天基邊緣計算系統設計及關鍵技術

張飛，陳小前，曹璐，覃江毅，湯敏，郭鵬宇，冉德超

天基邊緣計算系統設計及關鍵技術

張飛，陳小前，曹璐，覃江毅，湯敏，郭鵬宇，冉德超

（軍事科學院 國防科技創新研究院，北京 100071）

衛星具有覆蓋范圍廣、抗災害性強等特點，隨著衛星研制與發射成本的不斷降低，推動衛星與地面移動通信網絡、物聯網（IoT）、云計算中心深度融合，構建天地一體化網絡和應用架構，已成為航天發展的重要方向。隨著地面多用戶、大數據量的接入，亟須開展衛星在軌數據處理技術相關研究，提升衛星的在軌服務能力和質量。本文提出了對衛星計算資源進行整合，構建天基邊緣計算系統，并提出了天基邊緣計算的3種資源管理策略和4種平臺部署協同模式。此外，對天基邊緣計算的優勢和還需解決的關鍵技術進行了分析，并搭建了天基邊緣計算原型系統，對不同計算卸載策略性能進行了分析。

天基邊緣計算；云-邊-端架構；計算卸載；云計算；邊緣協同

0　引言

目前，全球地面移動通信服務只能覆蓋約20%的陸地面積和6%的地球表面積［1］。衛星具有全球覆蓋、部署靈活、無國界、抗自然災害能力強等優點，是地面基礎設施的重要支撐和補充。將5G通信網與天基通信網絡融合，已成為6G通信技術發展的必然趨勢［2］。在天地一體化網絡的基礎架構下，越來越多的地面應用將向衛星延伸，這是航天發展的機遇也是挑戰。例如，在物聯網場景下，對戈壁、沙漠、海洋、極地等地面基礎設施很難覆蓋的區域，衛星幾乎成了最有效的收集地面傳感器數據的手段。但隨著物聯網（Internet of Things，IoT）技術的發展，衛星必然面臨多用戶接入、海量數據接收、快速處理轉發等一系列挑戰。

為應對上述挑戰，必須提升衛星的在軌數據處理能力。當前，衛星對獲取的數據主要有2種處理方式：

1）地面處理，如圖1（a）所示。衛星獲得數據后將數據轉發至地面數據處理中心進行處理。如果處理后的數據還需分發給無地面通信網絡覆蓋的用戶時，還需再次通過衛星轉發給用戶。這種數據處理方式首先會導致巨大的網絡帶寬開銷，尤其是對異常寶貴的星地帶寬資源，同時由于衛星消耗大量的能源用于數據傳輸，也會對衛星其他業務造成影響。其次，這種方式會導致數據多次轉發，極大地增加了對用戶的響應時延。如圖1（a）中，單次數據采集需要5次轉發才能達到用戶。如果衛星是在非地球同步軌道上且數據傳輸量較大時，時延中還需加入衛星重訪周期和地面站可見性帶來的時延。因此，這種數據處理方式很難滿足未來天地一體化網絡的發展需求。

2）在軌處理，如圖1（b）所示。衛星獲得數據后直接在軌進行處理后分發給用戶。這種方式極大地降低對網絡帶寬資源的消耗，增加對用戶的響應時延。但隨著航天技術的發展，這種數據處理方式也面臨著諸多挑戰。受太空環境、衛星能源等多方面因素的限制，衛星數據處理單元的硬件性能很難達到地面數據處理中心的水平。這就需要從體系架構、軟件、算法等方面入手，充分提升硬件資源的利用率，從而提升衛星在軌數據處理能力。此外，隨著衛星研制和發射成本的不斷降低，為提升衛星的時間和空間覆蓋率，衛星多以星座形式進行部署，如“星鏈”計劃、美太空七層架構、鴻雁星座、虹云星座等。傳統的在軌數據處理方式很難實現多星協同和硬件資源共享。

邊緣計算技術將計算資源前移到靠近數據地方，從而降低數據處理時延。同時，利用虛擬化技術對硬件資源進行抽象，非常有利于多平臺間的資源共享。將邊緣計算技術應用于衛星在軌數據處理，對促進衛星向星座化、網絡化、智能化方向發展具有重要意義。在前期相關研究工作［3］的基礎上，對天基邊緣計算的系統組成進行了研究，將天基邊緣計算平臺分為資源層、虛擬化層、平臺層、插件層、應用層等，并與前端設備、地面云計算中心構成了云-邊-端的計算架構。在此基礎上，針對天基邊緣計算平臺系統管理需求，設計了集中式、逐級式、分布式3種管理策略。在邊緣計算平臺部署方面，提出了單邊緣計算、邊緣協同、邊云協同、全協同 4種部署和協同模式。同時，對天基邊緣計算的研究現狀、優勢、關鍵技術等方面進行了詳細分析。

1　研究現狀

隨著衛星數量的不斷增多和衛星應用領域的不斷拓展，提升衛星在軌數據處理能力已成為當前學術界和工業界研究的重要方向。在體系架構設計方面，YAN等［4］提出了一種5G衛星邊緣計算框架，以降低5G網絡的延遲和覆蓋范圍。天基邊緣計算平臺中的計算資源主要包括中央處理器（Central Processing Unit， CPU）、圖形處理器（Graphics Processing Unit， GPU）和現場可編程邏輯門陣列（Field Programmable Gate Array， FPGA）。軟件框架分為系統服務、基礎服務、用戶服務3層。WEI等［5］提出了一種衛星物聯網邊緣智能計算架構，該架構由衛星云計算節點、衛星邊緣計算節點和地面數據中心組成。衛星云計算節點部署在計算和存儲能力較強的衛星中，作為衛星邊緣計算節點的匯聚點。在前期工作中［3］，基于低軌衛星星座提出了天基邊緣計算體系架構，面向天基邊緣智能對計算卸載過程進行了建模，提出了在軌聯邦學習訓練方法。唐琴琴等［6］提出了基于邊緣計算的星地協同網絡體系架構，將架構分為資源層、網絡層、平臺層、應用層，同時提出天基邊緣計算平臺可以與地面邊緣計算平臺進行資源共享。歐盟SaT5G項目［2］于2019年演示了利用5G多鏈路衛星和地面網絡進行基于移動邊緣計算的無線分層視頻流傳輸，利用移動邊緣計算平臺實現內容分發網絡（Content Delivery Network， CDN）與高效邊緣內容分發的整合。DENBY等［7］提出在微納遙感衛星星座上部署邊緣計算平臺，并將邊緣計算平臺組織成計算流水線并行進行數據采集和數據處理。

在提升在軌數據處理能力方面，安建峰等［8］基于星載異構計算多核平臺提出能源優化的實時任務調度算法。算法包含負載分配和任務調度，采用時間片劃分的思想對任務進行調度。WANG等［9］采用博弈論對天基邊緣計算中計算卸載過程進行建模，從而選擇最佳的卸載策略同時獲得較優的計算響應時間和能源消耗。KIM等［10］對天基邊緣計算進行了建模，并對不同軌道、不同卸載速率下天基邊緣計算的傳播延遲和上/下行排隊延遲進行了分析。WANG等［11］結合軟件定義網絡（Software Defined Network，SDN）技術為低軌衛星星間鏈路提出了一種3層網絡架構，并提出了高級-means算法和廣度優先的搜索算法來解決衛星間資源拆分和調度問題。ZHANG等［12］也提出了天基邊緣計算的概念，并為網絡資源虛擬化、合作式計算卸載、任務調度等設計了相應的解決方案。盧華等［13］對天基邊緣計算下服務部署機制進行了研究，將該問題描述為馬爾科夫決策過程，并提出了基于強化學習的深度Q網絡部署機制。鐘磊等［14］針對低軌星座通信網絡時變性的特點，為天基邊緣計算平臺設計了平臺管理層，使得邊緣計算節點具備自主工作能力。

2　天基邊緣計算的優勢

與傳統的在軌數據處理相比，天基邊緣計算主要具有以下優點：

1）降低數據處理時延。天基邊緣計算將計算資源前移到靠近數據一側。地面傳感器采集的數據只需傳輸一跳就能進行處理。衛星有效載荷獲得的數據在本地就可以進行處理。處理后的結果再次通過一跳傳輸就可直達用戶，從而降低數據處理的響應時延。

2）降低網絡數據傳輸量。由于數據采集、處理、分發都在距離數據最近的地方進行，極大地降低了數據與后端數據中心間的頻繁交互和轉發。即使經邊緣計算平臺處理后的數據需要回傳至后端數據中心，經過處理后的數據與采集的源數據相比，在數據量上通常也會有較大的壓縮。

3）降低地面設施的能耗。地面傳感器終端可將采集的數據直接發送給衛星進行處理，因此可降低傳感器因數據處理帶來的能源消耗，從而延長傳感器的待機時間。這對在偏遠山區、叢林、海洋等能源緊缺的地方工作的傳感器更為重要。此外，衛星以清潔的太陽能作為主要能源，天基邊緣計算平臺可為地面數據處理中心分攤部分計算任務，從而降低地面數據處理中心的能源消耗和減少環境污染。

4）高效整合異構資源。天基邊緣計算采用虛擬化技術對衛星的硬件資源進行抽象，為上層應用提供統一的平臺服務，可實現各類衛星異構計算資源的整合與共享。由于地面云計算中心也采用類似的硬件抽象方式，因此邊緣平臺間、邊緣平臺與地面云計算中心間可實現統一管理和高效協同。

5）應用快速開發與部署。天基邊緣計算平臺采用通用的軟件平臺，因此，開發人員無需“量身定制”式地為每個衛星開發應用程序，可以實現“一次開發，多星運行”。如果星間或星地間有數據傳輸鏈路，還可實現應用程序的快速遷移與在線更新。同時，由于采用通用的開發框架，可在應用部署前在地面進行充分測試和驗證，從而降低因應用升級給衛星帶來的安全風險。

6）安全性。天基邊緣計算平臺以容器或虛擬機的方式對各應用程序進行隔離，可有效避免因單程序問題導致整個計算平臺失效問題。另外，通過統一的權限控制，可為不同容器或虛擬機設置不同的資源使用權限，從而保障整個計算平臺和整星的安全性。

3　系統組成

天基邊緣計算是對衛星上可利用的計算資源進行整合和管理，并通過星間鏈路和星地鏈路與其他計算平臺實現資源共享。資源整合后，每顆衛星將包含一個天基邊緣計算平臺。按照功能分類，可將天基邊緣計算平臺可分為5個層次：資源層、虛擬化層、平臺層、插件層、應用層，如圖2所示。

資源層是衛星上與計算相關的硬件資源。在執行計算任務和多平臺協同時，還需網絡和存儲的支持，因此資源層不僅包括計算資源，同時也包括網絡和存儲資源，這些資源通常呈現出異構性。

虛擬化層是對衛星的異構硬件資源進行抽象，為上層提供統一的資源調用接口。虛擬化后的硬件資源通常以虛擬機（Virtual Machine，VM）或容器（Container）的形式進行呈現。與虛擬機相比，容器具有輕量化的特點。由于衛星上硬件資源相對有限，為減小虛擬化對硬件資源的占用，天基邊緣計算平臺應優先選擇容器的方式進行資源虛擬化。同時，虛擬化后的硬件資源理論上可以根據用戶需求進行任意拆分，具有很強的靈活性。

平臺層是邊緣計算平臺的核心，其主要包括設備管理、任務管理、協同管理、服務管理、鏡像管理、資源管理等。這些管理服務可采用通用的邊緣計算框架，如Kubeedge、OpenEdge、Azure IoT Edge等。根據衛星與地面運行環境的差異，可對邊緣計算框架進行適當裁剪，以提高框架的運行效率。例如，衛星上運行的應用相對單一，因此可將邊緣計算框架應對傳統互聯網安全威脅的組件關閉或去除。設備管理組件主要與前端設備進行交互，如獲取設備采集的數據和對設備進行管控。這些設備包括衛星搭載的有效載荷、地面的物聯網傳感器、用戶終端等。協同管理組件實現邊緣平臺間、邊緣平臺與云計算中心間的高效協同。其中，邊緣計算中計算任務卸載策略和算法就是由協同管理組件實現。網絡管理組件實現天基邊緣平臺不同應用對底層網絡資源的共享，以及平臺與前端設備、地面云計算中心、其他邊緣計算平臺間的網絡連接管理。其他組件相對簡單，就不一一贅述。

插件層是對平臺層功能的補充和應用層的支撐，因此可將插件分為2類：平臺插件是平臺層運行所需的通用或定制插件；應用插件是應用程序運行所需的插件。

應用層為可在軌運行的各類應用程序，如態勢感知、目標識別等。應用以鏡像的形式進行部署，因此衛星發射前可將可能用到的應用鏡像提前存儲在衛星上，從而降低鏡像傳輸帶來的帶寬開銷。同時，應用也可以通過星地鏈路或星間鏈路對鏡像進行增加或更新。

4　系統管理

在云、邊、端三級架構中，每級都可以根據需求進行擴展。因此，合理的系統管理策略是保證系統高效運行的前提。根據隸屬方式不同，可將不同的系統管理方式分為3類：集中式、逐級式、分布式。

集中式即地面云計算中心管理所有前端設備和天基邊緣計算平臺。這種方式主要適用于云、邊、端間具有穩定的網絡鏈路或各部分設備變化性較小的場景。

逐級式即地面云計算中心管理天基邊緣計算平臺，天基邊緣計算平臺管理前端設備。逐級式實際是由2個集中式組成的。這樣既可以降低長距離網絡傳輸設備狀態數據帶來的網絡開銷，同時有利于統籌各級資源，達到整體性能最優的目的。

分布式即各個設備管理自己的資源，只在需要資源共享時，資源請求者向其他設備申請獲取資源使用情況信息。這種方式抗毀性最強，但很難獲得較優的數據處理性能，且對各部分硬件性能都有一定要求。

5　部署模式

前端設備、天基邊緣計算平臺、云計算中心互相協同，形成了云-邊-端的計算架構。前端設備的部署方式相對比較固定。天基邊緣計算平臺和云計算中心可根據不同需求，采用以下4種部署方式之一進行部署：

1）單邊緣計算模式。僅在單顆衛星上部署邊緣計算平臺，與其他邊緣計算平臺和云計算中心無數據處理協同，如圖3（a）所示。該模式較為簡單，適用于衛星數據較少或無星間鏈路，且地面無云計算中心的情況。該模式可用于提升在軌數據處理平臺的兼容性，有利于加快應用程序的開發與部署效率。

2）邊緣協同模式。在多顆具有星間通信鏈路的衛星上部署邊緣計算平臺，平臺間可實現計算和存儲資源共享，如圖3（b）所示。當需要實現衛星集群無地面依托的在軌自主管理和數據處理時，可采用此模式。與單邊緣計算模式相比，該模式可實現衛星集群內資源共享，為更高級資源應用提供了可能性，如分布式數據存儲、聯邦學習等。

3）邊云協同模式。在單顆衛星上部署邊緣計算平臺，同時該平臺可與地面云計算中心實現計算任務協同，如圖3（c）所示。與天基邊緣計算平臺相比，云計算中心的硬件資源能力可以認為無窮大。因此，可根據用戶對計算任務的響應時延要求和衛星能源情況，合理分配在邊緣計算平臺和地面云計算中心中的計算任務量。該模式也是當前較為常見的部署方式。

4）全協同模式。在多顆具有星間通信鏈路的衛星上部署邊緣計算平臺，同時每個邊緣計算平臺又可與地面云計算中心實現計算任務協同，如圖3（d）所示。該模式實現難度較大，對平臺間的協同策略和算法要求較高，同時也是抗毀性最強、資源利用率最高的模式。

6　天基邊緣計算關鍵技術

隨著邊緣計算、物聯網、云計算等技術的發展，實現天基邊緣計算已切實可行，但目前大多還處于試驗驗證階段。由于太空與地面環境存在較大差異，天基邊緣計算還缺乏比較成熟的解決方案，還有許多亟待解決的關鍵技術。在此，對部分還需解決或完善的問題進行了簡單的闡述。

6.1　異構計算資源虛擬化技術

資源虛擬化就是對硬件設備能力進行抽象和管理，具有兼容性和靈活性的特點。兼容性主要體現在可以隱藏底層硬件差異性，向上層應用提供統一的能力抽象。靈活性主要體現在抽象后的資源可以根據用戶需求大小實現按需分配。對衛星計算、存儲、網絡資源進行虛擬化，是天基邊緣計算的重要環節。衛星與地面數據中心不同，由于前端設備的多樣性，衛星通常會搭載多種計算設備以適應不同的計算任務。例如，使用FPGA處理控制相關任務，使用GPU處理圖像相關任務。因此衛星上與計算相關的資源呈現出較強的異構性。如果擴展到星座或集群衛星，資源異構性的問題更加復雜。

如何實現異構計算資源虛擬化是天基邊緣計算面臨的首要挑戰。隨著云計算技術的發展，對通用型計算資源（如CPU、GPU）的虛擬化技術已相對成熟，但對專用型計算資源（如數字信號處理（Digital Signal Processing， DSP）、FPGA）的虛擬化技術的研究還相對較少。此外，星上的計算能力相對較弱，因此計算資源相當寶貴。虛擬化技術會給計算資源帶來額外的資源開銷，因此如何降低虛擬化的資源開銷也是亟須解決的問題。

6.2　計算任務卸載策略

在云-邊-端計算架構中，前端設備的計算能力最弱，天基邊緣計算平臺次之，地面云計算中心最強。計算能力弱的系統可以卸載計算任務到同級或計算能力較強的系統，從而提升數據處理速度。根據卸載任務的程度不同，卸載策略分為：1）本地處理即在本地完成計算任務，不向其他系統卸載；2）部分卸載即卸載部分數據到其他系統共同完成計算任務； 3）全部卸載即將全部數據卸載到其他系統進行處理。

不同情況下對計算卸載策略的目標也各異，例如，有些計算任務進行卸載是為獲得最快的處理速度，有些計算任務進行卸載是為了降低能源消耗。因此，針對不同計算任務的性能目標，如何選擇合適的卸載策略是重要的研究問題之一。計算任務的卸載性能會受多種因素影響，如網絡帶寬、目標平臺可用的計算資源、計算任務的數據量等。因此，亟須對計算卸載過程和不同因素對卸載任務的影響進行數學建模并定量分析。這對計算卸載策略和算法設計具有重要意義。

6.3　非穩定網絡環境下彈性計算技術

除地球靜止軌道衛星外，其他衛星都會圍繞地球運動。因此天基邊緣計算平臺與前端設備和地面云計算中心間、天基邊緣計算平臺間的相對位置都會發生變化，都是采用無線方式進行通信，因此網絡連接和帶寬會隨著位置變化而變化。這會給天基邊緣計算帶來2個挑戰。一方面，計算卸載策略必須具有動態調整能力。由于網絡帶寬的變化，可能導致已經確定的計算卸載策略無法獲得最優性能。如何在動態網絡環境下使動態卸載策略獲得全局最優性能是天基邊緣計算面臨的巨大挑戰。另一方面，各系統間也會因相對位置太遠而出現網絡連接斷開的現象。計算卸載過程中必須保證被卸載的應用程序不會因網絡斷開而出現丟失數據或程序崩潰的現象。這就要求卸載任務發起的系統必須具備較強的容錯機制。

6.4　多源異構數據關聯技術

與地面物聯網場景不同，衛星具有廣域覆蓋的特點，因此前端設備部署位置分布范圍廣、種類多樣。在天基邊緣計算平臺對前端設備的數據進行處理和分析時，需將不同位置、不同時間采集的數據進行關聯整理。可以采用的關聯方式包括：1）時間維度關聯即以時間為基準，對不同前端設備在相同時間采集的數據進行關聯；2）空間維度關聯即以空間為基準，對不同前端設備在相同位置采集的數據進行關聯；3）任務維度關聯即以任務為基準，對不同前端設備在同一任務下采集的數據進行關聯。3種關聯方式還可組合使用，如在任務維度關聯下使用時間維度關聯或空間維度關聯。數據關聯即是對數據進行預處理，會帶來一定的計算開銷。同時，關聯過程會產生額外的輔助數據，也會帶來一定的存儲開銷。如何對數據進行高效存儲，并降低數據預處理的額外開銷，也是亟須解決的重要問題之一。

6.5　分布式數據緩存技術

天基邊緣計算平臺不僅將計算平臺移動到了靠近前端設備的位置，而且還為前端設備和地面云計算中心提供了數據緩存服務。這種緩存模式與CDN不同。內容分發網絡中數據都是來源于后端數據中心，邊緣平臺只是緩存的后端數據的部分副本。而天基邊緣計算中，邊緣計算平臺中的數據不僅可能來源于地面云計算中心，也來源于前端設備。邊緣計算平臺中的數據不是地面云計算中心數據的子集。再擴展到多顆衛星，就存在如下情況：1）用戶需要訪問的數據可能存儲在邊緣計算平臺中，也可能存儲在地面云計算中心中；2）某個邊緣計算平臺需要訪問的數據在另一個邊緣計算平臺或地面云計算中心中；3）地面云計算中心需要訪問的數據不在本地，而在邊緣計算平臺中。也即，數據在整個系統中呈現出分布式的特點。如何合理存儲數據來降低跨平臺間的數據訪問頻率，對云-邊-端計算系統整體性能具有重要意義。

7　原型系統及測試

利用4臺樹莓派3，1臺英偉達Jetson TX2和 1臺因特爾NUC迷你電腦搭建了天基邊緣計算原型系統，如圖4所示。每臺計算設備代表一顆衛星上的計算平臺。采用不同的計算設備旨在模擬不同衛星計算資源的異構性。使用衛星仿真工具（Satellite Tool Kit， STK）產生衛星的運行狀態數據，以此來模擬衛星間網絡通信拓撲及網絡帶寬。

在應用程序部署方面，采用TensorFlow Lite實現了經典的深度神經網絡模型AlexNet［15］。深度神經網絡模型在部署前已訓練好。實驗中的深度神經網絡協同推理任務是對來自ImageNet數據集的圖片進行圖像分類。圖像分類任務從一臺樹莓派（代表主衛星）輸入，平臺可根據模擬的衛星間網絡狀態，自適應地分配計算任務至其他節點（代表從衛星），即平臺中的TX2、NUC以及其他樹莓派，進行協同處理，以此降低能源開銷。

采用以下幾種計算負載分配方式測試平臺性能：1）本地執行，所有計算負載在接收輸入圖片的終端設備本地執行；2）基于貪心算法的多星協同，多顆衛星協同處理推理任務且輸入負載按貪心算法切分，即根據可用衛星中各衛星的計算能力分配負載，計算能力越強的衛星分配的負載越多，該方法不考慮各終端設備之間的網絡帶寬資源；3）基于公平性的多星協同，多顆衛星協同處理推理任務且輸入負載等比例切分，即根據可用衛星集群中衛星總數等分負載；4）基于自適應負載分配的多星協同，多顆衛星協同處理推理任務且負載的切分考慮當前時刻衛星集群中每顆衛星的可用計算資源以及星間帶寬等網絡狀態信息。

原型系統在不同負載分配方案下，AlexNet模型協同推理圖像分類任務中的時延性能和能耗性能仿真結果如圖5、圖6所示。實驗中設定用戶的任務處理時延要求為不超過100 ms。

從圖5中可知：本地執行的時延最長；基于貪心算法的多星協同方案為滿足用戶的時延要求，將絕大部分計算任務分配給其他節點進行處理，從而獲得了最短的計算時延；基于公平性和自適應負載分配的協同方案均能通過將計算任務卸載到其他平臺來滿足用戶的時延要求。

從圖6中可知：在滿足用戶時延要求的情況下，基于自適應負載分配的協同方案能源開銷最小；基于貪心算法和公平性的協同方案只考慮滿足用戶的時延要求，反而造成能源開銷大于本地執行的方案。綜上所述，天基邊緣計算可通過多計算平臺協同來滿足用戶的時延要求；同時，卸載策略應考慮其他平臺的計算能力及平臺間的網絡帶寬情況，否則協同反而會降低平臺的整體性能。

8　結束語

本文結合當前航天發展趨勢及在軌數據處理需求，對天基邊緣計算技術進行了深入研究。將天基邊緣計算平臺系統劃分為資源層、虛擬化層、平臺層、插件層、應用層等5個層次，并提出了集中式、逐級式、分布式3種系統管理策略和單邊緣計算、邊緣協同、邊云協同、全協同4種平臺部署和協同模式。此外，對天基邊緣計算的研究現狀、優勢、關鍵技術進行了分析總結，并搭建了天基邊緣計算原型系統，對不同計算卸載策略的性能進行了分析。

［1］ 王胡成，徐暉，孫韶輝.融合衛星通信的5G網絡技術研究［J］.無線電通信技術，2021，47（5）：535-542.

［2］ LIOLIS K， GEURTZ A， SPERBER R，et al. Use cases and scenarios of 5G integrated satellite-terrestrial networks for enhanced mobile broadband： the SaT5G approach［J］. International Journal of Satellite Communications and Networking， 2019， 37（2）： 91-112.

［3］ 張飛，陳小前，于帥，等.基于天基邊緣計算的在軌智能技術［J］.上海航天（中英文），2021，38（4）：19-24.

［4］ YAN L， CAO S Z， GONG Y S， et al. SatEC： a 5G satellite edge computing framework based on microservice architecture［J］. Sensors， 2019， 19 （4）： 831.

［5］ WEI J Y， HAN J R， CAO S Z. Satellite IoT edge intelligent computing： a research on architecture［J］. Electronics， 2019， 8（11）： 1247.

［6］ 唐琴琴，劉旭，張亞生，等.邊緣計算在星地協同網絡中的應用探討［J］.電信科，2019，35（增刊2）：227-233.

［7］ DENBY B， LUCIA B. Orbital edge computing： nanosatellite constellations as a new class of computer system［C］// Proceedings of the Twenty-Fifth International Conference on Architectural Support for Programming Languages and Operating Systems. New York， USA： ACM Press， 2020： 939-954.

［8］ 安建峰，游紅俊，趙偉勛，等.星載異構計算環境下的能耗優化任務調度［J］.上海航天（中英文），2021，38（4）：38-44.

［9］ WANG Y X， YANG J， GUO X Y， et al. A game-theoretic approach to computation offloading in satellite edge computing［J］. IEEE Access， 2019， 8： 12510-12520.

［10］ KIM T，CHOI J P. Performance analysis of satellite server mobile edge computing architecture［C］// 2020 IEEE 92nd Vehicular Technology Conference （VTC2020-Fall）. Washington D.C.， USA： IEEE Press， 2020： 1-6.

［11］ WANG F， JIANG D D， QI S， et al. A dynamic resource scheduling scheme in edge computing satellite networks［J］. Mobile Networks and Applications，2021， 26 （2）： 597-608.

［12］ ZHANG Z J， ZHANG W Y， TSENG F H. Satellite mobile edge computing： improving QoS of high-speed satellite-terrestrial networks using edge computing techniques［J］. IEEE Network， 2019， 33（1）： 70-76.

［13］ 盧華，段雪飛，李斌.邊緣計算使能星地協同網絡下的服務部署機制［J］.中興通訊技術，2021，27（3）：62-66.

［14］ 鐘磊.低軌星座通信網絡邊緣計算架構研究［D］.成都：電子科技大學，2020.

［15］ IANDOLA F N， HAN S， MOSKEWICZ M W， et al. SqueezeNet： AlexNet-level accuracy with 50x fewer parameters and <0.5 MB model size［EB/OL］. （2016-02-24）［2021-11-11］. https：//arxiv.org/abs/1602.07360.

Design and Key Technologies for Space-Based Edge Computing System

ZHANGFei， CHENXiaoqian， CAOLu， QIN Jiangyi， TANG Min， GUOPengyu， RANDechao

（National Innovation Institute of Defense Technology， Academy of Military Sciences， Beijing 100071， China）

Satellites are characterized by wide coverage， strong disaster resistance， etc. With the continuous cost decrease in the development and launch of satellites， it has become an important direction for space development to further integrate satellites with ground mobile communication network， Internet of Things （IoT）， and cloud computing to build an integrated space-ground network and application architecture. With the access of multi-users and a large amount of data on the ground， it is urgent to carry out research on in-orbit data processing technologies to improve the capability and quality of satellite in-orbit service. In this paper， a space-based edge computing architecture is designed by utilizing satellite computation resources. Three resource management schemes and four platform coordination models are proposed. The advantages and key technologies for the space-based edge computing are analyzed. At last， a prototype system for the space-based edge computing platform is built to analyze the performances of different computation uploading schemes.

space-based edge computing； cloud-edge-terminal architecture； computation offloading； cloud computing； edge computing coordination

2021?11?11；

2021?12?30

國防科技基礎加強計劃（2021?JCJQ?JJ?0834）；國家自然科學基金（61901504）

張飛（1988—），男，博士，助理研究員，主要研究方向為邊緣計算、空天地一體化網絡、衛星應用、機器學習等。

曹璐（1986—），男，博士，研究員，主要研究方向為宇航科學與技術、航天器設計。

TP 399； V 11

A

10.19328/j.cnki.2096?8655.2022.04.013