Starfield：面向低地球轨道巨型星座的需求感知卫星拓扑设计

低地球轨道（LEO）巨型星座正逐渐成为下一代互联网的高容量骨干网。激光终端的部署实现了高带宽、低延迟的星间链路（ISL）；然而，其数量有限、捕获缓慢且不稳定，使得形成稳定的卫星拓扑结构变得困难。现有的如 +Grid 和 Motif 等模式忽略了区域流量、地面站位置和星座几何结构。鉴于地球上人口分布稀疏以及农村地区的孤立性，流量模式本质上是不均匀的，这为根据这些流量模式来定向星间链路（ISL）提供了机会。在本文中，我们提出了 Starfield，一种由数学分析支持的新型需求感知卫星拓扑设计启发式算法。我们首先根据流量在星座球壳上构建一个向量场，并在该球壳的球形流形上定义一个相应的黎曼度量。该度量与空间几何相结合，为每条潜在的 ISL 分配一个距离，然后我们聚合所有需求流上的距离，为每颗卫星的链路选择生成一个启发式值。受 +Grid 启发，每颗卫星选择具有最小黎曼启发式值的链路及其对应的角度链路。为了评估 Starfield，我们开发了一个定制的、链路感知且链路可配置的数据包级模拟器，并将其与 +Grid 和随机拓扑进行比较。对于第一阶段 Starlink，模拟结果显示，在多种流量分布下，跳数最多减少 30%，拉伸因子最多改善 15%。此外，静态 Starfield（Starfield 的一种轨道间链路匹配修改方案）在真实流量模式下，与 +Grid 相比，拉伸因子实现了 20% 的改善。实验进一步证明了 Starfield 在流量需求扰动下的鲁棒性。