一种新型的低轨存储转发通信星座设计方法

姜兴龙 梁 广 刘会杰 余金培



一种新型的低轨存储转发通信星座设计方法

姜兴龙*①②梁 广①②刘会杰②余金培②

①(中国科学院上海微系统与信息技术研究所 上海 200050)②(上海微小卫星工程中心 上海 201210)

针对低轨存储转发星座的特点以及传统星座设计方法无法同时优化覆盖性能和网络性能的不足，该文提出一种新型的兼顾覆盖性能以及网络性能的低轨存储转发星座设计方法，并采用非劣分层多目标进化算法(NSGA-II)优化该多目标多约束星座设计问题。通过基于STK和OPNET的协同优化仿真平台验证了该星座设计方法的有效性。

星座设计；存储转发；多目标优化；非劣分层多目标进化算法(NSGA-II)；端到端时延

1 引言

现代低轨小卫星有着研制周期短、成本低、易组网、抗摧毁能力强、通信时延小、信号衰减弱、终端易于小型化、可频率复用、发射灵活便捷等特点，在通信、气象、导航、资源环境、侦查、科学研究等领域有着广泛的应用[1]。同时由于低轨卫星轨道高度低，覆盖范围小，大多数情况下，单靠一颗卫星难以完成任务目标，为了充分发挥小卫星在这些领域的应用，提升小卫星的通信和协作能力，由多颗小卫星通过星间链路组成卫星网络系统进行协同工作是小卫星发展的主要方向[2]。

为了应对我国越来越多的商业运输管理、工业设备监控、侦查情报、全球监测、应急通信等[1]全球数据传输需求，本文参考铱星系统方案设计了一个存在星间链路的小型低轨存储转发通信卫星星座。文章第2节首先给出低轨存储转发通信星座网络模型，并提出一种新型的低轨存储转发通信星座设计方法；第3节对系统进行建模分析，给出了优化的目标和约束；第4节给出了算法的流程图和复杂度；第5节对传统设计方法和本文提出的设计方法进行仿真比较，并对结果进行的总结分析；第6节为结束语。

2 新型的星座设计方法

本文的目标是设计一个存在星间链路的间歇全球覆盖的低轨存储转发通信星座(如图1)，若干颗低轨卫星以一定的轨道飞行，其中星间链路ISL1-ISL根据轨道的运行交替通断。在星间链路建链期间，用户发送的数据到达卫星后根据路由表进行星间传输，并最终送达目的用户终端。

存储转发星座其最主要的性能指标为覆盖性能以及端到端时延性能，通过初步的仿真分析得到：如果考虑覆盖性能最优，则卫星需要尽可能地分开以减少交叠覆盖提高重访性能，若为了提高存储转发时延性能，则需要卫星间较靠近以保证星间链路的长时间建链并传输数据，故两优化目标是相互冲突和矛盾的。此时采用传统的方法[16](如图2)分别进行基于覆盖的构型优化和基于系统网络性能的网络优化将很可能得到无法建立星间链路的构型，从而导致网络设计无法进行，故对于这种网络设计输入条件的星间链路建链性能由构型决定的情况，需要将网络性能的需求作为构型设计的约束，因此本文提出了一种在构型设计阶段同时优化星座的覆盖性能和网络时延性能的新型星座设计方法(如图3)。

图1 存储转发低轨星座示意图

图2 传统通信星座设计方法

图3 新型的存储转发星座设计方法

3 系统建模

3.1 覆盖模型

存储转发通信星座的设计目标是为尽可能多的用户提供有效的覆盖，其单颗卫星对地面的覆盖如图4所示。

图4 卫星覆盖示意图

卫星的覆盖性能是星座构型设计的重要性能指标，低轨存储转发星座通过多颗卫星实现对地面用户的非连续覆盖，其细化的指标[11]包括：覆盖百分比、总覆盖时间、覆盖次数、平均覆盖时间、最大覆盖时间、最小覆盖时间、平均重访间隔时间、最小重访间隔时间和最大重访间隔时间等。

3.2 网络模型

低轨存储转发通信星座完成数据从用户接入到星上存储以及星间链路的路由转发最后到达目的用户。如图5所示，其给出了某个数据包的传输路径，表示终端用户1发送数据包并通过星间交换、星上存储转发最后到达用户2，星间链路在满足建链约束的情况下建立全向高速的星间链路，并根据星上路由表转发数据，最后到达目的用户，用户与卫星以及卫星与卫星的建链时刻决定了端到端时延。

图5 存储转发网络的时延

系统的网络性能[17]主要包括：星间链路建链性能，包括星间链路建链次数，建链时长等；端到端时延性能：最大、最小、平均端到端时延以及时延的分布。

3.3 优化的目标及约束

存储转发星座设计的目标是用户使用的便利性以及性能的优越性，本文将从用户使用的角度设计系统优化的目标。假设全球随机均匀分布个用户，首先，用户希望保证每天达到一定的可通信次数，其次，希望两次通信之间的间隔时间尽量短且分布均匀，最后，用户还希望数据尽快到达呼叫的目的用户。这些需求对应到系统性能上分别为对覆盖数量和质量的要求，以及网络传输服务质量的要求。对应的系统性能指标分别为：(1)反映系统覆盖次数或数量的平均每天可通信次数和平均重访间隔时间，在近似的场景下(平均每次通信时长接近，如轨道高度以及倾角一致的情况下)，平均可通信次数的提高将必然降低平均重访间隔时间，故两个目标选取其一即可；(2)反映系统覆盖质量的重访间隔时间均方差，较小的重访间隔时间均方差将以很大的概率保证一定时间间隔内的重访，其决定了重访的规律性，提升用户使用的便利性；(3)反映存储转发网络传输服务质量的平均存储转发时延，较小的存储转发时延将大大提升系统的效能。

4 算法介绍

针对以上的多目标多约束问题，本文采用非劣分层多目标进化算法NSGA-II[18]进行优化，该算法具有以下优点：(1)提出新的基于分级的快速非劣性排序算法，降低了算法复杂度；(2)提出了拥挤距离的概念，采用拥挤距离比较算子代替需要计算复杂的共享参数的适值共享方法，使得Pareto前端分布均匀；(3)引入了精英保留机制，扩大了采样空间，经选择后参加繁殖的个体所产生的后代同其父代个体共同竞争来产生下一代种群，因此有利于保持优良的个体，迅速提高种群的整体水平，算法流程如图6所示。

图6 NSGA-II算法流程图

5 参数设置及仿真结果

采用OPNET对网络进行建模，设置用户数目为100个，用户地理位置通过球面均匀分布的随机生成函数生成，具体的经纬度分布如图7，设定所有用户平均每小时产生一个1 kbit大小的数据包等待卫星过境时上传，每个数据包的目的地址按照每个用户相应的事先生成的随机数表顺序轮转发送，从而保证任意一段时间数据包的目的地址具有随机性而每次仿真的业务又具有重复性。用户接入采用Aloha随机接入，星间链路建链准则为一定可视距离内可建立双向高速链路，最远的建链距离参照铱星系统设定为4480 km，星间路由采用泛洪算法，并假设星间链路带宽足够，不存在拥塞。

经过40种星座构型不同天数的性能仿真分析统计，得到性能统计量在仿真时间从2天开始趋于稳定，其与5天统计量仅有3.3%的变化，且变化方向一致，故2天的仿真时间长度得到的性能统计量已经近似可以代替其构型的长期性能，作为不同构型比较的依据，权衡仿真的复杂性以及各性能统计的准确性，设置仿真时长为2天。

采用轨道分析工具STK和网络仿真软件OPNET共同搭建协同仿真平台，在平台获得优化的构型参数后，首先调用STK得到覆盖性能，然后将其生成的轨道数据导入到OPNET得到网络性能，经过200代的进化，算法趋向稳定，其各目标最优值收敛图如图8所示，从图8中可以看出平均重访间隔时间较快地得到收敛，而重访间隔均方差也逐渐得到收敛，平均端到端时延在前期的快速收敛后逐步缓慢变化。

为了与仅优化覆盖性能的传统星座设计方法[6,11,12]对比，采用相同的算法优化覆盖的数量和均匀性，其与新型的设计方法在覆盖性能上的对比如图10所示。

通过图10可知，相比传统的设计方法，新型设计方法由于时延约束的存在，其得到的Pareto前端平均重访时间分布范围较小，并且在其分布范围内，覆盖均匀性略差，这些是由于时延约束导致的覆盖性能损失。通过对比图10中点(表1方案2)和点(表1方案1)，在覆盖性能接近的情况下，点的平均端到端时延为231.28 min，远远大于点的69.19 min，在覆盖均匀最好的点，两条曲线重合，典型点的性能如图11所示，由此可知，时延约束将一定程度地转化为覆盖均匀性的约束，在重访间隔时间均方差较大的-段，由于其重访时间分布不均匀，造成某些用户出现较大的重访时间，从而导致星上数据需要长时间的存储才能下发给用户，进而使得时延特性大大恶化，从仿真结果可知，重访间隔时间均方差大于50 min将无法满足时延性能的约束。传统方法得到的Pareto前沿中，覆盖均匀性较差的-段无法满足时延的约束，均匀性较好的-段其时延性能也较差甚至无法满足时延约束，因此，传统的设计方法相比新型的设计方法效率低下，且难以得到所有设计目标的Pareto最优解。

图7 用户位置经纬度分布

图8 目标函数收敛图

图9 Pareto最优解集分布

表1 典型星座构型方案轨道参数及性能统计

6 结束语

本文针对存储转发低轨通信星座的特点，提出一种覆盖性能和网络性能协同优化的星座设计方法，并设计了一种多软件协同仿真优化平台，经过仿真优化得到了一定数量的Pareto最优解，通过对其的分析明确了卫星分布及其星间链路建链约束对系统网络性能的影响，得到在卫星较为分散时，覆盖性能较优的结论，而相对于本文的仿真设置，每个轨道面分布1颗卫星，各轨道面间隔40°~50°，相位较为接近的构型能够提升网络性能的同时拥有较好的覆盖性能，使得星间链路能尽快地将数据发送到将要过境目的用户的卫星，同时卫星的分布也保证了尽快地重访目的用户，并将其与传统的设计方法进行对比，仿真结果证明了该星座设计方法的优越性以及有效性。在工程环境下，由于存在入轨偏差以及轨道漂移，星间链路的维持需要进一步设计相应的轨道控制，优选构型时需要考虑构型的稳定性。由于仿真的模型较为复杂，并且采用了多软件的协同优化，使得仿真优化较为耗时，采用收敛速度更快的智能优化算法以及分布式仿真是提高仿真速度并获得更多最优解的进一步优化的方向。

图10 两种方法的覆盖性Pareto最优解集分布

图11 典型解的性能统计

[1] 余金培, 杨根庆, 梁旭文. 现代小卫星技术与应用[M]. 上海:上海科学普及出版社, 2004: 25-26.

[2] 张育林, 范丽, 张艳, 等. 卫星星座理论与设计[M]. 北京: 科学出版社, 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] 郦苏丹, 朱江, 李广侠. 采用遗传算法的低轨区域通信星座优化设计[J]. 通信学报, 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, 韩潮. 基于多目标粒子群算法的导航星座优化设计[J]. 航空学报, 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] 刘文, 张育林, 刘昆. 基于多目标进化算法的卫星通信星座优化设计[J]. 宇航学报, 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.

姜兴龙： 男，1984年生，博士生，研究方向为星座设计与网络优化等.

梁 广： 男，1983年生，博士，研究方向为星载多波束天线设计等.

刘会杰： 男，1972年生，研究员，研究方向为卫星载荷技术、认知无线电、软件无线电等.

余金培： 男，1965年生，研究员，研究方向为卫星通信系统、多波束天线设计等.

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

中科院创新基金项目(CXJJ-11-S107)和上海市自然科学基金(11ZR1435000)资助课题

姜兴龙 luckdragon@126.com