大规模天基组网演化建模及效能评估方法_韩晓亚.pdf

航天器工程 第 卷第期 年月大规模天基组网演化建模及效能评估方法韩晓亚王厚天杜军王敬余汉晨（北京跟踪与通信技术研究所，北京 ）（钱学森空间技术实验室，北京 ）（清华大学，北京 ）摘要针对未来天基体系所呈现出的大规模、网云化和智能化等发展趋势，文章围绕大规模天基体系架构，对大规模天基组网演化建模开展研究，并对大规模天基体系综合效能评估方法进行分析，提出了一种天基体系效能评估总体思路架构，主要包含三个部分：大规模天基体系高动态演化特性分析，网络化指标体系构建方法设计以及天基体系效能评估方法设计。从模拟验证平台构建支撑演化以及效能评估分析的角度进行了探索，为我国大规模天基体系的设计和研究提供参考。关键词天基体系；网络演化；复杂网络理论；综合效能评估中图分类号：；文献标志码：（，）（，）（，）：，：，：；收稿日期：；修回日期：作者简介：韩晓亚，男，硕士，助理研究员，从事天基体系设计与效能分析工作。：。随着近年来科学技术的发展，卫星的制造成本和发射成本越来越低、研产速度不断加快，大规模、自主化、智能化的天基体系迅速发展。目前美国加紧构建“下一代太空体系”七层架构和低轨巨型星云。大规模天基体系是由不同轨道、搭载不同传感器、面向不同应用的卫星及其它空间平台构成，属于高动态复杂异构网络化信息系统。随着未来卫星数量增多，功能更加集成，这些由卫星轨道、传感器功能及性能方面的差异导致的网络节点物理拓扑与逻辑拓扑关系将愈加复杂。同时，随着大规模天基体系的网络化探测与传输不断发展，在资源协作机制、配置机制对网络性能优化的同时，网络的高动态性和复杂特性也必然会影响体系优化性能的发挥。因此，更深层次理解高动态的大规模天基网络体系结构，挖掘网络运行中隐藏的复杂特性，对于大规模天基体系的高效组网运行具有非常重要的作用。本文在分析大规模天基体系架构的基础上，对大规模天基组网演化建模及效能评估方法开展分析研究，提出了一种天基体系的效能评估总体思路架构，以支撑后续演化建模与效能评估分析为主要目标，对指标进行了初步设定，并对模拟验证平台的构建进行了探索，从而为我国大规模天基体系的正向设计与分析提供参考。未来天基体系架构特点分析 年月日，美 国 国 防 部 太 空 发 展 局（）发布了“下一代太空体系架构”信息征询书。该架构由包括传输层、跟踪层、监管层、威慑层、导航层、作战管理层、支持层在内的个功能层组合而成，是一种灵活、弹性、敏捷的系统架构。该架构由数百颗卫星组成，将整合整个国防部及航天工业的下一代太空能力，目的是保持其在太空领域的优势地位，以满足未来大国竞争的战略需求。年，美国国防部国防创新小组（）向商界发布了“混合太空体系架构”议案征询。议案明确“该体系架构将安全、可扩展、快速响应、以信息为中心，它还必须反映灵活，以便在快速技术变革和动态威胁环境中，保持关联度和可信度。软件定义的控制、接口和安全性是保持敏捷性的基础。这种体系架构必须作为一种有效载荷（托管或定制），演示验证能在不同的政府和商业网络之间进行通信。”该架构面向美国军事威胁和外国政府支持下的商业航天竞争，目的是增强美国政府与航天工业界合作。美国国防先进研究计划局（）牵头启动了“黑杰克”项目，旨在利用新兴商业低轨星座发展的经验成果，建立高度“弹性”、拥有自主运行能力、成本低廉的低轨卫星星座。项目远期目标是构建 颗规模的卫星星座，运行于 的轨道高度，每颗卫星均装载智能化协同任务管理系统“”，可完成多类信息融合处理、网络化传输和分发。基于通用化平台、模块化载荷及标准化接口设计理念，实现卫星“即插即用”和批量化生产，满足大规模星座“快速建设、组网运行、弹性维护”的紧迫需求。美国提出的各类太空架构主要具有以下特点：一是针对能力短板急需，提出的太空架构都明确针对国家安全太空领域关键且急需的能力短板；二是突出强调弹性和可演进性，利用大规模和分布式提升弹性以及快速演进更新能力，应对现实、新兴威胁；三是注重顶层架构设计，通过一体化体系架构设计，注重技术创新向实际应用快速转化的变革；四是注重军民融合，充分利用私营企业投资及相关成熟配套技术，采用灵活、螺旋式发展的模式。大规模天基体系建模方法分析未来大规模天基体系属于高动态的复杂网络信息系统，网络的高动态性和复杂性将成为影响系统效能的重要方面。时变演化图模型（）已经成为刻画大规模卫星网络动态拓扑的重要工具，这种能够反映网络演化特性的图模型为空间信息网络中任务的优化分配、信息的高效传递等问题的研究提供了基础。文献 和文献 研究了小卫星网络（）中的路由算法，将卫星网络建模为动态演化的快照（）序列，每张快照对应一种网络的静态拓扑结构。相似的，文献在时变图模型的基础上，设计了一种多路径路由算法（），以寻找一组可行的可用路由路径，通过这些路径可以在可容忍的延迟内，以最小代价将一定数量的任务数据传输回地面站。目前，大部分卫星网络拓扑模型均将网络的动态变化刻画为一系列有序静态图，并基于不同时隙内的静态拓扑对网络进行管理、控制和分析。然而，上述这种建模方式对于未来高动态的大规模天基网络而言，一方面必然会存在时隙划分复杂的弊端；另一方面无法呈现网络动态过程中的特征和效能。在的基础上，通过时间演化累积建模，一方面可以更真实的刻画天基网络一定时间尺度内呈现的特征；另一方面也可以为运用复杂网络理论分析大规模网络演化机理奠定基础。天基体系效能评估方法分析 年至今，多域战、马赛克战等新型作战概念不断涌现，数字孪生、人工智能、大数据、物联网等新兴技术开始在军用领域落地，武器装备效能评估第期韩晓亚 等：大规模天基组网演化建模及效能评估方法的研究进入高级阶段。年月，美国国防部发布了数字工程战略，旨在建立开发、集成和使用模型的规范化流程，形成权威的基础数据和模型；通过不断融入运用人工智能、大数据及分析、认知技术、先进计算、数字孪生、数字制造等技术，构建数字工程架构和生态系统，全面支撑武器装备效能评估全生命周期的活动。围绕天基信息体系的效能评估，文献 提出了一种星座配置性能评估方法。在考虑低轨卫星星座覆盖性能的基础上，建立了星座单次覆盖率、观测仰角、不同观测仰角下可见卫星数和覆盖效率个评估维度。将该评估方法应用于加拿大电信卫星星座（）、一网（）和星链（）个典型的低轨大型通信卫星星座，得出每个星座的覆盖性能指标值，并对个星座的特性进行比较分析。结果表明：该评估方法可以评估不同类型低轨大型星座的配置性能，为未来低轨大型星座配置的优化设计和评估提供依据和参考。围绕天基信息体系效能评估的样本数量少、影响因子复杂等特点，一种支持向量回归机模型被提出，该算法引入布谷鸟搜索算法对模型的个关键参数进行优化选取。仿真结果表明：所提模型具备更高的精确度，可以有效对天基信息体系开展效能评估。综上所述，针对未来大规模天基信息体系在多维度全方位的效能评估方面目前还未见公开文献报道。针对未来天基系统所呈现出的大规模、智能化等技术发展趋势，为了能够描述各要素间复杂的关联关系，效能评估指标体系的构建方法至关重要。同时，针对未来天基信息体系所处物理环境的复杂性和不确定性等特点，在复杂性以及动态演化性等条件下 的天 基 信 息 体 系效能评 估 方 法 研 究 必 不可少。总体设计思路在对大规模天基网络演化建模以及天基体系的效能评估方法开展分析的基础上，本文提出的总体设计思路架构如图所示。图总体设计思路架构 航天器工程 卷其中，大规模天基体系高动态演化特性分析是对天基体系随时间的演变规律开展的特性分析，而指标体系的构建是进行体系效能评估的基础和前提。针对指标体系构建，通过基于指标关联分析的网络化指标体系构建，并对效能度量指标进行梳理，形成网络化指标体系；针对效能评估方法，借助大数据分析的手段对天基信息体系效能评估方法开展研究，并在天基体系结构演化特性分析的基础上，对网络化指标体系在时间维度上进行扩展，形成随时间变化的网络化指标体系与相关数据，并结合大数据分析开展天基体系的效能评估研究。基于上述考虑，核心主要包含个部分：大规模天基体系高动态演化特性分析；网络化指标体系构建方法设计；天基体系效能评估方法设计。大规模天基组网演化建模引入复杂网络分析方法，对网络复杂特性进行分析，从而揭示网络中重要节点、链路以及网络连通度等性能。传统复杂网络中主要参数包括：节点度与节点度分布、平均最短路径长度、介数中心性、群聚系数等。传统复杂特性是对网络节点、边或整个网络统计特性的刻画。在大规模天基网络中，网络拓扑呈现弱联通性，传统复杂特性分析难以有效应用于空间信息网络的特征挖掘；同时，由于网络的高动态性，单一时隙的拓扑无法反映大规模天基网络中卫星节点或传感器节点的真实关联。针对这些问题，计划采用基于累积特性的时间演化图分析模型，用以刻画一定时间尺度内空间信息网络的时变拓扑结构，通过将天基系统在时变过程中的演化拓扑进行累积，构建虚拟节点和虚拟连路，在时间维度、空间维度上对时隙网络拓扑进行拓展，从而对生成的高维演化图运用复杂理论进行特性分析。如图所示，在基于累积特性的时间演化图分析中，针对单一时隙拓扑图和网络连通度较低，且均不能构成全连通网络的问题，通过将两个时隙的拓扑进行时间累积，使时间累积图连通度得到提高，形成了全连通网络，有助于分析信息在网络中的有效传播，并反映出高动态网络在一定时间尺度内的连通状态。通过对图中 和 两个时隙的时间累积时变图以及单一时隙拓扑进行复杂性分析可以看出：通过时间累积的方式，一些单一时隙无法反映或错误呈现的高动态网络真实复杂特性被有效挖掘出来。图空间信息网络时间累积时变图构建 网络化指标体系构建方法本文提出的网络化指标体系构建方法如图 所示。围绕指标关联性分析，基于仿真大数据的效能评估指标体系构建方法的设计思路，提出大规模天基体系的网络化指标体系构建方法，基于具有关联性特征的指标数据，对各指标之间的关联关系进行深度挖掘。首先，分析效能度量指标之间的权重关系，根据专家给出的经验数据，拟采用德尔菲法计算效能度量指标之间的权重，建立加权矩阵。设定个评估指标，借助专家咨询并对结果进行统计，代表对专家意见进行综合后的总重要性，归一化处理，得到归一化排序向量（，），且。其次，对支撑基础评估指标的数据进行动态获取，即通过分析某些定量指标间的关联度，得到构建初始超矩阵所需的参数。若指标参数间满足线性关系，可以采用最小二乘法：假设输入的一组基础评估指标为（，）。被设定为该组指标影响上层效能度量的指标。最小二乘法被用来建立效能度量指标和各指标值间的关系拟合回归模型（在得到基础评估指标和效能度量指标的基础上，通过拟合回归模型能够得到，；）。以此为基础，围绕个基础评估指标，得到其对的影响系数向量，并形成判断矩阵（）（），该判断矩阵由相对重要度构成。若指标参数之间属于非线性关系，本文拟采用深度神经网络分析各个指标之间的关联性，通过对低层特征进行组合，将第层的输第期韩晓亚 等：大规模天基组网演化建模及效能评估方法出作为第层的输入，以形成更加抽象的高层特征表示。图指标体系构建方法 天基体系效能评估方法设计本文提 出 的 天 基 体 系 效 能 评 估 方 法 如 图所示。在构建网络化指标体系的基础上，按照时间线的维度对各类指标进行计算和采集，形成大数据存储。利用 、等软件对大数据进行分析，开展评估指标演化特性分析、关键指标挖掘、指标体系验证以及体系效能评估和监测。其中，关键指标挖掘是天基体系效能评估方法实施的关键环节。针对关键指标挖掘，本文采用基于集成学习的思路 对特征指标进行挖掘，先利用集成学习挖掘与具体能力关系最为密切的指标，然后利用主成分分析法处理指标间的关系，挑选包含信息量最大的指标作为关键指标。图天基体系效能评估方法 典型的并行集成方法是随机森林，该方法一般采用决策树和袋装法结合使用。袋装法是从样本集中有放回的随机选择数据样本，生成与样本集规模相同的多个训练样本集，利用学习器对每个训练样本集进行训练，得到与训练样本集数量相等的预测结果，再利用投票法或求均值法得到最终预测航天器工程 卷结果。决策树充当集成学习中的学习器，分类与回归决策树（）应用较多。