低轨星座网络的空天地一体化无线光通信资源调度方法

摘 要：研究基于低轨星座网络的空天地一体化无线光通信资源动态调度方法，高效精准分配其通信资源，保障资源利用率与通信效率。结合软件定义网络（Ｓｏｆｔｗａｒｅ Ｄｅｆｉｎｅｄ Ｎｅｔｗｏｒｋ，ＳＤＮ），设计空天地一体化无线光通信网络，构建包含数据转发平面与控制平面的低轨星座网络，通过转发平面传输通信业务，由控制平面结合遗传－粒子群算法，动态调度空天地一体化无线光通信网络的通信资源。结果表明，该方法可实现空天地一体化无线光通信网络资源的动态调度，资源的综合利用率较高、通信时延较低，调度效果显著，可为网络的整体通信质量提升提供保障。

关键词：低轨星座网络；空天地一体化；无线光通信；资源动态调度；软件定义网络；粒子群算法

中图分类号：ＴＰ３９３ 文献标志码：Ａ 开放科学（资源服务）标识码（ＯＳＩＤ）：

文章编号：１００３－３１０６（２０２４）０５－１３２８－０７

０ 引言

空天地一体化无线光通信网络具有较为复杂的拓扑结构，且其网络规模通常较为庞大，导致其通信过程中发生局部传输路径通信业务堵塞或者过载等问题的可能性较高，容易因此出现其余部分传输路径资源未利用的情况，造成整体通信资源的利用率低、通信质量下降等问题［１］。目前已有的对于空天地一体化无线光通信网络的控制主要通过地面完成，因实际控制时受到控制过程与体系架构的制约，通常均以人工配置的方式完成该网络的资源调度工作。此种方式不仅效率不高，且调度效果也不理想，无法有效保障网络通信资源的利用率与通信质量［２－３］。为解决此类问题，需为此类网络设计出科学可靠的通信资源分配调度方法，提升整体资源利用率，避免网络出现过载与堵塞等问题，保障网络的通信效率与质量。

当前，专门用于此类网络资源分配调度的方法甚少，大部分研究是针对其他类型网络资源的分配调度方法。如谢添等［４］针对定向无线通信网络所研究的资源调度算法，主要是运用网络通信路径损耗模型获得卷积核，通过该卷积核卷积网络节点密度矩阵，实现对干扰网络链路强度的权衡，并引入强化学习构建链路调度模型，获得最优调度结果，该算法可实现定向无线网络的链路抗干扰资源的有效调度，提高链路的资源利用率，但无法保证整个网络的资源利用率。陈发堂等［５］针对８０２． １１ａｘ 系统提出一种基于传输延迟的资源分配算法，此算法选取传输延迟作为目标函数实施优化调度，结合传输机会总时间中数据块匹配原理与通信路径利用率上限目标，最终完成该系统内的资源合理分配。该算法可提升通信效率，但易遗漏资源分配，不利于保障整个系统的资源利用率与整体通信质量。

低轨星座网络具有覆盖范围广、扩展功能强、传输效率高及资源量庞大等特点，可实现全球化通信服务，是保障各类通信网络实现全覆盖全球化通信的重要措施［６－７］。软件定义网络（Ｓｏｆｔｗａｒｅ ＤｅｆｉｎｅｄＮｅｔｗｏｒｋ，ＳＤＮ）通过解耦低轨星座网络的传输功能与控制功能，将应用接口连接于其控制平面外，以软件定义控制其整体功能，实现低轨星座网络资源调度的灵活性与动态性，防止因通信业务堵塞与过载等导致通信效率低与资源利用率低等问题［８］。遗传算法可实现问题的优化求解，其求解过程主要包括编码、个体适应度函数运算、幅值、交叉及变异等操作［９］。粒子群算法属于一类随机搜寻算法，通过对鸟群寻找食物过程的仿真，获得最优解［１０－１１］。

综合上述分析，本文研究一种基于低轨星座网络的空天地一体化无线光通信资源动态调度方法，通过ＳＤＮ 构建低轨星座网络，并将遗传－粒子群算法融入其控制平面内，实现对空天地一体化无线光通信网络通信资源的动态调度，保障其整体通信质量与通信资源利用率。

１ 空天地一体化无线光通信资源动态调度方法

１． １ 空天地一体化无线光通信网络架构

空天地一体化无线光通信网络主要由地面子网络层、平流子网络层和卫星骨干子网络层３ 层子网络与各子网络间信息传输链路等构成［１２］。卫星骨干子网络层包括近地轨道（Ｌｏｗ Ｅａｒｔｈ Ｏｒｂｉｔ，ＬＥＯ）、中地球轨道（Ｍｅｄｉｕｍ Ｅａｒｔｈ Ｏｒｂｉｔ，ＭＥＯ）及地球同步轨道（Ｇｅｏｓｙｎｃｈｒｏｎｏｕｓ Ｏｒｂｉｔ，ＧＥＯ ）三部分，其中，ＬＥＯ 运动速度较高，可视各卫星之间的光通信信道为自由空间。空天地一体化无线光通信网络架构如图１ 所示。

地面子网络层为得到信息服务，需与空天地一体化网络之间形成连接，此连接需经由卫星骨干子网络层或者平流子网络层实现。平流子网络层内主要为不同类型的飞行器，如飞艇、飞机以及无人机等，当地面子网络层的网络拥堵或者存在故障时，该层能够通过组网编队，完成此状况下的应急通信；另外，在战时该层还能够高效准确地实时监控导弹与飞行器。卫星骨干子网络层包含各个轨道上遍布的若干颗卫星节点及星间通信链路，主要功能有通信网、管理网及数据网，可传送、交互、存储及处理不同类型数据，同时实现对空天地一体化网络内不同子网络的有效管控，达到各个子网络间数据通信的目的［１３］。为保障空天地一体化无线光通信网络的数据传输效果，需对其通信资源实施动态调度，以实现通信业务的有效传输与优化资源分配的目的。

１． ２ 基于ＳＤＮ 的低轨星座网络架构设计

在此选用ＳＤＮ 设计低轨星座网络［１４］，控制空天地一体化无线光通信网络的通信资源调度，达到动态调度资源的目的。所构建的低轨星座网络架构包含转发平面与控制平面，其中，转发平面负责空天地一体化无线光通信网络的通信业务传输工作，主要通过数颗低轨传输卫星实现［１５－１６］；控制平面管理整个网络的通信资源，结合低轨控制卫星与资源动态调度算法，实现全局优化的资源动态调度，提高整个光通信网络的资源使用率。所构建的低轨星座网络架构如图２ 所示。

基于ＳＤＮ 的低轨星座网络架构内，低轨卫星包含多个轨道面，且各轨道面均由数颗低轨传输卫星及一颗低轨控制卫星构成，相同轨道面内通过星间链路实现邻近卫星的衔接。通过由低轨控制卫星所形成的低轨控制平面结合资源动态调度算法，完成网络的通信资源动态调度，保障其通信效率与资源利用率。

１． ３ 基于遗传算法与粒子群算法的资源动态调度算法

在此选用遗传－粒子群算法，作为低轨星座网络内控制平面的资源动态调度算法。无线光通信网络通信资源的动态调度问题属于一类烦琐的非线性最优化问题，即综合函数优化与组合优化的一类问题，所涉及的维度包括时间、数据资源目标及低轨控制卫星传感器。若仅通过一种算法很难有效地处理此类综合性问题，故选用遗传－粒子群算法，有效处理此类综合问题，完成通信资源的动态优化调度，保障空天地一体化无线光通信网络的通信传输效果。

遗传算法适用于函数优化问题，通过该算法调度光通信网络通信资源时，先对传输路径实施编码，以染色体呈现；再任意生成一组原始个体（传输路径），同时对不同个体的适应度函数实施运算；在此基础上，结合复制、交叉及变异操作，得出最优适应度函数个体，以此得到资源的最优传输路径。其中，第ｊ 个个体被选择的概率为：

式中：ｆ （ａｊ ）表示第ｊ 条传输路径的适应度函数［１７－１８］，ｍ 表示总体路径数量。通过该式可看出，个体的适应度函数值越高，则其被选择的概率越高。

粒子群算法适用于组合优化问题，在该算法调度通信资源过程中，其全部粒子均以各自的最优值与群体最优值为依据，实时更新各自的位置与速度，具体更新方程式为：

式中：Ｘｔ、Ｖｔ 表示ｔ 时刻下粒子的位置与速度，Ｘｔ－１ 、Ｖｔ－１ 表示前一刻此粒子的位置与速度，ｕ１ 、ｕ２ 表示随机数，且二者的取值为（０，１）；ｈｔ－１ 表示前一刻的群体最优值，ｂ２ 、ｂ１ 表示全局与个体学习因子，ｑｔ－１ 表示前一刻该粒子的最优值，ｗ 表示惯性权重系数。为了令算法的个体寻优与全局寻优性能达到均衡，为惯性权重系数ｗ 选用线性递减形式，即：

式中：ｋ 表示当前所处迭代次数，Ｋ 表示整体迭代次数，ｗｍａｘ、ｗｍｉｎ 分别表示最高与最低惯性权重系数值。

融合上述２ 种算法，获得遗传－粒子群算法，通过该算法，在上述过程的基础上，结合粒子编码、解空间确定、目标函数设定及粒子动态更新等过程，动态调度无线光通信网络的通信资源。

① 粒子编码与解空间的确定：遗传－粒子群算法内的各个粒子均包含数个元素，它的解空间是各个元素的解空间。将各个粒子内元素设定成具备跟踪冲突的通信资源，元素的解空间设定成对应元素能够跟踪不同通信资源目标的全部时间范围，粒子的元素解空间如图３ 所示。

图中，Ｔｍｉｎ 表示连续跟踪时间下限，Ｔｃ 表示低轨控制卫星传感器的指向转动延迟时长。

② 目标函数的设定：对于资源调度性能的好坏而言，可选择恰当的目标函数实施评价，所选取的目标函数为多步预测跟踪精度增益δ，计算如下：

式中：δｉ 表示通信资源目标ｉ 的增益。

式中：σ（ｔｓ ｔｓ）１ ∶ ３，１ ∶ ３ 表示通信资源调度周期起始时的通信资源目标位置预估协方差，σ（ｔｅ ｔｅ）１ ∶ ３，１ ∶ ３表示结束时的通信资源目标位置预估协方差，ｔｒａｃｅ表示Ｔｒａｃｅ 函数。只有在每个通信资源目标的δｉ 值都较高的情况下，方可获得理想的整体目标函数δ 值，故在此将低轨控制卫星对每个通信资源目标的调度服务均充分考虑在内，保障最终调度结果的合理性。

③ 粒子的动态更新：为寻得最优解，实现通信资源的最优动态调度，在算法迭代过程中需实时更新粒子的位置与速度，令粒子向最佳解运动。遗传－粒子群算法通过将遗传算法内的要点引入，实现跟踪通信资源目标数量与次序的随机调整，同时以粒子群算法为依据，对粒子内不同元素服务通信资源目标的时间实施微调，以逐步提高粒子群内最佳粒子的目标函数。此运算过程可描述为：① 由群体最优值的粒子内提取出不同通信资源目标的增益δｉ；② 对不同粒子内元素实施更新过程中，对群体最优值内２ 个邻近跟踪通信资源目标的δ 实施对比，按照一定的运动速度令跟踪转换时刻移动至具有较高δ 值的通信资源目标方向；③ 将跟踪δ 值较低通信资源目标的时间延长，以提高最终所得目标函数值，实现无线光通信网络中通信资源的最优化动态调度。

２ 实验结果分析

以典型的空天地一体化无线光通信网络架构为例进行仿真，构建简易拓扑图，将本文方法运用于此网络内，动态调度其通信资源，检验本文方法的调度性能。所构建的仿真网络拓扑结构如图４ 所示。

该网络拓扑结构主要由各类节点与链路构成，其中，链路主要包括层内网络激光链路与层间网络激光链路；节点主要包括地面网关节点、平流网络节点、ＬＥＯ 卫星节点、ＭＥＯ 卫星节点及ＧＥＯ 卫星节点，各类节点的数目依次为８、８、８、４、２。实验中所涉及的主要参数设定为：粒子总数目为１２０，粒子元素的速度为２． ５ ｓ，Ｔｃ 为７． ５ ｓ，Ｔｍｉｎ 为７． ５ ｓ，Ｔｍａｘ 为３７． ５ ｓ。

在上述设定下，运用本文方法对仿真网络通信资源实施动态调度，检验本文方法的动态调度效果。实验中，在用户分布均匀和不均匀２ 种情况下，各随机抽取不同用户的１ ６８０、１ ８５６ 条通信业务，并分别随机组成１５９、１８０ 个资源调度任务，通过本文方法分别实施动态调度，结果如图５ 所示。

由图５ 可以看出，在用户分布均匀和不均匀２ 种情况下，随着时间的延长，本文方法动态调度的网络资源均呈现逐步上升趋势，其中，在用户分布均匀情况下，当时间到达６０ ｓ 时，所完成的网络调度任务数为１５２，能够达到总体调度任务数的９５％ 以上；在用户分布不均匀情况下，当时间到达７０ ｓ 时，所完成的网络调度任务数为１７１，能够达到总体资源调度任务数的９５％ 。由此可见，当用户分布不均匀时，本文方法完成资源动态调度任务的用时较长，但整体完成度均较高，动态调度效果理想。

选取归一化网络吞吐量、链路资源利用率、节点资源利用率以及数据包的总时延作为客观评价指标，对本文方法的综合调度性能实施评价。各评价指标的运算方式如下。

式中：Ｌ 表示网络内全部物理节点的集合，且Ｌ ＝｛ｌ１ ，ｌ２ ，…，ｌｉ｝；Ｇφｌｉ 与ＧΦｌ ｉ 表示节点ｌｉ 上的运算负载与运算资源容量。

③ 节点资源利用率：

式中：Ｇμｏｉ，ｊ 与Ｇηｏｉ，ｊ 表示空天地一体化无线光通信网络中链路ｏｉ，ｊ 上所占用的带宽资源与整体带宽资源，Ｏ 表示网络中全部链路的集合，且Ｏ ＝ ｛ｏ１，１ ，ｏ１，２ ，…，ｏｉ，ｊ｝。

④ 数据包的总时延：数据包总时延可有效评价网络的通信时效性，以此分析本文方法的调度效果。该指标值越高，说明网络的通信时效性越差，通信过程中出现的数据缓存、拥堵等情况越多；反之则代表网络的通信时效性越好，通信效率越高，即本文方法的调度性能越好。将通信队列时延视作网络的时延性能，延时推导第ｒ 条通信路径的第ｙ 个数据包。

设ｔ～ｒ 表示数据包的停留时长，计算如下：

ｔ～ｒ ＝ ｔｒ（ｙ）－ ｔ·ｒ（ｙ）， （９）

式中：ｔ·ｒ（ｙ）与ｔｒ（ｙ）分别表示第ｙ 个数据包抵达与离开第ｒ 条通信路径的时间。通信路径内数据包所停留总时长的均值是平均排队时延τ（ｔ～ｒ ），其同时为平均包停留时长，可以通过计算平均包的服务时间与排队时长的总和得出：

式中：τ（ｔ″ｒ ）与τ（ｔ′ｒ ）表示第ｒ 条通信路径的平均包服务时长与排队时长，Ｙ 表示各通信路径所能服务的数据包最大数量，Δ 表示通信路径的最高τ（ｔ～ｒ ）限值，若实际通信时高于此值，那么该通信路径需重新传输数据包。

在本文方法的应用下，实验网络的通信资源利用率３ 个指标值的统计结果如表１ 所示。

分析表１ 可知，经本文方法动态调度后，实验网络在用户分布均匀与不均匀２ 种情况下，随着通信业务量的增长，节点资源利用率、链路资源利用率以及归一化网络吞吐量均呈现上升趋势，并于后期逐步趋于平稳；其中，在相同的通信业务量下，用户分布均匀时网络的各指标值稍高于用户分布不均匀时，且在通信业务量达到５ ０００ 条时其归一化网络吞吐量即可到达１，而用户分布不均匀情况下通信业务量达到６ ０００ 条，归一化网络吞吐量指标方可达到１。综上可得出，在一定的通信业务量下，业务量越高，本文方法动态调度后的网络资源综合利用率越高，即本文方法的通信资源动态调度效果越理想，而用户分布是否均匀对本文方法的通信资源动态调度效果影响不大。整体看来，本文方法通信资源利用率与吞吐性能均表现较好，调度效果理想可靠。

在本文方法的动态调度下，仿真网络通信数据包的总时延，如图６ 所示。

由图６ 可知，本文方法的通信数据包总时延不高，无论用户分布是否均匀，总时延值均与通信业务量成正比关系；当通信业务量低于５ ０００ 时，总时延上升幅度缓慢，当通信业务量达到６ ０００ 以上时，总时延的上升幅度增大，且用户分布不均匀情况下的总时延低于分布均匀情况。可见，本文方法的调度效果显著。

３ 结束语

对于空天地一体化无线光通信网络而言，其通信资源的高效精准分配是保障资源整体利用率与网络吞吐量的关键，为此，本文针对一种基于低轨星座网络的空天地一体化无线光通信资源动态调度方法展开研究。该方法通过结合ＳＤＮ，设计包含数据传输平面与控制平面的低轨星座网络架构，并通过融合遗传算法与粒子群算法，实现对整体空天地一体化无线光通信资源的动态调度。仿真实验结果显示，本文方法的资源动态调度完成度较高，算法整体效果较理想，能够有效保证空天地一体化无线光通信网络的资源利用率与通信效率，提高整体通信质量。

参考文献

［１］ 赵雄文，张钰，秦鹏，等． 空天地一体化无线光通信网络关键技术及其发展趋势［Ｊ］． 电子学报，２０２２，５０（１）：１－１７．

［２］ 李跃． 空天地一体化网络中联合地面基站选择及功率分配［Ｊ］． 电讯技术，２０２０，６０（２）：１７４－１８０．

［３］ 邓平科，张同须，施南翔，等． 星算网络———空天地一体化算力融合网络新发展［Ｊ］． 电信科学，２０２２，３８（６）：７１－８１．

［４］ 谢添，高士顺，赵海涛，等． 基于强化学习的定向无线通信网络抗干扰资源调度算法［Ｊ］． 电波科学学报，２０２０，３５（４）：５３１－５４１．

［５］ 陈发堂，张志豪，李平安． ８０２． １１ａｘ 系统中基于传输延迟的多用户调度与资源分配算法［Ｊ］． 信号处理，２０２２，３８（３）：５４３－５５３．

［６］ 董超颖，续欣，刘爱军，等． 低轨卫星星座网络路由新方法［Ｊ］． 计算机科学，２０２０，４７（１２）：２８５－２９０．

［７］ 谢宝华，梁俊，肖楠，等． 基于可靠性的５Ｇ－低轨星座网络切片映射算法［Ｊ］． 计算机应用研究，２０２１，３８（１１）：３４０７－３４１０．

［８］ 尚立，蔡硕，崔俊彬，等． 基于软件定义网络的电网边缘计算资源分配［Ｊ］． 电力系统保护与控制，２０２１，４９（２０）：１３６－１４３．

［９］ 陈琳，王子微，莫玉良，等． 改进的自适应复制、交叉和突变遗传算法［Ｊ］． 计算机仿真，２０２２，３９（８）：３２３－３２６．

［１０］ 王镇道，张一鸣，石雪倩． 基于竞争粒子群算法的云计算资源调度策略［Ｊ］． 湖南大学学报（自然科学版），２０２１，４８（６）：８０－８７．

［１１］ 卢锦川． 基于扰动收缩粒子群算法的物联网配送车辆调度［Ｊ］． 公路交通科技，２０２０，３７（４）：１１１－１１７．

［１２］ 张少伟． 面向物联网业务的空天地一体网络多层架构研究［Ｊ］． 电子技术应用，２０２１，４７（６）：６－９．

［１３］ 李文屏，白鹤峰，赵毅，等． 一种中高轨混合的多层卫星骨干网络架构设计［Ｊ］． 电子与信息学报，２０２３，４５（２）：４７２－４７９．

［１４］ 侯筠仪，赵黎晔，申景诗，等． 基于ＳＤＮ 架构的ＮＦＶ 技术在低轨卫星网络中的应用［Ｊ］． 中国空间科学技术，２０２１，４１（３）：８９－９６．

［１５］ 袁硕，任奕瞡，王则予，等． 软件定义的星地融合智能无线网络［Ｊ］． 电信科学，２０２１，３７（６）：６６－７７．

［１６］ 张海全，贺鸿鹏，徐美娇． 基于变分模态分解的电网通信资源无冗余配置方法［Ｊ］． 无线电工程，２０２２，５２（６）：１０５５－１０６１．

［１７］ 袁雨馨，唐宏伟，赵晓芳，等． 面向大电网在线实时仿真的通信敏感资源调度［Ｊ］． 高技术通讯，２０２２，３２（８）：８４５－８５８．

［１８］ 安宁，张之栋． 基于深度强化学习的Ｄ２Ｄ 通信网络抗干扰资源调度方法［Ｊ］． 电力信息与通信技术，２０２２，２０（９）：１０８－１１４．

作者简介

肖云杰 男，（１９８８—），硕士，高级工程师。主要研究方向：通信网络架构、卫星通信技术。

陈毅龙 男，（１９８８—），硕士，高级工程师。主要研究方向：无线光通信技术。

李 楠 女，（１９９４—），硕士，助理工程师。主要研究方向：电力应急通信技术。