CN108390737B - 一种基于断续服务能力模型的单卫星链路性能分析方法 - Google Patents

Abstract

本发明属于监视装置及测试装置技术领域，公开了一种基于断续服务能力模型的单卫星链路性能分析方法，通过将卫星链路的工作期与休假期分离，分别计算在卫星链路工作期和休假期的瞬态队列长度分布，通过时间平均得到全局的平均队列长度、平均数据包时延的大小。通过数值分析比较结果可知，本发明的分析结果同其它分析方法得到的结果相比，精确性明显提高，分析结果和仿真结果更加契合。此外，计算出的稳态性能参数和瞬态性能参数都是网络性能分析中很重要的量。本发明构建了更加贴合实际卫星数据传输过程的独立于队列状态的服务模式，提高了分析结果的准确性，使得本发明能够更加有效地运用于单卫星链路性能分析场景。

Description

一种基于断续服务能力模型的单卫星链路性能分析方法

技术领域

本发明属于监视装置及测试装置技术领域，尤其涉及一种基于断续服务能力模型的单卫星链路性能分析方法。

背景技术

目前，业内常用的现有技术是这样的：目前，卫星网络因在全球数据传输方面取得的巨大应用而受到了广泛的关注。在常见的卫星网络中，由于地球的遮挡，基于视距的卫星链路显示出断续连通的特性，这对卫星网络的建模和性能分析提出了巨大的挑战。作为网络建模和分析的主流工具，排队理论已经被广泛运用在卫星网络中。卫星数据的存储、携带和转发过程普遍被建模成排队过程。卫星链路的不可用期被视为排队过程中服务员的休假期。这些休假期是由地球的遮挡而引起的，而与队列状态无关。然而，经典的休假策略强调休假期的开始时刻是队列长队为零的时刻。所以经典的休假策略不能直接运用在卫星链路建模过程上。目前，已经存在许多低轨道观测卫星数据下传建模的研究，但是星间链路和星地链路的断续连通性尚未得到充分的研究。多数研究均假设卫星数据下传的机会满足泊松分布，即数据包的服务过程满足指数分布。该假设导致的直接后果是分析结果和仿真结果存在巨大的偏差，这表明经典的服务模型不再适合星间链路和星际链路的建模。此外，一种基于伯努利分布的ON/OFF卫星接入模型也被用来描述具有断续连通性的卫星网络。但是由于没有考虑地球自转对卫星之间可见概率的影响。该模型在实际场景中被认为是不准确的。一些服务模式的变体，例如耗尽型、自动服务员型和k受限型策略，已经在一些特殊场景得到了一定的分析结果，但是在这些策略中，工作期的长度都依赖于队列状态和服务速率，相对于卫星网络中队列状态独立的服务模式并不适合。

综上所述，现有技术存在的问题是：

(1)假设卫星数据下传的机会满足泊松分布，即数据包的服务过程满足指数分布，导致的直接后果是分析结果和仿真结果存在巨大的偏差，这表明经典的服务模型不再适合星间链路和星际链路的建模。

(2)一些服务模式的变体，在策略中，工作期的长度都依赖于队列状态和服务速率，相对于卫星网络中队列状态独立的服务模式并不适合。

解决上述技术问题的难度和意义：

难度：(1)跳出经典的服务模型中服务时间呈指数分布的假设，考虑卫星数据传输机会的实际分布，提高分析结果的准确性。(2)将服务员工作期的长度与队列状态和服务速率解耦，构建更加贴合实际卫星数据传输过程的独立于队列状态的服务模式。

意义：基于断续服务能力的单卫星链路性能分析方法跳出了经典服务模型中服务时间呈指数分布的假设，考虑了卫星数据传输机会的实际分布，并将服务员工作期的长度与队列状态和服务速率解耦，构建了更加贴合实际卫星数据传输过程的独立于队列状态的服务模式，提高了分析结果的准确性，使得本发明能够更加有效地运用于单卫星链路性能分析场景。

发明内容

针对现有技术存在的问题，本发明提供了一种基于断续服务能力模型的单卫星链路性能分析方法。

本发明是这样实现的，一种基于断续服务能力模型的单卫星链路性能分析方法，所述基于断续服务能力模型的单卫星链路性能分析方法通过将卫星链路的工作期与休假期分离，分别计算在卫星链路工作期和休假期的瞬态队列长度分布；然后通过时间平均得到全局的平均队列长度、平均数据包时延的大小。

进一步，所述基于断续服务能力模型的单卫星链路性能分析方法包括以下步骤：

步骤一，每个队列的数据到达满足泊松分布，数据服务时间满足一般分布，每个队列满足M/G/1排队过程，M代表到达服从泊松分布，G代表服务服从一般分布，1代表服务员的个数；令卫星间相互可见的关系满足的时期为队列的工作期；卫星间相互可见的关系不满足的时期为队列的休假期；

步骤二，数据包的到达过程满足泊松分布，(0,t]时间内数据包到达个数A(t)为k的概率P(A(t)＝k)表示为式(1)：

其中，λ为业务的平均到达率，每次有一个数据包接受服务，每个数据包的服务时间是独立同分布的，其分布函数为B(t)，B(t)具有有限大小的期望；

步骤三，根据拉普拉斯变换，在频域上的服务时间β(s)表示为式(2)：

其中，b＝-β'(0)是平均服务时间，平均服务速率为μ＝1/b，业务量密度为ρ＝λ/μ；

步骤四，令

分别表示第i个工作期和第i个休假期的长度，令ξ_i表示第i个工作期的开始时间；令D(t-ξ_i)为[0,t-ξ_i)时间内被服务完毕的数据包的个数，D(t-ξ_i)在

时间范围内为n的概率P(D(t-ξ_i)＝n)的表达式为：

其中，B_n(·)表示B(·)的n阶自卷积，其中C_n(t-ξ_i)定义为B_n(t-ξ_i)-B_n+1(t-ξ_i)；

步骤五，在ξ_i时刻有m个数据包的前提下，系统在时刻t的队列长度X(t)表示为式(4)：

X(t)＝m+A(t-ξ_i)-D(t-ξ_i) (4)

其中m∈{0,1,2,...}，由式(4)进一步推出在工作期内队列长度的瞬态概率分布P(X(t)＝k)的表示式为式(5)：

步骤六，在休假期内，队列长度的瞬态概率分布P(X(t)＝n)的表示式为式(6)：

定义t时刻队列长度为k的概率为p_k(t)＝P(X(t)＝k)，根据式(6)，队列长度的矩生成方程F(t,z)表示为式(7)：

步骤七，根据式(7)，计算出平均队列长度E{X}的表达式：

其中总时间定义为

U表示工作期和休假期的个数，第i个休假期的时间长度表示式为

步骤八，根据Little定理，每个包的平均等待时延E{W}为：

进一步，通过步骤七计算出了平均队列长度E{X}的大小，通过步骤八计算出平均等待时延E{W}的大小。

本发明的另一目的在于提供一种应用所述基于断续服务能力模型的单卫星链路性能分析方法的卫星网络控制系统。

综上所述，本发明的优点及积极效果为：本发明提出一种基于断续服务能力模型的单卫星链路性能分析方法，以实现衡量空间信息网络性能，为网络性能优化提供指导的目的。本发明提供了基于断续服务能力模型的单卫星链路性能分析方法，通过将卫星链路的工作期与休假期分离，分别计算在卫星链路工作期和休假期的瞬态队列长度分布，然后通过时间平均得到全局的平均队列长度、平均数据包时延的大小。通过数值分析比较结果可知，本发明的分析结果同其它分析方法得到的结果相比，精确性明显提高，分析结果和仿真结果更加契合。

与以往片面的考虑卫星链路服从指数分布的建模方法相比，本发明提供了基于断续服务能力模型的单卫星链路性能分析方法，通过将卫星链路的工作期与休假期分离，分别计算在卫星链路工作期和休假期的瞬态队列长度分布，然后通过时间平均得到全局的平均队列长度、平均数据包时延的大小。通过数值分析比较结果可知，本发明的分析结果同其它分析方法得到的结果相比，精确性明显提高，分析结果和仿真结果更加契合。此外，计算出的稳态性能参数和瞬态性能参数都是网络性能分析中很重要的量。

附图说明

图1是本发明实施例提供的基于断续服务能力模型的单卫星链路性能分析方法流程图。

图2是本发明实施例提供的基于断续服务能力模型的单卫星链路性能分析方法的实现流程图。

图3是本发明实施例提供的单卫星排队模型图。

图4是本发明实施例提供的网络平均队列长度随业务量密度的变化关系图。

图5是本发明实施例提供的网络平对队列长度随传输速率的变化关系图。

图6是本发明实施例提供的网络平均等待时延随业务量密度的变化关系图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

如图1所示，本发明实施例提供的基于断续服务能力模型的单卫星链路性能分析方法包括以下步骤：

S101：通过将卫星链路的工作期与休假期分离，分别计算在卫星链路工作期和休假期的瞬态队列长度分布；

S102：然后通过时间平均得到全局的平均队列长度、平均数据包时延的大小。

下面结合附图对本发明的应用原理作进一步的描述。

如图2所示，本发明实施例的基于断续服务能力模型的单卫星链路性能分析方法包括以下步骤：

步骤1.对于包含用户卫星和中继卫星的空间信息网络，引入业务排队的概念，如图3所示，即将每颗用户卫星视为一个队列，将每颗中继卫星视为一个服务员。卫星上数据的获取、存储和转发过程分别对应于排队中的到达、排队和离开过程。假设每个队列的数据到达满足泊松分布，数据服务时间满足一般分布。即每个队列满足M/G/1排队过程，这里M代表到达服从泊松分布，G代表服务服从一般分布，1代表服务员的个数。令卫星间相互可见的关系满足的时期为队列的工作期；卫星间相互可见的关系不满足的时期为队列的休假期。

步骤2.因为数据包的到达过程满足泊松分布，(0,t]时间内数据包到达个数A(t)为k的概率P(A(t)＝k)表示为式(1)：

其中，λ为业务的平均到达率。假设每次有一个数据包接受服务，每个数据包的服务时间是独立同分布的，其分布函数为B(t)，B(t)具有有限大小的期望；

步骤3.根据拉普拉斯变换，在频域上的服务时间β(s)可以表示为式(2)：

其中，b＝-β'(0)是平均服务时间，平均服务速率为μ＝1/b，业务量密度为ρ＝λ/μ；

步骤4.令

分别表示第i个工作期和第i个休假期的长度。令ξ_i表示第i个工作期的开始时间。这三个参数均可以事先通过轨道参数方程或者卫星工具软件得到。令D(t-ξ_i)为[0,t-ξ_i)时间内被服务完毕的数据包的个数，D(t-ξ_i)在

时间范围内为n的概率P(D(t-ξ_i)＝n)的表达式为：

其中，B_n(·)表示B(·)的n阶自卷积。其中C_n(t-ξ_i)定义为B_n(t-ξ_i)-B_n+1(t-ξ_i)。

步骤5.在ξ_i时刻有m个数据包的前提下，系统在时刻t的队列长度X(t)可以表示为式(4)：

X(t)＝m+A(t-ξ_i)-D(t-ξ_i), (4)

其中m∈{0,1,2,...}。由式(4)可以进一步推出在工作期内队列长度的瞬态概率分布P(X(t)＝k)的表示式为式(5)：

步骤6.在休假期内，队列长度的瞬态概率分布P(X(t)＝n)的表示式为式(6)：

定义t时刻队列长度为k的概率为p_k(t)＝P(X(t)＝k)，根据式(6)，队列长度的矩生成方程F(t,z)可以表示为式(7)：

步骤7.根据式(7)，可以计算出平均队列长度E{X}的表达式：

其中总时间定义为

U表示工作期和休假期的个数。第i个休假期的时间长度表示式为

步骤8.根据Little定理，每个包的平均等待时延E{W}为

通过步骤7计算出了平均队列长度E{X}的大小，通过步骤8计算出了平均等待时延E{W}的大小。

下面结合以下仿真结果对本发明的使用效果详细的说明：

1)仿真条件

网络存在1颗以观测卫星为代表的用户卫星和1颗中继卫星，中继卫星为观测卫星提供数据中继服务。用户卫星位于太阳同步轨道，轨道高度为900公里，倾角均为97.8°。中继卫星位于地球同步轨道，轨道高度36000公里，星下点坐标为(0°N,100°W)。从观测卫星到中继卫星的星间链路速率为100Mbps。一幅观测图片的大小为400Mbits。服务时间服从确定性分布。时隙被设置为1s。图片的到达过程是泊松过程，平均到达率为λ。根据业务量密度ρ和业务平均到达率λ的关系，业务平均到达率会随着业务量密度的变化而变化。业务量密度的大小从0.1变化到0.7。在初始时刻，队列长度的大小被设置为0.仿真的时间始于2018年1月10日4点到2018年1月11日4点。

2)仿真内容与结果

图4刻画了平均队列长度随业务量密度的变化关系。从仿真结果可以看出，理论分析结果和仿真结果匹配得很好。除此之外，随着业务量密度的增加，平均队列长度也会快速增加。当业务量密度小于等于0.6时，增长相对较慢，平均队列长度处于(0,100)的范围内。平均的存储空间需求不超过40GBits。此后，平均队列长度快速增加。当业务量密度从0.6增加至0.7时，平均队列长度的结果是业务量密度小于0.6时结果的3倍。与此同时，相应的平均存储空间消耗接近120GBits。这是因为在业务量密度比较大时，由于服务员休假期的存在，导致了图片数据的积压。

图5刻画了平均队列长度随传输速率大小的变化关系。经过计算可知，当业务量密度从0.1变化到0.8时，传输速率相应从400Mbps变化到50Mbps。从图4中可以看出，当传输速率开始增加时，平均队列长度快速下降。随后，当传输速率继续增加时，平均队列长度开始趋近平稳。这表明少量增加带宽可以极大地节省存储空间的大小。该结果对网络带宽分配具有重要的指导意义。

图6刻画了网络平均等待时延随业务量密度的变化关系。通过仿真结果可以看出，当业务量密度超过0.6以后，平均等待时延会随着快速增加，这是因为随着图片业务的到达率的增大，更多的图片业务无法被及时从观测卫星传输到中继卫星。相比于确定性服务过程，指数服务过程会导致更大的平均等待时延，这是由业务的随机性引起的。类似于图2的结果，图4中的理论分析结果和仿真分析结果依旧很小。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (2)

1.一种基于断续服务能力模型的单卫星链路性能分析方法，其特征在于，所述基于断续服务能力模型的单卫星链路性能分析方法通过将卫星链路的工作期与休假期分离，分别计算在卫星链路工作期和休假期的瞬态队列长度分布；然后通过时间平均得到全局的平均队列长度、平均数据包时延的大小；

所述基于断续服务能力模型的单卫星链路性能分析方法包括以下步骤：

步骤一，每个队列的数据到达满足泊松分布，数据服务时间满足一般分布，每个队列满足M/G/1排队过程，M代表到达服从泊松分布，G代表服务服从一般分布，1代表服务员的个数；令卫星间相互可见的关系满足的时期为队列的工作期；卫星间相互可见的关系不满足的时期为队列的休假期；

步骤二，数据包的到达过程满足泊松分布，(0,t]时间内数据包到达个数A(t)为k的概率P(A(t)＝k)表示为式(1)：

其中，λ为业务的平均到达率，每次有一个数据包接受服务，每个数据包的服务时间是独立同分布的，其分布函数为B(t)，B(t)具有有限大小的期望；

步骤三，根据拉普拉斯变换，在频域上的服务时间β(s)表示为式(2)：

其中，b＝-β'(0)是平均服务时间，平均服务速率为μ＝1/b，业务量密度为ρ＝λ/μ；

步骤四，令

分别表示第i个工作期和第i个休假期的长度，令ξ_i表示第i个工作期的开始时间；令D(t-ξ_i)为[0,t-ξ_i)时间内被服务完毕的数据包的个数，D(t-ξ_i)在

时间范围内为n的概率P(D(t-ξ_i)＝n)的表达式为：

其中，B_n(·)表示B(·)的n阶自卷积，其中C_n(t-ξ_i)定义为B_n(t-ξ_i)-B_n+1(t-ξ_i)；

步骤五，在ξ_i时刻有m个数据包的前提下，系统在时刻t的队列长度X(t)表示为式(4)：

X(t)＝m+A(t-ξ_i)-D(t-ξ_i) (4)

其中m∈{0,1,2,...}，由式(4)进一步推出在工作期内队列长度的瞬态概率分布P(X(t)＝k)的表示式为式(5)：

步骤六，在休假期内，队列长度的瞬态概率分布P(X(t)＝n)的表示式为式(6)：

定义t时刻队列长度为k的概率为p_k(t)＝P(X(t)＝k)，根据式(6)，队列长度的矩生成方程F(t,z)表示为式(7)：

步骤七，根据式(7)，计算出平均队列长度E{X}的表达式：

其中总时间定义为

U表示工作期和休假期的个数，第i个休假期的时间长度表示式为

步骤八，根据Little定理，每个包的平均等待时延E{W}为：

2.如权利要求1所述的基于断续服务能力模型的单卫星链路性能分析方法，其特征在于，通过步骤七计算出了平均队列长度E{X}的大小，通过步骤八计算出平均等待时延E{W}的大小。

Images