文章详情

摘要

针对低轨卫星网络中拓扑变化快、链路状态不稳定以及多业务服务质量（Quality of Service, QoS）难以同时保障的问题，本文研究一种面向多业务场景的智能路由优化方法。首先，基于HELLO报文机制实现链路状态感知，获取链路时延、带宽利用率及拥塞等信息；其次，利用图神经网络（Graph Neural Network, GNN）提取网络拓扑与链路特征的状态表示；在此基础上，引入深度Q网络（Deep Q-Network, DQN）进行路由决策，并在奖励函数中融合多目标QoS约束，实现对不同业务需求的差异化优化。仿真结果表明，所提方法在平均端到端时延、吞吐量和丢包率等性能指标上均具有优势，能够有效提升低轨卫星网络在动态环境下的传输效率和服务质量。

关键词

低轨卫星网络；多业务QoS；图神经网络；深度强化学习

参考文献

1. [1] 兰松.卫星通信中基于深度强化学习的资源分配与可靠性研究 [D].南京：南京信息工程大学，2023.
2. [2] Li C C，Zhang Y S，Cui Z X，et al. An Overview of Low Earth Orbit Satellite Routing Algorithms [C]//2023 International Wireless Communications and Mobile Computing (IWCMC)，2023：866-870.
3. [3] 魏德宾，操昱，杨力，等.一种基于时空等级的LEO卫星网络路由策略 [J].航空学报，2023，44（16）：204-214.
4. [4] 李澎，赵祥，胡剑平，等.基于区域划分的LEO卫星星座QoS路由算法 [J].遥测遥控，2022，43（2）：17-24.
5. [5] Zhang X H，Zhang J H，Si W J，et al. Dynamic Weight Adjusting Deep Q-Networks for Real-Time Environmental Adaptation [C]//2024 IEEE International Conference on Knowledge Graph (ICKG)，2024：500-507.
6. [6] Xu P，Feng M J，Zhou J X，et al. Inter-satellite Routing for LEO Satellite Networks: A GNN and DRL Integrated Approach [C]//2024 IEEE/CIC International Conference on Communications in China (ICCC)，2024：1346-1351.
7. [7] 张广伟.基于图神经网络的卫星通信系统功率分配和优化算法研究 [D].北京：北京邮电大学，2024.
8. [8] Zhang S B，Liu A J，Han C，et al. Graph Neural Network and Reinforcement Learning Based Routing for Mega Leo Satellite Constellations [C]//2023 9th International Conference on Computer and Communications (ICCC)，2023：1-6.
9. [9] 王朝炜，杜嘉楠，王程，等.软件定义卫星网络中基于业务调度的混合路由算法 [J].电子学报，2024，52（5）：1506-1515.
10. [10] 梁超，杨力，潘成胜，等.卫星网络动态资源图多QoS约束路由算法 [J].航空学报，2023，44（1）：257-267.

作者简介

许向阳（1967—），男，汉族，河北石家庄人，副教授，硕士，研究方向：IP网络、多媒体通信、网络安全、卫星通信；谷雨（2000—），女，汉族，河北石家庄人，硕士在读，研究方向：卫星通信；姜慧丽（2000—），女，汉族，山东泰安人，硕士在读，研究方向：卫星通信；董俭奥（2000—），男，汉族，河南南阳人，硕士在读，研究方向：卫星通信。