CN105282038B - 用于移动卫星网络中基于稳定性分析的分布式星群组网优化方法 - Google Patents

Abstract

用于移动卫星网络中基于稳定性分析的分布式星群组网优化方法，涉及卫星通信领域，解决了多层卫星网络稳定性不足，或者在满足一定稳定性的同时，通信质量较低和链路切换复杂度高的问题。初始阶段，利用链路时延和业务流量作为链路重要性的衡量指标，选取中心节点，结合最短路径算法和最小生成树算法重构接入因子，对节点链路重要性进行评估，构建初始网络；然后，基于业务流量对网络进行局部优化，以开销矩阵和需求矩阵作为优化条件，对网络中各链路的评价参数进行修正，构造平衡因子调节接入优先级，将优先链路接入网络；最后，基于稳定性进行全局优化，在逐步接入链路的同时，对网络业务更新，通过循环控制机制使分布式网络达到稳定性阈值。

Description

用于移动卫星网络中基于稳定性分析的分布式星群组网优化 方法

技术领域

本发明涉及移动卫星通信领域，具体涉及一种基于稳定性分析的分布式星群组网优化技术。

背景技术

传统的分布式星群组网一般针对网络拓扑和路由算法两方面进行研究。

拓扑结构是网络特性的基本属性和物理表现，直接决定了网络的抗毁性或稳定性。在动态卫星网络中，如何选取最优的拓扑结构并进行动态切换，成为了研究的问题之一。另外，针对分布式星群网络，如何选取最优的抗毁性评价指标与抗毁性评估方法，提高评估的准确性和可靠性，也取决于网络的拓扑结构。综上所述，考虑到卫星网络轨道运动的可预测性，卫星网络中星间链路时延远大于星上处理时延等特点，在研究时需要对卫星网络的拓扑结构进行特殊的分析和处理，这也是拓扑研究的普遍目的。

路由选择表征了网络的业务特性，是反映网络中通信传输的有效性指标，这也是路由算法研究的目的。由于卫星网络的拓扑结构是动态变化的，因此应用于拓扑较为稳定的固定网络中的传统路由协议不能直接应用到卫星网络中。另外，卫星网络的拓扑变化又是周期的，可预测的。这两个特点可以用来简化卫星网络路由协议的设计。目前在卫星网络中，具有代表性的路由算法有：采用基于IP技术的面向无连接的路由算法，包括三大类：基于数据驱动的路由算法，基于覆盖域划分的路由算法和基于虚拟节点的路由算法。而采用面向连接的路由算法，包括两类：基于虚拟拓扑的路由算法，基于覆盖域划分的路由算法。

现有的绝大多数路由算法都是在给定卫星网络拓扑结构的基础上进行设计的，所以大多数研究没有考虑路由业务特性对于卫星网络拓扑设计的影响。同时，在拓扑结构设计过程中，也大多没有考虑到路由特性的影响。因此，本发明提出了一个新的研究思路，就是在分布式星群网络设计中综合考虑拓扑结构和路由算法的影响，对二者分别进行优化，从而设计出满足稳定性要求的最优网络。

综上所述，分布式星群组网技术应该具有如下特征：

1)、算法简介：多层卫星网络时刻处于持续高速动态运行过程中，必须对网络的拓扑及路由特性进行快速的计算，从而做出及时的响应，这就需要分析方法应简单快速；

2)、综合考虑拓扑和路由：在分布式星群网络设计中综合考虑拓扑结构和路由算法的影响，对二者分别进行优化，从而设计出满足稳定性要求的最优网络；

3)、具有普适性：各种多层卫星网络无论是在节点设计还是在链路连接上都是复杂多样的，分布式星群组网方法需要适应不同的多层卫星网络环境，并能够准确稳定的进行数据计算。

现有的方案及其优缺点：当前，国内外关于卫星网络方面的研究可以分为以下几个部分：星座设计，抗毁性(稳定性)分析，路由算法，节点/链路重要性评估，网络分簇设计和拓扑优化。

上述卫星网络组网的研究比较分散，在此可以总结为两个方面：网络拓扑的研究和路由的研究。经过分析和讨论，这两种研究方向都有明显的缺点，关于网络拓扑的研究，主要是利用图形等数学工具对网络结构特点进行分析，这样体现不出网络中业务流量分布对网络的影响。比如：拓扑中最短路径并非在实际的路由选择中是最优的，仅从数学角度考虑是不合理的，还应该考虑链路拥塞后负载均衡的情况。而关于路由算法的研究，虽然能够根据网络中业务流量的导向，对路径进行最优选择，但是如果不考虑对拓扑进行重新规划，容易导致资源的浪费。例如：当网络中总体流量很小时，无论采用何种路由算法，各条链路的负载都处在一个较低的水平，这对于尽量提高链路利用率的要求是不相符的，并且较多闲置的链路的存在还会增加链路切换的复杂性。

当前的组网方案以如下两种为例说明：

1)、多数文献将通信网络的优化问题归结为在已知网络拓扑结构的前提下，按照最短路径路由算法，选取能够使网络平均时延得到最大程度降低的链路进行接入。由于此方案中平均时延与网络中节点距离密切相关，要求平均时延最小，即等效为网络开销最小，所以称为最小开销方案(Min Cost)。此方案的缺点是以开销为目的，并未考虑网络中的业务流量带来的影响。

2)、另一种方案与最小开销方案相对应的是最大需求方案(Max Requirement)，此方案着重考虑网络中各条链路的业务量特性，优先将需求量负荷较大的链路接入网络。而此方案并未综合考虑网络开销带来的成本问题。

发明内容

本发明是为了解决多层卫星网络稳定性不足，或者在满足一定稳定性的同时，通信质量较低和链路切换复杂度高的问题，从而提供一种用于移动卫星网络中基于稳定性分析的分布式星群组网优化方法。

用于移动卫星网络中基于稳定性分析的分布式星群组网优化方法，

对于多层卫星网络模型，首先对多层卫星网络进行离散化处理，选取一颗高层卫星和多颗低层卫星作为一个分布式星群，该分布式星群组网优化方法由以下步骤实现：

步骤一、构建初始网络，计算网络中各节点的重要度和品质因数，选取品质因数最小的节点作为网络中心，执行步骤二；

步骤二、根据最短路径算法和最小生成树算法构造生成树，每次选取一个节点接入网络，待所有节点接入网络后，执行步骤三；

步骤三、基于网络中各链路的通信业务流量，对链路的业务流量进行判决，优先接入需求量最大的链路，进行局部优化，执行步骤四；

步骤四、基于网络中拓扑结构的整体稳定性，以自然连通度为稳定性评估指标，进行全局优化，执行步骤五；

步骤五、达到稳定性要求后，根据最短路径路由协议，对网络中的业务流量进行统计，若不满足预设要求，则返回至步骤二，若满足预设要求，则结束过程。

步骤二中的生成树构造方法，具体为：

步骤二一、选取最小生成树算法和最短路径算法，并通过α因子进行调节，执行步骤二二；

步骤二二、对网络中任意两个节点间的开销C_ij进行修正；若满足C_1j＜C_1i+α·C_ij，即修正后，若该节点与中心节点的开销更小，则执行步骤二三；否则执行步骤二四；

步骤二三、将此链路上原来的开销更新为当前的开销，执行步骤二四；

步骤二四、选取开销值最小的链路连入网络，并且此链路连接的节点必须为非生成树节点；

若网络中接入链路后，仍然存在未接入的节点，则返回执行步骤二二，否则结束此过程。

步骤三中，对网络业务流量的局部优化的方法具体为：

步骤三一、将网络中任意节点间的跳数用H矩阵表示，称为广义邻接矩阵，执行步骤三二；

步骤三二、遍历H矩阵，选出跳数最多的节点对(i,j)，若其间的业务需求R_ij≥R_T，则执行步骤三三，否则执行步骤三四；

步骤三三、在节点(i,j)之间直接建立一条新的链路，执行步骤三五；

步骤三四、将(i,j)分为两条过渡链路，(i,k)和(k,j)；其中(i,k)为矩阵H中与(i,j)处在同行或同列的跳数为1的节点对，并使(k,j)尽量小；将H矩阵中(i,j)更新为0，R矩阵中(i,j)的值分别叠加在(i,k)和(k,j)上，执行步骤三五；

步骤三五、若H矩阵中所有节点跳数均小于2，则结束此过程，否则返回执行步骤三一。

步骤四中，对分布式星群网络的全局优化的方法具体为：

步骤四一、计算网络的自然连通度S，并与预设门限值S_T比较，执行步骤五二；

步骤四二、若S＜S_T，说明网络的稳定性无法达到要求，执行步骤四三，否则执行步骤四四；

步骤四三、选取需求矩阵R中小于预设门限值R_T的最大值所在的两节点间，创建一条新链路，并将H矩阵中(i,j)值更新为1，并将R矩阵中(i,j)值更新为R_T；执行步骤四四；

步骤四四、网络稳定性已达到要求，结束优化过程。

本发明是一种基于稳定性的分布式星群组网技术，本发明在初始阶段，利用链路时延和业务流量作为链路重要性的衡量指标，选取中心节点，结合最短路径算法和最小生成树算法重构接入因子，对节点链路重要性进行评估，构建初始网络；然后，基于业务流量对网络进行局部优化，以开销矩阵和需求矩阵作为优化条件，对网络中各链路的评价参数进行修正，构造平衡因子调节接入优先级，将优先链路接入网络；最后，基于稳定性进行全局优化，在逐步接入链路的同时，根据SPF路由算法对网络业务更新，通过循环控制机制使分布式网络达到设定的稳定性阈值。

本发明是一种启发式组网方案(Heuristic)，此方案对背景技术中提级的两种组网方案进行了结合与改进，综合考虑网络中的需求和开销，通过调节平衡因子p，能够确定在不同需求和开销要求下的提供最优的组网方案，并符合稳定性约束条件。

附图说明

图1是本发明所述的初始网络构造方法流程示意图；

图2是本发明所述的基于业务的局部优化方法流程示意图；

图3是本发明所述的基于稳定性的全局优化方法流程示意图；

图4是本发明中的三种组网优化方法通信性能比较仿真示意图；

图5是具体实施方式一中所述的各个卫星节点的拓扑结构示意图；

图6是具体实施方式一中所述的接入LEO13-LEO32的拓扑结构示意图；

图7是具体实施方式一中所述的接入LEO13-LEO33的拓扑结构示意图；

图8是具体实施方式一中所述的接入LEO13-LEO41的拓扑结构示意图；

图9是具体实施方式一中所述的接入LEO41-LEO-83的拓扑结构示意图；

图10是具体实施方式一中所述的接入LEO13-LEO31的拓扑结构示意图；

图11是具体实施方式一中所述的最小开销组网方案的拓扑结构示意图；

图12是具体实施方式一中所述的最大需求组网方案的拓扑结构示意图；

图13是具体实施方式一中所述的启发式组网方案的拓扑结构示意图；

具体实施方式

具体实施方式一、结合图1至图13说明本具体实施方式，选取多层卫星网络模型作为设计和分析的对象，并对多层卫星网络进行离散化处理，选取一颗高层卫星加多颗低层卫星作为一个分布式星群作为研究对象，执行步骤一；

步骤一、构建初始网络，计算网络中各节点的重要度和品质因数，选取品质因数最小的节点作为网络中心，执行步骤二；步骤二、根据最短路径算法和最小生成树算法构造生成树，每次选取一个节点接入网络，待所有节点接入网络后，执行步骤三一；

步骤三一、选取最小生成树算法Prim和最短路径算法Dijkstra，并通过α因子进行调节，执行步骤三二；

步骤三二、对网络中任意两个节点间的开销C_ij进行修正；若满足C_1j＜C_1i+α·C_ij，即修正后，若该节点与中心节点的开销更小，则执行步骤三三，否则执行步骤三四；

步骤三三、将此链路上原来的开销更新为当前的开销，执行步骤三四；

步骤三四、选取开销值最小的链路连入网络，并且此链路连接的节点必须为非生成树节点，若网络中接入链路后，仍然存在未接入的节点，则重复执行步骤三二，否则执行步骤四一；

步骤四一、网络中任意节点间的跳数用H矩阵表示，称为广义邻接矩阵，执行步骤四二；

步骤四二、遍历H矩阵，选出跳数最多的节点对(i,j)，若其间的业务需求R_ij≥R_T，则执行步骤四三，否则执行步骤四四；

步骤四三、在节点(i,j)之间直接建立一条新的链路，执行步骤四五；

步骤四四、将(i,j)分为两条过渡链路，(i,k)和(k,j)。其中(i,k)为矩阵H中与(i,j)处在同行或同列的跳数为1的节点对，并使(k,j)尽量小。将H矩阵中(i,j)更新为0，R矩阵中(i,j)的值分别叠加在(i,k)和(k,j)上，执行步骤四五；

步骤四五、若H矩阵中所有节点跳数均小于2，则执行步骤五一，否则重复执行步骤四一；

步骤五一、计算网络的自然连通度S，并与门限值S_T比较，执行步骤五二；

步骤五二、若S＜S_T，说明网络的稳定性无法达到要求，执行步骤五三，否则执行步骤五四；

步骤五三、选取需求矩阵R中小于门限值R_T的最大值所在的两节点间，创建一条新链路，并将H矩阵中(i,j)值更新为1，并将R矩阵中(i,j)值更新为R_T；执行步骤五四；

步骤五四、网络稳定性已达到要求，执行步骤六；

步骤六、达到稳定性要求后，根据最短路径路由协议，对网络中的业务流量进行统计，若不满足设计要求，则返回至步骤二，若满足要求，则结束过程。

具体实施例：

首先，通过STK导出6点分布式星群的距离，并构成网络的开销矩阵，对星群进行几何建模，抽象出星间链路开销。开销矩阵为6阶矩阵，其行列按照如下卫星节点序排列，即[13 22 31 32 41 83]。图5给出各个卫星节点的拓扑结构图；

构造出网络的开销矩阵后，需要获取网络的业务信息，即每条链路的及时业务流量，作为网络的需求矩阵。由于网络处在不断地运动变换过程中，利用前一时刻的业务量信息计算的是下一时刻的最优拓扑，所以在网络优化过程中，最优拓扑的选择一定是滞后于网络动态运行的。而如果采用业务流量预测方法，则可以很好地解决实际中的工程应用问题。星间链路(ISL)和层间链路(IOL)带宽上限均为155Mbps，下行用户数据链路(UDL)带宽为5Mbps，并根据通信距离与业务流量的数学模型，建立需求矩阵。开销矩阵与需求矩阵如下所示：可以看出，随着开销的增大，需求量逐渐减小，二者成负相关指数函数。在物理层面上的解释是，两个卫星节点辖区内的用户之间交互通信的概率随距离的增大而减小，这一点符合实际的物理意义。开销矩阵单位为km，需求矩阵单位为Mbps。

开销矩阵：

需求矩阵：

寻找网络的中心节点，首先要计算节点的重要性指标W，重要性指标W反映了各节点在业务流量传输过程中的中转价值。该节点的W值越高，反映了其在业务通信中的重要性更高，通过对需求矩阵参数的线性加权，得到节点重要性矢量参数如下，单位为Mbps。

W＝[41403 22648 17243 24250 25943 26430]

获取节点重要性指标后，将其与开销矩阵中的距离参量进行乘性加权，得到网络中节点的品质因数，品质因数综合反映了网络中各节点在考虑开销和需求两方面的因素影响后的节点优先度。经计算后，节点的品质因数如下：

M＝[116510 135270 140670 133670 131970 131490]

经过对节点的品质因数进行比较后，选取其中最小值对应的节点作为网络的中心节点，在本星群中，即选取LEO-13作为网络的中心节点。

选取中心节点后，考虑对网络中其他节点进行接入，这里利用Dijkstra算法和Prim算法对α因子进行重构，Dijkstra算法又称为最短路径算法，在网络拓扑中倾向于对网络进行遍历，寻找任意两点之间的最短路径进行连接，由于网络具有多跳特性，所以在节点重要性评估方面会优先选择最短多跳链路的邻接链路。而Prim算法又称为最小生成树算法，在网络拓扑中倾向于直接选择临近节点，而不考虑多跳链路。

例如节点LEO-83在接入网络的过程中，初始距离为4964km，经过修正后的距离为4893km，整个初始网络的生成过程见下表：

注：‘—’表示节点已接入网络。

初始网络的链路接入顺序为LEO-13->LEO-32->LEO-22->LEO-41->LEO-83->LEO-31，其拓扑特性如图6至图10所示。

取链路数为8时的三种组网方案进行比较，网络拓扑如图11至图13所示。图11至图13是三种组网方案在链路数为8时的最优拓扑。

由拓扑结构可知，在虽然链路数相同，但是组网方案不同，优化目标也不同，导致最终的网络拓扑具有一定差异，这种差异从性能图上来看，当网络中链路数为8时，启发式组网方案与另外两种组网方案相比，降低了0.05s/Mb，即单位时间内，每1Mbit数据量，将相对减小50ms的传输时延，这在大数据传输的条件下具有很大的优势。而当数据量较小时，网络的链路数进行缩减，虽然牺牲了拓扑稳定性和传输效率，但是链路利用率得到提高，链路切换复杂度也得以降低，且仍然能够保证启发式组网的优势。

Claims (1)

1.用于移动卫星网络中基于稳定性分析的分布式星群组网优化方法，其特征是：

对于多层卫星网络模型，首先对多层卫星网络进行离散化处理，选取一颗高层卫星和多颗低层卫星作为一个分布式星群，该分布式星群组网优化方法由以下步骤实现：

步骤一、构建初始网络，计算网络中各节点的重要性指标W和品质因数，选取品质因数最小的节点作为网络中心，执行步骤二；

步骤二、根据最短路径算法和最小生成树算法构造生成树，每次选取一个节点接入网络，待所有节点接入网络后，执行步骤三一；

步骤三一、选取最小生成树算法Prim和最短路径算法Dijkstra，并通过α因子进行调节，执行步骤三二；

步骤三二、对网络中任意两个节点间的开销C_ij进行修正；若满足C_1j<C_1i+α·C_ij，即修正后，若该节点与中心节点的开销更小，则执行步骤三三，否则执行步骤三四；

步骤三三、将此链路上原来的开销更新为当前的开销，执行步骤三四；

步骤三四、选取开销值最小的链路连入网络，并且此链路连接的节点必须为非生成树节点，若网络中接入链路后，仍然存在未接入的节点，则重复执行步骤三二，否则执行步骤四一；

步骤四一、网络中任意节点间的跳数用H矩阵表示，称为广义邻接矩阵，执行步骤四二；

步骤四二、遍历H矩阵，选出跳数最多的节点对(i,j)，若其间的业务需求R_ij≥R_T，则执行步骤四三，否则执行步骤四四；构造出网络的开销矩阵后，需要获取网络的业务信息，即每条链路的及时业务流量，作为网络的需求矩阵R；

步骤四三、在节点(i,j)之间直接建立一条新的链路，执行步骤四五；

步骤四四、将(i,j)分为两条过渡链路，(i,k)和(k,j)，其中(i,k)为矩阵H中与(i,j)处在同行或同列的跳数为1的节点对，并使(k,j)尽量小，将H矩阵中(i,j)更新为0，R矩阵中(i,j)的值分别叠加在(i,k)和(k,j)上，执行步骤四五；

步骤四五、若H矩阵中所有节点跳数均小于2，则执行步骤五一，否则重复执行步骤四一；

步骤五一、计算网络的自然连通度S，并与预设门限值S_T比较，执行步骤五二；

步骤五二、若S<S_T，说明网络的稳定性无法达到要求，执行步骤五三，否则执行步骤五四；

步骤五三、选取需求矩阵R中小于门限值R_T的最大值所在的两节点间，创建一条新链路，并将H矩阵中(i,j)值更新为1，并将R矩阵中(i,j)值更新为R_T；执行步骤五四；

步骤五四、网络稳定性已达到要求，执行步骤六；

步骤六、达到稳定性要求后，根据最短路径路由协议，对网络中的业务流量进行统计，若不满足设计要求，则返回至步骤二，若满足要求，则结束过程；

节点的重要性指标W反映了各节点在业务流量传输过程中的中转价值，该节点的W值越高，反映了其在业务通信中的重要性更高，通过对需求矩阵参数的线性加权，得到节点重要性矢量参数；

将节点重要性指标与开销矩阵中的距离参量进行乘性加权，得到网络中节点的品质因数，品质因数综合反映了网络中各节点在考虑开销和需求两方面的因素影响后的节点优先度。