低軌巨型星座網絡：組網技術與研究現狀

陳全，楊磊，郭劍鳴,2，李星辰，趙勇，陳小前

（1.國防科技大學空天科學學院，湖南 長沙 410073；2.復雜飛行器系統仿真重點實驗室，北京 100094；3.軍事科學院國防科技創新研究院，北京 100071）

0 引言

低地球軌道（LEO,low earth orbit）（以下簡稱低軌）衛星星座以其廣覆蓋、全天候的特點成為彌補地面網絡覆蓋盲區最有效的解決方案，是未來天空地海一體化網絡的重要組成部分[1]。20 世紀末，以銥星、全球星為代表的星座計劃掀起了第一代低軌星座網絡浪潮，但最終因無法與迅猛發展的地面網絡競爭以及商業運營策略方面的失誤而紛紛宣告失敗[2]。

近年來，以Starlink、OneWeb 等為代表的龐大星座計劃推動了新一輪的低軌巨型星座網絡發展浪潮[3]。新興的低軌巨型星座計劃[4]一般包含數百至數萬顆低軌衛星，目標是為全球用戶提供無處不在的寬帶互聯網接入服務，具有大規模、廣覆蓋、低時延、寬帶化、天地一體等特征。星座規模的急劇擴張不僅提升了系統容量，也增加了系統復雜度，為系統總體設計、網絡運行管理和高效數據傳輸帶來諸多難題：1) 衛星規模龐大，且節點高速運動，使網絡拓撲高度復雜且具有強動態性；2) 用戶被多星同時覆蓋，星上頻率協調復雜，且星地切換頻繁；3) 網絡節點密度高，端到端連接所需轉發跳數大大增加，提高了路由傳輸的復雜度；4) 星地一體化網絡需大量地面信關站支持連接，地面系統設計復雜[5]；5) 龐大的網絡規模在網絡仿真和性能評估時消耗大量計算資源，仿真耗時長。另一方面，巨型星座中網絡拓撲具有規則性、周期性和可預測性，節點、鏈路資源冗余量大且星上處理能力增強，也為網絡系統設計提供了機遇。

第一代低軌星座網絡浪潮推動了衛星網絡相關理論研究和工程項目實踐發展，目前已有相關綜述性研究，如星地切換策略[6]、路由算法[7]及星地一體化技術[8]等，但針對巨型星座的討論較少。新興巨型星座網絡相較于傳統衛星網絡的新特征為相關組網技術帶來新的挑戰與機遇。本文將針對新興低軌巨型星座網絡的特征分析其具體設計難點，并總結研究進展。本文涵蓋部分經典文獻工作，但重點關注近5 年內巨型星座相關的研究。

本文首先介紹了低軌巨型星座網絡的系統架構與工作模式，分析了新興巨型星座網絡的具體特征以及相比于傳統衛星網絡的區別，隨后從網絡拓撲動態性管理、星地鏈路切換策略、路由算法設計、地面信關站布局優化以及網絡仿真與性能評估5 個方面梳理總結了各關鍵技術的難點、技術路線和研究進展，并分析了巨型星座場景下各項技術面臨的新挑戰與發展方向。本文內容可為未來低軌巨型星座寬帶衛星網絡設計理論研究提供參考。

1 系統架構與工作模式

1.1 系統架構

典型的低軌星座系統包括空間段、用戶段和地面段3 個部分[9]，如圖1 所示。

空間段由低軌衛星和星間鏈路組成，形成空間傳輸主干網絡。衛星在空間中均勻排布，普遍采用均勻對稱的星座構型[3]。巨型星座網絡由于衛星規模龐大，多采用不同軌道高度、不同傾角的子星座構成多層混合星座[10]。衛星作為空間網絡的接入節點，起到天基移動基站的功能。衛星間可建立微波或激光星間鏈路，實現數據包中繼轉發。

用戶段包括各類用戶終端、綜合信息服務平臺以及業務支撐系統等。用戶終端也可作為接入點（AP,access point）建立局域網絡，將通用用戶設備接入網絡。綜合信息服務平臺和業務支撐系統用于對用戶業務提供支撐和應用層高級服務。

圖1 新興低軌星座網絡總體架構

地面段包括信關站、綜合運控管理系統以及連接地面核心網的基礎設施。信關站起到連接衛星網絡和地面網絡的網關功能。數據經信關站接入地面網絡，完成星地空口通信協議和網絡協議轉換，即可利用地面網絡設施訪問地面網絡資源。綜合運控管理系統包括網絡、星座、數據、運營、數據等管理系統以及衛星測控站等，對全網進行綜合管理和監控。

1.2 工作模式

根據空間網絡與地面網絡的關系，可將衛星網絡工作模式分為天星地網、天基網絡和天網地網三類[9,11]，如圖2 所示。

圖2 低軌衛星網絡工作模式

1) 天星地網。衛星間無星間鏈路連接，衛星將接收的地面用戶數據直接轉發至地面網絡完成傳輸，衛星可看作地面網絡的延伸。天星地網模式只有在用戶和地面站被同一衛星覆蓋時才能進行實時通信業務。目前OneWeb 一期計劃采用此種架構[9]。

2) 天基網絡。用戶間可直接通過衛星和星間鏈路實現端到端連接，而不需要地面網絡設施參與。該架構擺脫了對地面網絡設施的依賴，具有獨立性、安全性和抗毀性優勢[11]。

3) 天網地網。衛星間由星間鏈路連接，地面信關站通過地面網絡連接。根據任務需求，用戶數據可經衛星轉發到另一端用戶，也可經單跳或多跳星間轉發到信關站，再通過地面網絡完成傳輸。天網地網模式充分利用了衛星的廣域覆蓋優勢和地面網絡的容量、資源優勢，實現了天地融合和優勢互補，成為未來低軌衛星網絡的發展趨勢。

2 新興巨型星座網絡及特征

2.1 代表性巨型星座網絡計劃

自2015 年起，大批低軌巨型星座計劃被提出，包括Starlink、OneWeb 和Kuiper 等代表性計劃。

Starlink[4]由SpaceX 公司提出，初期計劃發射4 408 顆工作在540～570 km 高度的衛星為全球用戶提供互聯網服務。受益于批量化衛星制造、火箭重復利用、一箭多星發射等領先技術，Starlink 已成為新興低軌星座中的佼佼者，截至2021 年年底，Starlink 已部署超過1 900 顆衛星，完成了550 km軌道層星座部署。下一步，Starlink 將部署其他軌道層星座并開始配備激光星間鏈路。后期Starlink 還計劃將總星座規模擴增至4.2 萬顆衛星[12]。

OneWeb[10]計劃發射716 顆軌道高度為1 200 km的衛星，構成極軌道/傾斜軌道混合星座提供寬帶網絡接入服務。截至2021 年年底，OneWeb 已部署近400 顆衛星，且未來計劃將星座擴充至6 372 顆衛星，以提高中低緯度地區的覆蓋密度。

Kuiper[13]計劃由亞馬遜公司于2019 年提出，旨在提供低成本的消費級和企業級寬帶業務以及無線數據回程業務。星座包括工作在590～630 km 高度的3 236 顆傾斜軌道衛星。系統將在全球部署大量地面站，可與亞馬遜網絡服務（AWS,Amazon Web service）系統和計算基礎設施聯合，構建亞馬遜公司的全球云服務智能網絡系統。

2.2 新興巨型星座網絡特征

隨著技術進步和市場需求變革，相比于早期的低軌星座，新興低軌巨型星座網絡具有大規模、廣覆蓋、低時延、寬帶化、天地一體等特征，具體表現如下。

1) 低軌道混合星座設計。新興巨型星座普遍采用1200 km 以下的軌道高度，如Starlink 一期軌道高度為540～570 km，其后期還將采用335～346 km 的超低軌道，具有低時延和低部署成本的優勢。巨型星座大多采用多個軌道高度或傾角不同的星座層形成混合星座，如“低軌道/超低軌道星座”或“極軌道/傾斜軌道星座”組合等。混合星座通過部署大量傾斜軌道衛星覆蓋中低緯度地區，且利用極軌道衛星補充高緯度覆蓋，提升覆蓋性能。

2) 星座規模迅速擴張。傳統的低軌星座系統一般包含數十顆衛星，但新興的低軌星座網絡為滿足系統容量的需求，將衛星數目擴增至上萬顆。龐大的星座規模提高了地面終端通信仰角，減小了地面反射和多徑衰落影響，也使系統具有更強的冗余性和抗毀性。

3) 通信寬帶化。為適應日益增長的寬帶業務需求，新興低軌星座網絡廣泛采用Ku、Ka 及以上頻段。星上采用高通信頻段、高增益天線、相控陣多波束、頻率協調與復用等技術大幅提高通信帶寬，使單星容量可達數十Gbit/s，全網容量可達Tbit/s量級[10]。寬帶業務對網絡服務質量（QoS,quality of service）產生多樣化需求，包括時延、帶寬、丟包率等。

4) 通信載荷輕型化、軟件化、多樣化。高通信頻率和低軌道高度可實現地面終端天線小型化。星上載荷采用軟件定義體制，支持在軌功能重構和自適應調整，迎合網絡智能化發展趨勢。此外，系統還可通過搭載不同頻段載荷，在寬帶通信業務之外拓展導航增強、高分對地觀測和天基物聯網等功能。

5) 星上處理與星間鏈路。新興巨型星座大多具有星上處理能力，可對接收的數據包進行解析、存儲和轉發，而不局限于透明轉發的工作模式。衛星間可建立微波或激光鏈路，并且在運動過程中保持連接，實現數據包在衛星間的轉發。星上處理和星間鏈路使系統可工作在天網地網架構，增強了系統獨立性和靈活性。半導體技術的進步使衛星具有更強的星上處理和存儲能力，而激光星間鏈路技術可大幅提升星間通信速率，適應寬帶業務需求。

6) 星地一體化融合設計。新興星座系統具有獨立運行的能力，但仍將星地一體化作為重點發展方向，把依托與支持地面網絡作為系統的設計基礎。設計系統架構、協議、載荷時均考慮了與地面移動網絡、互聯網的兼容性和互操作性。

3 巨型星座組網關鍵技術難點與研究進展

低軌巨型星座系統具有諸多優勢，如衛星數目多，系統冗余量大；星座構型和網絡拓撲具有規則性和可預測性；星上處理性能提升，自主決策能力強等。但巨型星座網絡的新特征，尤其是前所未有的星座規模，也給網絡設計帶來諸多挑戰，如拓撲動態性強、星地切換頻繁、路由傳輸負載不均衡性強、地面系統設計耦合因素多、網絡性能評估開銷大等。接下來，將從以下5個方面具體分析巨型星座組網關鍵技術的難點，并系統梳理其研究進展。

3.1 網絡拓撲動態性管理

低軌衛星高速運動造成網絡拓撲始終處于動態變化中，拓撲動態性主要表現為鏈路斷開或重建切換現象。當鏈路信噪比、天線跟蹤指向等不滿足建鏈條件時，即發生鏈路中斷。星間拓撲動態性特點及管理難點如下：1) 同軌星間鏈路較穩定，而異軌星間鏈路距離、指向均隨衛星運動呈周期性變化；2) 異軌星間鏈路在靠近極區時因變化劇烈而中斷，又在飛出極區后重建；3) 極軌道星座存在運行方向相反的兩軌道面，形成“縫隙”，縫隙兩側一般不建鏈，并且縫隙隨地球自轉相對地面用戶而移動。巨型星座中激增的衛星數目加劇了星間連接切換，增加了網絡拓撲動態性和管理開銷。

另一方面，由于衛星運動具有周期性和可預測性，且星座拓撲具有規則性，因此可構造虛擬的靜態網絡實現拓撲動態性管理。常用的拓撲動態性管理方法包括虛擬拓撲法和虛擬節點（VN,virtual node）法，表1 比較了二者的特點[14]和適用范圍。

表1 兩類拓撲動態性管理方法比較

3.1.1 虛擬拓撲法

虛擬拓撲法利用星座拓撲的可預測性將時間域離散劃分為若干時間片[t0,t1],[t1,t2],…,[tn-1,tn]，并認為拓撲僅在t0,t1,t2…時刻發生變化，而在時間片內保持不變，如圖3 所示。每個時間片內網絡拓撲均可看作靜態，因此可在時間片內采用靜態網絡算法[15]。每個時間片內的拓撲稱為虛擬拓撲，該概念與有限狀態自動機（FSA,finite state automation）[16]和快照[7]類似。

圖3 虛擬拓撲法示意

Wang 等[17]對低軌星座網絡拓撲動態性進行了系統性量化，針對Walker 星座分析了靜態拓撲的最大維持時間，從理論上推導了拓撲切換時間間隔、快照數目與星座參數的具體關系。Jia 等[15]利用虛擬拓撲法獲得若干離散的靜態拓撲，并在各拓撲內采用深度優先和Dijkstra 結合的算法生成路由。Liu等[18]將虛擬拓撲法與虛擬節點法相結合，利用虛擬拓撲法處理星座層間拓撲動態性，而采用虛擬節點法處理層內拓撲動態性。

盡管虛擬拓撲法可用于多層混合星座，但由于增加衛星數目將縮短拓撲維持時間和增加虛擬拓撲數目[17]，進而導致較大的拓撲管理和路由開銷，因此虛擬拓撲法一般用于衛星數目較小或QoS 要求低的星座，而不適用于巨型星座寬帶衛星網絡。此外，基于時空圖或接觸計劃[19]的拓撲動態性管理方法基本思想與虛擬拓撲法相似，也不適用于巨型星座。

3.1.2 虛擬節點法

虛擬節點法由Mauger 等[20]首次提出，后經Ekici 等[21]發展推廣，廣泛用于屏蔽極軌道星座拓撲動態性。虛擬節點法將地理區域劃分為若干個小區，并稱為虛擬節點。各虛擬節點分配有邏輯地址，與其上空負責覆蓋的衛星建立映射關系，與衛星共享邏輯地址，如圖4 所示。當衛星不再覆蓋該小區時，則虛擬節點映射至下一覆蓋衛星，由下一衛星繼承上一衛星的邏輯地址和網絡狀態（包括路由表、信道分配等），從而通過虛擬節點與衛星的動態映射構建靜態的虛擬網絡。Mauger等[20]認為虛擬節點的映射切換可發生在當前衛星與同軌道面衛星內或異軌道面衛星間，此時需頻繁計算衛星與地面區域的覆蓋關系，并且當虛擬節點在不同軌道面間切換時，將增加極軌道星座“縫隙”位置的不確定性[22]，此時虛擬網絡拓撲并非完全靜態。Ekici 等[21]限定虛擬節點切換時僅由同一軌道面內的衛星繼承，因而虛擬節點間的連接關系保持不變，可形成靜態的虛擬網絡。但該方法未考慮地球自轉的影響，映射建立較長時間后衛星軌道面將大幅偏離原覆蓋的小區，而無法完成軌道面內虛擬節點切換。在該方法下，衛星天線需支持“地球固定”足印模式，使波束始終指向固定覆蓋區，因此對天線要求較高。

圖4 虛擬節點法示意

Korcak 等[23]對基于地理區域劃分的虛擬節點法進行了系統總結與比較，指出了虛擬節點法對“地球固定”和“衛星固定”足印天線模式的需求以及虛擬節點切換同步性問題，并針對多顆衛星對應同一虛擬節點問題提出了多狀態虛擬節點法。Lu 等[24]對基于衛星足印的虛擬節點法給出了規范的數學模型，考慮了高緯度地區異軌星間鏈路中斷、衛星失效帶來的拓撲變化和“衛星固定”足印天線的路徑收縮和擴張問題。Chen 等[22]提出了基于天球區域劃分的虛擬節點（CSD-VN,celestial sphere division based virtual node）法來消除地球自轉的影響，給出了虛擬節點映射更新模型，解決了相鄰軌道衛星相位差帶來的切換不同步問題，并將該方法應用于單層巨型星座中。CSD-VN法可將衛星間拓撲動態性完全屏蔽，但無法解決星地之間的動態性，完成用戶間連接還需提前計算目標用戶的覆蓋衛星[25]。而基于地理區域劃分的虛擬節點法可通過將用戶與虛擬節點綁定實現用戶移動性管理，根據用戶地理位置即可推知其覆蓋衛星的虛擬地址。

3.2 星地鏈路切換策略

衛星相對地球的高速運動導致星地鏈路面臨頻繁切換問題，而巨型星座由于采用低軌道高度和高通信仰角，進一步加快切換頻率。以550 km 高度的衛星為例，當通信仰角門限為25°時，平均切換間隔僅為2～3 min。同時由于巨型星座主要面向寬帶業務，在頻繁的鏈路切換過程中還應保證高帶寬、低時延抖動等服務質量。此外，巨型星座中衛星密集分布，覆蓋域高度重疊，也增大了星地信道切換過程的頻率協調難度。但另一方面，衛星/用戶信道感知和星上處理能力大幅提升，因此可設計基于機器學習的智能切換策略優化切換性能，提高資源利用效率和鏈路服務質量。

3.2.1 波束間切換

星地鏈路切換可分為同一衛星波束間切換和不同衛星波束間切換。波束間切換策略又可依據信道分配方式分為固定信道分配（FCA,fixed channel allocation）、動態信道分配（DCA,dynamic channel allocation）和自適應動態信道分配（ADCA,adaptive DCA）策略。FCA 策略根據頻率復用規則把信道分配給固定的地面小區[26]，只有在該小區內有空閑信道時才可完成波束切換。FCA 策略雖然簡單，但靈活性差，易造成信道資源浪費。

DCA 策略把不同衛星的信道分組并放入信道池中，可為任一連接請求分配滿足信道復用距離的信道，并把結束占用的信道收回信道池。DCA 策略的優勢在于可以解決不同小區間流量變化和業務不均衡問題，相比于FCA 策略可提高資源利用率，并有效降低連接阻塞率和中斷率。ADCA 策略[27]在DCA 策略的基礎上引入了保護信道，通過連續監測當前流量和用戶位置信息預測未來連接阻塞概率，動態調整最優保護信道數量，實現保護信道占用量和切換質量的最優均衡。Liu 等[28]結合深度強化學習（DRL,deep reinforcement learning）與DCA 策略，提出了DRL-DCA 算法，把鏈路切換轉換為馬爾可夫決策過程，采用狀態重構和深度卷積神經網絡提取問題特征，最終得到決策矩陣。該方法可利用經驗數據提高長周期切換性能并提升資源利用效率，但強化學習的模型訓練過程將產生大量計算開銷，復雜度較高。

3.2.2 衛星間切換

當衛星逐漸遠離用戶時，用戶需進行衛星間切換。衛星間切換也包含了波束切換過程，但需先確定用戶的下一服務衛星，再在該衛星的波束內分配合適的信道[6]。表2 列舉并比較了多項衛星間切換策略的主要特性。Gkizeli 等[29]提出了2 種衛星切換策略：硬切換策略和混合信道自適應衛星分集（H-CASD,hybrid channel adaptive satellite diversity）切換策略。硬切換策略中設置切換閾值，根據當前信號強度是否滿足切換閾值要求做出切換決策，可以減少切換信令開銷，并延遲切換時間和降低切換頻率。H-CASD 切換策略引入雙星覆蓋的軟切換機制，在一般情況下采用硬切換策略而在特殊信道條件下采用軟切換策略，可進一步降低切換阻塞概率。

現有的研究主要采用三項指標作為切換準則[6]：剩余連接時間、仰角與可用信道數。剩余連接時間影響衛星切換頻次，仰角影響通信距離和通信質量，可用信道數影響網絡負載。GSH（graph-based satellite handover）策略[30]根據衛星對用戶的覆蓋時間關系將衛星間切換過程建模為有向圖尋路模型。該模型可通過給有向圖的邊賦予不同權重支持不同的切換準則，具有較高的通用性和靈活性。

巨型星座增加了切換頻率及復雜性，但也帶來了新的機遇。密集的衛星分布和星上存儲、計算資源的提升給衛星切換過程提供了更多冗余資源。Li等[31]面向巨型星座網絡提出了用戶中心切換策略（UCHS,user-centric handover scheme），根據衛星運動軌跡和實測信道狀態更新用戶的備選衛星，利用巨型星座多星覆蓋的優勢，在多個備選衛星上同時緩存用戶下行數據。Starlink 仿真結果表明，UCHS可減少切換耗時并實現無縫切換。考慮到巨型星座中切換頻繁帶來的信令開銷，多智能體強化學習（MARL,multi-agent reinforcement learning）切換策略[32]利用用戶獲取的局部網絡信息訓練強化學習模型，采用Q學習算法確定切換決策，可均衡衛星間負載和減少信令開銷。

3.3 路由算法設計

巨型星座中密布的衛星導致星間傳輸跳數大幅增加，也提高了路由傳輸復雜度。星間轉發次數的增加在一定程度上降低了路由傳輸的可靠性，因此路由算法應考慮節點/鏈路失效問題。當節點規模龐大時，網絡信令開銷將占用大量網絡資源[33]，而網絡拓撲的頻繁切換會導致星上存儲和維護的路由表規模激增[34]。而巨型星座網絡中寬帶業務量較大且分布不均衡，使路由傳輸還面臨著負載不均衡和網絡擁塞的難題。另一方面，巨型星座中衛星數目擴增也增大了路由的選擇空間，使兩點間具有多條可達路徑，有利于提高路由冗余性和靈活性。而星上處理能力的提升增強了衛星自主決策能力，使星上運行復雜路由計算及智能路由成為可能。

表2 衛星間切換策略比較

3.3.1 基本路由算法類型

表3 列舉了低軌衛星網絡基本路由類型及特征。面向連接型路由主要針對早期異步傳輸網絡和語音業務提出[20]。在端到端的傳輸路徑建立后，同一數據流中的數據均遵循相同的預設路徑傳輸，且全網預留出相應的資源保障數據流傳輸。而面向無連接型路由則省去了提前建立連接的過程，中繼節點不需要獲取連接狀態信息，就可為每個數據包獨立計算路由。面向連接型路由一般集中式生成，需提前獲取全局網絡狀態信息，易產生預留資源浪費，但具有QoS 性能優勢[20]。面向無連接型路由則采用分布式算法[35]，可根據局部網絡信息為數據包獨立生成路由，具有強穩健性和靈活性，但對星上處理能力有一定要求。巨型星座網絡主要提供寬帶數據業務，并且節點規模大、網絡復雜性高，難以承擔集中式算法的信令開銷，因此宜采用面向無連接型分布式路由算法。

DRA（datagram routing algorithm）是Ekici 等[21]針對極軌道星座提出的經典無連接型分布式路由算法，其算法思想為根據星座拓撲規則性得到二維Mesh 狀網絡拓撲，并給各節點分配邏輯地址，再根據各節點距離目的地的相對距離逐跳生成最優轉發路徑。類似算法[36-37]之間的主要區別在于當數據包到達中繼節點且有多個備選轉發方向時，如何根據不同機制確定最優的唯一轉發方向。此類路由算法大大降低了對計算和存儲資源的占用，并且結合附加機制后可應對節點失效和鏈路擁塞問題，但路由決策僅依賴局部網絡狀態信息，無法保證全局最優性。

虛擬節點法在分布式路由算法中得到了廣泛應用[21,37-38]，其通過對衛星邏輯地址進行動態映射而建立虛擬的靜態網絡拓撲，在此基礎上各節點可獨立計算下一跳路由。而基于虛擬拓撲的路由算法[16,39]在星座規模較大時將產生大量的存儲和計算開銷，不適用于巨型星座網絡。

3.3.2 負載均衡路由算法

網絡負載不均衡性和擁塞現象在寬帶業務為主的巨型星座網絡中更加突出，目前已有多種針對負載均衡和擁塞避免的路由算法被提出。DRA[21]包含了簡單的擁塞避免機制，可通過切換備選轉發方向避開擁塞鏈路。ELB（explicit load balancing）算法[40]主動檢測鏈路擁塞情況，隨后通知鄰居節點使其降低傳輸速率并選擇備選路徑對流量進行分流。該算法可快速應對擁塞現象，但無法預測擁塞的發生。而PAR（prioritybased adaptive routing）[41]可根據鏈路排隊情況預測擁塞狀態，結合數據包傳輸率和丟包率的歷史信息以及當前鏈路排隊/緩存情況調整下一跳方向，從而根據網絡擁塞狀態生成不同的最小跳數路徑，主動減少擁塞現象。

3.3.3 巨型星座網絡路由算法

巨型星座要求算法復雜度低、穩健性強、靈活性強、效率高、可擴展性強。Qi 等[45]面向傾斜軌道巨型星座提出一種可擴展的分布式生存路由算法，采用有限泛洪和預先繞路機制應對鏈路失效，并且具有避免環路性能。基于Starlink 的仿真結果表明，算法可有效地均衡時延和信令開銷。Chen 等[37]等面向具有多信關站的巨型星座星地一體化網絡提出一種分布式擁塞避免路由算法，首先按最小跳數準則為各衛星選擇網關衛星作為目的節點，再以剩余跳數最少為原則確定最優轉發方向，實現剩余路徑選擇空間最大化，可以簡便且先驗地避免擁塞。Li 等[46]為特定的F-Rosette 巨型星座網絡設計了一種分布式路由算法，利用星座構型的特殊規則性對地理區域劃分并對衛星節點編址，從而解決了用戶移動性管理問題。算法可根據目標用戶邏輯地址直接推算下一跳轉發方向，生成最小跳數路由，但該方法僅適用于所述的特定星座類型。

表3 低軌衛星網絡基本路由類型及特征

3.3.4 智能路由算法

人工智能的蓬勃發展推動了機器學習在衛星網絡路由中的應用。機器學習可通過預測網絡流量變化輔助路由決策[47]，也可通過學習網絡狀態直接做出路由決策[33]。Liu 等[33]提出了DRL-ER 算法，把路由決策過程建模為馬爾可夫過程，采用深度強化學習方法學習網絡拓撲動態性及路由轉發規則并得到路由模型參數，使各節點根據網絡狀態和路由模型做出路由決策。DRL-ER 的強化學習反饋中包含網絡負載和衛星能量不均衡性因素，使算法具有較優的負載和能量均衡性，同時避免了實時狀態信息交互的開銷。Wu 等[42]面向軟件定義衛星網絡（SDSN,software defined satellite network）提出了結合分布式與集中式的路由算法，其中開銷均衡策略采用分布式思想為各節點快速確定下一跳節點，控制器協作策略基于支持向量機利用有限信息實現狀態同步，智能路由利用軟件定義網絡（SDN,software defined network）集中式的優勢保證QoS性能。人工智能為衛星網絡路由算法提供了新思路，但其具體結合方式、適用性和可實現性還需深入研究。

3.4 地面信關站布局優化設計

在星地一體化網絡中，信關站起到連接空間網絡與地面網絡的網關作用[48]。相比于傳統星座，巨型星座中單星服務范圍縮小，需要遍布全球的大量信關站連接衛星入網[5,49]。巨型星座中星間多跳轉發將占用大量星間鏈路資源，而增加信關站或優化信關站布局可減少星間轉發跳數[8]。考慮到建設成本，當信關站數目受限時可通過優化信關站布局以提升網絡性能。寬帶衛星網絡與地面互聯網深度融合，還應考慮信關站與地面互聯網骨干節點保持良好連接[50]。此外，信關站布局與多種因素共同影響衛星網絡性能，如星座參數、路由算法、系統工作模式、用戶業務模型等因素[3]。由于巨型星座網絡中以上因素均與傳統星座有所不同，因此在優化信關站布局時應綜合考慮多因素影響。

3.4.1 稀疏星座信關站布局優化

一些研究關注光學饋電鏈路條件下的地面站選址設計。Lyras 等[51]通過分析月累積云層參數變化提出了光學鏈路地面站優化模型及求解算法。Fuchs 等[52]考慮單站與多站備份，在饋電鏈路可用性約束下，通過對地面站布局進行優化以實現最小化地面站部署成本。此外，Yang 等[48]和Liu 等[53]研究了SDN 體制下星地一體化網絡中的控制器/信關站聯合布局問題，旨在尋找最優控制器/信關站布局實現網絡時延最小化和網絡可靠性最大化。

以上信關站布局優化問題大多面向高軌衛星，而近年來低軌衛星網絡場景（如圖5 所示）引發了更多研究，相關研究匯總在表4 中。Zhou等[54]研究了天地融合物聯網場景中信關站布局問題，考慮氣象條件對饋電鏈路容量的影響和地面業務密度分布，得到中國境內的最優信關站布局。Zhu 等[55]研究了區域性地面站布局優化問題，以最小化星間鏈路使用和最大化信關站鏈路容量為優化目標。該仿真場景采用了一個包含72顆衛星的星座，但信關站數目小于5 且僅限在中國境內，優化結果顯示信關站均位于中國國界邊緣區域。

圖5 低軌星座網絡信關站布局場景

3.4.2 巨型星座網絡信關站布局優化

相比于傳統低軌星座網絡，巨型星座系統中需要數目更多且分布更廣的信關站，且信關站布局對系統性能影響更加顯著。Vasavada 等[60]針對具有星間鏈路的低軌巨型星座網絡給出了系統總容量評價模型，并以最小化星間鏈路容量占用為目標給出了信關站布局設計。其結果表明，巨型星座中星間傳輸所需跳數相比傳統星座大幅增加，并且該跳數受信關站布局的直接影響。不足之處是僅給出了經驗性的信關站布局，并未對布局進行優化設計。Kopacz 等[56]以增強低軌巨型星座網絡中衛星連接性為目標給出了簡單的地面站布局設計算例，并給出了不同候選地址集下的最優信關站布局。Portillo等[58]在限定信關站數目條件下提出了一種巨型星座網絡信關站布局優化方法來最大化系統容量，主要考慮不同地理位置的星地鏈路大氣衰減差異。作者在其經典論文[59]中采用相同的方法求解信關站布局，并分析了代表性巨型星座（即OneWeb、Starlink 和Telesat）中系統總容量與信關站數目的關系。

Liu 等[57]研究了OneWeb 星座無星間鏈路場景下信關站布局問題，采用貪心算法思想，在每次迭代過程中選擇邊際收益最大化的信關站，其中收益主要由系統容量等網絡性能衡量。劉立祥等[61]指出了信關站部署位置及布局對系統吞吐量和時延的重要影響，并給出了全球范圍內部署7 個信關站的用戶時延空間分布，發現靠近信關站的用戶具有明顯較低的時延。Guo 等[50]認為信關站應部署在地面互聯網交換關鍵節點附近以減少數據傳輸費用，采用流量估計重力模型預估各信關站負載情況，并以負載均衡性為目標求解得到OneWeb 和Telesat 網絡中最優信關站布局。Chen 等[3]以網絡平均時延、衛星負載和信關站負載均衡性構造了綜合性能評價指標作為目標函數，求解了Starlink 場景下最優信關站布局，并分析了信關站數目、天線數目、接入策略等因素對信關站布局的影響，結果表明信關站傾向于分布在用戶業務密集、大陸邊緣或大洋中心海島等區域。

3.4.3 信關站布局優化求解方法

信關站布局問題一般被建模為組合優化模型，且模型中目標函數求解過程高度非線性化，因此相關研究多采用啟發式算法求解（如表4 所示）。Portillo 等[58-59]采用遺傳算法（GA,genetic algorithm）求解信關站布局優化問題，并利用地理區域分塊來加速優化求解過程。Chen 等[3]將地理區域劃分為若干網格，通過求解旅行商問題得到最優網格編碼序列，再以候選信關站網格編號作為優化變量，建立整數優化模型，也采用遺傳算法構造求解方法。Lyras 等[51]采用了3 種優化算法來求解滿足氣象條件下的最少光學鏈路信關站數目問題。Liu等[53]分析了信關站/控制器聯合優化問題的計算復雜度，采用模擬退火和聚類融合算法求解該問題。Guo 等[50]采用改進的離散粒子群算法求解該組合優化問題，并通過大量仿真實驗評估算法中各參數對求解性能的影響。以上研究表明了啟發式算法在信關站布局優化問題中的適用性。

3.5 網絡仿真與性能評估

在針對以上巨型星座網絡組網相關技術的研究中，一般采用計算機仿真方法對算法進行驗證與分析[62]。巨型星座由于其網絡規模龐大、節點動態多變、異構節點繁多以及天地一體化耦合性強的特點，對網絡仿真和性能評估技術要求更加苛刻。衛星網絡仿真平臺需集成衛星動力學仿真、網絡仿真內核以及場景可視化等多個耦合模塊，如圖6 所示。

圖6 衛星網絡仿真系統架構

表4 低軌星座網絡信關站布局相關研究

3.5.1 衛星網絡仿真工具

目前，常用的網絡仿真軟件包括OPNET、QualNet/EXata、NS2/NS3、OMNeT++、Mininet 等，而衛星動力學和可視化模塊常采用STK（system tool kit）軟件實現。

Cheng 等[63]總結了各類仿真工具的特征及適用場景。OPNET 和QualNet/EXata 是應用最廣泛的商業網絡仿真軟件，可面向多種網絡場景進行通用網絡仿真，擁有完善的協議庫和圖形界面，其中QualNet/EXata 仿真速度較快，可采用并行仿真模式，并且支持網絡半實物仿真。NS2 和NS3 是面向對象的離散時間仿真器，也是學術界應用最廣泛的網絡仿真工具。二者的最大區別在于NS3 的核心代碼和功能模塊完全基于C++開發，并且提供了Python 拓展接口，更便于用戶開發，但目前其協議庫的完整性仍弱于NS2。NS2 已停止更新，而NS3作為 NS2 的升級還在不斷更新與拓展功能。OMNeT++是一個開源的多協議離散事件仿真軟件，采用嵌套層次結構，其基本組件是包含各類協議的模塊，可通過各模塊的組合嵌套拓展不同場景的網絡仿真應用。Mininet 是一種支持SDN 的虛擬網絡仿真平臺，可利用Linux 內核提供的輕量級虛擬機制來創建網絡模型并模擬節點之間的數據交互，具有良好的可擴展性和可移植性。

3.5.2 巨型星座網絡仿真平臺

針對巨型星座節點規模大、網絡仿真復雜度高的特點，一些學者設計了低成本、高可擴展性的仿真平臺。楊增印等[62]采用運行真實互聯網協議的虛擬網絡設備搭建了天地一體化網絡域間協議仿真平臺。仿真中先基于STK 和MATLAB 獲取動態拓撲特征（包括鏈路距離、衰減、連接情況等），再將拓撲特征映射至虛擬網絡中，通過改變虛擬網絡設備的連接狀態來模擬動態拓撲變化。為避免離散事件仿真器降低協議驗證效率及仿真開銷隨網絡規模劇增問題，采用Mininet 和Quagga 模擬虛擬網絡和虛擬路由器，搭建空間網絡模擬平臺。平臺可支持現有域間協議及其所依賴的網絡層和傳輸層協議，具有較強的可擴展性和移植性。為分析巨型星座網絡特性，Lai 等[64]采用類似的架構搭建了StarPerf 平臺。StarPerf 將網絡拓撲信息、網絡協議規則和流量模型作為輸入信息，運行網絡仿真內核獲得網絡性能。

Handley[65]基于C#和Unity 3D 開發了巨型星座網絡可視化仿真平臺，直觀地展示了Starlink 星座中星間傳輸路徑選擇和切換場景。Kassing 等[12]集成NS3、Python 和Cesium 等工具建立了Hypatia仿真平臺，其中Pyephem 工具包計算各衛星星歷，NetworkX 工具包在每個時隙內根據網絡拓撲為節點間的數據傳輸生成路由，NS3 用于仿真數據包轉發過程，最后Cesium 實現三維場景可視化。作者基于Hypatia 分析了Starlink、Kuiper、Telesat 等巨型星座的端到端時延特性，并且考慮了傳輸層擁塞問題。Bhattacherjee 等[13]基于Hypatia 平臺分析了巨型星座星間鏈路拓撲特性以及跳數對網絡性能的影響。表5 總結了各仿真平臺的構成及特點。

考慮到網絡仿真平臺在巨型星座場景下的巨大仿真開銷，也有諸多學者采用較簡單的分析方法對巨型星座網絡進行性能評估與分析。Portillo 等[59]采用最大流的方法評估并比較了3 個代表性巨型星座Starlink、OneWeb 和Telesat 的網絡性能，引發了廣泛關注。Lee 等[44]采用動力學理論模型分析了巨型星座中相鄰衛星間的可見性，以及星座規模、星座參數對星間鏈路連接性的影響。

4 巨型星座網絡技術研究展望

4.1 人工智能廣泛應用

衛星網絡中的決策、設計問題一般都可建模為優化問題。巨型星座中此類問題的規模和復雜度均顯著提升，可以采用人工智能中的相關算法如神經網絡、強化學習等方法求解。神經網絡方法可用于網絡流量特征提取和流量預測，從而預測網絡狀態，輔助路由決策。強化學習可以根據鏈路狀態信息訓練決策模型，用于衛星切換問題。對于網絡設計中的大規模優化問題，也可以轉換為強化學習模型進行求解。隨著星上處理能力的提升，人工智能將推動衛星網絡向自主化、智能化方向發展。

表5 典型衛星網絡仿真平臺

4.2 軟件定義網絡技術

軟件定義網絡技術可將衛星網絡中的數據平面與控制平面分離，使網絡的控制管理功能集中在控制器節點，而大多數衛星節點只需承擔數據轉發任務。考慮到巨型星座網絡部署時間長、硬件在軌維護難度大等問題，SDSN 可通過軟件重配置對衛星進行功能升級或重構，增強了衛星網絡中設備的互操作性，并且有利于實現靈活的路由策略、星地網絡協議融合和同步更新。

SDSN 面臨的難題在于其集中式的管理體制需要在網絡中生成中心控制節點，并且各節點和控制中心間需要頻繁交互網絡狀態信息，產生較大的信令開銷，而這一開銷在巨型星座中尤其嚴重。因此可采用集中式與分布式結合的網絡架構，在減少信令開銷的同時，實現局部子網絡的最優配置；還可通過優化控制器在地面段、單層星座、混合星座中的部署位置提高網絡管理效率，減少信令開銷。

4.3 天地一體融合設計

6G 的愿景提出要實現全域覆蓋的應用場景，將建設空天地海一體化網絡，而低軌巨型星座將是其中關鍵的組成部分。未來巨型星座網絡將與地面網絡進一步深度融合，在網絡架構設計，星間、星地、地面傳輸鏈路選擇，星地切換，天地協同信息處理，星地網絡協議互聯互通等方面開辟新的研究方向。由于天地一體化場景包含多種異構網絡場景，因此網絡仿真系統將更加復雜，需包含多種網絡節點并支持相應的網絡協議，具有更高的兼容性和可擴展性要求。

5 結束語

本文對未來低軌巨型星座網絡及其組網相關技術進行了系統梳理和文獻調研。新興巨型星座對衛星網絡帶來的挑戰體現在星座規模大幅擴增加劇了星間拓撲動態性，提高了星地鏈路切換頻率，增加了星間轉發跳數和路由傳輸復雜度，增大了網絡仿真開銷和性能評估難度；寬帶用戶業務加重了星間鏈路負擔和網絡流量分布不均衡性；星地一體化模式加大了對地面網絡設施和資源的依賴性，提高了網絡系統耦合性和地面系統設計難度。

本文工作可為未來巨型星座網絡設計提供參考。巨型星座網絡應主要采用分布式算法以降低算法開銷和提高可擴展性，采用動態自適應算法應對網絡的高動態變化，提升靈活性和穩健性。此外，未來相關算法可充分利用巨型星座的冗余節點資源提高服務質量，利用機器學習方法和星上計算性能的升級提高星上自主智能化決策能力，減少對地面設施的依賴，提高衛星網絡軟件化、智能化水平。