贾 靖,王 恒,夏 旭,孙震强
(中国电信股份有限公司研究院,北京 102209)
近年来,地面无线网络迅速发展,在全球大多数地区形成了较为完善的网络覆盖,但受制于经济成本、技术以及自然条件等因素,在偏远地区、海洋、深地和深空等地理范围,当前地面网络难以有效覆盖,无法满足网络空间的泛在连接通信需求。卫星通信则为实现通信网络全球覆盖提供了最佳的解决方案,其可视为地面网络向高空的延伸,极大地弥补了地面网络的劣势。伴随着全球卫星通信的快速发展,地面通信与卫星通信融合的研究成为了通信领域关注与讨论的重点。国家“科技创新2030”重大项目也指出要加快建设空天地一体化网络,从而建立一个广泛覆盖、海量接入、高效可靠的信息网络[1]。2020年4月,国家明确将基于卫星的互联网视为通信网络基础设施,并纳入新基建范畴。空地一体化网络成为未来网络发展的重要趋势。在此背景下,如何进行网络的接入选择与切换管理已成为目前的热点研究问题。它为用户提供了无处不在的最优业务体验,提高了日益紧张的无线资源利用率。
近年来,一些国际通信组织和机构也一直在推进空地一体化信息网络中关于接入与切换技术的研究。例如,国际电信联盟(ITU)在ITU-RM系列标准的研究中,定义和分析了5G卫星网络的应用场景、网络架构和关键技术等[2];欧洲电信标准化委员会(ETSI)在标准ETSI TS 102 357中提出了卫星独立服务接入点并规范了卫星地基网络中宽带服务的物理空中接口[3];第三代合作伙伴组织(3GPP)在TS 22.261报告中把卫星接入技术纳为5G网络的基本接入技术之一[4],在TR 22.891中提出了使用卫星进行5G网络连接的场景,并指出当前地基网络技术需要进一步提升以实现全球无缝覆盖、低时延的空中接口以及地面与卫星网络之间的无缝切换[5]。
空地一体化网络是在地基网络的基础上,补充和延伸天基网络和空基网络,以实现更广阔的覆盖范围、更高的通信质量和更灵活的通信服务的一种网络结构,如图1所示。
图1 天地一体化网络多覆盖接入场景示意图Fig.1 Multi coverageand access scenario of air-ground integrated networks
天基网络也可称为卫星网络,按照轨道高度不同可分为同步轨道(Geosynchronous Earth Orbit,GEO)、中高度轨道(Medium Earth Orbit,MEO)及低轨道(Low Earth Orbit,LEO)卫星系统等[6];空基网络是空地一体网络的重要组成部分之一,由高空平台、中低空悬浮器或飞行器构成,如无人机、民用航空飞机等[7];地基网络包括蜂窝无线网络、各种类型的终端等[8]。
在空地一体化网络中,由于卫星网络的应用大大增加了网络覆盖率,多星覆盖率较高,如全球星卫星通信系统双星覆盖率达90%,因此,空地一体化是以天基网络为重点,尤其是多层卫星网络构成的空地一体化网络传输主干网和接入网络[9]。同时,空基网络利用无人机(Unmanned Aerial Vehicle,UAV)、高空平台等空中节点也可以实现热点区域的补充覆盖,使地面用户终端同时处于卫星网络和空中网络的公共覆盖区域内,提高网络的整体服务能力与用户体验。此外,空基网络节点具有用途多样、灵活性强、装配便利和成本较低等优势,能够以低成本、高灵活性的方式辅助支持蜂窝网络通信,对流量热点区域的业务有效地分流,既保证通信的服务质量,又降低地面基站的部署成本。
因此,通过多维度网络的深入融合,空地一体化网络可以为三维立体空间提供无缝网络覆盖和高效可靠的接入服务。
空地一体化网络正处于发展时期,涉及到多个技术体系。接入和切换作为网络运行的基础,不仅直接影响着用户的通信体验,更是影响着整个空地一体化网络的性能、效率和可靠性。然而,在空地一体化网络中,存在多种因素影响着用户终端的接入与切换,从而影响网络性能。因此,本节从接入选择策略、小区覆盖重叠、空地信道损耗、空天网络特点四方面分析了空地一体化网络在接入与切换方面面临的问题。
在面临多个可以选择的接入点时,用户终端需要在多个可用接入点中选择一颗卫星或者一个空中节点进行接入;此外,当用户终端离开当前所连接的通信节点覆盖区域时,需要切换到下一通信节点进行通信以保证连续性。无论是新呼叫接入还是呼叫切换,用户终端都面临着多层覆盖下的接入选择问题;此外,单个用户终端的接入选择会占用信道资源,对其他用户终端的接入选择产生影响,所以,接入策略的好坏直接影响到用户终端的服务质量(Quality of Service,QoS),也会影响到整个网络系统的性能。
合理的接入策略除了需要考虑单个用户终端,在进行接入选择时还需考虑整个网络的负载情况,否则可能会导致网络间的负载不均衡,使可接入网络的整体资源不能得到充分利用,资源分配不合理,进而影响呼叫阻塞率、吞吐量等系统性能。
移动通信网络从最初的第一代蜂窝系统发展至今,小区半径一直在不断地缩小,小区的密度也在不断地增加。空基节点机载基站在热点区域下的覆盖区半径及密度也发生相应改变,其覆盖半径缩小与覆盖区密度的增加使小区重叠覆盖的概率增加,从而使移动用户在不同空中接入点之间切换频繁、切换成功率较低。
因此,在空基基站辅助蜂窝通信以及空基基站用于热点小区分流服务的场景下,必须考虑用户移动可能导致的切换问题,需要提出合理的移动切换管理方法来解决上述用户切换频繁、切换成功率低等问题。
空地通信具有较为特殊的信道特性,空对地信道传输时会出现与高度相关的衰落,包括自由空间路径损耗、阴影衰落和散射以及多径衰落,与具有可预见性的有线信道相比,空地信道中的信号传输具有更强的随机性[10]。除此之外,当空基中的飞行器处于运动状态时,还需要考虑搭载于飞行器上的接收天线与发射天线间的相对运动方向和运动速度,以及在传播过程中建筑物、障碍物等对信号接收的各类影响。
空地信道是随着周边环境、时间以及外部因素变化的电波通路,且具有强随机性,从而会对终端的接入选择与切换控制产生影响。
LEO卫星系统具有高动态特性,相对于地面上任何给定的终端位置快速移动。在2 h的轨道上的一颗LEO卫星可以为一个静止的用户终端提供大约20 min的持续网络覆盖。同时,由于每个LEO卫星可能有许多波束,这样一个用户终端停留在一个波束内的时间通常只有几分钟。此外,空基网络的高低空平台提供宽带移动通信服务也具有快速变化的特性,使地面的移动用户终端只能进行较短时间的通信,因此,空天网络的高动态特点也为静态和移动终端的接入和切换带来了问题[11]。
综上所述,随着可选接入点数量或切换请求的增加,用户接入与切换的复杂度急剧上升;基站重叠覆盖概率增大,也导致终端面临接入点选择难度大且复杂度高的问题。此外,由于空地信道损耗大、随机性大,对终端的接入选择与切换控制带来了一定的影响;而由于卫星网络和空基网络的高度移动性,可选接入点和链路信息不断改变,会导致用户频繁切换,从而难以保证QoS需求并带来大量的信令开销。
为了实现全球覆盖的空地一体化网络,卫星网络的接入与切换技术尤为重要。针对LEO卫星网络中频繁切换、高动态等特性引入的切换管理需求,学界提出了多种方法,主流方法有4种:基于多属性决策的方法[12]、基于博弈论的方法[13]、基于强化学习的方法[14-15]和基于图的方法[16-23]。综合相关文献对比分析,不同接入与切换策略的优缺点比较如表1所示。
表1 不同切换方法的比较Tab.1 Comparison of different handover methods
卫星与地面用户之间的传输链路由于卫星的运动速度以及覆盖的限制,可能会频繁切换,这将产生额外的信令成本,并对通信性能产生负面影响,如数据流稳定性、传输延迟、抖动等。
针对空地网络中频繁切换问题,Miao等人[12]提出了一种优化的多属性决策卫星切换方案,综合考虑接收信号强度、剩余服务时间和卫星空闲信道3个属性进行决策制定,目标是减少切换次数、减小平均信道利用率方差以及提高平均信号强度,其采用的切换方案是将3个属性组合为一个多属性决策问题,采用离散度最大的组合加权法计算权重值,最后采用基于优劣解距离的方法选择最优方案。结果表明,与其他3种基准方案相比,所提方案能够降低切换频率和平均信道利用率方差,提高平均信号强度。
为了维持通信,用户必须在能覆盖的LEO卫星之间切换,卫星切换可以看作是多个移动终端竞争卫星资源的过程。不同的移动终端不能选择同一卫星的同一信道。针对LEO卫星资源共享模型中存在的问题,Wu等人[13]在软件定义的卫星网络(Software-Defined Satellite Network,SDSN)体系结构的基础上,将卫星切换看作是一个二部图,如图2所示,并提出了基于潜在博弈的移动终端利益最大化切换算法和基于用户空间最大化目标的终端随机接入算法。
博弈论具有严格的数学模型优势,其具有几个要素:玩家、效用函数、动作、策略和均衡。在游戏过程中,每个玩家都具有效用函数,并且总是选择使自己的效用达到最佳的策略。移动终端的卫星切换有3个基本标准,即剩余服务时间tij,卫星仰角θij和可用的卫星信道数量φ。为了使所有的移动终端获得尽可能多的剩余服务时间,同时减少切换的次数,保证所有移动终端的通话质量,所选择的效用函数由两部分组成,即增益函数和损耗函数。增益函数gi(S)由剩余服务时间和卫星仰角这两个切换准则组成。根据不同的应用场合,采用常数系数α、β来调整两种切换准则的比例。损耗函数li(S)由切换请求时间和响应时间组成。切换请求时间和切换响应时间对效用函数影响较小。用treq,ij和tres,ij抽象地表示延迟代价。因此,该方案考虑的移动终端的效用函数表示为:
ui(S)=gi(S)-li(S),
切换算法旨在最大化移动终端效益,分为个体阶段和系统阶段。在个体阶段,移动终端根据自身效用函数选择最优卫星进行切换。在系统阶段,可为某些没有可用信道或卫星的终端留出资源,并再次进行切换。
卫星和用户是独立移动的,而提供无缝连接已成为移动卫星网络最重要的任务之一。目前的切换方法是基于信号强度或服务时间的,但由于用户终端到达的随机性和高移动性卫星网络的业务分布不平衡,成功率难以保证。智能学习方法可以自主学习并优化切换策略,从而在不同的移动场景下实现更好的连接性和用户体验。
为此,Xu等人[14]提出了一种基于用户体验(Quality of Experience,QoE)的智能切换算法来研究卫星网络的高动态时变特性。为了更好地捕捉用户终端与卫星之间的不确定关系,首先建立了基于卫星轨迹可预测性的空间关系耦合模型,构建了用户与卫星之间的相对方位和距离变化的量化表达式,由此可得候选卫星的服务时间;其次,建立了基于确定性卫星运动的可用信道估计模型,旨在预测候选卫星的可用通信资源;最后,为了最大化切换成功率和最小化切换次数,将下一服务卫星的选择构建为一个多准则问题,通过该问题可以显著提高用户终端的QoE。同时,该文献也提出了一种强化学习驱动的智能算法来解决这个问题,实验结果表明,所提出的切换机制在切换时间、成功率和端到端延迟方面优于传统方法。
在卫星网络中,卫星的剩余可见时间、接收信号强度、最短距离、卫星的负载平衡等因素都对地面终端的QoS产生严重影响,导致制定移交决策既复杂又困难。为了充分利用卫星分集特性并保证地面网络的QoS,需要针对不同的优化目标研究不同的切换策略。然而,传统的切换策略只考虑单一的切换标准或简单地权衡多个切换因素,无法同时保证切换成功率、通信质量和卫星资源的最大利用。
为解决上述问题,Wang等人[15]提出一种基于深度强化学习的切换方案,该方案同时考虑了多个切换因素,考虑在无缝连接并保证用户终端QoS的前提下,减少某个时间段内的切换失败次数和切换次数,切换场景图如图3所示。
图3 切换场景图Fig.3 Structure of LEO satellite network
该方案考虑在特定时间段T内的优化,将时间段T分为U个不同的时段[(t0,t1),(t1,t2),…,(tu,tu+1),…,(tU-1,tU)],并认为在每个时间段卫星链路是固定的,各终端定期测量近地轨道卫星网络的信息。每个终端作为一个agent,使用深度Q网络(Deep Q-Network,DQN)独立进行切换决策,利用其本地观测数据执行选择算法,将近地轨道卫星切换优化问题转化为基于深度强化学习(Deep Reinforcement Learning,DRL)的切换优化问题,实验结果表明,在没有切换失败的情况下,相比于基准方案,提出的基于DRL的切换方案少了21%以上的切换次数,验证了所提切换方案的有效性,解决了LEO卫星高动态导致的链路状态不稳定问题。
在多维多层异构的天地融合网络中,根据终端业务类型的不同,需要利用切换机制在不同层次网络间实现灵活切换。由于卫星的高度移动性和星轨的差异性,网络拓扑结构动态变化,导致终端面临接入点选择难度大且复杂度高。基于图的接入和切换策略是有效应对这些复杂性和挑战的解决方案。该方法通过构建一个直观描述网络状态和结构的图模型,对不同网络层次的接入点、链路和终端进行抽象,并考虑网络之间的关系。通过对图模型进行分析、优化和决策,实现智能的终端接入点选择和切换策略,提供更好的用户体验。
文献[16]给出了空地一体化网络中基于有向图的切换管理实现过程。如图4所示,地面上的固定用户T通过LEO卫星星座进行通信,当用户T与卫星A的连接低于最小仰角时,要在卫星B和卫星C之间进行选择以保持连接,该方案假设用户可以通过全球定位系统获取精确位置,同时用户可以预测未来时间段内的覆盖卫星,并根据获取的信息进行切换决策。
图4 应用程序场景的快照Fig.4 Snapshot of application scenario
覆盖卫星可按起始时刻排序形成集合,集合中每个卫星对应一个时间段,并将其表示为有向图中的节点,用户在卫星之间的切换可以被视为有向边。用户的卫星切换过程可以被建模为在有向图中寻找路径,如图5所示。切换准则可以转化为权重从而影响用户的实际切换行为。因此,可以得到切换图构建的3个关键点为确定时间段,定位虚拟起始节点和构建卫星间的边。
图5 卫星切换图Fig.5 Satellite handover graph
文献[17]基于文献[16]中的切换方法并结合卷积神经网络,通过特定时间信号强度中最强的波束构建有向图,同时考虑历史信号强度,得到最佳切换决策。
胡欣等人[18]提出基于多属性动态图的低时延切换方法。卫星拓扑模型可使用图表示为G=(V,A,W),其中V为节点集合,A为有向边集合,W为有向边权重集合。在终端通信过程中,可覆盖该终端的卫星节点集合为V={V1,V2,…,Vn}。由于LEO卫星具有规律的星轨运行,卫星位置可通过星历查询得到,因此,在终端请求接入卫星网络之前,终端通信时长内的覆盖卫星集合以及每颗卫星对终端的覆盖时间段是已知的。通过分析卫星的覆盖时间段是否有交集可以构建有向边。因此,在构建卫星拓扑模型后可以获得每一时隙终端与卫星的相对位置关系。
利用卫星覆盖特性和切换策略可构建初始时隙的图,时隙转换时,添加新卫星,删除负载过重以及不可视卫星,能获得下一时隙的子图。根据构建的有向图,可以将终端切换问题建模为求最短路径,最短路径经过的节点即为切换路径,得到切换发生时刻和目的卫星,从而能提前做好切换准备,进行资源预留。最短路径一般可利用Dijkstra算法计算带权重有向图中的两点得到。
类似地,文献[19-20]都利用最短路径的方法求得了最佳切换路径。文献[19]提出了一种基于负载均衡的用户链路切换算法,该算法根据用户的任务序列信息,利用最短路径算法得到切换前的有向图集合,然后将这些子图插入累加得到总的有向图,再利用最短路径算法找到切换次数最少且卫星服务时间最长的切换路径。通常在切换时间区间内,可以选择任意时刻进行切换操作,但由于源卫星与目标卫星负载不同以及切换时刻对负载均衡的影响,该算法采用了等比法选择最佳切换时刻,以便使接入系统中的用户站能够顺利接入和切换。针对卫星负载均衡问题,文献[20]也使用了最短路径算法求解最佳切换路径,并减少切换次数。考虑到卫星负载均衡,作者重新设置了边的权重,通过对权重的选择使得负载差减小,以实现负载均衡。
一般的有向图可能需要复杂的算法来求解最短路径等问题,而加权二部图结构特殊,基于该图的切换策略可以利用特定的图算法进行优化,从而在计算上更加高效。Feng等人[21]在低轨卫星网络中提出了基于加权二部图的卫星与网关链路切换策略。为了使卫星网络的整体通信质量最大化,平衡卫星网络的负载,利用改进的匈牙利算法(Khn-Munkres,KM)实现了一种最大权值匹配方法,并给出了可达率,验证了所提出的切换策略的有效性。文献[22]提出了一种基于熵的多目标卫星切换策略,该方案基于LEO卫星网络中的加权二部图得到卫星与用户之间链路的接入与切换策略。将卫星能为用户提供的服务质量视为二部图中边的权值,并将其视为一个多目标优化问题。由于多目标问题不能使所有目标同时达到最优,采用熵值法可对每个目标进行加权,从而转化为单一目标优化问题。
随着星座规模和用户终端数量的增加,卫星切换变得更加复杂。基于此,Zhang等人[23]提出了一种卫星切换的网络流(Handover Strategy Based on Network-Flows,HSNF)模型,如图6所示,切换的用户终端可以根据流矩阵访问卫星。在所提出的网络流模型中,加权边由用户终端的请求和卫星服务的质量决定。卫星和用户终端之间的多重匹配可以通过计算网络流的最小成本和最大流来确定,该模型可通过防止无限循环来提高算法性能。
图6 基于网络流算法的改进切换策略示意图Fig.6 Handover strategy based on network-flows
此外,在卫星互联网网络场景下,传统的由参考信号接收功率或质量确定切换阈值得到的切换策略性能严重下降,很难正确描述和建模多因素之间的相关性。因此,Lin等人[24]提出了一种基于可重构因子图确定低轨卫星互联网网络切换阈值的方法。首先,引入张量来制作因子图,该因子图具有重新配置因子图中所有因子和相关性的能力,可以解决因子之间急剧变化的问题,然后利用重构因子来得到切换的阈值,仿真表明,所提方法比参考信号接收质量的接收阈值方法在切换方面具有更好的性能。
空地一体化网络是未来通信网络发展的一个重要趋势,通过地面网络与卫星网络的融合发展,可以解决各自发展所面临的瓶颈问题。为支持空地一体化提供无处不在、无时无刻的连接服务,需要开展网络接入选择和切换控制的研究。本文介绍了空地一体化网络架构的发展与现状,分析了影响空地一体化网络接入与切换的因素,并总结了面临的问题,针对空地一体化网络在接入与切换过程的需求,具体分析了相关的解决方案。随着技术的不断发展,空地一体化网络将逐步完善和优化,在全球范围内发挥重要作用,推动通信领域的持续发展与创新。