一種新型的低軌存儲轉發通信星座設計方法

姜興龍 梁 廣 劉會杰 余金培

?

一種新型的低軌存儲轉發通信星座設計方法

姜興龍*①②梁 廣①②劉會杰②余金培②

①(中國科學院上海微系統與信息技術研究所 上海 200050)②(上海微小衛星工程中心 上海 201210)

針對低軌存儲轉發星座的特點以及傳統星座設計方法無法同時優化覆蓋性能和網絡性能的不足，該文提出一種新型的兼顧覆蓋性能以及網絡性能的低軌存儲轉發星座設計方法，并采用非劣分層多目標進化算法(NSGA-II)優化該多目標多約束星座設計問題。通過基于STK和OPNET的協同優化仿真平臺驗證了該星座設計方法的有效性。

星座設計；存儲轉發；多目標優化；非劣分層多目標進化算法(NSGA-II)；端到端時延

1 引言

現代低軌小衛星有著研制周期短、成本低、易組網、抗摧毀能力強、通信時延小、信號衰減弱、終端易于小型化、可頻率復用、發射靈活便捷等特點，在通信、氣象、導航、資源環境、偵查、科學研究等領域有著廣泛的應用[1]。同時由于低軌衛星軌道高度低，覆蓋范圍小，大多數情況下，單靠一顆衛星難以完成任務目標，為了充分發揮小衛星在這些領域的應用，提升小衛星的通信和協作能力，由多顆小衛星通過星間鏈路組成衛星網絡系統進行協同工作是小衛星發展的主要方向[2]。

為了應對我國越來越多的商業運輸管理、工業設備監控、偵查情報、全球監測、應急通信等[1]全球數據傳輸需求，本文參考銥星系統方案設計了一個存在星間鏈路的小型低軌存儲轉發通信衛星星座。文章第2節首先給出低軌存儲轉發通信星座網絡模型，并提出一種新型的低軌存儲轉發通信星座設計方法；第3節對系統進行建模分析，給出了優化的目標和約束；第4節給出了算法的流程圖和復雜度；第5節對傳統設計方法和本文提出的設計方法進行仿真比較，并對結果進行的總結分析；第6節為結束語。

2 新型的星座設計方法

本文的目標是設計一個存在星間鏈路的間歇全球覆蓋的低軌存儲轉發通信星座(如圖1)，若干顆低軌衛星以一定的軌道飛行，其中星間鏈路ISL1-ISL根據軌道的運行交替通斷。在星間鏈路建鏈期間，用戶發送的數據到達衛星后根據路由表進行星間傳輸，并最終送達目的用戶終端。

存儲轉發星座其最主要的性能指標為覆蓋性能以及端到端時延性能，通過初步的仿真分析得到：如果考慮覆蓋性能最優，則衛星需要盡可能地分開以減少交疊覆蓋提高重訪性能，若為了提高存儲轉發時延性能，則需要衛星間較靠近以保證星間鏈路的長時間建鏈并傳輸數據，故兩優化目標是相互沖突和矛盾的。此時采用傳統的方法[16](如圖2)分別進行基于覆蓋的構型優化和基于系統網絡性能的網絡優化將很可能得到無法建立星間鏈路的構型，從而導致網絡設計無法進行，故對于這種網絡設計輸入條件的星間鏈路建鏈性能由構型決定的情況，需要將網絡性能的需求作為構型設計的約束，因此本文提出了一種在構型設計階段同時優化星座的覆蓋性能和網絡時延性能的新型星座設計方法(如圖3)。

圖1 存儲轉發低軌星座示意圖

圖2 傳統通信星座設計方法

圖3 新型的存儲轉發星座設計方法

3 系統建模

3.1 覆蓋模型

存儲轉發通信星座的設計目標是為盡可能多的用戶提供有效的覆蓋，其單顆衛星對地面的覆蓋如圖4所示。

圖4 衛星覆蓋示意圖

衛星的覆蓋性能是星座構型設計的重要性能指標，低軌存儲轉發星座通過多顆衛星實現對地面用戶的非連續覆蓋，其細化的指標[11]包括：覆蓋百分比、總覆蓋時間、覆蓋次數、平均覆蓋時間、最大覆蓋時間、最小覆蓋時間、平均重訪間隔時間、最小重訪間隔時間和最大重訪間隔時間等。

3.2 網絡模型

低軌存儲轉發通信星座完成數據從用戶接入到星上存儲以及星間鏈路的路由轉發最后到達目的用戶。如圖5所示，其給出了某個數據包的傳輸路徑，表示終端用戶1發送數據包并通過星間交換、星上存儲轉發最后到達用戶2，星間鏈路在滿足建鏈約束的情況下建立全向高速的星間鏈路，并根據星上路由表轉發數據，最后到達目的用戶，用戶與衛星以及衛星與衛星的建鏈時刻決定了端到端時延。

圖5 存儲轉發網絡的時延

系統的網絡性能[17]主要包括：星間鏈路建鏈性能，包括星間鏈路建鏈次數，建鏈時長等；端到端時延性能：最大、最小、平均端到端時延以及時延的分布。

3.3 優化的目標及約束

存儲轉發星座設計的目標是用戶使用的便利性以及性能的優越性，本文將從用戶使用的角度設計系統優化的目標。假設全球隨機均勻分布個用戶，首先，用戶希望保證每天達到一定的可通信次數，其次，希望兩次通信之間的間隔時間盡量短且分布均勻，最后，用戶還希望數據盡快到達呼叫的目的用戶。這些需求對應到系統性能上分別為對覆蓋數量和質量的要求，以及網絡傳輸服務質量的要求。對應的系統性能指標分別為：(1)反映系統覆蓋次數或數量的平均每天可通信次數和平均重訪間隔時間，在近似的場景下(平均每次通信時長接近，如軌道高度以及傾角一致的情況下)，平均可通信次數的提高將必然降低平均重訪間隔時間，故兩個目標選取其一即可；(2)反映系統覆蓋質量的重訪間隔時間均方差，較小的重訪間隔時間均方差將以很大的概率保證一定時間間隔內的重訪，其決定了重訪的規律性，提升用戶使用的便利性；(3)反映存儲轉發網絡傳輸服務質量的平均存儲轉發時延，較小的存儲轉發時延將大大提升系統的效能。

4 算法介紹

針對以上的多目標多約束問題，本文采用非劣分層多目標進化算法NSGA-II[18]進行優化，該算法具有以下優點：(1)提出新的基于分級的快速非劣性排序算法，降低了算法復雜度；(2)提出了擁擠距離的概念，采用擁擠距離比較算子代替需要計算復雜的共享參數的適值共享方法，使得Pareto前端分布均勻；(3)引入了精英保留機制，擴大了采樣空間，經選擇后參加繁殖的個體所產生的后代同其父代個體共同競爭來產生下一代種群，因此有利于保持優良的個體，迅速提高種群的整體水平，算法流程如圖6所示。

圖6 NSGA-II算法流程圖

5 參數設置及仿真結果

采用OPNET對網絡進行建模，設置用戶數目為100個，用戶地理位置通過球面均勻分布的隨機生成函數生成，具體的經緯度分布如圖7，設定所有用戶平均每小時產生一個1 kbit大小的數據包等待衛星過境時上傳，每個數據包的目的地址按照每個用戶相應的事先生成的隨機數表順序輪轉發送，從而保證任意一段時間數據包的目的地址具有隨機性而每次仿真的業務又具有重復性。用戶接入采用Aloha隨機接入，星間鏈路建鏈準則為一定可視距離內可建立雙向高速鏈路，最遠的建鏈距離參照銥星系統設定為4480 km，星間路由采用泛洪算法，并假設星間鏈路帶寬足夠，不存在擁塞。

經過40種星座構型不同天數的性能仿真分析統計，得到性能統計量在仿真時間從2天開始趨于穩定，其與5天統計量僅有3.3%的變化，且變化方向一致，故2天的仿真時間長度得到的性能統計量已經近似可以代替其構型的長期性能，作為不同構型比較的依據，權衡仿真的復雜性以及各性能統計的準確性，設置仿真時長為2天。

采用軌道分析工具STK和網絡仿真軟件OPNET共同搭建協同仿真平臺，在平臺獲得優化的構型參數后，首先調用STK得到覆蓋性能，然后將其生成的軌道數據導入到OPNET得到網絡性能，經過200代的進化，算法趨向穩定，其各目標最優值收斂圖如圖8所示，從圖8中可以看出平均重訪間隔時間較快地得到收斂，而重訪間隔均方差也逐漸得到收斂，平均端到端時延在前期的快速收斂后逐步緩慢變化。

為了與僅優化覆蓋性能的傳統星座設計方法[6,11,12]對比，采用相同的算法優化覆蓋的數量和均勻性，其與新型的設計方法在覆蓋性能上的對比如圖10所示。

通過圖10可知，相比傳統的設計方法，新型設計方法由于時延約束的存在，其得到的Pareto前端平均重訪時間分布范圍較小，并且在其分布范圍內，覆蓋均勻性略差，這些是由于時延約束導致的覆蓋性能損失。通過對比圖10中點(表1方案2)和點(表1方案1)，在覆蓋性能接近的情況下，點的平均端到端時延為231.28 min，遠遠大于點的69.19 min，在覆蓋均勻最好的點，兩條曲線重合，典型點的性能如圖11所示，由此可知，時延約束將一定程度地轉化為覆蓋均勻性的約束，在重訪間隔時間均方差較大的-段，由于其重訪時間分布不均勻，造成某些用戶出現較大的重訪時間，從而導致星上數據需要長時間的存儲才能下發給用戶，進而使得時延特性大大惡化，從仿真結果可知，重訪間隔時間均方差大于50 min將無法滿足時延性能的約束。傳統方法得到的Pareto前沿中，覆蓋均勻性較差的-段無法滿足時延的約束，均勻性較好的-段其時延性能也較差甚至無法滿足時延約束，因此，傳統的設計方法相比新型的設計方法效率低下，且難以得到所有設計目標的Pareto最優解。

圖7 用戶位置經緯度分布

圖8 目標函數收斂圖

圖9 Pareto最優解集分布

表1 典型星座構型方案軌道參數及性能統計

6 結束語

本文針對存儲轉發低軌通信星座的特點，提出一種覆蓋性能和網絡性能協同優化的星座設計方法，并設計了一種多軟件協同仿真優化平臺，經過仿真優化得到了一定數量的Pareto最優解，通過對其的分析明確了衛星分布及其星間鏈路建鏈約束對系統網絡性能的影響，得到在衛星較為分散時，覆蓋性能較優的結論，而相對于本文的仿真設置，每個軌道面分布1顆衛星，各軌道面間隔40°~50°，相位較為接近的構型能夠提升網絡性能的同時擁有較好的覆蓋性能，使得星間鏈路能盡快地將數據發送到將要過境目的用戶的衛星，同時衛星的分布也保證了盡快地重訪目的用戶，并將其與傳統的設計方法進行對比，仿真結果證明了該星座設計方法的優越性以及有效性。在工程環境下，由于存在入軌偏差以及軌道漂移，星間鏈路的維持需要進一步設計相應的軌道控制，優選構型時需要考慮構型的穩定性。由于仿真的模型較為復雜，并且采用了多軟件的協同優化，使得仿真優化較為耗時，采用收斂速度更快的智能優化算法以及分布式仿真是提高仿真速度并獲得更多最優解的進一步優化的方向。

圖10 兩種方法的覆蓋性Pareto最優解集分布

圖11 典型解的性能統計

[1] 余金培, 楊根慶, 梁旭文. 現代小衛星技術與應用[M]. 上海:上?？茖W普及出版社, 2004: 25-26.

[2] 張育林, 范麗, 張艷, 等. 衛星星座理論與設計[M]. 北京: 科學出版社, 2008: 195-196.

[3] Walker J G. Some circular orbit patterns providing continuous whole earth coverage[J]., 1971, 24(1): 369-384.

[4] Rider L. Analytic design of satellite constellations for zonal earth coverage using inclined circular orbits[J]., 1986, 34(2): 31-64.

[5] Lang T J. Optimal low earth orbit constellations for continuous global coverage[C]. Proceedings of ASS/AIAA Astrodynamics Conference, Victoria, 1994: 1199-1216.

[6] Ma Der-ming, Hong Zuu-chang, Lee Tzung-hang,.. Design of a micro-satellite constellation for communication[J]., 2013, 82(4): 54-59.

[7] Chern Jeng-shing, Hong Zuu-chang, and Chien Tsai-lun. Design and application of inter-satellite link in weather observation constellation[J]., 2012, 20(4): 472-477.

[8] Liang Jun, Xiao Nan, and Zhang Ji-wei. Constellation design and performance simulation of LEO satellite communication system[J]., 2011, 25(2): 218-227.

[9] Juang Jyh-ching, Tsai Yung-fu, and Chu Chung-huei. On constellation design of multi-GNSS radio occultation mission[J]., 2013, 82(1): 88-94.

[10] Abdelkhalik O and Gad A. Optimization of space orbits design for Earth orbiting missions[J]., 2011, 68(3): 1307-1317.

[11] 酈蘇丹, 朱江, 李廣俠. 采用遺傳算法的低軌區域通信星座優化設計[J]. 通信學報, 2005, 26(8): 122-128.

Li Su-dan, Zhu Jiang, and Li Guang-xia. Optimization of LEO regional communication satellite constellation with GA algorithm[J]., 2005, 26(8): 122-128.

[12] Gui Hong-zheng and Han Chao. Satellite constellation configuration design with rapid performance calculation and ordinal optimization[J]., 2011, 24(2): 631-639.

[13] 蒙波, 伊成俊, 韓潮. 基于多目標粒子群算法的導航星座優化設計[J]. 航空學報, 2009, 30(7): 1284-1291.

Meng Bo, Yi Cheng-jun, and Han Chao. Optimization of navigation satellite constellation by multi-objective particle swarm algorithm[J]., 2009, 30(7): 1284-1291.

[14] 劉文, 張育林, 劉昆. 基于多目標進化算法的衛星通信星座優化設計[J]. 宇航學報, 2008, 29(1): 95-99.

Liu Wen, Zhang Yu-lin, and Liu Kun. Optimization of multi-objective evolutionary algorithm-based communication satellite constellation[J]., 2008, 29(1): 95-99.

[15] Chen Chang-chun, Sun Zhao-wei, and Zhong Wei-chao. The satellite optimization design using collaborative optimization method based on mormal cloud model[C]. International Conference on Electronic & Mechanical Engineering and Information Technology, Harbin, 2011: 3445-3448.

[16] Radzik J and Maral G. A methodology for rapidly evaluating the performance of some low Earth orbit satellite systems [J]., 1995, 13(2): 301-309.

[17] Cruz-Sánchez H, Franck L, and Beylot A L.Routing metrics for store and forward satellite constellations[J]., 2010, 4(13): 1563-1572.

[18] Deb K. A fast and elitist multi-objective genetic algorithm: NSGA-II[J]., 2002, 6(2): 182-197.

[19] Pratt S R, Raines R A, Fossa C E,.. An operational and performance overview of the IRIDIUM low earth orbit satellite system[J].&, 1999, 2(2): 2-10.

姜興龍： 男，1984年生，博士生，研究方向為星座設計與網絡優化等.

梁 廣： 男，1983年生，博士，研究方向為星載多波束天線設計等.

劉會杰： 男，1972年生，研究員，研究方向為衛星載荷技術、認知無線電、軟件無線電等.

余金培： 男，1965年生，研究員，研究方向為衛星通信系統、多波束天線設計等.

A New Design Method of Store and Forward LEO Communication Satellite Constellation

Jiang Xing-long①②Liang Guang①②Liu Hui-jie②Yu Jin-pei②

①(,,200050,)②(,201210,)

According to the characteristics of the store and forward LEO communication satellite constellation and the issue that the traditional constellation design methods can not optimizes simultaneously the coverage performance and network performance, a new store and forward communication satellite constellation design method which balances the coverage and network performance, is proposed, and the Non-dominated Sorting Genetic Algorithm (NSGA-II) is used to optimize this multi-objective and multi-constrained constellation design. A collaborative optimization simulation platform based on STK and OPNET is built，and the simulation result shows the effectiveness of the proposed constellation design methods.

Constellation design; Store and forward; Multi-object optimization; Non-dominated Sorting Genetic Algorithm (NSGA-II); End-to-end delay

TN927; V421.41

A

1009-5896(2014)03-0676-07

10.3724/SP.J.1146.2013.00551

2013-04-24收到，2013-11-08改回

中科院創新基金項目(CXJJ-11-S107)和上海市自然科學基金(11ZR1435000)資助課題

姜興龍 luckdragon@126.com