基于稀疏化的卫星网络仿真评估与优化方法研究.docx

1、硕 士 学 位 论 文基于稀疏化的卫星网络仿真评估与优化方法研究专业名称 ： 信息与通信工程基于稀疏化的卫星网络仿真评估与优化方法研究I摘要在传统网络研究中，利用专家经验进行规划设计是主要手段，但是对于卫星网络这类复杂系统，很多方面难以把握设计的关键要素。随着计算机技术的日益发展，网络仿真已成为大型复杂网络的重要研究手段，使用网络仿真能够提升网络规划的科学性、缩短网络规划的周期以及降低网络投资的风险。卫星网络仿真具有大规模性、动态性、耗时长等特点，其在仿真前需要设置大量的系统参数，在仿真的过程中会产生海量的性能指标数据，这为网络性能评估及优化工作的计算与存储带来了挑战。针对这一问题，本文开展基

2、于稀疏化的卫星网络仿真评估与优化方法研究，主要包括以下几个方面：首先，针对网络仿真产生的海量指标数据，提出一种基于 SCOUT 的稀疏化方法分段聚类法。传统的稀疏化方法有数据降维、稀疏模型、稀疏字典表示等。数据降维在单次评估中难以确定各成分的权重，稀疏模型难以适用于评估体系权重发生变化的情况，且稀疏化程度有限；稀疏字典表示在评估时需要重构数据，增大了评估计算量。分段聚类在满足评估需求的同时，从“空间”维度与时间维度进行稀疏化，达到了很好的稀疏效果。其次，分别设计面向原始数据与稀疏化数据的评估方法。其中面向稀疏化数据的评估方法，能够保证评估结果接近于原始数据评估结果的情况下，减少评估计算量与仿真

3、指标数据的存储量。然后，针对卫星网络优化所面临的实验次数多的问题，设计基于评估与正交实验的优化方法，该方法以正交表中的实验方案为基础进行仿真及评估，然后分析评估结果进行定向优化，从而降低仿真实验次数。最后，设计卫星网络仿真，包括轨道设计、模型设计、切换流程设计、场景设计；采用仿真软件 STK 与 OPNET 进行仿真，基于获取的仿真指标数据进行稀疏化、评估及优化实验。实验表明，在可接受的误差范围内，仿真指标数据经过稀疏化后可减少 96.4%；稀疏化数据评估结果与原始数据评估结果相比误差为 2.6%； 相对于正交实验、正交实验结合遗传算法而言，OBEOE 仿真次数减少了 88.8%、84.0%

4、。关键词 ：卫星网络，稀疏化，分段聚类，评估方法，优化方法 硕士学位论文IIAbstractIn traditional network research, the use of expert experience for planning and design is the main method, but for complex systems such as satellite networks, many aspects are difficult to grasp the key elements of design. With the development of computer

5、 technology, network simulation has become an important research method for large-scale complex networks. Using network simulation can improve the scientificity of network planning, shorten the cycle of network planning, and reduce the risk of network investment.Satellite network simulation has the

6、characteristics of large-scale, dynamic, and long-time. It requires a large number of system parameters to be set before the simulation. During the simulation process, a large amount of performance index data will be generated. This is a calculation of network performance and optimization calculatio

7、n. And storage poses challenges. To solve this problem, this paper conducts research on sparse-based satellite network simulation assessment and optimization methods, which mainly include the following aspects:First of all, aiming at the mass index data generated by network simulation, a sparse meth

8、od based on SCOUT, named segmentation clustering, is proposed. The traditional sparse methods include data dimension reduction, sparse model, sparse dictionary representation and so on. Data reduction dimension is difficult to determine the weight of each component in a single evaluation. Sparse mod

9、el is difficult to apply to the situation where the weight of the evaluation system changes, and the degree of sparseness is limited. The sparse dictionary indicates that the data needs to be reconstructed during the evaluation and the evaluation calculation is increased. Segmented clustering is spa

10、rse from the “spatial“ dimension and the time dimension while satisfying the assessment requirements, achieving a very sparse effect.Second, design evaluation methods for raw data and sparse data, respectively. Among them, the evaluation method for sparse data can ensure that the evaluation result i

11、s close to the evaluation result of the original data and reduce the storage of the evaluation calculation amount and the simulation index data.Then, aiming at the problem of many experiments in the satellite network optimization, we design an optimization method based on the evaluation and orthogon

12、al experiment. This method is based on the experimental scheme in the orthogonal table for simulation and evaluation, and then analyzes the evaluation 基于稀疏化的卫星网络仿真评估与优化方法研究IIIresults for directional optimization. , thereby reducing the number of simulation experiments.Finally, the satellite network

13、simulation is designed, including track design, model design, switching process design, and scene design. The simulation software STK and OPNET are used for simulation. Sparseization, evaluation, and optimization experiments are performed based on the acquired simulation index data. Experiments show

14、 that within the acceptable error range, the simulation index data can be reduced by 96.4% after sparsification; the sparse data evaluation result has an error of 2.6% compared with the original data evaluation results; it is compared with orthogonal experiments and orthogonal experiments. In terms

15、of genetic algorithms, the number of OBEOE simulations was reduced by 88.8% and 84.0%.Keywords: Satellite networks, Sparsification, Segmented and clustered, Evaluation method, Optimization Method硕士学位论文IV目 录摘要 .IAbstract.II1 绪论 .11.1 研究背景及意义 .11.2 国内外发展现状 .21.2.1 卫星网络性能评估的发展 .21.2.2 卫星网络性能优化的发展 .51.3

16、 本文研究内容及章节安排 .62 相关技术研究 .82.1 卫星网络指标体系研究 .82.1.1 指标体系的设计原则 .82.1.2 卫星网络通信性能指标体系的确定 .92.2 数据稀疏化研究 .112.2.1 数据降维 .112.2.2 稀疏模型 .122.2.3 稀疏字典表示 .132.3 评估与优化方法研究 .132.3.1 评估方法 .142.3.2 优化方法 .162.4 本章小结 .163 基于稀疏化的卫星网络仿真评估与优化方法 .173.1 基于 SCOUT 算法的数据稀疏化 .173.1.1 SCOUT 算法简介 .183.1.2 数据分析及预处理 .193.1.3 稀疏化方法

17、设计 .203.2 基于稀疏化的卫星网络评估方法 .303.2.1 面向原始数据的评估方法 .303.2.2 面向稀疏化数据的评估方法 .323.3 基于评估与正交实验的优化方法 .353.4 本章小结 .374 实验验证 .384.1 仿真软件介绍 .384.1.1 STK .384.1.2 OPNET.394.2 卫星网络仿真设计 .404.2.1 卫星轨道设计 .404.2.2 仿真模型设计 .404.2.3 星地切换流程设计 .454.2.4 仿真场景设计 .464.3 实验结果及分析 .46基于稀疏化的卫星网络仿真评估与优化方法研究V4.3.1 数据稀疏化结果及分析 .464.3.2

18、 网络性能评估结果及分析 .514.3.3 网络性能优化结果及分析 .544.4 本章小结 .555 总结与展望 .575.1 工作总结 .575.2 未来展望 .57参考文献 .59硕士期间工作成果 .62致谢 .63基于稀疏化的卫星网络仿真评估与优化方法研究11 绪论1.1 研究背景及意义自六十年代美国成立国际卫星通信组织以来，卫星网络技术迅速发展。为解决我国航天任务中存在的卫星天地协议不统一、航天任务数据不能共享、资源综合利用率低等问题，文献1提出了天地一体化航天互联网构想。SDN（Software Defined Satellite）是近年来地面网络的新兴技术，借鉴 SDN 的思想，G

19、opal R 提出了软件定义卫星网络的概念 2，其特点在于能够快速发现网络状态，并及时的做出相应的决策，可提高网络的稳定性和可靠性。除此之外，星上处理、星上交换、多波束天线等更多的卫星网络技术研究也正在开展 3。正是因为卫星网络技术不断向前发展，其在军事与民用领域发挥着越来越重要的作用：为舰队任务执行提供通信保障，为民众提供电视及语音广播，为突发自然灾害导致地面通信中断的区域提供应急通信等。卫星网络技术日新月异，其背后的科学研究是至关重要的。在传统网络研究中，专家经验是设计规划的主要手段，但是对于卫星网络这类复杂的大型网络，很多方面难以把握设计的关键要素。随着计算机技术的日益发展，网络仿真已成

20、为大型复杂网络的重要研究手段。所谓网络仿真是指，根据所研究的对象在网络仿真软件中建立模型，然后运行该模型，最后分析运行结束后所产生的结果 4。使用网络仿真能够提升网络规划的科学性、缩短网络规划的周期以及降低网络投资的风险。卫星网络仿真具有大规模性、动态性、耗时长等特点，其在仿真前需要设置大量的系统参数，在仿真后会产生海量的性能指标数据。例如空间信息网络仿真中包含大量卫星节点及地面用户节点 5，利用仿真软件对其进行研究时，需要对所有节点设置 TCP/IP 的各层协议参数，各节点及链路会在仿真中定期统计各种指标数据，进行一次仿真实验能产生 GB 级的数据，如此复杂的参数设置及海量的仿真指标数据给性

21、能评估及优化工作的计算与存储带来了挑战。传统性能评估对象的指标数据往往是一维向量，利用层次分析法等计算指标体系的权重分配，然后计算性能指标的加权平均值作为性能评估的量化 6。卫星网络仿真的指标数据是多维向量，因为每个指标的数据都是由不同时刻采样值构成的时间序列，而且指标的采样对象可能远多于一个，与此同时，仿真实验的数据往往需要留存以备后续多次评估使用，因此评估工作面临的很高的评估计算复杂度和存储量。传统的复杂系统性能优化方法有很多，如实验优化方法硕士学位论文2选择不同的系统参数进行多次仿真实验，选择其中性能最好的实验方案 7；基于实验与智能搜索算法的优化方法通过智能搜索算法缩减仿真优化的实验空

22、间，然后进行实验获取最优实验方案 8。这些方法都可以获取优化方案，但是针对卫星网络仿真而言，由于其具有大量复杂可变的系统参数，需要进行大量的仿真实验，即需要进行大量的仿真计算。因此，卫星网络仿真评估与优化方法的研究具有重要的意义。1.2 国内外发展现状1.2.1 卫星网络性能评估的发展性能评估是指对具有指标体系结构的系统做出综合性的评价。目前而言，针对卫星网络性能评估问题的研究大致可以分为两类：一是研究性能评估指标体系，二是研究性能评估算法。前者的目的在于设计全面、简洁、有效的评估指标体系，而后者的目的在于设计科学合理的评估算法，对于性能评估而言，两者相辅相成，缺一不可。卫星网络在组成上的复杂性以及在应用上的多样性，决定了其评估指标体系的复杂性。文献9针对卫星话音网络构建了指标体系，以网络安全指标、性能、维护为评估的三大二级指标，每个二级指标下面包含若干三级指标。文献10针对遥感卫星网络任务构建了指标体系，如图 1-1 所示，以可用性、可信性、能力为评估的三大二级指标，其中可用性包含维修性、可靠性，可信性包含可靠性，其中能力包含传输、应用能力等。文献11针对分布式卫星集群网络构建了指标体系，如图 1-2 所示，以资源效率、Qos 为评估的两大二级指标，其中资源效率包含资源利用率、资源消耗等，Qos 包含稳定性指标、可靠性指标。