当前位置：首页 > news >正文

一种基于粒子群优化的大规模低地球轨道卫星通信网络队列调度与优化机制

news 来源：原创 2025/6/9 15:36:27

论文标题

英文标题：A Particle Swarm Optimization-Based Queue Scheduling and Optimization Mechanism for Large-Scale Low-Earth-Orbit Satellite Communication Networks
中文标题：一种基于粒子群优化的大规模低地球轨道卫星通信网络队列调度与优化机制

作者信息

Ziyong Zhang¹, Tao Dong¹, Jie Yin¹, Yue Xu¹, Zongyi Luo¹, Hao Jiang², Jing Wu²
¹国家空间地基综合信息系统重点实验室，北京空间星科技有限公司，北京 100095，中国
²武汉大学电子信息学院，武汉 430072，中国
通讯作者邮箱：kingjack333333@126.com

论文出处

本文发表于《Sensors》期刊，2025年第25卷，文章编号1069。DOI: 10.3390/s25041069。

摘要

本文针对大规模低地球轨道（LEO）卫星通信网络的动态时空拓扑变化和节点输出端口负载变化问题，提出了一种基于粒子群优化（PSO）的队列调度与优化机制（PSO-QSO）。该机制通过分析网络中传输的各种流量参数，计算网络节点内的最大时敏业务负载，并利用PSO算法优化每个节点输出端口的队列长度和数量，以实现时敏流量的最佳确定性传输性能。通过仿真验证，该机制能够显著降低时敏流量的丢包率和端到端传输延迟，同时提高网络吞吐量，降低微突发（microburst）的影响，并具有较低的计算复杂度。

1. 引言

卫星通信因其覆盖范围广、灵活性高和通信容量大等优势，在军事、航空、航海和科学研究等领域发挥着重要作用。大规模LEO卫星通信网络由数百甚至数千颗低轨道卫星组成，能够提供高速宽带互联网连接，并支持实时多媒体应用。然而，与地面通信网络相比，LEO卫星通信网络具有独特的特点：空间尺度大、计算和转发能力有限，且传播延迟较高。此外，网络拓扑的周期性变化和新流量的不断注入导致节点输出端口的负载不断变化。因此，如何优化队列调度以支持时敏流量的确定性传输成为一个重要问题。

本文提出了一种基于粒子群优化（PSO）的队列调度与优化机制（PSO-QSO），旨在通过优化LEO卫星通信网络中每个节点输出端口的队列长度和数量，实现时敏流量的高效传输。该机制的主要贡献包括：提出了一种针对大规模LEO卫星通信网络的新型调度与优化机制；利用PSO算法优化队列配置；通过仿真验证了该机制在降低时敏流量丢包率和延迟方面的有效性。

2. 队列调度与优化机制

2.1 循环队列转发（CQF）机制

CQF机制通过调整队列状态实现时敏流量的转发。每个节点的输出端口使用两个队列交替转发时敏流量，一个队列处于打开状态（Open）时，另一个处于关闭状态（Close）。队列状态周期性切换，确保时敏流量的确定性传输。然而，CQF机制对队列长度和数量的配置要求较高：队列过短会导致缓冲区溢出和丢包，而队列过长则会增加单跳队列延迟，影响网络的可调度性。

2.2 星载交换机架构

在大规模LEO卫星通信网络中，星载交换机由接收缓冲模块、数据包头处理模块、交换矩阵和多个发送缓冲模块组成。每个发送缓冲模块负责一个星间链路的流量调度和转发，根据IEEE 802.1Qch标准划分为8个队列。其中，Q6和Q7用于时敏流量，Q0-Q5用于非时敏流量。

2.3 基于PSO算法的队列分析与优化机制

传统的遍历算法通过尝试所有可能的队列长度和数量组合来找到最优解，但计算复杂度高，难以在大规模网络中实时应用。本文提出的PSO-QSO机制通过PSO算法优化队列配置，降低计算复杂度。PSO算法通过初始化粒子群，并根据适应度函数迭代更新粒子位置，最终找到最优解。该机制的目标函数为：

f(u,n)=∣MTU⋅u⋅(n−1)−Lpeak∣

其中，MTU为最大传输单元，u为队列长度因子，n为队列数量，Lpeak为网络中时敏流量的最大负载。通过优化队列长度和数量，该机制能够在满足最大负载需求的同时，最小化队列长度和数量。

3. 仿真结果

本文通过仿真验证了PSO-QSO机制的有效性。仿真采用Iridium星座（由66颗LEO卫星组成）作为网络拓扑，并考虑了两种卫星编队形式：集群编队和尾随编队。仿真结果表明：

传输延迟和总排队延迟：优化后的机制显著降低了多节点端到端传输的总延迟，平均排队延迟从2.12毫秒降低到1.07毫秒，减少了50.47%。
丢包率：在5.66×10⁹ b/s的网络负载下，优化后的丢包率从1.1%降低到0.05‰。
网络吞吐量：在无微突发情况下，优化后的网络吞吐量提高了2.41×10⁷ b/s；在微突发情况下，优化后的吞吐量提高了3.37×10⁸ b/s，提升了62.72%。
计算复杂度：与传统遍历算法相比，PSO-QSO机制的计算复杂度显著降低，仅需105次迭代即可找到最优解，计算时间仅为传统算法的8.9%。

4. 讨论

本文提出的队列优化机制能够根据网络的实际流量条件动态调整队列长度和数量，显著降低时敏流量的丢包率和传输延迟，同时提高网络吞吐量并降低微突发的影响。未来的研究将进一步探索基于同步和异步动态调整的流量调度与转发机制，以进一步降低时敏流量传输中的延迟抖动。

5. 结论

本文提出了一种基于粒子群优化的大规模LEO卫星通信网络队列调度与优化机制。通过优化每个节点输出端口的队列长度和数量，该机制显著降低了时敏流量的丢包率和传输延迟，提高了网络吞吐量，并降低了微突发的影响。仿真结果表明，该机制具有较低的计算复杂度，能够有效提高卫星通信网络的效率和可靠性，为时敏流量的高质量传输提供了有力支持。