陳新宇，王曉鋒，劉 淵

江南大學(xué) 人工智能與計算機(jī)學(xué)院，江蘇 無錫 214122

隨著空間基礎(chǔ)設(shè)施的更新迭代，衛(wèi)星產(chǎn)業(yè)應(yīng)用得到飛速發(fā)展，空間信息資源逐漸成為各個國家重要的戰(zhàn)略資源。而天地一體化信息網(wǎng)絡(luò)憑借其在空、天、地三維空間上強(qiáng)大的資源整合能力能夠滿足國家在國防和民生建設(shè)中對全方位信息采集的需求，因此成為各國爭相發(fā)展的重要戰(zhàn)略性基礎(chǔ)設(shè)施。天地一體化信息網(wǎng)絡(luò)是一種異構(gòu)、動態(tài)的復(fù)雜網(wǎng)絡(luò)，主要包含天基與陸基兩部分，其中高軌和中低軌道的衛(wèi)星、飛機(jī)、高空平臺等屬于天基網(wǎng)，位于陸地、海面平臺的各種地面站、艦船、地面廣域網(wǎng)節(jié)點等屬于陸基網(wǎng)[1]。

在天地一體化信息網(wǎng)絡(luò)發(fā)展過程中，面向?qū)臻g網(wǎng)絡(luò)通信協(xié)議的性能評估需求、對空間網(wǎng)絡(luò)安全攻防測試的需求以及對各種新技術(shù)和系統(tǒng)的測試和評估需求[2]，從經(jīng)濟(jì)、時間成本考慮，比起真實的衛(wèi)星網(wǎng)絡(luò)，搭建成本低、時間短的衛(wèi)星網(wǎng)絡(luò)仿真測試系統(tǒng)更具有現(xiàn)實價值意義[3]。

傳統(tǒng)的基于離散事件模擬的仿真工具雖然可用于對衛(wèi)星網(wǎng)絡(luò)的仿真，但由于缺乏相關(guān)功能模塊因此需要進(jìn)行后續(xù)不同程度的開發(fā)，此外更無法搭載真實業(yè)務(wù)系統(tǒng)與流量。而虛擬化技術(shù)[4]和云計算技術(shù)[5]通過將資源邏輯化并進(jìn)行整合管理因而具備更優(yōu)秀的仿真能力，為衛(wèi)星網(wǎng)絡(luò)仿真方案設(shè)計提供了新的思路[6]。

但是當(dāng)前眾多基于虛擬化技術(shù)和云計算技術(shù)的仿真方案在實現(xiàn)衛(wèi)星網(wǎng)絡(luò)拓?fù)浞抡婧玩溌贩抡孢^程中仍然存在一些問題：衛(wèi)星網(wǎng)絡(luò)拓?fù)浞抡鎴鼍吧煞桨敢子眯缘?、衛(wèi)星網(wǎng)絡(luò)鏈路仿真的時效性不強(qiáng)以及實時動態(tài)仿真精確度低等。因此本文針對在衛(wèi)星網(wǎng)絡(luò)拓?fù)浞抡孢^程中繁雜低效的解析問題，研究了衛(wèi)星網(wǎng)絡(luò)拓?fù)浣馕雠c生成技術(shù)；其次針對衛(wèi)星網(wǎng)絡(luò)鏈路實時仿真過程中存在的時效性差問題，研究了衛(wèi)星網(wǎng)絡(luò)鏈路快響應(yīng)仿真技術(shù)；最后為實現(xiàn)實時動態(tài)地衛(wèi)星鏈路仿真高逼真性能，研究了鏈路校正策略。通過以上三方面的研究，解決目前衛(wèi)星網(wǎng)絡(luò)拓?fù)鋱鼍胺抡嬖谕負(fù)浞抡孢^程中存在的易用性差的問題，在鏈路仿真過程中存在的響應(yīng)速度慢，精確度低的問題。

1 相關(guān)工作

傳統(tǒng)的基于離散事件模擬技術(shù)的仿真工具，如商業(yè)軟件OPNET[7-8]、Systems Tool Kit（STK）[9]以及開源軟件NS2[10]、NS3[11-12]、OMNeT++[13]等，雖然可通過對相關(guān)模塊進(jìn)行后續(xù)開發(fā)進(jìn)而滿足衛(wèi)星網(wǎng)絡(luò)仿真需求，但數(shù)字仿真無法搭載真實業(yè)務(wù)系統(tǒng)與流量，因此并不是搭建衛(wèi)星網(wǎng)絡(luò)仿真平臺最佳的選擇方案。當(dāng)前基于虛擬化、云計算的衛(wèi)星網(wǎng)絡(luò)仿真方案成為一種趨勢，代表性工作主要包括兩個方面，一是衛(wèi)星網(wǎng)絡(luò)拓?fù)浞抡?，二是衛(wèi)星鏈路仿真。

在網(wǎng)絡(luò)拓?fù)浞抡娣矫?，虛擬化技術(shù)由于具備優(yōu)秀的資源管理能力，同時更具備對真實業(yè)務(wù)流量的加載能力，因此成為衛(wèi)星網(wǎng)絡(luò)仿真的主要實現(xiàn)方案。EmuStack仿真平臺[14]使用輕量級虛擬化技術(shù)Docker實現(xiàn)對大規(guī)模拓?fù)涞姆抡?；一種天地一體化信息網(wǎng)絡(luò)仿真平臺[15]采用全虛擬化技術(shù)KVM完成對衛(wèi)星網(wǎng)絡(luò)拓?fù)涞姆抡?；一種基于云的仿真平臺[16]和SGIN-Stack[17]融合了全虛擬化技術(shù)KVM以及輕量級虛擬化技術(shù)Docker兩種虛擬化方案，完成對衛(wèi)星網(wǎng)絡(luò)拓?fù)涞膭討B(tài)仿真。但以上研究成果在網(wǎng)絡(luò)拓?fù)浞抡孢^程中都存在不同程度的手動配置和解析過程，這些對網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的解析工作限制了仿真架構(gòu)的可復(fù)用性和可擴(kuò)展性。

同時在鏈路仿真方面，網(wǎng)絡(luò)流量控制工具（traffic control，TC）以其強(qiáng)大的流量整形能力成為研究人員主要的鏈路性能仿真實現(xiàn)方案。EmuStack[14]是一種基于OpenStack的用于延遲容忍網(wǎng)絡(luò)的大規(guī)模實時仿真平臺，EmuStack集成了TC與OpenStack，能夠?qū)崿F(xiàn)對可變帶寬、延遲、丟包率等鏈路性能的仿真，但仿真精度較低；Benet等[18]首次提出一種將OpenStack和基于軟件定義網(wǎng)絡(luò)（software defined network，SDN）的控制器結(jié)合的測試床，主要用于對虛擬機(jī)遷移策略、路由負(fù)載平衡方案的性能測試和評估，但并未針對衛(wèi)星網(wǎng)絡(luò)實現(xiàn)對網(wǎng)絡(luò)鏈路性能的仿真；賴俊宇等[16]提出一種向用戶提供網(wǎng)絡(luò)仿真執(zhí)行即服務(wù)（NEaaS）的概念，基于OpenStack以及網(wǎng)絡(luò)功能虛擬化技術(shù)、SDN技術(shù)、TC等技術(shù)設(shè)計并實現(xiàn)了一種網(wǎng)絡(luò)仿真平臺，能夠?qū)崿F(xiàn)對衛(wèi)星網(wǎng)絡(luò)拓?fù)涞撵o態(tài)、動態(tài)仿真以及鏈路性能的定制仿真，但是在實時仿真精度上有所欠缺；一種天地一體化信息網(wǎng)絡(luò)仿真平臺[15]融合OpenStack和STK構(gòu)建天地一體化信息網(wǎng)絡(luò)仿真平臺，基于流表和隊列管理規(guī)則動態(tài)實時地對衛(wèi)星鏈路的間歇性、時延、誤碼率等性能參數(shù)進(jìn)行精確仿真，但該仿真平臺的實時仿真精度仍然較低；SGIN-Stack[17]是一種基于云的實驗平臺，該平臺面向天地一體化衛(wèi)星網(wǎng)絡(luò)提出一種動態(tài)差分補(bǔ)償技術(shù)和隨機(jī)數(shù)生成算法以實現(xiàn)對衛(wèi)星鏈路的實時精確仿真，具有較高的仿真精度，但由于架構(gòu)的局限性在鏈路仿真過程中衛(wèi)星鏈路的響應(yīng)速度較慢，進(jìn)而影響了時變衛(wèi)星網(wǎng)絡(luò)的仿真逼真度。

2 體系結(jié)構(gòu)

本文提出的仿真體系架構(gòu)以STK構(gòu)建的模擬場景為基礎(chǔ)實現(xiàn)對包括拓?fù)淠Ｐ秃玩溌纺Ｐ驮趦?nèi)的模型構(gòu)建過程，進(jìn)而在OpenStack云環(huán)境中實現(xiàn)衛(wèi)星網(wǎng)絡(luò)拓?fù)浞抡婧玩溌贩抡?。仿真體系采用分布式架構(gòu)，可根據(jù)仿真規(guī)模和需求進(jìn)行靈活部署，具有較高的靈活性和可擴(kuò)展性。此外，本體系架構(gòu)采用AGI公司開發(fā)的Object Model與STK進(jìn)行交互，開發(fā)環(huán)境為Python3.6，其中Object Model是一種基于COM組件的STK接口函數(shù)庫，包含各種接口、類和事件。

仿真體系架構(gòu)如圖1所示。其中操作控制端（Host）主要實現(xiàn)拓?fù)淠Ｐ秃玩溌纺Ｐ偷纳蛇^程，搭載了STK環(huán)境且包含兩個模塊，分別是拓?fù)淠Ｐ蜆?gòu)建模塊和鏈路模型構(gòu)建模塊。OpenStack云環(huán)境則主要完成衛(wèi)星網(wǎng)絡(luò)拓?fù)浜玩溌贩抡婀ぷ?，其中控制?jié)點（Controller）包含任務(wù)控制模塊以及拓?fù)浞抡婺K，計算節(jié)點（Compute）包含鏈路仿真模塊。

圖1 天地一體化衛(wèi)星網(wǎng)絡(luò)拓?fù)鋱鼍胺抡骟w系架構(gòu)Fig.1 System architecture of topological scenario emulation of space-ground integrated satellite network

衛(wèi)星網(wǎng)絡(luò)拓?fù)涞淖詣咏馕雠c仿真場景生成以拓?fù)淠Ｐ偷某晒?gòu)建為前提，主要涉及拓?fù)淠Ｐ蜆?gòu)建模塊與拓?fù)浞抡婺K。拓?fù)淠Ｐ偷臉?gòu)建過程采用自底向上逐步解析和封裝的思想：針對STK中所包含的11種基本對象（飛機(jī)、目標(biāo)、區(qū)域目標(biāo)、鏈、星座、地面站、汽車、衛(wèi)星、地點、艦船、傳感器）的特征進(jìn)行提取和解析以構(gòu)建統(tǒng)一的描述模型，即對象模型，實現(xiàn)第一層解析和封裝；基于對象模型并解析場景配置信息以構(gòu)建場景模型，實現(xiàn)第二層解析和封裝；基于場景模型并引入拓?fù)浣馕鏊惴?，通過解析場景模型中各節(jié)點之間的鏈接關(guān)系從而生成衛(wèi)星網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)，最終完成拓?fù)淠Ｐ偷臉?gòu)建，實現(xiàn)第三層解析和封裝。隨著位于OpenStack云環(huán)境控制節(jié)點的任務(wù)控制模塊發(fā)出拓?fù)浞抡娴闹噶?，拓?fù)浞抡婺K將加載對應(yīng)的拓?fù)淠Ｐ筒⑸煞抡婢W(wǎng)絡(luò)，最終實現(xiàn)衛(wèi)星網(wǎng)絡(luò)仿真場景的生成。

衛(wèi)星網(wǎng)絡(luò)鏈路高逼真度、實時、動態(tài)仿真的實現(xiàn)以鏈路模型的成功構(gòu)建為前提，主要涉及鏈路模型構(gòu)建模塊與鏈路仿真模塊。引入鏈路解析算法，該算法通過解析場景模型，依據(jù)鏈路的時變特性將衛(wèi)星網(wǎng)絡(luò)鏈路分類為兩類：時變鏈路和非時變鏈路。基于鏈路的類型選擇不同的方案生成鏈路性能數(shù)據(jù)，最終生成鏈路模型。隨著位于OpenStack云環(huán)境控制節(jié)點的任務(wù)控制模塊發(fā)出鏈路仿真的指令，鏈路仿真將加載對應(yīng)的鏈路模型并載入鏈路校正策略，最終實現(xiàn)衛(wèi)星網(wǎng)絡(luò)鏈路高逼真度、實時、動態(tài)仿真。

3 關(guān)鍵技術(shù)

3.1 衛(wèi)星網(wǎng)絡(luò)拓?fù)浣馕雠c生成技術(shù)

面對由STK生成的種類多樣的天地一體化場景，通常需要針對具體場景進(jìn)行繁雜的解析工作以提煉仿真網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)進(jìn)而構(gòu)建不同的仿真網(wǎng)絡(luò)自動化部署配置文件，最終生成仿真網(wǎng)絡(luò)。

這種低效且可擴(kuò)展性差的構(gòu)建方案無疑給衛(wèi)星網(wǎng)絡(luò)仿真工作帶來巨大的工作量，尤其對于規(guī)模較大的場景，仿真網(wǎng)絡(luò)的構(gòu)建難度將會進(jìn)一步提升。為解決這一問題并提高衛(wèi)星仿真網(wǎng)絡(luò)構(gòu)建可擴(kuò)展性，本文提出一種衛(wèi)星網(wǎng)絡(luò)拓?fù)浣馕雠c生成技術(shù)。首先，通過構(gòu)建場景模型將天地一體化場景對象進(jìn)行分類并結(jié)構(gòu)歸一化；進(jìn)而，基于場景模型經(jīng)由拓?fù)浣馕鏊惴ㄟM(jìn)行解析以提煉衛(wèi)星網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)；最后，基于衛(wèi)星網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)生成拓?fù)淠Ｐ筒⒃谠骗h(huán)境中生成衛(wèi)星仿真網(wǎng)絡(luò)。

3.1.1 場景模型構(gòu)建方案

如第2章所述，場景模型的構(gòu)建以對象模型的構(gòu)建為前提，通過對對象模型進(jìn)行第二層解析和封裝完成構(gòu)建工作。

對象模型以STK所提供的11種對象類型：飛行器（Aircraft）、區(qū)域目標(biāo)（AreaTarget）、鏈（Chain）、星座（Constellation）、地面站（Facility）、地面車輛（GroundVehicle）、地點（Place）、衛(wèi)星（Satellite）、船艦（Ship）、目標(biāo)（Target）、傳感器（Sensor）為基礎(chǔ)構(gòu)建目標(biāo)，分別解析并提取不同對象的特征數(shù)據(jù)并分類為基礎(chǔ)屬性和特征屬性兩類屬性進(jìn)而完成對象模型的構(gòu)建。表1列舉了11種對象模型的屬性構(gòu)成。對于基礎(chǔ)屬性，所有對象均具備id和type兩種基礎(chǔ)屬性，其中type屬性標(biāo)示了該對象的類型；基礎(chǔ)屬性interval標(biāo)示了對象運行軌跡的開始和結(jié)束時間；基礎(chǔ)屬性subobjects標(biāo)示了對象所搭載的所有子對象。對于特征屬性，其中，Aircraft、GroundVehicle、Ship類型對象作為具備移動性的空、地對象，其特征屬性waypoint記錄了其軌跡信息；AreaTarget、Facility、Place、Target類型對象作為不具移動性的地面對象，其特征屬性position記錄了其位置信息；Chain和Constellation類型對象的特征屬性記錄了其包含的對象模型集合；Satellite類型對象的特征屬性orbit記錄了其軌道數(shù)據(jù)；Sensor類型對象的特征屬性target記錄了其目標(biāo)對象及其搭載的設(shè)備信息。

表1 對象模型屬性構(gòu)成表Table 1 Attribute composition of object model

場景模型包含一種基礎(chǔ)屬性，以及多種特征屬性。基礎(chǔ)屬性scenario記錄了模擬場景基本信息，包括場景名name、場景存儲路徑path、場景仿真時間interval、場景包含的子對象信息subobjects，且subobjects根據(jù)對象類型進(jìn)行分類存儲。場景模型的特征屬性則根據(jù)場景中包含的對象類型創(chuàng)建對應(yīng)的特征屬性并記錄屬于該類型的所有對象模型。

即對象模型的生成實現(xiàn)了拓?fù)淠Ｐ蜆?gòu)建模塊第一層的解析與封裝，而場景模型的生成實現(xiàn)了拓?fù)淠Ｐ蜆?gòu)建模塊第二層的解析與封裝。

3.1.2 拓?fù)浣馕鏊惴?/p>

拓?fù)淠Ｐ蜆?gòu)建模塊最后一層的解析與封裝主要完成拓?fù)淠Ｐ偷臉?gòu)建工作，而基于場景模型解析出場景中衛(wèi)星網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)是該層的核心內(nèi)容，因此本文提出了一種拓?fù)浣馕鏊惴〝M解決這一問題。

本文提出的拓?fù)浣馕鏊惴▽⑿l(wèi)星網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)存儲于一個二維矩陣s中。s[i][j]=1表示ID為i的節(jié)點(Ni)和ID為j的節(jié)點(Nj)之間存在從Ni到Nj的單向鏈路，反之s[i][j]=0則代表Ni到Nj之間不存在單向鏈路。

本算法以場景模型為輸入，提取場景中存在的所有具有連接性的子對象及其對應(yīng)的對象模型。本算法以一個STK模擬場景項目為前提，如果某對象搭載了傳感器且傳感器搭載了發(fā)射器，則存在從該對象到傳感器目標(biāo)節(jié)點的單向鏈路，反之不存在這樣的單向鏈路。本算法具體偽代碼描述見算法1。

算法1拓?fù)浣馕鏊惴?/p>

該算法實際上對場景中所有具有連通性的節(jié)點（Aircraft、Facility、GroundVehicle、Place、Satellite、Ship、Target）的特征屬性subobjects中所有發(fā)射器的搭載情況進(jìn)行解析，因此對于具有n個節(jié)點且節(jié)點最多搭載m個發(fā)射器的模擬場景，時間復(fù)雜度為O(nm)。同時該算法由于需要一個二維矩陣result存儲衛(wèi)星網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，因此對于具有n個節(jié)點的模擬場景，空間復(fù)雜度為O(n2)。

在通過拓?fù)浣馕鏊惴ǖ玫叫l(wèi)星網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)后，拓?fù)淠Ｐ蜆?gòu)建模塊將根據(jù)該拓?fù)浣Y(jié)構(gòu)自動從網(wǎng)絡(luò)地址池中為各個節(jié)點分配端口及IP，最終完成拓?fù)淠Ｐ偷臉?gòu)建。進(jìn)一步的，拓?fù)浞抡婺K將根據(jù)拓?fù)淠Ｐ屯瓿尚l(wèi)星仿真網(wǎng)絡(luò)的搭建和配置。

3.2 衛(wèi)星網(wǎng)絡(luò)鏈路快響應(yīng)仿真技術(shù)

衛(wèi)星網(wǎng)絡(luò)鏈路仿真的普遍方案是通過從STK中提取鏈路性能參數(shù)并加載至云仿真環(huán)境中進(jìn)行仿真。但隨著網(wǎng)絡(luò)拓?fù)湟?guī)模的不斷擴(kuò)大和復(fù)雜度的不斷提升，衛(wèi)星網(wǎng)絡(luò)鏈路數(shù)量將不斷增多，實時的鏈路性能參數(shù)提取時耗將隨之增加。提取時耗的存在將降低衛(wèi)星網(wǎng)絡(luò)鏈路實時動態(tài)仿真的逼真度，即鏈路仿真的響應(yīng)速度會進(jìn)一步影響衛(wèi)星鏈路實時動態(tài)仿真逼真度。

一種解決方案是將鏈路性能數(shù)據(jù)預(yù)先上傳至云仿真環(huán)境中，常見的存儲方式是存入云仿真環(huán)境數(shù)據(jù)庫中。但這種解決方案并不能完美地解決鏈路仿真的響應(yīng)速度問題，一方面隨著衛(wèi)星網(wǎng)絡(luò)拓?fù)湟?guī)模和復(fù)雜度的提高，鏈路性能數(shù)據(jù)的提取規(guī)模將隨之提升，尤其是在仿真周期較長的情況下數(shù)據(jù)規(guī)模將非常龐大；另一方面，鏈路性能參數(shù)的配置時耗并沒有得到改善，鏈路的配置規(guī)模將決定每一輪次鏈路仿真的配置時耗，即決定鏈路仿真的響應(yīng)速度。

以?？谑芯用駞^(qū)為例，對構(gòu)建的居民區(qū)生活垃圾分類投放方案評價模型進(jìn)行了案例分析。?？谑惺菄野l(fā)改委、住建部制定的《生活垃圾分類制度實施方案》規(guī)定的第1批生活垃圾分類示范城市之一。考慮國家相關(guān)文件要求及實際可操作性等因素的影響，設(shè)計了3種居民區(qū)生活垃圾分類投放方案，如表1所示。

面向這一問題，本著盡可能控制鏈路的配置規(guī)模的原則，本文提出一種鏈路劃分算法，該算法能夠基于鏈路的時變特性對衛(wèi)星鏈路進(jìn)行分類進(jìn)而生成鏈路模型，并在鏈路仿真過程中基于一種鏈路模型預(yù)加載機(jī)制通過對不同鏈路采取不同的配置方案從而提高鏈路仿真的快響應(yīng)速度，最終保證衛(wèi)星網(wǎng)絡(luò)鏈路仿真的逼真度。

3.2.1 鏈路劃分算法

天地一體化衛(wèi)星網(wǎng)絡(luò)是由涵蓋空、天、地、海多維空間內(nèi)多種節(jié)點構(gòu)成的復(fù)雜異構(gòu)網(wǎng)絡(luò)。基于節(jié)點所屬的空間位置，天地一體化衛(wèi)星網(wǎng)絡(luò)中的鏈路可劃分為星間鏈路（inter-satellite link）和星地鏈路（satellite-ground link）兩種類型。同時本文基于鏈路的時變特性，天地一體化衛(wèi)星網(wǎng)絡(luò)中的鏈路可劃分為時變鏈路和非時變鏈路。

為了控制鏈路性能數(shù)據(jù)提取規(guī)模和鏈路模型規(guī)模，更重要地為了保證鏈路仿真的高響應(yīng)速度，有必要對衛(wèi)星網(wǎng)絡(luò)中的鏈路進(jìn)行劃分。對于非時變鏈路，在仿真周期內(nèi)鏈路性能參數(shù)不變，因此只需提取一組鏈路性能數(shù)據(jù)即可生成鏈路模型，進(jìn)而對仿真網(wǎng)絡(luò)中對應(yīng)的鏈路進(jìn)行一次性配置。對于時變鏈路，在仿真周期內(nèi)鏈路性能參數(shù)隨時間變化，因此需要提取仿真周期時間內(nèi)所有的鏈路性能數(shù)據(jù)以生成鏈路模型，進(jìn)而對仿真網(wǎng)絡(luò)中對應(yīng)的鏈路進(jìn)行實時動態(tài)配置。

而鏈路的時變特性主要是由空、天、地、海節(jié)點間的空間位置關(guān)系所決定的，且在帶寬、延時和丟包率三種鏈路性能參數(shù)中主要影響在延時這一參數(shù)上[19]。因此確定節(jié)點間的空間位置關(guān)系即能確定鏈路時變特性，即節(jié)點間空間位置相對距離不變則為非時變鏈路，否則為時變鏈路。

因此本文設(shè)計了一種鏈路劃分算法以鏈路的時變特性為劃分原則，基于場景模型對場景中所有鏈路進(jìn)行劃分。該算法首先基于鏈路兩端節(jié)點所在的空間位置特征劃分為星間鏈路和星地鏈路。其次，對于星間鏈路，通過鏈路兩端節(jié)點衛(wèi)星的軌道幾何形狀（圓軌道、非圓軌道）以及兩衛(wèi)星之間的軌道位置關(guān)系（軌內(nèi)、軌間）判斷兩衛(wèi)星之間的距離變化情況，進(jìn)而得到鏈路的時變特性。衛(wèi)星軌道信息通過提取對應(yīng)模型的orbit特征屬性獲得。軌道幾何形狀通過衛(wèi)星偏心率進(jìn)行判斷，而軌道位置關(guān)系通過衛(wèi)星傾角和近地點半徑進(jìn)行判斷。同時對于星地鏈路，在地面節(jié)點為移動節(jié)點的情況下，則對應(yīng)的星地鏈路一定為時變鏈路，其中具備移動性的地面節(jié)點類型包含Aircraft、GroundVehicle、Ship三種，其特征屬性waypoint記錄了其軌跡信息；在地面節(jié)點固定不動的情況下，若衛(wèi)星軌道處于對地靜止軌道，則對應(yīng)的星地鏈路為非時變鏈路，反之為時變鏈路，其中不具移動性的地面節(jié)點類型包含AreaTarget、Facility、Place、Target四種。本算法具體偽代碼描述見算法2。

算法2鏈路劃分算法算法

該算法的兩個子算法均能夠在O(1)時間內(nèi)完成對時變特性的判定，因此對于一個包含n條鏈路的模擬場景，時間復(fù)雜度為O(n)。同時該算法無需任何額外空間，因此空間復(fù)雜度為O(1)。

3.2.2 鏈路模型預(yù)加載機(jī)制

如3.2.1小節(jié)所述，基于鏈路劃分算法構(gòu)建的鏈路模型可進(jìn)一步分類為時變鏈路模型和非時變鏈路模型。本文基于這兩類模型提出一種鏈路模型預(yù)加載機(jī)制，如圖2所示。

圖2 鏈路模型預(yù)加載機(jī)制Fig.2 Link model preloading mechanism

在控制節(jié)點接收到開始鏈路仿真任務(wù)的請求后，會對請求進(jìn)行解析和處理，獲取仿真周期內(nèi)開始時間(Tstart)和仿真步長(Tstep)并擬定各計算節(jié)點開始進(jìn)行仿真任務(wù)的實際時間(Tact)，最后將仿真任務(wù)下發(fā)到相關(guān)涉及的計算節(jié)點。

各計算節(jié)點接收到仿真任務(wù)請求后，首先加載非時變鏈路模型進(jìn)行一次性并發(fā)配置，然后進(jìn)入阻塞狀態(tài)，在時刻Tact并發(fā)加載仿真周期內(nèi)Tstart時刻的時變鏈路模型，完成首輪次的鏈路仿真。并在從Tact時刻算起，Tstep時間后進(jìn)入下一輪次，并發(fā)加載仿真周期內(nèi)Tstart+Tstep時刻的時變鏈路模型。即在第n輪次，仿真周期內(nèi)時刻T1n和實際時刻T2n的對應(yīng)值如公式（1）所示，在實際時刻T2n，鏈路仿真任務(wù)處于第n輪次，并發(fā)加載仿真周期內(nèi)T1n時刻的時變鏈路模型。

3.3 鏈路校正策略

在保證衛(wèi)星網(wǎng)絡(luò)鏈路的快響應(yīng)仿真后，如何保證衛(wèi)星網(wǎng)絡(luò)鏈路仿真的高精確度是實現(xiàn)鏈路高逼真度仿真的另一技術(shù)要點。針對鏈路的四個性能參數(shù)：連通性、帶寬、延時、丟包率，主要的仿真難點在延時的精確度，這是由云環(huán)境下虛擬節(jié)點間存在的固有延時造成的誤差所引起的。

OpenStack云環(huán)境下構(gòu)造的虛擬節(jié)點間是在經(jīng)過了多種設(shè)備后才實現(xiàn)了端到端的通信，這是OpenStack云環(huán)境底層網(wǎng)絡(luò)結(jié)構(gòu)所造成的。圖3顯示了基于Open vSwitch（OVS）虛擬交換機(jī)的OpenStack云環(huán)境下計算機(jī)點的底層網(wǎng)絡(luò)結(jié)構(gòu)。其中虛擬機(jī)通過虛擬網(wǎng)絡(luò)設(shè)備（tap）連接到Linux網(wǎng)橋（qbr）上；名為qvb的設(shè)備與名為qvo的設(shè)備組成一對veth pair將qbr和br-int連接起來；名為int-br-eth1的設(shè)備與名為phy-br-eth1的設(shè)備組成一對path pair將br-int與br-eth1連接起來。

圖3 OpenStack計算節(jié)點底層網(wǎng)絡(luò)結(jié)構(gòu)Fig.3 Underlying network structure of OpenStack computing nodes

而基于這樣的底層網(wǎng)絡(luò)結(jié)構(gòu)，虛擬機(jī)之間在相互通信過程中，數(shù)據(jù)包將不可避免地需要經(jīng)過這些虛擬網(wǎng)絡(luò)設(shè)備和物理交換機(jī)，這些設(shè)備對數(shù)據(jù)包的處理時間構(gòu)成了通信鏈路額外的固有延時。因此基于OpenStack云環(huán)境以及TC工具實現(xiàn)的衛(wèi)星鏈路性能仿真方法在延時仿真精度上將不可避免地存在因固有延時造成的誤差，即實際延時delayact是仿真理論延時delaytheo與固有延時delayerr之和，如公式（2）所示：

為了解決延時的仿真誤差，在以往的研究工作中，SGIN-Stack[17]引入了一種差分補(bǔ)償算法，該算法在發(fā)送端截獲符合隊列規(guī)則的數(shù)據(jù)包并加入時間戳再放行，在接收端再次截獲數(shù)據(jù)包提取時間戳，通過這種方式獲取數(shù)據(jù)包從源節(jié)點到目的節(jié)點的固有延時并進(jìn)行補(bǔ)償。但這種補(bǔ)償方法在云環(huán)境數(shù)據(jù)流量較大的情況下，難以維持較好的性能。

本文設(shè)計的鏈路校正策略重點通過獲取固有延時delayerr值并進(jìn)行實時補(bǔ)償來實現(xiàn)。即實際設(shè)定值delaytc的實時取值為仿真理論延時delaytheo與固有延時delayerr之差，如公式（3）所示。因此，該策略的重點在于對實時固有延時delayerr的精確提取。

而在云環(huán)境下，鏈路兩端的虛擬節(jié)點存在兩種位置關(guān)系：同宿主機(jī)和跨宿主機(jī)。同宿主機(jī)節(jié)點的鏈路通信過程如圖3紅線箭頭①～⑤所示，固有延時主要是由于數(shù)據(jù)包需要經(jīng)過宿主機(jī)虛擬設(shè)備、網(wǎng)橋所造成的，且這種固有延時較為穩(wěn)定。同時，跨宿主機(jī)節(jié)點的通信過程如圖3藍(lán)線箭頭①～⑩所示，數(shù)據(jù)包不僅需要經(jīng)過宿主機(jī)虛擬設(shè)備、網(wǎng)橋，還需要通過物理通信鏈路經(jīng)過物理交換機(jī)，因此跨宿主機(jī)鏈路的固有延時可能會隨著網(wǎng)絡(luò)狀態(tài)的變化有較大抖動。

基于這一事實，對于同宿主機(jī)鏈路，則直接提取一次固有延時作為校正值；而對于跨宿主機(jī)鏈路，則應(yīng)根據(jù)網(wǎng)絡(luò)波動情況實時提取固有延時進(jìn)行校正。因此對網(wǎng)絡(luò)波動狀態(tài)的監(jiān)控與評測是實現(xiàn)固有延時精確提取的重點。

本策略以波動指數(shù)FI標(biāo)示網(wǎng)絡(luò)波動情況。在仿真任務(wù)開始后，立即監(jiān)測兩次固有延時獲取delay0和delay1并進(jìn)行實時校正，同時記錄一次波動樣本FS1，F(xiàn)S1為delay0和delay1的絕對差值。接著，再次獲取一次固有延時delay2并進(jìn)行實時校正，同時記錄一次波動樣本FS2，F(xiàn)S2為delay1和delay2的絕對差值，取波動指數(shù)FI2為FS1和FS2的加權(quán)平均以得到更加平滑的波動指數(shù)值，實驗表明，當(dāng)權(quán)值α為0.875時效果最好。同理，第n個波動指數(shù)FIn如公式（4）所示：

根據(jù)波動指數(shù)FIn的值，確定下次監(jiān)測固有延時的時間。當(dāng)FIn小于等于穩(wěn)定網(wǎng)絡(luò)狀態(tài)的閾值Thstable時，下次監(jiān)測時間為5 s后；當(dāng)FIn大于Thstable但小于鏈路仿真延時精確度Thaccuracy時，下次監(jiān)測時間為1 s后；當(dāng)FIn大于Thaccuracy時，則應(yīng)立即重新監(jiān)測。經(jīng)測驗，網(wǎng)絡(luò)處于穩(wěn)定狀態(tài)的情況下，F(xiàn)I值小于等于0.1 ms，即Thstable=0.1；而本系統(tǒng)采用的精確度為0.5 ms以內(nèi)，因此Thaccuracy=0.5。即下次監(jiān)測時間RTn的取值如公式（5）所示。

4 實驗驗證與評估

本章設(shè)計了三組實驗分別對衛(wèi)星網(wǎng)絡(luò)拓?fù)浣馕龊蜕尚?、衛(wèi)星網(wǎng)絡(luò)鏈路仿真響應(yīng)速度和實時仿真逼真度進(jìn)行測試。

4.1 實驗環(huán)境

如第2章所述，該天地一體化衛(wèi)星網(wǎng)絡(luò)仿真體系主要部署在操作控制端（Host）和OpenStack云環(huán)境中。其中，操作控制端處理器為Intel?CoreTMi7-9750處理器，內(nèi)存16 GB；OpenStack云環(huán)境控制節(jié)點處理器為Intel?Xeon?CPU E5-2620 v4×2，內(nèi)存64 GB；計算節(jié)點1處理器為Intel?Xeon?Bronze 3104 CPU×2，內(nèi)存64 GB；計算節(jié)點2處理器為Intel?Xeon?CPU E5-4607 v2×4，內(nèi)存32 GB。OpenStack云環(huán)境中所有物理節(jié)點均通過以太網(wǎng)交換機(jī)互聯(lián)，且節(jié)點系統(tǒng)均為CentOS7.2。

為了對本文提出的天地一體化衛(wèi)星網(wǎng)絡(luò)拓?fù)鋱鼍胺抡婕夹g(shù)進(jìn)行性能和功能測試，設(shè)計了四組大小不同、拓?fù)浣Y(jié)構(gòu)不同的場景，如圖4所示。如圖4（a）所示，場景a包含1顆低軌衛(wèi)星（LEO_A1）、1顆高軌衛(wèi)星（GEO_G1）、1架飛行器（Aricraft）、1輛地面車輛（GroundVehicle）、1個地面站（Facility）、1艘船艦（Ship），其中GEO_G1和LEO_A1之間存在一條雙向鏈路，Aircraft、GroundVehicle、Facility、Ship和LEO_A1之間均存在雙向鏈路，即場景a共包含6個節(jié)點，10條有向鏈路。如圖4（b）所示，場景b包含3顆處于同一軌道的高軌衛(wèi)星（GEO_G1-GEO_G3）、6顆處于同一軌道的低軌衛(wèi)星（LEO_A1-LEO_A6），其中同軌道相鄰衛(wèi)星之間存在雙向鏈路，GEO_G1和LEO_A1之間存在雙向鏈路，即場景b共包含9個節(jié)點，20條有向鏈路。如圖4（c）所示，場景c包含1顆高軌衛(wèi)星（GEO_G1）、12顆分布于兩條軌道的低軌衛(wèi)星（LEO_A1-LEO_A6，LEO_B1-LEO_B6）、1個地面站（WX_Station），同軌道相鄰衛(wèi)星之間存在雙向鏈路，不同軌道衛(wèi)星之間雙向鏈路連通情況用黑線表示（共7條雙向鏈路），同時LEO_A2和WX_Station之間存在雙向鏈路，即場景c共包含14個節(jié)點，40條有向鏈路。如圖4（d）所示，場景d包含6顆高軌衛(wèi)星（GEO_G1-GEO_G6）、18顆分布于三條軌道的低軌衛(wèi)星（LEO_A1-LEO_A6，LEO_B1-LEO_B6，LEO_C1-LEO_C6）、1個地面站衛(wèi)（WX_Station）、1艘船艦（Ship1），同樣地，同軌道相鄰星之間存在雙向鏈路，不同軌道衛(wèi)星之間雙向鏈路連通情況用黑線表示（共18條雙向鏈路），同時LEO_A2、GEO_G1和WX_Station之間均存在雙向鏈路、Ship1和GEO_G2之間存在雙向鏈路，即場景d共包含26個節(jié)點，80條有向鏈路。

圖4 實驗場景拓?fù)浣Y(jié)構(gòu)Fig.4 Topology of experimental scenario

4.2 衛(wèi)星網(wǎng)絡(luò)拓?fù)浞抡婺芰︱炞C實驗

為了對衛(wèi)星網(wǎng)絡(luò)拓?fù)浣馕雠c生成技術(shù)進(jìn)行效能測試，基于4.1節(jié)提出的四組場景，分別測試衛(wèi)星網(wǎng)絡(luò)拓?fù)浣馕龊头抡婢W(wǎng)絡(luò)生成時間。具體地，測試衛(wèi)星網(wǎng)絡(luò)拓?fù)浣馕鲞^程中生成場景模型所需時間，生成拓?fù)浣Y(jié)構(gòu)所需時間和生成拓?fù)淠Ｐ退钑r間；測試仿真網(wǎng)絡(luò)生成過程中生成虛擬網(wǎng)絡(luò)所需時間和生成虛擬節(jié)點所需時間，測試結(jié)果如圖5所示。

由圖5可以看到，隨著網(wǎng)絡(luò)拓?fù)湟?guī)模的增大，網(wǎng)絡(luò)拓?fù)浣馕鰰r間依舊維持在毫秒級，具備較好的解析效率，且時間主要花費在拓?fù)浣Y(jié)構(gòu)解析過程，其次是場景模型生成過程，拓?fù)淠Ｐ偷纳蓵r間最短；同時，仿真網(wǎng)絡(luò)生成時間主要花費在虛擬網(wǎng)絡(luò)的創(chuàng)建過程，這是因為相對于節(jié)點規(guī)模，較高的鏈路規(guī)模所需的虛擬網(wǎng)絡(luò)也更多。

圖5 網(wǎng)絡(luò)拓?fù)浣馕雠c生成各階段時間Fig.5 Time of each stage of network topology analysis and generation

本實驗通過檢測衛(wèi)星網(wǎng)絡(luò)拓?fù)浞抡孢^程中自動解析和部署各個階段的時間花費檢測本文提出的衛(wèi)星網(wǎng)絡(luò)拓?fù)浣馕雠c生成技術(shù)的效能，實驗結(jié)果表明該技術(shù)能有效提升仿真場景生成的易用性。

4.3 衛(wèi)星網(wǎng)絡(luò)鏈路仿真響應(yīng)速度驗證實驗

為了對基于鏈路模型的衛(wèi)星鏈路仿真的響應(yīng)速度進(jìn)行測試，依舊基于4.1節(jié)提出的規(guī)模由小到大的四組場景，測試一輪次的鏈路仿真時間，記錄從該輪次開始時刻算起，每條有向鏈路成功加載鏈路性能時間。同時本文選取了具有較高鏈路仿真精度的SGIN-Stack平臺做了對比驗證實驗。實驗結(jié)果如圖6所示。

由圖6（a）可以看到，在基于場景a的一輪次的鏈路仿真過程中，SGIN-Stack的所有鏈路所需的加載時間在3.371～5.191 s之間；而本文提出的方法所需的加載時間在1.4～2.23 s之間，響應(yīng)速度平均提高了57.85%。由圖6（b）可以看到，在基于場景b的一輪次的鏈路仿真過程中，SGIN-Stack的所有鏈路所需的加載時間在9.572～17.952 s之間；而本文提出的方法所需的加載時間在0～1.39 s之間，響應(yīng)速度平均提高了99.01%。由圖6（c）可以看到，在基于場景c的一輪次的鏈路仿真過程中，SGIN-Stack的所有鏈路所需的加載時間在11.128～21.948 s之間；而本文提出的方法所需的加載時間在0～4.27 s之間，響應(yīng)速度平均提高了92.36%。由圖6（d）可以看到，在基于場景d的一輪次的鏈路仿真過程中，SGIN-Stack的所有鏈路所需的加載時間在21.482～48.432 s之間；而本文提出的方法所需的加載時間在0～8.44 s之間，響應(yīng)速度平均提高了94.05%。

圖6 本文方法與SGIN-Stack響應(yīng)速度對比Fig.6 Comparison of response speed between suggested method and SGIN-Stack

由此可見，隨著拓?fù)湟?guī)模的不斷增大，本文提出的衛(wèi)星鏈路快響應(yīng)仿真技術(shù)優(yōu)勢越來越明顯。此外，由基于場景b的實驗結(jié)果圖6（b）可以看到，在非時變鏈路越多的場景下，本文提出的方案的優(yōu)勢將進(jìn)一步體現(xiàn)。可以推斷，隨著網(wǎng)絡(luò)拓?fù)湟?guī)模和復(fù)雜度的提高，SGINStack將會因為響應(yīng)速度問題而無法滿足對較小仿真步長的需求，因為仿真步長的大小將會影響鏈路仿真逼真度。而本文提出的方案則能較好地解決這一問題，在鏈路響應(yīng)速度上具有較好的性能表現(xiàn)。

4.4 衛(wèi)星網(wǎng)絡(luò)鏈路仿真逼真度驗證實驗

為了對衛(wèi)星網(wǎng)絡(luò)鏈路實時仿真逼真度進(jìn)行測試，選取4.1節(jié)提出的規(guī)模最大的包含26個節(jié)點，80條有向鏈路的場景d為實驗場景，測試在仿真周期內(nèi)1小時時間（04：00—05：00）的跨宿主機(jī)和同宿主機(jī)鏈路加入鏈路校正策略前后的實時延時并與理論延時做比較。SGIN-Stack雖然具有較高的仿真精確度，但根據(jù)4.2節(jié)的對比實驗可知，SGIN-Stack對于場景d規(guī)模的衛(wèi)星網(wǎng)絡(luò)其鏈路仿真響應(yīng)速度較慢，這會直接降低實時仿真精度，因此不再針對鏈路實時仿真精確度做對比實驗。本實驗共選取了四條鏈路進(jìn)行測試：跨宿主機(jī)星地鏈路GEO_G2-Ship1、跨宿主機(jī)星間鏈路LEO_A1-LEO_B1、同宿主機(jī)星間鏈路GEO_G1-LEO_A1和同宿主機(jī)星地鏈路LEO_A2-WX_Station，實驗結(jié)果如圖7所示。

圖7 衛(wèi)星網(wǎng)絡(luò)鏈路實時動態(tài)仿真結(jié)果Fig.7 Satellite network link real-time dynamic emulation results

圖7（a）為鏈路GEO-G2-Ship1一小時實時仿真過程中的延時數(shù)據(jù)，未加鏈路校正策略的實測值誤差在0.209～0.812 ms之間，而加入鏈路校正策略的實測值誤差在0.103～0.292 ms之間，經(jīng)統(tǒng)計精確度相比提高了48.63%；圖7（b）為鏈路LEO_A1-LEO_B1一小時實時仿真過程中的延時數(shù)據(jù)，未加鏈路校正策略的實測值誤差在0.052～1.086 ms之間，而加入鏈路校正策略的實測值誤差在0.001～0.604 ms之間，經(jīng)統(tǒng)計精確度相比提高了43.72%；圖7（c）為鏈路GEO_G1-LEO_A1一小時實時仿真過程中的延時數(shù)據(jù)，未加鏈路校正策略的實測值誤差在0.032～2.31 ms之間，而加入鏈路校正策略的實測值誤差在0.001～0.553 ms之間，經(jīng)統(tǒng)計精確度相比提高了67.98%；圖7（d）為鏈路LEO_A2-WX_Station一小時實時仿真過程中的延時數(shù)據(jù)，未加鏈路校正策略的實測值誤差在0.127～0.528 ms之間，而加入鏈路校正策略的實測值誤差在0.002～0.182 ms之間，經(jīng)統(tǒng)計精確度相比提高了70.93%。需要說明的是，鏈路GEO_G1-LEO_A1兩端的衛(wèi)星節(jié)點在前1 560 s內(nèi)不可見，即鏈路處于斷開狀態(tài)，延時數(shù)據(jù)以0 ms表示；同樣地，鏈路LEO_A2-WX_Station兩端的節(jié)點在前3 028 s內(nèi)不可見。

由以上統(tǒng)計數(shù)據(jù)可知，本文提出的鏈路校正策略能夠有效地提高鏈路仿真精確度和穩(wěn)定性，同時結(jié)合3.2節(jié)提出的衛(wèi)星網(wǎng)絡(luò)鏈路快響應(yīng)仿真技術(shù)最終實現(xiàn)對衛(wèi)星網(wǎng)絡(luò)鏈路的高逼真仿真。

5 結(jié)束語

本文提出了一種天地一體化衛(wèi)星網(wǎng)絡(luò)拓?fù)鋱鼍胺抡婕夹g(shù)，重點對衛(wèi)星網(wǎng)絡(luò)仿真過程中關(guān)注的網(wǎng)絡(luò)拓?fù)浞抡婧玩溌贩抡嫜芯空归_工作。針對網(wǎng)絡(luò)拓?fù)浞抡嫜芯恐写嬖诘姆彪s低效的人工拓?fù)浣馕鰡栴}，提出一種衛(wèi)星網(wǎng)絡(luò)拓?fù)浣馕雠c生成技術(shù)；針對鏈路仿真研究中的響應(yīng)速度問題，提出一種衛(wèi)星鏈路快響應(yīng)仿真技術(shù)；最后為實現(xiàn)衛(wèi)星網(wǎng)絡(luò)鏈路實時、動態(tài)仿真的高逼真度，提出一種鏈路校正策略。實驗表明，本文提出的衛(wèi)星網(wǎng)絡(luò)仿真技術(shù)具備高效的拓?fù)浣馕龊蜕赡芰?，提高了仿真場景生成的易用性；能夠在保證衛(wèi)星鏈路快響應(yīng)仿真的基礎(chǔ)上，實現(xiàn)衛(wèi)星網(wǎng)絡(luò)的高精確度實時動態(tài)仿真。因此，能夠為面向天地一體化衛(wèi)星網(wǎng)絡(luò)的相關(guān)技術(shù)評測工作提供仿真環(huán)境。接下來，將融合多尺度虛擬化技術(shù)，展開面向規(guī)模更大，拓?fù)浣Y(jié)構(gòu)更復(fù)雜的天地一體化衛(wèi)星網(wǎng)絡(luò)高逼真、實時、動態(tài)仿真方法的研究。