CN108540206B - 一种基于流量预测的三层卫星网络负载均衡路由方法 - Google Patents
一种基于流量预测的三层卫星网络负载均衡路由方法 Download PDFInfo
- Publication number
- CN108540206B CN108540206B CN201810321893.8A CN201810321893A CN108540206B CN 108540206 B CN108540206 B CN 108540206B CN 201810321893 A CN201810321893 A CN 201810321893A CN 108540206 B CN108540206 B CN 108540206B
- Authority
- CN
- China
- Prior art keywords
- satellite
- leo
- meo
- time
- satellites
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/14—Relay systems
- H04B7/15—Active relay systems
- H04B7/185—Space-based or airborne stations; Stations for satellite systems
- H04B7/18578—Satellite systems for providing broadband data service to individual earth stations
- H04B7/18584—Arrangements for data networking, i.e. for data packet routing, for congestion control
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/147—Network analysis or design for predicting network behaviour
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/38—Flow based routing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/10—Flow control; Congestion control
- H04L47/12—Avoiding congestion; Recovering from congestion
- H04L47/125—Avoiding congestion; Recovering from congestion by balancing the load, e.g. traffic engineering
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computing Systems (AREA)
- Physics & Mathematics (AREA)
- Astronomy & Astrophysics (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Radio Relay Systems (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种基于流量预测的三层卫星网络负载均衡路由方法,属于卫星网络路由策略技术领域,该方法采用虚拟拓扑策略,考虑业务分类、星间距离、当前卫星节点活跃度以及下一时间段内的流量预测值,在路由计算时分为两步考虑:第一步为时间片切换重路由,即在时间片切换时以距离为权值计算最短路径;第二步为时间片路由,即在时间片内以流量预测值为权值计算最短路径。本发明的方法面向卫星节点,引导流量向低流量、低活跃度的卫星节点转移,实现流量的负载均衡,提高整网的吞吐量,降低整网的平均传输时延。
Description
技术领域
本发明属于卫星网络路由技术领域,具体涉及一种基于流量预测的三层卫星网络负载均衡路由方法。
背景技术
随着空天地网络技术的发展,网络发展趋于融合。由于卫星网络在空间信息获取和全球无缝通信领域的优势,卫星网络将成为下一代互联网的基础部分。卫星网络路由技术在卫星网络中处于核心地位,路由策略的好坏直接决定了卫星网络的整体性能。由于卫星网络拓扑周期时变的特性以及卫星网络复杂的通信环境,地面网络的路由协议直接移植到卫星网络中效果并不理想。因此卫星网络路由技术的研究十分必要。
卫星网络的拓扑随着时间动态地改变,并呈现一定的周期性和预测性,这与其它动态网络有着很大的不同。因此,卫星网络在路由规划的过程中经常通过拓扑控制策略来解决拓扑的动态性,将动态的拓扑转化为静态的拓扑,再根据静态的拓扑结构进行路由设计。卫星网络的拓扑控制策略主要有虚拟拓扑策略、覆盖域划分策略和虚拟节点策略。虚拟拓扑策略将一个系统周期分为很多个离散的时间片,在每个时间片内认为卫星网络的拓扑是固定的。覆盖于划分策略将地球表面划分成很多等间距的蜂窝,每个蜂窝由覆盖它的卫星提供服务。虚拟节点策略采用卫星逻辑位置的概念,距离逻辑位置最近的卫星为其服务,每个逻辑位置表示一个虚拟节点,这些虚拟节点形成一个固定的覆盖全球的虚拟网络。在实际应用中,根据具体环境需求来选择不同的虚拟拓扑策略。
由于单层低轨道(LEO)卫星网路由协议在路由性能和收敛上的局限性,根据不同轨道的特性相互结合的多层卫星网络路由协议受到广泛关注。HQRP协议首先提出了多层卫星网络的体系架构,将路由计算转移至MEO层,通过MEO层实现快速的路由计算与收敛。MLSR协议首先引入了卫星组与组管理的概念,由分组来划分虚拟拓扑,并基于收集时延信息进行路由计算。SGRP协议继承MLSR的分组思想,进一步完善LEO层与MEO层的协作。MLSR和SGRP协议产生大量的快照信息,拓扑切换频繁,重路由次数增加。且都是根据链路当前的信息规划路由,没有考虑未来信息的变化。
在流量预测方面,TPDRA协议提出了基于流量预测的分布式LEO层路由协议,根据地域信息进行流量预测,没有利用卫星节点的历史流量数据。TPDR提出了基于流量预测的双层卫星网络动态路由算法,只对关键节点进行了流量预测,且使用相对简单的线性流量预测算法,预测效果一般。
发明内容
为了克服上述现有技术存在的缺陷,本发明的目的在于提供一种基于流量预测的三层卫星网络负载均衡路由方法,该方法能够有效解决卫星网络中流量分配不均衡的问题。
本发明是通过以下技术方案来实现:
本发明公开了一种基于流量预测的三层卫星网络负载均衡路由方法,包括以下步骤:
步骤1:根据业务对QoS的需求进行优先级等级划分,分为A类语音业务、B类流媒体业务和C类数据业务;然后进行路由计算,路由计算时首先根据某业务请求路由计算的时刻进行判断,若是时间片切换时刻则转步骤2,若是时间片内某时刻则转步骤8;
步骤2:对所有LEO卫星在该时间片内的位置进行预测计算,并将计算得到的位置预测信息上传给MEO管理卫星,由MEO管理卫星之间进行信息交换,MEO管理卫星计算该时间片的拓扑LEO星间距离;
步骤3:按照业务的优先级,为某一路由请求进行路由计算,以拓扑LEO星间距离为权值进行最短路径计算,并形成初始路径集;
步骤4:使用路径集更新算法更新初始路径集,路由计算完成并更新ASN集;
步骤5:判断是否还有未处理的路由请求,若是则转步骤6,否则转步骤7;
步骤6:按照业务优先级为下一个路由请求计算路径,即转步骤3;
步骤7:结束;
步骤8:定义出现新的业务请求的时刻为tr,最近一次更新流量预测信息的时刻为tu,判断tr时刻是否在[tu,tu+δ]范围内,δ为预测信息的持续时长;若是则转步骤10,否则转步骤9;
步骤9:令tu=tr,更新tu时刻的流量预测信息,转步骤10;
步骤10:MEO管理卫星收集LEO卫星的流量预测信息,并与其它MEO管理卫星进行交换;
步骤11:进行业务分类判断,若是A类语音业务则转步骤12,若是B类流媒体业务和C类数据业务,则转步骤13;
步骤12:按照时间片切换时刻计算的星间距离,以拓扑LEO星间距离为权值进行最短路径计算,并形成初始路径集,转步骤14;
步骤13:按照tu时刻更新的流量预测信息,以流量预测值为权值进行最短路径计算,并形成初始路径集,转步骤14;
步骤14:使用路径集更新算法更新初始路径集,为该业务的传输路径计算完成,ASN集更新,转步骤7。
优选地,步骤2中,计算该时间片的拓扑LEO星间距离的方法为:
选用tm时刻的拓扑作为该时间片的固定拓扑,首先根据LEO卫星的运行速度及轨道特性计算所有的LEO卫星在tm时刻的位置信息;其中,tm=ti+(ti+1–ti)/2,ti为时间片开始时刻,ti+1为时间片结束时刻;
假设LEO卫星运行于卫星数为N╳M的极地卫星星座中,其中N为轨道数,M为每个轨道上的卫星数量;
假设有LEO卫星L1和LEO卫星L2,轨道内相邻LEO卫星的距离Lv是固定的,计算公式如式(1):
式中R表示LEO卫星节点所在平面的半径;
轨道间相邻LEO卫星的距离Lh跟随纬度的变化而变化,计算公式如式(2):
式中,lat表示LEO卫星的纬度:
优选地,步骤3和步骤12中,所述以拓扑LEO星间距离为权值进行最短路径计算是采用迪杰斯特拉算法计算,形成初始路径集。
优选地,步骤4和步骤14中,所用路径集更新算法更新初始路径集的具体操作如下:
1)获得初始路径集内所有LEO卫星的ASN;
2)对每一条路径进行判断是否存在LEO卫星的ASN是超过了阈值Thv,若某一路径存在ASN超出阈值Thv的LEO卫星节点,则将此路径从路径集中剔除,更新路径集;
其中,阈值Thv如式(3)所示:
Thv=η×mASN (3);
式中,mASN为LEO卫星上建立的最大路由数量,η为阈值因子,η∈(0,1];
3)计算路径集中所有路径的平均ASN,并将平均ASN最小的路径作为最终选择的路径,完成ASN集更新。
进一步优选地,ASN表示一个LEO卫星上建立的路由数量,用以量化LEO卫星的负荷量;
在ti时刻,所有LEO卫星的ASN都清零,所有的LEO卫星的ASN信息存储在GEO卫星上;在一个新的时间片开始时,GEO卫星将所有的LEO卫星的ASN清零,当MEO卫星为一个业务请求计算好路由之后,将路径中所有的LEO卫星的ASN加1,并将更新的ASN信息上传至GEO卫星,当一个MEO卫星感知到某组内LEO卫星成员数据传送完毕并释放路由时,将该LEO卫星的ASN减1,并将更新的ASN信息上传至GEO卫星,当GEO卫星更新ASN数据时,通知所有的MEO卫星,GEO卫星和MEO卫星处于持续的ASN信息交互中。
优选地,步骤9中,更新tu时刻的流量预测信息采用基于自适应AKLMS流量预测算法,具体操作如下:
1)若在tu时刻需要更新卫星流量预测信息,则预测时间间隔Δt=ti+1-tu,ti为时间片开始的时刻,ti+1为时间片结束的时刻;
2)根据LEO卫星节点的历史时刻流量数据,计算每一个Δt内的平均流量值,作为流量预测算法的原始输入数据;
3)设置相关参数,包括:形状控制参数α,范围控制参数β,基准核宽度ζ,滤波器长度δ,初始化权系数w0,预设迭代误差阈值ε;
4)权系数迭代,迭代过程如式(4a)~(4g)所示:
w0=0,n=1 (4a);
n=n+1 (4g);
其中,w0是权系数的初始值,n表示迭代次数,yn为期望输出,en是第n次的迭代误差,un为第n次迭代的输入矩阵,ζ为基准核宽度,ζn为第n次迭代的核宽度,μn为第n次迭代的步长,α为步长形状控制参数,β为步长范围控制参数;
根据i时刻之前的流量值迭代出第i+1时刻最优权系数,当迭代误差小于ε时终止迭代,并输出最优权系数:w*={wj|ej≤ε},j∈{1,2,...,n};
5)计算并得到i+1时刻流量的预测值x'i+1=w*×ui,ui={xi-δ,xi-δ+1,...,xi-1,xi}。
优选地,LEO卫星的位置预测信息和位置预测信息称为预测报告,该预测报告被上传至MEO管理卫星,并在MEO管理卫星之间进行信息交换,最终发送给GEO卫星进行备份,具体操作为:
在每一个时间片周期的开始,MEO卫星的分组是空的,LEO卫星将预测报告上传至距离它最近的MEO卫星,并加入此MEO卫星管理的分组;经过一段时间后,假定每个管理员MEO卫星的成员都完成了预测报告的上传,然后每个MEO卫星的组报告形成,并准备交换;
在MEO层,分组报告先在同一个MEO卫星轨道内交换,MEO卫星把分组报告通过星间链路发送给同一平面内的两个相邻的MEO卫星,当一个MEO卫星收到来自相邻MEO卫星的分组报告后,首先检查这个报告是否之前收到过,如果是,则将这个包丢弃,然后该MEO卫星再将此报告发送给它的相邻MEO卫星,经过一段时间后,同一个平面内的MEO卫星的分组报告都得到交换,每个MEO卫星掌握了所在平面内的所有MEO卫星的信息;
MEO卫星生成平面报告并准备进行平面交换,平面间的交换发生在两个平面的交点处,两个平面有两个交点,距离平面交点最近的2颗卫星进行平面报告交换,交换完毕之后,这两颗卫星就获得了另外一个平面的平面报告,然后按顺时针方向将获得的平面报告转发到与相邻的轨道内MEO卫星上,当一个MEO卫星接收到新的平面报告后,首先检查这个平面报告是否以前已经收到过,如果是,则丢弃该平面报告,如果不是,则平面报告会按顺时针方向被转发到下一个相邻的MEO卫星;与此同时,距离另外一个平面交点最近的两颗卫星也按照同样的方式转发获得的平面报告;最后,使得每一个MEO卫星都获得了所有的平面报告,即获得了所有LEO卫星的位置拓扑分布和网络流量预测信息,距离GEO卫星最近的MEO卫星将全局预测信息发送给GEO卫星作为备份。
优选地,当LEO卫星节点失效时,其同组的相邻卫星最先发现该卫星已经失效,发送报告给其MEO管理卫星,然后由其MEO管理卫星代替LEO失效卫星完成其工作,且MEO管理卫星将此失效卫星的ASN设置为无穷大并报告给GEO卫星;
当MEO卫星节点失效时,其相邻的MEO卫星会发现其已经失效,并报告给GEO卫星,然后距离该失效MEO卫星最近的GEO卫星代替其工作。
优选地,拥塞检测是通过检测并计算卫星节点[tc-θ,tc]时间内的平均流量值ATC进行判断,其中,tc表示当前检测时刻,θ表示检测时间间隔;
当ATC的值超过该卫星所能承受的最大网络流量平均值的90%时,就判定为该卫星节点目前处于拥塞状态;
当LEO卫星节点通过拥塞检测计算检测到该节点处于拥塞状态后,立即向其MEO管理卫星发送拥塞报告,告知MEO管理卫星自己已经处于拥塞状态,当MEO管理卫星收到组内某LEO卫星的拥塞报告后立即将该LEO卫星的ASN设为无穷大。
与现有技术相比,本发明具有以下有益的技术效果:
本发明针对卫星网络流量分配不均衡的问题,提出了一种基于流量预测的三层卫星网络负载均衡路由方法,该方法采用虚拟拓扑策略,考虑业务分类、星间距离、当前卫星节点活跃度以及下一时间段内的流量预测值,在路由计算时分为两步考虑:第一步为时间片切换重路由,即在时间片切换时以距离为权值计算最短路径;第二步为时间片路由,即在时间片内以流量预测值为权值计算最短路径。本发明的方法面向卫星节点,引导流量向低流量、低活跃度的卫星节点转移,实现流量的负载均衡,提高整网的吞吐量,降低整网的平均传输时延。
进一步地,根据LEO卫星节点上的历史流量数据,设计了一种自适应步长和自适应核宽度的核最小均方(AKLMS)流量预测算法。AKLMS算法在迭代过程中根据瞬时误差自适应地调整步长和核宽度,在收敛速度和预测精度方面具有一定的优势。
附图说明
图1为路由策略流程图;
图2为不同预测算法收敛性能比较;
图3为预测误差的累积分布曲线;
图4为三层卫星网络的层次组织;
图5为卫星周期的时间片划分示意图。
具体实施方式
下面结合具体的实施例对本发明做进一步的详细说明,所述是对本发明的解释而不是限定。
参见图1,为本发明公开的基于流量预测的三层卫星网络负载均衡路由方法,包括以下步骤:
步骤1:根据业务对QoS的需求进行优先级等级划分,分为A类语音业务、B类流媒体业务和C类数据业务;然后进行路由计算,路由计算时首先对时刻进行判断,若是时间片切换时刻则转步骤2,若是时间片内某时刻则转步骤8;
步骤2:对所有LEO卫星在该时间片内的位置进行预测计算,并将计算得到的位置预测信息上传给MEO管理卫星,由MEO管理卫星之间进行信息交换,MEO管理卫星计算该时间片的拓扑LEO星间距离;
步骤3:按照业务的优先级,为某一路由请求进行路由计算,以拓扑LEO星间距离为权值进行最短路径计算,并形成初始路径集;
步骤4:使用路径集更新算法更新初始路径集,为该业务的传输路径计算完成,ASN集更新;
步骤5:判断是否还有未处理的路由请求,若是则转步骤6,否则转步骤7;
步骤6:按照业务优先级为下一个路由请求计算路径,即转步骤3;
步骤7:结束;
步骤8:定义出现新的业务请求的时刻为tr,最近一次更新流量预测信息的时刻为tu,判断tr时刻是否在[tu,tu+δ]范围内,δ为预测信息的持续时长,若是则转步骤10,否则转步骤9;
步骤9:令tu=tr,更新tu时刻的流量预测信息,转步骤10;
步骤10:MEO管理卫星收集LEO卫星的流量预测信息,并与其它MEO管理卫星进行交换;
步骤11:进行业务分类判断,若是A类语音业务则转步骤12,若是B类流媒体业务和C类数据业务,则转步骤13;
步骤12:按照时间片切换时刻计算的星间距离,以拓扑LEO星间距离为权值进行最短路径计算,并形成初始路径集,转步骤14;
步骤13:按照tu时刻更新的流量预测信息,以流量预测值为权值进行最短路径计算,并形成初始路径集,转步骤14;
步骤14:使用路径集更新算法更新初始路径集,为该业务的传输路径计算完成,ASN集更新,转步骤7。
本发明公开的三层卫星网络(GEO/MEO/LEO)的结构层次组织如图4所示,所述三层卫星拓扑结构由同步地球轨道(GEO)卫星、中轨道(MEO)卫星和低轨道(LEO)卫星组成。其中,LEO层采用铱星星座系统,MEO层采用ICO星座系统的两条相位差为180°与赤道夹角为45°的倾斜轨道。具体星座模型参数选择见表1。
表1星座模型参数选择
卫星网络的拓扑控制策略为虚拟拓扑策略,将卫星拓扑周期分成若干时间片,即将一个系统周期T分为n等长的时间片(S,snapshot),每个时间片的长度为T/n。在一个时间片内,可视为整个卫星网络拓扑结构不变。
MEO卫星作为LEO卫星的管理者,将所覆盖的LEO卫星作为其组内成员。在一个时间片内,MEO卫星的组员是动态变换的,当一颗LEO卫星离开MEO卫星的足印区时,就会进入另一颗MEO卫星的足印区,即加入另一个分组。当一颗LEO卫星同时被两颗MEO卫星覆盖时,加入距离其最近的一颗MEO的管理分组。
下面以时间片[ti,ti+1]为例来具体详细阐述路由策略的计算过程。
参见图5,为了能更详细更具体的介绍本算法,本发明以时间片[ti,ti+1]为例进行叙述的,其它时间片的路由计算都与时间片[ti,ti+1]的路由计算是一样,文中所有出现的ti为时间片开始的时刻,ti+1为时间片结束的时刻。
1、时间片切换重路由
随着系统时间的进行,时间片不停的切换,此时到达ti时刻,时间片需要切换到[ti,ti+1]。首先,所有LEO卫星根据ti时刻的位置信息(经纬度)计算在时间片[ti,ti+1]内固定拓扑时的位置,即所有LEO卫星进行预测位置计算(具体计算方法见标题3部分)。所有LEO卫星计算完成后产生预测报告并上传给其管理者MEO卫星,MEO卫星通过平面内交换与平面间交换,最终所有的MEO卫星都将掌握所有LEO卫星的预测信息(预测信息更新过程详见标题4部分)。
在ti时刻,统计上个时间片仍需要传输数据的业务以及新的业务请求,并准备为这些业务计算路由。选择以星间距离(计算方法详见标题5部分)作为权值,使用迪杰斯特拉算法计算最优路径。
根据业务类型的不同划分相应的路由优先级,根据业务对QoS的需求进行划分,分为为语音业务(A类)、流媒体业务(B类)、数据业务(C类)。A类业务优先级最高,对时延和丢包率较为敏感;B类业务对时延和丢包率的要求不高;C类业务优先级最低,对时延和丢包率的要求低。
首先为A类业务计算路由,再为B类业务计算路由,最后为C类业务计算路由。首先以星间距离为权值使用迪杰斯特拉算法计算出m条最佳路径并组成初始路径集(PS,PathSets),再根据初始路径集的LEO卫星节点活跃程度(ASN)(详见标题7部分)使用路径集更新算法(详见标题8部分)更新路径集,从而剔除活跃程度高的路径,最后选出最优路径。MEO卫星将计算好的路由下发到LEO卫星,LEO卫星收到MEO卫星的路由更新信息后更新路由表。
2、时间片内路由
通过标题1部分的操作,为上个时间片未完成数据传送的链路和在切换时刻发生的新的业务请求进行了路由计算。当在(ti,ti+1)时间段内出现的新的业务请求时,首先判断此时是否处于上一个预测信息的持续时长δ范围内,如果是则按照上一次的预测信息进行路由计算,否则更新卫星的流量预测信息(流量预测算法详见标题9部分、预测信息更新详见标题4部分),然后根据最新的流量预测信息进行路由。
路由计算分为三步,首先对业务类型进行判断。若是A类业务则以星间距离为权值使用迪杰斯特拉算法计算出m条最佳路径并组成初始路径集。若是B类和C类业务,则以流量预测值为权值使用迪杰斯特拉算法计算出m条最佳路径并组成初始路径集。再根据初始路径集的LEO卫星节点活跃程度(ASN)(详见标题7部分)使用路径集更新算法(标题8部分)更新路径集,从而剔除活跃程度高的路径。最后选出最优路径。MEO卫星将计算好的路由下发到LEO卫星,LEO卫星收到MEO卫星的路由更新信息后更新路由表。
3、LEO卫星预测位置计算
星间的距离并不是根据ti时刻卫星位置信息计算出的距离,而是根据时间片中间时刻tm(tm=ti+(ti+1–ti)/2)的卫星位置信息计算星间距离。虽然一个时间片内的拓扑是看作固定不变的,其实是变化的,只是将其看成时间片内tm时刻的固定拓扑。其它时刻计算距离时使用的是tm时刻的拓扑,这样计算肯定会产生一定的误差。故选用tm时刻的拓扑作为该时间片的固定拓扑,以减少星间距离计算的误差。
4、预测信息更新过程
(1)预测报告的产生与上传
预测报告包括卫星网络流量预测和位置预测。在时间片切换时刻只需要产生位置预测信息,在时间片内只需要产生流量预测信息。LEO卫星通过标题3部分和标题9部分的操作产生预测报告(FR,Forecast Report)上传至其管理员MEO卫星。经过一段时间后,假定每个管理员MEO卫星它的成员都已经完成了预测报告的上传,然后每个MEO卫星的组报告形成,并准备交换。
具体地,对每一个LEO卫星使用AKLMS算法进行流量预测,根据该LEO卫星节点的历史时间片的网络流量平均值,预测出该LEO卫星下一个时间片内的平均网络流量值,并产生流量预测报告。每个LEO卫星,根据时间片开始时的位置信息与时间片的长度,计算出该LEO卫星在该时间片内最佳的路由位置,即位置预测报告。将生成的流量预测报告与计算出的位置信息作为该LEO卫星的预测报告(FR,Forecast Report)上传至MEO管理员节点。
(2)MEO平面内交换
在MEO层,分组报告先在同一个MEO卫星轨道内交换。MEO卫星把分组报告通过轨内星间链路发送给同一平面内的两个相邻的MEO卫星。当一个MEO卫星收到来自相邻MEO卫星的分组报告后,首先检查这个报告是否之前收到过。如果是,则将这个包丢弃。然后该MEO卫星再将此报告发送给它的相邻MEO卫星。经过一段时间后,同一个平面内的MEO卫星的分组报告都得到交换。
(3)MEO平面间交换
所有的MEO平面内的卫星的分组报告都经过平面内的交换后,每个MEO卫星掌握了所在平面内的所有MEO卫星的信息。MEO卫星生成平面报告并准备进行平面交换。平面间的交换发生在两个平面的交点处,两个平面有两个交点,距离平面交点最近的2颗卫星进行平面报告交换,交换完毕之后,这两颗卫星就获得了另外一个平面的平面报告,然后按顺时针方向将获得的平面报告转发到与相邻的轨道内MEO卫星上。当一个MEO卫星接收到新的平面报告后,首先检查这个平面报告是否以前已经收到过。如果是,则丢弃该平面报告。如果不是,则平面报告会按顺时针方向被转发到下一个相邻的MEO卫星。与此同时,距离另外一个平面交点最近的两颗卫星也按照同样的方式转发获得的平面报告。最后,使得每一个MEO卫星都获得了所有的平面报告,即获得了所有LEO卫星的拓扑分布和网络流量预测信息。距离GEO卫星最近的MEO卫星将全局预测信息发送给GEO卫星作为备份。
5、星间距离计算方法
基于流量预测的卫星网络路由算法中一个时间片的所使用拓扑的LEO卫星的星间距离计算算法。
以时间片[ti,ti+1]为例,计算该时间片所使用拓扑的LEO卫星的星间距离。首先根据LEO卫星的运行速度及轨道特性计算所有的LEO卫星在tm时刻的位置信息。选用tm时刻的拓扑作为该时间片的固定拓扑,首先根据LEO卫星的运行速度及轨道特性计算所有的LEO卫星在tm时刻的位置信息;
假设LEO卫星运行于卫星数为N╳M的极地卫星星座中,其中N为轨道数,M为每个轨道上的卫星数量;
假设有LEO卫星L1和LEO卫星L2,轨道内相邻LEO卫星的距离Lv是固定的,计算公式如式(1):
式中R表示LEO卫星节点所在平面的半径;
轨道间相邻LEO卫星的距离Lh跟随纬度的变化而变化,计算公式如式(2):
式中,lat表示LEO卫星的纬度:
6、业务类型划分及路由优先级
根据业务对QoS的需求进行划分,分为为语音业务(A类)、流媒体业务(B类)、数据业务(C类)。A类业务优先级最高,对时延和丢包率较为敏感;B类业务对时延和丢包率的要求不高;C类业务优先级最低,对时延和丢包率的要求低。
在时间片切换重路由时,A类业务路由优先级最高,其次是B类业务,最后是C类业务。都以星间距离为权值使用迪杰斯特拉算法计算初始路径集。
在时间片内进行路由时,A类业务以星间距离为权值使用迪杰斯特拉算法计算初始路径集,B类和C类业务按照优先级以流量预测值为权值使用迪杰斯特拉算法计算初始路径集。
7、ASN的定义、作用以及动态交互过程
卫星节点活跃程度(ASN,Activity of Satellite Node)表示一个LEO卫星上建立的路由数量,以此量化LEO卫星的负荷量。在ti时刻,所有LEO卫星的ASN都清零。所有的LEO卫星的ASN信息存储在GEO卫星上。在一个新的时间片开始时,GEO卫星将所有的LEO卫星的ASN清零。当MEO卫星为一个业务请求计算好路由之后,将路径中所有的LEO卫星的ASN加1,并将更新的ASN信息上传至GEO卫星。当一个MEO卫星感知到某组内LEO卫星成员数据传送完毕并释放路由时,将该LEO卫星的ASN减1,并将更新的ASN信息上传至GEO卫星。当GEO卫星更新ASN数据时,通知所有的MEO卫星。GEO卫星和MEO卫星处于持续的ASN信息交互中。
8、路径集更新算法
1)获得初始路径集内所有LEO卫星的ASN;
2)对每一条路径进行判断是否存在LEO卫星的ASN是超过了阈值Thv,若某一路径存在ASN超出阈值Thv的LEO卫星节点,则将此路径从路径集中剔除,更新路径集;
其中,阈值Thv如式(3)所示:
Thv=η×mASN (3);
式中,mASN为LEO卫星上能建立的最大路由数量,η∈(0,1];
3)计算路径集中所有路径的平均ASN,并将平均ASN最小的路径作为最终选择的路径,完成ASN集更新。
9、基于自适应KLMS的流量预测算法
AKLMS流量预测算法根据经典LMS算法原理,加上高斯核函数,并且根据瞬时误差自适应地调整步长和核宽度,预测步骤如下:
1)确定预测时间间隔Δt,若在tu时刻需要更新卫星流量预测信息,则预测时间间隔Δt=ti+1-tu,;
2)根据LEO卫星节点的历史时刻流量数据,计算每一个Δt内的平均流量值,作为流量预测算法的原始输入数据;
3)设置相关参数,包括:形状控制参数α,范围控制参数β,基准核宽度ζ,滤波器长度δ,初始化权系数w0,预设迭代误差阈值ε;
4)权系数迭代,迭代过程如式(4a)~(4g)所示:
w0=0,n=1 (4a);
n=n+1 (4g);
其中,w0是权系数的初始值,n表示迭代次数,yn为期望输出,en是第n次的迭代误差,un为第n次迭代的输入矩阵,ζ为基准核宽度,ζn为第n次迭代的核宽度,μn为第n次迭代的步长,α为步长形状控制参数,β为步长范围控制参数;
根据i时刻之前的流量值迭代出第i+1时刻最优权系数,当迭代误差小于ε时终止迭代,并输出最优权系数:w*={wj|ej≤ε},j∈{1,2,...,n};
5)计算并得到i+1时刻流量的预测值x'i+1=w*×ui,ui={xi-δ,xi-δ+1,...,xi-1,xi}。
流量预测的算法的预测速度与预测精度直接影响着路由策略的好坏,本发明使用公开流量数据集对AKLMS算法进行验证:
此前,已有相关研究显示,根据卫星网络的信道传输特性分析了卫星网络流量的特点证明了此数据集可以模拟卫星网络流量来建立预测模型,为了仿真实验处理数据方便,对数据进行归一化化处理,归一化公式如式(5)所示:
收敛性能是评价算法优劣的一个非常重要的标准。在仿真过程中,考虑到算法收敛曲线的稳定性,设置固定步长μ=0.02、核宽度基准ζ=0.5、自适应步长形状控制参数α=1、自适应步长范围控制参数β=2。在上述参数相同的情况下得出不同算法的收敛速度如图2所示。KLMS算法由于核函数的作用,使其收敛速度明显比LMS算法快。AKLMS算法由于能同时自适应地调整步长和核宽度,其收敛速度也明显优于KLMS算法。同时,还将AKLMS算法与其子算法步长自适应KLMS(S-AKLMS,Step length-Adaptive Kernel LMS)和子算法核宽度自适应KLMS(K-AKLMS,Kernel width-Adaptive Kernel LMS)相比较,AKLMS算法的收敛性能明显优于两种子算法。可以看到,步长自适应是算法收敛性能提升的主要原因。核宽度自适应不仅在一定程度上提升了算法的收敛性能,它还保证了算法的稳定性。
为了证明本发明采用的AKLMS算法在预测精度的优势,采用真实值和预测值的绝对误差对预测误差进行评价,预测误差的累积分布曲线如图3所示,AKLMS算法的预测误差小于0.1的概率为91.54%,小于0.05的概率为63.68%。KLMS算法的预测误差小于0.1的概率为73.13%,小于0.05的概率为36.82%。LMS算法的预测误差小于0.1的概率为49.75%,小于0.05的概率为25.37%。其中预测误差小于0.1的概率,AKLMS算法相比KLMS算法提升了18.41%,相比LMS算法提升了41.79%。预测误差小于0.05的概率,AKLMS算法相比KLMS算法提升了26.86%,相比LMS算法提升了38.31%。通过以上数据分析,充分证明了AKLMS算法比KLMS和LMS算法的预测精度更高。
10、卫星失效处理方案
当LEO卫星节点失效时,其同组的邻居卫星最先发现该卫星已经失效,发送报告给其管理员MEO卫星,然后由其管理员MEO卫星代替LEO失效卫星工作其工作,且MEO卫星将此失效卫星的ASN设置为无穷大并报告给GEO卫星。
当MEO卫星节点失效时,其相邻的MEO卫星会发现其已经失效,并报告给GEO卫星,然后距离该失效MEO卫星最近的GEO卫星代替其工作。
由于MEO卫星的关键作用且LEO-GEO链路时延较大,MEO卫星失效期间会降低整个系统的性能,必须尽快修复或替换失效的MEO卫星,以免影响系统的性能。当GEO卫星失效时,距其最近的GEO卫星会最先发现其失效,并通知其它GEO卫星和所有的MEO卫星,因为三个GEO卫星的任务时一样的,所以,当一个GEO卫星失效时,会影响ASN的同步效率,继而影响系统的性能,故也应该尽早修复或替换。在本发明所提路由算法中,只有当一个MEO卫星和覆盖它的GEO卫星同时失效时才会发生路由计算失败,这在实际应用发生的概率是很小的,所以本发明方法具有很强的系统鲁棒性。
11、卫星拥塞处理方案
(1)拥塞检测
通过检测卫星节点当前时间段的平均流量值(ATC,average network traffic ofthe current time period)进行拥塞检测。LEO卫星检测并计算本身节点[tc-θ,tc]时间内的平均流量值ATC,其中tc表示当前检测时刻,θ表示检测时间间隔。当ATC的值超过该卫星所能承受的最大网络流量平均值的90%时,就判定为该节点目前处于拥塞状态。
(2)拥塞处理
LEO卫星节点通过拥塞检测计算检测到该节点处于拥塞状态后,立即向其MEO管理员卫星发送拥塞报告,告知MEO管理员卫星自己已经处于拥塞状态。当MEO卫星收到组内某LEO卫星的拥塞报告后立即将该LEO卫星的ASN设为无穷大。
Claims (8)
1.一种基于流量预测的三层卫星网络负载均衡路由方法,其特征在于,包括以下步骤:
步骤1:根据业务对QoS的需求进行优先级等级划分,分为A类语音业务、B类流媒体业务和C类数据业务;然后进行路由计算,路由计算时首先对时刻进行判断,若是时间片切换时刻则转步骤2,若是时间片内某时刻则转步骤8;
步骤2:对所有LEO卫星在该时间片内的固定拓扑位置进行预测计算,并将计算得到的位置预测信息上传给MEO管理卫星,由MEO管理卫星之间进行信息交换,MEO管理卫星计算该时间片的拓扑LEO星间距离;
步骤3:按照业务的优先级,为某一路由请求进行路由计算,以拓扑LEO星间距离为权值进行最短路径计算,并形成初始路径集;
步骤4:使用路径集更新算法更新初始路径集,路由计算完成并更新ASN集;
步骤5:判断是否还有未处理的路由请求,若是则转步骤6,否则转步骤7;
步骤6:按照业务优先级为下一个路由请求计算路径,即转步骤3;
步骤7:结束;
步骤8:定义出现新的业务请求的时刻为tr,最近一次更新流量预测信息的时刻为tu,判断tr时刻是否在[tu,tu+δ]范围内,δ为预测信息的持续时长;若是则转步骤10,否则转步骤9;
步骤9:令tu=tr,更新tu时刻的流量预测信息,转步骤10;
步骤10:MEO管理卫星收集LEO卫星的流量预测信息,并与其它MEO管理卫星进行交换;
步骤11:进行业务分类判断,若是A类语音业务则转步骤12,若是B类流媒体业务和C类数据业务,则转步骤13;
步骤12:按照时间片切换时刻计算的星间距离,以拓扑LEO星间距离为权值进行最短路径计算,并形成初始路径集,转步骤14;
步骤13:按照tu时刻更新的流量预测信息,以流量预测值为权值进行最短路径计算,并形成初始路径集,转步骤14;
步骤14:使用路径集更新算法更新初始路径集,为该业务的传输路径计算完成,ASN集更新,转步骤7;
步骤4和步骤14中,所用路径集更新算法更新初始路径集的具体操作如下:
1)获得初始路径集内所有LEO卫星的ASN;
2)对每一条路径进行判断是否存在LEO卫星的ASN是超过了阈值Thv,若某一路径存在ASN超出阈值Thv的LEO卫星节点,则将此路径从路径集中剔除,更新路径集;
其中,阈值Thv如下式所示:
Thv=η×mASN;
式中,mASN为LEO卫星上建立的最大路由数量,η为阈值因子,η∈(0,1];
3)计算路径集中所有路径的平均ASN,并将平均ASN最小的路径作为最终选择的路径,完成ASN集更新;
ASN表示一个LEO卫星上建立的路由数量,用以量化LEO卫星的负荷量。
2.根据权利要求1所述的基于流量预测的三层卫星网络负载均衡路由方法,其特征在于,步骤2中,计算该时间片的拓扑LEO星间距离的方法为:
选用tm时刻的拓扑作为该时间片的固定拓扑,首先根据LEO卫星的运行速度及轨道特性计算所有的LEO卫星在tm时刻的位置信息;
其中,tm=ti+(ti+1–ti)/2,ti为时间片开始时刻,ti+1为时间片结束时刻;
假设LEO卫星运行于卫星数为N╳M的极地卫星星座中,其中N为轨道数,M为每个轨道上的卫星数量;
假设有LEO卫星L1和LEO卫星L2,轨道内相邻LEO卫星的距离Lv是固定的,计算公式如下式:
式中R表示LEO卫星节点所在平面的半径;
轨道间相邻LEO卫星的距离Lh跟随纬度的变化而变化,计算公式如下式:
式中,lat表示LEO卫星的纬度:
3.根据权利要求1所述的基于流量预测的三层卫星网络负载均衡路由方法,其特征在于,步骤3和步骤12中,所述以拓扑LEO星间距离为权值进行最短路径计算是采用迪杰斯特拉算法计算,形成初始路径集。
4.根据权利要求1所述的基于流量预测的三层卫星网络负载均衡路由方法,其特征在于,在ti时刻,所有LEO卫星的ASN都清零,所有的LEO卫星的ASN信息存储在GEO卫星上;在一个新的时间片开始时,GEO卫星将所有的LEO卫星的ASN清零,当MEO卫星为一个业务请求计算好路由之后,将路径中所有的LEO卫星的ASN加1,并将更新的ASN信息上传至GEO卫星,当一个MEO卫星感知到某组内LEO卫星成员数据传送完毕并释放路由时,将该LEO卫星的ASN减1,并将更新的ASN信息上传至GEO卫星,当GEO卫星更新ASN数据时,通知所有的MEO卫星,GEO卫星和MEO卫星处于持续的ASN信息交互中。
5.根据权利要求1所述的基于流量预测的三层卫星网络负载均衡路由方法,其特征在于,步骤9中,更新tu时刻的流量预测信息采用基于自适应步长和自适应核宽度的核最小均方流量预测算法,具体操作如下:
1)若在tu时刻需要更新卫星流量预测信息,则预测时间间隔Δt=ti+1-tu,ti为时间片开始的时刻,ti+1为时间片结束的时刻;
2)根据LEO卫星节点的历史时刻流量数据,计算每一个Δt内的平均流量值,作为流量预测算法的原始输入数据;
3)设置相关参数,包括:形状控制参数α,范围控制参数β,基准核宽度σ,滤波器长度δ,初始化权系数w0,预设迭代误差阈值ε;
4)权系数迭代,迭代过程如下式所示:
w0=0,n=1;
n=n+1;
其中,w0是权系数的初始值,n表示迭代次数,yn为期望输出,en是第n次的迭代误差,un为第n次迭代的输入矩阵,σ为基准核宽度,σn为第n次迭代的核宽度,μn为第n次迭代的步长,α为步长形状控制参数,β为步长范围控制参数;
根据i时刻之前的流量值迭代出第i+1时刻最优权系数,当迭代误差小于ε时终止迭代,并输出最优权系数:w*={wj|ej≤ε},j∈{1,2,...,n};
5)计算并得到i+1时刻流量的预测值x′i+1=w*×ui,ui={xi-δ,xi-δ+1,...,xi-1,xi}。
6.根据权利要求1所述的基于流量预测的三层卫星网络负载均衡路由方法,其特征在于,LEO卫星的流量预测信息和位置预测信息称为预测报告,该预测报告被上传至MEO管理卫星,并在MEO管理卫星之间进行信息交换,最终发送给GEO卫星进行备份。
7.根据权利要求1所述的基于流量预测的三层卫星网络负载均衡路由方法,其特征在于,当LEO卫星节点失效时,其同组的相邻卫星最先发现该卫星已经失效,发送报告给其MEO管理卫星,然后由其MEO管理卫星代替LEO失效卫星完成其工作,且MEO管理卫星将此失效卫星的ASN设置为无穷大并报告给GEO卫星;
当MEO卫星节点失效时,其相邻的MEO卫星会发现其已经失效,并报告给GEO卫星,然后距离该失效MEO卫星最近的GEO卫星代替其工作。
8.根据权利要求1所述的基于流量预测的三层卫星网络负载均衡路由方法,其特征在于,拥塞检测是通过检测并计算卫星节点[tc-θ,tc]时间内的平均流量值ATC进行判断,其中,tc表示当前检测时刻,θ表示检测时间间隔;
当ATC的值超过该卫星所能承受的最大网络流量平均值的90%时,就判定为该卫星节点目前处于拥塞状态;
当LEO卫星节点通过拥塞检测计算检测到该节点处于拥塞状态后,立即向其MEO管理卫星发送拥塞报告,告知MEO管理卫星自己已经处于拥塞状态,当MEO管理卫星收到组内某LEO卫星的拥塞报告后立即将该LEO卫星的ASN设为无穷大。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810321893.8A CN108540206B (zh) | 2018-04-11 | 2018-04-11 | 一种基于流量预测的三层卫星网络负载均衡路由方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810321893.8A CN108540206B (zh) | 2018-04-11 | 2018-04-11 | 一种基于流量预测的三层卫星网络负载均衡路由方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108540206A CN108540206A (zh) | 2018-09-14 |
CN108540206B true CN108540206B (zh) | 2020-12-18 |
Family
ID=63480914
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810321893.8A Expired - Fee Related CN108540206B (zh) | 2018-04-11 | 2018-04-11 | 一种基于流量预测的三层卫星网络负载均衡路由方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108540206B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109714263B (zh) * | 2019-01-18 | 2021-01-29 | 北京邮电大学 | 一种在卫星通信网络中的路径选择方法及装置 |
CN111629400B (zh) | 2019-02-27 | 2022-03-29 | 华为技术有限公司 | 一种卫星协作通信的方法、装置及系统 |
CN111800830B (zh) * | 2019-04-08 | 2021-07-09 | 华为技术有限公司 | 一种通信方法及装置 |
CN111510971B (zh) * | 2020-04-09 | 2022-09-09 | 中电科航空电子有限公司 | 一种机载低轨卫信通信终端辅助控制链路切换方法及系统 |
CN112737665B (zh) * | 2020-12-25 | 2022-05-31 | 中国人民解放军国防科技大学 | 适应于双层卫星光网络数据中继系统的路由资源控制方法 |
CN114095067B (zh) * | 2021-06-17 | 2023-03-31 | 北京邮电大学 | 一种多层卫星网络动态路由方法及系统 |
CN113747534B (zh) * | 2021-08-13 | 2023-09-08 | 中国电子科技集团公司电子科学研究院 | 基于集中式分布式相结合的天基组网路由方法及设备 |
CN113852415B (zh) * | 2021-09-27 | 2024-04-26 | 中国电子科技集团公司第五十四研究所 | 一种适用于低轨卫星网络的全局流量调度方法 |
CN114024596B (zh) * | 2021-11-22 | 2024-03-26 | 西安空间无线电技术研究所 | 一种适用于全球卫星星座的网络流规划方法 |
CN114301794B (zh) * | 2021-12-10 | 2023-02-24 | 西安电子科技大学 | 面向leomeo双层卫星星座的层间链路拓扑设计方法 |
CN114286408B (zh) * | 2021-12-27 | 2022-10-11 | 广州爱浦路网络技术有限公司 | 基于天地一体化的网络性能优化方法、系统、装置及介质 |
CN115225560B (zh) * | 2022-07-15 | 2023-08-22 | 国网河南省电力公司信息通信公司 | 一种电力通信业务中路由规划方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6609002B1 (en) * | 1999-09-15 | 2003-08-19 | Hrl Laboratories, Llc | Method and apparatus for predictive QoS routing for broad band low earth satellite networks |
CN103905306B (zh) * | 2014-04-02 | 2017-03-15 | 中国人民解放军西安通信学院 | 一种适用于geo/leo双层星座网络的路由交换方法 |
CN104079496B (zh) * | 2014-07-02 | 2017-02-22 | 南京邮电大学 | 基于链路代价转换的双层卫星负载均衡方法 |
CN105119823A (zh) * | 2015-08-21 | 2015-12-02 | 北京空间飞行器总体设计部 | 一种基于模糊理论的ngeo卫星路由算法 |
-
2018
- 2018-04-11 CN CN201810321893.8A patent/CN108540206B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN108540206A (zh) | 2018-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108540206B (zh) | 一种基于流量预测的三层卫星网络负载均衡路由方法 | |
Liu et al. | Load-balancing routing algorithm based on segment routing for traffic return in LEO satellite networks | |
CN107294592B (zh) | 一种基于分布式sdn的卫星网络及其构建方法 | |
CN111342993B (zh) | 一种基于sdn空天地控制器部署架构及控制方法 | |
CN112737665B (zh) | 适应于双层卫星光网络数据中继系统的路由资源控制方法 | |
CN109257091B (zh) | 全局负载均衡星地协同网络组网装置和方法 | |
CN108400890B (zh) | 一种软件定义网络多控制器部署方法 | |
CN111148161A (zh) | 低轨卫星星座星间负载路由均衡方法及系统 | |
CN111294108B (zh) | 一种面向正交圆轨道构型卫星星座的高效路由方法 | |
CN104683016A (zh) | 基于最小化时延的多层卫星网络最优业务分布路由方法 | |
US20080151811A1 (en) | Interplanetary communications network, interplanetary communications network backbone and method of managing interplanetary communications network | |
CN109586785B (zh) | 基于k最短路径算法的低轨卫星网络路由策略 | |
CN110972168A (zh) | 天地一体化网络sdn控制器按需动态放置方法 | |
CN106452555A (zh) | 一种基于中低地球轨道卫星网络的多路径优化算规划方法 | |
Liu et al. | Routing for predictable multi-layered satellite networks | |
Zhang et al. | Research on routing control with delay constraint based on contact plan for integrated satellite terrestrial network | |
CN117118497A (zh) | 一种适用于星地一体化网络的控制器和网关联合部署方法 | |
CN115297045B (zh) | 面向低轨卫星网络的洪泛拓扑构建方法、装置和存储介质 | |
CN114745279B (zh) | 一种软件定义控制器的部署及优化方法 | |
CN114513241B (zh) | 一种基于SDN的高性能QoS保证低轨卫星星间路由方法 | |
CN114095067B (zh) | 一种多层卫星网络动态路由方法及系统 | |
CN114222345B (zh) | 路由路径计算方法、装置、电子设备及存储介质 | |
Ibrahim et al. | Reliability-aware swarm based multi-objective optimization for controller placement in distributed SDN architecture | |
CN113852415A (zh) | 一种适用于低轨卫星网络的全局流量调度方法 | |
Ma | Adaptive distributed load balancing routing mechanism for LEO satellite IP networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20201218 Termination date: 20210411 |