面向高轨卫星的探测集群接入机制设计

仝欣, 李旭, 刘颖

(北京交通大学 电子信息工程学院, 北京 100044)

0 引言

高轨卫星具有单星覆盖广、载荷类型全面、在轨生存能力强等优势,可为远离主力部队的集群编队提供与指控中心的超视距通信,进一步延伸作战距离[1]。美空军早在2016年—2036年小型无人机系统飞行规划[2]中就提出了利用集群“通过高轨卫星为侦察和锁定目标提供全运动视频或高分辨率图像,并在打击后提供近实时的战斗毁伤评估”作战模式。2019年美空军太空与导弹系统中心开发了卫星通信体系管理和控制原型机,并搭载于无人机平台,期望通过卫星实时传输情报、监视和侦察数据[3]。可以看出,利用高轨卫星高效回传集群探测数据以获取决策优势,已成为现代战争中不可或缺的一环。

集群信息回传的前提是实现集群高效卫星接入。20 s内实现杀伤[4]的约束对探测信息回传实时性提出了更高要求,集群卫星接入响应要求随之进一步提升。随着战场空间趋于多维,集群规模进一步扩展(2017年美军“山鹑”项目使用3架战斗机投放103架无人机,进行编队演示验证[5];2020年美军进攻性蜂群使能战术项目使用250架自主无人机向地面部队提供态势感知和关键目标信息[6]),以美军宽带卫星通信系统[7]为代表的高轨卫星系统,可为19个独立覆盖区域内的用户提供1 872条用户信道,无法满足数百节点集群同时接入(1 872/19=98)。上行链路容量受限导致卫星接入复杂性增大[8],加之高轨卫星固有的星地通信链路较长、星地环境复杂多变带来链路时断时续[9]等特点,导致集群在单次接入时延较大的情况下反复冲击重传[10],如何满足集群卫星高效接入需求成为挑战。

现有卫星接入机制大多为节点间无协商、免调度的随机竞争机制。例如,DVB-RCS2标准中采用基于竞争解决的多样性时隙ALOHA(CRDSA)机制实现卫星接入,通过多个副本数据和迭代干扰消除技术,可获得比时隙ALOHA机制和多样性时隙ALOHA机制更优的吞吐量性能[11]。与之类似,文献[12-13]将编码域非正交思想引入卫星接入机制,通过设计节点重复发送消息次数所服从的概率分布,在相同的时频资源中叠加多个用户信息,使用过载方式提升系统资源效率。上述机制在通信链路时断时续的高轨卫星接入场景下,随着星地上行链路质量恶化,丢包与误差扩散[14]问题加剧,接入申请重传次数急剧增加,导致接入时延增大、系统资源效率降低。

此外,上述接入机制单次尝试接入节点为集群全部节点。随着集群规模进一步扩展,当接入节点数量超过上述机制最优负载后,接入申请消息碰撞加剧、解调成功概率下降[15]。面向集群规模扩展需求,有研究通过减少单次接入节点数量,保证单次接入节点数量维持在最优负载以提升系统资源效率。文献[16]设计了一种有汇聚节点的卫星接入架构,通过部分簇首节点接入卫星,进行传感信息回传。文献[17]面向卫星物联网接入系统,提出了一种改进的CRDSA3机制,每个节点选择3个时隙进行接入申请消息发送,并控制每个接入周期内节点有数据发送的概率,进一步提升了CRDSA3机制吞吐量。文献[17]指出,从吞吐量和丢包率两方面综合考虑,在固定每帧时隙数和相同丢包率的情况下,节点有数据发送的概率越低,可接入的终端数越多,但文献[17]并未就如何控制节点接入概率展开说明。该机制不存在汇聚节点,期望以概率分布降低单次接入节点数量,其本质上也是通过控制单次接入节点数量,避免大量节点对卫星接入资源的冲击以降低接入碰撞概率。然而在星地链路与编队内链路质量恶化时,依然需要进一步增大编码冗余度或引入重传机制[17],导致资源效率降低;且该机制接入节点数量固定,其余节点需等待下次接入周期才被允许尝试接入,无法依据星地链路与编队内链路质量进行动态优化,因此难以满足集群卫星高效接入需求,仍需进行优化设计。

功率域非正交技术结合竞争过程或已知用户位置时,通过构造用户端差异,亦可应用于卫星接入过程中[18-19]。文献[18]将功率域非正交技术与不规则重复时隙ALOHA结合,用户随机选择接入时隙与发送功率,在时频域与功率域同时叠加数据包副本,进一步提升了接收成功概率。基于自组网的探测集群在尝试信息回传的同时,也在进行网内信息交互,这为获知用户信息并进行功率配对、发挥功率域非正交优势提供了可能。且相比于随机选择发送功率的接入方式,通过确定功率配对,可进一步降低接入碰撞概率。可利用此特点提升同一时频资源接入节点数量与接入周期内多传次数,进一步优化接入机制,提升接入性能。

考虑高轨卫星通信链路较长且时断时续等特点,针对现有CRDSA等接入机制适应性不足、难以满足规模扩展的探测集群高效接入需求问题,本文提出了一种基于编队维护信息的探测集群编队非正交接入(FMI-NOMA)机制。FMI-NOMA机制首先利用集群节点间可交互特性,基于选举算法进行节点接入申请信息汇聚,依据集群规模、编队内链路及星地上行链路质量动态确定单次接入节点数量,通过减小集群节点随机接入碰撞概率与接入等待时间、提升接入申请消息接收成功概率;在此基础上,利用集群维护信息进行接入节点发送功率配对,通过结合功率域非正交传输方法,提升相同时频资源允许接入节点数量,从而降低单次接入申请占用总资源。通过上述两方面措施,提升节点接入成功概率、降低节点接入申请重传次数,避免集群规模扩展、星地链路时断时续时大量节点反复尝试接入卫星,实现集群高轨卫星接入时延与资源效率性能提升。

本文建立FMI-NOMA机制接入时延与资源效率性能模型,分析集群节点数量、编队内链路与星地链路中断率等网络与信道参数对接入时延与资源效率等性能的影响;考虑集群接入响应时间约束,建立资源效率最优化模型,在编队内交互与尝试接入卫星间进行折中,优化编队网络维护次数、单次接入节点数量等关键机制参数。仿真结果表明,FMI-NOMA机制与全部节点尝试接入的CRDSA机制及固定部分节点尝试接入的CRDSA3机制[17]相比,资源效率提升了约45%、接入时延降低了约12%,随着集群规模扩展,性能提升更加明显,能够满足探测集群高轨卫星接入与信息回传需求。

1 探测集群高轨卫星接入应用场景

探测集群高轨卫星接入应用场景包含一个高轨卫星、一个地面信关站及后端指控中心和N个探测集群节点,如图1所示,探测集群节点间最大跳数为H跳。卫星高度为36 000 km,与美军宽带卫星通信系统[7]相同。星地上下行链路、卫星-地面站上下行链路以及集群内通信链路均采用不同频段,考虑卫星接入链路时断时续特征,集群编队内链路中断率为pout-c,星地上行链路中断率为pout-s。

图1 探测集群高轨卫星接入应用场景示意图

探测集群分布式感知战场信息,并尝试利用高轨卫星将全运动视频、高分辨率图像等探测信息回传至指控中心。探测集群节点装备编队内自组网交互模块,部分节点装备编队内自组网交互模块与卫星通信模块。节点基于编队内自组网交互模块进行编队网络维护与网内信息交互,通过卫星通信模块进行接入申请与探测信息回传。探测集群完成侦察任务后,首先发送卫星接入申请消息,尝试接入卫星。卫星不进行星上处理,直接将接收到的用户信息转发至地面站,由地面站进行译码。接入申请消息被成功接收的节点会接收地面站经由卫星反馈的应答信令,并为节点分配数据传输资源,此后进入探测信息回传过程。

2 FMI-NOMA机制设计

2.1 设计思想

面向高轨卫星通信链路较长且易受干扰、时断时续特征,设计FMI-NOMA机制,为满足探测集群高轨卫星高效接入需求提供支撑。设计思路如下:

1)现有以CRDSA机制为代表的全部节点随机接入竞争机制,在通信链路较长且时断时续的高轨卫星接入场景中,存在丢包与误差扩散、接入申请重传次数等问题。此外,随着集群规模扩展,还存在接入申请消息碰撞加剧等问题。

针对上述问题,FMI-NOMA机制通过利用集群内节点可进行信息交互的特点进行节点信息汇聚,使得单次仅有部分节点尝试接入,避免大量节点冲击卫星接入资源,以降低编队接入申请碰撞、接入等待时间与重传次数,进而降低接入时延;

2)现有以改进的CRDSA3机制为代表的部分节点随机接入竞争机制,在通信链路较长且时断时续的高轨卫星接入场景中,编码冗余度与重传次数需进一步增大,且无法依据星地链路与编队内链路质量进行动态优化。

针对上述问题,FMI-NOMA机制通过引入功率域非正交传输方法,降低单次接入申请占用总资源、提高传输冗余度,从而提升节点接入成功概率,进而提升系统资源效率。

2.2 帧结构

参考DVB-RCS2标准中帧结构与消息结构规定,设计FMI-NOMA机制帧结构如图2所示。

图2 帧结构示意图

探测集群节点卫星通信帧内包括Sa个接入申请时隙、Sd个上行数据时隙与2个下行广播时隙。每帧内接入申请时隙构成接入申请子帧,上行数据时隙构成上行数据子帧。考虑高轨卫星星地链路距离,为最大化资源效率,接入申请与上行数据子帧时长均为480 ms。接入申请时隙与上行数据时隙用于集群节点发送接入申请消息与业务数据消息;下行广播时隙用于集群编队节点接收来自卫星的广播信息,包括允许接入资源单元、接入申请确认信息、数据传输确认信息及卫星广播数据等。接入申请消息、业务数据消息与广播消息格式与DVB-RCS2标准保持一致[20]。考虑集群节点间距离远小于集群接入卫星距离,且由于编队特性,各节点接入卫星距离差较小,无需较大的保护间隔以避免消息碰撞,因此忽略集群节点卫星通信消息中保护间隔影响。

探测集群编队内交互帧内包括C个自组网控制时隙与D个数据时隙。自组网控制时隙用于发送编队节点交互网络维护信息,数据时隙用于发送编队节点传输业务数据、汇总卫星接入申请消息。自组网控制与数据子帧时长与卫星通信帧中接入申请与上行数据子帧保持一致。文献[21]指出,面向均匀业务,无需多轮协商即可在节点间建立传输的选举机制在吞吐量方面更具优势,因此探测集群编队内交互采用选举机制。此外,编队内网络维护信息除包含实现编队自组网通信所需的节点号、节点邻居列表等消息内容外,为实现集群卫星接入,需要新增消息内容包括是否存在卫星接入需求、接入申请选举参数等。

2.3 机制流程

2.3.1 机制流程说明

FMI-NOMA机制通过编队网络维护获取节点接入需求信息并进行信息汇总,确定单次接入节点数量,采用功率域非正交方式发送接入申请消息并等待信关站回复以确定是否需要重新申请,如图3所示。机制流程如下:

图3 FMI-NOMA机制流程

1)集群节点开机并构建编队网络,感知编队内链路质量;基于选举机制占用自组网控制时隙进行编队内网络维护,获知节点接入申请情况,将有卫星接入需求的节点加入集合中。

2)节点接收本帧内卫星第1次下行广播信息,获取可用的登录时隙,明确接入资源单元。

3)依据接入资源单元与编队网络维护信息、编队内链路质量、星地上行链路质量等信息,确定单次接入节点数量Naccess。执行选举算法,确定本次接入节点,并对接入节点进行功率配对。其余节点将自身接入申请信息汇总至接入节点。

4)本次接入节点采用功率域非正交传输模式进行接入申请信息发送,等待信关站回复。信关站回复信息将包含在本帧内卫星第2次下行广播信息中。

5)编队节点接收信关站回复信息,获取接入结果。若接入失败,则等待下一接入周期重新进行上述操作,直至接入成功。

编队内网络维护、接入节点集合确定及节点接入申请信息汇总过程均涉及选举算法。选举算法基于哈希函数[21]进行,如图4所示。其输入参数包括本节点ID号、选举集合中其他节点ID号、可选举占用的时隙。分别计算本节点ID号与时隙号的混合值、选举集合中的其他节点ID号与时隙号的混合值。如果本节点的混合值最大,则本节点选举成功,可以在选举成功的时隙进行消息发送。

图4 选举算法示意图

在编队内网络维护、节点接入申请信息汇总过程中,若本节点的混合值不为最大,则若选举失败,则将时隙号加1,继续进行选举,直至时隙占用完毕。

特别的,在步骤3中,为确定接入节点集合并进行功率配对[22],节点在每个选举时隙执行两次选举算法。若第1次选举成功,则将自身发送功率确定为大功率;若第1次选举失败,继续进行第2次选举,若第2选举成功,则将自身发送功率确定为小功率;若第2选举依然失败,将时隙号加1,继续进行选举直至接入节点集合确定完成。

2.3.2 基于FMI-NOMA机制的高轨卫星编队接入流程举例

为直观描述基于FMI-NOMA机制的高轨卫星编队接入流程,本文以编队内包含A、B、C三个节点、最优单次接入节点数为2为例进行说明。流程如图5所示。

图5 基于FMI-NOMA机制的高轨卫星编队接入流程举例

3 FMI-NOMA机制性能分析与优化模型

综合考虑网络参数(编队内接入节点数量等)、信道参数(编队内链路中断率、星地上行链路中断率等),建立FMI-NOMA机制接入时延与资源效率性能分析模型,分析维护开销、单次接入节点数量等机制参数对接入性能的影响。考虑集群接入响应时间约束,建立资源效率最优化模型,优化关键机制参数,在编队内交互与尝试接入卫星间进行折中,确定不同集群规模、不同星地链路与编队内链路中断率下最优编队维护次数与单次接入节点数量,进一步提升接入性能。

3.1 接入性能分析模型

3.1.1 维护开销与接入成功概率模型

在集群接入过程中,集群节点首先基于选举机制进行K次编队内网络维护,以获取网络节点的卫星接入需求。由于集群内节点间链路时断时续影响,在网络维护过程中,可能存在部分节点信息未能被维护到,导致不同节点维护信息不一致,进而导致选举结果出现碰撞,影响后续接入节点集合确定及消息汇总过程。因此,在分析接入成功概率之前,首先进行维护一致性概率分析。

使用拓扑维护矩阵表示K次网络维护后邻居维护情况,并基于该矩阵进行维护一致性分析。矩阵列数为N,行数为K。矩阵值包括0(表征丢包,即本次未维护到该节点信息)、1(表征正确接收,即本次维护到该节点信息)。

RK×N={rk,n|k=1,…,K,n=1,…,N}

(1)

式中:rk,1=1。

对于某个节点的第i跳邻居节点,其维护矩阵值为1的概率为

p(rm,i=1)=(1-pout-c)i

(2)

可得该二项分布均值为Ei=(1-pout-c)i,方差为Di=(1-pout-c)i·[1-(1-pout-c)i]。

根据中心极限定理,K次和值服从正态分布。设维护成功阈值为θ,第i跳邻居节点维护成功概率为

(3)

式中:Φ(·)表示标准正态分布。进一步得到维护一致性概率为

(4)

式中:Ni表示节点的第i跳邻居节点数。

集群节点在完成K次网络维护后,依据接入资源单元信息与编队内链路质量、网络维护信息、星地上行链路质量等确定Naccess个允许接入申请节点并将其配对。

将编队内节点分为维护一致节点与维护不一致节点两类。对于维护一致节点,其维护到的节点数量为pconN;对于维护不一致节点,其维护到的节点为维护一致节点与自身,即pconN+1。这里为了简化计算,认为维护节点数量为pconN与pconN+1时的最优接入节点数量均为Naccess。

对于维护不一致节点,无论其作为允许接入节点还是将自身接入申请消息汇总至其他节点,由于维护一致性影响,功率域配对发送与消息汇总过程中必将与其他节点产生碰撞,其接入成功概率为0。

对于维护一致节点,其接入成功概率与选举无碰概率、星地上行链路中断率、非正交解调成功概率等有关。下面具体分析维护一致节点的接入成功概率:

1)接入申请消息汇总过程。完成编队内网络维护后部分节点基于选举机制,将自身接入申请消息汇总至某个允许接入申请节点处。接入申请消息汇总过程的成功概率受选举无碰概率、编队内链路中断率等因素影响。

对于维护一致节点,在接入申请信息汇总过程中,有

(5)

式中:pele为选举成功概率;h、v为选举机制退避指数。

对于维护不一致节点,有

(6)

式中:p′ele为选举成功概率。通过选举成功概率分析可以得到,接入申请消息汇总过程中的选举碰撞概率为需要进行接入申请消息汇总的任一维护不一致节点选举成功的概率,即1-(1-p′ele)(1-pcon)N。

因此,对于维护一致节点,接入申请消息汇总过程中的成功概率psuc-ele为

(7)

2)功率域非正交发送过程。在接入申请消息汇总完成后,进行功率域非正交发送。当维护不一致节点将自身作为允许接入节点尝试接入卫星时,将干扰正常接入的维护一致节点,可得此过程中维护一致节点的成功概率psuc-noma为

(8)

式中:pnoma为功率域非正交解调成功概率[22],与维护不一致节点尝试接入时产生的干扰有关。

综合上述过程分析,考虑单次接入节点占用资源与接入周期内可重传次数,总的系统接入成功概率psuc为

(9)

3.1.2 接入时延与资源效率模型

节点接入成功过程包括K次网络维护、选举并汇总接入消息、接入申请消息发送直至成功等。基于上述模型分析,可以得到接入时延为

(10)

式中:Tc为编队内交互时隙长度;Ts为卫星通信时隙长度;Ttr为星地传输时延;Tsch表示单次维护所需时间[23],

(11)

4Ttr+Ts为卫星及地面站转发处理时间。

资源效率定义为单位时间内接入成功节点数发送的接入申请所占比例:

(12)

3.2 资源效率最优化模型

从资源效率模型可以看出,影响资源效率性能的参数主要包括编队内链路中断率、星地上行链路中断率、编队网络维护次数、单次接入节点数量等。

为进一步提升接入性能,考虑集群接入响应时间约束,建立资源效率最优化模型,求解不同集群编队规模、不同星地链路与编队内链路中断率下最优编队维护次数与单次接入节点数量。该最优化模型可通过遗传算法等方法进行求解,在此不做赘述。

最优资源效率模型表示为

(13)

式中:Tserv表示集群编队接入响应时间门限。

4 仿真分析

设置不同集群编队规模、编队内链路中断率、星地上行链路中断率等参数,进行机制性能仿真分析。各参数取值范围如表1所示。需要说明的是,文献[24]实验结果指出,在链路中断率超过5%时,编队内网络性能开始恶化,而在链路中断率达到30%时,用于数据传输的网络资源大幅减少,甚至可能导致业务无法传输。文献[25-26]仿真分析中,设定星地上行链路中断率范围为0

表1 参数取值范围

分析不同集群编队规模、编队内链路中断率、星地上行链路中断率等参数下,编队网络维护次数、单次接入节点数量等关键机制参数对接入时延与资源效率性能影响;进行资源效率最优化仿真,给出不同网络与信道参数下最优编队维护次数与单次接入节点数量。最后,将本文所提出的FMI-NOMA机制与CRDSA机制及改进的CRDSA3机制[17]进行比较,验证其有效性。

4.1 FMI-NOMA机制性能分析

4.1.1 接入成功概率

以N=106为例,不同编队内链路中断率、不同星地上行链路中断率、不同编队网络维护次数与单次接入节点数量下FMI-NOMA机制接入成功概率如图6所示。

图6 接入成功概率

如图6(a)、图6(b)所示,随着编队内链路中断率增大,相同单次接入节点数量、相同维护次数下,接入成功概率降低。类似的,如图6(d)、图6(f)所示,当星地上行链路中断率增大时,相同单次接入节点数量、相同维护次数下,接入成功概率降低。

如图6(a)、图6(b)、图6(c)所示,在相同单次接入节点数量下,随着维护次数增大,接入成功概率随之增大并趋于平缓。这是由于随着维护次数增大,维护一致性概率提升并逐渐趋于1、维护不一致节点干扰影响降低,编队节点交互优势得到充分利用。可以看出,当单次接入节点数量固定时,存在一个最小的维护次数,使得接入成功概率最大。

如图6(d)、图6(e)、图6(f)所示,在相同维护次数下,随着单次接入节点数量增大,接入成功概率基本呈现先增大后减小趋势,当维护次数较小、编队内链路中断率较大时该趋势更为明显。这是由于,当单次接入节点数量较小时,大部分节点需要将自身接入申请消息汇总至上述节点处。若编队内维护一致性概率不为1,将影响部分节点消息汇总失败,导致接入成功概率较低(当维护次数较小、编队内链路中断率较大时,加重了编队内维护一致性概率影响)。而当单次接入节点数量较大时,维护不一致节点成为接入申请节点概率随之增大、不一致概率将影响功率域节点配对结果,同时接入周期内重传次数降低,导致接入成功概率降低。可以看出,当维护次数固定时,存在最优单次接入节点数量,使得接入成功概率最大。

此外,如图6(a)、图6(b)所示,在相同维护次数下(以K=3为例),当编队内链路中断率pout_c=0.1时,单次接入节点数量Naccess=10时接入成功概率最大;而当编队内链路中断率pout-c=0.2时,单次接入节点数量Naccess=60时接入成功概率最大。图6(d)、图6(f)亦证明了上述结论。即:编队内链路中断率增大时,使得接入成功概率最大的单次接入节点数量随之增大。可以看出,在不同接入场景下,编队内交互与尝试接入卫星间存在折中关系。随着编队内链路中断率增大,更倾向于选择多节点尝试接入卫星以减轻编队内交互不一致影响、提高接入成功概率。

4.1.2 接入时延与资源效率

以N=106为例,不同编队内链路中断率、不同星地上行链路中断率、不同编队网络维护次数与单次接入节点数量下FMI-NOMA机制接入时延与资源效率如图7和图8所示。不同编队内链路中断率、不同星地上行链路中断率下最优维护次数、最优单次接入节点数量如图中箭头标识所示(分别以Naccess=10、K=3为例)。

图7 FMI-NOMA机制接入时延

图8 FMI-NOMA机制资源效率

如图7(a)、图7(b)与图8(a)、图8(b)所示,随着编队内链路中断率增大,相同单次接入节点数量、相同维护次数下,接入时延与资源效率性能降低。类似的,如图7(e)、图7(f)与图8(e)、图8(f)所示,当星地上行链路中断率增大时,相同单次接入节点数量、相同维护次数下,接入时延与资源效率性能降低。

如图7(a)、图8(a)所示,当单次接入节点数量固定时,随着维护次数增加,FMI-NOMA机制接入时延与资源效率性能呈现先上升、后下降的趋势。如图7(d)、图8(d)所示,在相同维护次数下,随着单次接入节点数量增加,FMI-NOMA机制接入时延与资源效率性能亦呈现先上升、后下降的趋势。这是由于随着维护次数与单次接入节点数量增加,机制接入成功概率增大、性能得到提升;但随着维护次数与单次接入节点数量进一步增加,维护开销增大、单次占用时隙数量增大导致接入周期内重传次数降低,因此性能下降。

如图7(a)、图7(b)、图7(c)与图8(a)、图8(b)、图8(c)所示,随着编队内链路中断率增大,最优维护次数增大;而当星地上行链路中断率增大时,最优维护次数基本保持不变。如图7(d)、图7(e)、图7(f)与图8(d)、图8(b)、图8(f)所示,随着编队内链路中断率增大,最优单次接入节点数量增大;而当星地上行链路中断率增大时,最优单次接入节点数量基本保持不变。当编队内链路中断率由0.1增大为0.2时,Naccess=10时的最优维护由3增大为11,K=3时的最优单次接入节点数量由15增大为60,即单次接入节点数量固定下的最优维护次数与维护次数固定下的最优单次接入节点数量受编队内链路中断率影响较大。

4.1.3 满足接入响应时间约束下的最优资源效率及对应机制参数

以N=106为例,不同编队内链路中断率、星地上行链路中断率下,在满足接入响应时间约束的前提下,FMI-NOMA机制最优资源效率及其对应的单次接入节点数量与编队网络维护次数如图9 所示。

图9 最优单次接入节点数与编队网络维护次数

当pout-c=0、pout-s=0.1时,FMI-NOMA机制最优单次接入节点数量为12、最优维护次数为1;当pout-c=0.1、pout-s=0.1以及pout-c=0.1、pout-s=0.2时,FMI-NOMA机制最优单次接入节点数量为25、最优维护次数为2;当pout-c=0.2、pout-s=0.1时,FMI-NOMA机制最优单次接入节点数量为60、最优维护次数为5。因此,在N=106集群下,当pout-c=0、pout-s=0.1时,需有12个节点配备编队内自组网交互模块与卫星通信模块双模模块;当pout-c=0.1、pout-s=0.1以及pout-c=0.1、pout-s=0.2时,需要有 25个节点配备双模模块;而当pout-c=0.2、pout-s=0.1时,需要有60个节点配备双模模块以达到较优的接入性能。由图9可以看出:当编队内链路中断率不变时,随着星地上行链路中断率增大,最优维护次数与最优单次接入节点数量基本保持不变;当星地上行链路中断率不变时,随着编队内链路中断率增大,最优维护次数与最优单次接入节点数量均随之增大。即:最优维护次数与最优单次接入节点数量受编队内链路中断率影响较大。这是由于,当编队内链路中断率不变时,对应某个维护次数与单次接入节点数量下的接入成功概率与星地上行链路中断概率成反比关系,即:接入时延与资源效率性能与星地上行链路中断率呈反比关系,因此,此时最优维护次数与最优单次接入节点数量基本保持不变。而当星地上行链路中断率不变时,随着编队内链路中断率增大,需要增大维护次数才可达到较优的维护一致性概率,此时,在相同维护次数下,节点汇总接入申请消息失败概率增大,同时有更多的节点无法被维护成功,这些维护不一致节点亦可能直接发送接入申请消息,导致功率域非正交解调失败。因此,当编队内链路中断率较大时,为使机制性能达到最优,需要选择较大的维护次数与较高的单次接入节点数量。综合上述分析,当编队内链路中断率较小时,更倾向于选择进行编队内交互、汇总接入申请消息,仅需小部分节点配备卫星通信模块并尝试接入卫星;而随着编队内链路中断率增大,更倾向于选择多节点尝试接入卫星而不是进行编队内交互汇总接入申请消息,即需要有更多的节点配备卫星通信模块。可根据上述分析确定不同集群编队规模、编队内链路中断率、星地上行链路中断率等接入场景下的最优单次接入节点数量与最优维护次数。

4.2 机制性能比较

FMI-NOMA机制与CRDSA机制、改进的CRDSA3机制[17]参数均取最优时,不同集群规模、编队内链路中断率、星地上行链路中断率下,机制接入时延与资源效率对比分别如图10、图11所示。

图10 不同机制接入时延

图11 不同机制资源效率

如图10所示,随着集群编队节点数量增多, 3种机制接入时延均增大。其中,CRDSA机制接入时延增幅最大、无法满足集群编队接入卫星需求。改进的CRDSA3机制[17]在集群编队节点数量超过一定范围后,接入时延增幅急剧增大,这是由于此时接入节点数量已经超过改进的CRDSA3机制[17]最优负载,接入成功概率降幅较大,导致接入重传次数急剧增大。

如图11所示,随着集群编队接入节点数量增多,CRDSA机制资源效率呈现下降趋势,这是由于此时接入节点数量已超过最优负载,CRDSA机制碰撞加剧导致机制接入成功概率下降、资源效率下降。改进的CRDSA3机制与FMI-NOMA机制资源效率呈现先上升后下降的趋势(除图11(c)外,其余场景机制资源效率性能亦符合先上升、后下降的趋势,由于仿真节点数量限制未在图中体现)。这是由于当最优单次接入节点数量较小时,随着集群编队接入节点数量增大,资源得到充分利用,资源效率提升;而当集群编队接入节点数量进一步扩展、最优单次接入节点数量增大后,部分节点需要等待下一个接入周期进行接入申请发送,导致接入时延增大、资源效率降低。

如图10(b)、图10(c)、图10(d)与图11(b)、图11(c)、图11(d)所示,随着编队内链路中断率与星地上行链路中断率增大,在相同接入规模下,各机制接入时延与资源效率性能均呈现下降趋势,且FMI-NOMA机制受编队内链路中断率影响较大。如图10(c)与11(c)中红色虚线圆圈所示,当pout-c=0.2、pout-s=0.1、150≤N≤190时,改进的CRDSA3机制[17]性能优于FMI-NOMA机制。这是由于FMI-NOMA 机制需要进行编队内网络维护以汇总节点接入申请信息,当编队内链路中断率较大时,需要多次维护,导致接入时延增大、资源效率降低,但依然满足集群编队接入响应时间约束。若集群编队接入节点数量超过一定范围(N>170),此时FMI-NOMA机制接入时延将无法满足接入卫星需求,即在该场景下无法支持更大规模探测集群编队,需要减小集群编队规模。

综上,本文提出的FMI-NOMA机制,通过优选编队网络维护次数、单次接入节点数量等机制参数,与CRDSA机制及改进的CRDSA3机制[17]相比,资源效率提升了约45%、接入时延降低了约12%。FMI-NOMA机制在接入节点数量较大(特别是超过CRDSA机制与改进的CRDSA3机制最优负载时)、星地上行链路时断时续时,接入时延与资源效率性能均优于CRDSA机制与改进的CRDSA3机制,为满足高轨卫星场景下探测集群接入与信息回传需求提供了有效解决思路。

5 结论

为满足接入频带资源受限、通信链路较长且链路时断时续的高轨卫星场景下探测集群编队接入需求,本文提出一种基于编队维护信息的探测集群编队非正交接入机制并优化编队网络维护次数与单次接入节点数量参数,为满足高轨卫星场景下探测集群接入与信息回传需求提供了有效解决思路。后续研究中将进一步优化编队内链路时断时续时的机制性能,并细化功率分配设计等内容。得出以下主要结论:

1)本文提出的FMI-NOMA机制利用基于选举机制的编队节点间可交互优势,结合功率域非正交传输模式,使得单次仅有部分节点进行接入申请,同时提升相同时频资源允许接入节点数量,从而减小编队节点随机接入申请碰撞概率与接入时延、提升系统资源效率。

2)建立FMI-NOMA机制接入时延与资源效率性能分析模型,分析维护开销、单次接入节点数量等机制参数对接入性能的影响。考虑集群接入响应时间约束,建立资源效率最优化模型,优化关键机制参数,进一步提升接入性能。

3)进行机制性能仿真。仿真结果表明该机制相较于CRDSA机制及改进的CRDSA3机制,资源效率提升了约45%、接入时延降低了约12%,更适用于集群规模扩展、星地链路时断时续的高轨卫星接入场景。