星地融合网络中基于协同流量预测的路由算法研究与实现
这是一篇关于星地融合网络,流量预测,深度学习,路由算法的论文, 主要内容为得益于低地球轨道(Low Earth Orbit,LEO)卫星网络具有传播损耗低、数量级大、较少受地理环境的限制、提供全球无缝覆盖等优点,卫星网络和地面网络紧密结合的星地融合网络被提出,并且在工业界和学术界都受到了广泛的关注。随着星地融合网络可承载的业务不断增多,构建实时、高效、均衡的路由算法直接关系着网络服务质量(Quality of Service,QoS),是星地融合网络发展的必然要求。但是,LEO卫星网络的拓扑结构动态变化频繁,资源与流量分布不均衡给星地融合网络中路由算法的设计带来挑战。目前已有的研究大多数是将地面网络资源和卫星网络资源分开考虑的,往往由两个网络各自的路由结果组合而成,难以满足用户的端到端QoS需求,并且是在网络已经发生拥塞时才被动地执行流量控制措施,没有充分利用卫星流量的历史数据。针对当前星地融合网络路由算法存在的不足,本文提出基于流量预测的负载均衡与QoS路由算法(Load Balancing and QoS Routing basedon TrafficPrediction,TP-LBQR)。首先,通过预测卫星节点在下一时刻的流量,反映卫星负载情况,从而选择更可靠的下一跳路由。由于传统的流量预测算法在预测精度与效率上都有所欠缺,本文提出了基于堆叠降噪自编码器(Stacked Denoising Auto-encoder,SDAE)的深度学习流量预测算法,并且考虑到卫星节点的计算存储能力有限,提出了卫星-地面站协同流量预测的边缘卸载模型(Cooperative Traffic Prediction Model,CTPM),最小化模型预测所需时延。其次,在星地融合网络中引入软件定义网络(Software Defined Network,SDN)可以有效地解决异构网络的管理问题,使得端到端路由成为可能。因此本文建立了基于SDN的星地融合网络场景,并根据LEO卫星特点定义链路代价函数,利用流量预测结果定义负载权重因子,然后采用蚁群算法对路由进行求解,得到满足负载均衡与QoS需求的端到端路径。最后,本文基于TP-LBQR路由算法,设计并实现了一个仿真验证系统。首先对该系统进行了需求分析,并设计了系统架构和数据库,在此基础上介绍了各模块的详细设计,包括网络拓扑展示模块、流量预测模块和路由选择模块。前端使用Vis.js绘制可视化拓扑图,jQuery实现前后端ajax交互,以及JSP和CSS/HTML提供可视化界面与用户交互功能,后台开发采用SSM框架,数据库采用MySQL。最后介绍了系统的测试情况,通过功能测试和性能测试,保证系统的稳定性与可用性,表明该系统能够帮助运维人员在星地融合网络中科学地规划路由。
基于多属性决策的星地融合网络切换系统研究与实现
这是一篇关于馈电链路,模糊聚类,多属性切换决策,星地融合网络的论文, 主要内容为随着陆地移动通信和卫星通信技术的发展,星地融合网络逐渐成为目前研究的热点。星地融合网络能够弥补各自在通信能力上的不足,协同为用户提供通信服务。随着卫星网络规模的不断加大,低轨卫星数量逐年攀升,覆盖范围在不断扩大的同时,降低了卫星通信的时延。由于低轨卫星轨道高度低,运行速度快,导致星地融合网络拓扑结构变化迅速,对整个网络的移动性管理带来了新的挑战。为了保证用户业务的连续性,需要频繁切换用户与信关站之间的服务卫星。对于星地之间馈电链路的切换机制,现有的研究主要集中在网络的路由方法与数据控制分离的设计上,对于星地之间链路的多重属性和用户特征缺少充分的考虑。因此,论文针对馈电链路的用户群组特点、以及星地链路的连接状态进行切换方法的研究设计,对星地融合网络的切换性能提升具有重要意义。论文总结了星地融合网络中移动切换方法的研究现状,分析了馈电链路切换场景下的关键问题,针对馈电切换发生时用户数量过多导致的信令风暴问题,提出了一种用户聚类分群预切换的多属性馈电链路切换决策方法。由于低轨卫星的高速移动导致星地之间馈电链路不断改变,每次改变需要将该链路的所有用户进行切换。首先对用户进行模糊聚类,按照用户的位置信息、连接状态和业务类型属性进行分群,将用户分群中心作为用户特征形成主观权重。其次,设计考虑星地之间的信号强度、剩余信道数和可用的服务时间作为客观权重。最后,采用离差最大化的方法将主客观权重进行综合考量,构成最终的多属性权重,选出最佳的目标卫星进行切换。此方法不仅考虑了星地之间链路的状态属性,还从用户的属性特征出发对用户进行聚类分群,采用预切换的方式,保证用户的业务需求的同时,降低了同一时间切换用户的规模。论文设计开发了星地融合网络馈电链路切换管理系统,实现了链路状态管理、切换决策、网络管理、可视化展示等功能模块,联合星地融合网络仿真平台对系统进行测试,结果表明该系统能够减少用户切换次数,保证业务时延的稳定性。
星地融合网络中基于协同流量预测的路由算法研究与实现
这是一篇关于星地融合网络,流量预测,深度学习,路由算法的论文, 主要内容为得益于低地球轨道(Low Earth Orbit,LEO)卫星网络具有传播损耗低、数量级大、较少受地理环境的限制、提供全球无缝覆盖等优点,卫星网络和地面网络紧密结合的星地融合网络被提出,并且在工业界和学术界都受到了广泛的关注。随着星地融合网络可承载的业务不断增多,构建实时、高效、均衡的路由算法直接关系着网络服务质量(Quality of Service,QoS),是星地融合网络发展的必然要求。但是,LEO卫星网络的拓扑结构动态变化频繁,资源与流量分布不均衡给星地融合网络中路由算法的设计带来挑战。目前已有的研究大多数是将地面网络资源和卫星网络资源分开考虑的,往往由两个网络各自的路由结果组合而成,难以满足用户的端到端QoS需求,并且是在网络已经发生拥塞时才被动地执行流量控制措施,没有充分利用卫星流量的历史数据。针对当前星地融合网络路由算法存在的不足,本文提出基于流量预测的负载均衡与QoS路由算法(Load Balancing and QoS Routing basedon TrafficPrediction,TP-LBQR)。首先,通过预测卫星节点在下一时刻的流量,反映卫星负载情况,从而选择更可靠的下一跳路由。由于传统的流量预测算法在预测精度与效率上都有所欠缺,本文提出了基于堆叠降噪自编码器(Stacked Denoising Auto-encoder,SDAE)的深度学习流量预测算法,并且考虑到卫星节点的计算存储能力有限,提出了卫星-地面站协同流量预测的边缘卸载模型(Cooperative Traffic Prediction Model,CTPM),最小化模型预测所需时延。其次,在星地融合网络中引入软件定义网络(Software Defined Network,SDN)可以有效地解决异构网络的管理问题,使得端到端路由成为可能。因此本文建立了基于SDN的星地融合网络场景,并根据LEO卫星特点定义链路代价函数,利用流量预测结果定义负载权重因子,然后采用蚁群算法对路由进行求解,得到满足负载均衡与QoS需求的端到端路径。最后,本文基于TP-LBQR路由算法,设计并实现了一个仿真验证系统。首先对该系统进行了需求分析,并设计了系统架构和数据库,在此基础上介绍了各模块的详细设计,包括网络拓扑展示模块、流量预测模块和路由选择模块。前端使用Vis.js绘制可视化拓扑图,jQuery实现前后端ajax交互,以及JSP和CSS/HTML提供可视化界面与用户交互功能,后台开发采用SSM框架,数据库采用MySQL。最后介绍了系统的测试情况,通过功能测试和性能测试,保证系统的稳定性与可用性,表明该系统能够帮助运维人员在星地融合网络中科学地规划路由。
基于多属性决策的星地融合网络切换系统研究与实现
这是一篇关于馈电链路,模糊聚类,多属性切换决策,星地融合网络的论文, 主要内容为随着陆地移动通信和卫星通信技术的发展,星地融合网络逐渐成为目前研究的热点。星地融合网络能够弥补各自在通信能力上的不足,协同为用户提供通信服务。随着卫星网络规模的不断加大,低轨卫星数量逐年攀升,覆盖范围在不断扩大的同时,降低了卫星通信的时延。由于低轨卫星轨道高度低,运行速度快,导致星地融合网络拓扑结构变化迅速,对整个网络的移动性管理带来了新的挑战。为了保证用户业务的连续性,需要频繁切换用户与信关站之间的服务卫星。对于星地之间馈电链路的切换机制,现有的研究主要集中在网络的路由方法与数据控制分离的设计上,对于星地之间链路的多重属性和用户特征缺少充分的考虑。因此,论文针对馈电链路的用户群组特点、以及星地链路的连接状态进行切换方法的研究设计,对星地融合网络的切换性能提升具有重要意义。论文总结了星地融合网络中移动切换方法的研究现状,分析了馈电链路切换场景下的关键问题,针对馈电切换发生时用户数量过多导致的信令风暴问题,提出了一种用户聚类分群预切换的多属性馈电链路切换决策方法。由于低轨卫星的高速移动导致星地之间馈电链路不断改变,每次改变需要将该链路的所有用户进行切换。首先对用户进行模糊聚类,按照用户的位置信息、连接状态和业务类型属性进行分群,将用户分群中心作为用户特征形成主观权重。其次,设计考虑星地之间的信号强度、剩余信道数和可用的服务时间作为客观权重。最后,采用离差最大化的方法将主客观权重进行综合考量,构成最终的多属性权重,选出最佳的目标卫星进行切换。此方法不仅考虑了星地之间链路的状态属性,还从用户的属性特征出发对用户进行聚类分群,采用预切换的方式,保证用户的业务需求的同时,降低了同一时间切换用户的规模。论文设计开发了星地融合网络馈电链路切换管理系统,实现了链路状态管理、切换决策、网络管理、可视化展示等功能模块,联合星地融合网络仿真平台对系统进行测试,结果表明该系统能够减少用户切换次数,保证业务时延的稳定性。
星地融合网络中基于KubeEdge的负载均衡系统设计与实现
这是一篇关于星地融合网络,KubeEdge,低轨卫星边缘计算,资源管理的论文, 主要内容为随着基于卫星的互联网服务的崛起,星地融合网络正成为未来互联网建设中的重要研究方向。天基网中的近地轨道(Low Earth Orbit,LEO)卫星被设想能够作为边缘节点提供服务。但是,如果运行中卫星的内部服务难以被修改,会导致服务闲置现象,并影响卫星资源的合理利用。因此,需要提出一种方案,解决星地融合网络中低轨卫星任务固定部署、星座资源使用失衡问题。本文设计并实现了星地融合网络下基于KubeEdge的负载均衡系统。KubeEdge源于Kubernetes,凭借边缘轻量化、边缘离线可自治等优点成为当前进行地面边缘计算的首选管理平台。针对星地融合网络中低轨卫星任务固定部署、资源使用失衡问题,可以借鉴KubeEdge原理,完成一个能够保证星座资源均衡使用的服务编排系统。论文基于KubeEdge,创新性提出“动态中继”的思想,破除地面中心节点只能与低轨卫星边缘计算集群中某一个或某几个少数边缘节点进行交流的限制,并结合低轨卫星移动性强、负载浮动大以及硬件限制突出等因素,对系统负载均衡调度算法进行设计和改进,从而解决卫星任务部署不灵活、资源使用失衡的问题,提供更符合星地背景的容器编排服务。论文首先对星地融合网络中基于KubeEdge的负载均衡系统的相关背景和技术进行了介绍,其后对该系统进行整体需求分析,将其分为监控调度、模式管理以及星地信息处理三部分,并对每部分具体的功能需求进行了分解;接着设计了系统的总体模块架构,为星地集群的统一管理提出了“动态中继”方案,给出了各个模块的交互设计;然后实现了改进的动态调度算法,并以类图为基础,对每个类别的特定属性和方法进行了描述,并给出了详细的设计;然后设计了测试用例,对所有的功能模块进行了测试验证;论文最后对全文所作的工作进行了总结和反思。
星地融合网络中基于协同流量预测的路由算法研究与实现
这是一篇关于星地融合网络,流量预测,深度学习,路由算法的论文, 主要内容为得益于低地球轨道(Low Earth Orbit,LEO)卫星网络具有传播损耗低、数量级大、较少受地理环境的限制、提供全球无缝覆盖等优点,卫星网络和地面网络紧密结合的星地融合网络被提出,并且在工业界和学术界都受到了广泛的关注。随着星地融合网络可承载的业务不断增多,构建实时、高效、均衡的路由算法直接关系着网络服务质量(Quality of Service,QoS),是星地融合网络发展的必然要求。但是,LEO卫星网络的拓扑结构动态变化频繁,资源与流量分布不均衡给星地融合网络中路由算法的设计带来挑战。目前已有的研究大多数是将地面网络资源和卫星网络资源分开考虑的,往往由两个网络各自的路由结果组合而成,难以满足用户的端到端QoS需求,并且是在网络已经发生拥塞时才被动地执行流量控制措施,没有充分利用卫星流量的历史数据。针对当前星地融合网络路由算法存在的不足,本文提出基于流量预测的负载均衡与QoS路由算法(Load Balancing and QoS Routing basedon TrafficPrediction,TP-LBQR)。首先,通过预测卫星节点在下一时刻的流量,反映卫星负载情况,从而选择更可靠的下一跳路由。由于传统的流量预测算法在预测精度与效率上都有所欠缺,本文提出了基于堆叠降噪自编码器(Stacked Denoising Auto-encoder,SDAE)的深度学习流量预测算法,并且考虑到卫星节点的计算存储能力有限,提出了卫星-地面站协同流量预测的边缘卸载模型(Cooperative Traffic Prediction Model,CTPM),最小化模型预测所需时延。其次,在星地融合网络中引入软件定义网络(Software Defined Network,SDN)可以有效地解决异构网络的管理问题,使得端到端路由成为可能。因此本文建立了基于SDN的星地融合网络场景,并根据LEO卫星特点定义链路代价函数,利用流量预测结果定义负载权重因子,然后采用蚁群算法对路由进行求解,得到满足负载均衡与QoS需求的端到端路径。最后,本文基于TP-LBQR路由算法,设计并实现了一个仿真验证系统。首先对该系统进行了需求分析,并设计了系统架构和数据库,在此基础上介绍了各模块的详细设计,包括网络拓扑展示模块、流量预测模块和路由选择模块。前端使用Vis.js绘制可视化拓扑图,jQuery实现前后端ajax交互,以及JSP和CSS/HTML提供可视化界面与用户交互功能,后台开发采用SSM框架,数据库采用MySQL。最后介绍了系统的测试情况,通过功能测试和性能测试,保证系统的稳定性与可用性,表明该系统能够帮助运维人员在星地融合网络中科学地规划路由。
星地融合网络中基于协同流量预测的路由算法研究与实现
这是一篇关于星地融合网络,流量预测,深度学习,路由算法的论文, 主要内容为得益于低地球轨道(Low Earth Orbit,LEO)卫星网络具有传播损耗低、数量级大、较少受地理环境的限制、提供全球无缝覆盖等优点,卫星网络和地面网络紧密结合的星地融合网络被提出,并且在工业界和学术界都受到了广泛的关注。随着星地融合网络可承载的业务不断增多,构建实时、高效、均衡的路由算法直接关系着网络服务质量(Quality of Service,QoS),是星地融合网络发展的必然要求。但是,LEO卫星网络的拓扑结构动态变化频繁,资源与流量分布不均衡给星地融合网络中路由算法的设计带来挑战。目前已有的研究大多数是将地面网络资源和卫星网络资源分开考虑的,往往由两个网络各自的路由结果组合而成,难以满足用户的端到端QoS需求,并且是在网络已经发生拥塞时才被动地执行流量控制措施,没有充分利用卫星流量的历史数据。针对当前星地融合网络路由算法存在的不足,本文提出基于流量预测的负载均衡与QoS路由算法(Load Balancing and QoS Routing basedon TrafficPrediction,TP-LBQR)。首先,通过预测卫星节点在下一时刻的流量,反映卫星负载情况,从而选择更可靠的下一跳路由。由于传统的流量预测算法在预测精度与效率上都有所欠缺,本文提出了基于堆叠降噪自编码器(Stacked Denoising Auto-encoder,SDAE)的深度学习流量预测算法,并且考虑到卫星节点的计算存储能力有限,提出了卫星-地面站协同流量预测的边缘卸载模型(Cooperative Traffic Prediction Model,CTPM),最小化模型预测所需时延。其次,在星地融合网络中引入软件定义网络(Software Defined Network,SDN)可以有效地解决异构网络的管理问题,使得端到端路由成为可能。因此本文建立了基于SDN的星地融合网络场景,并根据LEO卫星特点定义链路代价函数,利用流量预测结果定义负载权重因子,然后采用蚁群算法对路由进行求解,得到满足负载均衡与QoS需求的端到端路径。最后,本文基于TP-LBQR路由算法,设计并实现了一个仿真验证系统。首先对该系统进行了需求分析,并设计了系统架构和数据库,在此基础上介绍了各模块的详细设计,包括网络拓扑展示模块、流量预测模块和路由选择模块。前端使用Vis.js绘制可视化拓扑图,jQuery实现前后端ajax交互,以及JSP和CSS/HTML提供可视化界面与用户交互功能,后台开发采用SSM框架,数据库采用MySQL。最后介绍了系统的测试情况,通过功能测试和性能测试,保证系统的稳定性与可用性,表明该系统能够帮助运维人员在星地融合网络中科学地规划路由。
星地融合网络中基于KubeEdge的负载均衡系统设计与实现
这是一篇关于星地融合网络,KubeEdge,低轨卫星边缘计算,资源管理的论文, 主要内容为随着基于卫星的互联网服务的崛起,星地融合网络正成为未来互联网建设中的重要研究方向。天基网中的近地轨道(Low Earth Orbit,LEO)卫星被设想能够作为边缘节点提供服务。但是,如果运行中卫星的内部服务难以被修改,会导致服务闲置现象,并影响卫星资源的合理利用。因此,需要提出一种方案,解决星地融合网络中低轨卫星任务固定部署、星座资源使用失衡问题。本文设计并实现了星地融合网络下基于KubeEdge的负载均衡系统。KubeEdge源于Kubernetes,凭借边缘轻量化、边缘离线可自治等优点成为当前进行地面边缘计算的首选管理平台。针对星地融合网络中低轨卫星任务固定部署、资源使用失衡问题,可以借鉴KubeEdge原理,完成一个能够保证星座资源均衡使用的服务编排系统。论文基于KubeEdge,创新性提出“动态中继”的思想,破除地面中心节点只能与低轨卫星边缘计算集群中某一个或某几个少数边缘节点进行交流的限制,并结合低轨卫星移动性强、负载浮动大以及硬件限制突出等因素,对系统负载均衡调度算法进行设计和改进,从而解决卫星任务部署不灵活、资源使用失衡的问题,提供更符合星地背景的容器编排服务。论文首先对星地融合网络中基于KubeEdge的负载均衡系统的相关背景和技术进行了介绍,其后对该系统进行整体需求分析,将其分为监控调度、模式管理以及星地信息处理三部分,并对每部分具体的功能需求进行了分解;接着设计了系统的总体模块架构,为星地集群的统一管理提出了“动态中继”方案,给出了各个模块的交互设计;然后实现了改进的动态调度算法,并以类图为基础,对每个类别的特定属性和方法进行了描述,并给出了详细的设计;然后设计了测试用例,对所有的功能模块进行了测试验证;论文最后对全文所作的工作进行了总结和反思。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：毕设向导 ，原文地址：https://m.bishedaima.com/lunwen/53235.html
