面向多层卫星网络的信道资源管理方法

多层卫星网络结构复杂,信道资源有限。对多层卫星网络信道资源进行高效管理,能够提高卫星系统整体效率。为此,提出了一种面向多层卫星网络的信道资源管理方法。针对LEO/MEO/GEO三层卫星网络,首先根〖JP2〗据业务类型划分优先级,其次运用自回归积分滑动平均(autoregressive integrated moving average,ARIMA)〖JP〗模型预测小区内新呼叫业务用户量,然后根据预测用户量和卫星剩余信道带宽为用户选择接入层,再利用博弈模型判断是否允许用户接入,最后根据降级因子选择降级用户让出信道带宽。仿真结果表明,该方法能够降低整体阻塞率,提高整体效用。     

基于双层符号常数模的多径水声信道盲均衡算法

针对常数模算法(CMA)及符号常数模算法(SCMA)迭代中的大量乘法运算会产生延时的不足，提出了双层符号常数模算法(DSCMA)。该算法采用逐级取符号的办法，将迭代过程中的大量乘法运算转化为比较运算，大大减少了计算量。而基于双层符号常数模的多径水声信道盲均衡器，具有收敛速度快，超量均方误差和计算复杂度小等特点。用负声速梯度信道及深海信道对该盲均衡器性能进行的仿真研究表明：该盲均衡器对多径干扰有良好的抑制作用，对水下数据通信有很强的实用价值。     

带有负载均衡的LTE自适应切换算法

用户在宏蜂窝和毫微微蜂窝之间频繁执行不必要的切换将导致系统掉话率增加,用户服务质量和网络吞吐量降低。提出一种带有负载均衡的自适应切换算法,根据网络综合负载水平自适应调节切换滞后余量,结合网络容量、终端所需容量、接收信号强度、业务类型、移动速度等多目标参数进行综合切换判决。结果表明所提切换算法可有效避免不必要切换的发生,降低切换次数并提高网络吞吐量。     

LEO&GEO双层卫星网络的动态路由技术

基于低地球轨道和静止地球轨道（low Earth orbit & geo-synchronous Earth orbit, LEO&GEO）双层卫星网络结构,对其覆盖特性和星间链路（inter satellite link,ISL）特性进行了仿真分析。提出了分层分簇的管理方法,只有主簇头与GEO卫星有连接关系,简化了互联关系的复杂性。在该卫星组网结构中,利用星座网络拓扑的特点,提出一种负载均衡的动态路由算法,综合考虑了路径时延和ISL链路负载。与单层卫星网络相比,双层卫星网络可以更加均匀地分配通信量,仅在低层LEO卫星路由跳数超出一定阈值或者卫星网络链路利用率超过某个门限范围时,才利用上层GEO卫星进行中转传输,仿真结果表明,所提路由算法可以实现更低的时延、延迟抖动以及更优的服务质量性能。     

基于未来负载预测的无线异构网络自适应负载均衡算法

为避免由于网络负载抖动而造成的频繁网络选择,本文为无线异构网络提出了一种预测网络未来负载的自适应负载均衡算法。通过马尔可夫链预测负载状态空间的概率,将预测到的概率通过负载趋势函数映射为趋势值,利用趋势值进行网络选择和自适应触发门限的调整。仿真结果表明,该算法能有效降低接入阻塞率及均衡切换次数。     

SDN驱动的网络流量负载均衡路由优化算法

在5G网络数据流量剧增的背景下,针对5G网络流量负载均衡问题提出并评估了两种基于软件定义网络驱动的路由搜索优化算法。首先,建立了软件定义网络多约束数据传输路径选择模型;然后,针对所提模型提出了一种流量负载均衡广度优先搜索(load balancing scheme with breadth-first-search, LBB)路径优化算法,在广度优先搜索的过程中,设定一个动态流量阈值对链路进行实时监测,旨在寻找源节点到目标节点的最优数据传输路径。为了减少甚至避免不必要的搜索所造成的空间开销,进一步提出了基于深度优先搜索的迭代深化搜索(iterative deepening search with depth first search, IDDFS)路径优化算法,该算法限制了数据传输路径的每次搜索深度,并在搜索过程中优先选择可用带宽最大的链路进行深度优先搜索迭代优化。仿真结果表明了所提算法在资源利用率和网络吞吐量这两项关键性能指标上的优越性能。     

基于SDN的卫星网络多QoS目标优化路由算法

针对传统卫星网络中业务类型多样化导致的网络配置复杂和业务服务质量(quality of service, QoS)无法得到有效保障的问题,研究了基于软件定义网络(software-defined networking, SDN)的卫星网络架构,提出了一种能够满足多种QoS需求的自适应路由算法。首先,建立了软件定义卫星网络多约束条件路由选择优化模型;然后,使用拉格朗日松弛法对模型进行松弛处理;最后,使用梯度法进行迭代求解,搜索出满足带宽、时延、丢包率等多种QoS的最优路径。研究结果表明,该优化算法在QoS满意度方面相比近地轨道卫星路由算法提高了64%,在时延满意度和丢包率满意度方面相比软件定义路由算法提高了28%。     

低轨卫星物联网场景下基于吸引子选择算法的多星负载均衡算法

低地球轨道(low earth orbit, LEO)卫星物联网系统中由于低轨卫星的高速运动,导致卫星波束覆盖范围内节点业务模型在空间和时间两个维度呈现不均匀性和时变性。针对这一特征,提出一种空时二维卫星物联网业务模型,在空间维度采用网格划分的方法确定不同地理环境下节点密度和坐标位置,在时间维度采用贝塔分布进行建模,从而实现LEO卫星物联网业务模型空时两个维度的建模。在此基础上,针对未来LEO卫星星座多星覆盖的场景,提出一种基于吸引子模型的多星负载均衡算法,卫星侧通过负载估计算法估计各个卫星的活性度,节点侧结合接入不同卫星的俯仰角等参数采用多属性决策算法估计不同卫星对于节点的设备满意度,在LEO卫星高动态环境下使得卫星的网络活性度保持一种动态的平衡。仿真结果表明,相比于传统的基于最高优先级的接入策略,所提算法在单星业务峰均比、系统资源利用率、随机接入性能等方面有了显著的提高。     

基于禁忌搜索的负载均衡组播路由算法

提出了一种基于禁忌搜索策略的能实现网络负载均衡的QoS组播路由优化算法。该算法在满足业务带宽和时延的基本要求下,将网络费用和负载均衡分布作为目标函数进行优化,达到网络费用较小和负载均衡分布的目的。仿真结果表明,该算法是一个有效、可行的算法。     

改进的卫星网络多路径并行传输算法

针对传统多路径并行传输（concurrent multi-path transfer, CMT）协议无法适应卫星网络高误码特性,提出了一种CMT改进算法。首先,在缓解接收端缓存阻塞的基础上,根据链路中传输的传输序列号(trans-mission sequence number, TSN)相对连续的分组时延抖动,正确判断网络的拥塞状况;然后,接收端选取返回时延最短的路径,将拥塞因子及时反馈给源端,源端调节相应链路的拥塞窗口,调整注入网络的数据量。仿真结果表明:本文算法在缓解因卫星链路差异造成的接收缓存阻塞的同时,能够根据网络状况自适应区分拥塞与误码,实现链路的高效利用。相对于传统CMT协议,改进的CMT协议在网络吞吐量、窗口抖动、时延和丢包率等方面都有明显提高。     

面向移动通信星座网络的自主管理分簇算法

具有高度动态性的低轨(LEO)卫星星座系统是移动通信的重要组成部分.由于卫星网络具有动态性高、星间传输时延大、资源有限和网络拓扑周期时变等特点,使得LEO星座系统的自主管理非常困难.针对上述问题,提出了具有针对性的CDCA算法,通过构建簇的方法来实现对星座系统的管理.CDCA的设计中充分考虑了LEO星座的实际特性和资源情况,利用不同轨道卫星的属性对簇内成员进行等级划分,提高了簇结构的稳定度,降低了簇的维护开销.通过分析及仿真实验表明,CDCA算法较现有方法在性能表现和维护通信开销等方面均有较大的提高.     

成像卫星协同任务规划模型与算法

作为一类重要的对地观测卫星,成像卫星多星组网协同工作可提高处理复杂任务的能力,其中的任务规划属于多时间窗口、多优化目标和多约束条件的组合优化问题。针对任务协同规划技术,主要完成两项工作：第一,建立协同规划模型,引入了元任务间的3类协同作用关系,并进一步考虑了风险控制的要素;第二,在阐述引入启发式信息的遗传禁忌选择的求解算法基础上,提出算法协同进化模型求解技术。最后,利用卫星工具箱（satellite tool kit, STK）提供仿真数据,评价几种典型的求解算法,并验证了本文算法在收敛速度和鲁棒性上的有效性。     

基于LSTM的LEO卫星链路自适应算法

低地球轨道(low earth orbit,LEO)卫星由于其传输损耗低、地面干扰小等优点成为空天地一体化网络的重要组成部分.由于星地传输链路的时延大,现有卫星通信过程无法实时地进行信息交互,导致系统无法适应信道的变化.针对这个问题,提出了基于长短期记忆(long short-term memory,LSTM)网络的信...     

卫星网络时隙分配算法与路由规划优化

星间链路的应用在增加网络连通性和提升网络性能方面是至关重要的。然而,对于大规模、高动态的卫星网络,实时的星间链路设计和路由规划变得非常有挑战性。为了克服这个难点,本文研究了动态卫星网络中的时隙分配与路由规划问题,并将其建模为一个整数线性规划问题。为了降低问题求解的复杂度,该问题被近似地分解为两个独立的子问题,包括时隙分配问题与路由规划问题。第一个子问题仍然是一个整数规划问题,本文结合匹配理论与拉格朗日松弛方法设计了一个低复杂度但是高效的求解算法。然后,针对第二个子问题,考虑业务的优先级,设计了一个低花费的路由算法。最后,仿真结果验证了方法的可行性与有效性。     

基于深度强化学习的卫星光网络波长路由算法

针对由卫星光网络拓扑动态变化、业务多样化和负载不均引起的路由收敛慢和波长利用率低的问题, 提出了一种基于深度强化学习的卫星光网络波长路由分配方法。基于软件定义中轨/低轨(medium earth orbit/low earth orbit, MEO/LEO)双层卫星网络架构, 利用深度强化学习算法动态感知网络当前的业务负载和链路状况, 构造基于时延、波长利用率和丢包率的奖励函数进行选路决策。为了解决单跳链路对整个光路的影响, 引入链路瓶颈因子, 搜索符合服务质量(quality of service, QoS)约束的最优路径。研究结果表明, 与传统卫星网络分布式路由(satellite network distributed routing algorithm, SDRA)算法和Q-routing算法相比, 所提算法降低了网络的时延、丢包率, 提高了波长利用率, 同时也降低了高优先级业务的阻塞率。     

Research on handover algorithm to reduce the blocking probability in LEO satellite network

1.INTRODUCTIONDue totheli mitation of economy andtechnology,theterrestrial networks can only cover some li mited ar-eas.With the increasing demands for real-ti me andinteractive multi media services and mobility,satellitecommunication networkis surely going to be the i m-portant component of the universal mobile telecom-munications system(UMTS)which has been charac-terized by global seamless coverage,mobility and highQoS.For its merits of low propagation delays andglobal seamless covera…