基于真实卫星、航班与航运数据的深度学习辅助空天地一体化网络路由
网络与互联网体系结构
2021-10-29 v1 人工智能
机器学习
摘要
当前海上通信主要依赖传输资源匮乏的卫星，因此性能劣于现代地面无线网络。随着跨洲航空交通的增长，依托商用客机的航空自组织网络这一颇具前景的概念，有望通过空对地和多跳空对空链路增强基于卫星的海上通信。在本文中，我们构想了用于支持泛在海上通信的空天地一体化网络（SAGINs），其中近地轨道卫星星座、客机、地面基站、船舶分别作为空间层、空层、地面层和海洋层。为满足异构业务需求并适应 SAGINs 的时变与自组织特性，我们提出了一种深度学习（DL）辅助的多目标路由算法，该算法利用准可预测的网络拓扑并以分布式方式运行。我们基于北大西洋地区真实卫星、航班与航运数据的仿真结果表明，该一体化网络通过降低端到端（E2E）时延、提升 E2E 吞吐量与改善路径生存时间，增强了覆盖质量。结果证明，我们的 DL 辅助多目标路由算法能够实现近帕累托最优性能。
引用
@article{arxiv.2110.15138,
title = {Deep Learning Aided Routing for Space-Air-Ground Integrated Networks Relying on Real Satellite, Flight, and Shipping Data},
author = {Dong Liu and Jiankang Zhang and Jingjing Cui and Soon-Xin Ng and Robert G. Maunder and Lajos Hanzo},
journal= {arXiv preprint arXiv:2110.15138},
year = {2021}
}
备注
Accepted by IEEE Wireless Communications