一种基于要素时空扩展图的天基物联网多星协同策略构建方法 专利技术说明

电子通信装置的制造及其应用技术1.本发明涉及天基物联网中的多星协同技术领域：：，特别是一种基于要素时空扩展图的天基物联网多星协同策略构建方法。背景技术：：：2.在我国，算力行业也成为信息领域的创新发展核心，近年来各级政府密集出台了一系列的算力产业扶持政策，将算力行业视为未来发展的重要行业之一。目前，随着“云上贵州”、“东数西算”等国家级计算产业战略的不断落地，算力已经成为当前社会重要的基础设施和经济创新发展的发动机，产业规模预计在2025年突破2000亿的水平。3.算力产业的发展带动了信息行业的发展，随之而来的就是用户对计算服务的需求范围不断扩展。算力需求的场景，从传统的城市场景，逐步扩展至乡村场景，又逐步扩展至传统通信模式无法覆盖的区域。这就意味着，即使身处海洋、沙漠、戈壁、外太空等移动网络难以覆盖的区域，用户也希望能够得到实时、无缝、高效的计算服务，解决如轨迹预测、目标识别、数据实时处理等用户业务。为了满足用户不断增长的算力覆盖需求，卫星通信作为一种能够提供高效覆盖的通信技术，近年来得到了极大的关注，被视为6g通信技术的核心之一，高低轨卫星通讯和地面移动通讯在未来有望无缝连接，形成空、天、地、海一体化立体网络。由于算随网动，星地计算将集成卫星系统、空中网络、地面通讯和云计算，集成一种新兴的计算架构，扩展数码化服务的空间。在2021年12月阿里巴巴达摩院公布的2022十大科技趋势预测中也明确提出，星地计算，即卫星及地面一体化的通讯与计算是未来的发展热点趋势，能够有力地促进空、天、地、海全面数字化。预计未来三年，低轨卫星数量会迎来爆发式增长，卫星及其地面系统将成为新型计算节点。4.在当前，通过卫星将前线数据回传至地面云中心，是一种较为成熟的算力承载解决办法。但是在此过程中，卫星仅用于数据透明转发，用户的计算业务需要经历：上传卫星——转发地面云中心——结果回传卫星——卫星将结果发回用户等多个步骤，极大的增加了用户业务的服务时延，难以满足用户的实时性业务需求。为了解决这一问题，人们提出了“太空计算机”这一概念，试图利用卫星直接为用户提供计算服务，能够极大的降低业务处理时延。但是，由于卫星通常仅具备有限的计算能力和存储能力，易受到太空环境影响而发生错误，且单颗卫星的计算和存储能力偏弱；因此，人们进一步提出了天基算力优先网络(computingfirstnetwork,cfn)的概念，试图将卫星星座中的多颗卫星联合起来，实现协同计算。5.天基cfn是指利用天基卫星集群网络协同计算，为地面、飞行物、空间站、船舶等用户提供全天候、全地形、强实时、无缝计算服务的一种新型计算模式，如图1所示。利用天基cfn，用户能够在全球任意时间、任意地点得到实时的计算支撑，实现真正的“太空计算机”和“太空大脑”，提升用户的业务体验。一旦空天卫星集群具备了协同处理复杂任务的能力，则地面用户的业务模式和服务模式将会发生变化，扩展用户的应用方向：6.1)用户任务的就近处理。例如，气象卫星不仅可以遥感拍摄兴趣目标，还具备将遥感图像回传过程中，一步一步实现清洗、去噪、边缘识别、目标识别等计算步骤，直接将兴趣目标的类型、位置、轨迹等信息传送给目标单位，实现用户任务的快速响应；同时，每个步骤只耗费卫星很小的计算资源和能量资源，节约整体耗费的卫星资源；7.2)充分利用传输路径处理信息，实现“边传输边处理”。例如，利用卫星进行远程数据回传时，可以构建加密-解密步骤算法图，实现回传过程中的不定星加密与解密过程，构建更安全的数据传输通路；由于每次任务都可以配置完全不同的“加密-解密”任务，因此安全性得到提升；8.3)节约星间链路带宽。支持在分步骤处理过程中的数据清洗，实现每步骤后的数据缩减，清洗去除非核心数据，只将处理后的核心数据转发，从而大大节约卫星链路资源。9.因此，研究卫星集群协同计算很有必要。但是，由于天基卫星集群网络的特殊性，天基cfn网络需要解决天基卫星星座中存在的高动态、弱连接等特点带来的分布式计算难题。此外，随着微服务技术和网络功能虚拟化的发展，传统的客户端-服务器模式被解构，服务器侧的应用被解耦成原子化的功能组件，不同类别的功能组件中有着不同的算力，可处理不同的任务。然而，由于单个卫星中的计算资源和存储资源有限，在单个卫星上部署所有类型的功能组件是很难实现的，所以，每个边缘服务器中只部署了部分类型的功能组件，这为卫星网络中的算力资源管理增加了新的难度。10.卫星的高动态以及卫星算力协同策略的研究现状具体如下：11.1、卫星的高动态研究12.近年来得益于航空航天技术的突破，卫星拓扑的高动态性、广阔的覆盖范围和较短的对地传输距离使在天基系统上部署协同计算成为通信系统发展的新趋势。关于卫星高动态的研究主要分为两部分：1)高动态卫星网络拓扑的建立，主要研究在卫星高速运动的情况下，根据卫星轨道位置的周期性变化建立卫星网络的拓扑；2)卫星链路的时变性，主要研究星地链路和星间链路的时变链路容量。基于卫星拓扑周期性与可预测性的特点，在研究卫星网络的动态拓扑时，一般采用拓扑控制策略来屏蔽拓扑的动态性。目前，卫星网络的拓扑控制策略主要包括虚拟拓扑策略、虚拟节点策略和覆盖域划分方法。虚拟拓扑策略的典型代表为“快照”，“快照”概念最早是由gounder等人提出(goundervv,prakashr,abu-amarah.routinginleo-basedsatellitenetworks[c].1999ieeeemergingtechnologiessymposium.wirelesscommunicationsandsystems(ieeecat.no.99ex297).ieee,1999:22.1-22.6.)，随后fischer等人将“快照”概念进行了形式化描述(fischerd,basind,engelt.topologydynamicsandroutingforpredictablemobilenetworks[c].2008ieeeinternationalconferenceonnetworkprotocols.ieee,2008:207-217.)。为了描述卫星网络快照的变化规律，wang等人给出了低轨(lowearthorbit,leo)卫星网络快照数目与快照长度的理论计算公式。虚拟节点概念最早由mauger等人提出(maugerr,rosenbergc.qosguaranteesformultimediaservicesonatdma-basedsatellitenetwork[j].ieeecommunicationsmagazine,1997,35(7):56-65.)，随后被ekici等人推广应用(ekicie,akyildizif,bendermd.adistributedroutingalgorithmfordatagramtrafficinleosatellitenetworks[j].ieee/acmtransactionsonnetworking,2001,9(2):137-147.)。2013年lu等人对虚拟节点策略的主要特征进行了描述，对其进行了形式化描述和优化设计(卢勇,赵有健,孙富春.卫星网络路由技术[j].软件学报.2014(05).)。覆盖域划分的概念是由hashimoto等人提出(hashimotoy,sarikayab.designofip-basedroutinginaleosatellitenetwork[c].proceedingsofthirdinternationalworkshoponsatellite-basedinformationservices.newyork:acm,1998:81-88.)，它将地球均匀分为多个蜂窝区域，每个蜂窝区域由最近的卫星提供通信服务支持。虚拟拓扑策略与覆盖域划分适用的星座限制少，但产生的拓扑变化较多，额外计算负载大；虚拟节点策略适用的星座范围有限，但具有拓扑固定不变、无额外计算负载的优点。空天计算网络的计算主体是天基卫星星座；因此，需要针对卫星星座链路时变性展开进一步的建模工作。对于星地链路，由于卫星到达信号较弱，并且由于地面情况复杂，接收信号往往由来自各个方向的多径信号叠加而成。文献(luy,sunf,zhaoy.virtualtopologyforleosatellitenetworksbasedonearth-fixedfootprintmode[j].ieeecommunicationsletters,2013,17(2):357-360.)通过数学分析证明，存在直射分量的多径信号包络服从莱斯(rice)分布；目前莱斯信道模型为描述星地链路的常用信道模型。对于星间链路，由于星间链路损耗主要为自由空间传播损耗，其大小主要与星间距离有关。文献(柳忠荣.无线移动信道模型的研究与实现[d].电子科技大学,2004.]与文献[周云晖.卫星网络qos路由协议及其优化理论研究[d].清华大学,2007.)对动态卫星网络进行了详细的建模，但采用了固定数值描述星间链路的传输速率，无法体现星间链路容量的时变性；文献(王雅慧.非静止轨道卫星通信系统容量分析与接入控制策略研究[d].电子科技大学,2018.)将传输损耗与星间距离联系起来，得到了接收信号功率与星间距离之间的关系。因此，在高动态卫星网络的研究中，星间链路容量可由卫星间时变距离及文献(xuer,yuh,chengq.adaptivecodedmodulationbasedoncontinuousphasemodulationforinter-satellitelinksofglobalnavigationsatellitesystems[j].ieeeaccess,2018,6:20652-20662.)的结论计算得到。[0013]2、卫星算力协同策略的相关研究[0014]随着基于卫星通信技术的天基卫星网络不断发展，受边缘计算(mec)的启发，将mec引入卫星网络是为地面用户提供计算服务的一种很好的方式。参考(j.liu,x.du,j.cui,m.panandd.wei,"task-orientedintelligentnetworkingarchitectureforthespace–air–ground–aquaintegratednetwork,"inieeeinternetofthingsjournal,vol.7,no.6,pp.5345-5358,june2020,doi:10.1109/jiot.2020.2977402.)将边缘计算扩展到(space-air-ground-aquaintegratednetwork,sagain)，将卫星视为边缘计算节点，提供必要的计算和缓存功能。参考文献(q.tang,z.fei,b.liandz.han,"computationoffloadinginleosatellitenetworkswithhybridcloudandedgecomputing,"inieeeinternetofthingsjournal,vol.8,no.11,pp.9164-9176,1june1,2021,doi:10.1109/jiot.2021.3056569.)在leo卫星网络中开发了一种双层卫星mec(smec)结构，并制定了以地面用户总能耗最小为目标的优化问题。参考文献(h.tan,m.he,t.xia,x.zhengandj.lai,"anovelmulti-levelcomputationoffloadingschemeatleoconstellationbroadbandnetworkedge,"2020ieeeworldcongressonservices(services),2020,pp.281-286,doi:10.1109/services48979.2020.00062.)提出了一种多级计算卸载方案，可以为地面用户提供计算卸载选择。上官博屹等(上官博屹,刘威,乐鹏,王密,江昊,颜哲人.一种面向空间信息网络的星地协同计算迁移方法[j].武汉大学学报(信息科学版),2019,44(03):459-466.doi:10.13203/j.whugis20170269.)提出一种面向空间信息网络的星地协同计算迁移方法，该方法将调度优化模型分为数据传输模型和计算迁移方案选择模型两个部分，解决了系统遥感数据传输能力随着网络拓扑的不断变化的问题。张科科等(张科科,孙煜坤,夏磊,朱振才,王静.网络卫星在轨分布式协同任务调度方法[j].哈尔滨工程大学学报,2019,40(02):393-399.)设计了一种"sandwich"空间信息网络体系架构，该网络传输效能适合多任务需求下实施在轨分布式协同计算。并在此基础上提出了一种分布式断链重连算法，可突破单星计算资源限制，提高在轨计算能力。zhixuantang等(z.tang,h.zhou,t.ma,k.yuandx.s.shen,"leveragingleoassistedcloud-edgecollaborationforenergyefficientcomputationoffloading,"2021ieeeglobalcommunicationsconference(globecom),2021,pp.1-6,doi:10.1109/globecom46510.2021.9685309.)提出了一种低轨卫星辅助的陆地卫星网络(terrestrial-satellitenetwork,tsn)架构，用于云边缘协同计算卸载。构建了在服务质量(qos)约束下使整个tsn的能量消耗最小化问题，通过深度神经网络(deepneuralnetworks,dnn)优化用户关联方案和任务调度策略，然后用逐次凸逼近(successiveconvexapproximation,sca)算法求解优化卸载比例、计算资源分配和传输功率，实现能耗最优。haofeili等人(h.li,c.chen,c.li,l.liuandg.gui,"aerialcomputingoffloadingbydistributeddeeplearningincollaborativesatellite-terrestrialnetworks,"202113thinternationalconferenceonwirelesscommunicationsandsignalprocessing(wcsp),2021,pp.1-6,doi:10.1109/wcsp52459.2021.9613173.)提出了基于并行神经网络的卫星-地面协同网络分布式卸载算法(collaborativesatellite-terrestrialnetworkdistributedoffloading,cndo)，可以有效减小卸载策略的搜索空间，避免维数灾难，并给出了多个最优卸载决策，保证用户的计算需求和低能耗低延迟需求。朱向明等(朱向明,刘善赟,杨斌,亓祎男,张兴明.一种星地协同通信系统分布式协同计算迁移方法[p].浙江省：cn113709775b,2022-01-07.)充分利用星地协同通信系统中双层边缘计算架构，通过分布式迁移机制，避免了中心化决策过程带来的双向传播延时，从而显著减小系统延时，解决了星地协同通信系统中采用中心化迁移策略决策延时长的难题，保障用户延时敏感业务。[0015]nichoas等提出了一个基于物联网的神经网络计算框架，将神经网路的神经元运算映射至物联网节点上完成，并利用物联网卫星的通信过程实现神经元之间的数据传递，既减少了传输时延，也提高了信息隐私性。机器学习也被应用算力协同策略的制定，kim等人(s.i.kimandh.s.kim,“aresearchondynamicservicefunctionchainingbasedonreinforcementlearningusingresourceusage,”in2017ninthinternationalconferenceonubiquitousandfuturenetworks(icufn).ieee,2017,pp.582–586.)在计算出每个网络功能所使用的物理和虚拟资源后，运用基于奖罚范式的强化学习算法，构建了动态服务功能链。wang等人(t.wang,j.zu,g.hu,andd.peng,“adaptiveservicefunctionchainschedulinginmobileedgecomputingviadeepreinforcementlearning,”ieeeaccess,vol.8,pp.164922–164935,2020.)提出了一种深度强化学习方法来解算力协同策略题，该方法能够检测边缘计算系统环境的变化，并对业务请求做出自适应调整。fu等人(x.fu,f.r.yu,j.wang,q.qi,andj.liao,“servicefunctionchainembeddingfornfv-enablediotbasedondeepreinforcementlearning,”ieeecommunicationsmagazine,vol.57,no.11,pp.102–108,2019.)提出了一种基于深度强化学习的基于经验回放和目标网络的算法。qin等人(y.qin,q.xia,z.xu,p.zhou,a.galis,o.f.rana,j.ren,andg.wu,“enablingmulticastslicesinedgenetworks,”ieeeinternetofthingsjournal,vol.7,no.9,pp.8485–8501,2020.)提出了一种基于强化学习(rl)的高效启发式算法来研究具有给定延迟保证级别的面向延迟的网络切片问题。除此之外，topcuoglu等人(h.topcuoglu,s.haririandmin-youwu,"performance-effectiveandlow-complexitytaskschedulingforheterogeneouscomputing,"inieeetransactionsonparallelanddistributedsystems,vol.13,no.3,pp.260-274,march2002.)提出了heft算法，由于heft的低复杂度和高性能，也被广泛应用于算力协同策略中。[0016]综上所述，现有的卫星集群协同计算技术研究中，存在卫星网络的高动态、弱连接和算力资源管理问题，并且天基物联网多星协同策略的制定流程复杂，效率较低。结合已有的基于算力路由的分散式技术的研究思路，承接时空拓展图技术，亟需研究天基网络中的星间集群分散式协同计算方法。技术实现要素：[0017]本发明的目的在于提供一种计算能力强、性能高的基于要素时空扩展图的天基物联网多星协同策略构建方法，在解决卫星网络的高动态、弱连接和算力资源管理问题的前提下，通过联合参与计算的多个计算节点，集中算力为用户提供服务。[0018]实现本发明目的的技术解决方案为：一种基于要素时空扩展图的天基物联网多星协同策略构建方法，包括以下步骤：[0019]步骤1、构建加权时空连接图stcg，进行卫星动态网络的稳态化处理；[0020]步骤2、基于加权时空连接图stcg构建要素加权时空连接图estcg，进行卫星网络中的设备资源、链路资源、存储资源和算力资源的一体化管理；[0021]步骤3、基于要素加权时空连接图estcg，构建天基物联网多星协同策略。[0022]进一步地，步骤1所述构建加权时空连接图stcg，卫星星间链路构建的条件包括卫星的位置、几何可视条件、天线可视条件、信道容量的需求，其中：[0023](1)卫星的位置[0024]基于wgs-84坐标系：原点与地心重合，z轴指向bih1984.0定义的协定地球极ctp方向，x指向bih1984.0的零度子午面和ctp赤道的交点，y轴与z、x轴构成右手坐标系；[0025]卫星的位置由6大开普勒参数确定，半长轴a和偏心率e确定卫星轨道的形状，卫星轨道平面由倾角δ和升交点赤经ω，近地点角距ω决定轨道在轨道平面上的位置，而真近点角f决定卫星在轨道中的位置；[0026]在描述卫星无摄运动的6个开普勒参数中，只有真近点角是时间的函数，其余均为常数，故卫星瞬时位置的计算，在于计算真近点角；[0027]假设卫星vi的6大开普勒参数为下标i代表卫星的编号，为计算真近点角，引入两个辅助参数即偏近点角ei和平近点角mi，其中mi随时间变化的表达式为：[0028][0029]其中，g为引力常数，m为地球质量，为卫星vi过近地点的时刻，t为观测卫星时刻；由开普勒方程得，偏近点角ei为[0030]ei(t)＝mi(t)+eisinei(t)ꢀꢀ(2)[0031]偏近点角ei采用迭代法求解，得真近地点fi：[0032][0033]卫星vi到地心的距离为[0034]ri(t)＝ai(1-cosei(t))ꢀꢀ(4)[0035]则卫星vi在wgs-84坐标系中的坐标(xi(t),yi(t),zi(t))为[0036][0037]因此，卫星vi与vj之间的距离为[0038][0039](2)几何可视条件[0040]设大气层厚度为h，则当两颗卫星的通信链路与大气层相切，此时为卫星间几何可视的临界状态；[0041]两颗卫星vi和vj建立星间链路必须满足条件：[0042]dij(t)≥(re+h)ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(7)[0043]其中，re为地球半径；上式转换为对卫星距离的约束：[0044][0045](3)天线可视条件[0046]假设卫星天线具有足够的跟踪能力，当两卫星均处于对方的天线波束时，认为卫星天线间可视；卫星天线采用固定对地的安装方式，卫星的天线扫描范围被看作是以卫星天线发射处为顶点，以天线波束可扫描的最大范围为锥角的圆锥，并且该圆锥的高和卫星天线发射处与地心的连线在同一直线上；[0047]设卫星vi波束扫描范围为γi，卫星vj波束扫描范围为γj，在卫星满足几何可视的条件下，四种天线可视的情况包括：卫星vi和vj均处于对方波束扫描范围之外，两卫星均不可见；卫星vi在卫星vj波束扫描范围之内，但卫星vj不在卫星vi波束扫描范围之内，两卫星仍不可见；卫星vi和卫星vj均刚好处于对方波束的扫描范围之内，两卫星刚好可见；卫星vi和卫星vj正常可见；[0048]在满足天线可视条件，地心与卫星vj、卫星vi构成的圆心角θ应满足：[0049][0050]同理，将上式转换为距离的表达式为[0051][0052](4)信道容量的需求[0053]在自然空间中，卫星vi,vj,i≠j之间的传播损耗为[0054][0055]其中，为工作波长，f为载波频率，c为光速；[0056]基于自由空间传播公式，vi,vj,i≠j之间接收信号的功率如下：[0057][0058]其中，pe为发射源的发射功率，ge为定向天线的发射增益，gr为接收天线增益，并且pege叫做有效全向辐射功率eirp，则信号接收端处的信噪比表示为[0059][0060]其中，k＝1.379*10-23＝-228.6dbw/hz为玻尔兹曼常数，t代表噪声温度，n0为噪声功率谱密度，b为星间链路的带宽；根据香农公式，星间信道容量为[0061]cij(t)＝blog2(1+sij(t))ꢀꢀ(14)[0062]假设卫星间的可通信的最低信道容量为c0，即cij(t)＞c0时，两颗卫星vi,vj,i≠j间在时刻t时能够进行通信，反之则不能；则信号的功率衰减的条件下，卫星vi,vj,i≠j可建立卫星链路需满足[0063][0064]同理，将上式转换为距离的表达式为[0065][0066]vi,vj,i≠j之间的星间链路状态随时间变化的表达式为[0067][0068]其中，gij(t)＝1代表卫星vi,vj,i≠j的链路在时刻t时连通，否则为不连通。[0069]进一步地，步骤1中所述进行卫星动态网络的稳态化处理，具体如下：[0070]基于离散拓扑序列，应用时隙划分将状态连续变化的卫星链路截断成阶段性不变的卫星链路片段，卫星的运行周期t被划分为n个连续且大小相等的时隙，各个时隙的持续时长为δt＝t/n，每个时隙内卫星网络认为是静态的，拓扑结构看作是将多个卫星节点按照卫星星间链路的存在情况进行连接的静态稳态图；为了在多张稳态图之间建立联系，描述出卫星时变网络的全局拓扑信息，在相邻时隙间的同一卫星节点间建立虚拟链路，从而形成虚拟拓扑将稳态图按时间顺序串联起来形成卫星网络在整个周期的完整加权时空连接图stcg；[0071]为了寻找卫星间传输数据时延最低的路由策略，分别以数据在链路中的传输时延和在节点中的存储时延作为实际链路和虚拟链路的权重，即以数据在空间上的传输时延作为时隙内实际链路的权重，数据在时间上的传输时延作为时隙间虚拟链路的权重，因此，加权时空连接图stcg的权重也得以确定，对应写出加权时空连接图stcg的加权邻接矩阵。[0072]进一步地，步骤1中进行卫星动态网络的稳态化处理，包括时隙内卫星拓扑结构、时隙间卫星拓扑结构、stcg的构建，具体如下：[0073](1)时隙内卫星拓扑结构[0074]设各个时隙开始的时刻可用集合t＝{t1,t2,...,tn}表示，其中tk∈t代表第k个时隙开始的时刻，且tk+1-tk＝δt；为了表示节点状态随时间变化，设卫星网络中共有m个节点，第k个时隙的节点可用集合表示；v编号形式代表卫星节点自身，即形式仅代表某时隙内的节点；[0075]在单个时隙内，任意两颗卫星vi,vji≠j在第k个时隙，即节点之间的平均链路传输速率为[0076][0077]当在卫星网络中传输数据单位数据即1bit时，数据在第k个时隙任意两个节点间的传输时延为[0078][0079]第k个时隙卫星网络拓扑结构的带权邻接矩阵表示为[0080][0081]则代表卫星vi,vj,i≠j在第k个时隙不连通，无法进行数据传输；[0082](2)时隙间卫星拓扑结构[0083]向同一卫星在相邻时隙沿时间增长方向的不同副本节点之间引入虚拟链路，即节点与节点在时间上是单向连通的；由于虚拟链路代表节点在时间上的拓扑连接，故不同卫星在不同时隙的副本节点之间无虚拟链路，即当i≠j时节点与节点不通；[0084]虚拟链路仅代表拓扑在时间上的连续性，虚拟链路代表的含义是数据存储在节点并等待到下一个传输时隙进行传输，因此虚拟链路的权重应该是在数据传输到节点时本时隙的剩余时间；[0085]假设数据到达节点时在第k个时隙的时延为则数据在节点之间的传输时延为[0086][0087]相邻时隙{k,k+1}卫星网络拓扑结构的带权邻接矩阵表示为[0088][0089](3)stcg的构建[0090]时隙内和时隙间的带权邻接矩阵包含了卫星之间的拓扑连接、数据传输及存储的全过程，故将运行周期[0,t)内的所有加权邻接矩阵按照时隙变化的顺序组合，能够实现记录数据在卫星动态网络中传输的全部信息，组合后的矩阵即为stcg的加权邻接矩阵，如下式所示[0091][0092]其中，gn,1代表卫星动态拓扑变化的周期性；相应地，根据graph恢复卫星网络的动态拓扑以及数据在卫星网络的传输过程。[0093]进一步地，步骤2所述基于加权时空连接图stcg构建要素加权时空连接图estcg，进行卫星网络中的设备资源、链路资源、存储资源和算力资源的一体化管理，具体如下：[0094](1)节点：元素图的节点分为卫星和功能模块两类；[0095]功能模块被抽象为直接连接到卫星的节点，由于卫星节点配备的功能模块不随时间改变，因此在讨论要素图时无需考虑时隙变化；[0096]假设卫星网络提供num种功能模块，所有第x,1≤x≤num种的功能模块类型表示成数组其中1≤j≤m代表卫星vj装备的第x类型的功能模块；因此，卫星网络中的所有功能模块节点都能够用f＝{f1,f2,…,fnum}表示；受计算资源和存储容量的限制，每个边缘卫星只配备了部分功能模块，因此集合f中的一些元素是空的；[0097](2)边：要素图中的边分为卫星之间的边或卫星与功能模块之间的边这两类；[0098]卫星和功能模块之间的边表示卫星上装备了功能模块，从卫星到功能模块的边表示对应的功能模块处理数据的过程，反之表示返回结果的过程；[0099]位于vj的x，1≤x≤num类型的功能处理单位数据即1bit的数据时延表示为[0100][0101]其中cjx(cycles/s)是vj中x类型功能的cpu频率；若vj没有配备x类型的功能，cjx＝0(cycles/s)并且ctjx＝∞(s/bit)；因此，从卫星节点到x,1≤x≤num类型的功能模块之间边的权值记为[0102][0103]功能模块直接安装在卫星上，将结果返回到卫星的过程不再消耗时间，并且从x,1≤x≤num类型的功能到卫星节点的边的权值为[0104][0105]除了卫星之间的边、卫星到功能模块的边、功能模块到卫星的边之外，在单个时隙内元素图中没有其他边，而不连通边的权值是无穷大；[0106]在k时隙内，得到在用estcg表征的卫星网络的加权邻接矩阵：[0107][0108]其中inf代表对角元素为0，其余元素都为∞的矩阵；[0109]在相邻时隙{k,k+1}，增加要素的卫星网络拓扑结构的带权邻接矩阵示为[0110][0111]而将时隙划分与要素图结合后的卫星网络的加权邻接矩阵表征为[0112][0113]其中，gmn,1代表卫星动态拓扑变化的周期性；相应地，根据graphm恢复卫星网络的动态拓扑以及数据在卫星网络的传输过程和处理过程。[0114]进一步地，步骤3所述基于要素加权时空连接图estcg，构建天基物联网多星协同策略，具体如下：[0115](1)两星间任务协同[0116]假设在时刻q时，发起了一个待处理的业务，并将任务量为dbit的业务发送到卫星vj中处理，则卫星vj处理该业务的时延表示为[0117][0118]其中函数shortest(g,t,v,f)的输入值为图的加权邻接矩阵g、业务开始时间t、业务起点v和作为终点的功能模块f；[0119]虽然estcg将卫星网络静态化，并表征为加权邻接矩阵graphm；然而，与准静态网络相比，在处理业务时，仍有以下限制条件：[0120]首先，由于卫星网络的动态特征，两个时隙间的拓扑连接情况存在着差异，因此单个时隙内的数据传输时延总和不能超过时隙δt，否则会面临传输中断的风险；假设各个连通的链路权重都为0.4δt，则在一个时隙内，数据仅能从节点v1到达节点v3，而不能到达节点v5；[0121]其次，estcg模型中虚拟链路的权重表示数据存储并等待传输的过程；虚拟链路的权重不是固定的，节点在两个时隙间虚拟链路的权重等于数据到达该节点时当前时隙的剩余时间；[0122]在求间的最佳路由时，数据的初始位置在若数据自节点传输至节点代表的含义为数据在节点v1内暂存了一个时隙，则时隙间权重为δt；而数据在经过时隙内边时的权重为0.4δt，则数据在到达节点v2时本时隙已度过了0.4δt；而经过跨时隙边时时，代表的含义为数据在节点v2暂存了第k时隙的剩余时间，即时隙间权重为0.6δt；间最短路由的权重之和为1.4δt；[0123]在衡量业务处理时延时，需要在公式(30)的基础上增加限制条件：[0124]①设任意两个卫星和在传输数据量为dbit，之间的最佳路由传输单位时延的最短时延为若数据在单个时隙内传输成功，则必须满足条件：[0125][0126]②由于跨时隙边的权重并不是固定不变的，与数据到达节点的时刻有关，因此需要根据数据传输路径的选择来实时计算跨时隙边的权重；[0127](2)天基物联网任务协同[0128]假设在时刻q时，发起了一个待处理的业务，此任务的数据量为dbit且需要种类为x的功能模块处理，假设将任务分配到卫星网路中的各个卫星的数据量比例为{λ1,λ2,…,λm}，即分配到功能模块fx的数据量分别为{λ1×d,λ2×d,…,λm×d}，天基物联网协作处理该业务的时延为功能模块中最晚完成分配到它的任务的时延，并用公式表述为[0129][0130]为了尽可能降低处理业务的时延，天基物联网多星协同完成业务的目标被设定为最小化业务处理时延，则优化问题表述为[0131][0132]且要满足约束条件：[0133]①设任意两个卫星和在传输数据量为dbit，之间的最佳路由传输单位数据的最短时延为若数据在单个时隙内传输成功，则必须满足条件：[0134][0135]②由于跨时隙边的权重并不是固定不变的，它与数据到达节点的时刻有关，因此需要根据数据传输路径的选择来实时计算跨时隙边的权重；[0136]选用bpso算法求解此优化问题，假设粒子群规模为u，同时i表示群体最大迭代次数，则第i≤i次迭代过程中第u≤u个粒子的位置和速度分别如下式所示[0137][0138][0139]式中，中的值代表了分配到各个卫星的数据量比例，即的实际含义为λj的值；的值代表了寻找最优解的粒子移动步长，值在[0,1]之间；当i＜i时，粒子u首先通过跟踪历史最优位置pubest和整个粒子群的历史最优位置gbest更新速度，如下式所示：[0140][0141]其中μ为惯性权重，γ1、γ2为加速因子，β1、β2为均匀分布于区间[0,1]的随机数；随后跟踪速度方向按照下式更新位置：[0142][0143]符号表示数值向上取整运算，而表示两个矩阵的元素之间的置换操作，具体过程是先确定中数值最大的元素索引作为待置换位置，再根据上式中的约束条件计算出中与待置换位置进行置换操作的元素索引，完成置换操作；最终，通过下式计算适应度值：[0144][0145]综上，基于bpso算法求解最佳卫星星间协作计算方案。[0146]本发明与现有技术相比，其显著优点为：(1)提出了要素时空扩展图，它与管理卫星网络的方法相比，不仅解决了卫星间的高动态、弱连接等问题，还增加了一种资源管理模式，可实现卫星网络中的设备资源、链路资源、存储资源和算力资源的一体化管理；(2)在要素时空扩展图的基础上研究了天基物联网任务协同策略，有了要素时空扩展图的帮助，卫星集群的运动规律和内蕴资源变成了直观展示的静态图，简化了天基物联网多星协同策略的制定流程，天基物联网多星协同策略更加简单、直接且高效；(3)实现在解决卫星网络的高动态、弱连接和算力资源管理问题的前提下，通过联合参与计算的多个计算节点，集中算力为用户提供服务。附图说明[0147]图1是天基cfn网络架构示意图。[0148]图2是卫星轨道参数示意图。[0149]图3是卫星几何可视性示意图。[0150]图4是卫星天线示意图。[0151]图5是卫星天线可视性示意图。[0152]图6是时变切片图。[0153]图7是虚拟拓扑连接图。[0154]图8是stcg:卫星网络动态拓扑的静态表达示意图。[0155]图9是单个时隙的卫星要素图示意图。[0156]图10是多时隙的卫星要素图示意图。[0157]图11是在estcg中处理业务的示意图。[0158]图12是传输中断举例示意图。[0159]图13是跨时隙路由举例示意图。[0160]图14是业务处理方式的性能对比图。具体实施方式[0161]下面结合附图和具体实施例，对本发明进一步的详细说明。[0162]本发明一种基于要素时空扩展图的天基物联网多星协同策略构建方法，包括以下步骤：[0163]步骤1、构建加权时空连接图；[0164]步骤2、构建要素加权时空连接图；[0165]步骤3、基于estcg的卫星协同技术。[0166]作为一种具体示例，步骤1所述的构建加权时空连接图，具体如下：[0167]根据其运行轨道高度的不同，卫星可分为低轨卫星(lowearthorbit，leo)、中轨卫星(middleearthorbit，meo)和高轨卫星(geostationaryearthorbit，geo)，它们的相对高速运动导致卫星网络拓扑具有高动态性、链路通断状态随时间变化，网络被频繁切割等特点，网络拓扑的时变特性导致链路生存周期比较短、卫星之间的联通状态也在时刻变化，因此屏蔽卫星动态性成为卫星算力协同的首要任务。本发明拟提出一种加权时空连接图(space-timeconnectiongraph，stcg)的时变图，用于解决卫星动态网络的稳态化处理问题。[0168](1.1)卫星星间链路构建的条件[0169]存在星间链路是卫星间进行信息传输和交换的必要条件，星间链路是否存在代表卫星节点之间是否连通，因此在制定卫星网络间的最佳路由之前，需要对卫星的星间链路的构建条件进行分析。[0170]1、卫星的位置[0171]为分析卫星之间可视性，首先需要确定卫星的位置。本发明的研究基于wgs-84坐标系：原点与地心重合，z轴指向bih1984.0定义的协定地球极(ctp)方向，x指向bih1984.0的零度子午面和ctp赤道的交点，y轴与z、x轴构成右手坐标系。卫星的位置可由6大开普勒参数确定，如图2所示，其中半长轴a和偏心率e确定卫星轨道的形状，卫星轨道平面可由倾角δ和升交点赤经ω，近地点角距ω决定了轨道在轨道平面上的位置，而真近点角f决定了卫星在轨道中的位置；[0172]在描述卫星无摄运动的6个开普勒参数中，只有真近点角是时间的函数，其余均为常数。故卫星瞬时位置的计算，关键在于计算真近点角。假设卫星vi(下标i代表卫星的编号)的6大开普勒参数为为计算真近点角，需引入两个辅助参数——偏近点角ei和平近点角mi，其中mi随时间变化的表达式为[0173][0174]其中，g为引力常数，m为地球质量，为卫星vi过近地点的时刻，t为观测卫星时刻。由开普勒方程得，偏近点角ei为[0175]ei(t)＝mi(t)+eisinei(t)ꢀꢀ(2)[0176]偏近点角ei通常采用迭代法求解，具体求解过程本发明不再赘述。可得真近地点fi：[0177][0178]卫星vi到地心的距离为[0179]ri(t)＝ai(1-cosei(t))ꢀꢀ(4)[0180]则卫星vi在wgs-84坐标系中的坐标(xi(t),yi(t),zi(t))为[0181][0182]因此，卫星vi与vj之间的距离为[0183][0184]2、几何可视条件[0185]对两颗地球卫星来说，只有当它们同时高于与地球大气层相切的一个水平面时，它们是几何可视的。设大气层厚度为h，则当两颗卫星的的通信链路与大气层相切，此时为卫星间几何可视的临界状态。如图3所示，两颗卫星vi和vj建立星间链路必须满足条件：[0186]dij(t)≥(re+h)ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(7)[0187]其中，re为地球半径。上式可转换为对卫星距离的约束：[0188][0189]3、天线可视条件[0190]卫星几何可视是建立星间链路的前提，但卫星天线的扫描角度及其跟踪能力也是构建星间链路需考虑的重要因素，当且仅当卫星天线之间的连线在两颗卫星彼此覆盖区域内的交叠区内，且卫星相对运动角速度在天线可跟踪的范围内时，卫星之间才可建立星间链路。本发明假设卫星天线具有足够的跟踪能力，当两卫星均处于对方的天线波束时，认为卫星天线间可视。卫星天线采用固定对地的安装方式，如图4所示，卫星的天线扫描范围可被看作是以卫星天线发射处为顶点，以天线波束可扫描的最大范围为锥角的圆锥，并且它的高和卫星天线发射处与地心的连线在同一直线上。[0191]设卫星vi波束扫描范围为γi，卫星vj波束扫描范围为γj，在卫星满足几何可视的条件下，图5展示了四种天线可视的情况。如图5中的(a)所示，卫星vi和vj均处于对方波束扫描范围之外，两卫星均不可见；如图5中的(b)所示，卫星vi在卫星vj波束扫描范围之内，但卫星vj不在卫星vi波束扫描范围之内，两卫星仍不可见；如图5中(c)所示，卫星vi和卫星vj均刚好处于对方波束的扫描范围之内，两卫星刚好可见；如图5中的(d)所示，卫星vi和卫星vj正常可见。在满足天线可视条件，地心与卫星vj、卫星vi构成的圆心角θ应满足：[0192][0193]同理，将上式转换为距离的表达式为[0194][0195]4、信道容量的需求[0196]随着空间传输距离的增加，信号的功率衰减随之增大，信道容量随之减小，误码率也急剧上升。因此，实际星间链路的设计必须考虑空间传输距离对信道容量的影响。在自然空间中，卫星vi,vj,i≠j之间的传播损耗为[0197][0198]其中，为工作波长，f为载波频率，c为光速。基于自由空间传播公式，vi,vj,i≠j之间接收信号的功率如下:[0199][0200]其中，pe为发射源的发射功率，ge为定向天线的发射增益，gr为接收天线增益，并且pege叫做有效全向辐射功率(eirp)，则信号接收端处的信噪比可以表示为[0201][0202]其中，k＝1.379*10-23＝-228.6dbw/hz为玻尔兹曼常数，t代表噪声温度，n0为噪声功率谱密度，b为星间链路的带宽。根据香农公式，星间信道容量为[0203]cij(t)＝blog2(1+sij(t))ꢀꢀ(14)[0204]假设卫星间的可通信的最低信道容量为c0，即cij(t)＞c0时，两颗卫星vi,vj,i≠j间在时刻t时可进行通信，反之则不能。则信号的功率衰减的条件下，卫星vi,vj,i≠j可建立卫星链路需满足[0205][0206]同理，将上式转换为距离的表达式为[0207][0208]结合公式可得，vi,vj,i≠j之间的星间链路状态随时间变化的表达式为[0209][0210]其中，gij(t)＝1代表卫星vi,vj,i≠j的链路在时刻t时连通，否则为不连通。[0211]2、基于stcg的卫星动态网络拓扑稳态处理方法[0212]虽然卫星间的相对高速运动会导致星间链路不稳定和网络拓扑的频繁变化，但固定的运动轨道使其运行轨迹具有周期性与可预测性。为屏蔽卫星网络拓扑结构的动态变化，本发明基于离散拓扑序列的思想，应用时隙划分将状态连续变化的卫星链路截断成阶段性不变的卫星链路片段。卫星的运行周期t可被划分为n个连续且大小相等的时隙，各个时隙的持续时长为δt＝t/n，每个时隙内卫星网络可认为是静态的，其拓扑结构可看作是将多个卫星节点按照卫星星间链路的存在情况进行连接的静态稳态图。为了在多张稳态图之间建立联系，以此描述出卫星时变网络的全局拓扑信息，本发明在相邻时隙间的同一卫星节点间建立虚拟链路，从而形成虚拟拓扑将稳态图按时间顺序串联起来形成卫星网络在整个周期的完整拓扑图—stcg。[0213]本发明旨在寻找卫星间传输数据时延最低的路由策略，为满足要求，本发明分别以数据在链路中的传输时延和在节点中的存储时延作为实际链路和虚拟链路的权重，即以数据在空间上的传输时延作为时隙内实际链路的权重，数据在时间上的传输时延作为时隙间虚拟链路的权重。因此，stcg的权重也得以确定，可对应写出stcg的加权邻接矩阵。[0214]1、时隙内卫星拓扑结构[0215]由于星间链路的连通情况可通过计算预测，在各个时隙内卫星网络的拓扑结构可由计算结果建立，在某一时间段内卫星网络的拓扑结构可分为多个时隙的拓扑结构，如图6所示。其中，节点间的链路均表示在空间上存在建立星间链路的条件。[0216]设各个时隙开始的时刻可用集合t＝{t1,t2,...,tn}表示，其中tk∈t代表第k个时隙开始的时刻，且tk+1-tk＝δt。为了表示节点状态随时间变化，我们设卫星网络中共有m个节点，第k个时隙的节点可用集合表示。(注；v编号形式代表卫星节点自身，即形式仅代表某时隙内的节点。)[0217]在单个时隙内，任意两颗卫星vi,vji≠j在第k个时隙，即节点之间的平均链路传输速率为[0218][0219]因此，当在卫星网络中传输数据单位数据(1bit)时，数据在第k个时隙任意两个节点间的传输时延为[0220][0221]因此，第k个时隙卫星网络拓扑结构的带权邻接矩阵可表示为[0222][0223]若则代表卫星vi,vj,i≠j在第k个时隙不连通，无法进行数据传输。[0224]时隙间卫星拓扑结构[0225]卫星网络的拓扑结构随时间不断变化，不同时隙间的链路连接情况不同，为了避免数据在传输过程中链路中断，因此当数据不能在链路稳定存在的剩余时间内完成传输，则应将数据暂时存储在节点中，等待下一时隙进行传输。数据存储并等待传输的过程，本发明认为它是数据在时间上的虚拟传输。因此，本发明向同一卫星在相邻时隙沿时间增长方向的不同副本节点之间引入虚拟链路，即节点与节点在时间上是单向连通的。由于虚拟链路代表节点在时间上的拓扑连接，故不同卫星在不同时隙的副本节点之间无虚拟链路，即当i≠j时节点与节点绝对不通，如图7所示。需要注意的是，虚拟链路实际并不存在，它仅代表拓扑在时间上的连续性。[0226]虚拟链路代表的含义是数据存储在节点并等待到下一个传输时隙进行传输，因此虚拟链路的权重应该是在数据传输到节点时本时隙的剩余时间。因此，虚拟链路的权重与路由的制定策略有关，只有在数据到达某节点之前的路径确定，该节点与下一时隙的同一节点之间的虚拟链路的权重才可确定。假设数据到达节点时在第k个时隙的时延为则数据在节点之间的传输时延为[0227][0228]因此相邻时隙{k,k+1}卫星网络拓扑结构的带权邻接矩阵可表示为[0229][0230]stcg的构建[0231]基于stcg的卫星动态网络拓扑稳态处理过程的示意图如图8所示，此时整个卫星网络已被转化为稳态拓扑，屏蔽了卫星网络的动态性。[0232]时隙内和时隙间的带权邻接矩阵包含了卫星之间的拓扑连接、数据传输及存储的全过程，故将运行周期[0,t)内的所有加权邻接矩阵按照时隙变化的顺序组合，能够实现记录数据在卫星动态网络中传输的全部信息，组合后的矩阵即为stcg的加权邻接矩阵，如下式所示[0233][0234]其中，gn,1代表卫星动态拓扑变化的周期性。相应地，根据graph可恢复卫星网络的动态拓扑以及数据在卫星网络的传输过程。[0235]作为一种具体示例，步骤2所述的构建要素加权时空连接图，具体如下：[0236]stcg的构建实现了卫星网络的稳态化，解决了卫星间通信的难题。在卫星中装备的异构功能模块包含了各式各样的算力资源，现急需一种有效的方式来管理和调度算力资源，为卫星间的协同计算奠定基础。在本节，我们进一步在stcg的提出上提出要素加权时空连接图(elementspace-timeconnectiongraph,estcg)，在实现卫星网络稳态化的基础上完成对算力资源的管理。estcg中包含了各种卫星网络资源，例如卫星节点、卫星之间的连通关系、卫星上配备的功能模块等，本节将从节点和边两方面介绍estcg。[0237]单个时隙的卫星要素图如图9所示：[0238](1)节点：元素图的节点分为卫星和功能模块两类。[0239]为了直观起见，功能模块被抽象为直接连接到卫星的节点。由于卫星节点配备的功能模块不随时间改变，因此在讨论要素图时无需考虑时隙变化。假设卫星网络可以提供num种功能模块，所有第x,1≤x≤num种的功能模块类型可以表示成数组其中1≤j≤m代表卫星vj装备的第x类型的功能模块。因此，卫星网络中的所有功能模块节点都可以用f＝{f1,f2,…,fnum}表示。受计算资源和存储容量的限制，将所有的功能模块部署在一个边缘卫星中是不可行的，即每个边缘卫星只配备了部分功能模块，因此集合f中的一些元素是空的。[0240](2)边：要素图中的边可分为两类:卫星之间的边或卫星与功能模块之间的边。[0241]卫星之间的边表示卫星之间的星间链路，通过这些边表示数据的传输过程。卫星和功能模块之间的边表示卫星上装备了功能模块，从卫星到功能模块的边表示对应的功能模块处理数据的过程，反之表示返回结果的过程。卫星之间的权重已在之前的章节中讨论过，在本节我们将重点讨论卫星与功能模块之间的权重。[0242]位于vj的x，1≤x≤num类型的功能处理单位数据(1bit)的数据时延可以表示为[0243][0244]其中cjx(cycles/s)是vj中x类型功能的cpu频率。若vj没有配备x类型的功能,cjx＝0(cycles/s)并且ctjx＝∞(s/bit)。因此，从卫星节点到x,1≤x≤num类型的功能模块之间边的权值可以记为[0245][0246]由于功能是直接安装在卫星上的，所以将结果返回到卫星的过程不再消耗时间。并且，从x,1≤x≤num类型的功能到卫星节点的边的权值为[0247][0248]除了卫星之间的边、卫星到功能模块的边、功能模块到卫星的边之外，在单个时隙内元素图中没有其他边，而不连通边的权值是无穷大。因此，在k时隙内，我们可以得到在用estcg表征的卫星网络的加权邻接矩阵。[0249][0250]其中inf代表对角元素为0，其余元素都为∞的矩阵。[0251]为克服卫星网络的动态性，卫星网络被时隙划分为多张静态图，而在应用estcg模型后的卫星网络可表征为图10所示多时隙的卫星要素图。[0252]由于卫星配置的功能模块并不随时间改变而变化，因此，在功能模块处理业务时无需考虑时隙的变化。由于功能模块存在的稳定性，时隙切换并不影响功能模块处理业务，则功能模块之间在时隙切换时的时延代价为0。在因此相邻时隙{k,k+1}，增加要素的卫星网络拓扑结构的带权邻接矩阵可表示为[0253][0254]而将时隙划分与要素图结合后的卫星网络的加权邻接矩阵可表征为[0255][0256]其中，gmn,1代表卫星动态拓扑变化的周期性。相应地，根据graphm可恢复卫星网络的动态拓扑以及数据在卫星网络的传输过程和处理过程。[0257]作为一种具体示例，步骤3所述的基于estcg的卫星协同技术，具体如下：[0258]3.1两星间任务协同研究[0259]卫星集群间的协同可被分解为多步骤的两个卫星协同，因此，实现任意两个卫星的协同是卫星协同技术的核心内容。卫星协同处理任务时，不仅需要考虑数据在卫星间的传输时延，更是需要考虑卫星处理数据的时延。单位数据量在卫星之间的传输时延、卫星与计算模块之间的计算时延、计算模块到卫星的数据返回时延等信息都被包括在矩阵graphm中，此时处理业务的各项时延都被抽象为同一水平的数据，因此它们可以被直接相加，如图11所示。[0260]假设在时刻q时，发起了一个待处理的业务，并将任务量为dbit的业务发送到卫星vj中处理，则卫星vj处理(计算和传输)该业务的时延可表示为[0261][0262]其中函数shortest(g,t,v,f)的输入值为图的加权邻接矩阵g、业务开始时间t、业务起点v和作为终点的功能模块f，它的本质是网络拓扑图g中节点v与f之间的最短路径，而t是为了确定进一步节点v与f在矩阵g中的位置。[0263]虽然estcg将卫星网络静态化，并表征为加权邻接矩阵graphm。然而，与准静态网络相比，在处理业务时，仍有一些限制条件，如下所示：[0264]首先，由于卫星网络的动态特征，两个时隙间的拓扑连接情况存在着差异。因此单个时隙内的数据传输时延总和不能超过时隙δt，否则会面临传输中断的风险。为更形象的说明问题，本发明在图12给出示例说明。如图12所示，假设各个连通的链路权重都为0.4δt，则在一个时隙内，数据仅能从节点v1可以到达节点v3，而不能到达节点v5。[0265]其次，不同于传统静态图中所有边的权重都表示数据传输时延，estcg模型中虚拟链路的权重表示数据存储并等待传输的过程。因此，虚拟链路的权重并不是固定的，节点在两个时隙间虚拟链路的权重等于数据到达该节点时当前时隙的剩余时间。[0266]如图13所示，在求间的最佳路由时，数据的初始位置在若数据自节点传输至节点它代表的含义为数据在节点v1内暂存了一个时隙，则时隙间权重为δt。而数据在经过时隙内边时的权重为0.4δt，则数据在到达节点v2时本时隙已度过了0.4δt；而经过跨时隙边时时，它代表的含义为数据在节点v2暂存了第k时隙的剩余时间，即时隙间权重为0.6δt。显而易见地，间最短路由的权重之和为1.4△t。[0267]因此，在衡量业务处理时延时，需要在公式(30)的基础上增加限制条件：[0268](1)设任意两个卫星和在传输数据量为dbit，它们之间的最佳路由传输单位时延的最短时延为若数据在单个时隙内传输成功，则必须满足条件：[0269][0270](2)由于跨时隙边的权重并不是固定不变的，它与数据到达节点的时刻有关，因此需要根据数据传输路径的选择来实时计算跨时隙边的权重。[0271]3.2天基物联网多星间任务协同研究[0272]为了提高数据处理效率，单个卫星产生的业务往往需要多个卫星的协作处理，在研究两星协同的基础上，我们进一步研究了天基物联网多星间任务协同处理，并给出了天基物联网多星协作的优化手段。假设在时刻q时，发起了一个待处理的业务，此任务的数据量为dbit且需要种类为x的功能模块处理，假设它将任务分配到卫星网路中的各个卫星的数据量比例为{λ1,λ2,…,λm}，即分配到功能模块fx的数据量分别为{λ1×d,λ2×d,…,λm×d}，天基物联网多星协作处理该业务的时延为功能模块中最晚完成分配到它的任务的时延，并可用公式表述为[0273][0274]为了尽可能降低处理业务的时延，天基物联网多星协同完成业务的目标被设定为最小化业务处理时延，则优化问题可表述为[0275][0276]且要满足约束条件：[0277](1)设任意两个卫星和在传输数据量为dbit，它们之间的最佳路由传输单位数据的最短时延为若数据在单个时隙内传输成功，则必须满足条件：[0278][0279](2)由于跨时隙边的权重并不是固定不变的，它与数据到达节点的时刻有关，因此需要根据数据传输路径的选择来实时计算跨时隙边的权重。[0280]优化问题(33)的本质是一个np-hard问题，其求解复杂度随着低轨卫星数量与任务的数据量的增加而迅速升高，所以确定性算法不适用于求解此类问题。二值粒子群优化(binaryparticleswarmoptimization，bpso)算法是目前比较流行的一种面向二值优化问题的群体智能搜索算法，相比确定性算法，其效率更高，且执行时间更短。因此，本发明选用bpso算法求解此优化问题。我们假设粒子群规模为u，同时i表示群体最大迭代次数，则第i≤i次迭代过程中第u≤u个粒子的位置和速度分别如下式所示[0281][0282][0283]上式中，中的值代表了分配到各个卫星的数据量比例，即的实际含义为λj的值。而的值代表了寻找最优解的粒子移动步长，它们的值也在[0,1]之间。当i＜i时，粒子u首先通过跟踪其历史最优位置pubest和整个粒子群的历史最优位置gbest更新其速度，如下式所示，[0284][0285]其中μ为惯性权重，γ1、γ2为加速因子，β1、β2为均匀分布于区间[0,1]的随机数；随后跟踪速度方向按照下式更新其位置，[0286][0287]符号表示数值向上取整运算，而表示两个矩阵的元素之间的置换操作，具体过程是先确定中数值最大的元素索引作为待置换位置，再根据上式中的约束条件计算出中与待置换位置进行置换操作的元素索引，完成置换操作；最终，通过下式计算其适应度值。[0288][0289]综上所述，基于bpso算法可以求解最佳卫星星间协作计算方案。[0290]实施例1[0291]本实施例将验证基于estcg的卫星协作方案优于传统的单星处理(以卫星v1为例)、云计算等数据处理方式。本发明使用的仿真平台为matlab，其中采取了starlink星座中的7个卫星节点作为本发明的测试卫星组网结构。本发明采用的计算节点(包括卫星们和云)的计算能力如表1所示，其中业务由卫星v1发起，云中装备了所有类型的功能模块，而每个卫星中随机装备了部分类型的功能模块：[0292]表1[0293]设备卫星v1卫星v2卫星v3卫星v4卫星v5卫星v6卫星v7云处理能力cycles/s150200180170130150170500[0294]通过图14可得，天基物联网多星协同处理业务的能力一直是最优的，而当数据量较小时，单星的处理能力优于云计算，而当数据量极具增加时，云计算的处理性能开始优于单星。这是因为在多星协同过程中，它集所有卫星的计算能力于一体处理业务，且卫星间的传输时延相对较低，所以多星协作的性能一直最优。在数据量为610mb左右时，多星协作处理的处理时延略微增加，这是因为发生了在业务处理过程中有了跨时隙的协作；而对于单星处理，它不需要额外的传输时延，但它的计算能力相对较低，只适合处理数据量较低的业务。特别地，若在此单星上不配置处理此业务的类型的功能模块，则业务将不能被处理。而对于云计算，由于云计算与卫星之间的距离相对较远，这导致卫星将数据传输到云的传输时延相对较高，在处理数据量较小的任务时，传输时延甚至高于计算时延，这造成了极大的资源浪费。然而，云计算平台的计算能力很强，随着数据量的增加，云计算的优势逐渐明显，因此它的性能表现开始优于单星。[0295]以上仅是本发明的优选实施方式，应当指出，对于本技术领域：：的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。当前第1页12当前第1页12









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!