为了实现卫星网络中任意节点传输尽可能多的数据至地面站，文献[3]以蚁群算法为基础，将链路带宽和传输跳数作为参考因子，寻找到达协作卫星(直接与地面站通信的卫星)的最优路径。文献[4]设计了一种互斥多路径路由算法，由低轨发言人收集并交换实时链路状态，根据全网拓扑计算协作卫星与本地的多条最优路径，旨在增强卫星实时下行数据的能力。面向低轨卫星实时传输信息至地面站的需求，文献[5]设计了一种吞吐量和路由联合调度机制，为全网卫星制定传输调度顺序与路径，从而实现吞吐量最大化的目标。或者以高轨卫星作为低轨遥感卫星的中继[6]，低轨卫星将收集的数据经过高轨卫星转发至地面站，提升了遥感数据传输的实时性。以上研究总结为两方面：第一是设计多层卫星网络架构，利用同步轨道卫星中继数据[7]，一定程度上提升了传输的实时性，对于资源受限的高轨卫星[8]，传输海量遥感数据将占用其大部分的带宽资源，特别是多星接入时，导致高轨卫星负载过重、数据传输时延较大；第二是以链路带宽、时延等作为路由度量准则，设计集中式的路由或传输调度算法[9]，该类算法将研究重点放在带宽利用率与负载均衡[10]，忽略系统的传输时效性需求以及协作卫星变更引发的传输延迟。
针对以上研究的不足，本文提出一种按需遥感数据传输的应用需求，地面站可主动向LEO卫星网络索取所需资源，为用户提供更智能的数据传输服务，将其即刻所需的资源及时传送回地面站。设计的数据传输机制主要具有以下创新点：①提供资源的卫星定位与路由建立的同步执行；②设计多路由度量决策模型，结合路径持续服务时间(Path Persistent Service Time, PST)最大化的路由算法，减少协作卫星的改变所引起的路由重构操作，降低数据传输时延。对比现有的数据驱动下行方式，该机制能够在海量遥感数据中快速定位所需资源并及时传输至地面站，保证数据下行的时效性，促进传统的被动式遥感数据服务向主动智能模式的转换。
1 按需遥感数据传输模型 定义LEO卫星网络中的卫星集合为S={S1, S2, …, SN}，卫星数目为N。将遥感卫星网络所覆盖的地面区域划分为M个子区域A={A1, A2, …, AM}，为简化模型，假设子区域不重叠。对于任意卫星Si，存储着在不同时刻采集到的不同区域的遥感影像资源块，将其表示为RB(Si)={RB1(Si), RB2(Si), …, RBL(Si)}，L代表该卫星拥有的资源块数目，任意资源块RBl(Si)具有时间属性Time(RBl(Si))=T→T′与空间属性Space(RBl(Si))=Ax，具体含义是卫星Si在时间段[T, T′)将采集的Ax区域的遥感影像存储为RBl(Si)。
本文使用“一站一星”的工作模式，即同一时刻仅设置一颗与地面站直接通信的卫星，称为协作卫星[11](Cooperative Satellite, CS)，并将下一任的协作卫星称为当前协作卫星的继承协作卫星(Inherited Cooperative Satellite, ICS)，两者的继承关系可以表示为
 | (1) |
 |
| 图 1 遥感数据下行示意图 Fig. 1 Schematic diagram of remote sensing data downlink |
| 图选项 |
式中：RBl(S*)∈RB(S*)，?l∈(1, 2, …, L)；Am∈A，?m∈(1, 2, …, M)；[Ta, Tb)为系统周期内的某一时间段。具体含义是，若某卫星具有指定的时间属性和空间属性的遥感资源块，那么该卫星即能够为地面站提供其所需资源的资源卫星。
2 一种遥感卫星数据传输机制 通常情况遥感下行数据量较大，很有可能由于协作卫星的切换，使得传输路径断开，需要重构路由，整个过程时延较大，无法保证数据传输的实时性要求。在图 1中，B节点到达地面站的传输路径如图所示，当CS移出地面站可视范围后，当前传输路径不可用，B节点需要重构到地面站的路径。如果B节点采用如图 2所示的路径进行传输，该条路径包含继承协作卫星节点ICS，当CS-ES的星地链路失效后，ICS可以直接连接地面站，即B节点仍然具有到达地面站的传输路径，其遥感数据的下行传输过程不中断。基于此想法，本节将介绍基于路径可持续服务时间最大化的路由算法，以及联合资源卫星定位的路由构建过程。
 |
| 图 2 连续数据下行实例 Fig. 2 An example of continuous data downlink |
| 图选项 |
2.1 基于多目标优化的路径评估模型 为了评估路径是否满足传输的可靠性与低时延需求，本文将预期传输次数(Expected Number of Transmissions, ENT)、传输时延与持续服务时间作为路径代价评估指标[12]。
2.1.1 预期传输次数 预期传输次数[13]，定义为节点i的单播分组被节点j成功接收所需的传输次数，值越小则链路Sij的通信质量越好，数据接收的成功率越大。路由协议在运行阶段设置有效周期为t的探测窗口，节点i与节点j均以周期T发送组网信号探测星间链路Sij的连通性与传输质量，每个探测窗口结束时节点交互所收到彼此的组网信号数目。假设探测窗口内j成功接收节点i的组网信号数为cnt，在链路不断开的条件下，对于探测窗口k(k＞1)，i单播一个分组被j成功接收的概率如式(2)所示，即最新的成功接收概率。
 | (2) |
式中：rjk-1为上一个探测窗口的数据成功接收概率。因此节点i向节点j单播一个数据包，j成功接收数据包的预期传输次数为
 | (3) |
一条端到端路径path的期望传输次数为组成其的各条链路Sij的预期传输次数之和：
 | (4) |
2.1.2 路径传输时延 遥感数据下行过程中最关注数据传输时延，因此本文设计的路由决策将路径时延作为主要的路由度量。分组p沿链路Sij由卫星i传输到j的链路时延DSij包括发送时延size(p)/Rij、传播时延dij/c和排队时延
 | (5) |
式中：size(p)为分组p大小；Rij为链路Sij的数据发送速率；dij为链路Sij的长度；c为光速；Q为位于分组p之前的链路队列缓存长度。时延具有可加性，因此端到端路径时延即为链路时延的总和为
 | (6) |
2.1.3 路径持续服务时间 路径持续服务时间指一条端到端路径能支持资源卫星连续下行传输数据的时间，一站一星模式中，同一时刻仅存在一颗协作卫星，协作卫星的变更致使某些路径失效，无法继续提供数据下行的服务，而包含继承协作卫星的路径则很有可能提供较长的传输服务时间；另一方面，对于那些生存性很差的路径也不能支持连续的数据下行。星间链路的生存性可以使用链路有效期(Link Validity Time, LVT)衡量，将星间链路的有效期定义为通信范围内两卫星的链路剩余保持时间，有效期越长则链路维持时间越长，链路的生存性越好。依据卫星的周期性运行规律，可以得到星间链路Sij的链路有效期LVTSij。路径path的有效期由构成该路径的星间链路的有效期的最小值决定：
 | (7) |
由以上分析得到，路径持续服务时间不仅受星间链路的生存性影响，还与星地链路的连接时间相关，其值由该路径的有效期和该路径与地面站连接时间中的较小者来决定。路径与地面站的连接时间就是协作卫星与地面站的剩余通信时间，如果一条路径中包含了继承协作卫星，那么这条路径与地面站的连接时间应为协作卫星与地面站的剩余通信时间加上继承协作卫星与地面站的可视时间。设TCS是协作卫星CS与地面站的剩余通信时间，TICS是继承协作卫星ICS与地面站的可视时间。本文仅考虑一次协作继承，多次协作继承可以此类推；由协作卫星到资源卫星的传输路径
 | (8) |
2.1.4 路径评估模型 本文提出了路径持续服务时间最大化的遥感数据下行机制，旨在为资源卫星S*提供连续的数据传输。如果传输路径中存在具有继承关系的协作卫星，那么该路径可以为资源卫星提供相对较长时间的路由服务，然而有些持续服务时间长的路径可能存在传播时延较大或者通信质量欠佳等问题，并不能保证遥感数据下行的时效性与可靠性。所以本文将路由决策问题等效为多目标约束下的最优化路径代价评估模型：
 | (9) |
式中：Dmax和ENTmax分别为路径时延阈值、路径传输次数阈值，可根据实际场景设置。基于预期传输次数和时延等链路状态的协同约束，以持续服务时间为路径代价，资源卫星获取候选传输路径集合{path1, path2, …, pathN|l=1, 2, …, N}之后，将持续服务时间最大化作为决策依据[14]，从满足传输时延与传输质量的多条可用路径中，选择支持资源卫星下行数据时间最长的路径作为下行遥感数据的最佳传输路径。通常情况下，遥感卫星网络规模有限，卫星节点数量不多，因此筛选符合条件的路径切实可行。
2.2 联合资源卫星定位的路由构建过程 卫星周期性发送带有本地移动信息的“心跳信号”以感知链路状态[15]，获取信号的邻居卫星根据移动信息等计算并存储链路有效期、期望传输次数和链路时延。地面站需要具有某种时空属性的遥感数据时，若当前协作卫星具有相关的遥感资源，直接利用星地链路将其下行传输至地面站；若协作卫星无法提供时，由协作卫星驱动资源定位与路由协议的同步执行，在泛洪方式资源查询过程中运行按需路由算法[16]，建立资源卫星与协作卫星间的传输路径。本文关注的是如何快速定位并传输资源，不再赘述按需路由算法细节。详细步骤如下：
步骤1??当协作卫星收到地面站发来的包含时空属性{Am, Ta→Tb}的资源定位指示，创建路由发现请求分组(Route Request, RREQ)，获取协作卫星地址Src_addr、其与地面站的剩余可视时间TCS，填充于RREQ请求中的相应位置，将继承协作卫星与地面站的可视时间TICS以及其他的各项路径代价置为0，查询本地请求记录RREQ_ID，进行加一操作后写入请求的相应字段，广播发送该RREQ请求，转步骤2。本文重新设计了按需路由协议的请求分组格式，图 3显示了RREQ分组的主要字段，不再使用原有格式中的目的地址，增加资源时空属性Attributes与相应路径代价等主要字段，用于检索匹配遥感资源和评估路径代价。
 |
| 图 3 RREQ消息格式设计 Fig. 3 Format design of RREQ packet |
| 图选项 |
步骤2??节点收到路由发现请求，检查之前是否收到过相同标识的请求RREQ_ID，若是，丢弃该请求；否则执行资源定位与路径构建过程，若是继承协作卫星收到RREQ，将其与地面站的可视时间填充于请求中的相应字段，用于路径代价的计算。添加或者更新到协作卫星的路由信息，计算发来请求的邻居与本节点之间的各项链路代价，链路时延DSij、期望传输次数ENTSij、链路有效期LVTSij，与RREQ中携带路径时延Dpath、路径期望传输次数ENTpath、路径有效期LVTpath以及路径持续服务时间PSTpath进行迭代计算后并更新至RREQ相应字段，转步骤3。
步骤3??根据RREQ中的时空属性查询本地遥感资源，若具有满足式(1)的资源块，本地卫星即为资源卫星S*，开启路径信息收集定时器，在定时期间等待来自其他路径的RREQ。步骤2所述的检查RREQ请求标识，若是资源卫星在收集路径信息期间，收到相同标识的RREQ请求，此时不再丢弃，将其加入候选传输路径集合；定时器期满后进入路径选取阶段，根据候选集合中备选者的路径代价C来确定最优传输路径[17]，为了建立双向路径，S*沿最优传输路径的反向单播路由应答(Route Reply, RREP)，并驱动卫星数据的下行。若不存在属性相同的资源块，转发该请求。
步骤4??根中间节点收到RREP，创建或更新到达资源卫星的路径，进入下行数据的准备阶段，并沿着已建好的反向路径转发该RREP，直至协作卫星收到该路由回复，通知地面站准备接收遥感数据。
3 仿真与性能评估 3.1 仿真场景设置 为了分析文中的按需数据传输机制的有效性与可靠性，借助网络仿真软件NS3构建类铱星系统的LEO卫星网络模型，仿真过程中用到的主要参数如表 1所示。
表 1 仿真参数设置 Table 1 Simulation parameter setting
| 参数 | 数值 |
| 轨道高度/km | 780 |
| 轨道数 | 6 |
| 轨道中卫星数 | 10 |
| 轨道倾角/(°) | 86 |
| 星间链路数 | 4 |
| 星间链路带宽/(Mbit·s-1) | 10 |
| 数据传输速率/(Kbit·s-1) | 800~1 400 |
| 数据包平均长度/Bytes | 1 000 |
表选项
卫星轨道高度780 km，设置6个倾斜角为86°的轨道面，每个轨道面上均匀分布10颗卫星，星间链路带宽10 Mbit/s，每颗卫星具有2条轨道内链路和2条轨道间链路，卫星在穿越极区时关闭轨道间的星间链路，反向缝两侧不设置轨道间链路；部署的境内地面站位于北京(116°E，40°N)，遥感资源块以数据包格式进行传输，数据包的平均长度为1 000 Bytes，数据传输比特率在800~1 400 Kbit/s区间选取。在此场景下，配置不同的数据传输比特率和位置不同的资源卫星，在网络负载状态和传输路径距离不同的仿真场景下，以分组的平均端到端时延和丢失率为性能评估指标，利用NS3软件将本文所提路由算法与按需最小跳数路由算法进行仿真对比。
3.2 算法性能评估 在所搭建的卫星网络模型中，假设地面站请求区域(120°W，54°S)的即刻(2018年9月25日19：50)遥感影像资源，响应的资源卫星以一定的数据传输速率下行，图 4为网络负载状态对算法性能的影响。图 4(a)、图 4(b)分别显示了在不同资源传输速率下的数据平均端到端传输时延与丢失率的变化趋势，传输速率表征网络的负载状态，随着资源传输速率的增加，网络趋于重负载状态，此时极易发生拥塞现象，因此2种算法的数据端到端传输时延与丢失率均呈现增长趋势。
 |
| 图 4 网络负载状态对算法性能的影响 Fig. 4 Influence of network load states on algorithm performance |
| 图选项 |
按需最小跳数路由的建路准则是寻路包经历的跳数最小，分析图 4(a)可得，对比最小跳数路由，服务时间最大化路由算法对遥感数据的传输时延具有一定的优化作用，由于建立路径的准则不是路径最短，所选路径相对来说可能时延较大，但是算法将服务时间最大化作为构建路径的主要依据，以很大概率获得了包含继承协作卫星的传输路径，一定程度上避免了由于传输路径损毁而引入的路由重构时延，从而改善了端到端传输时延。如图 4(b)所示，本文算法能够使得更多的数据被地面站成功接收，具有更低的分组丢失率，这是因为卫星考虑了其与邻居节点之间的链路质量与稳定性，在路由决策阶段对链路时延、服务持续性等方面进行了约束，剔除了传输质量与链路稳定性较差的路径，避免了路径重构过程所造成的分组丢失现象，使得数据传输的投递率得到提高，增强了地面站接收遥感数据的可靠性。
图 5为传输路径距离对算法性能的影响。图 5(a)显示了数据传输比特率为1 400 Kbit/s时的遥感数据平均端到端传输时延随着资源卫星位置不同的测试结果。分析可得，资源卫星与协作卫星的相对距离越大，数据传输时延随之增加，一方面是因为引入了较大的传播时延，另一方面则是由于路径中包含的卫星数目变多，传输碰撞现象频繁发生，从而使得处理时延和重传时延迅速增长，所以整体的传输时延持续增加；本文算法相对于按需最小跳数路由算法，考量了链路质量和生存性等链路权重，传输路径所包含的链路质量较好，减小了因链路拥塞和路径失效所引入的时延，因此具有更小的数据端到端传输时延。固定数据传输比特率为1 400 Kbit/s，图 5(b)显示了资源卫星位置不同时的遥感数据丢失率，随着资源卫星与协作卫星的距离增加，分组丢失率持续增长，网络处于重负载时，本文算法的优化作用更加明显，这是由于对星间链路的传输质量进行实时检测，倾向选择状态较好的链路，使得建立的下行路径更加稳定；此外，以路径持续服务时间最大化为目标，所选的下行路径中很有可能包含着继承协作卫星，路径有效期相对较大，大大地降低了因传输路径失效而引起的数据丢失概率。
 |
| 图 5 传输路径距离对算法性能的影响 Fig. 5 Influence of transmission path distance on algorithm performance |
| 图选项 |
4 结论 为了克服现有LEO遥感卫星数据传输机制的低效率、高时延等问题，实现LEO卫星网络数据下行的时效性与可靠性，本文在按需路由算法的基础上，结合资源卫星定位过程，提出了一种按需方式的遥感数据传输机制，并结合路径持续服务时间最大化的路由算法，寻找最优传输路径。使用NS3仿真平台搭建LEO卫星网络并进行仿真验证，结果表明：
1) 相比于传统数据传输机制中使用的按需最小跳数路由算法，设计的按需遥感数据传输机制将传输质量和路径持续服务时间作为路径代价，避免了因协作卫星切换所引入的传输延迟，有效地降低了遥感卫星网络中的数据传输时延，提高了分组投递率。
2) 随着数据传输速率增加，网络趋于重负载状态，传输路径中断概率变大，而所提机制中以路径持续服务时间最大化为寻路准则，同时考量了路径的传输质量，因此在重负载状态下，对网络性能的改善作用越显著。
参考文献
| [1] | KONDRATEVA O, D?BLER H, SPARKA H, et al.Throughput-optimal joint routing and scheduling for low-earth-orbit satellite networks[C]//Proceedings of 2018 Wireless On-Demand Network Systems and Services.Piscataway, NJ: IEEE Press, 2018: 59-66. |
| [2] | ZHOU D, SHENG M, LUI K S, et al.Lifetime maximization routing with guaranteed congestion level for energy-constrained LEO satellite networks[C]//Proceedings of 2016 IEEE Vehicular Technology Conference Spring.Piscataway, NJ: IEEE Press, 2016: 1-5. http://ieeexplore.ieee.org/xpls/abs_all.jsp?arnumber=7504319 |
| [3] | YARR N, CERIOTTI M. Optimization of inter-satellite routing for real-time data download[J]. IEEE Transactions on Aerospace & Electronic Systems, 2018, 54(5): 2356-2369. |
| [4] | 刘沛龙, 陈宏宇, 魏松杰, 等. LEO卫星网络海量遥感数据下行的负载均衡多径路由算法[J]. 通信学报, 2017, 38(Z1): 135-142. LIU P L, CHEN H Y, WEI S J, et al. Load balancing multipath routing protocol for mass remote sensing data downlink in LEO satellite network[J]. Journal on Communication, 2017, 38(Z1): 135-142. DOI:10.11959/j.issn.1000-436x.2017246 (in Chinese) |
| [5] | LV T, LIU W, HUANG H, et al.Optimal data downloading by using inter-satellite offloading in LEO satellite networks[C]//Proceedings of 2016 IEEE Global Communications Conference.Piscataway, NJ: IEEE Press, 2016: 1-6. http://ieeexplore.ieee.org/document/7842081/ |
| [6] | 刘立芳, 吴丹, 郎晓光, 等. GEO/LEO卫星网络的数据传输与抗毁性技术[J]. 西安电子科技大学学报(自然科学版), 2018, 45(1): 1-5. LIU L F, WU D, LANG X G, et al. Research on data transmission and survivability technology of the GEO/LEO satellite network[J]. Journal of Xidian University(Natural Science), 2018, 45(1): 1-5. DOI:10.3969/j.issn.1001-2400.2018.01.001 (in Chinese) |
| [7] | WU Y, YANG Z, ZHANG Q.A novel DTN routing algorithm in the GEO-relaying satellite network[C]//Proceedigns of 2015 International Conference on Mobile Ad-Hoc and Sensor Networks.Piscataway, NJ: IEEE Press, 2015: 264-269. http://ieeexplore.ieee.org/document/7420953/ |
| [8] | 柴嘉薪, 王新龙, 俞能杰, 等. 高轨航天器GNSS信号传播链路建模与强度分析[J]. 北京航天航空大学学报, 2018, 44(7): 1496-1503. CHAI J X, WANG X L, YU N J, et al. Modeling and intensity analysis of GNSS signal link for high-orbit space-craft[J]. Journal of Beijing University of Aeronautics and Astronautics, 2018, 44(7): 1496-1503. (in Chinese) |
| [9] | ZHANG T, LI H, ZHANG S, et al.A storage-time-aggregated graph-based QoS support routing strategy for satellite networks[C]//Proceedings of 2017 IEEE Global Communications Conference.Piscataway, NJ: IEEE Press, 2017: 1-6. |
| [10] | LI X, TANG F, CHEN L, et al.A state-aware and load-balanced routing model for LEO satellite networks[C]//Proceedings of 2017 IEEE Global Communications Conference.Piscataway, NJ: IEEE Press, 2017: 1-6. |
| [11] | TANG F, ZHANG H, FU L, et al. Multipath cooperative routing with efficient acknowledgement for LEO satellite networks[J]. IEEE Transactions on Mobile Computing, 2019, 18(1): 179-182. DOI:10.1109/TMC.2018.2831679 |
| [12] | 杨力, 孙晶, 潘成胜, 等. 基于多目标决策的LEO卫星网络多业务路由算法[J]. 通信学报, 2016, 37(10): 25-32. YANG L, SUN J, PAN C S, et al. LEO multi-service routing algorithm based on multi-objective decision making[J]. Journal on Communications, 2016, 37(10): 25-32. DOI:10.11959/j.issn.1000-436x.2016192 (in Chinese) |
| [13] | XU W C, JIANG M, TANG F L, et al. Network coding-based multi-path routing algorithm in two-layered satellite networks[J]. IET Communications, 2018, 12(1): 2-8. DOI:10.1049/iet-com.2017.0325 |
| [14] | 徐方, 张沪寅, 徐宁, 等. 基于上下文认知的高效能路由算法[J]. 华南理工大学学报, 2015, 43(5): 139-144. XU F, ZHANG H Y, XU N, et al. An energy-efficient routing algorithm based on context awareness[J]. Journal of South China University of Technology, 2015, 43(5): 139-144. DOI:10.3969/j.issn.1000-565X.2015.05.022 (in Chinese) |
| [15] | 马林华, 张嵩, 茹乐, 等. 航空高动态网络链路感知OLSR路由算法[J]. 北京航天航空大学学报, 2016, 42(7): 1326-1334. MA L H, ZHANG S, RU L, et al. Link awareness-based OLSR routing algorithm for airborne highly dynamic networks[J]. Journal of Beijing University of Aeronautics and Astronautics, 2016, 42(7): 1326-1334. (in Chinese) |
| [16] | LI T, JI H, MEI J Q.Topology mismatch avoidable cross-layer protocol for P2P file discovery in MANETs[C]//Proceedings of 2009 IEEE Wireless Communications & Networking Conference.Piscataway, NJ: IEEE Press, 2009: 2943-2947. http://ieeexplore.ieee.org/xpls/abs_all.jsp?arnumber=4917995 |
| [17] | 祝振凱, 黄传河. 基于链路信息的卫星网络最优路径选择策略[J]. 计算机工程与科学, 2017, 39(3): 470-476. ZHU Z K, HUANG C H. An optimized path selecting strategy in satellite network based on satellite link information[J]. Computer Engineering & Science, 2017, 39(3): 470-476. DOI:10.3969/j.issn.1007-130X.2017.03.010 (in Chinese) |
