低軌巨型星座網(wǎng)絡：組網(wǎng)技術(shù)與研究現(xiàn)狀

陳全，楊磊，郭劍鳴,2，李星辰，趙勇，陳小前

（1.國防科技大學空天科學學院，湖南 長沙 410073；2.復雜飛行器系統(tǒng)仿真重點實驗室，北京 100094；3.軍事科學院國防科技創(chuàng)新研究院，北京 100071）

0 引言

低地球軌道（LEO,low earth orbit）（以下簡稱低軌）衛(wèi)星星座以其廣覆蓋、全天候的特點成為彌補地面網(wǎng)絡覆蓋盲區(qū)最有效的解決方案，是未來天空地海一體化網(wǎng)絡的重要組成部分[1]。20 世紀末，以銥星、全球星為代表的星座計劃掀起了第一代低軌星座網(wǎng)絡浪潮，但最終因無法與迅猛發(fā)展的地面網(wǎng)絡競爭以及商業(yè)運營策略方面的失誤而紛紛宣告失敗[2]。

近年來，以Starlink、OneWeb 等為代表的龐大星座計劃推動了新一輪的低軌巨型星座網(wǎng)絡發(fā)展浪潮[3]。新興的低軌巨型星座計劃[4]一般包含數(shù)百至數(shù)萬顆低軌衛(wèi)星，目標是為全球用戶提供無處不在的寬帶互聯(lián)網(wǎng)接入服務，具有大規(guī)模、廣覆蓋、低時延、寬帶化、天地一體等特征。星座規(guī)模的急劇擴張不僅提升了系統(tǒng)容量，也增加了系統(tǒng)復雜度，為系統(tǒng)總體設計、網(wǎng)絡運行管理和高效數(shù)據(jù)傳輸帶來諸多難題：1) 衛(wèi)星規(guī)模龐大，且節(jié)點高速運動，使網(wǎng)絡拓撲高度復雜且具有強動態(tài)性；2) 用戶被多星同時覆蓋，星上頻率協(xié)調(diào)復雜，且星地切換頻繁；3) 網(wǎng)絡節(jié)點密度高，端到端連接所需轉(zhuǎn)發(fā)跳數(shù)大大增加，提高了路由傳輸?shù)膹碗s度；4) 星地一體化網(wǎng)絡需大量地面信關(guān)站支持連接，地面系統(tǒng)設計復雜[5]；5) 龐大的網(wǎng)絡規(guī)模在網(wǎng)絡仿真和性能評估時消耗大量計算資源，仿真耗時長。另一方面，巨型星座中網(wǎng)絡拓撲具有規(guī)則性、周期性和可預測性，節(jié)點、鏈路資源冗余量大且星上處理能力增強，也為網(wǎng)絡系統(tǒng)設計提供了機遇。

第一代低軌星座網(wǎng)絡浪潮推動了衛(wèi)星網(wǎng)絡相關(guān)理論研究和工程項目實踐發(fā)展，目前已有相關(guān)綜述性研究，如星地切換策略[6]、路由算法[7]及星地一體化技術(shù)[8]等，但針對巨型星座的討論較少。新興巨型星座網(wǎng)絡相較于傳統(tǒng)衛(wèi)星網(wǎng)絡的新特征為相關(guān)組網(wǎng)技術(shù)帶來新的挑戰(zhàn)與機遇。本文將針對新興低軌巨型星座網(wǎng)絡的特征分析其具體設計難點，并總結(jié)研究進展。本文涵蓋部分經(jīng)典文獻工作，但重點關(guān)注近5 年內(nèi)巨型星座相關(guān)的研究。

本文首先介紹了低軌巨型星座網(wǎng)絡的系統(tǒng)架構(gòu)與工作模式，分析了新興巨型星座網(wǎng)絡的具體特征以及相比于傳統(tǒng)衛(wèi)星網(wǎng)絡的區(qū)別，隨后從網(wǎng)絡拓撲動態(tài)性管理、星地鏈路切換策略、路由算法設計、地面信關(guān)站布局優(yōu)化以及網(wǎng)絡仿真與性能評估5 個方面梳理總結(jié)了各關(guān)鍵技術(shù)的難點、技術(shù)路線和研究進展，并分析了巨型星座場景下各項技術(shù)面臨的新挑戰(zhàn)與發(fā)展方向。本文內(nèi)容可為未來低軌巨型星座寬帶衛(wèi)星網(wǎng)絡設計理論研究提供參考。

1 系統(tǒng)架構(gòu)與工作模式

1.1 系統(tǒng)架構(gòu)

典型的低軌星座系統(tǒng)包括空間段、用戶段和地面段3 個部分[9]，如圖1 所示。

空間段由低軌衛(wèi)星和星間鏈路組成，形成空間傳輸主干網(wǎng)絡。衛(wèi)星在空間中均勻排布，普遍采用均勻?qū)ΨQ的星座構(gòu)型[3]。巨型星座網(wǎng)絡由于衛(wèi)星規(guī)模龐大，多采用不同軌道高度、不同傾角的子星座構(gòu)成多層混合星座[10]。衛(wèi)星作為空間網(wǎng)絡的接入節(jié)點，起到天基移動基站的功能。衛(wèi)星間可建立微波或激光星間鏈路，實現(xiàn)數(shù)據(jù)包中繼轉(zhuǎn)發(fā)。

用戶段包括各類用戶終端、綜合信息服務平臺以及業(yè)務支撐系統(tǒng)等。用戶終端也可作為接入點（AP,access point）建立局域網(wǎng)絡，將通用用戶設備接入網(wǎng)絡。綜合信息服務平臺和業(yè)務支撐系統(tǒng)用于對用戶業(yè)務提供支撐和應用層高級服務。

圖1 新興低軌星座網(wǎng)絡總體架構(gòu)

地面段包括信關(guān)站、綜合運控管理系統(tǒng)以及連接地面核心網(wǎng)的基礎設施。信關(guān)站起到連接衛(wèi)星網(wǎng)絡和地面網(wǎng)絡的網(wǎng)關(guān)功能。數(shù)據(jù)經(jīng)信關(guān)站接入地面網(wǎng)絡，完成星地空口通信協(xié)議和網(wǎng)絡協(xié)議轉(zhuǎn)換，即可利用地面網(wǎng)絡設施訪問地面網(wǎng)絡資源。綜合運控管理系統(tǒng)包括網(wǎng)絡、星座、數(shù)據(jù)、運營、數(shù)據(jù)等管理系統(tǒng)以及衛(wèi)星測控站等，對全網(wǎng)進行綜合管理和監(jiān)控。

1.2 工作模式

根據(jù)空間網(wǎng)絡與地面網(wǎng)絡的關(guān)系，可將衛(wèi)星網(wǎng)絡工作模式分為天星地網(wǎng)、天基網(wǎng)絡和天網(wǎng)地網(wǎng)三類[9,11]，如圖2 所示。

圖2 低軌衛(wèi)星網(wǎng)絡工作模式

1) 天星地網(wǎng)。衛(wèi)星間無星間鏈路連接，衛(wèi)星將接收的地面用戶數(shù)據(jù)直接轉(zhuǎn)發(fā)至地面網(wǎng)絡完成傳輸，衛(wèi)星可看作地面網(wǎng)絡的延伸。天星地網(wǎng)模式只有在用戶和地面站被同一衛(wèi)星覆蓋時才能進行實時通信業(yè)務。目前OneWeb 一期計劃采用此種架構(gòu)[9]。

2) 天基網(wǎng)絡。用戶間可直接通過衛(wèi)星和星間鏈路實現(xiàn)端到端連接，而不需要地面網(wǎng)絡設施參與。該架構(gòu)擺脫了對地面網(wǎng)絡設施的依賴，具有獨立性、安全性和抗毀性優(yōu)勢[11]。

3) 天網(wǎng)地網(wǎng)。衛(wèi)星間由星間鏈路連接，地面信關(guān)站通過地面網(wǎng)絡連接。根據(jù)任務需求，用戶數(shù)據(jù)可經(jīng)衛(wèi)星轉(zhuǎn)發(fā)到另一端用戶，也可經(jīng)單跳或多跳星間轉(zhuǎn)發(fā)到信關(guān)站，再通過地面網(wǎng)絡完成傳輸。天網(wǎng)地網(wǎng)模式充分利用了衛(wèi)星的廣域覆蓋優(yōu)勢和地面網(wǎng)絡的容量、資源優(yōu)勢，實現(xiàn)了天地融合和優(yōu)勢互補，成為未來低軌衛(wèi)星網(wǎng)絡的發(fā)展趨勢。

2 新興巨型星座網(wǎng)絡及特征

2.1 代表性巨型星座網(wǎng)絡計劃

自2015 年起，大批低軌巨型星座計劃被提出，包括Starlink、OneWeb 和Kuiper 等代表性計劃。

Starlink[4]由SpaceX 公司提出，初期計劃發(fā)射4 408 顆工作在540～570 km 高度的衛(wèi)星為全球用戶提供互聯(lián)網(wǎng)服務。受益于批量化衛(wèi)星制造、火箭重復利用、一箭多星發(fā)射等領(lǐng)先技術(shù)，Starlink 已成為新興低軌星座中的佼佼者，截至2021 年年底，Starlink 已部署超過1 900 顆衛(wèi)星，完成了550 km軌道層星座部署。下一步，Starlink 將部署其他軌道層星座并開始配備激光星間鏈路。后期Starlink 還計劃將總星座規(guī)模擴增至4.2 萬顆衛(wèi)星[12]。

OneWeb[10]計劃發(fā)射716 顆軌道高度為1 200 km的衛(wèi)星，構(gòu)成極軌道/傾斜軌道混合星座提供寬帶網(wǎng)絡接入服務。截至2021 年年底，OneWeb 已部署近400 顆衛(wèi)星，且未來計劃將星座擴充至6 372 顆衛(wèi)星，以提高中低緯度地區(qū)的覆蓋密度。

Kuiper[13]計劃由亞馬遜公司于2019 年提出，旨在提供低成本的消費級和企業(yè)級寬帶業(yè)務以及無線數(shù)據(jù)回程業(yè)務。星座包括工作在590～630 km 高度的3 236 顆傾斜軌道衛(wèi)星。系統(tǒng)將在全球部署大量地面站，可與亞馬遜網(wǎng)絡服務（AWS,Amazon Web service）系統(tǒng)和計算基礎設施聯(lián)合，構(gòu)建亞馬遜公司的全球云服務智能網(wǎng)絡系統(tǒng)。

2.2 新興巨型星座網(wǎng)絡特征

隨著技術(shù)進步和市場需求變革，相比于早期的低軌星座，新興低軌巨型星座網(wǎng)絡具有大規(guī)模、廣覆蓋、低時延、寬帶化、天地一體等特征，具體表現(xiàn)如下。

1) 低軌道混合星座設計。新興巨型星座普遍采用1200 km 以下的軌道高度，如Starlink 一期軌道高度為540～570 km，其后期還將采用335～346 km 的超低軌道，具有低時延和低部署成本的優(yōu)勢。巨型星座大多采用多個軌道高度或傾角不同的星座層形成混合星座，如“低軌道/超低軌道星座”或“極軌道/傾斜軌道星座”組合等。混合星座通過部署大量傾斜軌道衛(wèi)星覆蓋中低緯度地區(qū)，且利用極軌道衛(wèi)星補充高緯度覆蓋，提升覆蓋性能。

2) 星座規(guī)模迅速擴張。傳統(tǒng)的低軌星座系統(tǒng)一般包含數(shù)十顆衛(wèi)星，但新興的低軌星座網(wǎng)絡為滿足系統(tǒng)容量的需求，將衛(wèi)星數(shù)目擴增至上萬顆。龐大的星座規(guī)模提高了地面終端通信仰角，減小了地面反射和多徑衰落影響，也使系統(tǒng)具有更強的冗余性和抗毀性。

3) 通信寬帶化。為適應日益增長的寬帶業(yè)務需求，新興低軌星座網(wǎng)絡廣泛采用Ku、Ka 及以上頻段。星上采用高通信頻段、高增益天線、相控陣多波束、頻率協(xié)調(diào)與復用等技術(shù)大幅提高通信帶寬，使單星容量可達數(shù)十Gbit/s，全網(wǎng)容量可達Tbit/s量級[10]。寬帶業(yè)務對網(wǎng)絡服務質(zhì)量（QoS,quality of service）產(chǎn)生多樣化需求，包括時延、帶寬、丟包率等。

4) 通信載荷輕型化、軟件化、多樣化。高通信頻率和低軌道高度可實現(xiàn)地面終端天線小型化。星上載荷采用軟件定義體制，支持在軌功能重構(gòu)和自適應調(diào)整，迎合網(wǎng)絡智能化發(fā)展趨勢。此外，系統(tǒng)還可通過搭載不同頻段載荷，在寬帶通信業(yè)務之外拓展導航增強、高分對地觀測和天基物聯(lián)網(wǎng)等功能。

5) 星上處理與星間鏈路。新興巨型星座大多具有星上處理能力，可對接收的數(shù)據(jù)包進行解析、存儲和轉(zhuǎn)發(fā)，而不局限于透明轉(zhuǎn)發(fā)的工作模式。衛(wèi)星間可建立微波或激光鏈路，并且在運動過程中保持連接，實現(xiàn)數(shù)據(jù)包在衛(wèi)星間的轉(zhuǎn)發(fā)。星上處理和星間鏈路使系統(tǒng)可工作在天網(wǎng)地網(wǎng)架構(gòu)，增強了系統(tǒng)獨立性和靈活性。半導體技術(shù)的進步使衛(wèi)星具有更強的星上處理和存儲能力，而激光星間鏈路技術(shù)可大幅提升星間通信速率，適應寬帶業(yè)務需求。

6) 星地一體化融合設計。新興星座系統(tǒng)具有獨立運行的能力，但仍將星地一體化作為重點發(fā)展方向，把依托與支持地面網(wǎng)絡作為系統(tǒng)的設計基礎。設計系統(tǒng)架構(gòu)、協(xié)議、載荷時均考慮了與地面移動網(wǎng)絡、互聯(lián)網(wǎng)的兼容性和互操作性。

3 巨型星座組網(wǎng)關(guān)鍵技術(shù)難點與研究進展

低軌巨型星座系統(tǒng)具有諸多優(yōu)勢，如衛(wèi)星數(shù)目多，系統(tǒng)冗余量大；星座構(gòu)型和網(wǎng)絡拓撲具有規(guī)則性和可預測性；星上處理性能提升，自主決策能力強等。但巨型星座網(wǎng)絡的新特征，尤其是前所未有的星座規(guī)模，也給網(wǎng)絡設計帶來諸多挑戰(zhàn)，如拓撲動態(tài)性強、星地切換頻繁、路由傳輸負載不均衡性強、地面系統(tǒng)設計耦合因素多、網(wǎng)絡性能評估開銷大等。接下來，將從以下5個方面具體分析巨型星座組網(wǎng)關(guān)鍵技術(shù)的難點，并系統(tǒng)梳理其研究進展。

3.1 網(wǎng)絡拓撲動態(tài)性管理

低軌衛(wèi)星高速運動造成網(wǎng)絡拓撲始終處于動態(tài)變化中，拓撲動態(tài)性主要表現(xiàn)為鏈路斷開或重建切換現(xiàn)象。當鏈路信噪比、天線跟蹤指向等不滿足建鏈條件時，即發(fā)生鏈路中斷。星間拓撲動態(tài)性特點及管理難點如下：1) 同軌星間鏈路較穩(wěn)定，而異軌星間鏈路距離、指向均隨衛(wèi)星運動呈周期性變化；2) 異軌星間鏈路在靠近極區(qū)時因變化劇烈而中斷，又在飛出極區(qū)后重建；3) 極軌道星座存在運行方向相反的兩軌道面，形成“縫隙”，縫隙兩側(cè)一般不建鏈，并且縫隙隨地球自轉(zhuǎn)相對地面用戶而移動。巨型星座中激增的衛(wèi)星數(shù)目加劇了星間連接切換，增加了網(wǎng)絡拓撲動態(tài)性和管理開銷。

另一方面，由于衛(wèi)星運動具有周期性和可預測性，且星座拓撲具有規(guī)則性，因此可構(gòu)造虛擬的靜態(tài)網(wǎng)絡實現(xiàn)拓撲動態(tài)性管理。常用的拓撲動態(tài)性管理方法包括虛擬拓撲法和虛擬節(jié)點（VN,virtual node）法，表1 比較了二者的特點[14]和適用范圍。

表1 兩類拓撲動態(tài)性管理方法比較

3.1.1 虛擬拓撲法

虛擬拓撲法利用星座拓撲的可預測性將時間域離散劃分為若干時間片[t0,t1],[t1,t2],…,[tn-1,tn]，并認為拓撲僅在t0,t1,t2…時刻發(fā)生變化，而在時間片內(nèi)保持不變，如圖3 所示。每個時間片內(nèi)網(wǎng)絡拓撲均可看作靜態(tài)，因此可在時間片內(nèi)采用靜態(tài)網(wǎng)絡算法[15]。每個時間片內(nèi)的拓撲稱為虛擬拓撲，該概念與有限狀態(tài)自動機（FSA,finite state automation）[16]和快照[7]類似。

圖3 虛擬拓撲法示意

Wang 等[17]對低軌星座網(wǎng)絡拓撲動態(tài)性進行了系統(tǒng)性量化，針對Walker 星座分析了靜態(tài)拓撲的最大維持時間，從理論上推導了拓撲切換時間間隔、快照數(shù)目與星座參數(shù)的具體關(guān)系。Jia 等[15]利用虛擬拓撲法獲得若干離散的靜態(tài)拓撲，并在各拓撲內(nèi)采用深度優(yōu)先和Dijkstra 結(jié)合的算法生成路由。Liu等[18]將虛擬拓撲法與虛擬節(jié)點法相結(jié)合，利用虛擬拓撲法處理星座層間拓撲動態(tài)性，而采用虛擬節(jié)點法處理層內(nèi)拓撲動態(tài)性。

盡管虛擬拓撲法可用于多層混合星座，但由于增加衛(wèi)星數(shù)目將縮短拓撲維持時間和增加虛擬拓撲數(shù)目[17]，進而導致較大的拓撲管理和路由開銷，因此虛擬拓撲法一般用于衛(wèi)星數(shù)目較小或QoS 要求低的星座，而不適用于巨型星座寬帶衛(wèi)星網(wǎng)絡。此外，基于時空圖或接觸計劃[19]的拓撲動態(tài)性管理方法基本思想與虛擬拓撲法相似，也不適用于巨型星座。

3.1.2 虛擬節(jié)點法

虛擬節(jié)點法由Mauger 等[20]首次提出，后經(jīng)Ekici 等[21]發(fā)展推廣，廣泛用于屏蔽極軌道星座拓撲動態(tài)性。虛擬節(jié)點法將地理區(qū)域劃分為若干個小區(qū)，并稱為虛擬節(jié)點。各虛擬節(jié)點分配有邏輯地址，與其上空負責覆蓋的衛(wèi)星建立映射關(guān)系，與衛(wèi)星共享邏輯地址，如圖4 所示。當衛(wèi)星不再覆蓋該小區(qū)時，則虛擬節(jié)點映射至下一覆蓋衛(wèi)星，由下一衛(wèi)星繼承上一衛(wèi)星的邏輯地址和網(wǎng)絡狀態(tài)（包括路由表、信道分配等），從而通過虛擬節(jié)點與衛(wèi)星的動態(tài)映射構(gòu)建靜態(tài)的虛擬網(wǎng)絡。Mauger等[20]認為虛擬節(jié)點的映射切換可發(fā)生在當前衛(wèi)星與同軌道面衛(wèi)星內(nèi)或異軌道面衛(wèi)星間，此時需頻繁計算衛(wèi)星與地面區(qū)域的覆蓋關(guān)系，并且當虛擬節(jié)點在不同軌道面間切換時，將增加極軌道星座“縫隙”位置的不確定性[22]，此時虛擬網(wǎng)絡拓撲并非完全靜態(tài)。Ekici 等[21]限定虛擬節(jié)點切換時僅由同一軌道面內(nèi)的衛(wèi)星繼承，因而虛擬節(jié)點間的連接關(guān)系保持不變，可形成靜態(tài)的虛擬網(wǎng)絡。但該方法未考慮地球自轉(zhuǎn)的影響，映射建立較長時間后衛(wèi)星軌道面將大幅偏離原覆蓋的小區(qū)，而無法完成軌道面內(nèi)虛擬節(jié)點切換。在該方法下，衛(wèi)星天線需支持“地球固定”足印模式，使波束始終指向固定覆蓋區(qū)，因此對天線要求較高。

圖4 虛擬節(jié)點法示意

Korcak 等[23]對基于地理區(qū)域劃分的虛擬節(jié)點法進行了系統(tǒng)總結(jié)與比較，指出了虛擬節(jié)點法對“地球固定”和“衛(wèi)星固定”足印天線模式的需求以及虛擬節(jié)點切換同步性問題，并針對多顆衛(wèi)星對應同一虛擬節(jié)點問題提出了多狀態(tài)虛擬節(jié)點法。Lu 等[24]對基于衛(wèi)星足印的虛擬節(jié)點法給出了規(guī)范的數(shù)學模型，考慮了高緯度地區(qū)異軌星間鏈路中斷、衛(wèi)星失效帶來的拓撲變化和“衛(wèi)星固定”足印天線的路徑收縮和擴張問題。Chen 等[22]提出了基于天球區(qū)域劃分的虛擬節(jié)點（CSD-VN,celestial sphere division based virtual node）法來消除地球自轉(zhuǎn)的影響，給出了虛擬節(jié)點映射更新模型，解決了相鄰軌道衛(wèi)星相位差帶來的切換不同步問題，并將該方法應用于單層巨型星座中。CSD-VN法可將衛(wèi)星間拓撲動態(tài)性完全屏蔽，但無法解決星地之間的動態(tài)性，完成用戶間連接還需提前計算目標用戶的覆蓋衛(wèi)星[25]。而基于地理區(qū)域劃分的虛擬節(jié)點法可通過將用戶與虛擬節(jié)點綁定實現(xiàn)用戶移動性管理，根據(jù)用戶地理位置即可推知其覆蓋衛(wèi)星的虛擬地址。

3.2 星地鏈路切換策略

衛(wèi)星相對地球的高速運動導致星地鏈路面臨頻繁切換問題，而巨型星座由于采用低軌道高度和高通信仰角，進一步加快切換頻率。以550 km 高度的衛(wèi)星為例，當通信仰角門限為25°時，平均切換間隔僅為2～3 min。同時由于巨型星座主要面向?qū)拵I(yè)務，在頻繁的鏈路切換過程中還應保證高帶寬、低時延抖動等服務質(zhì)量。此外，巨型星座中衛(wèi)星密集分布，覆蓋域高度重疊，也增大了星地信道切換過程的頻率協(xié)調(diào)難度。但另一方面，衛(wèi)星/用戶信道感知和星上處理能力大幅提升，因此可設計基于機器學習的智能切換策略優(yōu)化切換性能，提高資源利用效率和鏈路服務質(zhì)量。

3.2.1 波束間切換

星地鏈路切換可分為同一衛(wèi)星波束間切換和不同衛(wèi)星波束間切換。波束間切換策略又可依據(jù)信道分配方式分為固定信道分配（FCA,fixed channel allocation）、動態(tài)信道分配（DCA,dynamic channel allocation）和自適應動態(tài)信道分配（ADCA,adaptive DCA）策略。FCA 策略根據(jù)頻率復用規(guī)則把信道分配給固定的地面小區(qū)[26]，只有在該小區(qū)內(nèi)有空閑信道時才可完成波束切換。FCA 策略雖然簡單，但靈活性差，易造成信道資源浪費。

DCA 策略把不同衛(wèi)星的信道分組并放入信道池中，可為任一連接請求分配滿足信道復用距離的信道，并把結(jié)束占用的信道收回信道池。DCA 策略的優(yōu)勢在于可以解決不同小區(qū)間流量變化和業(yè)務不均衡問題，相比于FCA 策略可提高資源利用率，并有效降低連接阻塞率和中斷率。ADCA 策略[27]在DCA 策略的基礎上引入了保護信道，通過連續(xù)監(jiān)測當前流量和用戶位置信息預測未來連接阻塞概率，動態(tài)調(diào)整最優(yōu)保護信道數(shù)量，實現(xiàn)保護信道占用量和切換質(zhì)量的最優(yōu)均衡。Liu 等[28]結(jié)合深度強化學習（DRL,deep reinforcement learning）與DCA 策略，提出了DRL-DCA 算法，把鏈路切換轉(zhuǎn)換為馬爾可夫決策過程，采用狀態(tài)重構(gòu)和深度卷積神經(jīng)網(wǎng)絡提取問題特征，最終得到?jīng)Q策矩陣。該方法可利用經(jīng)驗數(shù)據(jù)提高長周期切換性能并提升資源利用效率，但強化學習的模型訓練過程將產(chǎn)生大量計算開銷，復雜度較高。

3.2.2 衛(wèi)星間切換

當衛(wèi)星逐漸遠離用戶時，用戶需進行衛(wèi)星間切換。衛(wèi)星間切換也包含了波束切換過程，但需先確定用戶的下一服務衛(wèi)星，再在該衛(wèi)星的波束內(nèi)分配合適的信道[6]。表2 列舉并比較了多項衛(wèi)星間切換策略的主要特性。Gkizeli 等[29]提出了2 種衛(wèi)星切換策略：硬切換策略和混合信道自適應衛(wèi)星分集（H-CASD,hybrid channel adaptive satellite diversity）切換策略。硬切換策略中設置切換閾值，根據(jù)當前信號強度是否滿足切換閾值要求做出切換決策，可以減少切換信令開銷，并延遲切換時間和降低切換頻率。H-CASD 切換策略引入雙星覆蓋的軟切換機制，在一般情況下采用硬切換策略而在特殊信道條件下采用軟切換策略，可進一步降低切換阻塞概率。

現(xiàn)有的研究主要采用三項指標作為切換準則[6]：剩余連接時間、仰角與可用信道數(shù)。剩余連接時間影響衛(wèi)星切換頻次，仰角影響通信距離和通信質(zhì)量，可用信道數(shù)影響網(wǎng)絡負載。GSH（graph-based satellite handover）策略[30]根據(jù)衛(wèi)星對用戶的覆蓋時間關(guān)系將衛(wèi)星間切換過程建模為有向圖尋路模型。該模型可通過給有向圖的邊賦予不同權(quán)重支持不同的切換準則，具有較高的通用性和靈活性。

巨型星座增加了切換頻率及復雜性，但也帶來了新的機遇。密集的衛(wèi)星分布和星上存儲、計算資源的提升給衛(wèi)星切換過程提供了更多冗余資源。Li等[31]面向巨型星座網(wǎng)絡提出了用戶中心切換策略（UCHS,user-centric handover scheme），根據(jù)衛(wèi)星運動軌跡和實測信道狀態(tài)更新用戶的備選衛(wèi)星，利用巨型星座多星覆蓋的優(yōu)勢，在多個備選衛(wèi)星上同時緩存用戶下行數(shù)據(jù)。Starlink 仿真結(jié)果表明，UCHS可減少切換耗時并實現(xiàn)無縫切換。考慮到巨型星座中切換頻繁帶來的信令開銷，多智能體強化學習（MARL,multi-agent reinforcement learning）切換策略[32]利用用戶獲取的局部網(wǎng)絡信息訓練強化學習模型，采用Q學習算法確定切換決策，可均衡衛(wèi)星間負載和減少信令開銷。

3.3 路由算法設計

巨型星座中密布的衛(wèi)星導致星間傳輸跳數(shù)大幅增加，也提高了路由傳輸復雜度。星間轉(zhuǎn)發(fā)次數(shù)的增加在一定程度上降低了路由傳輸?shù)目煽啃裕虼寺酚伤惴☉紤]節(jié)點/鏈路失效問題。當節(jié)點規(guī)模龐大時，網(wǎng)絡信令開銷將占用大量網(wǎng)絡資源[33]，而網(wǎng)絡拓撲的頻繁切換會導致星上存儲和維護的路由表規(guī)模激增[34]。而巨型星座網(wǎng)絡中寬帶業(yè)務量較大且分布不均衡，使路由傳輸還面臨著負載不均衡和網(wǎng)絡擁塞的難題。另一方面，巨型星座中衛(wèi)星數(shù)目擴增也增大了路由的選擇空間，使兩點間具有多條可達路徑，有利于提高路由冗余性和靈活性。而星上處理能力的提升增強了衛(wèi)星自主決策能力，使星上運行復雜路由計算及智能路由成為可能。

表2 衛(wèi)星間切換策略比較

3.3.1 基本路由算法類型

表3 列舉了低軌衛(wèi)星網(wǎng)絡基本路由類型及特征。面向連接型路由主要針對早期異步傳輸網(wǎng)絡和語音業(yè)務提出[20]。在端到端的傳輸路徑建立后，同一數(shù)據(jù)流中的數(shù)據(jù)均遵循相同的預設路徑傳輸，且全網(wǎng)預留出相應的資源保障數(shù)據(jù)流傳輸。而面向無連接型路由則省去了提前建立連接的過程，中繼節(jié)點不需要獲取連接狀態(tài)信息，就可為每個數(shù)據(jù)包獨立計算路由。面向連接型路由一般集中式生成，需提前獲取全局網(wǎng)絡狀態(tài)信息，易產(chǎn)生預留資源浪費，但具有QoS 性能優(yōu)勢[20]。面向無連接型路由則采用分布式算法[35]，可根據(jù)局部網(wǎng)絡信息為數(shù)據(jù)包獨立生成路由，具有強穩(wěn)健性和靈活性，但對星上處理能力有一定要求。巨型星座網(wǎng)絡主要提供寬帶數(shù)據(jù)業(yè)務，并且節(jié)點規(guī)模大、網(wǎng)絡復雜性高，難以承擔集中式算法的信令開銷，因此宜采用面向無連接型分布式路由算法。

DRA（datagram routing algorithm）是Ekici 等[21]針對極軌道星座提出的經(jīng)典無連接型分布式路由算法，其算法思想為根據(jù)星座拓撲規(guī)則性得到二維Mesh 狀網(wǎng)絡拓撲，并給各節(jié)點分配邏輯地址，再根據(jù)各節(jié)點距離目的地的相對距離逐跳生成最優(yōu)轉(zhuǎn)發(fā)路徑。類似算法[36-37]之間的主要區(qū)別在于當數(shù)據(jù)包到達中繼節(jié)點且有多個備選轉(zhuǎn)發(fā)方向時，如何根據(jù)不同機制確定最優(yōu)的唯一轉(zhuǎn)發(fā)方向。此類路由算法大大降低了對計算和存儲資源的占用，并且結(jié)合附加機制后可應對節(jié)點失效和鏈路擁塞問題，但路由決策僅依賴局部網(wǎng)絡狀態(tài)信息，無法保證全局最優(yōu)性。

虛擬節(jié)點法在分布式路由算法中得到了廣泛應用[21,37-38]，其通過對衛(wèi)星邏輯地址進行動態(tài)映射而建立虛擬的靜態(tài)網(wǎng)絡拓撲，在此基礎上各節(jié)點可獨立計算下一跳路由。而基于虛擬拓撲的路由算法[16,39]在星座規(guī)模較大時將產(chǎn)生大量的存儲和計算開銷，不適用于巨型星座網(wǎng)絡。

3.3.2 負載均衡路由算法

網(wǎng)絡負載不均衡性和擁塞現(xiàn)象在寬帶業(yè)務為主的巨型星座網(wǎng)絡中更加突出，目前已有多種針對負載均衡和擁塞避免的路由算法被提出。DRA[21]包含了簡單的擁塞避免機制，可通過切換備選轉(zhuǎn)發(fā)方向避開擁塞鏈路。ELB（explicit load balancing）算法[40]主動檢測鏈路擁塞情況，隨后通知鄰居節(jié)點使其降低傳輸速率并選擇備選路徑對流量進行分流。該算法可快速應對擁塞現(xiàn)象，但無法預測擁塞的發(fā)生。而PAR（prioritybased adaptive routing）[41]可根據(jù)鏈路排隊情況預測擁塞狀態(tài)，結(jié)合數(shù)據(jù)包傳輸率和丟包率的歷史信息以及當前鏈路排隊/緩存情況調(diào)整下一跳方向，從而根據(jù)網(wǎng)絡擁塞狀態(tài)生成不同的最小跳數(shù)路徑，主動減少擁塞現(xiàn)象。

3.3.3 巨型星座網(wǎng)絡路由算法

巨型星座要求算法復雜度低、穩(wěn)健性強、靈活性強、效率高、可擴展性強。Qi 等[45]面向傾斜軌道巨型星座提出一種可擴展的分布式生存路由算法，采用有限泛洪和預先繞路機制應對鏈路失效，并且具有避免環(huán)路性能。基于Starlink 的仿真結(jié)果表明，算法可有效地均衡時延和信令開銷。Chen 等[37]等面向具有多信關(guān)站的巨型星座星地一體化網(wǎng)絡提出一種分布式擁塞避免路由算法，首先按最小跳數(shù)準則為各衛(wèi)星選擇網(wǎng)關(guān)衛(wèi)星作為目的節(jié)點，再以剩余跳數(shù)最少為原則確定最優(yōu)轉(zhuǎn)發(fā)方向，實現(xiàn)剩余路徑選擇空間最大化，可以簡便且先驗地避免擁塞。Li 等[46]為特定的F-Rosette 巨型星座網(wǎng)絡設計了一種分布式路由算法，利用星座構(gòu)型的特殊規(guī)則性對地理區(qū)域劃分并對衛(wèi)星節(jié)點編址，從而解決了用戶移動性管理問題。算法可根據(jù)目標用戶邏輯地址直接推算下一跳轉(zhuǎn)發(fā)方向，生成最小跳數(shù)路由，但該方法僅適用于所述的特定星座類型。

表3 低軌衛(wèi)星網(wǎng)絡基本路由類型及特征

3.3.4 智能路由算法

人工智能的蓬勃發(fā)展推動了機器學習在衛(wèi)星網(wǎng)絡路由中的應用。機器學習可通過預測網(wǎng)絡流量變化輔助路由決策[47]，也可通過學習網(wǎng)絡狀態(tài)直接做出路由決策[33]。Liu 等[33]提出了DRL-ER 算法，把路由決策過程建模為馬爾可夫過程，采用深度強化學習方法學習網(wǎng)絡拓撲動態(tài)性及路由轉(zhuǎn)發(fā)規(guī)則并得到路由模型參數(shù)，使各節(jié)點根據(jù)網(wǎng)絡狀態(tài)和路由模型做出路由決策。DRL-ER 的強化學習反饋中包含網(wǎng)絡負載和衛(wèi)星能量不均衡性因素，使算法具有較優(yōu)的負載和能量均衡性，同時避免了實時狀態(tài)信息交互的開銷。Wu 等[42]面向軟件定義衛(wèi)星網(wǎng)絡（SDSN,software defined satellite network）提出了結(jié)合分布式與集中式的路由算法，其中開銷均衡策略采用分布式思想為各節(jié)點快速確定下一跳節(jié)點，控制器協(xié)作策略基于支持向量機利用有限信息實現(xiàn)狀態(tài)同步，智能路由利用軟件定義網(wǎng)絡（SDN,software defined network）集中式的優(yōu)勢保證QoS性能。人工智能為衛(wèi)星網(wǎng)絡路由算法提供了新思路，但其具體結(jié)合方式、適用性和可實現(xiàn)性還需深入研究。

3.4 地面信關(guān)站布局優(yōu)化設計

在星地一體化網(wǎng)絡中，信關(guān)站起到連接空間網(wǎng)絡與地面網(wǎng)絡的網(wǎng)關(guān)作用[48]。相比于傳統(tǒng)星座，巨型星座中單星服務范圍縮小，需要遍布全球的大量信關(guān)站連接衛(wèi)星入網(wǎng)[5,49]。巨型星座中星間多跳轉(zhuǎn)發(fā)將占用大量星間鏈路資源，而增加信關(guān)站或優(yōu)化信關(guān)站布局可減少星間轉(zhuǎn)發(fā)跳數(shù)[8]。考慮到建設成本，當信關(guān)站數(shù)目受限時可通過優(yōu)化信關(guān)站布局以提升網(wǎng)絡性能。寬帶衛(wèi)星網(wǎng)絡與地面互聯(lián)網(wǎng)深度融合，還應考慮信關(guān)站與地面互聯(lián)網(wǎng)骨干節(jié)點保持良好連接[50]。此外，信關(guān)站布局與多種因素共同影響衛(wèi)星網(wǎng)絡性能，如星座參數(shù)、路由算法、系統(tǒng)工作模式、用戶業(yè)務模型等因素[3]。由于巨型星座網(wǎng)絡中以上因素均與傳統(tǒng)星座有所不同，因此在優(yōu)化信關(guān)站布局時應綜合考慮多因素影響。

3.4.1 稀疏星座信關(guān)站布局優(yōu)化

一些研究關(guān)注光學饋電鏈路條件下的地面站選址設計。Lyras 等[51]通過分析月累積云層參數(shù)變化提出了光學鏈路地面站優(yōu)化模型及求解算法。Fuchs 等[52]考慮單站與多站備份，在饋電鏈路可用性約束下，通過對地面站布局進行優(yōu)化以實現(xiàn)最小化地面站部署成本。此外，Yang 等[48]和Liu 等[53]研究了SDN 體制下星地一體化網(wǎng)絡中的控制器/信關(guān)站聯(lián)合布局問題，旨在尋找最優(yōu)控制器/信關(guān)站布局實現(xiàn)網(wǎng)絡時延最小化和網(wǎng)絡可靠性最大化。

以上信關(guān)站布局優(yōu)化問題大多面向高軌衛(wèi)星，而近年來低軌衛(wèi)星網(wǎng)絡場景（如圖5 所示）引發(fā)了更多研究，相關(guān)研究匯總在表4 中。Zhou等[54]研究了天地融合物聯(lián)網(wǎng)場景中信關(guān)站布局問題，考慮氣象條件對饋電鏈路容量的影響和地面業(yè)務密度分布，得到中國境內(nèi)的最優(yōu)信關(guān)站布局。Zhu 等[55]研究了區(qū)域性地面站布局優(yōu)化問題，以最小化星間鏈路使用和最大化信關(guān)站鏈路容量為優(yōu)化目標。該仿真場景采用了一個包含72顆衛(wèi)星的星座，但信關(guān)站數(shù)目小于5 且僅限在中國境內(nèi)，優(yōu)化結(jié)果顯示信關(guān)站均位于中國國界邊緣區(qū)域。

圖5 低軌星座網(wǎng)絡信關(guān)站布局場景

3.4.2 巨型星座網(wǎng)絡信關(guān)站布局優(yōu)化

相比于傳統(tǒng)低軌星座網(wǎng)絡，巨型星座系統(tǒng)中需要數(shù)目更多且分布更廣的信關(guān)站，且信關(guān)站布局對系統(tǒng)性能影響更加顯著。Vasavada 等[60]針對具有星間鏈路的低軌巨型星座網(wǎng)絡給出了系統(tǒng)總?cè)萘吭u價模型，并以最小化星間鏈路容量占用為目標給出了信關(guān)站布局設計。其結(jié)果表明，巨型星座中星間傳輸所需跳數(shù)相比傳統(tǒng)星座大幅增加，并且該跳數(shù)受信關(guān)站布局的直接影響。不足之處是僅給出了經(jīng)驗性的信關(guān)站布局，并未對布局進行優(yōu)化設計。Kopacz 等[56]以增強低軌巨型星座網(wǎng)絡中衛(wèi)星連接性為目標給出了簡單的地面站布局設計算例，并給出了不同候選地址集下的最優(yōu)信關(guān)站布局。Portillo等[58]在限定信關(guān)站數(shù)目條件下提出了一種巨型星座網(wǎng)絡信關(guān)站布局優(yōu)化方法來最大化系統(tǒng)容量，主要考慮不同地理位置的星地鏈路大氣衰減差異。作者在其經(jīng)典論文[59]中采用相同的方法求解信關(guān)站布局，并分析了代表性巨型星座（即OneWeb、Starlink 和Telesat）中系統(tǒng)總?cè)萘颗c信關(guān)站數(shù)目的關(guān)系。

Liu 等[57]研究了OneWeb 星座無星間鏈路場景下信關(guān)站布局問題，采用貪心算法思想，在每次迭代過程中選擇邊際收益最大化的信關(guān)站，其中收益主要由系統(tǒng)容量等網(wǎng)絡性能衡量。劉立祥等[61]指出了信關(guān)站部署位置及布局對系統(tǒng)吞吐量和時延的重要影響，并給出了全球范圍內(nèi)部署7 個信關(guān)站的用戶時延空間分布，發(fā)現(xiàn)靠近信關(guān)站的用戶具有明顯較低的時延。Guo 等[50]認為信關(guān)站應部署在地面互聯(lián)網(wǎng)交換關(guān)鍵節(jié)點附近以減少數(shù)據(jù)傳輸費用，采用流量估計重力模型預估各信關(guān)站負載情況，并以負載均衡性為目標求解得到OneWeb 和Telesat 網(wǎng)絡中最優(yōu)信關(guān)站布局。Chen 等[3]以網(wǎng)絡平均時延、衛(wèi)星負載和信關(guān)站負載均衡性構(gòu)造了綜合性能評價指標作為目標函數(shù)，求解了Starlink 場景下最優(yōu)信關(guān)站布局，并分析了信關(guān)站數(shù)目、天線數(shù)目、接入策略等因素對信關(guān)站布局的影響，結(jié)果表明信關(guān)站傾向于分布在用戶業(yè)務密集、大陸邊緣或大洋中心海島等區(qū)域。

3.4.3 信關(guān)站布局優(yōu)化求解方法

信關(guān)站布局問題一般被建模為組合優(yōu)化模型，且模型中目標函數(shù)求解過程高度非線性化，因此相關(guān)研究多采用啟發(fā)式算法求解（如表4 所示）。Portillo 等[58-59]采用遺傳算法（GA,genetic algorithm）求解信關(guān)站布局優(yōu)化問題，并利用地理區(qū)域分塊來加速優(yōu)化求解過程。Chen 等[3]將地理區(qū)域劃分為若干網(wǎng)格，通過求解旅行商問題得到最優(yōu)網(wǎng)格編碼序列，再以候選信關(guān)站網(wǎng)格編號作為優(yōu)化變量，建立整數(shù)優(yōu)化模型，也采用遺傳算法構(gòu)造求解方法。Lyras 等[51]采用了3 種優(yōu)化算法來求解滿足氣象條件下的最少光學鏈路信關(guān)站數(shù)目問題。Liu等[53]分析了信關(guān)站/控制器聯(lián)合優(yōu)化問題的計算復雜度，采用模擬退火和聚類融合算法求解該問題。Guo 等[50]采用改進的離散粒子群算法求解該組合優(yōu)化問題，并通過大量仿真實驗評估算法中各參數(shù)對求解性能的影響。以上研究表明了啟發(fā)式算法在信關(guān)站布局優(yōu)化問題中的適用性。

3.5 網(wǎng)絡仿真與性能評估

在針對以上巨型星座網(wǎng)絡組網(wǎng)相關(guān)技術(shù)的研究中，一般采用計算機仿真方法對算法進行驗證與分析[62]。巨型星座由于其網(wǎng)絡規(guī)模龐大、節(jié)點動態(tài)多變、異構(gòu)節(jié)點繁多以及天地一體化耦合性強的特點，對網(wǎng)絡仿真和性能評估技術(shù)要求更加苛刻。衛(wèi)星網(wǎng)絡仿真平臺需集成衛(wèi)星動力學仿真、網(wǎng)絡仿真內(nèi)核以及場景可視化等多個耦合模塊，如圖6 所示。

圖6 衛(wèi)星網(wǎng)絡仿真系統(tǒng)架構(gòu)

表4 低軌星座網(wǎng)絡信關(guān)站布局相關(guān)研究

3.5.1 衛(wèi)星網(wǎng)絡仿真工具

目前，常用的網(wǎng)絡仿真軟件包括OPNET、QualNet/EXata、NS2/NS3、OMNeT++、Mininet 等，而衛(wèi)星動力學和可視化模塊常采用STK（system tool kit）軟件實現(xiàn)。

Cheng 等[63]總結(jié)了各類仿真工具的特征及適用場景。OPNET 和QualNet/EXata 是應用最廣泛的商業(yè)網(wǎng)絡仿真軟件，可面向多種網(wǎng)絡場景進行通用網(wǎng)絡仿真，擁有完善的協(xié)議庫和圖形界面，其中QualNet/EXata 仿真速度較快，可采用并行仿真模式，并且支持網(wǎng)絡半實物仿真。NS2 和NS3 是面向?qū)ο蟮碾x散時間仿真器，也是學術(shù)界應用最廣泛的網(wǎng)絡仿真工具。二者的最大區(qū)別在于NS3 的核心代碼和功能模塊完全基于C++開發(fā)，并且提供了Python 拓展接口，更便于用戶開發(fā)，但目前其協(xié)議庫的完整性仍弱于NS2。NS2 已停止更新，而NS3作為 NS2 的升級還在不斷更新與拓展功能。OMNeT++是一個開源的多協(xié)議離散事件仿真軟件，采用嵌套層次結(jié)構(gòu)，其基本組件是包含各類協(xié)議的模塊，可通過各模塊的組合嵌套拓展不同場景的網(wǎng)絡仿真應用。Mininet 是一種支持SDN 的虛擬網(wǎng)絡仿真平臺，可利用Linux 內(nèi)核提供的輕量級虛擬機制來創(chuàng)建網(wǎng)絡模型并模擬節(jié)點之間的數(shù)據(jù)交互，具有良好的可擴展性和可移植性。

3.5.2 巨型星座網(wǎng)絡仿真平臺

針對巨型星座節(jié)點規(guī)模大、網(wǎng)絡仿真復雜度高的特點，一些學者設計了低成本、高可擴展性的仿真平臺。楊增印等[62]采用運行真實互聯(lián)網(wǎng)協(xié)議的虛擬網(wǎng)絡設備搭建了天地一體化網(wǎng)絡域間協(xié)議仿真平臺。仿真中先基于STK 和MATLAB 獲取動態(tài)拓撲特征（包括鏈路距離、衰減、連接情況等），再將拓撲特征映射至虛擬網(wǎng)絡中，通過改變虛擬網(wǎng)絡設備的連接狀態(tài)來模擬動態(tài)拓撲變化。為避免離散事件仿真器降低協(xié)議驗證效率及仿真開銷隨網(wǎng)絡規(guī)模劇增問題，采用Mininet 和Quagga 模擬虛擬網(wǎng)絡和虛擬路由器，搭建空間網(wǎng)絡模擬平臺。平臺可支持現(xiàn)有域間協(xié)議及其所依賴的網(wǎng)絡層和傳輸層協(xié)議，具有較強的可擴展性和移植性。為分析巨型星座網(wǎng)絡特性，Lai 等[64]采用類似的架構(gòu)搭建了StarPerf 平臺。StarPerf 將網(wǎng)絡拓撲信息、網(wǎng)絡協(xié)議規(guī)則和流量模型作為輸入信息，運行網(wǎng)絡仿真內(nèi)核獲得網(wǎng)絡性能。

Handley[65]基于C#和Unity 3D 開發(fā)了巨型星座網(wǎng)絡可視化仿真平臺，直觀地展示了Starlink 星座中星間傳輸路徑選擇和切換場景。Kassing 等[12]集成NS3、Python 和Cesium 等工具建立了Hypatia仿真平臺，其中Pyephem 工具包計算各衛(wèi)星星歷，NetworkX 工具包在每個時隙內(nèi)根據(jù)網(wǎng)絡拓撲為節(jié)點間的數(shù)據(jù)傳輸生成路由，NS3 用于仿真數(shù)據(jù)包轉(zhuǎn)發(fā)過程，最后Cesium 實現(xiàn)三維場景可視化。作者基于Hypatia 分析了Starlink、Kuiper、Telesat 等巨型星座的端到端時延特性，并且考慮了傳輸層擁塞問題。Bhattacherjee 等[13]基于Hypatia 平臺分析了巨型星座星間鏈路拓撲特性以及跳數(shù)對網(wǎng)絡性能的影響。表5 總結(jié)了各仿真平臺的構(gòu)成及特點。

考慮到網(wǎng)絡仿真平臺在巨型星座場景下的巨大仿真開銷，也有諸多學者采用較簡單的分析方法對巨型星座網(wǎng)絡進行性能評估與分析。Portillo 等[59]采用最大流的方法評估并比較了3 個代表性巨型星座Starlink、OneWeb 和Telesat 的網(wǎng)絡性能，引發(fā)了廣泛關(guān)注。Lee 等[44]采用動力學理論模型分析了巨型星座中相鄰衛(wèi)星間的可見性，以及星座規(guī)模、星座參數(shù)對星間鏈路連接性的影響。

4 巨型星座網(wǎng)絡技術(shù)研究展望

4.1 人工智能廣泛應用

衛(wèi)星網(wǎng)絡中的決策、設計問題一般都可建模為優(yōu)化問題。巨型星座中此類問題的規(guī)模和復雜度均顯著提升，可以采用人工智能中的相關(guān)算法如神經(jīng)網(wǎng)絡、強化學習等方法求解。神經(jīng)網(wǎng)絡方法可用于網(wǎng)絡流量特征提取和流量預測，從而預測網(wǎng)絡狀態(tài)，輔助路由決策。強化學習可以根據(jù)鏈路狀態(tài)信息訓練決策模型，用于衛(wèi)星切換問題。對于網(wǎng)絡設計中的大規(guī)模優(yōu)化問題，也可以轉(zhuǎn)換為強化學習模型進行求解。隨著星上處理能力的提升，人工智能將推動衛(wèi)星網(wǎng)絡向自主化、智能化方向發(fā)展。

表5 典型衛(wèi)星網(wǎng)絡仿真平臺

4.2 軟件定義網(wǎng)絡技術(shù)

軟件定義網(wǎng)絡技術(shù)可將衛(wèi)星網(wǎng)絡中的數(shù)據(jù)平面與控制平面分離，使網(wǎng)絡的控制管理功能集中在控制器節(jié)點，而大多數(shù)衛(wèi)星節(jié)點只需承擔數(shù)據(jù)轉(zhuǎn)發(fā)任務。考慮到巨型星座網(wǎng)絡部署時間長、硬件在軌維護難度大等問題，SDSN 可通過軟件重配置對衛(wèi)星進行功能升級或重構(gòu)，增強了衛(wèi)星網(wǎng)絡中設備的互操作性，并且有利于實現(xiàn)靈活的路由策略、星地網(wǎng)絡協(xié)議融合和同步更新。

SDSN 面臨的難題在于其集中式的管理體制需要在網(wǎng)絡中生成中心控制節(jié)點，并且各節(jié)點和控制中心間需要頻繁交互網(wǎng)絡狀態(tài)信息，產(chǎn)生較大的信令開銷，而這一開銷在巨型星座中尤其嚴重。因此可采用集中式與分布式結(jié)合的網(wǎng)絡架構(gòu)，在減少信令開銷的同時，實現(xiàn)局部子網(wǎng)絡的最優(yōu)配置；還可通過優(yōu)化控制器在地面段、單層星座、混合星座中的部署位置提高網(wǎng)絡管理效率，減少信令開銷。

4.3 天地一體融合設計

6G 的愿景提出要實現(xiàn)全域覆蓋的應用場景，將建設空天地海一體化網(wǎng)絡，而低軌巨型星座將是其中關(guān)鍵的組成部分。未來巨型星座網(wǎng)絡將與地面網(wǎng)絡進一步深度融合，在網(wǎng)絡架構(gòu)設計，星間、星地、地面?zhèn)鬏旀溌愤x擇，星地切換，天地協(xié)同信息處理，星地網(wǎng)絡協(xié)議互聯(lián)互通等方面開辟新的研究方向。由于天地一體化場景包含多種異構(gòu)網(wǎng)絡場景，因此網(wǎng)絡仿真系統(tǒng)將更加復雜，需包含多種網(wǎng)絡節(jié)點并支持相應的網(wǎng)絡協(xié)議，具有更高的兼容性和可擴展性要求。

5 結(jié)束語

本文對未來低軌巨型星座網(wǎng)絡及其組網(wǎng)相關(guān)技術(shù)進行了系統(tǒng)梳理和文獻調(diào)研。新興巨型星座對衛(wèi)星網(wǎng)絡帶來的挑戰(zhàn)體現(xiàn)在星座規(guī)模大幅擴增加劇了星間拓撲動態(tài)性，提高了星地鏈路切換頻率，增加了星間轉(zhuǎn)發(fā)跳數(shù)和路由傳輸復雜度，增大了網(wǎng)絡仿真開銷和性能評估難度；寬帶用戶業(yè)務加重了星間鏈路負擔和網(wǎng)絡流量分布不均衡性；星地一體化模式加大了對地面網(wǎng)絡設施和資源的依賴性，提高了網(wǎng)絡系統(tǒng)耦合性和地面系統(tǒng)設計難度。

本文工作可為未來巨型星座網(wǎng)絡設計提供參考。巨型星座網(wǎng)絡應主要采用分布式算法以降低算法開銷和提高可擴展性，采用動態(tài)自適應算法應對網(wǎng)絡的高動態(tài)變化，提升靈活性和穩(wěn)健性。此外，未來相關(guān)算法可充分利用巨型星座的冗余節(jié)點資源提高服務質(zhì)量，利用機器學習方法和星上計算性能的升級提高星上自主智能化決策能力，減少對地面設施的依賴，提高衛(wèi)星網(wǎng)絡軟件化、智能化水平。