基于负载均衡的低轨卫星网络动态路由算法

针对低轨(Low Earth Orbit,LEO)卫星网络负载不平衡和服务高负载区域的卫星更容易发生拥塞的问题,提出了一种基于负载均衡的低轨卫星网络动态路由方法——DLR。介绍了实现低轨卫星网络负载均衡的2种策略以及对卫星节点状态的分类,详细描述了算法的设计与实现。DLR算法包含基于蚁群算法的全局负载均衡和针对突发拥塞的局部路由调整两部分。全局负载均衡部分根据节点状态改进了蚁群算法初始化信息素浓度和启发函数,从而获得绕过高负载卫星节点的最优路径,局部路由调整部分通过卫星节点逐跳分流弥补了蚁群算法处理突发拥塞不及时的缺点,从而获得更好的负载均衡效果。通过仿真实验与经典算法进行比较,DLR算法使网络性能有了一定提升。

卫星网络负载均衡路由技术研究综述

卫星为随时随地接入网络提供了有效解决方案,然而由于卫星网络用户及流量分布的不平衡,导致卫星网络链路利用率失衡,许多卫星网络负载均衡路由技术相继被提出。首先介绍了不同类别的卫星网络,并对不同的单层和多层卫星网络进行了优缺点对比。然后根据卫星网络路由发展脉络,综述了国内外关于单层卫星网络的全局、局部负载均衡和多层卫星网络的上下层角色分离、利用上层分流实现负载均衡的相关技术。接着从实现效果、计算模式、链路代价、网络开销等方面对负载均衡路由技术进行对比分析。最后结合卫星网络发展趋势,给出了卫星网络负载均衡路由技术的技术挑战和未来方向。

面向用户需求的空天地一体化车载网络任务分配策略

为了提高空天地一体化车载网络(space-air-ground integrated vehicular networks,SAGVN)内用户的网络服务质量体验,解决不同网络间相互协同的问题,提出了面向用户需求的SAGVN任务分配策略。基于用户信号强度、时延、网络费用和带宽需求,利用效用函数理论和层次分析法(analytic hierarchy process,AHP),构建用户需求和满意度描述框架。将网络任务分配过程抽象为半马尔可夫决策过程(semi Markov decision process,SMDP),根据用户需求和网络状态,利用价值迭代算法获得整体用户满意度最大的网络任务分配策略,利用Q-learning算法得到近似最优策略。实验表明,相较于传统策略,所提策略整体用户满意度提高超过30%;在网络拥塞的环境下,可以有效降低对网络服务需求迫切用户服务请求的拒绝率。

空天地一体化网络系统架构设计与智能管理

为了克服空天地一体化网络系统(Space-Air-Ground Integrated Network,SAGIN)由于结构复杂和业务多样而导致的不同网络间的协同困难,提出了基于移动边缘计算(Mobile Edge Computing,MEC)的SAGIN多维管理架构。通过将网络系统划分为数据层、控制层和管理层,网络状态信息由各网络层逐层汇总和分层处理,网络管理策略由MEC统一制定,并逐层转发,实现不同网络间的协同管理。基于所提架构搭建网络仿真平台,并通过强化学习方法制定网络协同策略,仿真结果证明了该架构的可行性。

基于应用场景特征描述的无人机基站飞行高度部署

由于无人机基站在不同应用场景下,所处的地理环境、用户分布、用户需求和所希望提升的性能需求不同,需要根据不同应用场景的特征对无人机基站进行部署。基于无人机基站的典型应用场景,构建两个具有代表性的无人机基站应用场景模型,并对应用场景模型特征进行抽象描述。分别构建了两个应用场景的空地通信传输模型。在此基础上,给出了最大化传输速率以及最大化无人机覆盖范围的无人机基站最优飞行高度的数学计算模型。最后,对不同场景下无人机基站最优飞行高度的影响因素和变化趋势进行了分析。