低軌星座網絡的空天地一體化無線光通信資源調度方法

摘 要：研究基于低軌星座網絡的空天地一體化無線光通信資源動態調度方法，高效精準分配其通信資源，保障資源利用率與通信效率。結合軟件定義網絡（Ｓｏｆｔｗａｒｅ Ｄｅｆｉｎｅｄ Ｎｅｔｗｏｒｋ，ＳＤＮ），設計空天地一體化無線光通信網絡，構建包含數據轉發平面與控制平面的低軌星座網絡，通過轉發平面傳輸通信業務，由控制平面結合遺傳－粒子群算法，動態調度空天地一體化無線光通信網絡的通信資源。結果表明，該方法可實現空天地一體化無線光通信網絡資源的動態調度，資源的綜合利用率較高、通信時延較低，調度效果顯著，可為網絡的整體通信質量提升提供保障。

關鍵詞：低軌星座網絡；空天地一體化；無線光通信；資源動態調度；軟件定義網絡；粒子群算法

中圖分類號：ＴＰ３９３ 文獻標志碼：Ａ 開放科學（資源服務）標識碼（ＯＳＩＤ）：

文章編號：１００３－３１０６（２０２４）０５－１３２８－０７

０ 引言

空天地一體化無線光通信網絡具有較為復雜的拓撲結構，且其網絡規模通常較為龐大，導致其通信過程中發生局部傳輸路徑通信業務堵塞或者過載等問題的可能性較高，容易因此出現其余部分傳輸路徑資源未利用的情況，造成整體通信資源的利用率低、通信質量下降等問題［１］。目前已有的對于空天地一體化無線光通信網絡的控制主要通過地面完成，因實際控制時受到控制過程與體系架構的制約，通常均以人工配置的方式完成該網絡的資源調度工作。此種方式不僅效率不高，且調度效果也不理想，無法有效保障網絡通信資源的利用率與通信質量［２－３］。為解決此類問題，需為此類網絡設計出科學可靠的通信資源分配調度方法，提升整體資源利用率，避免網絡出現過載與堵塞等問題，保障網絡的通信效率與質量。

當前，專門用于此類網絡資源分配調度的方法甚少，大部分研究是針對其他類型網絡資源的分配調度方法。如謝添等［４］針對定向無線通信網絡所研究的資源調度算法，主要是運用網絡通信路徑損耗模型獲得卷積核，通過該卷積核卷積網絡節點密度矩陣，實現對干擾網絡鏈路強度的權衡，并引入強化學習構建鏈路調度模型，獲得最優調度結果，該算法可實現定向無線網絡的鏈路抗干擾資源的有效調度，提高鏈路的資源利用率，但無法保證整個網絡的資源利用率。陳發堂等［５］針對８０２． １１ａｘ 系統提出一種基于傳輸延遲的資源分配算法，此算法選取傳輸延遲作為目標函數實施優化調度，結合傳輸機會總時間中數據塊匹配原理與通信路徑利用率上限目標，最終完成該系統內的資源合理分配。該算法可提升通信效率，但易遺漏資源分配，不利于保障整個系統的資源利用率與整體通信質量。

低軌星座網絡具有覆蓋范圍廣、擴展功能強、傳輸效率高及資源量龐大等特點，可實現全球化通信服務，是保障各類通信網絡實現全覆蓋全球化通信的重要措施［６－７］。軟件定義網絡（Ｓｏｆｔｗａｒｅ ＤｅｆｉｎｅｄＮｅｔｗｏｒｋ，ＳＤＮ）通過解耦低軌星座網絡的傳輸功能與控制功能，將應用接口連接于其控制平面外，以軟件定義控制其整體功能，實現低軌星座網絡資源調度的靈活性與動態性，防止因通信業務堵塞與過載等導致通信效率低與資源利用率低等問題［８］。遺傳算法可實現問題的優化求解，其求解過程主要包括編碼、個體適應度函數運算、幅值、交叉及變異等操作［９］。粒子群算法屬于一類隨機搜尋算法，通過對鳥群尋找食物過程的仿真，獲得最優解［１０－１１］。

綜合上述分析，本文研究一種基于低軌星座網絡的空天地一體化無線光通信資源動態調度方法，通過ＳＤＮ 構建低軌星座網絡，并將遺傳－粒子群算法融入其控制平面內，實現對空天地一體化無線光通信網絡通信資源的動態調度，保障其整體通信質量與通信資源利用率。

１ 空天地一體化無線光通信資源動態調度方法

１． １ 空天地一體化無線光通信網絡架構

空天地一體化無線光通信網絡主要由地面子網絡層、平流子網絡層和衛星骨干子網絡層３ 層子網絡與各子網絡間信息傳輸鏈路等構成［１２］。衛星骨干子網絡層包括近地軌道（Ｌｏｗ Ｅａｒｔｈ Ｏｒｂｉｔ，ＬＥＯ）、中地球軌道（Ｍｅｄｉｕｍ Ｅａｒｔｈ Ｏｒｂｉｔ，ＭＥＯ）及地球同步軌道（Ｇｅｏｓｙｎｃｈｒｏｎｏｕｓ Ｏｒｂｉｔ，ＧＥＯ ）三部分，其中，ＬＥＯ 運動速度較高，可視各衛星之間的光通信信道為自由空間。空天地一體化無線光通信網絡架構如圖１ 所示。

地面子網絡層為得到信息服務，需與空天地一體化網絡之間形成連接，此連接需經由衛星骨干子網絡層或者平流子網絡層實現。平流子網絡層內主要為不同類型的飛行器，如飛艇、飛機以及無人機等，當地面子網絡層的網絡擁堵或者存在故障時，該層能夠通過組網編隊，完成此狀況下的應急通信；另外，在戰時該層還能夠高效準確地實時監控導彈與飛行器。衛星骨干子網絡層包含各個軌道上遍布的若干顆衛星節點及星間通信鏈路，主要功能有通信網、管理網及數據網，可傳送、交互、存儲及處理不同類型數據，同時實現對空天地一體化網絡內不同子網絡的有效管控，達到各個子網絡間數據通信的目的［１３］。為保障空天地一體化無線光通信網絡的數據傳輸效果，需對其通信資源實施動態調度，以實現通信業務的有效傳輸與優化資源分配的目的。

１． ２ 基于ＳＤＮ 的低軌星座網絡架構設計

在此選用ＳＤＮ 設計低軌星座網絡［１４］，控制空天地一體化無線光通信網絡的通信資源調度，達到動態調度資源的目的。所構建的低軌星座網絡架構包含轉發平面與控制平面，其中，轉發平面負責空天地一體化無線光通信網絡的通信業務傳輸工作，主要通過數顆低軌傳輸衛星實現［１５－１６］；控制平面管理整個網絡的通信資源，結合低軌控制衛星與資源動態調度算法，實現全局優化的資源動態調度，提高整個光通信網絡的資源使用率。所構建的低軌星座網絡架構如圖２ 所示。

基于ＳＤＮ 的低軌星座網絡架構內，低軌衛星包含多個軌道面，且各軌道面均由數顆低軌傳輸衛星及一顆低軌控制衛星構成，相同軌道面內通過星間鏈路實現鄰近衛星的銜接。通過由低軌控制衛星所形成的低軌控制平面結合資源動態調度算法，完成網絡的通信資源動態調度，保障其通信效率與資源利用率。

１． ３ 基于遺傳算法與粒子群算法的資源動態調度算法

在此選用遺傳－粒子群算法，作為低軌星座網絡內控制平面的資源動態調度算法。無線光通信網絡通信資源的動態調度問題屬于一類煩瑣的非線性最優化問題，即綜合函數優化與組合優化的一類問題，所涉及的維度包括時間、數據資源目標及低軌控制衛星傳感器。若僅通過一種算法很難有效地處理此類綜合性問題，故選用遺傳－粒子群算法，有效處理此類綜合問題，完成通信資源的動態優化調度，保障空天地一體化無線光通信網絡的通信傳輸效果。

遺傳算法適用于函數優化問題，通過該算法調度光通信網絡通信資源時，先對傳輸路徑實施編碼，以染色體呈現；再任意生成一組原始個體（傳輸路徑），同時對不同個體的適應度函數實施運算；在此基礎上，結合復制、交叉及變異操作，得出最優適應度函數個體，以此得到資源的最優傳輸路徑。其中，第ｊ 個個體被選擇的概率為：

式中：ｆ （ａｊ ）表示第ｊ 條傳輸路徑的適應度函數［１７－１８］，ｍ 表示總體路徑數量。通過該式可看出，個體的適應度函數值越高，則其被選擇的概率越高。

粒子群算法適用于組合優化問題，在該算法調度通信資源過程中，其全部粒子均以各自的最優值與群體最優值為依據，實時更新各自的位置與速度，具體更新方程式為：

式中：Ｘｔ、Ｖｔ 表示ｔ 時刻下粒子的位置與速度，Ｘｔ－１ 、Ｖｔ－１ 表示前一刻此粒子的位置與速度，ｕ１ 、ｕ２ 表示隨機數，且二者的取值為（０，１）；ｈｔ－１ 表示前一刻的群體最優值，ｂ２ 、ｂ１ 表示全局與個體學習因子，ｑｔ－１ 表示前一刻該粒子的最優值，ｗ 表示慣性權重系數。為了令算法的個體尋優與全局尋優性能達到均衡，為慣性權重系數ｗ 選用線性遞減形式，即：

式中：ｋ 表示當前所處迭代次數，Ｋ 表示整體迭代次數，ｗｍａｘ、ｗｍｉｎ 分別表示最高與最低慣性權重系數值。

融合上述２ 種算法，獲得遺傳－粒子群算法，通過該算法，在上述過程的基礎上，結合粒子編碼、解空間確定、目標函數設定及粒子動態更新等過程，動態調度無線光通信網絡的通信資源。

① 粒子編碼與解空間的確定：遺傳－粒子群算法內的各個粒子均包含數個元素，它的解空間是各個元素的解空間。將各個粒子內元素設定成具備跟蹤沖突的通信資源，元素的解空間設定成對應元素能夠跟蹤不同通信資源目標的全部時間范圍，粒子的元素解空間如圖３ 所示。

圖中，Ｔｍｉｎ 表示連續跟蹤時間下限，Ｔｃ 表示低軌控制衛星傳感器的指向轉動延遲時長。

② 目標函數的設定：對于資源調度性能的好壞而言，可選擇恰當的目標函數實施評價，所選取的目標函數為多步預測跟蹤精度增益δ，計算如下：

式中：δｉ 表示通信資源目標ｉ 的增益。

式中：σ（ｔｓ ｔｓ）１ ∶ ３，１ ∶ ３ 表示通信資源調度周期起始時的通信資源目標位置預估協方差，σ（ｔｅ ｔｅ）１ ∶ ３，１ ∶ ３表示結束時的通信資源目標位置預估協方差，ｔｒａｃｅ表示Ｔｒａｃｅ 函數。只有在每個通信資源目標的δｉ 值都較高的情況下，方可獲得理想的整體目標函數δ 值，故在此將低軌控制衛星對每個通信資源目標的調度服務均充分考慮在內，保障最終調度結果的合理性。

③ 粒子的動態更新：為尋得最優解，實現通信資源的最優動態調度，在算法迭代過程中需實時更新粒子的位置與速度，令粒子向最佳解運動。遺傳－粒子群算法通過將遺傳算法內的要點引入，實現跟蹤通信資源目標數量與次序的隨機調整，同時以粒子群算法為依據，對粒子內不同元素服務通信資源目標的時間實施微調，以逐步提高粒子群內最佳粒子的目標函數。此運算過程可描述為：① 由群體最優值的粒子內提取出不同通信資源目標的增益δｉ；② 對不同粒子內元素實施更新過程中，對群體最優值內２ 個鄰近跟蹤通信資源目標的δ 實施對比，按照一定的運動速度令跟蹤轉換時刻移動至具有較高δ 值的通信資源目標方向；③ 將跟蹤δ 值較低通信資源目標的時間延長，以提高最終所得目標函數值，實現無線光通信網絡中通信資源的最優化動態調度。

２ 實驗結果分析

以典型的空天地一體化無線光通信網絡架構為例進行仿真，構建簡易拓撲圖，將本文方法運用于此網絡內，動態調度其通信資源，檢驗本文方法的調度性能。所構建的仿真網絡拓撲結構如圖４ 所示。

該網絡拓撲結構主要由各類節點與鏈路構成，其中，鏈路主要包括層內網絡激光鏈路與層間網絡激光鏈路；節點主要包括地面網關節點、平流網絡節點、ＬＥＯ 衛星節點、ＭＥＯ 衛星節點及ＧＥＯ 衛星節點，各類節點的數目依次為８、８、８、４、２。實驗中所涉及的主要參數設定為：粒子總數目為１２０，粒子元素的速度為２． ５ ｓ，Ｔｃ 為７． ５ ｓ，Ｔｍｉｎ 為７． ５ ｓ，Ｔｍａｘ 為３７． ５ ｓ。

在上述設定下，運用本文方法對仿真網絡通信資源實施動態調度，檢驗本文方法的動態調度效果。實驗中，在用戶分布均勻和不均勻２ 種情況下，各隨機抽取不同用戶的１ ６８０、１ ８５６ 條通信業務，并分別隨機組成１５９、１８０ 個資源調度任務，通過本文方法分別實施動態調度，結果如圖５ 所示。

由圖５ 可以看出，在用戶分布均勻和不均勻２ 種情況下，隨著時間的延長，本文方法動態調度的網絡資源均呈現逐步上升趨勢，其中，在用戶分布均勻情況下，當時間到達６０ ｓ 時，所完成的網絡調度任務數為１５２，能夠達到總體調度任務數的９５％ 以上；在用戶分布不均勻情況下，當時間到達７０ ｓ 時，所完成的網絡調度任務數為１７１，能夠達到總體資源調度任務數的９５％ 。由此可見，當用戶分布不均勻時，本文方法完成資源動態調度任務的用時較長，但整體完成度均較高，動態調度效果理想。

選取歸一化網絡吞吐量、鏈路資源利用率、節點資源利用率以及數據包的總時延作為客觀評價指標，對本文方法的綜合調度性能實施評價。各評價指標的運算方式如下。

式中：Ｌ 表示網絡內全部物理節點的集合，且Ｌ ＝｛ｌ１ ，ｌ２ ，…，ｌｉ｝；Ｇφｌｉ 與ＧΦｌ ｉ 表示節點ｌｉ 上的運算負載與運算資源容量。

③ 節點資源利用率：

式中：Ｇμｏｉ，ｊ 與Ｇηｏｉ，ｊ 表示空天地一體化無線光通信網絡中鏈路ｏｉ，ｊ 上所占用的帶寬資源與整體帶寬資源，Ｏ 表示網絡中全部鏈路的集合，且Ｏ ＝ ｛ｏ１，１ ，ｏ１，２ ，…，ｏｉ，ｊ｝。

④ 數據包的總時延：數據包總時延可有效評價網絡的通信時效性，以此分析本文方法的調度效果。該指標值越高，說明網絡的通信時效性越差，通信過程中出現的數據緩存、擁堵等情況越多；反之則代表網絡的通信時效性越好，通信效率越高，即本文方法的調度性能越好。將通信隊列時延視作網絡的時延性能，延時推導第ｒ 條通信路徑的第ｙ 個數據包。

設ｔ～ｒ 表示數據包的停留時長，計算如下：

ｔ～ｒ ＝ ｔｒ（ｙ）－ ｔ·ｒ（ｙ）， （９）

式中：ｔ·ｒ（ｙ）與ｔｒ（ｙ）分別表示第ｙ 個數據包抵達與離開第ｒ 條通信路徑的時間。通信路徑內數據包所停留總時長的均值是平均排隊時延τ（ｔ～ｒ ），其同時為平均包停留時長，可以通過計算平均包的服務時間與排隊時長的總和得出：

式中：τ（ｔ″ｒ ）與τ（ｔ′ｒ ）表示第ｒ 條通信路徑的平均包服務時長與排隊時長，Ｙ 表示各通信路徑所能服務的數據包最大數量，Δ 表示通信路徑的最高τ（ｔ～ｒ ）限值，若實際通信時高于此值，那么該通信路徑需重新傳輸數據包。

在本文方法的應用下，實驗網絡的通信資源利用率３ 個指標值的統計結果如表１ 所示。

分析表１ 可知，經本文方法動態調度后，實驗網絡在用戶分布均勻與不均勻２ 種情況下，隨著通信業務量的增長，節點資源利用率、鏈路資源利用率以及歸一化網絡吞吐量均呈現上升趨勢，并于后期逐步趨于平穩；其中，在相同的通信業務量下，用戶分布均勻時網絡的各指標值稍高于用戶分布不均勻時，且在通信業務量達到５ ０００ 條時其歸一化網絡吞吐量即可到達１，而用戶分布不均勻情況下通信業務量達到６ ０００ 條，歸一化網絡吞吐量指標方可達到１。綜上可得出，在一定的通信業務量下，業務量越高，本文方法動態調度后的網絡資源綜合利用率越高，即本文方法的通信資源動態調度效果越理想，而用戶分布是否均勻對本文方法的通信資源動態調度效果影響不大。整體看來，本文方法通信資源利用率與吞吐性能均表現較好，調度效果理想可靠。

在本文方法的動態調度下，仿真網絡通信數據包的總時延，如圖６ 所示。

由圖６ 可知，本文方法的通信數據包總時延不高，無論用戶分布是否均勻，總時延值均與通信業務量成正比關系；當通信業務量低于５ ０００ 時，總時延上升幅度緩慢，當通信業務量達到６ ０００ 以上時，總時延的上升幅度增大，且用戶分布不均勻情況下的總時延低于分布均勻情況。可見，本文方法的調度效果顯著。

３ 結束語

對于空天地一體化無線光通信網絡而言，其通信資源的高效精準分配是保障資源整體利用率與網絡吞吐量的關鍵，為此，本文針對一種基于低軌星座網絡的空天地一體化無線光通信資源動態調度方法展開研究。該方法通過結合ＳＤＮ，設計包含數據傳輸平面與控制平面的低軌星座網絡架構，并通過融合遺傳算法與粒子群算法，實現對整體空天地一體化無線光通信資源的動態調度。仿真實驗結果顯示，本文方法的資源動態調度完成度較高，算法整體效果較理想，能夠有效保證空天地一體化無線光通信網絡的資源利用率與通信效率，提高整體通信質量。

參考文獻

［１］ 趙雄文，張鈺，秦鵬，等． 空天地一體化無線光通信網絡關鍵技術及其發展趨勢［Ｊ］． 電子學報，２０２２，５０（１）：１－１７．

［２］ 李躍． 空天地一體化網絡中聯合地面基站選擇及功率分配［Ｊ］． 電訊技術，２０２０，６０（２）：１７４－１８０．

［３］ 鄧平科，張同須，施南翔，等． 星算網絡———空天地一體化算力融合網絡新發展［Ｊ］． 電信科學，２０２２，３８（６）：７１－８１．

［４］ 謝添，高士順，趙海濤，等． 基于強化學習的定向無線通信網絡抗干擾資源調度算法［Ｊ］． 電波科學學報，２０２０，３５（４）：５３１－５４１．

［５］ 陳發堂，張志豪，李平安． ８０２． １１ａｘ 系統中基于傳輸延遲的多用戶調度與資源分配算法［Ｊ］． 信號處理，２０２２，３８（３）：５４３－５５３．

［６］ 董超穎，續欣，劉愛軍，等． 低軌衛星星座網絡路由新方法［Ｊ］． 計算機科學，２０２０，４７（１２）：２８５－２９０．

［７］ 謝寶華，梁俊，肖楠，等． 基于可靠性的５Ｇ－低軌星座網絡切片映射算法［Ｊ］． 計算機應用研究，２０２１，３８（１１）：３４０７－３４１０．

［８］ 尚立，蔡碩，崔俊彬，等． 基于軟件定義網絡的電網邊緣計算資源分配［Ｊ］． 電力系統保護與控制，２０２１，４９（２０）：１３６－１４３．

［９］ 陳琳，王子微，莫玉良，等． 改進的自適應復制、交叉和突變遺傳算法［Ｊ］． 計算機仿真，２０２２，３９（８）：３２３－３２６．

［１０］ 王鎮道，張一鳴，石雪倩． 基于競爭粒子群算法的云計算資源調度策略［Ｊ］． 湖南大學學報（自然科學版），２０２１，４８（６）：８０－８７．

［１１］ 盧錦川． 基于擾動收縮粒子群算法的物聯網配送車輛調度［Ｊ］． 公路交通科技，２０２０，３７（４）：１１１－１１７．

［１２］ 張少偉． 面向物聯網業務的空天地一體網絡多層架構研究［Ｊ］． 電子技術應用，２０２１，４７（６）：６－９．

［１３］ 李文屏，白鶴峰，趙毅，等． 一種中高軌混合的多層衛星骨干網絡架構設計［Ｊ］． 電子與信息學報，２０２３，４５（２）：４７２－４７９．

［１４］ 侯筠儀，趙黎曄，申景詩，等． 基于ＳＤＮ 架構的ＮＦＶ 技術在低軌衛星網絡中的應用［Ｊ］． 中國空間科學技術，２０２１，４１（３）：８９－９６．

［１５］ 袁碩，任奕瞡，王則予，等． 軟件定義的星地融合智能無線網絡［Ｊ］． 電信科學，２０２１，３７（６）：６６－７７．

［１６］ 張海全，賀鴻鵬，徐美嬌． 基于變分模態分解的電網通信資源無冗余配置方法［Ｊ］． 無線電工程，２０２２，５２（６）：１０５５－１０６１．

［１７］ 袁雨馨，唐宏偉，趙曉芳，等． 面向大電網在線實時仿真的通信敏感資源調度［Ｊ］． 高技術通訊，２０２２，３２（８）：８４５－８５８．

［１８］ 安寧，張之棟． 基于深度強化學習的Ｄ２Ｄ 通信網絡抗干擾資源調度方法［Ｊ］． 電力信息與通信技術，２０２２，２０（９）：１０８－１１４．

作者簡介

肖云杰 男，（１９８８—），碩士，高級工程師。主要研究方向：通信網絡架構、衛星通信技術。

陳毅龍 男，（１９８８—），碩士，高級工程師。主要研究方向：無線光通信技術。

李 楠 女，（１９９４—），碩士，助理工程師。主要研究方向：電力應急通信技術。