补偿策略降低了40.52 bit，同时接入成功率达到98.09%，较理想功率预补偿方案提升了3.06%. 这是因为接入过程允许多用户采用相同扩频码，造成MAI偏高且干扰用户功率相近，难以通过SIC消除. 在CESC-BP-SIC耦合机制下，接收机可以基于功率差异通过SIC实现同码多用户解调，弱信号用户的捕获概率与信号重构准确度得到提升，使SIC多用户接入性能提高.

基于CESC-BP-SIC耦合机制的多用户接收方案在接入成本与接入成功率上均优于固定重复因子方案与理想功率预补偿方案，且更具可行性.

在授权用户的数据链路层资源调度性能仿真中，将GPPS算法与时隙ALOHA方案在相同仿真环境下进行对比.

时隙ALOHA方案：用户在有数据需求时，从卫星可用的$ {N}_{\text{code}} $个Gold序列随机选择进行数据传输. 用户对多帧数据采用连续传输的方式，如果其中一帧传输失败，则该数据包传输失败.

GPPS方案：授权用户在Access时隙进行接入，卫星为具有多帧数据传输需求的用户进行专用的时隙与码资源分配，避免传输过程受干扰；无授权需求的用户则在Trans时隙进行接入与传输. 其中，初始接入过程中的可用Gold序列数量为$ \alpha {N}_{\text{gold}} $，授权用户的专用Gold序列数量为$ {N}_{\text{code}}=(1-\alpha ){N}_{\text{gold}} $.

仿真环境基于STARLINK-31167卫星在2025年10月14日12:00—13:00的运行轨迹构建. 数据链路层仿真过程假设用户相对于卫星的仰角小于30° 即可随机选择Gold扩频码并发起接入请求，若接入过程各用户选择Gold扩频码无冲突，则认为接入成功. 由于传输过程相较于接入过程干扰可控，假设接入成功等价于传输过程不存在误帧.

本实验控制卫星总可用的扩频码数量均为256，对不同的$ \alpha $参数下的授权与免授权并行的GPPS方案以及免授权的时隙ALOHA方案在数据链路层进行吞吐率仿真，仿真结果如图11所示.

在授权与免授权并行方案下，由于授权接入时隙的引入，可以实现授权接入用户与免授权接入用户的资源隔离，降低Trans时隙的冲突率. 通过设置GPPS算法的分配因子$ \alpha $，可以有效调节系统吞吐率. 1）$ \alpha $偏小（如$ \alpha =0.75 $）会造成免授权接入用户的可用公开扩频码数量减少，冲突严重，大量专用扩频码资源空置. 2）$ \alpha $偏大（如$ \alpha =0.98 $）会导致授权接入用户的需求无法被有效满足. 合理选择$ \alpha $，使得接入与授权传输过程的供需达到平衡，是提升系统传输性能的关键.

在该场景下，免授权时隙ALOHA方案实现的平均吞吐率为1 244.0 bit/s，而授权与免授权混合模式下的GPPS方案在$ \alpha =0.92 $ 时，可实现的平均吞吐率为1 406.3 bit/s，为各项仿真策略中的最高值，较免授权时隙ALOHA方案提高了13.05%. 仿真结果表明，所提出的授权与免授权混合模式下的GPPS方案能够有效调节用户冲突与用户需求，显著提升了吞吐率.

为了验证所提的拓扑感知分布式资源分配（TDRA）算法的有效性，将该算法与传统的“一星一码”静态分配方案进行对比分析. 该静态方案采用FRA算法作为基线.

在FRA方案中，系统可支配的Gold序列数量固定，并在所有卫星间进行平均分配. 在一个规模为$ {N}_{\text{sat}} $的星座中，每颗卫星获得的扩频码数量固定为$ \left\lfloor {N}_{\text{gold}}/{N}_{\text{sat}}\right\rfloor $. 与之相反，TDRA算法允许卫星基于星间拓扑关系，动态复用非相邻卫星的闲置码资源，从而显著提升了扩频码的空间复用效率. 每颗卫星的可支配码数量由其邻接矩阵所描述的全局拓扑结构唯一确定.

仿真以STARLINK-31167卫星为研究对象（SoI），模拟其在2025年10月14日12:00至13:00时段内的运行，均采用$ \alpha =0.92 $的GPPS方案进行用户资源分配. 不同星座规模$ {N}_{\text{sat}} $下，SoI在2种策略下可支配的扩频码数量$ {N}_{\text{code}} $变化如图12所示. 在不同的地面节点用户到达率$ {\lambda }_{{\mathrm{G}}} $下，SoI所实现的吞吐率如图13所示.

图12的对比结果显示，当星座规模小于64时，TDRA策略能够始终为SoI维持42个以上的可用扩频码. FRA策略下的可用码数量与星座规模成反比，当卫星数量达到64颗时，SoI仅能分配到16个扩频码. TDRA策略在64颗卫星的星座规模下的平均可支配扩频码数量为50.62，是FRA策略的216.37%. 可用扩频码资源的严重不足，直接限制了FRA策略的并发通信能力，是FRA策略的吞吐性能远逊于TDRA策略的根本原因.

图13的仿真结果展示了TDRA算法在系统吞吐率上的显著优势. 在相同的仿真条件下，利用TDRA算法实现的平均吞吐率始终优于FRA方案. 尤其是在64颗卫星的大规模星座场景下，TDRA方案在各到达率下的平均吞吐率为293.36 bit/s，而FRA方案仅为89.75 bit/s，TDRA方案的传输性能较FRA方案提升了226.86%.

此外，TDRA算法展现出更优的可扩展性. 随着星座规模从16颗卫星扩大至64颗，TDRA算法所能达到的平均吞吐率从840.70 bit/s下降到293.36 bit/s，下降幅度为65.11%. FRA方案的平均吞吐率从342.03 bit/s下降到89.75 bit/s，下降幅度为73.76%. 结果表明，TDRA策略更满足大规模星座的部署需求.

综上所述，所提的TDRA算法通过拓扑感知的动态资源复用，有效克服了传统固定分配策略在扩频码资源上的瓶颈. 这不仅带来了吞吐率的显著提升，更赋予系统良好的可扩展性，为大规模微小卫星物联网星座的高效资源管理提供了有效的解决方案.

针对微小卫星物联网中海量用户的干扰抑制与资源分配问题，提出涵盖扩频通信体制设计与资源分配的系列解决方案. 在接入性能方面，所提CESC-BP-SIC耦合方案的接入成功率较功率控制策略提升了3.06%，平均接入成本降低了40.52 bit. 在用户资源分配方面，GPPS策略的平均吞吐率较免授权时隙ALOHA方案提升了13.05%. 在星间资源管理方面，TDRA算法的可支配扩频码数量较FRA策略增大了216.37%，平均吞吐率提升了226.86%，展现出良好的可扩展性.

未来研究可以进一步探索动态拓扑下的实时资源优化以及多星协同的干扰管理机制，以满足更大规模卫星物联网星座的部署需求.