论文部分内容阅读
卫星网络具有覆盖范围广、传输容量大、不受地理条件限制等特点,能够有效补充和完善地面网络,尤其是可以为地面网络设施匮乏的地区提供灵活、便捷、低成本的网络接入服务。因而,随着网络规模的迅速扩大,多媒体业务的爆炸式增长,以及各类应用的蓬勃发展,众多互联网巨头与卫星企业纷纷开展了对所需传输功率低、传播延迟小、自由空间衰减小、可实现全球覆盖的低轨道卫星网络的研究。虽然卫星通信技术已取得了长足的进步,但其发展远落后于地面网络。传统的卫星网络面临着技术封闭、更新成本高、灵活管控困难等挑战,不能有效满足个性化、定制化和多功能化网络服务发展所带来的网络管控以及用户体验质量(Quality of Experience,QoE)提升方面的需求。为此,本文借鉴软件定义网络架构及组网方案,以提高卫星网络开放性、灵活性和用户QoE等为目标,围绕以下四点展开研究工作:1)引入“软件化”和“虚拟化”技术,设计一种可以有效提高网络管理和控制能力的新型卫星网络结构模型;2)结合卫星网络特点,设计应用于新型卫星网络结构的控制平面结构,提高网络的可靠性、可扩展性和延迟性能等;3)构建卫星网络多媒体业务QoE评价模型,为QoE感知路由机制的设计提供QoE模型基础;4)在所构建的网络结构和QoE评价模型基础上,实现可提高用户QoE的智能路由。本论文的主要研究工作和创新点如下:(1)针对传统卫星网络技术封闭、更新成本高、缺乏互操作等问题,将软件定义网络架构以及“软件化”和“虚拟化”组网技术的思想应用到卫星网络中,设计一种由控制平面和数据平面组成的软件定义卫星网络结构。其中,控制平面负责收集网络状态,并制定和下发转发策略,而数据平面仅负责转发数据。该网络结构通过解耦数据平面和控制平面,形成集中式的管理模式,简化卫星网络转发节点的功能,赋予节点动态可编程的特性。其次,在卫星网络转发设备中配备支持扩展OpenFlow的南向接口和可编程的通用硬件平台,实现转发设备网络层、MAC层和物理层功能的虚拟化。再次,基于网络虚拟化范式提出从高到低的管理程序,以实现多个虚拟网络共享网络基础设施,在优化网络效用的同时保障服务质量(Quality of Service,QoS)。最后,结合典型的应用场景验证了所提网络结构的可行性,以及相比传统网络结构在资源调度、快速功能部署和CAPEX(CAPital EXpenditures)成本降低等方面的优势,并从时间维度、技术维度和研究焦点三个方面给出软件定义卫星网络结构的实施路线。(2)鉴于卫星网络节点分布范围广、链路易失效、拓扑不断变化的特点,以提高网络可靠性、可扩展性和延迟性能为切入点,针对软件定义卫星网络控制平面结构设计问题,提出一种分布式多层级控制器部署机制。首先构建星下点以及星地/星间可见性模型,定义网络可靠性、控制链路维护成本和使用成本等性能指标,构建面向软件定义GEO/LEO卫星网络的控制器部署问题模型。其次,针对该问题模型提出以网络操控中心为超控制器,GEO卫星为域控制器,部分LEO卫星为从控制器的分布式层级控制结构。在此基础上,提出基于同轨道内较低纬度LEO卫星的从控制器选择策略,以及基于最短距离的层间带外控制策略。超控制器负责全网信息的维护和策略的制定及下发,域控制器则负责覆盖域内网络状态信息的收集和策略的制定及下发,从控制器使用同轨道星间链路收集轨道内的网络状态信息并下发控制命令。此外,提出了根据LEO卫星纬度变化划分控制拓扑时隙的方法,减少控制链路切换次数,增强控制链路的稳定性。最后,验证了所设计的控制结构不仅具有较高的稳定性和可扩展性,而且可以节约控制链路的维护和使用成本,降低星间链路干扰。(3)软件定义卫星网络QoE感知路由机制的设计依赖于对卫星网络多媒体业务的QoE评价,为此将模块化神经网络和深度置信网络(Deep BeliefNetwork,DBN)相结合,提出一种基于深度学习的模块化QoE评价方法,构建QoE/QoS关系模型将网络QoS参数转换为用户的QoE参数。该方法首先利用业务流分类法将复杂的多媒体业务QoE评价任务划分为多个不同的简单子任务,然后使用多个异构的DBN网络来并行完成每个子任务(即学习不同类型业务的QoE/QoS映射关系),并采用基于相对距离的集成方法来整合子神经网络的QoE预测结果。其次,为了确定QoE评价模型参数,采用卫星网络模拟和主观测试相结合的方法,建立由QoS参数和主观意见得分组成的数据集。最后,基于所提出的软件定义卫星网络结构设计QoE评价应用框架,并通过实验验证了该评价方法不仅可以提高预测准确性、计算效率和可扩展性,还可以降低业务流分类准确性对评价法性能的影响。另外,分析了用户对卫星网络多媒体业务的接受比率与用户主观意见得分之间的关系,并得出二者之间存在正相关关系。(4)为了提高个性化服务的用户体验质量和卫星网络的自学习能力,将深度强化学习(Deep Reinforcement Learning,DRL)与所构建的QoE评价模型相结合,针对软件定义卫星网络视频业务提出基于DRL的QoE感知自适应路由机制,充分利用了所提网络结构可获取全局信息和节点动态可重配置的特点。首先,该机制采用虚拟节点策略构建固定虚拟拓扑,并根据域控制器的覆盖范围划分域,从而提出基于请求域的域间路由策略。超控制器执行域间路由策略,完成跨域业务请求向不同域的映射。然后,域控制器汇聚跨域业务请求与域内业务请求,并以汇聚业务流矩阵与域内距离拓扑为状态,以虚拟链路权重为动作,以QoE模型评价值为奖励,构建基于DRL的域内路由模型。利用确定性深度策略梯度算法直接从经验中学习优化网络链路权重配置的策略,从而确定业务流传输路径。多个域控制器的并行执行以及不同控制器间的协作,均衡了控制器间的计算负载,提高了跨域请求与域内请求的路径计算效率。理论分析和对比实验证明所提路由机制不仅可以显著提高用户QoE与网络资源利用率,还可以降低网络丢包率与端到端延迟。