ISSN 2096--8930

CODEN TYXWAG

CN 10--1706/TN

Beijing, China

5 2 Vol.5 No.2 2024 6 Jun. 2024

中国科技核心期刊

主 管 单 位　工业和信息化部

主 办 单 位　人民邮电出版社有限公司

指 导 单 位　中国卫星网络集团有限公司

出 版 单 位　北京信通传媒有限责任公司

主 　 　 编　陆　军

执 行 主 编　吴　巍

副 主 编　汪春霆　李建明　吕子平

朱德成　孙启彬　刘华鲁

编 辑 部 主 任　牛晓敏

编辑部副主任　赵路路

编 辑 单 位　《天地一体化信息网络》 编辑部

地 　 　 址　北京市丰台区东铁匠营街道顺八条1号院B座

北阳晨光大厦2层

邮 政 编 码　100079

编 辑 部 电 话　010-53878178，53879078，53879076

发 行 部 电 话　010-52265707

投 稿 网 址　www.j-sigin.com.cn

电 子 邮 箱　sigin@bjxintong.com.cn

国际标准连续出版物号　ISSN 2096-8930

国内统一连续出版物号　CN 10-1706/TN

国 内 发 行　中国邮政集团有限公司北京市报刊发行局

订 购 处　全国各地邮局

发 行 代 号　国内80-791

印 　 　 刷　北京艾普海德印刷有限公司

定 　 　 价　60.00元

法 律 顾 问　北京市蓝石律师事务所

Space-Integrated-Ground

Information Networks

(Quarterly, started in 2020)

Vol.5 No.2 (Serial No.16), Jun. 2024

天地一体化信息网络

TIANDI YITIHUA XINXI WANGLUO

（季刊，2020年创刊）

第5卷 第2期（总第16期），2024年6月

Competent Unit: Ministry of Industry and Information Technology

of the People's Republic of China

Sponsor: Posts & Telecom Press Co., Ltd.

Guiding Unit: China Satellite Network Group Co., Ltd.

Publisher: China InfoCom Media Group

Editor: Editor Department of Space-Integrated-Ground Information Networks

Editor-in-Chief: LU Jun

Executive Editor-in-Chief: WU Wei

Associate Editor-in-Chief: WANG Chunting, LI Jianming, LYU Ziping,

ZHU Decheng, SUN Qibin, LIU Hualu

Director of Editorial Department: NIU Xiaomin

Deputy Director of Editorial Department: ZHAO Lulu

Address: F2, Beiyang Chenguang Building, Shunbatiao No.1 Courtyard,

Fengtai District, Beijing, China

Postal Code: 100079

Tel: 010-53878178, 53879078, 53879076

Distribution Department Tel: 010-52265707

http://www.j-sigin.com.cn

E-mail: sigin@bjxintong.com.cn

《天地一体化信息网络》

第一届编辑委员会

顾 问 委 员：（按姓氏笔画排序）

　王小谟　尤肖虎　方滨兴　尹　浩

　邬江兴　邬贺铨　刘韵洁　吴建平

　沈荣骏　张　平　张宏科　陆建华

　周志成　郑纬民　姜会林

主 任 委 员：陆　军

常务副主任委员：吴　巍

副 主 任 委 员：汪春霆　李建明　吕子平

　朱德成　孙启彬　刘华鲁

委 员：（按姓氏笔画排序）

　丁　睿　马　晶　王文博　 王艳君

　王敬超　云晓春　方　芳　冯志勇

　匡麟玲　吕瑞峰　朱立东　向开恒

　江　涛　江　鹏　许燕宾　孙　伟

　孙晨华　李　聪　李凤华　李拂晓

　李国通　肖永伟　吴　枫　邹永庆

　邹光南　闵长宁　张　琳　张在琛

　张先超　张更新　张学庆　张钦宇

　张海君　陆　洲　陈山枝　易东山

　罗洪斌　和新阳　季新生　周家喜

　郑作亚　施　闯　姚发海　姚海鹏

　贾　敏　黄照祥　梅　强　曹双僖

　曹桂兴　盛　敏　梁宗闯　梁海滨

　谢海永　缐珊珊　潘　冀　薛晓翃

学术秘书长： 韩增尧

学术副秘书长： 孙娉娉　李文杰

学 术 秘 书：翟立君　徐晓帆

天地一体化信息网络

第 5 卷第 2 期 2024 年 6 月

目 次

综述

天地一体化新路径：手机直连卫星发展热点、挑战与关键技术 ........................................................................

........................................................................................何元智 杨岭才 肖永伟 张世杰 李志强 刘 韵 1

专题：面向巨型星座的大尺度星地融合组网技术

基于遗传优化和人工蜂群的低轨卫星网络负载均衡路由算法 ................................ 邓 霞 郝苗苗 林武城 13

星地融合网络管控架构设计 ....................................................................... 韩 湘 董 涛 殷 杰 刘志慧 23

基于时空关联表征的空天地一体化网络资源精准管控方法 ................................................................................

....................................................................................................... 买天乐 姚海鹏 忻向军 杨景凯 靳辰朗 34

低轨巨型星座体系架构设计与关键技术分析 .............高梓贺 姚海鹏 张 磊 石钰林 王 富 陶 滢 43

研究

手机直连 NGSO 卫星业务中扩展 L 频段频率协调方案研究...............................................................................

......................................................................................................... 王丽冲 孙晨华 赵伟松 刘 全 卢 山 53

分段分策略调度的遥感卫星任务规划架构 .................................................. 岳群彬 尚希杰 林晓勇 付 伟 63

基于遗传算法的低轨卫星物联网星座任务规划问题 .................. 李艳红 吕 强 梁军民 封世刚 苗君厚 70

应用

天地一体通遥融合架构及其应用设想........................................................ 苏文博 张 驰 王妮炜 秦智超 77

星链手机直连卫星业务商业模式及组网方式 ............................................................ 薛元星 赵 治 段乔曼 85

基于低轨卫星互联网的双模通信终端技术 ................................................ 罗袁君 白吟蕊 姚永国 孙 健 92

Space-Integrated-Ground Information Networks

Vol.5 No.2, June 2024

Contents

Review

New Approach of Integration Space-Ground: Hotspots, Challenges, and Key Technologies of Direct-to-Smartphone

................................................. HE Yuanzhi, YANG Lingcai, XIAO Yongwei, ZHANG Shijie, LI Zhiqiang, LIU Yun 2

Special Issue: Large-Scale Satellite-Ground Integrated

Networking Technology for Mega Constellations

Load Balancing Routing Algorithm Based on Genetic Optimization and Artificial Bee Colony in LEO Satellite

Network .............................................................................................. DENG Xia, HAO Miaomiao, LIN Wucheng 13

Design of Management Architecture for Satellite-Terrestrial Integrated Networks ................................................

........................................................................................................ HAN Xiang, DONG Tao, YIN Jie, LIU Zhihui 23

Spatiotemporal Correlation Representation based Precise Resource Management in Space-Air-Ground

Integrated Network ............................... MAI Tianle, YAO Haipeng, XIN Xiangjun, YANG Jingkai, JIN Chenlang 34

Architecture Design and Key Technologies Analysis of LEO Satellite Mega-Constellations .................................

............................................................... GAO Zihe, YAO Haipeng, ZHANG Lei, SHI Yulin, WANG Fu, TAO Ying 43

Studies

Research on Extended L-Band Frequency Coordination Scheme in Mobile Direct Connection to NGSO

Satellite Service .......................................... WANG Lichong, SUN Chenhua, ZHAO Weisong, LIU Quan, LU Shan 53

Task Scheduling Framework of Multi-stage and Multi-strategy for Remote Sensing Satellites .............................

................................................................................................ YUE Qunbin, SHANG Xijie, LIN Xiaoyong, FU Wei 63

Mission Planning for LEO Satellite IoT Constellation Based on Genetic Algorithm ..............................................

............................................................... LI Yanhong, LYU Qiang, LIANG Junmin, FENG Shigang, MIAO Junhou 70

Applications

Integrated Architecture and Application Assumption of Earth-Space Communication and Remote Sensing

Combination ......................................................................... SU Wenbo, ZHANG Chi, WANG Niwei, QIN Zhichao 77

Starlink Business Model and Network Mode Under the Direct-to-Satellite Service of Mobile Phone ...................

............................................................................................................ XUE Yuanxing, ZHAO Zhi, DUAN Qiaoman 85

Dual-Mode Communication Terminal Technologies Based on LEO Satellite Internet ...........................................

................................................................................................. LUO Yuanjun, BAI Yinrui, YAO Yongguo, SUN Jian 92

2024 年 6 月 Space-Integrated-Ground Information Networks June 2024

第 5 卷第 2 期 天 地 一 体 化 信 息 网 络 Vol.5 No.2

天地一体化新路径：手机直连卫星发展热点、挑战与关键技术

何元智 1

，杨岭才 2

，肖永伟 3

，张世杰 4

，李志强 1

，刘 韵 1

（1. 军事科学院系统工程研究院，北京 100141；

2. 中国电信股份有限公司卫星通信分公司，北京 100088；

3. 中国电子科技集团公司第五十四研究所，河北 石家庄 050081；

4. 银河航天（北京）网络技术有限公司，北京 100192）

摘 要：手机直连卫星作为未来实现天地一体化融合的一种潜在技术手段，得到了产业界和学术界的广泛关注。与传统的卫星

移动通信相比，当前手机直连卫星技术存在诸多挑战。针对基于同步轨道卫星和非同步轨道卫星的两种手机直连技术路线，分

析国内外发展现状、系统组成架构，并从空口侧、卫星侧、网络侧和终端侧梳理技术挑战，提出星地同步、星载超大阵面天线、

星地异构网络漫游等若干解决方案，为手机直连卫星技术的发展提供技术支撑。最后对手机直连卫星的发展进行展望。

关键词：卫星通信；手机直连卫星；非地面网络；天地一体化；星地融合

中图分类号：TN927.2

文献标识码：A

doi: 10.11959/j.issn.2096−8930.2024011

New Approach of Integration Space-Ground: Hotspots,

Challenges, and Key Technologies of Direct-to-Smartphone

HE Yuanzhi1

, YANG Lingcai2

, XIAO Yongwei3

, ZHANG Shijie4

, LI Zhiqiang1

, LIU Yun1

1. Institute of Systems Engineering, Academy of Military Sciences, Beijing 100141, China

2. China Telecom Satellite Communications Co., Ltd., Satellite Communication Branch, Beijing 100088, China

3. The 54th Research Institute of China Electronics Technology Group Corporation, Shijiazhuang 050081, China

4. Yinhe Hangtian (Beijing) Internet Technology Co., Ltd., Beijing 100192, China

Abstract: Direct-to-smartphone, as a potential technological means for achieving the integration of space and ground in the future, has

received widespread attention from industry and academia. Compared with traditional satellite mobile communication, there are many

challenges in the current direct-to-smartphone technology. The current development status and system architecture of two direct-to-smartphone technology routes based on synchronous orbit satellites and asynchronous orbit satellites were introduced, and the

technical challenges from the air-interface side, satellite side, network side, and terminal side were summarized. Several solutions were

proposed, included satellite-terrestrial synchronization, satellite-borne ultra-large array antenna, and satellite-terrestrial heterogeneous

network roaming, providing technical support for the development of direct-to-smartphone technology. Finally, a brief outlook were

provided.

Keywords: satellite communication, direct-to-smartphone, non-terrestrial network, integration space-ground network, satellite-terrestrial integrated

0 引言

手机直连卫星是指手机或手持类终端不需要地面中转

设备，直接与卫星连接实现数据传输或进行通信的技术[1]。

严格来说，直连卫星的手机也包括传统专用卫星手机。由

于专用卫星手机往往体积大、重量大且配置外置天线，不

便于用户携带，未在消费者群体中获得大范围的推广应

用。近期国内外发展得如火如荼的手机直连卫星技术与传

统的卫星电话技术最大的区别是，手机是普通消费级的终

端，可将使用最广泛的手机终端与覆盖范围最大的卫星网

络紧密结合，具有极大的使用价值和广阔的应用场景，代

表了未来手机直连卫星终端形态的发展趋势。手机直连卫

星作为面向未来的通信技术，已成为卫星互联网之后的又

一个全球关注的热点。

收稿日期：2024−02−03；修回日期：2024−05−30

·2· 天地一体化信息网络 第 5 卷

手机直连卫星相关技术并非突然井喷式发展，而是经过

了长时间的技术积淀[2]。自 1998 年美国铱星系统开通首个

卫星手机业务以来[3]，陆续建设的 Globalstar、Thuraya、海

事卫星以及我国的天通一号等卫星通信系统均支持专用卫

星手持终端直连卫星进行通话[4]。这些系统发展初期与地面

蜂窝系统相互独立，费用较为昂贵，无法形成与地面蜂窝移

动通信相似的规模效应，发展较为缓慢。为了有效拓展地面

手机网络的覆盖范围，陆续出现了可供普通手机直接连接

卫星的手机壳以及集成卫星通信和蜂窝通信的双模手机。

为了保证可靠的卫星通信，上述终端均配置了外置卫星天

线，体积小、重量较轻，但也未能在消费者中广泛推广。

近年来，研究人员开始研究面向未来的手机直连卫星

技术。新一代的手机直连卫星系统要求通信速率大，手机

终端重量轻、体积小、功耗低、内置天线，并且集成卫星

通信和地面蜂窝通信，目前得到卫星运营商、地面移动通

信运营商、终端制造商和卫星制造商等各方面的关注。

目前手机直连卫星有多种技术路线，按照运营商进行

分类[5]，分为以卫星运营商为主体的技术路线和以地面移

动通信运营商为主体的技术路线；按照终端与卫星体制进

行分类，分为使用定制手机终端和传统移动通信卫星、使

用现有手机终端和星载基站以及采用 3GPP 标准的天地融

合体制手机终端合一的 3 种技术路线[6]；按照卫星轨道使

用情况进行分类，分为使用同步轨道（GSO）卫星和非同

步轨道（NGSO）卫星的技术路线。本文重点研究了使用

不同轨道卫星的手机直连卫星系统的组成架构、技术挑

战、关键技术与解决方案。

1 手机直连卫星技术发展现状

手机直连卫星涉及传统卫星运营商业务和地面移动

通信运营商业务。目前国内外已形成产业链上下游多家公

司加强合作的局面，表 1 展示了典型合作案例。

表 1 典型合作案例

序号 卫星轨道 卫星运营商/卫星网络 地面公司

1 GSO 天通一号 华为、小米等

2 GSO Skylo 高通等

3 GSO Inmarsat 联发科技、Bullitt

4 LEO Globalstar 苹果公司

5 LEO AST SpaceMobile 沃达丰、AT&T

6 LEO Lynk Global Optus、Rogers 等

7 LEO SpaceX T-Mobile、KDDI

8 LEO/MEO Omnispace、Ligado Networks 沙特电信公司

1.1 基于同步轨道卫星的技术路线

基于 GSO 卫星的技术路线较为成熟，也是当前手机

直连卫星主流商用路线。

2023 年 8 月，华为公司发布基于天通一号卫星的

Mate60 Pro 卫星通信手机，支持卫星语音通话。中国电信

积极开展手机直连卫星业务研究：一方面参与天通一号卫

星的运营，并开展相关业务系统的研发和推广应用，如与

华为、荣耀、小米等手机终端厂商合作，实现普通消费级

手机直连卫星语音和低速数据传输业务；另一方面，还积

极开展基于 5G 非地面网络（Non-Terrestrial Network,

NTN）手机直连卫星相关研究。

在专用芯片研究方面，联发科技开发的窄带物联网

（NB-IoT）芯片通过Inmarsat的Alphasat高轨卫星完成测试[7]，

证明通过小幅修改便可让移动通信技术有效地运行于地球

静止轨道（Geostationary Earth Orbit, GEO）卫星，为卫星和

移动通信网络的整合奠定基础。2023 年联发科技开发了

MT6825 物 联网非地面网络 （ Internet of Things

Non-Terrestrial Network, IoT-NTN）芯片组，可连接 GEO

卫星，易于转换为 3GPP NTN 标准卫星网络使用。我国的

平台型芯片设计公司紫光展锐于 2023 年 7 月发布了 5G

NTN 卫星通信通用系统级芯片（System on Chip, SoC）

V8821。V8821 基于 3GPP NTN R17 标准，利用 IoT-NTN

作为基础设施，易与地面核心网融合。V8821 可通过海事

卫星或天通一号卫星，提供数据传输、文字消息、通话和

位置共享等功能。

1.2 基于非同步轨道卫星的技术路线

当前基于 NGSO 卫星的技术路线发展的公司包括

Globalstar、AST SpaceMobile（ASTS）、Lynk Global、SpaceX

和 Omnispace 等。

2022 年苹果公司与 Globalstar 合作，利用 Globalstar

的卫星为苹果手机提供紧急 SOS 信息传输服务。Globalstar

的定位是一个卫星物联网解决商，其卫星通信主要使用 S

频段的 2.4 GHz 频段和 n53 频段。

2022 年 9 月 AST SpaceMobile 发射了 BlueWalker-3 试

验卫星，其目标是无须任何地面设备，为用户手机提供直

接的 4G 和 5G 互联网接入[8-9]。如图 1 所示，为了与地面

标准移动电话达到可靠的连接，BlueWalker-3 卫星配备了

展开面积 达 64 m2 的 超 大 相 控 阵 天 线 阵 列 。基于

BlueWalker-3 卫星，2023 年 9 月 ASTS 与电信运营商

AT&T、沃达丰等实现 5G 通话[10]。

Lynk Global 公司发起的 Lynk 低轨卫星星座项目计划

通过 5 000 多颗低轨（LEO）卫星为现有手机终端提供直

第 2 期 何元智等：天地一体化新路径：手机直连卫星发展热点、挑战与关键技术 ·3·

连卫星通信服务，无须用户购买额外的附件[11]。2020

年 2 月，Lynk Global 通过试验卫星实现了“使用在轨卫

星向地面标准手机发送了世界上第一条短信”。同年 9

月 Lynk Global 公司获得由 FCC 颁布的卫星到手机通信

商业许可[12]。

图 1 BlueWalker-3 试验卫星配备的天线

SpaceX 公司拟基于星链（Starlink）星座提供手机直

连卫星业务。为支持手机直连卫星业务，SpaceX 使用

Starlink V2 卫星在搭载 Ku 及 Ka 频段通信载荷、星间激光

链路的基础上，增加一个用于手机直连的面积为 25 m2

的阵列天线。Starlink V2 卫星的天线单元具有大孔径、

高增益、窄波束的特点，可以实现对指定区域的精准

覆盖，但是单副天线的覆盖半径只有 36 km。2024 年 1

月，SpaceX 发射了首批 6 颗支持手机直连卫星的

Starlink V2 Mini 卫星，用未经改造的手机测试通信速

率约达到 17 Mbit/s。

Omnispace 公司致力于建立一个卫星星座，使各种

移动智能设备能够在蜂窝网络和卫星网络之间漫游，相

关技术遵循 3GPP NTN 标准规范[13]。为此，其从

ICOGlobal 购买了 ICO-F2 卫星和 2 GHz S 频段的频谱许

可。2023 年 2 月，Omnispace 和 Ligado Networks 联手

创建最大的许可卫星频谱组合，用于全球直接到设备的

语音、文本和数据连接，扩展了 Omnispace 公司在 L 频

段的通信许可。

2023 年 9 月，中国移动携手中兴通讯和是德科技完成

国内首次运营商 NR-NTN LEO 卫星宽带业务实验室验证。

2024 年 2 月，中国移动发射了搭载星载基站的卫星中国移

动 01 星，将在现实条件下进行基于星上再生模式的手机

直连 LEO 卫星技术测试，该基站载荷基于 3GPP R17

NR-NTN 标准。

1.3 发展现状小结

从以上国内外发展现状可以看出，我国目前主要发展

的是基于高轨卫星的手机直连卫星技术，这得益于我国天

通一号卫星移动通信系统储备的技术基础，可以快速实现

业务的推广应用。近些年国外则更倾向于发展基于中轨

（MEO）和 LEO 卫星的手机直连卫星系统，以提供更高速

率的网络体验，该技术路线目前挑战巨大，短时间内难以

实现业务的推广应用。我国在基于 NGSO 卫星的手机直连

卫星技术方面仍处于初步探索阶段。

2 手机直连卫星系统架构及技术挑战

2.1 手机直连卫星系统架构

典型手机直连卫星系统架构如图 2 所示，包括空间段、

用户段和地面段 3 个部分。

空间段包括同步轨道或非同步轨道卫星，其中同步轨

道卫星一般仅需要配置较少数量，而非同步轨道卫星则由

多层不同轨道高度和倾角的卫星构成规模庞大的卫星星

座。卫星可采用透明载荷转发或者星上处理后转发的模

式，星间采用微波链路或者激光链路转发数据，扩展用户

的通信范围。

用户段主要是指用户终端设备，通常需要与所连接

卫星系统适配，包括各种经过专门改造的手机终端和普

通手机终端。

地面段包括测控站、运维管理中心、数据中心、地面

基站设备以及连接核心网的设备。测控站和运维管理中心

负责卫星网络、星座、数据、运营等的管理；信关站、地

面基站设备以及连接核心网的设备负责数据的接入并连

接核心网。

2.2 手机直连卫星技术挑战

当前从使用卫星的角度来看，手机直连卫星可分为基

于 GSO 卫星和基于 NGSO 卫星两种技术路线。基于 GSO

卫星的技术路线源于卫星移动通信，技术相对比较成熟，

只需要克服少量的困难便可快速实现业务拓展、扩大用户

群体。基于 NGSO 卫星的技术路线相对而言面临更多的技

术挑战。下面将从空口侧、卫星侧、网络侧和终端侧 4 个

方面，结合 GSO 和 NGSO 技术路线的特点分析手机直连

卫星相关技术挑战，具体见表 2。

2.2.1 空口侧技术挑战

手机直连卫星系统空口侧主要面临信道特性复杂、误

码率高和星地精准同步的挑战。基于 LEO 卫星的手机直

连卫星系统在信道特性和星地同步方面面临更大的挑战。

星地信道面临大尺度衰落和小尺度衰落两种不同的

·4· 天地一体化信息网络 第 5 卷

衰落特性[14]。大尺度衰落以大气吸收、雨衰和地物损耗为

代表，小尺度衰落以多普勒频移、多径传播、闪烁效应为

代表[15]。卫星信号的传播会受到降雨、云雾、大气以及手

机终端附近的植被或建筑物等多种因素的影响，一方面造

成了信道衰减的增加，另一方面也使得其信道特性更加复

杂。此外，卫星信号质量变化相对较快，这对信号的传输

和处理带来了巨大的挑战，进而影响星地无线通信系统的

性能[16]。

传统手机终端与地面基站距离近，终端的移动性是

产生多普勒频移的主要因素，因此多普勒频移较小。同

理，GSO 卫星动态性小，多普勒频移影响也相对较小[17]。

由于 NGSO 卫星相对地面高速运动，引起的多普勒频移

达几十 kHz 至 MHz 级别，因此，手机终端与 NGSO 卫

星网络之间的频率同步存在较大的困难，尤其是与 LEO

卫星之间。假设卫星工作在 2 GHz 频段，在距离地面

500 km 处以约 7.6 km/h 的速度运动，则卫星运动引起

的多普勒频移近 48 kHz，远超现有 5G 通信技术体制的

适应范围[18-19]。

在频率使用方面，当前基于 GSO 卫星的手机直连卫

星一般使用移动卫星服务（MSS）频段。基于 LEO 卫星

的手机直连卫星，有采用传统移动卫星服务频段的方案，

也有采用地面移动运营商通信频段的方案。采用地面移动

通信的频段，不符合国际电信联盟现行规则[20]。采用这

种频率使用方案，首先，因地面移动通信与手机直连 LEO

卫星采用相同的频段，如何避免对频段内原有合法用户

的有害干扰，该方面的研究较为薄弱；其次，缺乏国际

电信联盟统一的频率划分和保护，手机直连卫星之间频

率冲突现象突出，频率兼容和频谱共享难度大。当前国

际电信联盟已经就手机直连卫星业务可使用的频谱问题

开展了研究[21]。

由于两个方案的星地链路距离的巨大差异，在通信时

延方面二者也呈现出明显的区别。基于 GSO 卫星的手机

直连卫星方案由于星地距离较远，星地通信时延也相对较

高，终端−卫星−终端通信时延约为 270 ms[22]。基于 LEO

卫星的时延通常在 50 ms 以内，如 OneWeb 星座通信时延

约为 30 ms，Starlink 的通信时延不大于 20 ms[6]。

在卫星动态性方面，GSO 卫星和 NGSO 卫星也差别

很大。GSO 卫星相对地面静止，或星下点轨迹相对地面仅

图 2 典型手机直连卫星系统架构

表 2 基于不同轨道卫星的手机直连卫星技术挑战

对比项 GSO NGSO

空口侧 多普勒频移小，时频同步简单，通信时延大 多普勒频移大，时频同步难，通信时延较小

卫星侧 满足语音通信的星载天线较为成熟 满足宽带业务的星载天线要求天线尺寸大，重量轻，波束网络复杂

网络侧 网络认证鉴权，业务漫游 网络认证鉴权，业务漫游，网络拓扑变化快，波束切换，频率复用，多星协同难

终端侧 内置大功率天线，多模块集成，散热挑战大 内置大功率天线，多模块集成，散热等挑战相对基于 GSO 方案较小

第 2 期 何元智等：天地一体化新路径：手机直连卫星发展热点、挑战与关键技术 ·5·

以微小的幅度呈“8”字。然而，NGSO 卫星尤其是 LEO

卫星，其运动速度快，相对地面动态性大，会造成时频同

步难题。

2.2.2 卫星侧技术挑战

手机直连卫星系统卫星侧面临两大技术挑战。一是宽

带通信业务需求以及手持终端超小内置接收天线，要求星

载部署超大阵面天线，对天线设计、功耗和重量等方面提

出挑战；二是对于采用星载手机基站的技术方案，由于卫

星平台能力有限，对星载基站载荷提出轻量化的要求。

当前基于 GSO 卫星的手机直连卫星技术主要用于满

足语音和短消息的需求，相比 NGSO 卫星实现更高速率通

信的代价更大，费效比低。典型代表有 Thuraya 卫星系统、

海事卫星通信系统、天通一号卫星移动通信系统等。由于

星地超大链路损耗，在卫星天线和功率受限的条件下，手

机直连卫星通信速率为 kbit/s 级别。如天通一号卫星移动

通信系统的外置天线专用卫星手机终端通信速率一般为

1.2 kbit/s、2.4 kbit/s、4.0 kbit/s，满足该通信速率要求的星

载大天线设计相对较为成熟。与基于 GSO 的卫星相比，

NGSO 卫星星座由于可以多颗卫星同时为多个用户提供

服务，并且 NGSO 卫星距离用户终端更近，链路损耗相对

较小，在天线能力和功耗同等的条件下能提供更高的通信速

率。因此基于 NGSO 卫星的手机直连卫星技术未来主要用

于满足宽带通信业务的需求。当前 NGSO 卫星平台承载能

力相对较弱，在手机终端能力受限的条件下，存在链路

预算不足的问题[23]，必须极大幅度地提高卫星载荷的发

射和接收能力[24]。这意味着必须增大天线尺寸和波束数

量。这将带来以下挑战：一是天线尺寸增大带来功耗和

重量剧增的挑战，需要轻量化、低损耗、高集成的星载

射频前端；二是对于超大规模的阵列，模拟波束网络非

常复杂，特别是在多波束应用中，随着波束数量的上升，

网络复杂度急剧增加，大口径相控阵的模拟波束成形网

络实现难度非常大。

使用现有手机终端和星载基站的手机直连卫星技术，

可实现直连卫星用户和地面基站用户接入同一个网络，降

低网络时延。由于卫星平台能力有限，在轻量化、高集成、

热管理等方面对星载基站载荷提出较高要求[25]。

2.2.3 网络侧技术挑战

手机直连卫星网络侧涉及地面电信运营商通信网络

和卫星运营商通信网络。由于前期地面电信运营商与卫星

运营商独立发展，二者分别建立的通信网络系统在网络结

构、标准体制、特征参数等方面存在较大差异，因此需要

在网络认证鉴权、业务漫游等方面进行新的适配研究。除

上述地面电信运营商和卫星运营商独立发展通信网络，通

过网络侧技术融合互联的手机直连卫星方式外，还存在基

于 3GPP NTN 标准星地共同演进建设，以及在卫星网络中

使用现有地面网络技术的方式。当前 3GPP NTN 标准规范

仍在进一步研究中，而卫星侧采用地面网络的方式的性能

仍需进一步测试验证。不管是针对哪种方式，如果卫星不

能星间组网，在全球部署时都需要部署大量的信关站，部

署和运营成本将急剧增加。

在网络运维方面，基于 GSO 卫星的手机直连卫星技

术网络拓扑相对固定。基于 NGSO 卫星的手机直连卫星技

术由于卫星网络拓扑变化快、时延大、波束覆盖面积有限，

因此卫星帧结构、星内/星间波束切换、频率复用方法和多

星协同方面面临巨大挑战[25-26]。

2.2.4 终端侧技术挑战

基于GSO 卫星的手机直连卫星系统终端侧主要面临手

机终端小型化与链路预算不足的挑战。GSO 卫星和 NGSO

卫星由于星地距离相差巨大，星地空间自由损失也相差很

大。在通信信号频率为 2 GHz 时，GSO 卫星到地面的信号

损失高达 189.54 dB，而 LEO 卫星（以轨道高度 500 km 计

算）到地面的信号损失约为152.45 dB，链路损耗差约37 dB。

在使用超大星载天线后，基于 NGSO 卫星的手机直连卫星

系统终端侧可采用消费者现有普通手机终端，终端侧基本

不涉及重大技术挑战。消费者使用的普通手机连接地面基

站，信号的传输距离一般是几千米，考虑到电磁和辐射标

准、功耗、内部空间大小等因素，内置天线功率并不高；

若与 GSO 卫星直连，信号需传输数万千米，链路损耗较

大，需考虑在手机内置大功率天线。若基于现有卫星并改

造手机终端实现手机直连卫星，需要在手机终端内置卫星

通信专用模块。如何在有限的空间内将基带、射频处理、

功率放大器、滤波器以及卫星模块高密度集成并降低功

耗、增加散热，将是在手机终端小型化中面临的挑战。

3 手机直连卫星解决方案

针对手机直连卫星存在的技术挑战，下面将从空口

侧、卫星侧、网络侧、终端侧 4 个方面分别对相应的关键

技术进行分析。

3.1 空口侧

3.1.1 混合自动重传请求技术

针对星地信道特性复杂、传输误码率高的挑战，可考

虑采用混合自动重传请求（Hybrid Automatic Repeat Request, HARQ）技术提高无线通信系统性能。HARQ 结合

了自动重传请求（ARQ）和前向纠错（Forward Error

·6· 天地一体化信息网络 第 5 卷

Correction, FEC）两种技术，在增强数据传输可靠性、提

高系统吞吐量的同时降低通信时延。然而，在手机直连卫

星技术的应用背景下，星地链路具有更高的传输时延，这

增加了 HARQ 机制的复杂性，可以考虑以下解决方案。

（1）优化 HARQ 的重传策略，使其能够有效处理高时

延的情况。例如，可以根据信道质量的变化情况自适应调

整重传次数，在信道质量较好时减少重传次数，在信道条

件较差时增加重传次数。

（2）选择重传丢失或损坏的数据块，从而减少重传的

数据量。

（3）混合使用 ARQ 和 FEC 技术，在传输过程中先尝

试通过 FEC 进行纠错，如果失败再进行 ARQ 重传。

（4）根据当前信道质量变化自动调整传输参数，实现

自适应调制和编码，在信道质量较好时，可以使用高阶调

制和低编码率来提高传输速率，信道质量较差时则可以通

过降低调制方式和提高编码率来提高传输的可靠性。

3.1.2 星地同步技术

面向 LEO 大多普勒频移场景，提出一种基于多步进

整数分频模式下的初始时频同步估计方法。

首先利用主同步信号（Primary Synchronization Signal,

PSS）序列的时频特性，在本地生成 2N+1 组带有整数倍

频偏的 PSS 时域序列组，每组包含 3 个不同索引号的 PSS

时域序列，将所有这些 PSS 序列分别与接收到的信号进行

滑动互相关，估算出 PSS 序列的起始位置，并且判断出最

大相关峰值所对应的本地 PSS 序列索引号，确定扇区 ID。

所设计算法检测度量函数如下

2

1

*

idx,icfo 1 2 0

0

Alpha(idx,icfo, )

1 ( ) ()

( )

L

L n

n

d

rn d p n

rn d

−

− =

=

= +⋅

+

∑ ∑

(1)

其中，r n( ) 为接收信号， idx,icfo p n( ) 为本地 PSS 序列，idx

为扇区 ID 值，icfo 为整数倍频偏值，L 表示单个子帧内

PSS 的采样点长度。通过接收序列与 2N+1 个本地 PSS 副

本组进行滑动相关，当最大相关峰值大于预设判决门限

时，得到最大的相关峰值所对应的位置偏移 d 作为接收到

时域数据的定时点，相关性最大的本地 PSS 序列所对应的

扇区 ID 值和整数倍频偏值即为接收序列的扇区 ID 值和整

数倍频偏值。

PSS 定时偏移估计以及整数倍频偏估计完成后，利用

时域的本地 PSS 序列共轭点乘接收到的时域 PSS 符号，

再分成两部分分别求和，最后估计频偏大小

/2 1 * pss, pss 0

/2 1 * pss, pss 0

() ()

( / 2) ( / 2)

N

i i n

N

i n

C r ns n

r nN s nN

−

=

−

=

⎡ ⎤ = × ⎢ ⎥ ⎣ ⎦

⎡ ⎤ + + ⎢ ⎥ ⎣ ⎦

∑

∑

(2)

其中，pss, ( ) i r n 为第 i 副天线接收到的 PSS 序列，*

pss, ( ) i s n 为

本地生成的 PSS 序列共轭，N 为正交频分复用（OFDM）

符号 FFT 样点长度。如果接收为 2 副天线，相关运算结果

合并为 CC C = +1 2 ，也可以多个 PSS 信号联合估计

( ) acc l

l

C C =∑ ，由此计算归一化小数倍频偏，从而实现初

始同步。

归一化小数倍频偏计算方法为

acc

1 angle( ) ε f C π = (3)

其中， angle( )⋅ 表示对复数求角度。

3.2 卫星侧

3.2.1 星载超大阵面天线技术

在星载天线波束成形中采用数字波束成形。采用数字

器件，在单元/子阵上对信号数字化，波束的幅度与相位控

制在数字域实现。数字波束成形可采用天线本地成形方

式，信号通过光纤与舱内基带处理器相连，基带处理器从

顶层对全阵多副子天线的波束扫描控制、信号路由进行调

度，每副子天线可以在独立扫描、波束汇聚、蜂窝模式、

重构窄波束之间切换使用。除了天线本地的波束成形外，

通过光纤互联到基带处理器的信号，还可以选择若干副相

邻的子天线，乃至全部天线进一步合成，合成以后等同于

采用更大口径、更高增益的天线，该合成可在基带处理器上

实现。为了提高星地链路预算，可以考虑采用分布式天线阵

列，由多颗卫星的天线阵波形叠加，实现分布式波束成形。

3.2.2 星载轻量化基站载荷

传统手机基站由天线、远端射频模块（Remote Radio

Unit, RRU）、光纤、基带处理单元（Base Band Unit,

BBU）、机房等部分组成。其中 5G 基站中，BBU 的非实

时部分被分离出来，定义为集中式单元（Centralized Unit,

CU），负责处理非实时协议和服务，BBU 的其他部分作为

分布式单元（Distributed Unit, DU），负责处理物理层协议和

实时服务。BBU 的部分物理层处理功能与原 RRU 及无源天

线合并为大规模有源天线单元（Active Antenna Unit, AAU）。

手机直连卫星技术可以考虑将基站部署到卫星上，实

现直连卫星用户和地面基站用户接入同一个网络，减少网

络时延。可以考虑将实时性要求高的业务接入和信令处理

部分部署在卫星载荷上，将网络控制、资源配置部分放置

第 2 期 何元智等：天地一体化新路径：手机直连卫星发展热点、挑战与关键技术 ·7·

在地面侧。如将 5G 基站的 DU 等部分部署在卫星载荷上，

将 CU、AAU 部分部署在地面侧。轻量化的载荷可以降低

制造和发射成本，便于手机直连卫星系统的快速推广应用。

3.3 网络侧

3.3.1 星地异构网络漫游技术

为了实现卫星与地面移动网络的网络、用户、业务、

终端天地一体化，在星地异构网络环境下，地面移动网

络用户单点签约，不换卡号，一键切换卫星网络和地面

网络，最大程度确保用户对星地融合业务的一致性体验。

主要技术如下。

一是星地网络融合：实现卫星核心网络与地面移动网

络国际信令节点链路直通。在 No.7 信令国际网间结算

（iSTP）节点及其网关侧，优化和配置卫星核心网媒体网

关（Media Gateway, MGW）的信令代码、移动交换中心/

拜访位置寄存器（MSC/VLR）的 GT（Global Title）码，

确保漫游用户在被叫场景下正确地路由和寻址。

二是信令转换：卫星通信系统和地面移动通信系统可

能在信令方面存在区别，需要开展信令转换技术研究。例

如卫星侧采用 3G 宽带码分多址接入（Wideband Code

Division Multiple Access, WCDMA）移动应用部分（Mobile

Application Part, MAP）信令协议，而地面移动通信网络采

用 C-MAP 信令协议。此时需研究基于 GC 网关实现

G-MAP/C-MAP 协议转换，确保异构网络控制信息正确地

翻译握手。

三是业务信令优化：优化手机终端的 SIM（eSIM）卡

识别流程、入网鉴权流程以及通信业务信令流程。最终实

现地面移动网络用户以漫游形式驻留卫星网络，发起和接

收卫星语音、短信业务。

3.3.2 基于网络二次鉴权的业务安全可控技术

在传统漫游组网方式下，存在漫入网络服务商不能自

主掌控漫游用户和运营数据的问题，因此需要研究卫星网

络二次鉴权认证技术，实现对来自地面移动网络用户卫星

业务订购权限的管控。通过在卫星核心网增加用户归属方

漫游码号权限表，记录用户归属方码号、用户 ID（来源于

用户归属方用户关系管理系统）和业务权限（语音、短信），

并以此数据为基础实现漫游业务二次鉴权。

3.3.3 星地融合的电路域 IMS 语音解决方案

星地融合的电路域 IP 多媒体子系统（IMS）语音解

决方案主要是通过制定新的 IMS 应用协议栈，实现卫星

移动通信网络与全 IP 化地面移动通信网络的协议转换、

信令互通和媒体流互通，完成卫星与地面网络用户的互

联互通。

其中，IMS 语音和电路交换（Circuit Switching, CS）

语音的协议转换由卫星核心网的移动交换中心（Mobile

Switching Center, MSC）、关口局（Gateway MSC, GMSC）、

会话边界控制器（Session Border Controller, SBC）3 个网

元完成并生成会话发起协议（Session Initiation Protocol,

SIP）信令消息，IMS 语音和 CS 语音控制面信令的互通由

网元媒体控制网关（MGCF）实现，IMS 语音和 CS 语音

的媒体流互通由多媒体资源处理器（Multimedia Resource

Function Processor, MRFP）和IP多媒体网关（IP Multimedia

Media Gateway, IM-MGW）在卫星移动通信信关站控制下

完成。主叫终端用户和被叫终端用户按照双方速率协商结

果进行通话，如图 3 所示。

图 3 电路域 IMS 语音方案

·8· 天地一体化信息网络 第 5 卷

3.4 终端侧

3.4.1 小型化内置手机卫星天线

由于手机的轻薄化设计需求，手机内部各组件高度

紧凑、集成化，新增卫星天线将使得手机内部空间更加

紧张，因此考虑天线共形设计，甚至天线与手机边框结

构共形。在设计天线时，极化损耗也是必须考虑的因素。

极化损耗一般发生在收发信号极化不匹配的情况下，如

当线性极化天线接收圆极化天线信号时，会发生极化损

耗。由于圆极化波可以有效减少雨雾天气对电磁波传输

的影响，因此卫星通信常用的是圆极化波，而地面移动

通信手机天线采用线性极化方式。当线性极化天线接收

圆极化天线信号时，约有 50%的信号功率会因为极化损

耗而无法传递到接收天线。该损失在手机终端这种小型

化、能量受限、功率受限的应用背景下必须克服。因此，

提出一种双线性极化天线定向拟合圆极化技术。该技术

采用一个 3 dB 电桥耦合器对内嵌于手机的两个正交双频

线性极化天线馈电，同时在高频段和低频段形成两个等

幅相位正交的激励，实现多天线圆极化定向拟合，仿真

结果如图 4 所示。

3.4.2 软件可重构多功能芯片

手机终端内部板载元器件布局紧凑，增加卫星通信

模块势必也会增加空间的大幅度占用。因此需通过改进

工艺制程，将多个模块集成到一个 SoC 上。具体而言，

包括如下技术：一是通过提高工艺制程，将基带、射频、

存储等集成到一个 SoC 上，解决芯片小型化问题；二是

采 用 微 控 制 单 元 +数 字 信 号 处 理 器 + 专用集成电路

（MCU+DSP+ ASIC）的低功耗可重构 SoC 架构，解决软

件可重构问题。

3.4.3 散热设计

由于手机终端的高度集成，为了避免在使用过程中器

件发热累积而导致性能下降，影响用户体验，甚至损坏硬

件，散热设计也成为一个必须重点考虑的问题。考虑使用

更加先进、高效、稳定的均热板（Vapor Chamber, VC）液

冷散热技术，其散热原理如图 5 所示。相较于传统的散热

方式，VC 液冷散热技术具有更高的散热效率和更快的响

应速度。具体解决思路如下。

图 4 线性极化拟合圆极化仿真结果

第 2 期 何元智等：天地一体化新路径：手机直连卫星发展热点、挑战与关键技术 ·9·

（1）手机散热分析：采用红外测温和温度传感器相结

合的方式，对手机终端在高负载工作情况下的温度分布进

行测量和分析，确定实际散热需求和优化效果。

（2）散热技术研究：根据不同的应用场景，进行

关键位置的热模拟，测试并分析散热效果和性能表现。

根据测试和分析结果进行硬件布局，优化均热板和散

热通路。

（3）散热器−芯片热性能建模：根据 VC 液冷散热器

的实际情况，建立散热器−芯片的热性能模型，采用数值

模拟的方法对散热效果进行模拟和预测，并对模型进行验

证和改进。

（4）散热材料研究：研究和开发适合 VC 液冷的材

料，提高到热效率和散热效果，确保手机终端长时间稳

定工作。

4 结束语

手机直连卫星作为未来天地一体化融合的典型场景

和技术手段，得到了国内外广泛的关注，新的研究和实

践不断出现。本文针对基于不同轨道卫星的手机直连卫

星系统进行研究，总结了手机直连卫星系统发展现状，

分析了空口侧、卫星侧、网络侧和终端侧面临的技术挑战，

提出了相应的关键技术及解决方案，为未来手机直连卫星

技术的发展提供了技术支撑。需要注意的是，尽管手机直

连卫星技术发展火热且具有广阔的应用前景，但其并不能

取代地面移动通信的地位，而仅是作为地面移动通信的

有效补充，以实现通信广域覆盖、解决网络覆盖匮乏区

域的通信难题。此外，鉴于当前阶段手机直连卫星在技

术上仍面临诸多巨大挑战，全面商业化还有一定的距离，

产业链上各厂商和科研院所需要逐步推进相关的研究工

作，加大相关技术创新，以推动手机直连卫星通信的大

规模应用。

参考文献：

[1] 王达, 童建飞, 穆飞宇. 手机直连卫星通信: 发展现状、应用场

景和标准演进[J]. 无线电通信技术, 2023, 49(5): 795-802.

WANG D, TONG J F, MU F Y. Satellite communication supporting

direct connection with mobile phones: development trend, application scenario, and standards evolution[J]. Radio Communications

Technology, 2023, 49(5): 795-802.

[2] LLUC P. Satellite direct-to-device: a new differentiator and growth

engine for mobile operators[EB]. 2023.

[3] 王亚, 朱立东. 太空互联网发展及应用[J]. 国际太空, 2016(3):

43-49.

WANG Y, ZHU L D. Development and application of space Internet[J]. Space International, 2016(3): 43-49.

[4] 肖永伟, 卢山, 宋艳军. “手机直连卫星” 发展及关键技术[J].

国际太空, 2024(1): 20-27.

XIAO Y W, LU S, SONG Y J. Development and key technologies of

“mobile phone direct satellite”[J]. Space International, 2024(1): 20-27.

[5] 蓝天翼. “手机直连卫星”的发展与挑战[J]. 国际太空, 2023(3):

58-62.

LAN T Y. Development and challenge of “mobile phone direct

satellite”[J]. Space International, 2023(3): 58-62.

[6] 张世杰, 赵祥天, 赵亚飞, 等. 星地融合网络：一体化模式、用

频与应用展望[J]. 无线电通信技术, 2023, 49(5): 775-787.

ZHANG S J, ZHAO X T, ZHAO Y F, et al. Integrated satel图 5 VC 液冷散热技术原理

·10· 天地一体化信息网络 第 5 卷

lite-terrestrial networks: integrated mode, frequency usage and application prospects[J]. Radio Communications Technology, 2023,

49(5): 775-787.

[7] 翟立君, 潘沭铭, 汪春霆. 卫星 5G 技术的发展和展望[J]. 天地

一体化信息网络, 2021, 2(1): 1-9.

ZHAI L J, PAN S M, WANG C T. Development and prospect of

satellite 5G technology[J]. Space-Integrated-Ground Information

Networks, 2021, 2(1): 1-9.

[8] 赵瑞环, 杨艳芹, 宋洁琼, 等. 基于专利分析的手机直连卫星技

术发展研究[J]. 军民两用技术与产品, 2023(4): 29-32.

ZHAO R H, YANG Y Q, SONG J Q, et al. Research on the development of direct connection between satellites and mobile phones

based on patents analysis[J]. Dual Use Technologies & Products,

2023(4): 29-32.

[9] 陈东, 张千, 秦兆涛, 等. 面向手机直连的卫星移动通信系统架

构与特性[J]. 天地一体化信息网络, 2023, 4(4): 11-18.

CHEN D, ZHANG Q, QIN Z T, et al. Architecture and features

of mobile communication satellite system for mobile phone[J].

Space-Integrated-Ground Information Networks, 2023, 4(4): 11-18.

[10] 陈宏. 全球手机直连卫星应用发展与思考[J]. 卫星应用,

2023(11): 37-43.

CHEN H. Development and thinking of global mobile phone direct

satellite applications[J]. Satellite Application, 2023(11): 37-43.

[11] 孙耀华, 彭木根. 面向手机直连的低轨卫星通信：关键技术、发

展现状与未来展望[J]. 电信科学, 2023, 39(2): 25-36.

SUN Y H, PENG M G. Low earth orbit satellite communication

supporting direct connection with mobile phones: key technologies,

recent progress and future directions[J]. Telecommunications Science, 2023, 39(2): 25-36.

[12] RACHEL J. FCC approves Lynk’s satellite-to-cell service[EB].

2022.

[13] HOSSEINIAN M, CHOI J P, CHANG S H, et al. Review of 5G

NTN standards development and technical challenges for satellite

integration with the 5G network[J]. IEEE Aerospace and Electronic

Systems Magazine, 2021, 36(8): 22-31.

[14] YOU X H, WANG C X, HUANG J, et al. Towards 6G wireless

communication networks: vision, enabling technologies, and new

paradigm shifts[J]. Science China Information Sciences, 2020,

64(1): 110301.

[15] 苏昭阳, 刘留, 艾渤, 等. 面向低轨卫星的星地信道模型综述

[J/OL].电子与信息学报, 2024: 1-19.

SU Z Y, LIU L, AI B, et al. Survey of satellite-ground channel

models for low earth orbit satellites[J/OL]. Journal of Electronics &

Information Technology, 2024: 1-19.

[16] 陈山枝. 关于低轨卫星通信的分析及我国的发展建议[J]. 电信

科学, 2020, 36(6): 1-13.

CHEN S Z. Analysis of LEO satellite communication and suggestions for its development strategy in China[J]. Telecommunications

Science, 2020, 36(6): 1-13.

[17] LIN X Q, HOFSTRÖM B, WANG Y P E, et al. 5G new radio evolution meets satellite communications: opportunities, challenges,

and solutions[M]//LIN X, LEE N. 5G and Beyond. Cham: Springer,

2021: 517-531.

[18] EULER S, FU X T, HELLSTEN S, et al. Using 3GPP technology

for satellite communication[J]. Ericsson Technology Review, 2023,

2023(6): 2-12.

[19] 翟华. 融合 5G 的卫星移动通信系统[J]. 空间电子技术, 2020,

17(5): 71-76.

ZHAI H. Integration of 5G and satellite communication systems[J].

Space Electronic Technology, 2020, 17(5): 71-76.

[20] ITU. Radio regulations[S]. 2020.

[21] 郝才勇. 手机直连卫星业务发展现状与挑战[J]. 中国无线电,

2023(12): 36-38.

HAO C Y. Developments and challenges of satellite-direct-tophone[J]. China Radio, 2023(12): 36-38.

[22] 3GPP. Solutions for NR to support non-terrestrial networks (NTN)

(Release 16) :TR 38.821[R]. 2019.

[23] XU Z A, GAO Y, CHEN G J, et al. Enhancement of satellite-tophone link budget: an approach using distributed beamforming[J].

IEEE Vehicular Technology Magazine, 2023, 18(4): 85-93.

[24] 孙晨华, 卢山, 赵海峰. 卫星互联网发展亮点分析及启示[J]. 卫

星应用, 2023(8): 19-24.

SUN C H, LU S, ZHAO H F. Analysis on the highlights of satellite

Internet development and its enlightenment[J]. Satellite Application,

2023(8): 19-24.

[25] 张晓凯, 郭道省, 张邦宁. 空天地一体化网络研究现状与新技

术的应用展望[J]. 天地一体化信息网络, 2021, 2(4): 19-26.

ZHANG X K, GUO D X, ZHANG B N. Research status of

space-air-ground integrated network and application prospects of

new technologies[J]. Space-Integrated-Ground Information Networks, 2021, 2(4): 19-26.

[26] 蒋长林, 李清, 王羽, 等. 天地一体化网络关键技术研究综述[J].

软件学报, 2024, 35(1): 266-287.

JIANG C L, LI Q, WANG Y, et al. Survey on key technologies in

space-ground integrated network[J]. Journal of Software, 2024,

35(1): 266-287.

第 2 期 何元智等：天地一体化新路径：手机直连卫星发展热点、挑战与关键技术 ·11·

何元智（1974− ），女，军事科学院系统工程

研究院研究员，博士生导师，主要研究方向为

卫星通信、卫星互联网。

杨岭才（1975− ），男，中国电信股份有限公

司卫星通信分公司总经理，北京邮电大学兼职

教授，主要研究方向为星地网络融合架构及关

键技术。

肖永伟（1976− ），男，中国电子科技集团公

司第五十四研究所高级工程师，主要研究方向

为低轨卫星系统设计。

张世杰（1979− ），男，银河航天（北京）网

络技术有限公司首席科学家，北京邮电大学兼

职教授，主要研究方向为卫星互联网、空间通

信、卫星总体设计。

李志强（1996− ），男，军事科学院系统工

程研究院博士生，主要研究方向为卫星干扰

分析。

刘韵（1990− ），女，军事科学院系统工程研

究院工程师，主要研究方向为卫星通信系统、

空间信息网络。

[作者简介]

专题：面向巨型星座的大尺度星地融合组网技术

姚海鹏，北京邮电大学教授，国家杰出青年基

金获得者，在国际知名学术期刊和会议上发表

论文 200 余篇，担任 IEEE TMC 和 IEEE

T-SUSC 等期刊的 Associate Editor，主要研究方

向为专用网络、空天地一体化网络、无人集群

网络、网络人工智能等。

专 题 导 读

低轨卫星网络可以实现全球范围覆盖，包括地面通

信网络难以到达的偏远地区、海洋和极地等。通过低轨

卫星网络与地面通信网络的无缝连接，可以实现星地融

合网络的通信效率提升和全域覆盖。随着低轨卫星网络

的技术进步，星地融合网络将进一步发展，为社会经济

发展和信息化建设提供坚实的基础。

目前，星座空间段的卫星数量逐渐由几百颗向数千

乃至数万颗规模爆炸式增长，面向巨型星座的大尺度星

地融合组网技术亟须研究。由于面向巨型星座的大尺度

星地融合网络中存在卫星规模庞大、星间拓扑高动态、

星地切换频繁、单星载荷资源受限、网络节点密度高等

因素，网络架构设计、路由精准调控、资源高效分配等

问题成为研究热点，各科技强国对此高度关注，展开多

项技术研究。

面向星地融合网络的体系架构设计，传统的依赖地

面管控中心实现的全星座网络管控方法难以满足发展

需求，亟须研究星座体系架构设计方法，实现低轨巨型

星座的阶段化部署和层次化协议管理；面向低轨卫星网

络中日益增长的业务需求，现有的卫星路由方法难以保

障卫星载荷状态、链路利用率、路由度量等方面的联合

优化，需要研究低轨卫星网络路由算法以实现多指标下

的网络性能提升；面向空天地一体化网络中资源分布异

质和拓扑时变性等特点，传统网络资源管控方法仅在单

个时间片上进行优化，难以适应网络结构的变化，需要

研究面向空天地一体化网络的资源管控方法，以精确地

管控动态网络资源。

为了深入探讨面向巨型星座的大尺度星地融合网

络的建设，本专题邀请了国内知名研究机构、高校及企

业的专家学者，对面向巨型星座的大尺度星地融合组网

技术展开分析和研究。通过提出创新性观点和解决方

案，旨在提升面向巨型星座的大尺度星地融合网络的优

化部署和整体性能提升。希望这些宝贵的见解能够为相

关领域的发展提供有益的参考和指导。

《基于遗传优化和人工蜂群的低轨卫星网络负载均

衡路由算法》针对低轨卫星网络路由中的链路拥塞和负

载难以均衡等问题，设计遗传优化算法与人工蜂群算法

相结合的负载均衡路由方法，提出拥塞处理机制以根据

不同拥塞程度设置不同方案，实现在低轨卫星网络较低

时延和开销比的情况下更高的数据传输率和吞吐量。

《星地融合网络管控架构设计》面向星地融合网络

的运行管理对象，提出包括逻辑架构和物理部署的总体

管控架构，设计管控中心的管理控制功能、运营支撑功

能、服务保障功能等，对卫星测控、网络管理、业务通

信等进行典型管控流程设计，分析星地融合网络中的管

控难点及管控能力评估。

《基于时空关联表征的空天地一体化网络资源精准

管控方法》聚焦空天地一体化网络中资源利用率低和资

源调度策略迁移成本高等问题，设计空天地一体化网络

资源时空关联关系的精准建模方法，提出基于时空关联

表征的网络资源精准映射方法，在保障系统性能和效率

的同时实现动态网络资源的精确管控。

《低轨巨型星座体系架构设计与关键技术分析》研

究巨型星座中现有网络架构和技术体制的设计和规

划，设计基于“四面”和“三层”的多层多域混合式

智能协同组网体系架构，设计星座网络管控架构、技

术参考模型与协议架构等，分析星座建设中关键技术

的演化趋势。

本专题汇集了面向巨型星座的大尺度星地融合网

络在组网架构、路由传输和资源管理等领域的最新研究

成果，展现了当前面向巨型星座的大尺度星地融合组网

技术的主要发展趋势，反映了专家学者的独特见解和创

新思路。希望通过这些研究成果，读者能够全面了解该

领域前沿动态，并从中获得理论支持和实践指导，进一

步推动技术进步和标准化建设。

[专题策划人]

2024 年 6 月 Space-Integrated-Ground Information Networks June 2024

第 5 卷第 2 期 天 地 一 体 化 信 息 网 络 Vol.5 No.2

基于遗传优化和人工蜂群的低轨卫星网络负载均衡路由算法

邓 霞 1

，郝苗苗 2

，林武城 1

（1. 广州大学计算机科学与网络工程学院，广东 广州 510006；

2. 广州大学网络空间安全学院，广东 广州 510006）

摘 要：低轨卫星网络凭借时延小、成本低、损耗小和全球覆盖等优点成为了地面网络的有力补充。然而，用户分布不均、全

网流量随时间变化，可能会导致部分链路出现拥塞、负载不均衡的问题。基于以上问题，提出一种基于遗传优化和人工蜂群

（Genetic Optimization and Artificial Bee Colony, GABC）的低轨卫星网络负载均衡路由算法，将遗传优化算法与人工蜂群算法相

结合，避免人工蜂群算法陷入局部最优，并设置抗拥塞机制来解决负载拥塞问题。基于 NS2 仿真平台实现 GABC 算法，实验

结果表明，相比最短路径路由（Shortest Path Routing, SPR）算法和蚁群智能路由 LBRA-CP 算法，该算法在保证较低时延和开

销比的同时拥有更高的数据传输率和吞吐量。

关键词：低轨卫星网络；人工蜂群算法；遗传优化算法

中图分类号：TP393

文献标识码：A

doi: 10.11959/j.issn.2096−8930.2024012

Load Balancing Routing Algorithm Based on

Genetic Optimization and Artificial

Bee Colony in LEO Satellite Network

DENG Xia1

, HAO Miaomiao2

, LIN Wucheng1

1. School of Computer Science and Cyber Engineering, Guangzhou University, Guangzhou 510006, China

2. School of Cyber Space Security, Guangzhou University, Guangzhou 510006, China

Abstract: The LEO satellite network become a powerful complement to the terrestrial network as it shows the advantage of low latency,

low cost, low loss rate and global coverage. However, due to the uneven distribution of users and the variation of network traffic over

time, some links may be congested and unbalanced. A load balancing routing algorithm based on genetic optimization and artificial bee

colony in LEO satellite networks(GABC) was proposed, which combined genetic algorithm with artificial bee colony algorithm to avoid

local optimization. Experimental results showed that compared with the shortest path routing and LBRA-CP algorithm, the proposed

algorithm has higher data transmission rate and throughput with lower delay and overhead ratio.

Keywords: LEO satellite network, artificial bee colony algorithm, genetic optimization algorithm

0 引言

随着当今社会信息化进程加速，人们对全球范围内实

时高效的信息传递需求日益增长。如今，全球一体化成为

世界发展的大趋势，通信技术的发展成为其中重要一环。

由于地面通信系统通常建立和维护成本高、覆盖范围有

限，全球仍然存在许多不易被地面网络覆盖的区域，这大

大限制了地面通信网络的服务能力。此外，预计到 2026

年年底，5G 用户将达到 35 亿，智能城市、智能交通系统

和自动化工业站点将涉及数十亿台传感器和设备，这将给

收稿日期：2023−11−13；修回日期：2024−02−20

基金项目：国家自然科学基金资助项目（No.61702127, No.62273107）；国家留学基金委资助项目（No.201908440064）；广州市科技计划资助项目（No. 201804010461）

Foundation Items: The National Natural Science Foundation of China(No.61702127, No.62273107)，China Scholarship Council(No.201908440064)，Science and Technology

Program of Guangzhou(No. 201804010461)

·14· 天地一体化信息网络 第 5 卷

地面通信网络造成巨大的交通负荷，并需要持续的高效移

动网络覆盖[1-3]。相较于传统地面通信网络，低成本的小型

卫星平台和先进的卫星通信设备使得卫星网络近年来得

到了广泛普及。卫星网络不仅能够以更低的成本覆盖包括

远洋、荒漠、两极地区与近地空间，提高全球泛在接入能

力，还能够利用其快速响应及灵活部署的优势建立应急通

信专网以应对由自然灾害和战争等多种无法提前预测的

情况而带来的紧急突发通信需求[4-5]。

卫星轨道高度是卫星分类标准之一，据此通常将卫星

分为 3 类：低地球轨道（Low Earth Orbit, LEO）卫星、中

地球轨道（Medium Earth Orbit, MEO）卫星以及地球静止

轨道（Geostationary Earth Orbit, GEO）卫星。与 MEO 卫

星和 GEO 卫星相比，LEO 卫星具有发射成本低、时延低

和传输能量损耗低等特性，并且可以通过卫星组网的方式

实现全球覆盖，因而得到了广泛的应用[6-8]。

近年来，许多正在建设中的低轨卫星网络使用星间链

路技术实现数据转发以保障通信的有效性和可靠性，如

OneWeb、Starlink、LeoSat 等[9-11]。但是，卫星网络中全球

用户的流量分布极度失衡而且用户活跃度随时间不断变

化；在高业务量负载的情况下，卫星网络的流量压力会

极度不平衡，许多非密集人口区域的卫星没有被有效利

用；卫星的计算能力和自身能量受限，负载过重的卫星

会缩短寿命[12-13]。总之，如何在高负载情况下以低计算

成本和良好的可扩展性自适应地分配网络资源是一项艰

巨的任务。

近年来，人工蜂群（Artificial Bee Colony, ABC）等仿

生算法因其去中心化和自适应能力好，被广泛应用于各种

分布式系统[14-15]。人工蜂群是一种启发式优化算法，是模

拟蜂群寻找优良蜜源的智能计算方法。遗传优化算法通过

模仿自然界的选择与遗传的机理寻找最优解，有着较好的

收敛性，且具有可扩展性，易与其他算法结合。针对卫星

网络高度变化的网络拓扑结构，路由呈多跳性和节点有限

等特点，本文将遗传优化算法与人工蜂群算法相结合，主

要贡献如下。

（1）提出一种基于遗传优化和人工蜂群（Genetic

Optimization and Artificial Bee Colony, GABC）的低轨卫星

网络负载均衡路由算法。在遗传优化算法中，交叉算子因

其全局搜索能力而作为主要算子。本文将遗传优化算法与

人工蜂群算法相结合，运用到低轨卫星网络场景中。将遗

传优化算法的交叉算子运用到人工蜂群算法的采蜜蜂阶

段，避免人工蜂群算法陷入局部最优。

（2）把当前的路由状态划分为 3 种拥塞状态，分别为

一级拥塞、二级拥塞和非拥塞状态。针对不同的状态选择

不同的更新原则，以实现低轨卫星网络负载均衡。

（3）在实验中，本文选用 NS2 仿真平台进行模拟，与

其他低轨卫星网络路由进行对比，结果表明，本文所提出

的算法在平均时延、传输开销比、数据交付率和吞吐量方

面都有着良好的性能。

1 相关工作

网络拥塞是目前低轨卫星网络路由研究中面临的重

要问题。日益增长的业务需求，特别是突发性数据服务的

增加，极易导致网络拥塞。关于控制网络拥塞和实现流量

平衡，基于低轨卫星网络的特点，国内外学者提出了多种

负载均衡路由算法。参考文献[16]提出了一种轨道预测最

短路径优先（Orbit Prediction Shortest Path First, OPSPF）

的内存节约路由方法，利用卫星星座的规律性来处理 LEO

卫星网络的规则拓扑变化，并进行周期性路由计算，同时

以按需方式处理链路故障引起的拓扑不规则变化。该算法

虽然路由收敛快，但是在丢包率和端到端时延方面性能较

差。参考文献[17]提出了一种紧凑显式多径路由（Compact

Explicit Multi-Path Routing, CEMR）方法，该方法通过传

输时延和排队时延来评估链路拥塞程度。在计算传输成本

后，CEMR 将部分流量驱动到次优路径，但有时替代路径

会导致过大的时延。参考文献[18]提出了一种基于拥塞预

测的负载均衡路由（LBRA-CP）算法，以在整个近地轨

道卫星网络上实现有效的负载均衡；建立了一个多目标

优化模型，采用修正因素调整路径代价，并采用拥塞预

测方法预测卫星间链路拥塞，然后利用蚁群算法对该模

型进行求解，从而为每个连接请求找到最优路径。参考

文献[19]提出了一种受限最短路径优先算法，这是一种改

进的最短路径优先算法，它为了避免网络或节点拥塞，

将链路带宽的反比定义为链路权重，根据业务的特定要

求，在链路状态数据库的基础上，得到最终最短路径。

在虚拟拓扑结构和链路状态信息的基础上，参考文献[20]

提出了一种分布式的路由算法，利用低轨卫星网络的周

期性和可预测性，计算出静态拓扑的序列，并根据节点

的实时链路状态，更新节点的动态路由表，但是此种路

由方法既需要存储静态序列，又需要动态获取链路状态，

路由算法过于复杂。LCRA（一种基于低轨道卫星网络负

载均衡的低复杂度路由算法）[21]具有更真实、更完整的

拓扑结构和更实用的价值，但是当一个节点繁忙时，

LCRA 通过备用路径重新路由所有流量，这仍然需要优

化。参考文献[22]中提到的 RBCA 是在 LCRA 的基础上

第 2 期 邓霞等：基于遗传优化和人工蜂群的低轨卫星网络负载均衡路由算法 ·15·

改进了流量分类机制，根据时延的敏感度将流量分为 3

种类型，并在发生拥塞时使用星间链路（ISL）通过 GEO

路由一些不敏感的数据包，但未考虑高带宽占用率流量

的路由方法。

群智能算法是人工智能领域的一个子集，在解决各种

优化问题方面越来越受欢迎，并得到了广泛的应用。人工

蜂群算法受启发于蜜蜂的寻蜜和采蜜过程，属于经典群智

能算法中比较新的一种[23]，由于其具有控制参数少、易于

实现、计算简单、鲁棒性强、灵活性好等优点被用于解决

各种优化问题。在网络路由方面，参考文献[24]将改进的

人工蜂群算法运用到移动传感器网络中，在地面移动

Ad-Hoc 网络中也有运用[25]。参考文献[26]利用一种改进的

人工蜂群算法来研究最短路径问题。参考文献[27]采用增

强型人工蜂群算法生成车辆路线，解决自行车的重新定位

问题。在机器人路径规划问题中，参考文献[28]在 ABC 中

引入了一个协同进化框架，设计了一种全局最优的人工蜂

群算法。参考文献[29]对人工蜂群算法进行了改进，采用

了多种更新规则和 K-opt 操作，解决了经典的旅行推销员

问题。参考文献[30]提出了一种改进的基于混沌理论的

ABC 优化算法，用于分析各种战场环境下的无人战斗飞行

器路径规划。

现有的卫星路由方法，主要针对卫星移动引起的网络

拓扑结构改变进行分析，以实现对网络拓扑结构的快速调

整，但是对于卫星的载荷状态、链路利用率、路由度量等

方面的考虑还不全面。本文针对低轨卫星网络路由负载问

题，结合遗传优化算法，对人工蜂群算法进行改进，提出

一种基于遗传优化和人工蜂群的低轨卫星网络负载均衡

路由算法，可以达到负载均衡的作用。

2 低轨卫星网络拓扑模型

本文选用极地轨道低轨卫星星座，网络拓扑模型如图 1

所示。低轨卫星星座网络由 n×m 颗卫星组成，其中 n 为卫

星星座轨道数，m 为每条轨道上的卫星数。每颗卫星一般

有 4 颗邻居卫星：两颗在同一轨道上，两颗在相邻轨道上。

根据星间链路两端卫星是否在同一个轨道内可以分为轨

道内星间链路（图中卫星节点 1S 与 2 S ， 3 S 与 4 S 之间的链

路）和轨道间星间链路（图中卫星节点 1S 与 3 S ， 2 S 与 4 S

之间的链路）。一般情况下，同一轨道内卫星相对运动状

态较为稳定，因此轨道内星间链路的状态会相应处于稳定

状态中，而轨道间星间链路的状态则会受到卫星星座构型

及卫星相位的影响，没有轨道内星间链路状态稳定。把卫

星的运动周期 T 分为若干个时间片，每个时间片内，可以

把卫星的网络拓扑看作一个固定的拓扑结构。由于时间间

隔相对于卫星的周期较短，因此可认为每个时间片内链路

的长度保持不变，利用这种方式将卫星网络的动态拓扑结

构化为固定拓扑结构。

图 1 低轨卫星星座网络拓扑模型

本文将低轨卫星网络拓扑用有向图 G NE = (,) 表示，

其 中 1 2 N nn n = (, , , ) mn 是卫星 节 点的集 合 ，

1 2 E = (, , , ) ee e m 代表网络 G 中卫星节点之间的 ISL 的集

合。初始时刻，根据卫星所在轨道面和水平面，假设某颗

卫星节点的编号可以表示为 i S ，i mn ∈ − [0 1] ， ，则将坐标

（l，h）定义为卫星节点的逻辑位置，表示第 l 平面的第 h

颗卫星。

[/ ]

mod

l in

hi n

⎧ = ⎨

⎩ = (1)

3 遗传优化的人工蜂群算法

本文在 GABC 算法中的采蜜蜂阶段，基于遗传优化算

法思想，将到达目的卫星节点的路径进行交叉操作，使得

路由路径具有多样性，避免算法陷入局部最优。

人工蜂群算法思想与卫星路由问题的对应关系见

表 1。人工蜂群由蜜源和蜂群组成，其中每一个蜜源代

表了待求问题的一个可行解，与遗传优化算法中的染

色体相对应。蜜源的优劣即可行解的好坏，是用蜜源

的花蜜量大小来决定的，也就是适应度函数。本文用

路径代价函数来衡量蜜源的质量。按照蜂群的种类将

GABC 算法路由分为侦查蜂、采蜜蜂和观察蜂 3 个阶

段进行分析。

·16· 天地一体化信息网络 第 5 卷

表 1 人工蜂群算法思想与卫星路由问题的对应关系

蜂群采蜜行为 优化问题 低轨卫星路由算法

蜜源 优化问题的可行解 源节点到目的节点的路径

蜜源的花蜜量 优化问题中的适应度值 路径的评价值

寻找和采集蜜源的过程 问题求解过程 路由过程

最大花蜜量蜜源 问题的最优解 最优路径

3.1 适应度函数

本文用适应度函数来对路径进行评价，目标是找到时

延和带宽约束的路由，所以适应度函数可以定义为

(, )

1 fit

Delay

min{ ( , ) | Bw( , 1)}

p sd

psd

i psd ii B

=

∈ +

，

≥

(2)

其中， Psd (, ) 代表一条由源节点到目的节点的路径，

Delay（,） p s d 表示这条路径的总时延，即路径上所有链路的

时延总和，包含了传播时延 ( , 1) delay i i P +和排队时延 ( , 1) delay i i Q +

( , 1) ( , 1)

(, ) (, )

delay delay (, )

Delay delay( , 1)

ii ii

p sd i p sd

i p sd

i i

P Q + +

∈

∈

= +

= + ⎡ ⎤ ⎣ ⎦

∑

∑ (3)

传播时延 ( , 1) delay i i P +的计算公式为

( , 1)

( , 1)

delay i i

i i d

P c +

+ = (4)

其中，d（i,i+1）表示链路 ( , 1) i i + 的物理长度，c 表示真空中

光速，相除得出链路 ( , 1) i i + 上的传播时延。

排队时延 ( , 1) delay i i Q +采用参考文献[31]提出的方法

计算

( , 1)

avg

delay Num

Bw( , 1) i i p

P

Q i i + = × +

(5)

其中， Pavg 表示平均数据包的大小， Nump 代表一个队列

中的平均数据包数，Bw( , 1) i i + 为链路( , 1) i i + 的带宽大小。

设数据包到达和服务都是泊松过程，那么统计分布到

达间隔时间和服务间隔时间都遵循指数分布，使用参考文

献[17]提出的 M/M/1 排队模型，那么 Nump 为

Num

1 p

η

η = − (6)

其中，η 表示链路的利用率，它的计算方式由参考文献[22]

给出

LinkState ( LinkState) 1 kt k k η η e−Δ = +×− − (7)

其中，ηk 表示第 k 个数据包到达接口队列时该链路的利用

率。LinkState 表示链路状态，如果接口队列中或正在传输

中都没有数据包，则设置为 0，反之则为 1。 kt e−Δ 表示遗

忘率， k Δt 是队列中第 k 个和第 ( 1) k − 个数据包到达的时

间间隔。

3.2 侦查蜂

在初始阶段，源节点ｓ发送侦查蜂。在这个阶段蜜蜂

的搜索不受先验知识的影响，使用轮盘赌的方式，依据下

一跳节点到目的节点的最小跳数，随机选择下一跳节点。

在某一条数据流中，侦查蜂每到达一个途经节点 i，会在

携带的路由表中写入相邻节点和转移概率等相关信息。当

侦查蜂到达目的节点后，就转变成采蜜蜂，而这只蜜蜂记

录的路径则表示一个蜜源。

本文轮盘赌选择策略的出发点是最短路径跳数越小

的下一跳节点被选择的概率越大。其基本步骤如下。

（1）首先分别计算当前节点 i 的相邻节点的转移概率

Prij ，即相邻节点 j 成为当前节点 i 的下一跳的概率

1

1/ hop Pr

1/ hop

jd

ij k

jd j=

=

∑ (8)

其中， hop jd 表示下一跳节点 j 到目的节点 d 的最短路径

跳数，k 是当前节点的下一跳的候选节点数。

（2）将所有节点的转移概率拼成一个轮盘，轮盘分割

成 p 个部分，这里的 p 代表当前节点的相邻节点个数。每

个相邻节点在轮盘上所占的区域面积将根据最短路径跳

数成比例表达出来，最短路径跳数越小，转移概率越大，

所占面积越大，被选中的概率则越高。

1

Pr

k

k ij j Q ∑ = ＝ (9)

（3）根据式(9)计算每个部分的累积概率，累积概率表

示当前相邻节点之前所有相邻节点的转移概率之和，它相

当于在转盘上的“跨度”，“跨度”越大越容易选到，类似

于概率论中的概率分布函数。

（4）转动轮盘，随机选择：生成一个取值范围在 0 和

1 之间的均匀分布的伪随机数 r，若 1 r Q< ，则选中节点 1

作 为当前 节 点的下一 跳 ， 否则选择节 点 k （ 满 足

Q rQ k k −1 < ≤ ）。

3.3 采蜜蜂

成功到达目的节点 d 的侦查蜂会变成采蜜蜂，每只采

蜜蜂都记录了一条完整的路径，即蜜源。目的节点选取先

到达Ｎ条路径构成人工蜂群算法中的邻域——即相同源节

点和目的节点之间的不同路径的集合。为了避免陷入局部

最优解，本文选择在邻域中采用遗传优化算法中的交叉算

子的操作方式进行更新。

在本算法中，每一个蜜源，即每一条路径，在遗传算

第 2 期 邓霞等：基于遗传优化和人工蜂群的低轨卫星网络负载均衡路由算法 ·17·

法中都对应着一条染色体，而这条路径上的每个卫星节点

则代表了染色体上的基因。染色体上的任意一个卫星节点

（基因）与它的前后节点在网络拓扑中对应的都是一条星

间链路，为了保证卫星路由的连接性，本文选择单点交叉

方法。另外要求两条选定的染色体除源节点和目的节点

外，应该至少有一个共同的基因（卫星节点），但不需要

它们位于同一个位点。如图 2 所示，由源卫星节点到目的

卫星节点的两条路径（分别用蓝色和绿色标示），都经过

了 14 号卫星，则共同的基因就是 S14。如图 3 所示，选择

S14作为交叉节点进行单点交叉操作，两条染色体的前部分

路由连接源节点和一个中间节点，另一部分路由则连接中

间节点到目的节点。也就是说，交叉操作并不依赖于卫星

节点在路由路径中的位置。

图 2 路径交叉示例

图 3 路径交叉前后示例

通过交叉，交换两条选定染色体的部分路径，产生新

的路径进行比较。将两条新路径的适应度值和原始的两条

路径的适应度值进行比较，淘汰适应度值最小的两条路

径，实现贪婪进化，以确保路径朝着时延更小的方向进行

更新。

对邻域中的所有路径更新完毕之后，比较 N 个蜜源，

选择出最大花蜜量的蜜源，即得到一条适应度值最大的路

径，记录该条路径的采蜜蜂会通过分享信息对观察蜂进行

招募，沿着这条最优路径从目的节点返回源节点，每到达

一个节点，对该路径信息进行反向更新，改变卫星节点的

选择概率，以便观察蜂根据最新的路由信息选择路径。在

t 时刻，对于卫星节点 i，其选择邻居节点 j 作为下一跳的

概率更新规则为

Pr ( ) Pr ( 1) 1 ij ij t t = − +− ρ ρ (10)

其中，ρ 为（0,1）之间的常数。在低轨卫星网络初始阶段，

网络负载较轻，链路的更新规则为无拥塞状态下的拥塞处

理机制更新规则，具体的拥塞处理机制见第 4 节。

3.4 观察蜂

观察蜂根据采蜜蜂更新后的路由信息，与侦查蜂一样

采用轮盘赌算法，选择下一跳节点。与侦查蜂不同，由于

路径信息更新后观察蜂有了先验知识，会趋于更优的路径

进行选择。采蜜蜂更新后会改变节点的转移概率，到达目

的节点后，观察蜂变为采蜜蜂，沿着最新路径对路由信息

进行更新。

4 拥塞处理机制与算法开销分析

4.1 拥塞处理机制

日益增长的业务需求，特别是突发性数据服务的增

加，会导致网络出现拥塞。由于各个地区之间人口密度不

同，流量需求也不同，有些卫星会因负载过重导致拥塞。

因此要进行拥塞判断与处理，降低选择拥塞链路的概率，

使低轨卫星网络的流量负载达到均衡。

本文设置 ( ) ij θ t 为 t 时刻链路( i , i +1)等待队列占用

率，用来评价卫星 i 的拥塞程度，表示为

, 1

total

( ) ( ) i i

ij

Q t t

Q

θ + = (11)

其中， Qtotal 代表缓存队列总容量， ( ) Q t ij 表示在 t 时刻对

链路 (, ) i j 缓存队列中数据包的即时占用。另外，设置了阈

值 µ1和 µ2 ，且 µ1大于 µ2 ，并将占用率 ( ) ij θ t 与预先设置

的占用率阈值 µ1和 µ2 进行比较，分成了 3 种链路状态，

如式(12)所示， Pr ( ) ij t 表示 t 时刻链路(i , i +1)上的卫星节

点 j 被选择的概率。若 ( ) ij θ t 大于占用率阈值 µ1，则该时

刻链路判定为一级拥塞，将选择该条链路的概率ϕ 设置为

0；若 ( ) ij θ t 处于占用率阈值 µ1 和 µ2 之间，则该时刻链路

判定为二级拥塞；若 ( ) ij θ t 小于占用率阈值 µ2 ，则该时刻

链路判定为无拥塞。该拥塞处理机制贯穿 GABC 算法整个

流程，用于反向更新路由。

·18· 天地一体化信息网络 第 5 卷

2

1 2

1

Pr ( ) Pr ( 1) 1 ( )

Pr ( ) Pr ( 1) ( )

Pr ( ) Pr ( 1) 0 ( )

ij ij ij

ij ij ij

ij ij ij

tt t

tt t

tt t

ρ ρθ μ

ϕ μθ μ

ϕ ϕ θ μ

⎧

⎪⎪

⎨

⎪

⎪

= − +− <

= − >>

= −= > ⎩

塞： ，

二 塞： ，

一 塞： ， ，

无拥

级拥

级拥

(12)

其中， ρ 和ϕ 为（0,1）之间的常数。

总之，本文将人工蜂群算法运用到低轨卫星网络路

由，解决低轨卫星网络中的路由寻优问题，并用遗传算法

中的交叉操作对人工蜂群算法进行优化改进。交叉的作用

是交换两条选定染色体的部分路径，产生新的路径进行比

较，实现贪婪进化，以确保路径朝着时延更小的方向进行

更新。同时通过拥塞判断，设置不同的路由更新规则，对

路由路径拥塞状况进行控制，解决低轨卫星网络路由的负

载均衡问题。

4.2 算法开销分析

首先对 GABC 算法复杂度进行分析，该算法是一种分

布式概率选择算法，将人工蜂群算法的过程作为其主要框

架，在算法过程中加入了遗传操作。遗传优化算法中的交

叉方式是在父染色体中查找到与其有相同基因的个体，在

GABC 算法中，采用单点交叉方式，在成功到达目的节点

的侦查蜂路径找到具有相同节点的路径，两两交叉。时间

复杂度为 O（n2

），其中 n 为种群的规模大小，指到达目

的节点的侦查蜂的规模，所以 GABC 算法的时间复杂度

为 O（n2

）。对于 GABC 算法的空间复杂度，在遗传算法

的交叉操作中，需要对染色体，即成功到达目的节点的

侦查蜂的路径进行交叉操作，所以 GABC 算法的空间复

杂度为 O（n×m），其中 n 为种群的规模大小，m 为卫星

的数量规模。

其次对 GABC 算法的信令开销进行分析，在 GABC

算法中，侦查蜂与观察蜂为由源节点向目的节点发送的数

据包，到达目的节点后转变为采蜜蜂，并返回源节点，所

有蜜蜂信息存储均设置为 4 个字节。因此转发蜂群的开销

比可计算为 2×4/P，P 为数据包大小，假设数据包大小为

512 B，则 GABC 算法的信令开销为 1.5%。

5 仿真实验

5.1 仿真参数

本文使用 NS2 仿真平台和铱星系统的 LEO 卫星网

络来评估提出的 GABC 算法路由性能。铱星系统的 LEO

卫星网络由 66 颗卫星组成，仿真实验相关参数设置见

表 2。另外，仿真实验中选择如华盛顿、里约热内卢等

11 个城市，设置表 3 中的 7 条不同的数据流。为了更

好地分析协议性能，本文将 GABC 算法与 LBRA-CP 算

法[18]和最短路径路由（Shortest Path Routing，SPR）算

法进行比较。LBRA-CP 是基于蚁群智能路由的算法，

该算法利用拥塞预测方法来预测星间链路拥塞，将流量

从热点地区转移到非热点地区，从而平衡整个网络的负

载。SPR 算法是基于 Dijkstra 的最短路径路由协议。SPR

算法为源节点找到一条距离目的地最近的路径。在实验

中，采用以下指标评估性能。

表 2 仿真实验相关参数设置

参数名称 参数值

轨道数量 6 条

每条轨道上的卫星数量 11 颗

卫星轨道高度 780 km

卫星轨道倾角 86.4°

每颗卫星的链路 4 条

极地边界纬度值 60°

星间链路带宽 5 Mbit/s

星地链路带宽 5 Mbit/s

节点缓冲区数据包个数 50 个

数据包大小 512 B

表 3 模拟数据流的起止城市

起始城市（源节点） 目的城市（目的节点）

华盛顿 安卡拉

里约热内卢 孟买

悉尼 乌鲁木齐

达尔文 里斯本

乌鲁木齐 比勒陀利亚

孟买 莫斯科

安卡拉 香港

（1）数据交付率：到达目的节点的消息数与预期到达

目的地的消息数之比。

（2）传输开销比：消息转发总数除以到达目的节点的

消息数。

（3）平均时延：所有消息从源节点到目的节点所花费

的平均时间。

（4）吞吐量：在目的节点上的总成功接收消息的平均

传递率。

5.2 不同恒定比特率下的性能

为了评估恒定比特率（Constrant Bit Rate, CBR）的传

第 2 期 邓霞等：基于遗传优化和人工蜂群的低轨卫星网络负载均衡路由算法 ·19·

输速率对 GABC 算法性能的影响，将卫星网络中的总 CBR

速率从 0.6 Mbit/s 增加到 4.2 Mbit/s。其他模拟参数见表 2。

在图 4 中，随着 CBR 速率的增加，卫星网络负载逐

渐加重，所有协议中的数据交付率都随之降低。由于

GABC 算法采用了拥塞处理机制，并根据路由当前状态及

时更新路由表，因此 GABC 算法在 0.6 Mbit/s 到 4.2 Mbit/s

的 CBR 速率范围内都保持着最高的数据交付率。SPR 算

法随着 CBR 速率的增加数据交付率变为最低，是由于该

算法是从源节点找到一条距离目的节点最近的路径，并未

考虑网络拥塞状况，随着网络负载升高，就会导致较高的

丢包率，数据交付率就会下降。LBRA-CP 通过拥塞预测

来寻找最佳路径，但是该算法开销较高，而且在 3 Mbit/s

的 CBR 速率之后，由于高负载，其数据交付率没有 GABC

算法稳定。

图 4 不同 CBR 速率下的数据交付率

如图 5 所示，就传输开销比而言，GABC 算法在

0.6 Mbit/s 到 4.2 Mbit/s 的 CBR 速率范围内都保持着最

低的传输开销比，因为 GABC 算法在选择路径时考虑

了最小跳数以及拥塞状况，有效限制了数据传输的范

围。LBRA-CP 算法的传输开销比最高，这是因为蚁群

算法在初始阶段需要大量蚂蚁探路，而该算法又有着较

大的蚂蚁搜索范围和较慢的蚁群收敛速度，导致其传输

开销比较大。SPR 算法随着 CBR 速率的增加，负载变

重，传输开销比升高。

如图 6 所示，就平均时延而言，在 0.6 Mbit/s 到

3.4 Mbit/s 的 CBR 速率之间，GABC 算法始终保持着低平

均时延。因为 GABC 算法的适应度函数主要由时延来决

定，并且遗传操作加快了算法的收敛速度，所以路由信

息得到了更快的正反馈。随着 CBR 速率增大（如从

1.4 Mbit/s 到 3.4 Mbit/s），路径负载加重，但是 GABC

算法会根据拥塞处理机制，避开负载重的卫星节点，倾

向于选择负载较轻的路径，从而一直表现出比 SPR 算

法更低的平均时延。随着 CBR 速率继续增大，卫星网

络负载非常大，在 CBR 速率大于 3.4 Mbit/s 之后，GABC

算法平均时延与 SPR 算法平均时延接近，但是此时 SPR

算法的数据交付率降低到了 0.5 以下，远不及 GABC 算

法。整体而言，GABC 算法具有良好且较为稳定的平均

时延，当网络负载很重时，依然能保持良好的时延性能。

LBRA-CP 算法在平衡整个网络的负载的同时，路径的

平均时延会变更高。

图 5 不同 CBR 速率下的传输开销比

图 6 不同 CBR 速率下的平均时延

如图 7 所示，CBR 速率在 0.6 Mbit/s 到 1.4 Mbit/s 之

间，3 种算法的吞吐量相差不大。GABC 算法在 1.8 Mbit/s

到 4.2 Mbit/s 的 CBR 速率范围内始终保持着最高的吞吐

量，SPR 算法的吞吐量最低。当 CBR 速率在 1 Mbit/s 至

3 Mbit/s 之间时，GABC 算法和 LBRA-CP 算法的吞吐量

变化相似，当 CBR 速率达到 3 Mbit/s 后，LBRA-CP 算法

吞吐量有所下降。

·20· 天地一体化信息网络 第 5 卷

图 7 不同 CBR 速率下的吞吐量

5.3 泊松流下的性能

为了评估 GABC 算法在随机概率事件下的综合性

能，设置每条数据流都服从泊松过程来发送数据包，具

体见表 3。与恒定比特率流不同，泊松流每个源节点随

机生成数据包。每条数据流源节点每隔一段时间随机发

送数据包，单位时间内发送数据包个数符合泊松分布，

数据包发送时间间隔符合指数分布。其中，数据包平均

发送速率计算公式为

= ××

平均 送速率

１ 平均 据包大小 ８ 平均 隔

发

数 时间间

(12)

图 8 显示了泊松流在不同的平均发送速率下的数

据交付率对比。随着 7 条数据流的源节点发送数据包

的平均时间间隔不断缩短，单位时间内的数据包增多，

网络负载也逐渐加重。3 种算法在泊松流发送的平均速

率在 0.6 Mbit/s 到 4.2 Mbit/s 之间的数据交付率均呈下

降趋势，其中，SPR 算法只会选择最短距离的链路转

发数据，因此性能最差。由于搜索范围更加广阔，GABC

算法和 LBRA-CP 算法的数据交付率均优于 SPR 算法。

相较于 LBRA-CP 算法，GABC 算法一直保持着优势，

尤其当速率大于 3 Mbit/s 时，LBRA-CP 算法数据交付

率下降明显。由于 GABC 算法的动态拥塞处理机制，

随着泊松流发送的平均速率的增加，GABC 算法呈现

较为稳定的下降趋势。

图 9 显示了随着泊松流发送的平均速率的增加，3 种

算法的传输开销比对比。由于 GABC 算法的路由反馈机

制，数据包更倾向于选择当前更优的路径，所以有着最佳

的传输开销比。LBRA-CP 是基于蚁群算法的分布式群体

智能算法，为了能将更多的数据包送达目的节点，需要搜

索更广的范围和更高的转发次数将数据成功送达目的节

点，所以其传输开销比最高。

图 8 泊松流在不同的平均发送速率下的数据交付率对比

图 9 随着泊松流发送的平均速率的增加，3 种算法的传输开销比对比

图 10 显示了泊松流在不同的平均发送速率下的 3 种

算法的平均时延。随着泊松流发送的平均速率增大，网络

负载变重，GABC 算法在泊松流发送的平均速率在

0.6 Mbit/s 到 3 Mbit/s 之间保持着较低的平均时延，这是因

为 GABC 算法的路由得到正反馈以及拥塞处理机制，均衡

了网络负载，并且在泊松流发送的平均速率在 1.4 Mbit/s

至 2.6 Mbit/s 之间，GABC 算法保持最低的时延。在泊松

流发送的平均速率大于 3 Mbit/s 后，GABC 算法和 SPR 算

法的平均时延比较接近，但是随着网络负载加重，SPR 算

法的丢包率远高于 GABC 算法。SPR 算法由于选择最短路

径传输，其时延相比 LBRA-CP 算法较小，但数据交付率在

网络拥塞时非常低。相较于 LBRA-CP 算法的搜索范围较广

的特性，GABC 算法的拥塞处理机制，使数据包更倾向于

选择当前更优的路径，所以 GABC 算法的平均时延优于

LBRA-CP 算法，在网络负载较重的时候体现得更为明显。

第 2 期 邓霞等：基于遗传优化和人工蜂群的低轨卫星网络负载均衡路由算法 ·21·

图 10 泊松流在不同的平均发送速率下的 3 种算法的平均时延

图 11 显示了随着泊松流发送的平均速率的增加，3

种算法的吞吐量对比。3 种算法的吞吐量都随着泊松流发

送的平均速率的增大而增大。在泊松流发送的平均速率在

0.6 Mbit/s 到 1.4 Mbit/s 之间 3 种算法的吞吐量相差不大，

SPR 算法在泊松流发送的平均速率大于 1.8 Mbit/s 后吞

吐量并没有增加太多。在泊松流发送的平均速率在

0.6 Mbit/s 到 2.6 Mbit/s 之间，网络拥塞程度一般，

GABC 算法和 LBRA-CP 算法的吞吐量相差较小。当泊

松流发送的平均速率大于 2.6 Mbit/s 后，拥塞程度严

重，GABC 算法的吞吐量逐渐拉开与 LBRA-CP 算法的

吞吐量的距离。

图 11 随着泊松流发送的平均速率的增加，3 种算法的吞吐量对比

总之，仿真实验结果表明，相比于 LBRA-CP 算法和

SPR算法，GABC算法的数据交付率和吞吐量都是最高的，

且在网络负载较重时可以有效均衡网络负载，拥有较小的

传输开销和平均时延。这是由于 GABC 算法在人工蜂群算

法基础上引入了遗传交叉操作，增加了路径搜索的多样

性，并且进一步考虑了链路拥塞状态，相应的，付出的额

外代价是遗传操作所需的时间复杂度和空间复杂度，根据

本文的分析，遗传优化算法时间复杂度和空间复杂度均在平

方级，属于可接受范围，不影响算法的可行性。

6 结束语

后续将对低轨卫星网络中的负载均衡问题继续深入

研究，将考虑卫星节点的能耗问题，在路由选择过程中，

考虑卫星节点的能源状态，选择能够最大程度优化能量资

源的节点来传递信息。

参考文献

[1] 朱立东, 张勇, 贾高一. 卫星互联网路由技术现状及展望[J]. 通

信学报, 2021, 42(8): 33-42.

ZHU L D, ZHANG Y, JIA G Y. Current status and future prospects

of routing technologies for satellite Internet[J]. Journal on Communications, 2021, 42(8): 33-42.

[2] LEE Y, CHOI J P. Connectivity analysis of mega-constellation

satellite networks with optical intersatellite links[J]. IEEE Transactions on Aerospace and Electronic Systems, 2021, 57(6):

4213-4226.

[3] 安建平, 李建国, 于季弘, 等. 空天通信网络关键技术综述[J].

电子学报, 2022, 50(2): 470-479.

AN J P, LI J G, YU J H, et al. Key technologies of space-air-ground

communication networks: a survey[J]. Acta Electronica Sinica,

2022, 50(2): 470-479.

[4] BURLEIGH S C, COLA T D, MOROSI S, et al. From connectivity

to advanced Internet services: a comprehensive review of small

satellites communications and networks[J]. Wireless Communications and Mobile Computing, 2019: 1-17.

[5] BHATTACHERJEE D, AQEEL W, BOZKURT I N, et al. Gearing

up for the 21st century space race[C]//Proceedings of the 17th

ACM Workshop on Hot Topics in Networks. NewYork: ACM,

2018: 113-119.

[6] 陈全, 杨磊, 郭剑鸣, 等. 低轨巨型星座网络: 组网技术与研究

现状[J]. 通信学报, 2022, 43(5): 177-189.

CHEN Q, YANG L, GUO J M, et al. LEO mega-constellation network: networking technologies and state of the art[J]. Journal on

Communications, 2022, 43(5): 177-189.

[7] LIU Y L, ZHU L D. A suboptimal routing algorithm for massive

LEO satellite networks[C]//Proceedings of 2018 International

Symposium on Networks, Computers and Communications

（ISNCC）. Piscataway: IEEE Press, 2018: 1-5.

[8] LYU Y C, XING C, XU N, et al. Research of adaptive routing

scheme for LEO network[C]//Proceedings of 2019 IEEE 5th International Conference on Computer and Communications （ICCC）.

Piscataway: IEEE Press, 2020: 987-992.

[9] 李科新, 尤力, 高西奇. 基于大规模 MIMO 的低轨卫星通信系

统[J]. 天地一体化信息网络, 2022, 3(1): 2-8.

LI K X, YOU L, GAO X Q. Massive MIMO LEO satellite com-

·22· 天地一体化信息网络 第 5 卷

邓霞（1983− ），女，博士，广州大学计算机

科学与网络工程学院副教授，硕士生导师，主

要研究方向为空天地一体化网络、移动边缘计

算、分布式网络协议设计及性能分析等。

郝苗苗（1998− ），女，广州大学网络空间安

全学院硕士生，主要研究方向为低轨卫星网

络、负载均衡路由算法等。

林武城（1995− ），男，广州大学计算机科学

与网络工程学院硕士生，主要研究方向为强化

学习、分布式网络路由算法等。

munications system[J]. Space-Integrated-Ground Information Networks, 2022, 3(1): 2-8.

[10] PORTILLO I D, CAMERON B G, CRAWLEY E F. A technical

comparison of three low earth orbit satellite constellation systems to

provide global broadband[J]. Acta Astronautica, 2019, 159: 123-135.

[11] PULTAROVA T. Mega-constellations: will they bridge space communications[J]. Engineering & Technology, 2018, 13(1): 66-69.

[12] JIA M, ZHU S Y, WANG L F, et al. Routing algorithm with virtual

topology toward to huge numbers of LEO mobile satellite network

based on SDN[J]. Mobile Networks and Applications, 2018, 23(2):

285-300.

[13] 郑爽, 张兴, 王文博. 低轨卫星通信网络路由技术综述[J]. 天地

一体化信息网络, 2022(3): 97-105.

ZHENG S, ZHANG X, WANG W B. Survey of low earth orbit

satellite communication network routing technology[J].

Space-Integrated-Ground Information Networks, 2022(3): 97-105.

[14] CHEN Q, GIAMBENE G, YANG L, et al. Analysis of inter-satellite

link paths for LEO mega-constellation networks[J]. IEEE Transactions on Vehicular Technology, 2021, 70(3): 2743-2755.

[15] IWAMOTO K, ARAKI T, KOBAYASHI Y, et al. Experimental

verifications on small optical inter-satellite communication system

for small and micro satellites[C]//Proceedings of 2017 IEEE International Conference on Space Optical Systems and Applications

(ICSOS). Piscataway: IEEE Press, 2017: 59-62.

[16] PAN T, HUANG T, LIX C, et al. OPSPF: orbit prediction shortest

path first routing for resilient LEO satellite networks[C]//Proceedings

of ICC 2019 - 2019 IEEE International Conference on Communications(ICC). Piscataway: IEEE Press, 2019: 1-6.

[17] BAI J J, LU X C, LU Z X, et al. Compact explicit multi-path routing for LEO satellite networks[C]//Proceedings of HPSR. 2005

Workshop on High Performance Switching and Routing. Piscataway: IEEE Press, 2005: 386-390.

[18] WANG H T, WEN G L, LIU N J, et al. A load balanced routing

algorithm based on congestion prediction for LEO satellite networks[J]. Cluster Computing, 2019, 22(4): 8025-8033.

[19] JAUHARI A S, KISTIJANTORO A I. INET Framework modifications in OMNeT++ simulator for MPLS traffic engineering[C]//Proceedings of 2014 International Conference of Advanced

Informatics: Concept, Theory and Application (ICAICTA). Piscataway: IEEE Press, 2014:87-92.

[20] LIU Y J, LIU C Y. Distributed dynamic routing algorithm for satellite constellation[C]//Proceedings of 2018 10th International Conference on Communication Software and Networks (ICCSN). Piscataway: IEEE Press, 2018: 300-304.

[21] LIU X M, YAN X M, JIANG Z Q, et al. A low-complexity routing

algorithm based on load balancing for LEO satellite networks[C]//Proceedings of 2015 IEEE 82nd Vehicular Technology

Conference (VTC2015-Fall). Piscataway: IEEE Press, 2015: 1-5.

[22] MA J L, QI X G, CHEN C. Routing algorithm based on congestion

avoidance in satellite networks[J]. Journal of Jilin University (Science Edition), 2019, 57(2): 357-362.

[23] JI J K, SONG S B, TANG C, et al. An artificial bee colony algorithm search guided by scale-free networks[J]. Information Sciences, 2019, 473: 142-165.

[24] LU Y, SUN N, PAN X Q. Mobile sink-based path optimization

strategy in wireless sensor networks using artificial bee colony algorithm[J]. IEEE Access, 2018, 7: 11668-11678.

[25] LABED S, KOUT A, CHIKHI S. A new approach based bee colony

for the resolution of routing problem in mobile ad-hoc networks[J].

International Journal of Applied Metaheuristic Computing, 2019,

10(2): 131-151.

[26] EBRAHIMNEJAD A, ENAYATTABR M, MOTAMENI H, et al.

Modified artificial bee colony algorithm for solving mixed interval-valued fuzzy shortest path problem[J]. Complex & Intelligent

Systems, 2021, 7(3): 1527-1545.

[27] WANG Y, SZETO W Y. An enhanced artificial bee colony algorithm for the green bike repositioning problem with broken bikes[J].

Transportation Research Part C: Emerging Technologies, 2021, 125:

102895.

[28] XU F Y, LI H L, PUN C, et al . A new global best guided artificial

bee colony algorithm with application in robot path planning[J].

Applied Soft Computing, 2020, 88: 106037.

[29] KHAN I, MAITIM K. A swap sequence based Artificial Bee Colony algorithm for Traveling Salesman Problem[J]. Swarm and Evolutionary Computation, 2019, 44: 428-438.

[30] XU C F, DUAN H B, LIU F. Chaotic artificial bee colony approach

to Uninhabited Combat Air Vehicle (UCAV) path planning[J]. Aerospace Science and Technology, 2010, 14(8): 535-541.

[31] BERTSEKAS D, GALLAGER R. Data networks[M]. New Jersey:

Prentice Hall, 1992.

[作者简介]

2024 年 6 月 Space-Integrated-Ground Information Networks June 2024

第 5 卷第 2 期 天 地 一 体 化 信 息 网 络 Vol.5 No.2

星地融合网络管控架构设计

韩 湘 1,2，董 涛 1,2，殷 杰 1,2，刘志慧 1,2

（1. 航天恒星科技有限公司天地一体化信息技术国家重点实验室，北京 100095；

2. 北京卫星信息工程研究所，北京 100095）

摘 要：星地融合网络的运行管控需要面向巨型星座和天地大尺度网络，实现对异构基础设施、分层立体网络、跨域多维资源、

定制化业务服务的综合调度管理，管控对象多样，关系错综复杂，管控的协同性和高效性直接影响网络的服务能力。针对以上

问题，基于网络为本、星网协同的理念，探索星座、网络、业务的协同管控机制，提出星地融合网络运行管控的总体架构，并

详细设计管控中心功能，规划典型运行管理流程，分析其在巨型星座在轨管理和大尺度跨域网络管理等方面的适用性，为星地

融合网络运行管控系统建设和系统运行管理提供技术支撑。

关键词：星地融合网络；网络管理；星座管理；资源管理

中图分类号：TP393

文献标识码：A

doi: 10.11959/j.issn.2096−8930.2024013

Design of Management Architecture for

Satellite-Terrestrial Integrated Networks

HAN Xiang1,2, DONG Tao1,2, YIN Jie1,2, LIU Zhihui1,2

1. State Key Laboratory of Space-Ground Integrated Information Technology,

Space Star Technology Co., Ltd., Beijing 100095, China

2. Beijing Institute of Satellite Information Engineering, Beijing 100095, China

Abstract: The management of the satellite-terrestrial integrated network targeting giant constellations and large-scale networks, requires

the comprehensive management of heterogeneous infrastructure, layered stereoscopic network, cross domain multi-dimensional resources, customized business services, the collaboration and efficiency of management directly affect the service capability of the network. Based on the concept of network as its essence and collaboration between satellites and networks, this paper explored the collaborative manage mechanism of constellation, network, and business, proposed the overall architecture of satellite-terrestrial integrated

network management, designed the manage center function in detail, planed typical operational management processes, and analyzed its

applicability in the management of giant constellations in orbit and large-scale cross domain network management. This paper provided

technical support for the construction and operation management of the satellite-terrestrial integrated network.

Keywords: satellite-terrestrial integrated network, network management, constellation management, resource management

0 引言

为了满足未来“万物智联”和全时、全域通信的迫切

需求，卫星网络与地面网络相融合已被认为是未来网络的

发展方向之一[1]。近年来，随着以星链、一网等星座为代

表的低轨宽带星座逐步建成[2]，我国卫星互联网技术试验

星成功发射[3]等一系列重大事件的发生，星地融合网络的

论证、设计、建设和应用受到了越来越广泛的关注[4-6]。

星地融合网络具有基础设施跨域异构、天地网络大尺

度互联、虚实资源融合应用、业务服务灵活多样等特点。

与传统卫星通信领域单星、单站、单网系的运行管理模式

相比，星地融合网络的运行管控涵盖巨型星座在轨管控、

收稿日期：2024−01−22；修回日期：2024−05−04

基金项目：国家重点研发计划资助项目（No.2022YFB2902504）

Foundation Item: National Key Research and Development Program of China (No.2022YFB2902504)

·24· 天地一体化信息网络 第 5 卷

天地大尺度网络管理、多类多等级服务综合保障等方面，

在协同性、时效性、精细化等方面提出了更高的要求。如

何实现网络的可靠运行和高效管控是制约星地融合网络

应用服务的关键问题之一，业界已开展了广泛的研究。参

考文献[7]面向高低轨混合卫星网络，提出了基于统一管控

平面的管控架构。参考文献[8]针对超大规模卫星网络，提

出了云边协同管控体系，设计了基于服务组合的管控系

统。参考文献[9]从网络资源管理、业务流量管理和网络状

态管理 3 个方面分析了人工智能技术在卫星网络运维与管

理领域的研究现状。参考文献[10]面向天地一体化的天基

传输网络，分别针对透明转发、固定多波束、星上处理等

情况设计了运维管控系统的架构和功能。参考文献[11]针

对 5G 网络，分析了网络运维的现状和趋势，设计了面向

5G 网络的智能化运维模式。参考文献[12]针对大规模低轨

卫星网络，设计了基于软件定义网络（Software Defined

Network，SDN）的时间敏感网络控制架构和循环优先转

发（Cyclic Priority Forward，CPF）交换机制。参考文献[13]

针对大规模卫星网络，提出了卫星网络路由管控的难点和

解决方法。

本文基于网络为本、星网协同的管控理念，通过分析

星地融合网络的运行管理对象，提出了运行管控的总体架

构，详细设计了管控中心的功能组成，规划了典型业务的

运行管理流程，并分析了其在巨型星座在轨管理和大尺度

跨域网络管理等方面的适用性，为星地融合网络管控系统

建设和运行管理提供了参考。

1 管控对象分析

星地融合网络在物理架构上由空间段的高轨和低轨

卫星星座、地面段的各类地面站以及应用段的各类终端组

成，在逻辑功能上由接入网、承载网与核心网构成[14]，如

图 1 所示。

从星地融合网络的构成看，其本质是基于接入+承载+

核心架构的天地融合移动通信网络，与地面移动通信网络

的区别在于星地融合网络以卫星节点为主，大规模卫星节

点组成巨型星座，节点间通过微波或激光方式实现天地大

尺度互联，节点资源受限且中低轨卫星节点还具有较高的

运动性，这些差异给网络的运行管控带来诸多挑战。首先，

网络的运行管控需要针对大规模混合星座在轨管理的需

求，具备星座构型保持、卫星平台管理、载荷配置以及轨

道机动等能力[15-18]，实现巨型星座在轨稳定运行；其次，

网络运行管控需要针对星地/星间节点相对运动的特点，动

态构建网络传输和控制架构，规划路由交换机制[19-22]，实

现天地网络拓扑高动态变化下的可靠互联；最后，网络运

行管控需要针对用户时延敏感、大容量、高可靠等多样

化业务需求，实现资源受限条件下的按需分配和定制化

服务[23-26]。星座、网络以及业务服务等各类管控需求相互

影响，互相制约。为降低管控难度，可以采用分层解耦的

思想，按照从低到高的层次关系，将管控对象分为基础设

施、网络资源、业务服务 3 类，如图 2 所示。

基础设施类主要包括卫星星座（含高、中、低轨卫星）、

地面站通信设备（含天线、射频、基带等信息传输和处理

图 1 星地融合网络架构

第 2 期 韩湘等：星地融合网络管控架构设计 ·25·

设备，以及交换机、路由器等网络设备）等物理实体。对

这类对象的管控以卫星的在轨管理、设备的运行监控和故

障处置为主，基于星地位置关系调度卫星和地面站建立星

间/星地物理传输链路，形成星地融合网络的底层基础。

网络资源类主要包括部署于卫星和地面站的网络设

施，包括用户接入网、天地承载网和核心网的各类网元。

对这类对象的管控以网元的配置管理、性能管理、故障管

理，以及路由交换、频率、功率等方面的资源管理为主，

形成星地融合网络的中层网络。

业务服务类主要包括面向用户的宽带通信、天基物

联、窄带通信、天基中继等各类服务。对这类对象的管控

以实现高层应用管理、业务运行态势分析、终端运行监控

为主，形成星地融合网络的高层应用。

2 管控总体架构

2.1 逻辑架构

星地融合网络的运行管控采用管理与控制分离的思

想，分为管理层和控制层，如图 3 所示。管理层主要面向

全系统，基于控制层上报的控制信息，形成对被管对象粗

粒度、非实时的规划调度和管理策略，作为控制层实施控

图 3 运行管控逻辑架构

图 2 管控对象构成

·26· 天地一体化信息网络 第 5 卷

制的依据，实现综合性、全局性的态势管理、任务管理、

资源管理等功能。控制层依据管理层下发的规划和策略，

对各类管控对象实施细粒度、实时的配置调度、资源分配

与运行监控。管理层和控制层协同运行，共同实现星地融

合网络的高效可靠运行。

根据管理的综合程度不同，管理层又可以进一步划分

为综合管理和分类管理两个子功能层。综合管理子层面向

整个星地融合网络完成综合分析、统筹规划、系统优化；

分类管理子层在顶层规划的框架下，完成面向基础设施、

网络、资源、业务运行等各类管控对象的管理。

根据管控对象的类型不同，控制层也可以进一步分为

基础设施、网络资源以及业务服务的运行控制。基础设施

监控主要通过卫星星座测控、地面站站控等功能实现；网

络资源控制主要通过星载/地面基站、核心网、天地承载网

控制器等网元实现；业务服务管控主要通过终端管控代理

等功能实现。

2.2 物理部署

星地融合网络的运行管控功能由部署于运行管控中

心的管理功能和部署于各被管对象上（地面站、高低轨卫

星、用户终端）的控制功能共同完成。

运行管控中心是星地融合网络的管控核心，主要完成

基础设施管理（含卫星星座管理与地面设施管理）、网络

管理、业务管理以及综合管理等管理层功能，从顶层角度

分析、评估全网运行状态，制定各类规划、策略，实现各

类被管对象的协同调度。同时具备与外部系统（运营支撑

平台、气象、空间监视等）的互联能力和系统的运行维护

保障能力。

地面站部署站控系统，完成站内所有设备运行状态监

控和故障处置的控制功能。同时按需部署基站、核心网、

承载网（路由交换、SDN 控制器等）等网络设备/网元，

完成网络、资源和业务的控制层功能。

高低轨卫星配置测控系统，完成卫星平台和载荷控制

功能，同时按需部署天基承载网（路由交换、SDN 控制器

等）、星载基站、星载核心网等处理载荷/网元，完成处理

载荷管控、网络和资源的实时控制等控制层功能。

用户终端部署管控软件和终端管控代理，完成终端设

备管控和终端高层协议处理等控制层功能。

3 运行管控中心功能设计

运行管控中心是星地融合网络的“大脑”，具备服务

承接、网络管控、运维支撑等能力。基于“功能域—功能

组—功能单元”的层次架构，可以将运行管控中心划分为

运营支撑、管理控制和运行保障 3 个功能域，并进一步细

化为各具体功能，如图 4 所示。其中，管理控制域为核心，

运行保障域为辅助支撑，运营支撑域为服务接口，各域协

同实现卫星星座测控、网络资源管理、用户业务服务等功

能的集成与统一。

3.1 管理控制域

（1）基础设施管理

基础设施管理主要实现卫星星座的全生命周期管理

（包括发射入轨、在轨部署测试、在轨运行和离轨各阶段）

和地面站设备的运行管控，可以分为任务规划管理、测控

资源管理、星座控制、地面站控制以及综合监视 5 个功能。

任务规划管理面向大规模卫星星座和广域分布地面

站完成星座测控任务规划。任务规划管理汇总中继数据传

输、通信载荷调整等业务需求以及巨型星座在轨管理、地

面站设备等运维需求，进行链路资源分析、冲突消解，形

成任务规划并进一步制定卫星测控计划、地面站控制计

划，调度卫星和地面站设备建立馈电和测控链路，同时构

建任务库，对任务实施进行全过程管理，并具备应急任务

调整能力。

测控资源管理面向巨型星座的馈电链路和测控链路

资源，针对发射入轨、在轨部署测试、在轨运行以及离

轨各阶段，依据低轨/高轨、常规/应急等不同类型测控需

求，建立并维护链路资源池，为任务规划管理提供可用

资源依据。

星座控制管理面向巨型星座，完成各卫星控制计算和

指令上注。针对轨道位置保持、构型保持、轨道机动、碰

撞规避、离轨控制等平台控制要求，完成控制策略生成、

控制参数计算等控制计算。依据卫星控制计划，完成指令

编制，注入数据生成，实施遥控指令上注，并判断指令执

行情况。

地面站控制面向高低轨信关站、测控站等站型，基于

地面站工作计划和测控计划生成设备控制参数和控制调

度计划，实现对各类地面站通信设备的参数配置和远程控

制，并对地面站设备故障进行分析和处置。

综合监视实现卫星星座和地面站设备的运行监视和

态势分析。对卫星星座，综合监视接收处理卫星遥测数据，

实时监视卫星状态，并分析卫星运行情况；对地面站，综

合监视接收站控上报的设备运行数据，实时监视设备运行

状态，分析评估设备运行情况；综合汇集处理各卫星星座

和地面站监视数据形成星座及地面站综合运行态势。

第 2 期 韩湘等：星地融合网络管控架构设计 ·27·

（2）网络资源管理

网络资源管理面向接入+承载+核心的天地大尺度网

络架构，实现网络运行管理和资源规划配置，可以分为核

心网管理、接入网管理、承载网管理、综合网络管理、综

合资源管理 5 个功能。

核心网管理面向部署于星载/地面的核心网网元，完成

网元配置、拓扑管理、性能分析、告警汇聚关联与处置、

权限安全等统一管理，实现配置下发、性能统计分析、故

障处置等功能。

接入网管理面向星载或地面基站，完成用户侧无线资

源配置与运行状态监视、性能监控、告警监视与故障处置

等功能，实现多体制接入网的统一管理。

承载网管理面向天地一体承载网，完成一体化的星间

和星地拓扑管理、路由规划与配置、网络功能部署、网络

运行状态监视等功能，实现星间激光、微波、地面光纤等

多种承载方式的统一管理。

综合网络管理实现网络整体的运行管理和业务配置，

从核心网、接入网、承载网各网管采集告警、资源、性能、

业务等数据，完成运行综合监控、性能关联分析、综合故

障处置等功能，通过与核心网、接入网、承载网的网管交

互，实现业务的自动化处理。

综合资源管理面向用户链路的无线资源、天地承载网

的网络资源，建立并维护无线资源和网络资源的资源池，

结合通信任务需求、通信体制、服务质量需求等约束条件，

完成无线资源和网络资源的顶层规划，实现各类资源的统

一规划调度和维护管理。

（3）业务服务管理

业务服务管理面向网络中的各类用户终端、各项通信

任务完成综合管理和运行分析，可以划分为业务运行管

理、通信任务管理、终端管理 3 个功能。

业务运行管理面向宽带传输、移动通信、物联采集等

各类业务，完成业务量统计、业务运行状态分析、业务综

合评估等功能，实现对所有业务的综合管理。

通信任务管理面向专网通信、抢险救灾、应急保障等

图 4 星地融合网络管控功能物理部署

·28· 天地一体化信息网络 第 5 卷

组网通信任务，对任务进行分级分类，完成任务从创建、

规划、执行、评估的全周期管理。

终端管理面向手持、车载、便携等多类用户终端，完

成终端的入退网控制和运行状态监视，综合显示各类终端

的在网情况、通信情况、故障情况，并对终端使用情况进

行统计分析。

（4）综合管理

综合管理功能从顶层和全局的角度，实现任务、资源

的全局管理和全网态势的综合显示，并对网络整体运行情

况进行分析评估。综合管理功能可以分为综合态势管理、

综合任务管理、综合资源管理、综合运行评估 4 个功能。

综合态势管理汇集基础设施管理、网络资源管理和业

务服务管理的各类运行信息，从星座运行、天地网络拓扑、

业务服务、资源使用等多个视角展示全网的运行状态。

综合任务管理面向运营支撑域派发的各类任务需求，

构建任务数据库，完成任务分解、分类派发、过程管理、

执行效果管理等功能，对任务进行全过程统一管控。

综合资源管理面向卫星测控资源、无线通信资源、天

地网络资源，构建资源池，统计分析各类资源的使用情况，

基于任务需求和网络运行状态，对资源进行顶层的规划和

调配，实现全网资源的优化配置。

综合运行评估包括基础设施的健康状态评估和网络

业务的运行状态评估两方面。基础设施的健康状态评估主

要用于完成卫星星座、地面站设备运行状态的健康监测、

故障告警、趋势预测以及寿命预测等任务，并给出运维建

议；网络业务的运行状态评估主要用于建立网络和业务评

估的指标体系和业务模型，对业务运行和网络运行趋势及

资源使用情况进行预测，并给出优化建议。

3.2 运营支撑域

运营支撑域作为运营系统和运行管控中心之间的桥

梁，为星地融合网络的业务运营提供数据支撑。运营支撑

域接收运营系统的业务服务订单、客户投诉建议，下发运

行管控中心管理控制域进行业务开通、投诉处置。同时，

采集资源数据、业务运行数据、运行评估数据等各类数据，

提供 BOSS 系统进行运营策略制定和服务能力展示。运营

支撑域可以分为服务管理、故障申告管理、原始话单采集

预处理、网络能力发布等功能。

服务管理以用户需求服务为管理对象，完成需求管理

和服务开通两方面职能。需求管理对来自 BOSS 系统的服

务需求进行分类、拆解和合并，将服务需求转化为通信任

务，下发到管理控制域进行任务执行/服务开通；服务开通

通过采集管理控制域的任务管理信息，对服务进展和服务

质量进行跟踪反馈。

故障申告管理完成用户投诉建议的申告处置和系统

运行故障影响反馈功能。故障申告管理将用户服务申告信

息派发给管理控制域，并跟踪申告处置情况，反馈申告处

置结果；故障影响反馈接收管理控制域反馈的故障任务，

分析受影响的业务用户并向 BOSS 系统反馈。

原始话单采集预处理通过采集处理核心网数据，向

BOSS 系统提供计费基础数据，支撑 BOSS 系统融合计费。

网络能力发布采集系统状态数据、资源数据、运行评

估数据等信息，通过加工处理和关联分析，向 BOSS 系统

提供全网运行状态、资源使用情况、用户终端在网状态等

统计分析信息，用于支撑运营策略的制定和服务能力展示。

3.3 运行保障域

运行保障域作为管理控制域的支撑，用于提供监测测

试、设备维护等辅助手段，可以分为载波监测、在轨测试、

测试验证和维护维修等功能。

载波监测功能主要完成高低轨卫星馈电链路的下行

载波监测，及时发现干扰信号，并对链路信号质量进行统

计分析，为系统任务规划、运行评估等功能提供支撑。

在轨测试功能面向高低轨卫星完成卫星入轨后的平

台和载荷测试，采用自动化、智能化测试手段，完成卫星

入轨后的平台和载荷测试，确认卫星经历发射过程后的在

轨技术状态。

测试验证功能构建独立的测试运行环境，为软件升级

迭代提供测试验证条件。

维护维修功能完成故障设备的维修管理和备品备件

的统一管理。设备维修管理具备从维修派单至维修效果反

馈的全过程管理，以及对故障设备的返厂维修管理功能。

备品备件管理具备对备品备件的统一配置调度和使用情

况管理功能。

4 典型管控流程设计

星地融合网络的运行管控涵盖卫星测控、网络管理、

业务通信等多个方面，各方面的管控操作互相关联、互相

制约，管控流程设计的合理性直接影响网络的高效可靠运

行。管控流程设计采用对象主导的思想，以任务为驱动，

由管控对象对应的功能组牵引调度相关功能，依照先底层

后高层开通、先高层后底层调整的管控顺序，协同实现网

络运行管理。

4.1 卫星测控流程

卫星测控主要针对卫星故障失效、构型保持、碰撞规

避离轨、载荷控制等卫星控制任务，由基础设施管理功

第 2 期 韩湘等：星地融合网络管控架构设计 ·29·

能组主导，调度其他功能组协同完成网络层和业务层的

相关管控操作。下面以卫星碰撞规避机动为例，分析管

控工作流程，如图 5 所示。

从整体看，管控过程可分为任务规划、策略生成、控

制实施和任务反馈 4 个阶段。

在任务规划阶段，由综合管理统筹来自星座在轨管理、

地面站运维、网络运行、用户业务以及外部系统的多种业

务需求，完成顶层规划，并将卫星碰撞规避任务下发至基

础设施管理，明确由该功能主导碰撞规避任务的管控过程。

在策略生成阶段，由基础设施管理功能组对碰撞规避

任务进行具体分析，自底层向高层提供调整信息，调度其

他功能组依次完成调整规划。具体来说，基础设施管理功

能组制定卫星和地面站控制计划，并向网络资源管理提供

星地/星间网络拓扑预报；网络资源管理根据星地/星间网

络拓扑预报，形成网络调整策略，并向业务服务管理提供

网络能力变化预报；业务服务管理根据网络能力调整预

报，进行业务服务、通信任务和终端运行影响分析，通过

综合管理实现综合任务管理，通过运营支撑向 BOSS 系统

提供业务影响预报。

在控制实施阶段，由基础设施管理功能组启动控制实

施，调度其他功能组自高层向底层依次完成控制任务。具

体来说，基础设施管理功能组通知网络资源管理启动网

络调整；网络资源管理依据调整策略，对星载基站和星

载路由交换进行配置更新，并将调整结果反馈给业务服

务；业务服务分析业务和终端影响情况，反馈给综合管

理和运营支撑；网络资源管理向基础设施管理通告网络

图 5 卫星碰撞规避管控工作流程

·30· 天地一体化信息网络 第 5 卷

调整完成，由基础设施管理调度测控系统和地面站实施

卫星控制。

在任务反馈阶段，由基础设施管理功能组获取任务实

施情况，向综合任务管理反馈任务完成效果。

4.2 网络管理流程

网络管理流程主要针对网络开通、路由策略更新、无

线资源配置调整等网络建立和资源调整任务。这类任务由

网络资源管理功能组主导，调度其他功能组协同完成基础

设施和业务服务相关管控操作，图 6 为网络资源调整的管

控流程。网络管控流程的特点在于，基础设施管理作为下

层功能，提供星间/星地网络拓扑；业务服务管理作为上层

功能，完成网络调整前的影响域分析和调整后的影响程度

通报；网络资源管理作为核心功能，主导从调整策略制定、

实施更新至运行评估的全过程。

4.3 业务服务流程

业务服务流程主要针对公网业务、专网建立、特殊用

户服务等服务保障类任务。这类任务由业务服务管理功能

组主导，调度其他功能组协同完成基础设施和网络资源相

关管控操作，图 7 为专网开通的管控流程。

业务服务流程的特点在于，业务服务管理作为核心功

能，主导从保障任务分析、资源调整、业务开通至运行监

视的全过程；网络资源作为下层功能，根据业务服务保障

任务需要，规划并实施网络资源调整；基础设施管理作为

底层功能，根据网络资源调整需要，提供星地、星间拓扑，

实施基础设施运行状态控制。

5 管控能力分析

随着星座规模不断扩大，高中低轨多层星座大尺度混

合组网，星地融合网络的管控将面临更大难度。一是大规

模卫星对地形成多重覆盖，星地、星间连接关系复杂，卫

星测控需求增加，业务服务灵活多样，资源管理难度显著

增大；二是大规模卫星在轨运行，在网、离网、异常等多

种状态并存，卫星状态直接影响所承载网络和业务的稳定

性；三是多层星座与地面设施融合组网，网络服务能力由

图 6 网络资源调整的管控流程

第 2 期 韩湘等：星地融合网络管控架构设计 ·31·

原来的单星、单网络提升为系统级综合能力，服务保障难

度增加。

针对这些管控难点，星地融合网络管控架构采用了基

础设施、网络、业务分层管理的理念，对错综复杂的资源

关系按照物理资源和网络资源进行解耦。物理资源由基础

设施管理功能组负责规划，主要用于星座测控。网络资源

由网络资源管理功能组负责规划，主要用于业务服务，降

低了资源管理的复杂度。在管控流程中设计了星座与网络

的协同模式，根据任务类型设置主导角色：对于星座测控

任务由基础设施管理功能组主导；对于网络业务由网络资

源管理功能组主导，其他功能组在主导的调度下协同工

作，确保星座、网络、业务管控的一致性。在管控功能中

设计了综合管控，在基础设施、网络、业务分层管理的基

础上，具备从全局角度进行任务、资源、态势和评估等方

面综合管理能力。

6 结束语

星地融合网络的运行管理是一个复杂巨系统的综合

管理问题。本文基于网络为本、星网协同的理念，提出了

星地融合网络的运行管控架构，设计了管控中心功能，规

划了典型管控流程，为实现星地融合网络的协同运行管理

提供了技术参考。随着星地融合网络的大规模在轨部署应

用，网络管控需快速提升自动化协同能力、智能化决策能

力和精细化控制能力，从而适应网络规模不断扩大，业务

服务按需定制的需求。

参考文献：

[1] 王胡成, 徐晖, 孙韶辉. 星地融合 5G 网络架构增强技术研究[J].

电子技术应用, 2022, 48(6): 1-4.

WANG H C, XU H, SUN S H. Research on architectural enhancements for integrating satellite into 5G networks[J]. Application of

Electronic Technique, 2022, 48(6): 1-4.

[2] 庞江成, 徐小涛, 李超. 卫星移动通信系统发展现状分析[J]. 数

字通信世界, 2020(1): 144-147.

PANG J C, XU X T, LI C. Analysis on the development status of

satellite mobile communication sysytem[J]. Digital Communication

World, 2020(1): 144-147.

[3] 智综合. 我国卫星互联网技术试验卫星成功发射[J]. 智慧中国,

2023(7): 8-9.

ZHI Z H. Chinese satellite Internet technology test satellite was

successfully launched[J]. Wisdom China, 2023(7): 8-9.

[4] 刘哲铭, 吴云飞, 魏肖, 等. 6G 星地融合网络应用场景、架构与

关键技术挑战[J]. 无线电通信技术, 2022, 48(6): 1058-1064.

LIU Z M, WU Y F, WEI X, et al. 6G satellite-terrestrial conver图 7 专网开通的管控流程

·32· 天地一体化信息网络 第 5 卷

gence network on application scenarios, architecture and key technical challenges[J]. Radio Communications Technology, 2022,

48(6): 1058-1064.

[5] 徐晖, 陈山枝, 艾明. 面向 6G 的星地融合网络架构[J]. 中兴通

讯技术, 2023, 29(5): 9-15.

XU H, CHEN S Z, AI M. Integrated satellite and terrestrial network

architecture for 6G[J]. ZTE Technology Journal, 2023, 29(5): 9-15.

[6] 徐晖, 缪德山, 康绍莉, 等. 面向天地融合的卫星网络架构和传

输关键技术[J]. 天地一体化信息网络, 2020, 1(2): 2-10.

XU H, MIAO D S, KANG S L, et al. Network architecture and key

technologies for the integrated satellite and terrestrial mobile communication system[J]. Space-Integrated-Ground Information Networks, 2020, 1(2): 2-10.

[7] 陆洲, 田建召, 赵晶, 等. 高低轨混合卫星网络管控架构设计[J].

中国电子科学研究院学报, 2020, 15(1): 15-19.

LU Z, TIAN J Z, ZHAO J, et al. A high and low orbit satellite network management architecture[J]. Journal of China Academy of

Electronics and Information Technology, 2020, 15(1): 15-19.

[8] 田建召, 赵晶, 刘言, 等. 超大规模卫星网络化管控技术研究[J].

中国电子科学研究院学报, 2021, 16(2): 105-110.

TIAN J Z, ZHAO J, LIU Y, et al. Research on management technology of super-large scale satellite networks[J]. Journal of China

Academy of Electronics and Information Technology, 2021, 16(2):

105-110.

[9] 唐斯琪, 潘志松, 胡谷雨, 等. 智能化卫星互联网运维与管理：

现状与机遇[J]. 天地一体化信息网络, 2021, 2(4): 75-83.

TANG S Q, PAN Z S, HU G Y, et al. Intelligent satellite Internet

maintenance and management: progress and opportunities[J].

Space-Integrated-Ground Information Networks, 2021, 2(4): 75-83.

[10] 孙晨华, 李斌成, 林宇生, 等. 天地一体化的天基传输网络运维

管控系统[M]. 北京: 人民邮电出版社, 2021.

SUN C H, LI B C, LIN Y S, et al. Operation and management system for space-ground integrated space-based transmission network[M]. Beijing: Posts&Telecom Press, 2021.

[11] 亚信科技（中国）有限公司. 5G 时代的网络智能化运维详解[M].

北京: 清华大学出版社, 2021.

AsiaInfo Technologies (China). Intelligent network operation and

maintenance in 5G Era[M]. Beijing: Tsinghua University Press,

2021

[12] WANG F, WU D, HE W J, et al. CPF: bridging time-sensitive networks into large-scale LEO satellite networks[C]//Proceedings of

the 2023 International Wireless Communications and Mobile

Computing (IWCMC). Piscataway: IEEE Press, 2023: 1-6.

[13] 廖新悦, 张然, 黄正璇, 等. 空间卫星网络组网与管控技术综述

[J]. 天地一体化信息网络, 2023, 4(3): 48-58.

LIAO X Y, ZHANG R, HUANG Z X, et al. Review on networking

and control technologies of space satellite network[J].

Space-Integrated-Ground Information Networks, 2023, 4(3): 48-58.

[14] 丁睿, 房天昊, 王闻今, 等. 星地融合通信系统: 网络架构、使

能技术及原型验证[J]. 天地一体化信息网络, 2023, 4(3): 79-87.

DING R, FANG T H, WANG W J, et al. Integrated satellite-terrestrial communication systems: architectures, enabling

technologies and prototype verification[J]. Space-IntegratedGround Information Networks, 2023, 4(3): 79-87.

[15] 伍国华, 王天宇. 基于自适应模拟退火的大规模星座测控资源

调度算法[J]. 航空学报, 2023, 44(12): 265-286.

WU G H, WANG T Y. Large-scale constellation TT & C resource

scheduling algorithm based on adaptive simulated annealing[J].

Acta Aeronautica et Astronautica Sinica, 2023, 44(12): 265-286.

[16] 李宗凌, 宋桂萍, 汪路元, 等. 巨型星座高效管理及智能应用关

键技术研究[J]. 航天器工程, 2023, 32(1): 1-7.

LI Z L, SONG G P, WANG L Y, et al. Research on key technologies of high efficiency management and intelligent application for

mega-constellation[J]. Spacecraft Engineering, 2023, 32(1): 1-7.

[17] 席超, 杨博, 王记荣, 等. 基于 DRL 的巨型星座星地测控链路

规划算法[J]. 中国空间科学技术, 2023, 43(5): 65-70.

XI C, YANG B, WANG J R, et al. DRL-based link planning algorithm for mega constellation satellite and TT & C[J]. Chinese Space

Science and Technology, 2023, 43(5): 65-70.

[18] 刘阳, 周笛, 盛敏, 等. 面向巨型星座系统的多地面站协同测控

技术[J]. 天地一体化信息网络, 2023, 4(1): 2-11.

LIU Y, ZHOU D, SHENG M, et al. Multi-ground station collaborative measurement and control technology for giant constellation

system[J]. Space-Integrated-Ground Information Networks, 2023,

4(1): 2-11.

[19] 汪伊婕, 赵伟, 成飞, 等. 基于负载均衡的大规模低轨卫星互联

网路由算法[J]. 天地一体化信息网络, 2022, 3(1): 27-34.

WANG Y J, ZHAO W, CHENG F, et al. Large scale LEO satellite

Internet routing algorithm based on load balancing[J].

Space-Integrated-Ground Information Networks, 2022, 3(1): 27-34.

[20] 朱立东, 张勇, 贾高一. 卫星互联网路由技术现状及展望[J]. 通

信学报, 2021, 42(8): 33-42.

ZHU L D, ZHANG Y, JIA G Y. Current status and future prospects

of routing technologies for satellite Internet[J]. Journal on Communications, 2021, 42(8): 33-42.

[21] 曹素芝, 孙雪, 王厚鹏, 等. 星地融合网络智能路由技术综述[J].

天地一体化信息网络, 2021, 2(2): 11-19.

CAO S Z, SUN X, WANG H P, et al. Review of intelligent routing

technology in integrated satellite-ground network[J]. Space-Integrated-Ground Information Networks, 2021, 2(2): 11-19.

第 2 期 韩湘等：星地融合网络管控架构设计 ·33·

刘志慧（1989− ），女，博士，高级工程师，

主要研究方向为空间网络资源管控。

韩湘（1975− ），女，博士，高级工程师，主

要研究方向为卫星通信。

董涛（1975− ），男，博士，研究员，主要研

究方向为空间通信与网络。

殷杰（1983− ），男，博士，研究员，主要研

究方向为空间宽带网络。

[22] 孙士然, 陈龙, 孙泽坤, 等. 低轨卫星网络服务质量保障路由方

法综述[J]. 移动通信, 2024, 48(1): 65-70.

SUN S R, CHEN L, SUN Z K, et al. Survey of routing methods for

quality of service in low earth orbit satellite networks[J]. Mobile

Communications, 2024, 48(1): 65-70.

[23] 徐媚琳, 贾敏, 郭庆. 基于 SDN/NFV 的卫星互联网服务功能资

源分配研究[J]. 天地一体化信息网络, 2022, 3(1): 44-49.

XU M L, JIA M, GUO Q. Research on resource allocation of satellite Internet service function based on SDN/NFV[J]. Space-Integrated-Ground Information Networks, 2022, 3(1): 44-49.

[24] 魏强, 廖瑛, 徐潇审, 等. 面向天地融合网络的无线资源智能分

配方法[J]. 航天器工程, 2023, 32(5): 1-8.

WEI Q, LIAO Y, XU X S, et al. Intelligent allocation method of radio resource for integrated space-ground network[J]. Spacecraft

Engineering, 2023, 32(5): 1-8.

[25] 赵晶, 黄照祥, 陆洲, 等. 基于天地融合网络的服务管理与

智能交付技术[J]. 中国电子科学研究院学报, 2023, 18(8):

724-729.

ZHAO J, HUANG Z X, LU Z, et al. Service management and intelligent delivery in space-ground integrated network[J]. Journal of

China Academy of Electronics and Information Technology, 2023,

18(8): 724-729.

[26] 张美蓉, 镐梦婷, 王闯, 等. 高低轨卫星异构网络资源管控策略

与技术研究[J]. 天地一体化信息网络, 2021, 2(4): 67-74.

ZHANG M R, HAO M T, WANG C, et al. Research on strategies

and technologies for resource management and control of heterogeneous network of high and low orbit satellites[J]. Space-Integrated-Ground Information Networks, 2021, 2(4): 67-74.

[作者简介]

2024 年 6 月 Space-Integrated-Ground Information Networks June 2024

第 5 卷第 2 期 天 地 一 体 化 信 息 网 络 Vol.5 No.2

基于时空关联表征的空天地一体化网络资源精准管控方法

买天乐 1

，姚海鹏 2

，忻向军 1

，杨景凯 2

，靳辰朗 2

（1. 北京理工大学信息与电子学院，北京 100081；

2. 北京邮电大学信息与通信工程学院，北京 100876）

摘 要：空天地一体化网络中，资源分布不均匀且随时间动态变化。传统基于静态资源表征的优化调度方法仅在单个时间片上

进行调度优化，资源利用率低，并且在网络变化时需频繁地重新调整策略，带来较大迁移成本。为解决这一问题，提出一种空

天地一体化网络资源时空关联表征方法。该方法通过在网络的结构邻域和时序邻域两个维度计算节点注意力表征，实现对空天

地一体化网络资源时空关联关系的精准建模。在此基础上，提出基于时空关联表征的网络资源精准映射方法，采用置信域策略

梯度优化方法，对算法参数进行自适应学习与优化。

关键词：空天地一体化网络；时空注意力模型；虚拟网络映射；时变图模型

中图分类号：TP393

文献标识码：A

doi: 10.11959/j.issn.2096−8930.2024014

Spatiotemporal Correlation Representation based Precise

Resource Management in Space-Air-Ground Integrated Network

MAI Tianle1

, YAO Haipeng2

, XIN Xiangjun1

, YANG Jingkai2

, JIN Chenlang2

1. School of Information and Electronics, Beijing Institute of Technology, Beijing 100081, China

2. State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and

Telecommunications, Beijing 100876, China

Abstract: In the space-air-ground integrated network, resources are unevenly distributed and dynamically change over time. Traditional

optimization scheduling methods based on static resource representation only optimize scheduling within a single time slot, leading to

low resource utilization. Moreover, frequent strategy adjustments are required when the network changes, resulting in significant migration costs. To address this issue, this paper proposed a method for spatiotemporal correlation representation of resources in the

space-air-ground integrated network. This method computed node attention representations in both structural neighborhoods and chronological neighborhoods, enabled precise modeling of spatiotemporal resource correlations in the space-air-ground integrated network.

Based on this, this paper proposed a resource precise embedding method based on spatiotemporal correlation representation, and introduced the trust region policy optimization method to adaptively learn and optimize algorithm parameters.

Keywords: space-air-ground integrated network, spatiotemporal attention model, virtual network embedding, time-varying graph

0 引言

复杂场景（如偏远地区、灾难应急）通信组网需求迫

切，受地形地貌、设施损毁等因素影响，复杂场景存在基

础设施受限（缺失、损毁）、传输路径受阻（易被遮蔽）

等特点，传统单一体制组网方法难以适用，例如，光纤网

络具有高速大带宽传输能力，但部署周期长、抗毁性能差；

空中机动网络如无人机基站能够快速灵活部署，但传输能

力有限、链路稳定性差。因此，亟须构建融合地面网络、

空中网络（包括浮空平台和无人机等）以及天基网络（包

收稿日期：2024−01−31；修回日期：2024−06−01

通信作者：姚海鹏，yaohaipeng@bupt.edu.cn

基金项目：国家自然科学基金资助项目（No.62325203, No.U22B2033）；国家重点研发计划资助项目（No.2022YFB2902500）

Foundation Items: The National Natural Science Foundation of China (No.62325203, No.U22B2033), National Key Research & Development Program of China

(No.2022YFB2902500)

第 2 期 买天乐等：基于时空关联表征的空天地一体化网络资源精准管控方法 ·35·

括高、中、低轨卫星等）等多种组网手段的空天地一体化

网络，填补复杂场景下地面网络缺失损毁区域覆盖空洞，

增强通信网络保障能力和服务质量[1]。随着卫星技术、无

人机技术的成熟，空天地一体化网络得到了长足发展，

在远洋运输、环境监测、抢险救灾等领域发挥了重要作

用。与此同时，面对视频回传、环境遥测、远程控制等

新兴业务服务质量的差异化需求，如何在空天地一体化

网络中实现差异化服务质量保障，成为近年来研究关注

的核心问题。

随着微服务技术、网络功能虚拟化技术的发展，网络

切片（Network Slicing, NS）技术为解决上述挑战提供了

可行的解决途径。网络切片是指在共享的物理网络设施

上创建出多个独立的、虚拟化的逻辑网络实例的技术[2]。

每个网络切片是一个独立的端到端网络，具有独立逻辑

拓扑和性能特征，以满足特定应用业务的个性化需求。

在网络切片中，高效的虚拟网络映射（Virtual Network

Embedding, VNE）是保证切片运行的关键。虚拟网络映

射是指将逻辑网络映射到共享的物理网络上，以分配相

应的物理资源的过程。这是一个在图约束下的大规模背

包 NP 难问题[3]。近年来，虚拟网络映射问题受到了学

术界和产业界的广泛关注。例如，参考文献[4]提出了一

种卷积神经网络和深度强化学习结合的网络映射方法。

参考文献[5]提出了一种基于图神经网络的虚拟网络映

射方法。

现有的虚拟网络映射方法通常针对静态网络环境，旨

在固定网络拓扑下实现资源的最优分配。然而，空天地一

体化网络具有时变特性，其网络资源分布异质且网络拓扑

随时间动态变化。将静态网络映射方法直接应用于动态网

络时，算法只能针对单个时间点进行最佳资源映射，无法

充分考虑动态网络中快照之间的时序关联关系和未来可

能发生的网络状态变化。这导致在网络结构发生变化时，

需要频繁地重新调整虚拟网络位置，带来大量的资源迁移

成本。因此，在设计空天地一体化网络映射方法时，需要

考虑不同时间点之间的关联关系，以更好地适应动态网络

环境，从而降低迁移成本。

针对这一问题，本文提出了一种空天地一体化网络资

源时空关联表征方法，以捕捉动态网络的图结构特征和时

间演化特征。该方法利用自注意力机制，在动态网络的图

结构邻域和时间序列（时序）邻域两个维度，同时计算节

点注意力表征，捕捉节点级细粒度的时空关联关系，实现

对空天地一体化网络资源时空关联关系的精准建模[6]。在

此基础上，本文设计了基于时空关联表征的网络资源精准

映射方法，该方法采用节点链路两段虚拟网络映射机制。

首先是节点映射过程，采用时空注意力模型对网络时空特

征进行建模，并通过全连接神经网络层和 SoftMax 层，对

备选映射节点评估并选取最优节点进行映射；其次是链路

映射过程，采用弗洛伊德算法计算映射节点间最优路径，

完成对链路的映射。在此基础上，采用置信域策略梯度优

化（Trust Region Policy Optimization, TRPO），对算法参数

进行自适应学习与优化[7]。研究结果显示，所提出的方法

在业务平均收益、请求接收率以及迁移开销等方面的表现

优于对照算法。

1 相关工作

参考文献[8]对虚拟网络映射技术做了全面性综述。本

节将对虚拟网络映射机制与时变图表征学习方法相关工

作分析如下。

1.1 虚拟网络映射机制

虚拟网络映射是一种解决如何合理高效地为虚拟网

络请求分配物理网络节点和链路资源的方法。参考文献[9]

针对卫星网络的规模、用户数量和服务种类多样等特点，

建立了拓扑动态性、服务质量需求和可用资源等约束的虚

拟网络映射模型，提出了多约束虚拟网络映射算法。参考

文献[10]针对非地面网络中的虚拟网络映射问题，建立了

最大化服务收益与最小化功耗与部署成本的映射模型，提

出了基于线性松弛的贪心启发式虚拟网络映射算法。参考

文献[11]提出了一种针对空天地一体化网络非欧几里得

结构的图卷积虚拟网络映射算法。实验结果显示。参考

文献[12]针对空天地一体化网络中时延容忍业务和时延敏

感业务服务需求，提出了基于时间图的在线虚拟网络映射

方法，最大化了服务接收率和底层网络资源利用率。参考

文献[13]设计了一种基于深度强化学习和图卷积网络的

自适应虚拟网络映射算法，通过并行强化学习框架和多

目标奖励函数，该算法在训练中能够快速收敛，解决现

有算法在可接收的运行时间内无法提供映射解的问题。

参考文献[14]设计了基于强化学习的连续决策虚拟网络

映射方法，将相同请求的节点嵌入 Seq2Seq 时间序列模

型，以解决传统启发式算法在动态网络结构和环境下难

以适用的问题。

1.2 时变图表征学习方法

面向卫星网络、无人机网络、车联网等场景，时变图

表征学习方法近年来受到学术界大量关注。参考文献[15]

设计了一种动态属性网络嵌入框架 DANE，建立了离线方

法来获得一致性的嵌入表示，然后利用矩阵摄动理论以在

·36· 天地一体化信息网络 第 5 卷

线方式保持嵌入结果的新鲜度。参考文献[16]设计了一种

名为 Know-Evolve 的动态图演化知识网络。该网络学习了

实体随时间非线性演化的表示，并将边的发生建模为一个

多变量点过程，其中边的强度函数受基于学习的实体嵌入

的得分所调节。参考文献[17]设计了一种基于知名图嵌入

方法的动态嵌入机制 Dynnode2vec。其利用演化随机游走

和前一时间戳的嵌入向量初始化当前图嵌入，以解决生

成每个时间步的随机游走耗时和不同时间戳的嵌入向量

空间不同的问题。参考文献[18]设计了一种动态图表示学

习方法 DynamicTriad。该方法利用三角组合（Triad）作

为网络的基本单元，模拟了闭合三角组合从未连接到相

互连接的演化过程，从而捕捉了网络形成和演化的基本

机制。参考文献[19]针对图数据的微观和宏观动态性特

征，提出了动态网络映射方法 MMDNE。针对宏观动态

性，定义了一个参数化的网络嵌入动力学方程，捕捉动

态图内在的演化模式，在更高的结构层次上对网络嵌入

进行约束。

2 网络资源动态图模型

本节将对时变物理网络和虚拟网络请求进行建模和

描述。

2.1 物理网络时变图模型

在空天地一体化网络中，网络节点和链路状态随时间

推移而动态变化，这使得网络模型呈现出典型的时变图特

性。为了准确描述时变网络的时间和空间特征，本文将给

定时间范围分割为 T 个足够小的离散时间片。不失一般

性，本文假设在一个时间片内网络状态保持不变，并采用

静态图来描述每个时间片内网络模型，即动态网络的时间

快照。如图 1 所示，通过一系列快照的时序累积，时变网

络可以 呈 现为时 变 图 形 式 ， 其 可以被 表 示 为

{ , , , | 1, , } ( ) PPP ttt P P t t GV ECC t T V E = ，其中 { 1 , , } t t tPt

P P P

V

Vvv =

表示t 时刻节点的集合， { 1 , , } t t tPt

P P P

E

Ee e = 表示 t 时刻链

路集合， Pt CV 表示 t 时刻节点V 的状态属性， Pt CE 表示 t 时

刻链路 E 的状态属性。本文将节点 v 的状态属性表征为

{Cpu( ),Sub( ),RCpu( ),RBdw( ),Del( )} Pt PP P PP t t t tt C vv v vv V =，

其中 Cpu( ) Pt v 代表节点 Pt v 的计算能力，Sub( ) Pt v 代表节点

Pt v 所连接链路中的最大带宽，RCpu( ) Pt v 代表 t 时刻节点

Pt v 的剩余计算能力， RBdw( ) Pt v 代表 t 时刻节点 Pt v 所连

接链路中最大剩余带宽， Del( ) Pt v 代表 t 时刻节点 Pt v 所连

接链路最大传输时延。此外，本文将链路 e 的状态属性表

征为 {Bd ( w )} P P t t C e e =，其中 Bdw( ) Pt e 代表 t 时刻链路 Pt e

的可用带宽。

图 1 网络时变图模型

2.2 虚拟网络映射模型

本文将业务 k 的虚拟网络请求建模为 (,, Rkkk R R GV E

, ,) R RR k kk DDT V E ，其中 1 2 { , ,, } k kk k

Rk

R RR R

V V vv v = 代表第 k 个请求

的虚拟节点集合， 1 2 { , ,, } k kk kRk

R RR R

E

E ee e = 第 k 个请求的虚

拟链路集合， Rk DV 代表 第 k 个请求中虚拟节点 V 的资源需

求， Rk DE 代表 第 k 个虚拟请求中链路 E 的资源需求，

T Rk代表 第 k 个虚拟 请 求 的 持 续 时 间 。 本 文 设 置

{ u Cp ( )} R R k k D v v = 和 { w Bd ( )} R R k k D e e = 。因此，虚拟网络

映射问题可以被形 式 化 描 述 为 ： k : R M G

k k ( ( ,,, , , , , ,, ) | ) R R PPP k k ttt R R PP k k tt R R V E D D T GV ECC tt tT V E VE → =+ 。

本文定义了节点映射度量 Pt

Rk

v

v α 和链路映射度量 Pt

Rk

e

e κ 来表

示节点与链路是否映射成功，其可被表示为

1,

0,

k t Pt

Rk

R P

v

v

v v α ⎧⎪ → = ⎨

⎪⎩ 其他 (1)

1,

0,

k t Pt

Rk

R P

e

e

e e κ ⎧⎪ → = ⎨

⎪⎩ 其他 (2)

此外，虚拟网络映射过程中，节点资源映射需要满足如下

约束

(    ) Pt k t

Rk

v R P

v V V

k K

α D C ∈

∑ × ≤

(3)

链路资源映射需要满足如下约束

( ) Pt k t

Rk

e R P

e E E

k K

κ D C ∈

∑ × ≤ (4)

3 基于时空关联表征的网络资源精准映射方法

本节设计了基于时空关联表征的空天地一体化网

络资源精准映射方法。如图 2 所示，该算法包含 4 个部

分，分别是空天地一体化网络的空间注意力模块、时间

注意力模块、映射模块、置信域策略梯度优化模块。其

中，空间注意力模块用于提取空天地一体化网络资源图

特征的关联关系，时间注意力模块用于提取空天地一体

化网络资源时间维度下的关联关系，映射模块用于选择

第 2 期 买天乐等：基于时空关联表征的空天地一体化网络资源精准管控方法 ·37·

映射节点和映射链路，置信域策略梯度优化模块用于对

上述模块进行参数优化。本文采用的是两段映射机制，

首先是空天地一体化网络节点映射过程，采用时空注意

力模块对网络时空特征进行建模，并通过全连接神经网

络层和 SoftMax 层，对备选映射节点评估并选取最优节

点进行映射；其次是空天地一体化网络链路映射过程，

采用弗洛伊德算法计算映射节点间最优路径，完成对链

路的映射。

3.1 马尔可夫决策过程

虚拟网络映射过程通常可以使用马尔可夫决策过程

来建模[20]。其可以被表示为四元组 ,, , t tt ＜ ＞ S AR π 形式，

其中 t S 代表 t 时刻下网络状态，π 代表策略函数，At代表

t 时刻下映射决策，Rt代表 t 时刻下系统获得的即时奖励。

在本文中，状态空间分成两部分，一部分是物理网络状态

空间 Spt ，其主要是物理网络资源属性 { ,, ( Pttt P P GV E

, | , ,} ) P P t t CC ttN t V E = − ，其中 N 代表选取的时间片数量；

另一部分是虚拟网络请求状态空间 Srk ，其主要是虚拟网

络需属性{ , ,Pen } RR R kk k D D V E ，其中 PenRk 代表剩余未映射的

虚拟网络节点。此外，动作空间 At 主要是映射节点空间

1 { ,, } kk k

Rk

RR R

V Vvv = 。为了降低动作映射空间的维度，本文

采用两阶段逐节点映射方法，当节点逐个映射完成后再进

行路径计算与映射。奖励函数 Rt用于评价虚拟网络映射的

效能。本文设计了收益−成本比 Rev2Cos 作为 Rt奖励，其

数学表达式为

Acp

Acp Acp

Rev

Rev2Cos

Rc Tc

t t

k ttT k

tt tt

k k ttT k ttT k

=

= −

= =

=− =−

= +

∑ ∑

∑∑ ∑∑ (5)

其中， Acp

Rev t t

k ttT k

=

∑ ∑ = −是指时间 T 内所接收的虚拟网络

请求的收益，其中 Revk 的数学表达式为

Rev k k k

R R k k

R R R

k aV bE

V E

TwD wD ⎡ ⎤

= + ⎢ ⎥ ⎣ ⎦ ∑ ∑ (6)

其中，wa和 wb代表节点和链路权重参数。 Acp

Rc t t

k ttT k

=

∑ ∑ = −

是指时间 T 内所接收的虚拟网络请求的开销，其中 Rck 的

数学表达式为

Rc Cpu ( () ) Bdw R k

Pt

Rk R RP k kt

R e

kc d e

t T V EE

w vw f

∈

⎡ ⎤

= + ⎢ ⎥ ⎣ ⎦ ∑ ∑ ∑∑ (7)

其中，wc和 wd代表节点和链路权重参数， R

Pt

e

e

f 代表 t 时刻

R e 映射的底层链路。 Acp

Tc t t

k ttT k

=

∑ ∑ = −是指时间 T 内接收的

业务的迁移开销。Tck的数学表达式为

Tc R p k

k

t

T e

k R T

δ = ∑ (8)

其中， p

t

e δ 代表迁移指标，其计算公式为

图 2 基于时空关联表征的网络资源精准映射方法

·38· 天地一体化信息网络 第 5 卷

1, 0 1

,

0,

R R

p p t P P t t k

p

e e

t e E e e R

e

f f δ t T ∈ +

⎧

⎪ − >

= ∀∈ ⎨

⎪⎩

∑

其他

(9)

3.2 空间注意力模块

本文采用图注意力网络（Graph Attention Network,

GAT）提取网络状态的空间结构关系[21]。GAT 是一种用

于处理图结构关系数据的模型，通过注意力机制实现节点

特征的动态更新，以捕捉节点之间复杂关系。其核心思想

是通过可学习的注意力权重，使得每个节点能够根据其与

邻居节点的相关性动态地调整其重要性，通过学习得到的

权重矩阵实现信息的传递与聚合，从而实现了对图结构的

有效建模[22]。图注意力网络由多个相互连接的图注意力层

组成。每个图注意力层的初始输入是网络快照 GPt 中节点

属性编码向量 0 {, } v h ∀ ∈v V 集合，通常采用 one-hot 向量编

码 。 该 层 将 输 入转换 为一个新的 节 点 表示集 合

1 {, } v h ∀ ∈v V ，并将这些输出向量作为输入传递给下一层的

图注意力层。图注意力层的更新公式可被表示为

( 1) ( ) ( ) ( ) l l ll

v vu v

u V

σ α +

∈

⎛ ⎞ = ⎜ ⎟ ⋅

⎝ ⎠

h Wh ∑ ⋅ (10)

其中， ( 1) l

v

+ h 代表第v 个节点在第l +1 层的聚合特征表示，σ

代表激活函数（通常使用 ReLU 函数）， ( )l αvu 代表节点v 对

节点u 的注意力权重， ( )l W 代表第l 层的权重矩阵， ( )l

hv 代

表第v 个节点在第l 层的聚合特征表示。注意力权重 ( )l

αvu 是

通过计算两个节点之间的注意力分数来确定的，可被表示为

( )

() ()

( )

1

exp

)

SoftMax ) ( )

(

(

exp

l

l l

l

vu vu vu V

vu u

e e

e =

= =

∑ α (11)

其中， ( )l

vu e 代表节点 v 和节点 u 之间的注意力分数，可被

表示为

( ) ( )T ( ) ( ) LeakyReLU( [ || ]) l ll l

vu v u e hh = aW W (12)

其 中 ， LeakyReLU 代表激 活 函 数 ， () () [ || ] l l v u W W h h

( )l v 代表W h 与 ( )l W hu 的串联向量， ( )l a 表示邻居节点与目

标节点间相关度参数。注意， ( )l a 是一个可学习的权重向

量，通过在学习过程中不断调整来确定每个节点的注意力

分布。因此，注意力权重表达式可被重新表述为

( )

T

T

SoftMax

exp( |

)

)

( )

( [

e

])

p ) (( [ ]

|

x ||

l

vu vu

v u

v u u V

e

L hx

L xx ∈

=

=

∑

α

aW W

aW W

(13)

通过上述过程，每个节点都会根据其与相邻节点的关

系以及关系的重要程度来更新自己的特征表示，实现了信

息的交互，并通过循环迭代实现空间信息传递，实现对复

杂空间关联结构的精准建模。本文定义空间注意力模块的

输出向量为 out {, } v h ∀ ∈v V 。

3.3 时间注意力模块

为了刻画动态网络中网络状态的时间关联关系，本文

设计了时间注意力模块[23]。时间注意力方法是一种用于捕

捉动态网络中节点变化模式的神经网络结构。该方法的输

入是动态网络的时间快照中节点 v 在不同时间片的表征

序列 1 2 (out), (out), (out), { , ,, }N t t t hh h vv v ，其中 N 是时间序列长

度；并通过时间注意力机制，学习输入数据不同时间步之

间的关联关系，捕捉节点在时间变化过程中的重要特征，

从而生成新的表示序列 1 2 { } ,,, N vv v z z z 。时序注意力层的更

新公式可被表示为：

out ( )   z βH W v vv v = (14)

其中， out H Wv v 代表 out Hv 在数值（Value）矩阵Wv 上的投

影，βv 代表注意力权重矩阵，通常采用SoftMax 函数，其

计算公式为

1

( )

( )

exp

exp

tk

v v T tz

v z

e

e =

=

∑ β (15)

其中， tk

ve 代表节点 v 在 t 时刻和 k 时刻之间的注意力分

数，用于衡量节点在不同时间步之间的关联关系，其计算

更新公式可被表示为

out out T (( )( ) ) tk v q v k tk

v tk e M

F

⎛ ⎞

= + ⎜ ⎟

⎝ ⎠

HW HW

(16)

其中， out H Wv q 代表 out Hv 在查询（Query）矩阵Wv 上的投

影， out H Wv k 代表 out Hv 在键（Key）矩阵Wk 上的投影，Mtk

代表可学习的偏置项，防止模型注意到未来的时间步，其

更新公式可被表示为

0,

, tk

i j M ⎧ < = ⎨

⎩−∞ 其他 (17)

在自注意力机制中，本文通过计算查询矩阵 out H Wv q

与键矩阵 out H Wv k 投影将输入序列中的元素映射到一个抽

象的空间，然后对数值矩阵 X Wv v 中的值进行加权求和从

而得到最终的自注意力输出，实现对时序关联关系的建

模。此外，本文引入位置编码来帮助模型理解输入序列中

元素的位置顺序，其计算公式可被表示为

model

(pos,2 ) 2

pos PE sin

10 000

i i

d

⎛ ⎞ ⎜ ⎟ = ⎜ ⎟

⎜ ⎟

⎝ ⎠

(18)

第 2 期 买天乐等：基于时空关联表征的空天地一体化网络资源精准管控方法 ·39·

model

2 (pos,2 1)

pos

PE cos

10 000

i i d +

⎛ ⎞ ⎜ ⎟ = ⎜ ⎟

⎝ ⎠

(19)

其中， PE(pos,2 )i 和 PE(pos,2 1) i+ 分别表示位置 pos 上奇偶维

度的位置编码向量， model d 表示模型的维度。基于上述位

置 信 息 建模， 本 文 将 输 入 表 征 矩 阵 重 新 表 示 为

1 2 (out), (out), (out),

1 2 { PE , PE , , PE } N t t t hh h v v vN ++ + 。

3.4 置信域策略梯度优化模块

本小节将运用强化学习来优化空间注意力模块、时间

注意力模块和映射模块的参数。注意，本文中映射模块主

要包含一个全连接神经网络层和一个 SoftMax 层，用于对

备选映射节点进行打分（本文将不在这里详细描述）。为

了方便后续描述，本文将空间注意力模块和时间注意力模

块的参数及映射模块参数合并为一个参数集合，记为W 。

其中，策略函数可表示为π (|; ) AS W ，优化目标可表示为

max ( ) max [ ( ; )] S W W

J W E V SW = π (20)

其中， V SW (; ) π 代表策略 π 下的值函数，可表示为

( ; ) ( |; ) (, ) a V S W asW Q s a π π = ⋅ ∑ π 。为了优化该目标，传统

随机梯度上升方法通过让参数值不断逼近梯度最大值来

最大化预期累积奖励。然而，传统的随机梯度上升方法难

以确保单调收敛。这是受到梯度估计的噪声和参数更新的

不确定性影响，从而导致训练过程的不稳定。特别是在虚

拟网络映射问题中，奖励信号的传播步长较长，需要等到

虚拟业务完全服务完毕后才能对单个动作的奖励进行评

估。这导致了目标奖励信号与动作之间的关联噪声累积

大，传统随机梯度上升方法难以有效收敛。针对这一问题，

本文采用了置信域策略梯度优化算法。该算法通过引入置

信域约束来限制参数更新的幅度，确保每次更新都处于可

控范围内，从而避免了传统策略梯度优化算法中出现的剧

烈波动和不稳定性。

置信域策略梯度优化算法主要过程是通过构造Wold

在 置 信 域 内 的 近 似 函 数 old LW W (| ) ， 并 通 过 计 算

old LW W (| ) 梯度来近似 J ( ) W 相对参数的梯度。其参数更

新过程可被表示为

new old old argmax ( | ); s.t. ( )

W

W LW W W W ← ∈ N (21)

其中， old N ( ) W 为Wold 的置信域，其是Wold 的一个邻域约

束，用于限制参数更新的幅度，以确保每次更新都在一个

可控的范围内。通常可以使用 KL 散度来衡量 old N ( ) W 置

信域标准，其数学表达式为

old 1

1 KL ( | ; ) || | [ ( )] ; n

i i i sW sW n π π = ∑ ⋅ ⋅ <Δ (22)

即通过限制策略Wold 与W 之间的 KL 散度，以确保参

数更新的大小在一个可控的范围内。如式(22)所示，置信

域策略梯度优化算法的核心是构造置信域内 J W( ) 的近似

函数 old LW W (| ) 。本文首先对优化函数进行改写

old

old

old

~ (| ; )

old

( ) ( |; ) (, )

( |; ) ( |; ) (, ) ( |; )

( |; ) E (, ) ( |; )

a

a

A sW

V S asW Q s a

asW asW Q s a asW

asW Q sa asW

π π

π

π π

π

π π π

π

π ⋅

= ⋅

= ⋅⋅

⎡ ⎤ = ⋅ ⎢ ⎥ ⎣ ⎦

∑

∑ (23)

因此，优化目标函数可重构为

,

old

(|; ) max ( ) E ( , ) (|; ) S A W

AS W J W Q SA AS W π

π

π

⎡ ⎤ = ⋅ ⎢ ⎥ ⎣ ⎦

(24)

为了计算该期望，本文对期望进行蒙特卡洛近似

old

old 1

1 |; | (, ) ( ) ( ) (; ) |

n

i i i i

i i i

asW L WW Q s a n asW π

π

π =

= ⋅ ∑ (25)

其中， 1 11 { } , ,, , , , n nn sar s a r 为策略的动作轨迹。此外，本

文将 (, ) Q sa π i i 近似为折现期望收益

2

1 2 ( ) , n Q sa r r r r π i i i i i in γγ γ =+ + + + ++ + (26)

算法 1：基于时空关联表征的网络资源精准映射方法

1: 初始化物理网络环境，初始化虚拟网络请求；初始

化神经网络参数；

2: 遍历 epoch 1 = 到 max Num − ：

3: 数量 Num 设为 0；

4: 遍历虚拟网络请求集合中的请求GRk do：

5: 遍历请求GRk 中的节点V Rk do：

6: 使用时空注意力算法与映射模型寻找可嵌

入节点；

7: 结束

8: 如果所有节点V Rk 嵌入成功 then：

9: 遍历在请求 GRk 中的链路 E Rk do：

10: 使用弗洛伊德算法寻找可嵌入链路；

11: 结束

12: 结束

13: 如果节点V Rk 和链路 ERk 在 T Rk 时间都能成

功嵌入：则计算置信梯度；

14: 否则：删除置信梯度；

15: 如果 Num 达到 batchSize ，则：

16: 参数更新；

17: 结束

18: 结束

·40· 天地一体化信息网络 第 5 卷

在此基础上，本文设计了基于时空关联表征的网络资

源精准映射方法（算法 1）。需要注意的是，在运行过程

中，如果节点或链路在时间T Rk 内的任一时刻映射失败，

则认为映射失败，不参与奖励值反馈。

4 实验结果与分析

本节将对所提方法进行实验仿真，并对结果进行分析。

4.1 仿真设置

本文模拟了一个包含 100 个节点和 500 条链路的网

络。其中，每个节点的计算资源 Cpu( ) v 容量服从于

(50,100) 之间的均匀分布，带宽 Bdw( ) v 服从 (20,50) 之间

的均匀分布。此外，本文模拟了 1 000 组虚拟网络请求集

合，其中，每个虚拟网络中节点的数量服从 (2,10) 之间的

均匀分布，计算资源服从 (0,50) 之间的均匀分布，每个虚

拟链路的带宽资源遵循 (0,50) 之间的均匀分布，链路之间

的连接概率设定为 0.5。虚拟请求的到达时间遵循泊松分

布，其中，每 100 个时间单位内会到达 4 个请求。每个请

求的持续时间呈指数分布，平均持续时间为 1 000 个时间

单位。此外，在本实验中，设置了 3 种对比算法，分别是

基于启发式的 NodeRank 算法[24]、基于强化学习的

PG-CNN 算法[25]和基于图神经网络的 GCN-VNE 算法[26]。

4.2 收敛性分析

在本实验中对所提方法的收敛性进行分析。如图 3 所

示，随着训练步数的增加，本文所提方法快速收敛。这是

因为本文所提方法采用置信域策略梯度优化机制。该机制

通过引入置信域约束来限制参数更新的幅度，即引入一个

信任区域，确保每次更新都处于可控范围，从而避免了传

统策略梯度优化算法中出现的剧烈波动和不稳定性。

图 3 收敛性分析

4.3 长期平均接收率与平均长期收益分析

在本实验中，对比 4 种映射算法的长期平均接

收率 Acp （如图 4 所示）与平均长期收益（如图 5

所 示 ）。长期平 均接收率 的 计 算 方 式 为

0 0 Acp Acp / All

T T

t t = = =∑ ∑ ，其中， Acp 表示成功映射的

虚拟网络个数，All 表示请求总数。图4、图5中，NodeRank

算法表现出最差的性能，这是因为启发式算法难以有效

捕捉网络动态性特征。基于强化学习的 PG-CNN 算法表

现出较好的性能，然而由于缺少对空天地一体化网络时

空动态性特征的建模，导致性能损失。GCN-VNE 能够有

效学习到空间特征，但是缺少时序特征建模。本文所提

方法在网络的图结构邻域和时间序列邻域两个维度同时

计算动态节点注意力表征，能够捕捉节点级细粒度的图

空间结构和时序结构关联关系，从而提高虚拟任务的平

均接收率。

图 4 长期平均接收率对比

图 5 长期平均长期收益对比

第 2 期 买天乐等：基于时空关联表征的空天地一体化网络资源精准管控方法 ·41·

4.4 迁移成本与收益成本比分析

在本实验中，对比 4 种映射算法的平均迁移成本（如

图 6 所示）与收益成本比（如图 7 所示），可以看出，传

统方法在静态时间片上进行最佳资源映射，而未能考虑快

照之间的时序关联关系。这会导致在网络结构变化时，需

要频繁地重新调整虚拟网络的位置，从而产生大量的迁移

开销。相比之下，本文所提方法能够有效捕捉空间结构和

时序结构关联关系，从而有效降低迁移成本。在此基础上，

在同等的性能收益条件下，收益成本比有效提高。

图 6 平均迁移成本对比

图 7 收益成本比

参考文献：

[1] 买天乐. 复杂场景下异构融合网络智能组网关键技术[D]. 北京:

北京邮电大学, 2023.

MAI T L. Key technologies for intelligent networking of heterogeneous integrated networks in complex environments[D]. Beijing:

Beijing University of Posts and Telecommunications, 2023.

[2] 项弘禹, 肖扬文, 张贤, 等. 5G 边缘计算和网络切片技术[J]. 电

信科学, 2017, 33(6): 54-63.

XIANG H Y, XIAO Y W, ZHANG X, et al. Edge computing and

network slicing technology in 5G[J]. Telecommunications Science,

2017, 33(6): 54-63.

[3] WU H T, ZHOU F, CHEN Y J, et al. On virtual network embedding:

paths and cycles[J]. IEEE Transactions on Network and Service

Management, 2020, 17(3): 1487-1500.

[4] DOLATI M, HASSANPOUR S B, GHADERI M, et al. DeepViNE:

virtual network embedding with deep reinforcement learning[C]//Proceedings of the IEEE INFOCOM 2019 - IEEE Conference on Computer Communications Workshops (INFOCOM

WKSHPS). Piscataway: IEEE Press, 2019: 879-885.

[5] RKHAMI A, QUANG P T A, HADJADJ-AOUL Y, et al. On the

use of graph neural networks for virtual network embedding[C]//Proceedings of the 2020 International Symposium on

Networks, Computers and Communications (ISNCC). Piscataway:

IEEE Press, 2020: 1-6.

[6] SANKAR A, WU Y H, GOU L, et al. Dynamic graph representation learning via self-attention networks[EB]. 2018.

[7] SCHULMAN J, LEVINE S, MORITZ P, et al. Trust region policy

optimization[EB]. 2015.

[8] FISCHER A, BOTERO J F, BECK M T, et al. Virtual network

embedding: a survey[J]. IEEE Communications Surveys & Tutorials, 2013, 15(4): 1888-1906.

[9] YANG D, LIU J, ZHANG R, et al. Multi-constraint virtual network

embedding algorithm for satellite networks[C]//Proceedings of the

GLOBECOM 2020 - 2020 IEEE Global Communications Conference. Piscataway: IEEE Press, 2020: 1-6.

[10] MAITY I, VU T X, CHATZINOTAS S, et al. D-ViNE: dynamic

virtual network embedding in non-terrestrial networks[C]//Proceedings of the 2022 IEEE Wireless Communications and Networking Conference (WCNC). Piscataway: IEEE

Press, 2022: 166-171.

[11] CHEN N, SHEN S G, DUAN Y X, et al. Non-euclidean

graph-convolution virtual network embedding for

space–air–ground integrated networks[J]. Drones, 2023, 7(3): 165.

[12] LIU B, ZHANG T, ZHANG L M, et al. Online virtual network

embedding for both the delay sensitive and tolerant services in

SDN-enabled satellite-terrestrial networks[C]//Proceedings of the

2023 IEEE Wireless Communications and Networking Conference

(WCNC). Piscataway: IEEE Press, 2023: 1-6.

[13] YAN Z X, GE J G, WU Y L, et al. Automatic virtual network

embedding: a deep reinforcement learning approach with graph

·42· 天地一体化信息网络 第 5 卷

买天乐（1994− ），男，北京理工大学博士后，

在 IEEE TCC、IEEE TON、IEEE TSC 等学术

期刊发表多篇学术论文，相关研究成果获

IEEE ICC、IEEE IWCMC 最佳论文奖等，主

要研究方向为空天地一体化网络、无人集群网

络、网络人工智能、多智能体系统等。

姚海鹏（1983− ），男，北京邮电大学教授，

在学术期刊和会议上发表论文 150 余篇，担任

IEEE TMC 和 IEEE T-SUSC 期刊 Associate

Editor，主要研究方向为未来网络架构、网络

人工智能、空天地一体化网络、网络资源分配

和专用网络等。

忻向军（1969− ），男，北京理工大学教授，

在学术期刊和会议上发表论文 100 余篇，主要

研究方向为光通信、卫星通信等。

杨景凯（1996− ），男，北京邮电大学博士生，

主要研究方向为未来网络架构、网络资源分配

和多智能体系统。

靳辰朗（2000− ），女，北京邮电大学博士生，

主要研究方向为未来网络架构、资源优化和博

弈论等

convolutional networks[J]. IEEE Journal on Selected Areas in

Communications, 2020, 38(6): 1040-1057.

[14] YAO H P, MA S H, WANG J J, et al. A continuous-decision virtual network embedding scheme relying on reinforcement learning[J].

IEEE Transactions on Network and Service Management, 2020,

17(2): 864-875.

[15] LI J D, DANI H, HU X, et al. Attributed network embedding for

learning in a dynamic environment[C]//Proceedings of the Proceedings of the 2017 ACM on Conference on Information and

Knowledge Management. New York: ACM, 2017: 387-396.

[16] TRIVEDI R, DAI H J, WANG Y C, et al. Know-evolve: deep

temporal reasoning for dynamic knowledge graphs[C]//Proceedings

of the Proceedings of the 34th International Conference on Machine Learning - Volume 70. New York: ACM, 2017: 3462-3471.

[17] MAHDAVI S, KHOSHRAFTAR S, AN A J. dynnode2vec: scalable dynamic network embedding[C]//Proceedings of the 2018 IEEE

International Conference on Big Data (Big Data). Piscataway:

IEEE Press, 2018: 3762-3765.

[18] ZHOU L K, YANG Y, REN X, et al. Dynamic network embedding

by modeling triadic closure process[J]. Proceedings of the AAAI

Conference on Artificial Intelligence, 2018, 32(1): 1-5.

[19] LU Y F, WANG X, SHI C, et al. Temporal network embedding

with micro- and macro-dynamics[C]//Proceedings of the Proceedings of the 28th ACM International Conference on Information and

Knowledge Management. New York: ACM, 2019: 469-478.

[20] LIM H K, ULLAH I, HAN Y H, et al. Reinforcement learning-based virtual network embedding: a comprehensive survey[J].

ICT Express, 2023, 9(5): 983-994.

[21] VELIČKOVIĆ P, CUCURULL G, CASANOVA A, et al. Graph

attention networks[EB]. 2017.

[22] BRODY S, ALON U, YAHAV E. How attentive are graph attention

networks? [EB]. 2021.

[23] VASWANI A, SHAZEER N, PARMAR N, et al. Attention is all

you need[J]. Advances in neural information processing systems,

2017, 30.

[24] CHENG X, SU S, ZHANG Z B, et al. Virtual network embedding

through topology-aware node ranking[J]. ACM SIGCOMM Computer Communication Review, 2011, 41(2): 38-47.

[25] YAO H P, LIU H W, ZHANG P Y, et al. A learning-based approach

to intra-domain QoS routing[J]. IEEE Transactions on Vehicular

Technology, 2020, 69(6): 6718-6730.

[26] MA S H, YAO H P, MAI T L, et al. Graph convolutional network

aided virtual network embedding for Internet of thing[J]. IEEE

Transactions on Network Science and Engineering, 2023, 10(1):

265-274.

[作者简介]

2024 年 6 月 Space-Integrated-Ground Information Networks June 2024

第 5 卷第 2 期 天 地 一 体 化 信 息 网 络 Vol.5 No.2

低轨巨型星座体系架构设计与关键技术分析

高梓贺 1

，姚海鹏 2

，张 磊 1

，石钰林 1

，王 富 2

，陶 滢 1

（1. 中国空间技术研究院，北京 100094；

2. 北京邮电大学，北京 100876）

摘 要：巨型星座中海量网元对现有网络架构和技术体制提出了严峻挑战，如何设计和规划网络体系架构是巨型星座发展的关

键问题之一。从星座架构的概念与特征出发，结合国内外卫星星座发展情况与技术预判，提出“四面”（感知平面、数据平面、

控制平面、智能管理平面）和“三层”（资源层、传送层、业务层）的多层多域混合式智能协同组网体系架构，设计星座网络

管控架构、技术参考模型与协议架构等。同时，针对星座建设与发展趋势，阐述并分析星座网络编址路由、网络鲁棒性敏捷保

障、差异化业务承载、端到端可靠传送等关键技术的演化趋势，支撑我国低轨巨型星座网络发展与建设。

关键词：巨型星座；组网体系架构；技术参考模型；协议架构

中图分类号：TP393

文献识别码：A

doi: 10.11959/j.issn.2096−8930.2024015

Architecture Design and Key Technologies Analysis of

LEO Satellite Mega-Constellations

GAO Zihe1

, YAO Haipeng2

, ZHANG Lei1

, SHI Yulin1

, WANG Fu2

, TAO Ying1

1.China Academy of Space Technology，Beijing 100094，China

2. Beijing University of Posts and Telecommunications, Beijing 100876, China

Abstract: The large number of network elements in the mega-constellations pose a severe challenge to the existing network architecture

and technical system. Based on the concept and characteristics of constellation architecture, combined with the development of domestic

and foreign satellite constellations and technology prediction, a multi-layer and multi-domain hybrid intelligent cooperative network

architecture was proposed, which consist of four layers (perception plane, data plane, control plane, intelligent management plane) and

three layers (resource layer, transport layer, service layer) , the architecture of constellation network management and control, technology reference model and protocol architecture were designed. At the same time, accorded to the construction and development trend of

constellation, this paper expounded and analyzed the evolution trend of the key technologies, such as constellation network addressing

and routing, network robust agile guarantee, differentiated service bearing, end-to-end reliable transmission, etc. The research results

could support the development and construction of LEO giant constellation network in our country.

Keywords: mega-constellation, networking architecture, technology reference model, protocol architecture

0 引言

星地融合网络是支撑我国“网络强国”“航天强国”“数

字经济”等战略的重要信息基础设施[1]。囿于复杂星座构

型、单星载荷受限等约束，星地融合网络无法直接继承地

面网络现有方案。现有基于海量低轨卫星（Low Earth Orbit,

LEO）的卫星网络具有星座构型复杂、星间拓扑高动态、

单星载荷资源受限、星间星地链路异构等特点，是限制星

地融合网络实现全球覆盖、全天候无缝接入、天地深度融

合发展的关键难题。随着国外星链（Starlink）系统[2]、

OneWeb 星座[3]、美军“国防太空架构”计划[4]的提出与建

设实施，星座空间段卫星的规模也逐渐由几百颗向数千乃

收稿日期：2024−02−20；修回日期：2024−05−30

基金项目：国家重点研发计划资助项目（No.2022YFB2902501）

Foundation Item: National Key Research and Development Program of China (No.2022YFB2902501)

·44· 天地一体化信息网络 第 5 卷

至数万颗规模爆炸式增长。我国天算星座、天智二号[5]等

卫星发射，在新型网络计算、融合服务计算、分布式智能

计算、软件定义卫星等技术方向取得了长足进步，为未来

星座建设提供了良好的技术基础。与传统星座相比，由于

在轨卫星数目激增，星座的体系架构往往难以直接沿用以

往架构，如何结合星地融合网络发展需求与技术预判，设

计星座体系架构成为领域发展的瓶颈和关键。

目前，低轨巨型星座架构与系统已经引起了国内外的

广泛关注。在 2020 年 MIT 发布的《2020 年十大突破性技

术》中[6]，将星座描述为“在地球轨道上建造、发射和运

行的成千上万颗卫星”，并通过该巨型星座实现高速互联

网覆盖全球。参考文献[7]列举了 2015 年的国外多项星座

计划，包括星链系统（初期 4 408 颗，后期 4.2 万颗）、

OneWeb 星座（初期 716 颗，未来计划 6 372 颗）、Kuiper

星座（3 236 颗）等，同时对新兴巨型星座的网络特征进

行了阐述。参考文献[8]研究了基于大量低成本微小卫星组

建的巨型星座网络，并针对星链系统 1 584 颗卫星、Kuiper

星座 1 296 颗卫星进行了覆盖性仿真分析和优化设计。

低轨巨型星座最为典型的特征是具有海量 LEO 卫星

节点，因此本文对低轨巨型星座的概念定义如下：“低轨巨

型星座是由近地球轨道内成千上万乃至几十万颗卫星，通

过动态星间/星地链路组成的巨型卫星星座系统”。与传统

星座相比，低轨巨型星座网络具有如下典型特征。

（1）空间段卫星数目激增导致卫星星座设计异常复

杂。低地球轨道空间内可容纳的卫星数目与星间安全距

离、星座具体构型、星座覆盖需求等紧密相关，通过数值

实验分析[9-10]，在 500 km 轨道高度的壳层内，安全距离

50 km 时，最多可容纳 5 000 颗卫星。因此，对于成千上万

乃至几十万颗卫星组成的星座，往往进行分层设计。

（2）空间段网络拓扑动态变化剧烈。随着星间激光通

信链路技术发展成熟与在轨应用，未来将构建太空的“光

纤网”，实现基于星间链路的大规模网状组网。低轨巨型

星座空间段卫星数量巨大，导致星座星间链路数目也相

对增加（几十万条甚至上百万条星间链路）；卫星之间的

相对运动使得跨星座构型组网链路、跨星座层/域组网链

路高速、快速变化，给网络拓扑预测与路由带来很大困难。

（3）星座网络管控难度进一步提升。随着空间段卫星

数目、星间/星地动态链路激增，以及不可预期的卫星节点、

链路、网络故障发生，单纯依赖地面管控中心实现全星座

网络管控变得更加困难。因此，如何引入新的技术实现低

轨巨型卫星星座的自我感知、自我监测，以及网络服务能

力的自修复、自愈合变得尤为重要。

论文后续的研究内容和关键技术都应该围绕以上 3 个

典型特征。从国内外星座体系发展、“三层四面”网络体

系架构、低轨巨型星座关键技术等 3 个方面对现有技术发

展趋势进行论述和归纳。基于本文提出的“三层四面”架

构，低轨巨型星座可以实现阶段化部署和层次化协议管

理，推动低轨巨型星座网络化发展的技术落地。

1 国内外系统与技术发展现状

1.1 国外系统发展

在国外低轨巨型星座论证建设方面，商用系统以星链

系统、OneWeb 星座、Kuiper 星座等为代表，系统以美太

空军“七层体系”为代表。本文以星链系统和美太空军“七

层体系”为代表进行阐述。

（1）星链系统

星链系统是美国 SpaceX 公司主导研制和建设的低轨

巨型星座系统。该系统计划自 2018 年提出以来，经过多

轮次快速迭代，截至 2024 年 3 月，已经完成多个型号超过

5 000 颗卫星的在轨组网运行。

第一期星座。Starlink 第一期星座部署 4 409 颗卫星，

分布在 123 个轨道面上，轨道高度从 550 km 到 1 325 km

不等，在用户端最低 40°仰角条件下，可满足全球无缝覆

盖。SpaceX 公司计划分两个阶段建设该系统，第一阶段

发射 1 584 颗卫星，分布于 72 个 550 km 的轨道面上，每

个轨道面 22 颗卫星；第二阶段发射 2 825 颗卫星，分布于

1 110 km、1 130 km、1 275 km 和 1 325 km 等 4 个不同轨

道高度，分别对应 32 个、8 个、5 个、6 个轨道面，各轨

道面 50~75 颗卫星不等。此外，受美国联邦通信委员会

（Federal Communications Commission, FCC）监管要求，

SpaceX 星座部署工作首先着眼于美国本土全境覆盖，随

后继续布星完成全球覆盖。

第二期星座及后续规划。SpaceX 公司提出的 7 518 颗

V 频段低轨巨型卫星星座，轨道设计高度分布在 330~350

km 范围内，根据其向国际电信联盟提交的申报材料，其

远期目标要部署 42 000 颗卫星。后续部署的 30 000 颗第

三期星座称为“星链”二代，将部署在多个不同轨道高度，

范围在 340~614 km 之间。

（2）美太空军“七层体系”

美国太空发展局（SDA）正在为美军开发下一代太空

架构——“国防太空架构”，旨在构建一种“扩散型低地球

轨道（pLEO）”太空架构，统一整合美国国防部下一代太

空能力，实现韧性低轨星座感知和数据传输。“国防太空架

构”主要由以下功能层组成。

第 2 期 高梓贺等：低轨巨型星座体系架构设计与关键技术分析 ·45·

传输层是“国防太空架构”的主干，旨在为全球范围

内的军事作战人员应用提供可靠、灵活、低时延的军事数

据和连接。2020 年 4 月，美国太空发展局发布了“传输层

0 期”征询草案。“传输层 0 期”是一种测试和训练“螺旋”，

其最终成果主要有两方面：一是系统能力实验和演示，可

以整合并实现与其他运行实体兼容；二是可以作为后续阶

段发展基线。

传输层由太空段和地面段（主要由政府提供）组成。

太空段包括一个由 20 颗卫星组成的异构星座，地面段位

于美国海军研究实验室的卫星运行中心。“传输层 0 期”

实验星座包含两个近极轨道面，轨道面高度为 1 000 km，

倾角在 80°到 100°之间。每个平面的卫星分为两组：A 组

卫星提供连接整个星座的完整网络基础设施，B 组卫星通

过综合广播系统和 Link 16 支持平面交链和任务通信。A

组卫星在平面上均匀分布，可以支持与地面的持续联络和

双向交链；B 组卫星呈“簇”状，可支持在多个时间段内

对某一战区的连续覆盖，并进行测试和实验。

1.2 国内系统发展

近年来，星座系统在国内的发展加速进行。

上海垣信卫星科技有限公司提出了千帆低轨卫星星

座，该星座包括 3 代卫星系统，采用全频段、多层多轨道

星座设计。第一阶段计划到 2025 年年底，实现 648 颗卫星

提供区域网络覆盖；第二阶段计划到 2027 年年底，实现

648 颗卫星提供全球网络覆盖；第三阶段计划到 2030 年年

底，实现 15 000 颗卫星提供手机直连卫星多业务融合服务。

银河航天（北京）科技有限公司于 2018 年推出银河

星座计划。2020 年 1 月，首颗通信能力达 10 Gbit/s 的低

轨宽带通信卫星即银河航天首发星升空；2023 年 7 月 23

日，灵犀 03 星发射升空，是我国首款使用柔性太阳翼的

低轨宽带通信卫星。

北京国电高科科技有限公司提出了天启星座，计划发

射 38 颗低轨卫星，构建覆盖全球的物联网数据服务系统。

2021 年 7 月天启 15 号卫星成功发射，标志第一阶段组网

完成。2022 年 2 月，天启星座 19 星（天启星座的第 15

颗卫星）成功发射，标志第二阶段组网建设正式开始。

在低轨巨型星座关键技术在轨验证方面，北京邮电大

学建设了天算星座，通过对卫星智能化、服务化、开放化

设计，聚焦新型网络计算、融合服务计算、分布式智能计

算等方向，构建了产学研用一体化的空天计算在轨试验开

放开源平台；软件定义卫星（天智一号、天智二号）由中

国科学院软件研究所牵头研制，是我国首颗软件定义卫星，

也是全球首颗实际开展工程研制并发射的软件定义卫星。

从目前发展来看，国内低轨星座的卫星数量仍然较

少，星座网络拓扑与组网路由相对简单，在体系架构、协

议体制、编址路由、可靠性传输等技术攻关方面与国外仍

存在差距。

1.3 体系架构研究情况

针对未来低轨信息网络，中国空间技术研究院、鹏程

实验室王宁远、陈东研究团队提出了基于软件定义网络

和网络功能虚拟化的全云化卫星 5G 融合网络架构[11]，使

网络具备架构可编程、网络功能抽象解耦，以及去中心

化等优势，最终实现网络的多业务承载、持续演进、自

动化管理等能力。

北京理工大学武楠研究团队结合软件定义网络、网络

功能虚拟化、人工智能等技术发展，提出了智能化与虚拟

化驱动的星地融合网络体系架构[12]，从逻辑域和功能架构

方面描述了该网络智能重构、按需适变、高效管控等主要

能力，并规划了网络体系架构的远期远景发展路径。

中国电子科学研究院郑作亚研究团队基于网络信息

体系思维，提出了一种由天基骨干网、低轨接入网和地基

节点网等组成的天地一体化信息网络[13]，具备通信、导航、

遥感、信息传输、汇聚与分发能力，同时利用地面信息港

实现信息综合处理，具有较强的技术前瞻性。

亚太卫星宽带通信（深圳）有限公司冯建元研究团队

基于各类卫星网络的深度融合发展需求，提出了天地一体

化信息网络中天基卫星网络架构设计[14]，通过将电磁涡

旋、卫星灵活载荷、边缘计算等技术引入卫星网络中，解

决新架构下卫星节点间组网难题。

2 低轨巨型星座体系架构设计

2.1 组网体系架构

为了实现低轨巨型星座的高效组网与动态管控，本文

提出基于“感知平面−数据平面−控制平面−智能管理平面”

4 面以及“资源层−传送层−业务层”3 层的多层多域混合

式智能协同组网体系架构，如图 1 所示。该架构中，空间

激光通信技术为低轨星座大容量数据传输奠定了物理层

基础；在轨边缘计算处理能力不断提升使得卫星在轨数据

处理、星载多源信息融合逐渐成为现实；巨型星座固有的

海量节点和动态链路也对网络感知、自主任务、自主诊断

与故障响应等星座自动化管理提出了更高的要求。

针对低轨巨型星座星地融合网络中时空大尺度下的异

质网络节点，以及多源多维多域信息所带来的复杂网络结

构，该架构拟从逻辑、功能以及任务上对星地融合网络进

行解耦，通过引入软件定义网络数（数据平面）控（控制

·46· 天地一体化信息网络 第 5 卷图 1 多层多域混合式智能协同组网体系架构