基于用戶分群的低軌衛(wèi)星系統(tǒng)切換管理策略

宋艾遙，陳前斌，唐 倫

（重慶郵電大學通信與信息工程學院，重慶 400065）

0 概述

近年來，衛(wèi)星網(wǎng)絡系統(tǒng)憑借其有效的全球無線覆蓋能力和優(yōu)秀的可擴展性受到廣泛關注，衛(wèi)星通信系統(tǒng)已經(jīng)成為現(xiàn)代通信系統(tǒng)最重要的組成部分之一［1］。相較地球同步軌道（Geostationary Earth Orbit，GEO）衛(wèi)星和中軌道（Medium Earth Orbit，MEO）衛(wèi)星通信系統(tǒng)，擁有較低軌道高度的低軌（Low Earth Orbit，LEO）衛(wèi)星網(wǎng)絡具有星地鏈路時延低、傳播損耗小等特點，但是，為了維持較低的軌道高度，其覆蓋范圍在地球表面上會快速變化，根據(jù)“銥星”通信系統(tǒng)，一顆衛(wèi)星只能提供10 min 左右的服務時間，而一個波束只能提供1～2 min 的服務時間［2］。為了確保實時通信，終端需在LEO 衛(wèi)星或波束間頻繁切換，這不僅增加了系統(tǒng)信令開銷，也會提高終端的掉話率與呼叫中止率［3］。

目前，已經(jīng)有許多學者對LEO 衛(wèi)星網(wǎng)絡切換算法展開研究。從單目標決策屬性出發(fā)，文獻［4］在切換發(fā)生時選擇“最近”的衛(wèi)星進行接入，以減少傳播延遲。文獻［5-6］基于可視衛(wèi)星的服務時長，選擇具有最長服務時間的衛(wèi)星，從而最小化切換次數(shù)。為實現(xiàn)不同的切換性能，文獻［7-8］提出多屬性綜合加權的切換策略，它們綜合考慮網(wǎng)絡中的負載、接收信號強度、剩余服務時間等信息。文獻［9］則利用熵權法將影響用戶接入衛(wèi)星的幾個因素進行加權處理，從而將多目標優(yōu)化問題轉(zhuǎn)化為單目標優(yōu)化問題。同時，研究人員還提出基于方案模型的判決決策，如文獻［10-11］利用圖論將切換視為在有向圖中尋找最短路徑的過程，根據(jù)不同的切換準則設置權重，以支持多種衛(wèi)星的切換。文獻［12-13］在滿足負載等約束條件下，利用Q 學習算法做出近似最優(yōu)決策，以有效增加系統(tǒng)收益。文獻［14］利用卷積神經(jīng)網(wǎng)絡提取不同用戶間最佳決策的內(nèi)在規(guī)律，減少了切換發(fā)生頻率。文獻［15］基于衛(wèi)星星歷提出一種預設衛(wèi)星鏈的無縫切換方案，其能提供不間斷的衛(wèi)星通信服務。文獻［16］提出以用戶為中心的切換方案，通過在多個衛(wèi)星中同時緩存用戶數(shù)據(jù)來提高鏈路接入質(zhì)量。文獻［17］將博弈論引入LEO 衛(wèi)星切換決策中，聯(lián)合考慮用戶端收益以及衛(wèi)星網(wǎng)絡負載，當系統(tǒng)達到納什均衡時其終端可以獲取最大收益。

但是，目前針對LEO 衛(wèi)星通信系統(tǒng)的切換策略大多只考慮少量用戶或均勻用戶發(fā)生切換的場景。隨著LEO 衛(wèi)星網(wǎng)絡的快速發(fā)展，服務用戶數(shù)量將大幅增加，其切換決策的成本也隨之增大［18］，尤其對于熱點區(qū)域的地面用戶群組，當用戶聚集在一定范圍內(nèi)時，會出現(xiàn)批量用戶并發(fā)發(fā)起切換的情況，導致網(wǎng)絡中存在大量的請求報文并形成網(wǎng)絡擁塞，極大地降低了網(wǎng)絡性能。此外，諸多研究以單波束作為研究對象，但是在實踐中以多波束衛(wèi)星作為研究對象更具有工程意義。

在無線網(wǎng)絡中，當同時切換的用戶數(shù)較多時，先對用戶進行分組可有效降低切換成本［19］。為此，本文提出一種基于用戶分群的LEO 衛(wèi)星系統(tǒng)切換管理策略，將具有相似切換行為的用戶分為一組，減少處理過程中的重復操作，以降低系統(tǒng)信令開銷和平均切換時延同時提高切換成功率。

1 LEO 多波束衛(wèi)星星座場景

本文以多波束LEO 衛(wèi)星為研究對象，如圖1 所示，s代表衛(wèi)星，bi代表第i層的波束中心點，γ代表波束中心點與星下點之間的地心角。波束的俯仰角Eli與地心角γ存在以下關系：

圖1 波束俯仰角與地心角的關系Fig.1 Relationship between beam pitch angle and geocentric angle

則波束中心點到星下點的距離為：

圖2 所示為衛(wèi)星多波束天線對地覆蓋模型，在大地坐標系中，假設衛(wèi)星位于s(sj，sw，h)，sj、sw和h分別是衛(wèi)星的經(jīng)度、緯度和高度，則星下點位于o(sj，sw)。根據(jù)文獻［20］中銥星48 波束的特征，每個波束近似為圓，波束共4 層，第1 層為3 個，第2 層為9 個，第3 層為15 個，第4 層為21 個，每層波束中心都繞星下點對稱分布，多波束天線的覆蓋采用從里到外的覆蓋方法，每層計算方法同理，具體如下：

圖2 衛(wèi)星多波束天線對地覆蓋模型Fig.2 Ground coverage model of satellite multi-beam antenna

1）先找到與星下點經(jīng)度相同的中心波束，其余波束沿著中心波束繞星下點均勻分布，計算各波束中心點到星下點的距離。

2）將上述距離投影到x、y軸，得到x、y軸上的分量。

3）根據(jù)星下點坐標o(sj，sw)，將投影分量轉(zhuǎn)化成每個波束中心點坐標b(bj，bw)。

2 基于用戶分群的切換管理策略

為了選擇切換行為相似的用戶，本文將切換觸發(fā)時刻、最佳波束小區(qū)2 個因素作為分群決策的屬性。依據(jù)終端收到服務波束的參考信號接收功率（Reference Signal Received Power，RSRP）來判斷是否需要進行切換。因此，需要預測接收信號強度來估計切換觸發(fā)時刻，還需要在切換觸發(fā)時刻下得到終端的鄰區(qū)覆蓋情況，根據(jù)鄰區(qū)的可視時長進行排序，以得到最佳波束小區(qū)。

如圖3 所示，基于用戶分群技術的切換策略主要包括分群處理、群組切換和資源釋放3 個部分。當群首測量結(jié)果滿足條件時觸發(fā)切換流程，群首進入切換準備和執(zhí)行階段，當所有成員完成切換后，釋放資源同時完成切換。為方便描述，用A 代表當前服務衛(wèi)星，B 代表目的衛(wèi)星。

圖3 基于用戶分群的切換策略流程Fig.3 Handover strategy procedure based on user grouping

2.1 分群屬性預測

當信號強度低于分群觸發(fā)閾值ythreshold2時，用戶終端進行分群屬性預測，包括切換時刻計算、鄰區(qū)候選集計算以及最佳波束選擇。

2.1.1 切換時刻預測

用戶終端在完成隨機接入后，會周期性地接收并測量當前服務波束的RSRP，以用戶終端收到服務波束的RSRP 低于閾值的時刻作為切換觸發(fā)時刻。定義Y={y1，y2，…，yn}為t1到tn時間段內(nèi)終端接收的服務波束小區(qū)的RSRP 值，使用回歸分析對接收信號進行擬合預測?？紤]到LEO 衛(wèi)星的運行速度遠大于地面用戶終端，假定用戶終端相對靜止，終端接收到的RSRP 大小變化接近于拋物線形狀，因此，用非線性回歸的二次曲線模型來擬合數(shù)據(jù)，表達式如下：

其中：β0是常數(shù)項；β1和β2是模型的回歸系數(shù)，稱為模型參數(shù)；ε是不包含Y與X之間關系的隨機誤差；xi0=1，i=0，1，…，n。

采用廣泛使用的最小二乘法估計擬合系數(shù)，使每個點到擬合線的鉛直距離的平方和達到最小，即最小化誤差平方和，誤差平方和函數(shù)為：

當S(β)最小時，即，得到的β即為估計的擬合系數(shù){β0，β1，β2}，將計算出的擬合系數(shù)代入式（3）中求得擬合函數(shù)，即可得到服務波束接收功率的預測值RSRPt=yt。

設切換觸發(fā)閾值為ythreshold1，若y(t)≥ythreshold1，則繼續(xù)計算y(t+Δt)，直到y(tǒng)(t+kΔt)

2.1.2 鄰區(qū)候選集計算

在切換時刻預測后，進一步計算切換觸發(fā)時刻下終端的衛(wèi)星覆蓋情況，設單星的最大星下半俯仰角為φmax，如圖4 所示，可推出單星最大覆蓋半徑為：

圖4 星下俯仰角與覆蓋半徑的關系Fig.4 Relationship between sub-satellite pitch angle and coverage radius

終端根據(jù)廣播星歷信息，得到tHO時刻下衛(wèi)星的星下點位置(sj，sw)，同時根據(jù)GPS 獲取自身位置信息(uj，uw)，計算臨近衛(wèi)星的星下點與自身的距離為：

對于l[i]≤rmax的衛(wèi)星，進入衛(wèi)星候選集S，記為S={S1，S2，…，Sm}，因此，總鄰區(qū)候選集可表示為：

其中：N為單星內(nèi)的波束數(shù)目。

2.1.3 最佳波束選擇

為了降低用戶在通信過程中的掉話率，需要選擇能夠提供最大服務時長的衛(wèi)星和波束［21］。本文針對多波束LEO 衛(wèi)星，提出一種波束空間關系模型，通過候選波束與用戶的運動方向和速度，用波束的空間關系值來表征波束可視時長的大小關系。

各波束的空間關系如圖5 所示，B1、B2、B3、B4表示波束中心點，根據(jù)衛(wèi)星多波束設計、星下點位置以及多波束空間指向，能夠確定每個波束中心點的位置。衛(wèi)星各波束采用圓波束模型，νu和νs分別表示用戶和波束的運動速度與方向，Lus表示用戶與波束中心點的連接線。

圖5 用戶與波束的相對運動關系Fig.5 Relative motion relationship between the user and beam

首先定義相對方位角變化情況Pa，|θ|表示衛(wèi)星運動方向與Lus延長線之間的夾角，|φ|表示用戶運動方向與Lus之間的夾角，0 ≤|θ| ≤π，0 ≤|φ| ≤π。對θ、φ進行歸一化處理，定義當|φ|=0、|θ|=π 時表示用戶與波束的相對位置逐漸變近，此時Pθ=Pφ=1。綜上所述，用戶與波束相對方位角的變化情況Pa為：

其次定義相對距離變化情況Pd=PΔD×PD，其由用戶和波束的相對距離值PΔD與歸一化有效相對距離PD決定，PΔD可表示為：

其中：dus代表用戶與波束中心點的距離；R代表波束覆蓋半徑；uus為用戶與波束速度在Lus方向上的投影差，uus=uscosθ-uucosφ，當uus<0 時代表用戶逐漸靠近波束，可視時間將會延長。

通過歸一化有效相對距離PD來判斷用戶是否處于波束覆蓋范圍內(nèi)，如下：

最后為了對波束空間關系進行全面評估，空間關系值Pus需要結(jié)合用戶和波束中心點相對方位角變化情況以及相對距離變化情況，具體如下：

用戶終端計算鄰區(qū)候選集內(nèi)各波束空間關系值Pus，選擇空間關系值最大的波束作為最佳波束，用戶終端將自身ID、切換時刻tHO、最佳波束等屬性封裝在群用戶預測消息中，發(fā)送給當前服務衛(wèi)星。

2.2 成員選擇過程

成員選擇的目的是挑選出在切換觸發(fā)時刻下處于切換邊緣的一組用戶，即同一群組內(nèi)的成員，它們的切換時刻非常相似。設M為分群掃描間隔Δt時間內(nèi)收到群用戶預測消息的成員個數(shù)，也稱成員集合數(shù)量，其中，掃描間隔定義為Δt=τ(tho_first-tsim_time)，tsim_time為收到第一個群用戶預測消息的時刻，tho_first為該用戶的切換時刻，τ為用戶聚合調(diào)節(jié)參數(shù)，取值范圍為0<τ<1。

為方便敘述，定義Un=(In，Tn，Bn，Gn)為掃描間隔Δt內(nèi)第n個群用戶預測消息值，其中：In是用戶ID；Tn是切換時刻；Bn是最佳波束；Gn為群首ID。詳細的成員選擇步驟如下：

步驟1在初始狀態(tài)時，任意用戶還未加入任意一個群組，所有的Gn設為-1。

步驟2提取出用戶信息U1，依次比較成員集合中的最佳波束，如果某用戶的最佳波束與U1中的最佳波束一致，則保留該用戶；否則，將該用戶排除在外。

步驟3切換時刻的相似程度可以通過計算兩兩數(shù)據(jù)之間的“距離”來衡量。用戶i與成員集合中所有節(jié)點的時間相似度（Time Similarity，TS）可以定義為，則用戶i相對于成員集合的群體相似值（Group Similarity，GS）為，GS 值越低說明該用戶與成員集合內(nèi)其他用戶的切換時刻相似度越高。分別計算所有保留用戶的GS 值，然后進行比較直到選出GS 值最小的用戶，該用戶作為群首，其G值設為該用戶ID。

步驟4計算剩余所有保留用戶與群首之間的切換時間差，按差值從小到大劃分到該群中，其G值設為群首的ID，直到群成員數(shù)達到上限。

步驟5判斷成員集合中所有用戶的G值是否都不為-1，若是，則此次分群結(jié)束，返回步驟2。

步驟6判斷用戶信息中In與Gn是否相等，若相等，則衛(wèi)星向該群首用戶下發(fā)群首通知消息，繼續(xù)進行切換流程，群首用戶負責接下來的整個切換過程，而群成員用戶則等待服務衛(wèi)星下發(fā)的相關指令。

2.3 群組切換

衛(wèi)星會記錄用戶的狀態(tài)信息，表明用戶所處的切換狀態(tài)，并隨著切換的進行而不斷更新狀態(tài)信息。用戶狀態(tài)包含的字段如圖6 所示，其中：user_id 為用戶標識符；group_id 為群首標識符；difference_time 為用戶與群首的切換時刻差；state 為切換狀態(tài)，其包含“init”“l(fā)ink”“in_group_handover”“in_single_handover”“l(fā)eave”。

圖6 用戶狀態(tài)信息Fig.6 User status information

2.3.1 切換準備

群首測量當前服務衛(wèi)星與鄰近衛(wèi)星的RSRP，以判斷是否要向衛(wèi)星發(fā)送切換申請。假設衛(wèi)星A 的接收信號功率為power.one，同時也接收到衛(wèi)星B 的導頻信息，信號功率為power.two，如果power.two-power.one>power.handoff，且在Tx時間段內(nèi)成立，則表示達到切換申請條件，可向衛(wèi)星A 發(fā)送切換申請，其中：power.handoff 為切換遲滯功率門限值；Tx為遲滯時間。

當衛(wèi)星A 收到來自群首的切換申請后，向B 發(fā)送群組切換初始化消息，消息包含該群中所有用戶的終端信息，其中用戶信息根據(jù)切換時間差的降序排列。B 在收到群組切換初始化消息后，考慮到衛(wèi)星目前容量，可以完全接受或者部分拒絕群組切換初始化消息中的終端申請，通過用戶狀態(tài)信息中的切換時間差順序來截斷終端申請列表，從而保障衛(wèi)星的服務質(zhì)量。對于接受的用戶，B 會為用戶進行接納控制、無線資源預留和信道分配，同時根據(jù)user_id 更新用戶狀態(tài)信息中 的next_sat 和preserved_channel，并 將state 設置為“l(fā)ink”狀態(tài)；對于拒絕的用戶，將其state 設置為“init”狀態(tài)。最后，將上述切換準備的結(jié)果信息封裝成群組切換回復消息發(fā)送給A。

2.3.2 切換執(zhí)行

當A 收到群組切換回復信息后，解析出接受群成員的信息和空口信道資源，將用戶的state 字段從“l(fā)ink”更新為“in_group_handover”。同時，A 將相關的接入信息封裝在切換命令中，通過用戶鏈路發(fā)送給群成員，群成員通過切換命令中的信息執(zhí)行切換。

2.4 資源釋放

在等待一段時間后，B 認為所有可執(zhí)行的切換都應完成，等待時間由參數(shù)GH_ACK_Interval 控制，該參數(shù)在B 發(fā)送群組切換回復消息時進行初始化。一旦定時器到達觸發(fā)時刻，B 向A 發(fā)送群組切換確認消息攜帶所有切換成功的用戶標識符，同時釋放為沒有按期切換的終端而保留的資源。

當A 收到群組切換確認消息后進行資源釋放，清除為切換成功的群成員而分配的信道，同時清除分群信息。A 將切換成功的用戶狀態(tài)從“in_group_handover”更新為“l(fā)eave”。對于未成功接入B 的用戶，如果與衛(wèi)星仍存在鏈接，則將state 從“in_group_handover”更新為“init”；若鏈接已經(jīng)斷開，則刪除該用戶的相關信息。

圖7 所示為基于用戶分群的切換信令交互流程，其中：切換測量階段對應步驟0；分群處理階段對應步驟1～步驟2；切換準備階段對應步驟3～步驟6；切換執(zhí)行階段對應步驟7～步驟9；資源釋放階段對應步驟10～步驟12。

圖7 基于用戶分群的切換信令交互流程Fig.7 Handover signaling interaction procedure based on user grouping

3 仿真結(jié)果與分析

3.1 網(wǎng)絡模型與仿真參數(shù)設置

本文在仿真軟件OPNET 中搭建LEO 衛(wèi)星網(wǎng)絡仿真平臺，平臺參考銥星星座，空間段共有66 顆衛(wèi)星，每顆衛(wèi)星具備48 個點波束，仿真中設置每個波束的信道數(shù)為80，地面段設有2 個移動交換中心和1 個網(wǎng)絡控制中心，用戶隨機分布在一個10 km×10 km 的矩形區(qū)域內(nèi)，以此來模擬用戶聚集場景。

衛(wèi)星節(jié)點模塊由多波束模塊、星間鏈路模塊、饋電鏈路模塊、中央處理器模塊和天線模塊組成，如圖8 所示。多波束模塊仿真多波束天線功能，每個點波束在地面形成一個波束小區(qū)，并按照一定的時間間隔向地面廣播導頻信息；星間鏈路模塊負責信令和數(shù)據(jù)在星間鏈路的傳遞過程；饋電鏈路模塊負責衛(wèi)星檢測信關站廣播的導頻信息；中央處理器模塊負責各種信令處理；天線模塊負責加載和動態(tài)更新多波束天線的空間指向。

圖8 衛(wèi)星節(jié)點模型Fig.8 Satellite nodes model

如圖9 所示，用戶終端由2 個部分組成：一部分實現(xiàn)物理層的切換測量功能，將測量結(jié)果經(jīng)過過濾后發(fā)送給上層；另一部分實現(xiàn)用戶的接入、切換、信令收發(fā)等功能。系統(tǒng)參數(shù)設置如表1 所示。

表1 系統(tǒng)仿真參數(shù)設置Table 1 System simulation parameters setting

圖9 用戶終端節(jié)點模型Fig.9 User terminal nodes model

3.2 結(jié)果分析

為了評估基于用戶分群的切換管理策略的有效性，本文考慮的切換性能參數(shù)包括信令開銷、切換成功率和切換時延。在切換過程中，需要在不同節(jié)點之間進行切換信令消息交互，所產(chǎn)生的開銷稱為信令開銷［22］，信令開銷是衡量切換方案性能的重要指標，當網(wǎng)絡發(fā)生頻繁切換時，過多的信令開銷會降低網(wǎng)絡性能。同時，切換成功率越高說明切換策略越有效，切換時延越長說明更多的時間是在等待各種切換信令，不利于用戶通信質(zhì)量的維持。圖10、圖11 分別比較在聚合調(diào)節(jié)參數(shù)τ不同取值下，切換成功率和信令開銷隨仿真時間的變化情況，在本次仿真中，設置用戶終端數(shù)量為30。

圖10 不同調(diào)節(jié)參數(shù)τ 下的切換成功率比較Fig.10 Comparison of handover success rate under different adjustment parameters τ

圖11 不同調(diào)節(jié)參數(shù)τ 下的信令開銷比較Fig.11 Comparison of signaling overhead under different adjustment parameters τ

從圖10 可以看出，隨著仿真時間的進行，切換成功率剛開始有輕微波動但最終趨于一個穩(wěn)定值，這表明本文所搭建的LEO 衛(wèi)星網(wǎng)絡仿真平臺能有效維持網(wǎng)絡的穩(wěn)定性。當τ=0 時，分群掃描間隔Δt=0，此時所有用戶都獨立切換，每個用戶都按照自己最佳切換時刻進行切換，因此，在這種情況下切換成功率最高。隨著τ的增加，在掃描間隔內(nèi)聚合的用戶數(shù)量增多，群首的切換狀態(tài)逐漸不能代替所有的群成員，導致某些群成員用戶收到切換命令后接入時機不佳，引起切換過程中的鏈路失敗，從而降低了切換成功率。從圖11 可以看出，隨著調(diào)節(jié)參數(shù)τ的增加，信令開銷逐漸下降，本文切換策略在切換邊緣將具有相似切換行為的用戶分在一組，以分攤切換成本，從而節(jié)省網(wǎng)絡信令開銷，τ越大，聚合的用戶數(shù)量越多，節(jié)省的信令開銷越多。對比圖10、圖11的結(jié)果，為了平衡切換成功率和信令開銷對網(wǎng)絡的影響，在保證系統(tǒng)性能的前提下明顯優(yōu)化系統(tǒng)的信令開銷，本文在接下來的仿真中選取聚合調(diào)節(jié)參數(shù)τ=0.6。

在衛(wèi)星數(shù)量和仿真時間確定、聚合用戶數(shù)量不同的場景下，對比傳統(tǒng)用戶獨立切換方案和基于用戶分群的切換方案，圖12 所示為2 種方案的系統(tǒng)信令開銷對比。從圖12 可以看出，隨著聚合用戶數(shù)量的增加，系統(tǒng)信令開銷增大，由于本文切換方案將多個具有相似切換行為的用戶聚合為一次切換，減少了切換請求發(fā)起的次數(shù)，降低了切換的成本，使得系統(tǒng)的信令開銷小于傳統(tǒng)方案，并且隨著用戶數(shù)量的增加，優(yōu)化效果更加明顯。

圖12 不同聚合用戶數(shù)量下的信令開銷比較Fig.12 Comparison of signaling overhead under different number of aggregated users

圖13 所示為聚合用戶數(shù)量與切換成功率的關系對比。從圖13 可以看出，在用戶數(shù)較少的情況下，2 種方案切換成功率差異不大，這是因為當用戶數(shù)量較少時，用戶聚合程度低，存在獨立切換的情況，加上此時信道資源充足，衛(wèi)星發(fā)生擁塞的概率較小，所以在這種情況下2 種方案的切換性能表現(xiàn)相似。隨著用戶數(shù)量的增加，衛(wèi)星更容易發(fā)生擁塞，導致切換失敗次數(shù)增加，使得2 種方案的切換成功率都隨之下降。但是隨著用戶數(shù)量的增加，本文切換方案的切換成功率逐漸優(yōu)于傳統(tǒng)方案，這是因為用戶間的相關性變大，用戶聚合程度逐漸變大，群首的切換狀態(tài)逐漸與群成員相似，另一方面，節(jié)省的系統(tǒng)開銷變多，能有效減少衛(wèi)星發(fā)生擁塞的情況，從而減少切換失敗發(fā)生次數(shù)，并且在信道資源不足的情況下，也能減緩系統(tǒng)性能惡化速度。綜上所述，在聚合用戶數(shù)量較多的場景下，本文基于分群技術的切換方案具有更好的性能。

圖13 不同聚合用戶數(shù)量下的切換成功率比較Fig.13 Comparison of handover success rate under different number of aggregated users

圖14 所示為聚合用戶數(shù)量與平均切換時延的關系。從圖14 可以看出，傳統(tǒng)切換方案的平均切換時延隨著用戶規(guī)模的增大而增加，原因是用戶數(shù)量越多，系統(tǒng)中的信令開銷越大，一方面導致網(wǎng)絡擁塞，增加了排隊等待處理時延，另一方面也增大了碰撞發(fā)生的概率，碰撞后產(chǎn)生退避增加了傳輸時延，兩者結(jié)合會增加平均切換時延。而本文基于用戶分群的切換方案將具有相似切換過程的多個用戶切換聚合成一次切換，減少了切換請求發(fā)起次數(shù)和網(wǎng)絡負載，從而降低了網(wǎng)絡擁塞程度和平均切換時延。

圖14 不同聚合用戶數(shù)量下的平均切換時延比較Fig.14 Comparison of average handover delay under different number of aggregated users

4 結(jié)束語

本文針對LEO 衛(wèi)星系統(tǒng)下的用戶并發(fā)切換問題，提出一種基于用戶分群的切換管理策略。在切換邊緣選出一組具有相似切換行為的用戶，用群首的切換代替群內(nèi)成員的切換，以此降低切換成本。同時，從分群處理、群組切換、資源釋放3 個方面設計完整的切換流程和信令交互機制。仿真結(jié)果表明，相較傳統(tǒng)用戶獨立切換方案，該切換管理策略能夠減少處理過程中的重復操作，降低系統(tǒng)信令開銷和平均切換時延，提高切換成功率，且用戶聚集數(shù)目越多，性能提升越明顯。下一步考慮引入高速動態(tài)終端切換技術，以提高本文策略的精確度。