Search
E-mail
RSS

Journal of Cybersecurity >

2024 , Vol. 2 >Issue 4: 76 - 84

DOI: https://doi.org/10.20172/j.issn.2097-3136.240407

Academic Research

Research on intent-driven resource management architecture for satellite networks

  • WANG Yuqi 1 ,
  • GUO Ningxuan 2 ,
  • LIU Liang 1 ,
  • WANG Ningyuan 1 ,
  • LI Anshou 2 ,
  • GONG Yupeng 2 ,
  • CHEN Dong , 1, *
Expand
  • 1. Institute of Telecommunication and Navigation Satellite, China Academy of Space Technology, Beijing 100094, China
  • 2. Department of Advanced Interdisciplinary Research, Peng Cheng Laboratory, Shenzhen 518000, China

Online published: 2024-11-16

Copyright

Copyright ©2024 Journal of Aeronautical Materials. All rights reserved.
Fold

Abstract

The evolution of low earth orbit (LEO) satellite networks has introduced an innovative paradigm for achieving the continuous, seamless and global coverage. In the dynamically complex environment of LEO satellite networks, intelligent and efficient resource management strategies are crucial given the limited resources. Focusing on the resource management issues of LEO satellite networks, the integration of intent-driven networking with the resource management of LEO satellite networks was considered. Firstly, a heterogeneous resource management model for LEO satellite networks was established. Subsequently, an intent-driven resource management framework was designed to enhance the utilization of limited resources and to meet the diverse needs of various tasks. Then, heterogeneous resource management strategies were employed to address the resource management issues. Finally, the application of this architecture was illustrated in a specific scenario. The simulation results showed that compared to the traditional resource management architecture, the intent-driven resource management architecture could effectively improve the task benefits and efficiency.

Key words： intent-driven; LEO satellite networks; heterogeneous resource management; management architecture; task benefits

Cite this article

WANG Yuqi , GUO Ningxuan , LIU Liang , WANG Ningyuan , LI Anshou , GONG Yupeng , CHEN Dong . Research on intent-driven resource management architecture for satellite networks[J]. Journal of Cybersecurity, 2024 , 2(4) : 76 -84 . DOI: 10.20172/j.issn.2097-3136.240407

0 引言

到目前为止，卫星通信主要作为地面网络的补充系统发挥作用，如协助将信号中继到偏远地区[1]。在5G非地面网络中已经研究了多种以高性能为目标的卫星技术[2-4]，以实现更具竞争力的服务。随着5G服务商业化的开始，正在制定各种6G网络的推广战略计划开发下一代技术，并正在增加与航空和航天系统的合作战略[5]。SpaceX、Blue Origin、Telesat等领先公司[6]正在尝试部署低地球轨道（Low Earth Orbit，LEO）卫星网络，以提供覆盖全球的稳定宽带互联网服务。美国国防高级研究计划局正在进行Blackjack计划[7]，以开发和演示LEO卫星中全球高速网络的关键要素，为国防部提供高度连接、弹性和可靠的覆盖范围。美国国防部太空发展局提出了“国防太空体系”（National Defense Space Architecture，NDSA），即“七层体系”[8]。它是一个基于低轨大规模星座的弹性体系。目前的发展趋势是卫星和地面网络可以实现实时通过建立动态的星间和星地链路，对海量网络信息进行时间获取、处理和传输。
然而，随着卫星的移动，网络拓扑是高度动态的，这使得低轨卫星网络的资源非常有限[9]。例如，轨道周期为100 min的卫星只能连接到某个地面区域不到10 min的时间，导致多个任务和有限资源之间的差异越来越突出。因此，智能高效的资源管理策略近来备受关注[10]，在网络资源有限的情况下满足不同任务的高要求仍然具有挑战性。高速发展的网络可编程技术、数据分析技术和网络遥测技术等逐步应用于通信领域，使网络架构和资源管控手段发生了革命性的变化，在稳固卫星网络架构的同时，降低人工运维复杂度、提高网络资源管理效率是抢占技术制高点的重要方向之一。
传统的集中式资源管理策略由于其高计算复杂性和通信开销而难以应用[11-13]。为了克服上述挑战，意图驱动网络正逐渐成为资源管理技术演进的下一个重要方向，目前对于实现这种资源管理方法的研究工作正在开展。Elkhatib等[14]提出应用的“意图”可以被定义为一种高层次的宏观行为描述，这种描述能够将用户需求直接反馈到网络中，使得网络资源能够灵活地根据不同的用户需求进行调配，而不受预定义的限制。Du等[15]则将意图视为一种抽象的高层策略，用于操作网络，并提出了一种意图策略的定义、策略级别的层次结构、示例以及基于标签的意图格式。Subramanya等[16]研究了基于意图的移动回传接口，并在小型企业WLAN上进行了实证评估。Chamania等[17]定义了意图的应用程序接口（Application Programming Interface，API），并设计了意图编译器，以根据现有基础设施的功能识别潜在的服务配置。Campanella[18]提供了一个基于意图的网络功能和API的软件平台，即开放网络操作系统，支持多种类型的意图，并能够在网络故障或负载/状态变化时重新提供意图，以及在新请求进入时通过重新配置现有意图来优化网络。Cohen等[19]提出了一个高效的可扩展虚拟化平台，能够将抽象规范转换为具体的基础设施配置原语，允许多个用户独立定义和管理各自的虚拟网络。Auge等[20]介绍了一种分布式的基于意图的网络流程架构，通过扩展YANG标准来包含意图，并将模型意图作为网络本地对象，展示了在网络中直接推送意图而不是在集中协调器中处理的优点。综上所述，意图驱动网络允许直接将用户需求反馈到网络中，有助于简化资源管理和配置，从而实现资源的灵活调配。借助意图驱动的网络资源管理，可以实现对低轨卫星网络资源的自动化调配和优化，面向用户需求提高网络的响应速度和服务质量。
本文关注低轨卫星网络的资源管理问题，考虑将意图驱动网络与低轨卫星网络的资源管理相结合。首先，建立了一个低轨卫星网络的异构资源管理模型，总结了低轨卫星网络资源管理的问题与挑战；其次，设计了一种基于意图驱动的资源管理框架，以提高有限资源的利用率，满足多种任务的不同需求；然后，提出了针对不同用户需求的资源管理策略，从而解决异构资源管理问题；最后，以火灾监测的典型应用任务为例，演示了意图驱动资源管理框架的性能。

1 低轨卫星网络资源管理问题

本节描述了低轨卫星网络中观测和传输任务融合的应用场景，介绍了异构资源的管理问题以及面临的挑战。

1.1 系统模型

本文的低轨卫星网络观测传输功能融合的应用场景如图1所示，该系统包含以下几个部分：
图 1 低轨卫星网络应用场景示意图

Fig.1 LEO satellite networks application scenario schematic

（1）多项地球观测任务，任务地点分布在地球表面，用集合$ OT = \left\{ {o{t_1},o{t_2}, \cdots ,o{t_n}, \cdots } \right\} $表示。
（2）多颗观测卫星，用于采集地球观测数据，用集合$ OS = \left\{ {o{s_1},o{s_2}, \cdots ,o{s_n}, \cdots } \right\} $表示。每颗观测卫星配备相应观测载荷（相机），其数据采集速率为$ {r_{{\mathrm{as}}}} $；$ {\varphi _{\mathrm{c}}} $为数据压缩单元的压缩比；${s_{{\mathrm{as}}}}$表示存储器容量；两套收发设备，分别负责与地面站和传输卫星通信，${r_{{\mathrm{ag}}}}$和${r_{{\mathrm{at}}}}$分别表示观测卫星到地面站和传输卫星的链路的速率；卫星具备一定的计算能力，处理速率为${c_{{\mathrm{as}}}}$。观测卫星具备一定的星上计算能力。
（3）多颗传输卫星，用于回传地球观测数据，用集合$ TS = \left\{ {t{s_1},t{s_2}, \cdots ,t{s_n}, \cdots } \right\} $表示。每颗传输卫星携带多副用于交互数据的相控阵天线，${r_{{\mathrm{ts}}}}$表示星链链路的传输带宽；${r_{{\mathrm{tg}}}}$表示传输卫星到地面站的链路速率；每颗传输卫星携带大小为${s_{{\mathrm{ts}}}}$的存储空间；卫星具备一定的计算能力，处理速率为${c_{{\mathrm{ts}}}}$。传输卫星具备一定的星上计算能力。
（4）多个地面站，用于接收和处理地球观测数据，用集合$ GS = \left\{ {g{s_1},g{s_2}, \cdots ,g{s_n}, \cdots } \right\} $表示。每个地面站配备多套收发设备用于卫星回传数据。地面站具备大规模云计算能力。

1.2 任务描述

随着空间通信、观测、导航、计算等技术的蓬勃发展，低轨卫星网络相比先前以铱星、全球星为代表的传统通信星座发生了深刻变化[21]。在实际应用中，通过简单的意图上注代替烦琐的调度指令，从而实现对执行任务所需资源的管理与优化，这里低轨卫星网络资源的高效管理对于提升任务执行的保障能力极为关键[22-24]。当前低轨卫星网络的资源管理面临以下难题：
（1）功能多样化
通信、观测、导航等空间应用载荷分布在低轨各个空间设施上，通过相互协同完成各类任务[25]。由于卫星提供的能量有限和需要维持其姿态稳定等因素的影响，调度星座中的某些资源时难免会出现冲突[26]。
（2）规模巨型化
低轨卫星网络往往由数量庞大的卫星组成，规模从几百到上万不等。且批量化、低成本的生产发射使得单颗卫星的可靠性相比传统卫星大大降低。巨大的规模使得星座跨域多节点资源管理复杂度大幅提升，传统的资源管理难以胜任[27]。
（3）资源动态化
卫星的高速运动导致了网络拓扑和信道质量的动态变化，使得低轨卫星网络中的资源具有显著的时变动态性[28]。同时，卫星资源和传输能力的时变性以及突发事件（如自然灾害）对资源需求的动态变化，都对资源管理提出了新的挑战[29]。
（4）节点网络化
区别于地面网络的接入网-骨干网结构，低轨卫星网络通常呈现出网状网的特点，即单条链路带宽有限且均等，无骨干链路。庞大的星座规模与网状的网络包含了丰富的应用资源，对异构资源的联合管理能力要求极高[30]。
本文面向的任务考虑了观测数据获取与回传的过程，首先通过遥感卫星的观测资源获取遥感数据，接着在预定的时间窗口内调用传输资源与计算资源，将遥感数据处理为信息后并传输至用户。在信息全流程内需要考虑异构资源联合调度的合理性，从而根据意图最优化异构资源的管理。
星间链路和星地链路主要用于传输大量观测数据，在执行这些传输任务期间，遥测、跟踪和指挥（Tracking, Telemetry and Command，TT&C）数据是共享的。对于星间链路，卫星在两个方向上相互分享它们对整个星座的最新测控信息；对于星地链路，这种共享发生在卫星和地面站之间。星地的上/下行链路同时可用，保证数据下行的同时地面站可以向卫星发送指令数据。此外，地面站还提供了星座的其他测控数据。

1.3 问题建模

如图2所示，使用资源立方体来描述多维异构资源，在本文中，异构资源涉及观测、传输和计算资源。卫星任务根据任务类型分为两类：一类任务中都是完全相同的任务，比如全部都是观测任务或者传输任务；二类任务中包含多种不同类型的任务，比如计算任务与传输任务结合。显然，在这种情况下，不同的任务将有不同的资源需求。同时，完成特定任务需要异构资源的协同调度，而资源的类型和大小可能因任务不同而不同。
图 2 多维异构资源立方

Fig.2 Multidimensional heterogeneous resource cube

根据1.1节中的系统模型，对载荷实体进行资源虚拟化。面向1.2节中的复杂任务，任务载荷对应的观测资源、传输资源和计算资源的数学模型可以抽象如下：
（1）观测资源模型
假设前述卫星网络的遥感星座中有$ N $颗遥感卫星，每个卫星$i$具有观测资源$ {C_i} $。
观测任务集合$ O = \left\{ {{o_1},{o_2}, \cdots ,{o_j}, \cdots } \right\} $，每个任务${o_j}$需要的观测资源为${R_j}$。
观测资源管理优化的目标是在满足所有任务需求的前提下，最小化资源的使用：
$ \begin{array}{*{20}{c}} {{\mathrm{min}}}&{\displaystyle\sum\limits_{i = 1}^N {{C_i}{x_{ij}}} } \\ {{\mathrm{s.t.}}}&{\displaystyle\sum\limits_{i = 1}^N {{x_{ij}}} {R_j} \geqslant {o_j}} \end{array} $
其中，$ {x_{ij}} $为二进制变量，表示卫星$i$是否被分配给任务$o{t_j}$。
（2）传输资源模型
假设前述卫星网络的传输星座中有$E$条传输链路，每条链路${E_k}$具有带宽${B_k}$。
数据流集合为$ D = \left\{ {{d_1},{d_2}, \cdots ,{d_p}, \cdots } \right\} $，每个数据流${d_p}$需要的带宽为${F_p}$。
传输资源资源管理优化的目标是在满足所有数据流需求的前提下，最小化网络占用：
$ \begin{array}{*{20}{c}} {{\mathrm{min}}}&{\displaystyle\sum\limits_{k = 1}^E {{B_k}{y_{kp}}} } \\ {{\mathrm{s.t.}}}&{\displaystyle\sum\limits_{k = 1}^E {{y_{kp}}{F_p}} \geqslant {d_p}} \end{array} $
其中，$ {y_{kp}} $为二进制变量，表示链路${E_k}$是否被分配给数据流$ {d_p} $。
（3）计算资源模型
假设卫星网络中有$M$个计算节点（可能是地面站或具有计算能力的卫星），每个节点$q$具有计算资源${P_q}$。
计算任务集合为$ W = \left\{ {{w_1},{w_2}, \cdots ,{w_r}, \cdots } \right\} $，每个任务$ {w_r} $需要的计算资源为$ {G_r} $。
计算资源资源管理优化的目标是在满足所有计算任务需求的前提下，最小化计算资源的使用：
$ \begin{array}{*{20}{c}} {{\mathrm{min}}}&{\displaystyle\sum\limits_{q = 1}^M {{z_{rq}}{P_q}} } \\ {{\mathrm{s.t.}}}&{\displaystyle\sum\limits_{q = 1}^M {{z_{rq}}{G_r}} \geqslant {w_r}} \end{array} $
其中，$ {z_{rq}} $为二进制变量，表示计算节点 $q$是否被分配给计算任务$ {w_r} $。
（4）异构资源归一化表征模型
进一步将上述异构资源进行归一化表征，得到资源变量$H \in \left\{ {C,B,P} \right\}$，定义${D_H}\left( i \right)$为第$i$个任务对资源$H$的需求，资源需求可以是确定性的或者概率性的，例如${D_C}\left( i \right)$、${D_B}\left( i \right)$、${D_P}\left( i \right)$。
异构资源管理的目标是最大化任务完成收益$ {\max }{U\left( A \right)} $，资源管理矩阵${\boldsymbol{A}}$中${a_{ij}}$表示第$i$ 个任务分配到的第$j$类资源单位的数量，${u_H}$表示资源$H$的效用函数，定义优化目标函数$ U\left( {\boldsymbol{A}} \right) = \displaystyle\sum\limits_i {\displaystyle\sum\limits_{H \in \left\{ {C,B,P} \right\}} {{u_H}\left( {{a_{Hi}}} \right)} } $。
这里资源与任务的匹配必须满足资源的上限约束、时间窗口约束、任务依赖性约束等关系。资源与任务的匹配应满足$\displaystyle\sum\limits_i {{a_{Hi}}\left( j \right) \leqslant {N_H}\left( j \right)} $，其中$N \in \left\{ {R,F,G} \right\}$表示任务对于资源的需求，该约束对应了各类异构资源的优化约束。

2 意图驱动资源管理架构

在本节中，提出了意图驱动的低轨卫星网络异构资源管理架构，依托软件定义网络、虚拟化等技术提供定制化服务，按照意图对卫星网络中的多任务多资源匹配提出新的解决思路，通过各网络节点全息状态感知实现共享感知、高效管控和鲁棒自治，综合形成“上达网络意图，下联全息感知”的智能资源管理架构。
意图驱动的异构资源协同管理首先挖掘出任务的意图，并通过意图转换获得调用资源的意图，利用协同框架找到满足意图的卫星，并进行划分明确每颗卫星的任务，然后通过协同通信与地面站建立联系并实时明确任务和状态，最后将观测数据下载到地面站，通过对任务意图的准确转换，使资源管理更加高效。在为不同类型意图的配置需求设定了进入网络的优先级之后，若遇到相同类型的意图之间存在资源争夺，可以通过实施多目标联合优化算法来协调资源分配。这种方法能够确保在资源受限的情况下，网络能够同时满足多个意图的需求。由于各类资源在资源模型、管理策略、调度算法等多方面存在较大差异，异构资源管理的关键在于解决各类资源的管理融合。因此，对异构资源的管理采用分层设计、异构协同的设计思想。
意图驱动的低轨卫星网络异构资源协调管理架构如图3所示，主要包含了资源管理模块与用户意图转译模块。
图 3 意图驱动卫星网络异构资源协同管理架构

Fig.3 Intent-Driven heterogeneous resource management architecture for satellite networks

其中资源管理模块包括物理层、虚拟层、管理层和应用层。
（1）物理层
物理层由各类卫星载荷和基础设施构成，包括卫星平台、有效载荷、地面站、数据中心等。为了便于研究，以较粗粒度的设备作为物理资源的最小单元。物理资源主要关注系统单元的能力，并与虚拟资源建立映射关系。
（2）虚拟层
虚拟层用于实现底层物理资源到逻辑资源的虚拟化，采用合理的映射方法构建虚拟资源空间与物理资源空间的映射关系，保持映射平衡。为实现多层资源的高效管理，需要构建统一的虚拟资源池，用于资源的统一调度与管理。虚拟层对系统的时间、空间、频率异构资源进行精细划分，对下实现对物理资源的统一管理，对上实现任务需求与异构资源的匹配。
（3）管理层
管理层用于实现系统中资源的统筹分配管理以及各类用户在系统中的网络运行管理，对下实现资源的监管与分配，对上可以提供不同业务需求与异构资源的快速动态适配服务，从而满足各类意图的差异化需求。
（4）应用层
应用层用于实现意图的输入解译以及各类用户的接入，可以通过地面站和终端实现网络接入与意图上注。意图解译后形成的资源请求进一步输入到管理层进行资源的管理与调配，通过广域覆盖的管理网，满足全球范围内随遇接入与意图上注需求。
在用户意图转译模块中，任务意图可以转译为[期望结果，执行操作，调用对象]格式的抽象模型，即针对某对象进行操作，以实现或避免某结果。“期望结果”标签是指期望网络达到的服务状态，由业务类型、性能指标、期望状态、时空约束元素组成；“执行操作”标签是指为了实现业务需求，在网络中制定的组网策略，包括网络拓扑结构、节点接入模式、资源分配方案、网络约束条件元素；“调用对象”标签是指为了执行组网策略需操控的物理设备和相关资源，包括物理节点、观测资源、传输资源、缓存资源、计算资源等种元素。

3 意图驱动资源管理策略

在本节中，将介绍资源管理层匹配系统中涉及的具体资源管理策略。

3.1 资源管理策略

意图驱动资源管理策略如图4所示，主要包括梳理任务与资源、确认匹配关系、输出任务与资源时空顺序三个过程。
图 4 意图驱动资源管理策略

Fig.4 Intent-Driven resource scheduling policies

具体流程如下：
梳理任务与资源：在操作员上注任务意图和资源虚拟化后，需要梳理任务与意图的时空顺序，明确任务预期分配的资源数量，各种任务的类型、特点、资源需求，任务的约束条件和优化目标，剩余的可用资源，资源的冲突和优化目标等信息。
确认匹配关系：通过迭代的方式构建匹配关系，以达到多个任务和多维资源之间的稳定匹配结果。在迭代过程中，策略实施所需的最长时间取决于任务数量和资源数量。注意，在提出的资源管理策略中，不需要收集全局网络信息来获得最终的稳定匹配结果。
输出任务与资源的时空顺序：在所有任务都经过匹配过程处理后，可以得到多个任务和多维资源之间的匹配关系。根据匹配关系，输出任务与资源的时空顺序图如图5所示。
图 5 任务与资源的时空顺序图

Fig.5 Spatial and temporal sequence map of tasks and resources

3.2 算法描述

根据3.1节的描述，意图驱动资源管理策略首先需要完成意图转译、子意图分解以及任务与资源的梳理，通过意图—任务—资源映射算法来完成上述操作，算法流程图如图6所示。
图 6 意图-任务-资源映射算法流程图

Fig.6 Intent-Task-Resource mapping algorithm flowchart

算法具体流程如下：
1、意图输入：输入网络管理员定义的高层次意图。
2、意图转译与任务分解：系统将输入的意图转译成可执行的任务，并进行任务分解，将复杂任务分解为更小、更易于管理的子任务。
3、资源同构性判断：检查所需资源是否为同构资源，即所有资源是否具有相同的属性和功能。
a. 同构资源处理：如果资源是同构的，直接进行下一步处理。
b. 异构资源归一化映射：如果资源是异构的，进行归一化映射，以确保不同类型的资源可以在统一的框架下进行处理。
4、生成映射关系：生成任务与资源之间的映射关系，这可能涉及资源分配、任务调度等方面。
5、匹配优化：根据生成的任务与资源映射关系，进行匹配优化。这一步骤可能包括算法优化、资源重新分配等，以确保任务能够有效地利用资源。
6、输出时空顺序：输出任务与资源的时空顺序，这包括任务的执行顺序和资源的分配时间，为实际的任务执行提供指导。
该算法流程是一个从意图输入到任务执行的映射和优化过程，通过意图转译与识别的方法提高资源利用率和任务执行效率。
在意图驱动资源管理策略中，通过资源冲突消解算法来完成任务与资源的映射关系匹配优化，算法流程图如图7所示。
图 7 资源冲突消解算法流程图

Fig.7 Resource conflict resolution algorithm flowchart

资源冲突消解算法具体流程如下：
1、初始化：开始算法前，先将所有必要的数据和参数初始化，为算法运行做好准备。
2、任务排序：将所有待执行的任务按照时间顺序进行排列，确保任务处理的顺序性。
3、生成资源冲突关系：根据已排序的任务，分析并确定任务之间存在的资源冲突关系。
4、分解资源冲突关系：采用独立性原则，将复杂的资源冲突关系分解为多个较小的子冲突集，以便于后续处理。
5、判定最小资源冲突集：检查当前的资源冲突集是否已经无法再进一步分解，即是否为最小资源冲突集。
a. 如果是最小资源冲突集，采用整数规划求解器对该冲突集进行求解，寻找最优或可行的资源分配方案。
b. 如果不是最小资源冲突集，继续分解资源冲突关系，直到达到最小冲突集。
6、检查所有子集：在求解完当前子集后，检查是否所有的子冲突集都已经求解完毕。
a. 如果所有子集都已求解完毕，输出最终结果，算法结束。
b. 如果还有未求解的子集，继续对下一个子集进行求解。
7、输出结果：当所有子冲突集都求解完毕后，将得到的结果整合并输出，这可能包括任务的执行顺序、资源分配方案等。
该算法流程是一个迭代的过程，通过分解和求解资源冲突集，逐步找到满足所有任务需求的资源分配方案。这个过程可能涉及优化算法和问题建模，以确保找到的解决方案是高效和可行的。

4 仿真分析

本节以观测与传输融合的低轨卫星网络应用为例来演示如何应用意图驱动资源管理架构。接下来，在特定场景中介绍一系列模拟设置。此外，还讨论了仿真结果。

4.1 仿真设置

以Lightspeed星座为例作为低轨卫星网络应用场景。其星座参数为220/20/2的Walker-Delta星座，轨道高度为1325 km，轨道倾角为58°。使用Systems Tool Kit（STK）软件生成1天内卫星的轨道参数，设定了一个算例来评估意图驱动资源管理框架性能，所有资源管理的仿真基于MATLAB环境。

4.2 结果分析

这里以通过低轨卫星网络监测森林火灾为例，操作员给出了不同待监测区域的隐患可能性，并给出了发生火灾后尽可能最快发现的任务意图。将操作员任务意图进行分解，可以分解为隐患区域重点监测和监测信息快速回传两个子意图。对这两个子意图转译后输入到管理层进行资源管理，可以转换为两个资源管理问题，分别为面向观测的同构资源管理和面向计算与传输的异构资源管理。
针对不同数量的观测目标进行了仿真，分别在同一区域内建立了25、50、100、200、300个观测任务的算例，并对可能隐患进行了1-9的分级，9代表隐患最大的区域，优化目标为尽可能地观测到最可能观测到隐患大的区域。图8给出的5种算例的仿真统计结果，图中Y轴左半部分表示求解所需要的计算时间，对应的蓝色与紫色曲线分别表示本文方法和商用求解器的求解时间；Y轴右半部分表示求解结果的任务收益，对应的橙色实线与虚线表示不同方法得到的任务收益。可以看出相比与传统算法，本文方法在效率提升40%的同时求解结果能得到同等的最大规划收益。
图 8 不同任务数量下的观测收益与调度时间

Fig.8 Observation revenue and scheduling time under different number of missions

之后，大数据量的观测图像需要借助低轨卫星网络进行信息回传过程。用信息获取时效来表征从信息生成到用户获取完整图像数据中的信息所经历的时间。考虑待回传任务的全部图像数据大小为100 Gbit，图9显示了不同边缘节点计算能力下结合的信息获取时延结果，其中横坐标表示信息回传占用计算节点的数量，纵坐标表示信息获取的时效。可以看出，在同样的传输能力下，随着边缘节点计算能力的提升，信息获取时效也有一定的提升。
图 9 不同CPU占用率下的信息回传时延

Fig.9 Latency of information backhauling under different CPU usage

5 结束语

本文研究了基于意图驱动的低轨卫星网络异构资源管理。首先，建立了低轨卫星网络资源管理的系统模型，讨论了异构资源管理面临的不同挑战。其次，面对各种挑战和多样化的资源需求，借鉴意图驱动与资源虚拟化技术，提出了意图驱动的卫星网络资源管理框架，并探索了其中的资源管理策略。最后，验证了在观测与传输融合的低轨卫星网络应用中意图驱动资源管理框架和策略的性能。

References

Publishing order | Descend order by publishing year | Descend order by cited within
1
CHOI J P, JOO C. Challenges for efficient and seamless space-terrestrial heterogeneous networks[J]. IEEE Communications Magazine, 2015, 53 (5): 156- 162.

DOI

2
3GPP. Study on using satellite access in 5G[R]. SophiaAntipolis,France:3GPP,2018.

3
3GPP. Study on new radio (NR) to support non-terrestrial networks[R]. SophiaAntipolis,France:3GPP,2018.

4
3GPP. Solutions for NR to support non-terrestrial networks (NTN)[R]. SophiaAntipolis,France:3GPP,2020.

5
GIORDANI M, POLESE M, MEZZAVILLA M, et al. Toward 6G networks: Use cases and technologies[J]. IEEE Communications Magazine, 2020, 58 (3): 55- 61.

DOI

6
FOREMAN V L,SIDDIQI A,DEWECK O. Large satellite constellation orbital debris impacts:Case studies of oneweb and spacex proposals[C]//Proc. AIAA SPACE Astronaut. Forum Expo. ,2017:5200.

7
DARPA. Blackjack program[EB/OL]. (2020-07-21)[2024-09-18]. https://www.darpa.mil/program/blackjack.

8
SDA. Next-Generation Space Architecture Request for Information[EB/OL]. (2019-09-22)[2024-09-18]. https://www.airforcemag.com/PDF/DocumentFile/Documents/2019/SDA_Next_Generation_Space_Architecture_RFI%20(1).pdf.

9
MI X R, YANG C G, SONG Y B, et al. Matching game for intelligent resource management in integrated satellite-terrestrial networks[J]. IEEE Wireless Communications, 2022, 29 (6): 88- 94.

DOI

10
JIA M, ZHANG X M, SUN J T, et al. Intelligent resource management for satellite and terrestrial spectrum shared networking toward B5G[J]. IEEE Wireless Communications, 2020, 27 (1): 54- 61.

DOI

11
GU Y, SAAD W, BENNIS M, et al. Matching theory for future wireless networks: Fundamentals and applications[J]. IEEE Communications Magazine, 2015, 53 (5): 52- 59.

DOI

12
WANG N Y, LIU L, QIN Z T, et al. Capacity analysis of LEO mega-constellation networks[J]. IEEE Access, 2022, 10, 18420- 18433.

DOI

13
GUO N X, LIU L, ZHONG X Q. Task-aware distributed inter-layer topology optimization method in resource-limited LEO-LEO satellite networks[J]. IEEE Transactions on Wireless Communications, 2024, 23 (4): 3572- 3585.

DOI

14
ELKHATIB Y,COULSON G,TYSON G. Charting an intent driven network[C]//2017 13th International Conference on Network and Service Management(CNSM),Tokyo,2017:1-5.

15
DU Z,JIANG S,NOBER J,et al. ANIMA Intent policy and Format draft-du-anima-an-intent-03[Z]. 2016.

16
SUBRAMANYA T,RIGGIO R,RASHEED T. Intent-based mobile backhauling for 5G networks[C]//2016 12th International Conference on Network and Service Management (CNSM),Montreal,QC,2016:348-352.

17
CHAMANIA M,SZYRKOWIEC T,SANTUARI M,et al. Intent-based in-flight service encryption in multi-layer transport networks[C]//2017 Optical Fiber Communications Conference and Exhibition(OFC),Los Angeles,CA,2017:1-2.

18
CAMPANELLA A. Intent based network operations[C]//2019 Optical Fiber Communications Conference and Exhibition (OFC),San Diego,CA,USA,2019:1-3.

19
COHEN R,BARABASH K,ROCHWERGER B,et al. An intent-based approach for network virtualization[C]//2013 IFIP/IEEE International Symposium on Integrated Network Management(IM2013),Ghent,2013:42-50.

20
AUGE J,ENGUEHARD M. A network protocol for distributed orchestration using intent-based forwarding[C]//2019 IFIP/IEEE Symposium on Integrated Network and Service Management(IM),Arlington,VA,USA,2019:718-719.

21
李峰, 禹航, 丁睿, 等. 我国空间互联网星座系统发展战略研究[J]. 中国工程科学, 2021, 23 (4): 137- 144.

DOI

LI F, YU H, DING R, et al. Research on the development strategy of china's space internet constellation system[J]. Strategic Study of CAE, 2021, 23 (4): 137- 144.

DOI

22
徐丹, 白燕南, 王峰, 等. 意图网络研究综述[J]. 电子技术应用, 2021, 47 (9): 9- 15.

XU D, BAI Y N, WANG F, et al. Survey of intent-based networking[J]. Application of Electronic Technology, 2021, 47 (9): 9- 15.

23
周洋程, 闫实, 彭木根. 意图驱动的6G无线接入网络[J]. 物联网学报, 2020, 12 (4): 76- 83.

ZHOU Y C, YAN S, PENG M G. Intent-driven 6G wireless access network[J]. Journal of IoT, 2020, 12 (4): 76- 83.

24
周笛. 面向任务的空间信息网络资源管理方法研究[D]. 西安:西安电子科技大学,2019.

ZHOU D. Research on task-oriented resource management methods for space information networks[D]. Xi'an:Xidian University,2019.

25
王宁远, 陈东, 刘亮, 等. 未来低轨信息网络发展与架构展望[J]. 电子与信息学报, 2022, 44, 1- 11.

WANG N Y, CHEN D, LIU L, et al. Prospects for the development and architecture of future leo information networks[J]. Journal of Electronics and Information Technology, 2022, 44, 1- 11.

26
WANG N Y,CHEN D,LIU L,et al. An SDN based highly reliable in-band control framework for LEO mega-constellations[C]//2021 IEEE 6th International Conference on Computer and Communication Systems. IEEE,2021:970-975.

27
王宁远, 刘亮, 陈东, 等. 低轨巨星座多品类业务流低复杂度分段路由方法[J]. 电子学报, 2021, 49 (11): 2124- 2132.

WANG N Y, LIU L, CHEN D, et al. A low-complexity segmented routing method for multi-category traffic flows in LEO mega-constellations[J]. Acta Electronica Sinica, 2021, 49 (11): 2124- 2132.

28
ZHONG X Q,GUO N X,LI A S,et al. Link topology and multi-objective mission flow optimization for remote sensing satellites with inter-layer links and satellite-ground links[J]. IEEE Transactions on Vehicular Technology,2024.

29
WANG N Y, LI F, CHEN D, et al. NOMA-Based Energy-Efficiency optimization for UAV enabled space-air-ground integrated relay networks[J]. IEEE Transactions on Vehicular Technology, 2022, 71 (4): 4129- 4141.

DOI

30
WANG Y Q, CHE J B, WANG N Y, et al. Load-balancing method for LEO satellite edge-computing networks based on the maximum flow of virtual links[J]. IEEE Access., 2022, 10 (2): 100584- 100593.

Options
Outlines

/

〈 〉

Website Copyright © Editorial Office of Journal of Cybersecurity.
Tel: 010-89061756/89061778　
E-mail：wlkjaqkxxb@caasse.cn
Powered by Beijing Magtech Co. Ltd,.

京ICP备16032046号-20