大规模天基组网演化建模及效能评估方法

韩晓亚 王厚天 杜军 王敬 余汉晨

(1 北京跟踪与通信技术研究所,北京 100094)(2钱学森空间技术实验室，北京 100094)(3 清华大学，北京 100084)

随着近年来科学技术的发展，卫星的制造成本和发射成本越来越低、研产速度不断加快，大规模、自主化、智能化的天基体系迅速发展。目前美国加紧构建“下一代太空体系”七层架构和低轨巨型星云。大规模天基体系是由不同轨道、搭载不同传感器、面向不同应用的卫星及其它空间平台构成，属于高动态复杂异构网络化信息系统[1]。随着未来卫星数量增多，功能更加集成，这些由卫星轨道、传感器功能及性能方面的差异导致的网络节点物理拓扑与逻辑拓扑关系将愈加复杂。同时，随着大规模天基体系的网络化探测与传输不断发展，在资源协作机制、配置机制对网络性能优化的同时，网络的高动态性和复杂特性也必然会影响体系优化性能的发挥。因此，更深层次理解高动态的大规模天基网络体系结构，挖掘网络运行中隐藏的复杂特性，对于大规模天基体系的高效组网运行具有非常重要的作用。

本文在分析大规模天基体系架构的基础上，对大规模天基组网演化建模及效能评估方法开展分析研究，提出了一种天基体系的效能评估总体思路架构，以支撑后续演化建模与效能评估分析为主要目标，对指标进行了初步设定，并对模拟验证平台的构建进行了探索，从而为我国大规模天基体系的正向设计与分析提供参考。

1 未来天基体系架构特点分析

2019年7月1日，美国国防部太空发展局(SDA)发布了“下一代太空体系架构”信息征询书。该架构由包括传输层、跟踪层、监管层、威慑层、导航层、作战管理层、支持层在内的7个功能层组合而成[1]，是一种灵活、弹性、敏捷的系统架构。该架构由数百颗卫星组成，将整合整个国防部及航天工业的下一代太空能力，目的是保持其在太空领域的优势地位，以满足未来大国竞争的战略需求。2021年，美国国防部国防创新小组(DIU)向商界发布了“混合太空体系架构”议案征询。议案明确“该体系架构将安全、可扩展、快速响应、以信息为中心，它还必须反映灵活，以便在快速技术变革和动态威胁环境中，保持关联度和可信度。软件定义的控制、接口和安全性是保持敏捷性的基础。这种体系架构必须作为一种有效载荷(托管或定制)，演示验证能在不同的政府和商业网络之间进行通信。”该架构面向美国军事威胁和外国政府支持下的商业航天竞争，目的是增强美国政府与航天工业界合作[2]。美国国防先进研究计划局(DARPA)牵头启动了“黑杰克”项目，旨在利用新兴商业低轨星座发展的经验成果，建立高度“弹性”、拥有自主运行能力、成本低廉的低轨卫星星座。项目远期目标是构建60～200颗规模的卫星星座，运行于500～1300 km的轨道高度，每颗卫星均装载智能化协同任务管理系统“Pit boss”，可完成多类信息融合处理、网络化传输和分发。基于通用化平台、模块化载荷及标准化接口设计理念，实现卫星“即插即用”和批量化生产，满足大规模星座“快速建设、组网运行、弹性维护”的紧迫需求。

美国提出的各类太空架构主要具有以下特点：一是针对能力短板急需，提出的太空架构都明确针对国家安全太空领域关键且急需的能力短板；二是突出强调弹性和可演进性，利用大规模和分布式提升弹性以及快速演进更新能力，应对现实、新兴威胁；三是注重顶层架构设计，通过一体化体系架构设计，注重技术创新向实际应用快速转化的变革；四是注重军民融合，充分利用私营企业投资及相关成熟配套技术，采用灵活、螺旋式发展的模式。

2 大规模天基体系建模方法分析

未来大规模天基体系属于高动态的复杂网络信息系统，网络的高动态性和复杂性将成为影响系统效能的重要方面。时变演化图模型(TVG)已经成为刻画大规模卫星网络动态拓扑的重要工具，这种能够反映网络演化特性的图模型为空间信息网络中任务的优化分配、信息的高效传递等问题的研究提供了基础[3-4]。文献[5]和文献[6]研究了小卫星网络(Pico-Satellites Network)中的路由算法，将卫星网络建模为动态演化的快照(Snapshot)序列，每张快照对应一种网络的静态拓扑结构。相似的，文献[7]在时变图模型的基础上，设计了一种多路径路由算法(MCMP)，以寻找一组可行的可用路由路径，通过这些路径可以在可容忍的延迟内，以最小代价将一定数量的任务数据传输回地面站。

目前，大部分卫星网络拓扑模型均将网络的动态变化刻画为一系列有序静态图，并基于不同时隙内的静态拓扑对网络进行管理、控制和分析。然而，上述这种建模方式对于未来高动态的大规模天基网络而言，一方面必然会存在时隙划分复杂的弊端；另一方面无法呈现网络动态过程中的特征和效能。在TVG的基础上，通过时间演化累积建模，一方面可以更真实的刻画天基网络一定时间尺度内呈现的特征；另一方面也可以为运用复杂网络理论分析大规模网络演化机理奠定基础。

3 天基体系效能评估方法分析

2010年至今，多域战、马赛克战等新型作战概念不断涌现，数字孪生、人工智能、大数据、物联网等新兴技术开始在军用领域落地，武器装备效能评估的研究进入高级阶段。2018年8月，美国国防部发布了数字工程战略，旨在建立开发、集成和使用模型的规范化流程，形成权威的基础数据和模型；通过不断融入运用人工智能、大数据及分析、认知技术、先进计算、数字孪生、数字制造等技术，构建数字工程架构和生态系统，全面支撑武器装备效能评估全生命周期的活动[8]。围绕天基信息体系的效能评估，文献[9]提出了一种星座配置性能评估方法。在考虑低轨卫星星座覆盖性能的基础上，建立了星座单次覆盖率、观测仰角、不同观测仰角下可见卫星数和覆盖效率4个评估维度。将该评估方法应用于加拿大电信卫星星座(Telesat)、一网(OneWeb)和星链(Starlink)3个典型的低轨大型通信卫星星座，得出每个星座的覆盖性能指标值，并对3个星座的特性进行比较分析。结果表明：该评估方法可以评估不同类型低轨大型星座的配置性能，为未来低轨大型星座配置的优化设计和评估提供依据和参考。围绕天基信息体系效能评估的样本数量少、影响因子复杂等特点，一种支持向量回归机模型被提出[10]，该算法引入布谷鸟搜索算法对模型的3个关键参数进行优化选取。仿真结果表明：所提模型具备更高的精确度，可以有效对天基信息体系开展效能评估。

综上所述，针对未来大规模天基信息体系在多维度全方位的效能评估方面目前还未见公开文献报道。针对未来天基系统所呈现出的大规模、智能化等技术发展趋势，为了能够描述各要素间复杂的关联关系，效能评估指标体系的构建方法至关重要。同时，针对未来天基信息体系所处物理环境的复杂性和不确定性等特点，在复杂性以及动态演化性等条件下的天基信息体系效能评估方法研究必不可少。

4 总体设计思路

在对大规模天基网络演化建模以及天基体系的效能评估方法开展分析的基础上，本文提出的总体设计思路架构如图1所示。

图1 总体设计思路架构Fig.1 Overall design framework

其中，大规模天基体系高动态演化特性分析是对天基体系随时间的演变规律开展的特性分析，而指标体系的构建是进行体系效能评估的基础和前提。针对指标体系构建，通过基于指标关联分析的网络化指标体系构建，并对效能度量指标进行梳理，形成网络化指标体系；针对效能评估方法，借助大数据分析的手段对天基信息体系效能评估方法开展研究，并在天基体系结构演化特性分析的基础上，对网络化指标体系在时间维度上进行扩展，形成随时间变化的网络化指标体系与相关数据，并结合大数据分析开展天基体系的效能评估研究。基于上述考虑，核心主要包含3个部分：①大规模天基体系高动态演化特性分析；②网络化指标体系构建方法设计；③天基体系效能评估方法设计。

4.1 大规模天基组网演化建模

引入复杂网络分析方法，对网络复杂特性进行分析，从而揭示网络中重要节点、链路以及网络连通度等性能。传统复杂网络中主要参数包括：节点度与节点度分布、平均最短路径长度、介数中心性、群聚系数等。传统复杂特性是对网络节点、边或整个网络统计特性的刻画。在大规模天基网络中，网络拓扑呈现弱联通性，传统复杂特性分析难以有效应用于空间信息网络的特征挖掘；同时，由于网络的高动态性，单一时隙的拓扑无法反映大规模天基网络中卫星节点或传感器节点的真实关联。针对这些问题，计划采用基于累积特性的时间演化图分析模型，用以刻画一定时间尺度内空间信息网络的时变拓扑结构，通过将天基系统在时变过程中的演化拓扑进行累积，构建虚拟节点和虚拟连路，在时间维度、空间维度上对时隙网络拓扑进行拓展，从而对生成的高维演化图运用复杂理论进行特性分析[11]。

如图2所示，在基于累积特性的时间演化图分析中，针对单一时隙拓扑图T1和T2网络连通度较低，且均不能构成全连通网络的问题，通过将两个时隙的拓扑进行时间累积，使时间累积图连通度得到提高，形成了全连通网络，有助于分析信息在网络中的有效传播，并反映出高动态网络在一定时间尺度内的连通状态。

通过对图2中T1和T2两个时隙的时间累积时变图以及单一时隙拓扑进行复杂性分析可以看出：通过时间累积的方式，一些单一时隙无法反映或错误呈现的高动态网络真实复杂特性被有效挖掘出来。

图2 空间信息网络时间累积时变图构建Fig.2 Construction of time cumulative time-varying graph of spatial information network

4.2 网络化指标体系构建方法

本文提出的网络化指标体系构建方法如图3所示。

图3 指标体系构建方法Fig.3 Construction method of indicator system

围绕指标关联性分析，基于仿真大数据的效能评估指标体系构建方法的设计思路[12]，提出大规模天基体系的网络化指标体系构建方法，基于具有关联性特征的指标数据，对各指标之间的关联关系进行深度挖掘。

4.3 天基体系效能评估方法设计

本文提出的天基体系效能评估方法如图4所示。

图4 天基体系效能评估方法Fig.4 Evaluation method of space-based system effectiveness

在构建网络化指标体系的基础上，按照时间线的维度对各类指标进行计算和采集，形成大数据存储。利用Oracle、Hadoop、OpenStack等软件对大数据进行分析，开展评估指标演化特性分析、关键指标挖掘、指标体系验证以及体系效能评估和监测。其中，关键指标挖掘是天基体系效能评估方法实施的关键环节。针对关键指标挖掘，本文采用基于集成学习的思路[13]对特征指标进行挖掘，先利用集成学习挖掘与具体能力关系最为密切的指标，然后利用主成分分析法处理指标间的关系，挑选包含信息量最大的指标作为关键指标。

典型的并行集成方法是随机森林[13]，该方法一般采用决策树和袋装法结合使用。袋装法是从样本集中有放回的随机选择数据样本，生成与样本集规模相同的多个训练样本集，利用学习器对每个训练样本集进行训练，得到与训练样本集数量相等的预测结果，再利用投票法或求均值法得到最终预测结果。

决策树充当集成学习中的学习器[13]，分类与回归决策树(CART)应用较多。CART决策树是自上而下的分裂算法，通过树的不断分裂实现预测和回归。对于多属性分裂问题，选择使基尼系数降低最大的属性进行分裂。当节点w分裂为左节点wl和右节点wr时，目标变量Y的不纯度降低为

(1)

式中：n表示节点的样本大小，nl表示左节点的样本大小，nr表示右节点的样本大小。H表示在各节点的不纯度评估值。

选择目标变量Y的不纯度降低为变量重要性度量(VIM)标准，用R表示。对于第t颗树的节点j，当使用变量Xi作为分裂变量时，R可以表示为

(2)

式中：I为波尔量，只有采用变量Xi作为分裂变量时值为1，其他情况值为0。

整个随机森林的变量重要性为

(3)

式中：T为决策树的数量。

5 模拟验证

结合未来天基体系大规模、网云化和智能化的发展趋势，观察-判断-决策-执行(OODA)信息链路闭合是未来天基体系的一项核心效能。本文构建了由待识别目标、300颗低轨道卫星、6颗中轨道卫星以及地面站组成的混合体系，低轨卫星主要负责感知，中轨卫星主要负责处理和传输，地面站主要负责网络管理以及任务规划，所构建的模拟验证平台架构如图5所示。

图5中，航天装备仿真模型库负责提供通信卫星、遥感卫星、导航卫星等多类航天装备模型，形成模型库；场景仿真模块通过仿真引擎，支持对不同场景的模拟，通过数据采集模块将数据输入至试验数据管理部分；网络仿真模块完成天基体系网络化模型的仿真构建，涵盖地面、卫星和应用多段要素；演化特性分析模块基于场景仿真数据和网络仿真数据，对天基体系的演化特性进行分析；试验数据管理模块基于数据库的管理和维护，完成对于场景仿真数据、网络仿真数据以及演化特性分析数据的管理和维护；效能评估模块基于场景仿真数据、网络仿真数据以及演化特性分析数据，采用数据挖掘和统计分析等手段，实现对于天基体系的效能评估；综合显示模块基于可视化软件开发，通过读取数据库和接收来自网络仿真部分和场景仿真部分输出的状态信息，对系统运行状态进行展示。平台中的几类重点模块如图6所示。

结合4.2节，本文选取路由收敛时间作为网络能力基础评估指标，选取感知传输处理总时间作为作战效能基础评估指标，结合本节中场景设计，得出的仿真结果如图7所示。

图7 仿真结果Fig.7 Simulation results

由图7可知，对路由收敛时间而言，该项指标在前800 s的时间内在0.543 537 s上下浮动；对感知传输处理总时间而言，当待传输与处理的数据量为12 Mbyte时，感知传输处理总时间为11.294 s，而当数据量增大至900 Mbyte以上时(如光学遥感图像)，感知传输处理总时间已超过10 min。以该平台架构以及所得到的部分指标数据作为牵引，对指标进行进一步完善，并以此对大规模天基体系的演化机理及效能评估进行进一步深入分析。

6 结束语

未来天基体系将呈现出大规模、网云化和智能化等技术发展趋势，其应用面临任务多样性、目标与场景不确定性以及体系运行高动态高复杂性等典型特征，开展动态演化建模及效能评估方法研究对推动天基装备体系建设发展，提升体系能力具有重要的意义。以此为背景，本文对未来天基体系的架构特点进行了分析，结合超网络理论的时空关联以及多维度表征等研究分析方法，给出了大规模天基体系高动态演化建模、网络化指标体系构建以及天基体系效能评估方法的初步设计思路，同时围绕信息链路快速闭合的任务需求，提出了融合感知传输处理的网络建模仿真框架，从而为后续大规模天基体系演化机理及效能评估方法的进一步研究奠定基础。