Energy Efficient Maximal Throughput Resource Scheduling Strategy in Satellite Networks

Energy Efficient Maximal Throughput Resource Scheduling Strategy in Satellite Networks

卫星网络中的能量高效最大吞吐量资源调度策略 2023   SCI3区

摘要：

本文提出了一种贪婪路由策略，用于地球观测任务中的资源调度，以实现最大吞吐量并提高能效。引入了资源时间扩展图（RTEG）来描述卫星网络随时间演变的拓扑结构和资源。基于RTEG，设计了一种能效资源分配算法（EERA），通过适当调度卫星的收发器资源、存储资源和能源资源，减少总能耗并最大化数据传输的吞吐量。仿真结果表明，EERA在达到最大吞吐量时具有更好的能效。

1.背景

        卫星网络已广泛应用于地球观测任务，如灾害检测、损失评估和侦察。1. 由于卫星网络的高度动态拓扑结构，其时变资源的有效表示正引起研究者的注意。2. 在卫星网络中，链路不连续性和有限的收发器及能源资源给确保合格的网络性能带来了严重困难。

已有工作：

        1.使用时间扩展图（TEG）来描述卫星网络的时间变化拓扑，并分配卫星的收发器资源以实现网络的最大吞吐量。

        2.基于任务优先级的资源分配策略，提高了资源利用率。

        3.一种基于粗糙集的虚拟集群资源调度方法，以提高集群资源利用率。

        4.从用户行为分析的角度研究了数据中继卫星系统中的资源分配问题，以有效减少资源冲突。        

        （然而，这些研究中并未考虑传输能耗。太阳能板提供的能源资源也是卫星网络中的一种稀缺资源。）

        5.基于时间扩展图提出了一种最小能耗的卫星路由算法，该算法减少了网络的能耗，但未能最大化网络吞吐量。

        6.在没有保证最大网络吞吐量的情况下实现了卫星网络中的能源效率。

        尽管上述研究减少了卫星网络中的总传输能耗，但网络的最大吞吐量受到了影响。

        因此，设计一种路由策略以满足卫星网络中大量数据传输的能效需求是不可或缺的。在本文中，我们研究了基于时间图的地球观测中的能效路由。由于资源有限，我们的路由策略通过为每个流量流寻找最小能耗路径，联合调度卫星的收发器资源、存储资源和能源资源，以较低的能耗成本达到网络的最大吞吐量。仿真结果表明，该策略达到了预期的性能。

2. 系统模型

        上图所示为地球观测任务中的数据传输。

        卫星总数为R，其中包括R1颗中继卫星和R2颗遥感卫星。遥感卫星从地面目标S获取数据后，可以选择直接将数据传输到地面站D，或者将数据传输给中继卫星，再由中继卫星传输到地面站D。中继卫星只能从遥感卫星获取数据，而不能直接从地面目标S获取数据。

        为了从时间和空间维度描述网络中收发器资源、存储容量和能耗之间的关系，构建了资源时间扩展图（RTEG）。

        RTEG引入传输能耗的概念，通过虚拟节点和链路来描述有限的收发资源，通过卫星节点及其对应的虚拟节点之间的虚拟链路代表收发器资源约束。

        垂直链路表示存储容量，垂直链路连接相邻时隙的同一颗卫星。通过这种垂直连接，将快照序列连接起来，描述动态拓扑结构。

RTEG示例：虚拟节点和卫星节点之间的虚拟链路容量表示收发器资源约束。同时考虑了传输能耗，实现了能源效率。由于有限的资源和动态拓扑，当交通流到达时，卫星可以将其传输到当前时隙的其他卫星或存储数据，直到有节能路径传输交通流。

TEG和RTEG的区别

	TEG	RTEG
目的	描述网络的拓扑结构随时间的变化，它将时间作为网络模型的一个维度，从而创建一个能够表示网络随时间演变的图。	不仅描述网络拓扑的时间演变，还集成了网络资源（如能源、存储和收发器资源）的动态变化，提供了一个更为全面的网络状态表示。
资源表示	不包括对网络资源的具体表示，它更侧重于网络链接和节点随时间的变化。	引入了资源的概念，包括收发器资源、存储资源和能源资源。这些资源通过图中的节点和链接的属性（如容量和能耗）来表示。
节点和链接属性	只包含与拓扑相关的信息，如节点的存在和链接的状态。	除了包含拓扑信息外，还包含资源容量和能耗信息。例如，虚拟节点和链接用于表示收发器资源的限制，垂直链接表示存储容量。
应用	适用于需要分析网络拓扑随时间变化的场景，但不涉及资源调度问题。	适用于需要同时考虑网络拓扑演变和资源调度的场景，如卫星网络中的能量效率和最大吞吐量资源调度。
优化目标	优化网络的连通性或路由路径，但它本身不直接针对资源优化。	优化包括能源消耗在内的资源使用，目标是找到在满足流量需求的同时最小化资源消耗的策略。

3.基于RETG的节能资源分配方法

       

        提出了能效资源调度算法（EERA），EERA是一个贪婪的迭代流量增强算法，用于在不降低网络流量吞吐量的情况下找到最小能耗的资源调度策略。

图3显示了EERA算法和Ford-Fulkerson算法的资源分配策略的比较。绿色边表示流量通过的链接，绿色数字表示流量大小。红色边和红色数字表示EERA算法与Ford-Fulkerson算法在资源调度选择上的不同。Ford-Fulkerson是图论中用于解决最大流问题的算法。在图3(a)中，通过Ford-Fulkerson算法获得的资源调度策略，通过网络的流量为40（fsv,s1+fsv.s2)，总能耗为300。而在图3(b)中，通过网络的流量也为40，但传输能耗降低到了255。

4.结果

 实验基本设置：基于铱星座的LEO进行仿真，从铱星座中任意选择28颗中继卫星，在6个轨道平面上以86.4的倾角在780km的高度上运行。此外，还有两颗遥感卫星在海拔631公里的太阳同步轨道上运行，倾角为97.9度。地面目标S位于罗马（41.8度N,12.5度E),地面站D位于北京（39.9度N，166.4度E)。遥感卫星从地面目标获取数据，并通过中继卫星将数据传输到地面站。利用卫星-卫星拓扑仿真软件生成网络拓扑，构建RTEG。

参数设置：

             仿真时长T=2 hour,时隙间隔 = 60second。遥感卫星的地面数据采集速率 = 1200Mbps，卫星间链路容量的传输速率 = 200Mbps，星地链路的传输速率 = 300Mbps。

             在仿真中，ISLs的最大长度约为6300公里，我们将传输能耗标准化，并设置传输距离为6300公里的卫星传输能耗为1。

             收发器资源从200 Mbps变化到600Mbps。存储容量从35 GB变化到65GB。

EERA的对比算法：

                最小成本约束多路径算法(MCMP)、能量受限路由算法(EL)、Ford-Fulkerson

                MCMP：MCMP是一个贪婪的迭代流量增强算法，用于寻找最小能耗成本的路由策略。MCMP在每次迭代中贪婪地寻找能耗成本最低的路由路径并分配流量。MCMP与EERA的区别在于，MCMP只关注最小化能耗成本，而不是最大化网络流量。
                EL：EL同时考虑了吞吐量和能效。EL贪婪地搜索最小成本路径以分配流量，直到没有可能的路径从源到目的地。在此过程中，对卫星的能耗有限制。当路径中卫星的累积能耗达到限制时，该卫星的收发器资源将被设置为0。因此，流量将被分配到其他卫星。与MCMP相比，EL利用了网络中更多的卫星（不仅仅是那些传输能耗低的卫星）来达到更高的网络吞吐量。
                Ford-Fulkerson：Ford-Fulkerson根据在时间扩展图中最大化网络流量。

对比结果:

吞吐量：与Ford-Fulkers相近，显著高于MCMP、EL

算法的总能耗：显著低于Ford-Fulkerson，和MCMP相差不远。

        总体而言，EERA协议通过联合调度资源，最大限度地提高网络吞吐量，降低能耗。