王鹏，张佳鑫，张兴，王文博

（北京邮电大学，北京 100876）

0 引言

随着下一代通信网络演进与相关通信技术的不断发展，网络用户的连接数与业务需求的数量以及种类不断增多。根据思科产业报告预测，至2023 年，三分之二的世界人口（约53 亿）将接入互联网获取服务，与此同时，超过世界人口三倍数目的用户设备将在网络中的接受通信服务[1]。从宏观特性层面看，网络泛在化、业务多样化、管控实时化和服务弹性化为下一代网络应呈现出的趋势。从微观技术指标层面出发，DOCOMO 和OULU 大学的分别立足于组网与业务视角，提出下一代通信网络愿景，同时发布面向6G网络需求技术指标的白皮书[2-6]。白皮书中相关章节指出，人与设备之间的无限制通信，以及通信环境的维度拓展将为通信系统的未来研究趋势。相应具体的技术指标为[3-6]：（1）甚高数据速率以及容量：峰值速率大于100 Gbit/s，较当前网络100 倍的容量；（2）甚高稳健性：广泛用户用例的QoS 保障（达到99.999 99%业务保障率）；（3）大密度连接：支持海量连接（每平方公里1 000 万个设备）感知能力以及高精度定位（厘米级粒度精度）；（4）广域覆盖：泛在Gbps 通信速率的服务覆盖以及新通信覆盖区域（例如天空、海洋等）；（5）甚低能耗与代价：支撑太赫兹与毫米波设备的通信能力以及微充电的设备研发；（6）甚低时延：端到端延时小于1 ms。

目前，尽管5G 网络为用户提供了更加高速可靠的网络服务，当前网络架构下，密集型计算业务响应、海量流媒体业务分发，以及适配不同地区无缝覆盖的通信需求依旧面临挑战。特别地，多模终端泛在无缝覆盖、广域物联区域态势感知、重点位置遥感图像目标识别与卫星高效多播组播分发等典型用户要求尚未得到良好满足。由此，根据上述分析，面向未来网络的发展远景，为了进一步增强用户体验，降低网络时延，突破当前通信网络在时间与空间的制约，亟需着力发展卫星通信网络，扩展通信网络有效服务范围，进一步增强当前网络通信能力，引入卫星通信网络为地面业务提供服务补充。为响应星地融合需求，弥补地面网络不足，2014 年，SES 网络公司所属的O3b 系列星座面向地面未部署通信设施的区域，率先在8 063 km左右的中轨道（MEO,Medium Earth Orbit）高度开展网络接入服务[7]，尽管目前已取得一些成就，但相较于低轨卫星星座，网络性能方面仍有提升空间。

低轨卫星网络通常部署在轨道高度500～2 000 km 空间区域。与其他通信系统相比，低轨卫星制造与发射成本低廉，其星座轨道设计已可流程化模块化，卫星节点部署灵活。由于网络离地面较近，在不受地面地形约束，链路抗毁功能较强的基础上，同时具备回程时延（RTT,Round Trip Time）相对较小（约10～25 ms）、信道空间衰落小等优点。目前，低轨卫星网络相关研究尚处于起步阶段，已有研究领域主要集中在频谱资源感知策略优化、波束部署覆盖能力增强和星地上行回程链路提升等方面[8-10]。然而，面向下一代通信网络，目标识别、高效视频转码与分发、广域物联态势感知等适用于星上服务的业务对星上处理能力以及资源配置要求较高。随着星上板载处理能力（OBP,On board processing）的不断增强，将计算存储资源沉降至星上的边缘计算技术可为部分业务请求快速服务响应赋能[11]。与此同时，低轨卫星通信覆盖范围灵活，可为上述业务采集适配的可用数据，为智能网络计算提供训练模型数据集支撑。受卫星体积与能耗限制，星上边缘计算资源可与邻近卫星群以及地面云共同协作，以提供适用于下一代移动通信网络的智能服务。

因此，本文提出面向下一代通信网络愿景的低轨卫星智能多接入边缘计算网络架构，对该架构相关的部署原则进行阐述，并对该架构中可能存在的挑战与创造的机遇进行展望。

1 相关研究

本节旨在阐述目前低轨卫星网络的发展状况与可推进卫星网络发展的潜在技术，梳理目前主要的轨低轨星座情况，简述近年来卫星研究中的新技术以及星上计算的基本概念，最后简明描述智能边缘的发展状况以说明低轨卫星智能边缘计算网络的技术基础。

1.1 相关卫星星座

传统低轨卫星（LEO,Low Earth Orbit）通信系统独立于地面通信网络，与地面移动通信网络并行发展，星上板载能力以及实体空间受限，故发展相对缓慢。随着星上载荷通信能力的不断提高，一方面，以O3b 系列星座为代表的中轨卫星星座蓬勃发展，另一方面低轨卫星星座亦开始得到关注。近年低轨卫星通信系统星间链路通量提升，星上组网节点数目超密集化，低轨卫星网络支撑业务呈现出大规模实时并发性以及种类多样性等特点。表1 梳理总结目前全球在轨或计划发射的经典低轨卫星星座，并对相关星座所支持业务进行列举。如表1 所示，目前在轨或计划发射部署的低轨卫星星座运行高度主要集中在700～800 km，以及1 100～1 400 km 两个空间区域，与高轨卫星与中轨卫星相比，信号传输衰落以及信号传输时延将极大降低。除此以外，为了满足低轨卫星网络与地面网络协作的服务连续性与质量，低轨卫星星座设计中卫星节点部署密度逐渐加大，匹配地面网络联通需求，以支撑星上业务地面卸载与地面业务星上传输等功能。

表1 在轨或计划发射的低轨卫星星座

1.2 卫星研究中的新概念

近年来卫星网络不断革新，与新技术相融合，通过虚拟化技术极大降低卫星网络控制信令的交互冗余，提升与地面网络的兼容性，并扩大通信覆盖与环境感知范围，同时，网络智能化方法尤其是机器学习概念以及相关算法的引入，使资源不足的边缘网络更优地进行资源配置。随着星上板载处理技术的提升，智能边缘理念应用于低轨卫星多接入边缘网络成为未来低轨天基网络发展的趋势。

（1）小卫星与高通量卫星

早期小卫星通常作为新技术验证型平台为实验室与研究中心所使用，该类型卫星通常部署运行于距地面200 km 到2 000 km 的低轨空间范围。目前在轨小卫星通常单节点重量处于1 kg 到10 kg 之间，低轨小卫星具备开发时间短、生产与部署成本低和部署灵活等特点。常见小卫星如CubeSat[22]，其成本造价仅为普通低轨卫星0.1%，该类型卫星通常用于天气监控、灾害预警、地面观测和远距通信等先导实验任务，根据任务的需求，小卫星可部署为星座以及星群两种不同形式，小卫星星座卫星节点均匀分布于多个卫星轨道面上；卫星星群则部署于单一卫星轨道面上，根据部署需求，节点之间的相对距离较小，部署方案中拓扑节点相对集中。

高通量（HTS,High Throughput Satellite）卫星通常通过频谱复用以及空分复用技术手段，可极大提升卫星网络的吞吐量。具体地，卫星通信可用的高频段例如Ku、Ka、Q/V 等波段的应用为卫星提供更广泛的通信资源备选集；卫星多波束天线赋形方法与频率复用方案能够提升卫星节点空间复用能力与频率复用效率；星上板载信息处理能力赋能高阶多种编码与调制方式，极大提高频谱利用率。除此以外，星间激光链路的高速传输极大提升星座信息传输效率。高通量卫星极大提升星上宽带业务的发展，卫星可充分发挥卫星固有的下行广播组播传输优势，在广域服务区内极大满足用户需求。近年来，低轨卫星由于其低回程交互时延能力得到广泛关注，由于宽带媒体业务需求激增，低轨高通量卫星设计得到发展。例如，典型低轨高通量卫星（LEO-HTS）为OneWeb 卫星星座[15]，该卫星星座的星地链路使用频带为10.7—12.7 GHz，单波束带宽可达250 MHz，星座吞吐量可达7 Tbit/s。

（2）星上载荷虚拟化技术

虚拟化技术旨在通用化并统一调度不同网络节点中的可用资源。该技术根据不同的网络需求对当前网络中节点的可用资源进行重组以及分配，提升网络资源分配方案的灵活性。星上载荷虚拟化技术可使卫星组网后响应业务过程中突破不同卫星星座或星群内卫星节点之间资源不互通的物理制约，降低卫星网络部署与管理过程中的开销，通过编排资源池内不同虚拟化网络功能组成的业务切片样例，满足用户不同服务质量的需求粒度，提升不同类型卫星星上载荷资源的通用性与鲁棒性，为不同星群中卫星的星上资源协作与星地协作提供技术保障。

目前欧洲航天局已率先开展星上载荷虚拟化研究，为星载资源通用化奠定基础，在H2020 项目中，面向未来稳健灵活网络的虚拟化异构星地系统（Vital,VIrtualized Hybrid Satellite-TerrestriAl Systems for Resilient and FLexible Future Networks）将虚拟化技术与软件定义网络技术结合并在星地融合网络中提供应用场景[23]。该项目旨在通过虚拟化与软件定义技术解决星地异构网络卫星与地面由于独立发展造成的资源通用化困难问题，并为所需业务提供星上虚拟化功能实例。与此同时，我国组建以天基超算为研究主题的软件定义卫星联盟，已发射以虚拟化技术为基础的软件定义实验卫星“天象”系列1 号以及2 号，验证双星组网传输以及相关业务，为低轨卫星网络与地面云网络资源协同理论提供技术支撑。

（3）卫星物联

5G 时代物联网业务的蓬勃发展，极大提升人们对环境的有效认知，通过部署海量物联网传感器与执行器，环境信息可转换为信息数据在本地或回传至计算节点进行处理，计算节点对所获数据的充分研判，可以获得区域感知决策所需的数据输出，进而为系统下一步策略部署提供指导准则。根据不同区域或不同类型的物联节点，对物联节点进行分组，在广域范围内卫星为分组节点广播或组播全局控制信息，卫星物联网技术在空间上增强无地面网络覆盖区的认知维度。总体来说，卫星物联可在提供全局感知的基础上节约边远地区如沙漠海洋的通信设施部署成本，同时提高物联感知系统的抗毁能力。目前卫星物联技术已可应用于智能电网、环境监测以及车载定位等场景中。例如，国家电网利用北斗卫星短报文传输能力，进行电能数据采集以及回传[24]；Sensorweb通过星上所携带的光谱仪以及合成孔径雷达识别地面水体情况进而预防潜在的洪涝事件[25]；北斗卫星可为分布于全球车载船载用户提供定位服务等[26]。

1.3 星上处理

传统星上板载处理（OBP,On Board Processing）方式主要依托于板载CPU 内核提供的调度控制能力，可编程FPGA 主要提供信号调制解调能力，以及信息编码解码能力，其性能约束于板载芯片处理能力、载荷功耗以及星上物理可用空间。

随着卫星网络的发展，芯片集成度和处理功能的提高以及星上板载空间的延展，卫星网络处理性能得以提升。近年来，星上板载体系引入存储模块、图形处理器（GPU,Graphics Processing Unit）模块，以及数字信号处理（DSP,Digital Signal Processing）模块。传统CPU 模块适合处理标量数据，不同于传统服务器中部署的CPU 模块，DSP、FPGA 以及GPU 具备更强的浮点运算能力，更适合处理矢量数据，上述模块可协同工作为用户提供更高的星上计算能力，提升星上处理重配置能力。例如，下一代星上处理计算机（OBC-NG,On Board Computer-Next Generation）基于嵌入式集群计算，形成主处理节点-监控检测节点-从处理节点处理体系架构，形成分布式并行计算系统[27]。处理节点配置FPGA、DSP 以及GPU 模块，与主处理单元提升星上计算能力以及计算效率。目前卫星星载计算技术应用场景主要集中于卫星遥感中水体以及火山异常检测，云层与非云图像识别[25,28-29]等领域。

由上述分析可得，星上处理能力主要受制于板载算力，星上板载计算处理能力的增强为星上智能多接入边缘计算网络架构的提出奠定算力支撑基础，该技术发展使智能多接入低轨卫星智能边缘计算系统成为可能。

1.4 智能边缘网络

目前5G 网络借助多接入边缘计算技术（MEC,Multiaccess Edge Computing），将资源下沉至贴近用户的边缘侧，与云计算或雾计算服务器协同，节约能耗的同时减少不同业务响应时延，并提升用户数据隐私的安全性，形成面向业务类型的“端-边-云”的多级处理架构。然而，面向下一代网络提出的愿景中，人与人、人与物之间的通信交互体验变得更加真实的需求，通信覆盖服务区域仍应不断扩展，以适配典型业务广地域无缝连接的需要。

上述需求势必要求运营商部署更多物联感知节点与通信处理设备，也将会进一步促进相关宽带业务与物联业务的发展。高清视频监控与海量物联器件的密集部署后，物联终端侧将会有ZB 级别的流量数据需要进行承载。海量负载驱动通信网络系统中的边缘侧与新兴技术例如人工智能、大数据等共同形成智能边缘网络，提高网络的服务效率[30]。边缘智能网络可与人工智能中的机器学习算法协作，充分挖掘应用网络边缘产生海量数据的内在信息，梳理内在联系，赋能边缘网络资源优化分配机制；同时边缘智能网络减小数据回传所需的回程链路带宽开销，降低计算密集型任务对云端服务器造成的压力。根据不同的计算任务需求，可仅仅在边缘内推断，在云端进行模型训练；亦可进行云边协同模型推断，将算力需求较高的模型训练放置能力较强的云端；甚至可构建分布式计算结构，对于算力需求较小且实时性要求较高的任务仅仅使用边缘算力网络，利用分布式并行计算方法，提升计算密集型业务的快速稳健处理能力。而后，算力节点与物理约束空间内周围节点进行交互建模，训练适用于本地的最优模型。

2 低轨卫星智能边缘计算网络需求

低轨卫星网络作为构建泛在无缝服务网络中的重要组成部分，逐渐成为重要研究领域并得到关注。针对6G通信峰会中提出的6G 网络愿景需求，结合低轨卫星的网络结构与该网络中多域智联相关业务的特点，可知在广域数据智能精准感知，星上密集型业务快速处理，以及宽带业务文件高效分发等多任务并发场景下中具有多接入边缘智能计算需求。

表2 列举低轨卫星智能边缘计算网络相关典型业务的需求分析，其中：用户链路上行带宽保障指用户到卫星通信链路的带宽条件要求，用户链路下行带宽保障指卫星节点到用户通信链路的带宽条件要求；馈电链路上行带宽保障指地面信关到卫星节点的通信链路带宽条件要求，馈电链路下行带宽保障指卫星节点到地面信关的通信链路带宽条件要求；算力要求指业务对星上算力的能力需求，存储要求指业务对星上存储能力的需求，弹性与扩展性指业务需求是否需要卫星星座进行任务节点扩展，协同完成任务；移动性指业务是否需要支撑高速运行用户节点的连接，能效需求指业务是否受星上节点能耗约束，对于无业务需求时是否考虑与地面基站类似的休眠机制；最后，安全性指通信链路是否需要进行加密，保障用户信息的隐私性。

表2 低轨卫星智能边缘计算网络相关业务需求分析

针对不同典型业务，具体需求如下。

2.1 广域数据智能精准感知需求

泛在无线智能无缝跨域服务网络需求中，要求未来通信系统面向空-天-地-海等场景构建高效服务的空间协同一体化网络。在不具备地面网络基础设施建设条件或建设成本较大的区域，天基网络可无视上述制约并增补覆盖目标区域。通常，上述区域由大量物联网节点覆盖，广域物联节点将感知的数据实时回传给远端云服务器，感知区域状态后为网络控制下一步决策方案提供依据。

随着地面海量物联节点部署的增加，业务驱动的感知需要更加精准灵敏，物联节点上传的数据量激增，一方面海量数据对卫星网络中负责回传的用户链路上行部分以及卫星馈电链路下行部分产生较大负载压力；另一方面，快速变化的环境因素对感知决策的时效性提出更高要求。目前低轨卫星平台在环境监测、智慧农业和智慧电网等广域物联感知方面仅仅作为物联节点的采集回传设施，海量数据依旧需要回传至地面云集群中进行处理，同时对于高机动目标的检测跟踪亦不够及时，在业务时延需求与感知网络状态信息的时效性上还需要进一步提升，因此面向未来通信网络架构，该业务要求星上算力保障以及网络架构扩展以适配不同算力需求的任务快速响应。

2.2 星上计算密集型业务快速处理需求

6G 白皮书中指出，下一代通信网络中遥感业务与定位业务是网络需要承载的重要内容之一。目前遥感卫星在星上图像预处理领域已有初步研究，考虑到目前星上载荷的处理能力，高分卫星所载光学传感器获取到的各种数据体量依旧过大，如能够在卫星回传之前，剔除图像相关的冗余信息，如对地观测时获取到的云层覆盖区域，或次重点目标识别区域，剔除上述图像信息后，馈电链路上回传的数据量有所减少。

然而目前星上载荷针对计算密集型业务的处理速度无法满足6G 所需的服务时延需求，该状况会极大影响6G 业务的用户质量体验。该需求对于卫星网络提出两大挑战：一方面，当前卫星板载能力多为定制化功能内核，可编程能力以及可扩展能力不强，限制通信、导航、遥感卫星之间算力资源调度的通用性；另一方面，6G 网络中天地一体化智能算力迁移范畴内，多种以卫星网络为核心的计算密集型业务需求日益显著，如高空持续机动侦查、广域地形判断、高机动目标识别等，差异化业务QoS 保障对星上有限资源的分配提出挑战。除此以外，星群受地面站控制中心控制，远距多重信令交互严重影响系统服务响应速度，星群中节点损坏可能导致整个系统无法运行，系统鲁棒性较弱。由此可知，亟需提出星上分布式在轨自主运行系统，令卫星通信架构可在无地面控制中心或与地面控制中心长时间不进行控制信令交互的情况下自主运行，提升低轨卫星系统对计算密集型业务的快速稳健处理能力。

2.3 广域宽带视频业务文件高效分发需求

地面移动通信宽带业务需求的增长促进内容分发网络等新技术的发展，传统基站借助缓存流行度较高的视频业务文件对用户请求进行服务，目前地面网络宽带文件分发网络架构呈密集化、多级化趋势发展，尽管地面网络也通过广播、组播以及单播等混合传输机制满足地面用户的视频业务请求，但该网络架构下的文件分发机制依旧存在有效提升的空间。一方面，地面网络设备的密集部署与设备到设备（D2D,Device to Device）的文件共享机制在网络频谱管理上增加了分发用户命中文件策略的复杂度；另一方面由于地面基站覆盖区域有限，不同基站缓存中预存的热度文件集合可能相同或存在交集，广域范围内重复存储相同文件，广域存储的文件差异度不高，与此同时还会过多占用地面存储空间资源。

由于文件分发主要涉及卫星对缓存或数据网络推送的视频业务进行广播组播，因此该业务对用户下行链路带宽保障以及馈电链路上行带宽保障要求较高。卫星与地面协同广播组播宽带视频文件等业务可提升传统地面宽带视频文件业务的服务效率，然而，星地视频组播多播业务并非星地两系统进行文件分发机制简单组合，因此业务对网络架构弹性与扩展性亦存在要求，对应协同机制亦面临挑战。目前卫星作为独立视频文件组播系统并未与地面基站进行协同分发，除此以外，地面不同用户由于接入设备不同，对于同一文件所请求的视频目标文件编码版本可能不同。故星上存储分发应解决存储何种文件，文件是否需要转码，文件是否需要切分编码等问题，上述问题对星上算力提出较高要求。

3 卫星智能边缘计算网络

针对上一节所述的下一代网络需求，本节提出低轨卫星智能边缘计算网络架构。本节将对网络架构以及特点进行描述，简述该网络逻辑功能架构，并对该网络架构硬件与软件逻辑组网布局展开研究。

3.1 低轨卫星智能边缘计算网络

低轨卫星智能多接入边缘计算网络为在低轨卫星星座节点板载上部署MEC 服务功能模块的通信架构体系。该网络旨在充分利用卫星节点板载资源，使用虚拟化技术与地面边缘服务节点或云服务集群兼容并协同运作，充分利用网络边缘所采集的海量数据，借助人工智能概念，通过使用机器学习算法挖掘星地融合网络中所隐藏的知识训练模型，并利用训练出的差异化模型推断赋能优化低轨边缘网络资源均衡机制，构建可自主运行的低轨卫星智能多接入边缘计算体系。

在图1 中，低轨卫星星座的每个节点上均可按需部署MEC 服务载荷，星间链路为点对点通量较高的激光链路，星地链路采用高频Ka/Ku 或Q/V 波段进行通信，可根据信道状况进行自适应编码调制。

图1 低轨卫星智能边缘计算网络场景图

低轨智能多接入边缘计算星座与地面节点、地面云服务集群协同处理广域感知类决策计算任务；或与地面云服务器协作处理星上计算密集型高清图像目标识别，异常检测等任务；还可智能自适应缓存最热请求文件的高码率版本，通过星上计算转码后，满足服务区内适配用户的需求。

尽管边缘计算赋能的卫星节点算力存储得到增强，考虑到星上物理空间于能耗等因素，与地面服务器相比，星上资源依旧有限，智能计算星座可与地面云服务器集群协同部署人工智能算法优化网络资源配置，并为用户提供人工智能服务。

综上所述，该低轨智能多接入边缘计算网络架构具备如下特点：

（1）多级协同处理

低轨卫星多接入边缘智能网络可与部署在地面的通信基础设施（基站或信关站）、其他星座中的卫星节点以及地面云服务集群构成多级协同智能处理体系，针对用户类型，考虑不同请求业务特点，以边缘计算节点当前处理能力、缓存资源、剩余存储空间、卫星边缘节点过顶服务时长以及各节点之间的通信带宽资源为约束，通过机器学习算法为网络可用资源智能匹配待计算任务，提高服务效率。对于海量物联节点，考虑到其储能少且上行发射功率较小，可在地面部署信号上行发射能力较强的汇聚站收集并上传传感信息，汇聚站亦可部署少量计算资源对数据进行预处理。对与星上计算密集型业务，可考虑与地面云服务集群进行协同工作。对于宽带视频文件分发业务，可充分利用地面基站边缘服务能力，与星上计算边缘计算能力进行最优协同。

（2）网络功能虚拟化

星上智能多接入边缘计算网络充分利用VNF 技术，对不同星群以及星座的卫星星上板载资源等基础设施进行虚拟化处理，提高不同节点上资源的通用性，并实现星上功能可编程化。为了便于不同计算任务的适配，在此基础上通过VIM进行虚拟化网络资源管理，通过虚拟机或者容器的形式，在星上系统中形成网络虚拟化功能。之后针对不同定制化任务，组织不同的网络虚拟化功能进行响应。

（3）自主在轨分布式计算决策

从控制角度出发，低轨卫星智能多接入边缘计算网络中星上载荷具备自主运行能力，即使无地面中心控制，星上也可通过智能算法进行决策控制与管理维护，可在轨处进行数据处理并在轨自主执行共同任务。为了提高系统的抗毁能力，在低轨卫星星座中还应选定备用控制卫星，对控制节点卫星进行周期性监测，当星群中控制卫星节点宕机时，备用卫星启动控制监管功能，维护系统运行。

从业务分发以及计算响应角度出发，该架构具备动态分布式并行计算能力。分布式控制节点对需求进行分析后，根据业务计算任务类型进行分类，如果任务结构为串行，则考虑在可用卫星节点集中选定卫星节点与地面云协同接力对任务进行顺序计算。如果任务结构为并行，则星上控制节点根据任务选取可用卫星节点并对任务进行分发并行计算，如果计算任务较大可与其他卫星控制节点进行交互卸载，或与地面云集群进行协同卸载。

（4）灵活智能适配

智能算法赋能的多接入边缘计算网络主要体现两部分内容[31]：借助低轨卫星多接入边缘计算算力的人工智能应用以及借助人工智能优化配置的低轨卫星多接入边缘计算网络。

1）借助低轨卫星多接入边缘计算算力的人工智能应用

对于部署MEC 资源的低轨卫星边缘侧，可考虑选取适合的轻量神经网络学习模型，在保持模型可用精度的情况下采用模型压缩、条件计算等方法减少模型的深度。训练时可采用联邦训练的方法，缓解卫星边缘节点的计算压力，使用训练模型进行推理时，可对模型进行切分并行处理或采用推理提前退出等方案，使卫星可用节点快速协作完成推理任务。

2）借助人工智能优化配置的低轨卫星多接入边缘计算网络

低轨卫星边缘计算网络可借助人工智能算法优化本网络的资源配置方案，辅助星上以及星间资源调度自主性决策，实现智能时敏的分布式控制。由于低轨卫星边缘网络节点高速移动，星地链路的信道状况时变，地面产生的数据亦较复杂动态多样性，机器学习算法可应用于星地链路信号调制与编码策略（MCS,Modulation and Coding Scheme）以及低轨卫星网络无线资源管理（RRM,Radio Resource management）分配领域；对于不同的计算任务需求，可利用机器学习中各类算法优化算力分配方法，在保障时延的前提下对计算任务部署进行最优卸载。同时智能学习算法可自适应分析区域内用户缓存请求与空时之间的关系，通过线下训练模型，卫星边缘节点保留用户数据向算力星群或云集群回传梯度或权重，更新模型后推送热度文件并对原存储内文件进行覆写，最大限度满足用户请求，提升文件命中率。

聚焦于低轨卫星多接入智能边缘计算网络场景，充分考虑该网络拓扑的动态变化以及可用网络资源等因素，该网络架构运行工作流程有以下两种模式：

1）边缘-边缘协同模式

训练以及推理均在低轨卫星星群内部完成，该模式依赖于星上板载能力的提升。在训练过程中可采用局部最优或精确度稍低的模型降低算力负载的压力。

2）边缘-云集群协同模式

根据卫星侧节点集资源可用状况与环境因素、网络状态、用户行为等约束条件，对于时延容忍较高的任务，系统可在云计算集群进行模型训练，对模型不同层进行切分后，按需分别部署于地面汇聚节点、卫星边缘节点以及地面云计算集群处，以完成推断。对于时延容忍较低的任务可完全在低轨卫星边缘网络利用进行推断，但此时需要更多星座或星群中的资源节点参与推断任务，以满足网络对任务响应的需要。

具体地，针对网络中不同类型的业务需求，所提网络架构对业务处理流程不同。主要分为两类：

计算型业务请求主要来源于地面或星上，其任务对星地上行链路或馈电链路带宽要求较高。计算任务到达低轨天基网络后，首先，控制侧按照星座节点的运行轨迹与接入边缘网络的卫星，指定任务可用的卫星节点星群集合；其次，接入节点根据计算任务时延容忍约束，考量链路状态同时兼顾可用卫星备选集合中的星上资源，根据最优策略对任务进行分发；再次，剩余待计算的任务可卸载至远端地面云服务集群利用较强算力进行适配协同处理；最后，智能计算完成后，任务结果返回给用户端，该用户请求业务过程中训练完成的将相关模型可留在云集群或星上模型库中，为以后类似服务需求进行智能推理决策调度使用。

对于宽带视频类业务，首先，需根据卫星下辖的广域范围内历史数据记录充分挖掘其隐含的内在规律，根据所采集的数据进行模型训练，分析用户所请求的差异化文件与地理区域、一天中时段的关系；其次，将所需可转码的缓存文件与可用轻量化模型预先推送至卫星边缘；最后，卫星根据区域内用户请求与周围可选卫星边缘节点进行转码计算并组播分发，同时卫星边缘缓存较小学习模型进行推断并周期性更新模型参数。

3.2 逻辑功能架构

图2 为低轨卫星智能多接入边缘计算网络逻辑架构图。图2 中间部分为所提出的网络结构，两侧分别为所提网络架构赋能定制化AI 应用过程中的模型训练过程以及多接入边缘系统智能化的模型推断过程。

图2 低轨卫星智能多接入边缘计算网络逻辑架构图

（1）网络结构

物联网节点、星上传感器以及用户终端通过南向定制服务接入能力上传海量数据（其中部分终端或物联网汇聚节点可具备数据预处理功能），低轨卫星边缘计算系统根据地面服务目标区域自决策过顶星群备选集合，之后对不同服务选择适配不同的卫星组对任务进行服务，目标区域过顶卫星星群或星座节点可根据计算任务的类型与需要，将部分任务通过东西向负载均衡能力卸载至相邻两星群中进行分布式协同计算，或将部分任务卸载至不同星座中可用卫星算力节点集合中进行任务计算。若面向算力资源以及缓存资源开销超过当前星座可提供的资源能力，则考虑通过北向卸载智能协同能力与地面云计算集群协同以完成任务需求。

（2）模型训练

针对低轨卫星智能多接入边缘计算网络所具备的特点以及可能的应用场景，目前主要需要训练如下几类模型：

低轨卫星智能多接入边缘网络感知模型主要对低轨卫星边缘网络的节点拓扑状态进行建模，同时在网络可协同星群的基础上，训练通信链路模型，构建AI 驱动的链路通信，保障复杂情况下拉通算力的通信效率。

星群算力感知模型主要包括低轨卫星边缘节点资源模型、卫星边缘算力网络模型以及可靠性安全性评估模型。卫星边缘节点资源模型用于展示复杂情况下单个星载节点计算能力的状况，卫星边缘算力网络模型用于实时感知低轨卫星网络整体在空时维度的状态，安全性与可靠性主要考虑低轨卫星算力网络提供计算服务时对用户隐私的保护脱敏以及网络提供服务时的稳定性。

低轨卫星算力调度模型重点面向基于算力迁移的服务以及移动性管理。算力调度模型主要考虑服务配置模型，例如星上计算任务的切分等问题；服务放置模型例如计算如何协同，在何处进行计算等问题；面向卫星移动性导致的服务不连续问题，可针对不同时段不同业务类型训练星上服务迁移模型，决策适配卫星高移动性的服务迁移方案，解决例如不同计算任务何时进行迁移、向何处迁移等问题。

（3）模型推理

模型推理旨在验证学习模型的正确性并应用该模型对新数据进行处理。在获取模型的基础上，考虑到低轨卫星边缘计算网络算力受限于星上载荷能力，就可行性而言，可构建轻量级AI 模型推断，以优化多接入边缘网络的资源部署并为潜在场景中的人工智能应用提供可用算力资源。

以深度学习相关算法赋能网络为例，可使用适配星上网络的模型优化、模型分割部署以及推断提前退出等技术手段缓解卫星侧边缘算力的压力。

借助模型优化的方法，减小推断时应用模型的计算量。首先可对输入数据进行预处理，消除冗余数据，提升数据集可用率，在此基础上，进行模型剪枝，消除训练时过参数化带来的计算负担。除此以外还利用其他方法进行模型优化，例如池化计算、量化、知识蒸馏等技术路线，以达到部署适用卫星边缘侧轻量化模型的目的。

亦可考虑并行推断的方法，针对模型进行合理（最优）分割并部署卸载策略，以便于卫星边缘星群以及云计算集群进行算力协同完成任务，减小边缘节点存储更新模型的大小，适配卫星边缘网络算力的模型分割部分。可将深度学习模型根据低轨卫星网络状况（例如当下卫星网络中可用节点的负载状况、卫星节点的各项剩余资源，通信链路连通的可持续时间、链通链路当前以及未来时隙的带宽状况）进行切分，并将中间数据发送给地面云端，云端继续运行剩余的层，回馈最终结果。

最后，推断时可进行推理提前退出的方法，在符合所需精度的基础上，提前从卷积层内退出，继续利用算法完成推断。

3.3 系统实现架构

在上一节所阐述网络逻辑架构的基础上，本节简述卫星低轨智能多接入边缘计算系统实现的软硬件逻辑架构，如图3 所示。

图3 低轨卫星智能边缘计算网络架构：软件逻辑布局

（1）软件逻辑架构

本文所提出的低轨卫星智能多接入边缘计算网络软件部署逻辑架构主要分为三部分：网络系统运维、网络基础服务以及用户定制化服务。网络系统运维为低轨卫星网络侧提供系统基本运行所需功能的底层支撑；网络基础服务指在系统运维功能的基础上，网络提供为了完成定制化服务的基本计算、存储、通信功能，并对上述功能利用机器学习进行适配需求分析的优化适配；最上层开放第三方接口，同时该层根据用户需求，调用下层基础服务功能适配并响应各人工智能应用的请求。具体功能介绍如下：

系统运维部分主要包括用户管理、安全保障、状态监控、系统配置与维护。用户管理部分主要完成用户权限配置、新用户注册列表更新等功能；安全保障部分通过算法保障网络空间中用户信息的隐私性，防止网络中的恶意攻击。状态监控负责网络中节点是否运行正常，一旦节点出现异常，监控模块上报节点ID 以供系统进行重配置和维护决策；系统配置以及维护通常完成对卫星侧系统初始化时场景与参数的设定，对突发事件进行处理，且较长时间内可自主维护网络运行过程，并保存系统日志。

基础服务部分为定制化的用户业务提供所适配的智能通信、计算以及存储能力。利用不同的存储结构，分别对关键数据如卫星节点轨道数据、实时状态数据、用户历史请求数据、定位数据、以及节点资源状态进行存储，为智能需求分析提供数据支撑；计算引擎利用网络中分布的多接入边缘计算服务器，采用实时计算，并行计算框架，利用分布式计算管理协助服务，利用广域采集的异构数据，为智能分析提供弹性算力支撑。智能分析过程通过训练方法，进行模型开发，借助低轨卫星网络中预存的算法库与模型模板库中的模型，必要时协同地面云模板库中预存的模型，借助云挖掘服务能力助力面向业务定制的模型优化，从而进一步提升低轨卫星边缘网络的资源调度配置。

定制化服务主要根据低轨卫星边缘网络中不同用户的需求，充分考虑用户特点与业务要求，在系统运维功能以及基础服务功能的基础上，保障视频分发、无人控制、多模接入、定位服务、遥测服务、态势感知等特定服务应用。

（2）硬件逻辑布局

从网络功能角度考虑，低轨卫星智能多接入边缘计算网络硬件逻辑布局满足系统资源提供功能、资源管理功能以及资源控制功能，除此以外，如前所述，星地之间协作过程还需一并考虑星地空口所支撑的北向负载协作能力。

如图4 所示，星上传感器直接采集或利用接收天线间接接收地面感知情况相关的数据以及地面用户视频需求，星上执行器根据所接收的星上控制指令执行姿态调整、设备使能等动作。

图4 低轨卫星智能边缘计算网络架构：硬件逻辑布局

不同星群或星座内的星上载荷上部署各种资源如CPU、GPU、FPGA、TPU 等与信号或者信息处理相关的算力资源，与存储资源通过VNF 共同构成资源池，供星上产生的任务使用。不同类型卫星节点当前星上能耗资源，算力资源以及通信资源差异较大，故应通过控制节点综合研判后，针对不同卫星节点的剩余资源元组，差异化匹配待计算任务。通信资源分配准则基于星群内控制卫星根据调度策略所生成的流表，该流表周期性广播分发至星群中传输节点。传输节点东西向负载协作均衡能力以适配星上任务传输协作。

为了增加卫星系统的可靠性与自主性，星群或星座内每个卫星均具备资源管理节点与控制节点功能。若针对差异化业务需求，需要对星群进行进一步切分成簇，则被选为簇中心节点卫星启动控制管理功能，星群控制节点宕机时，可启用备用节点控制管理功能。资源管理节点除了对本地资源虚拟化管理以外，通过状态信息采集监控低轨卫星网络系统状态，并进行通信资源管理。控制节点模块一方面对执行器进行控制，满足卫星系统运行需要。另一方面，要对星上资源进行业务需求智能适配，同时需要考虑智能服务能力迁移时的任务卸载部署方案。

与低轨多接入边缘智能卫星系统相对应，地面云计算集群从功能结构上也可被归集成云端资源层、云端管理层与云端控制层。云端资源更加丰富，可与低轨卫星网络进行资源协调匹配；云端管理能力较星上管理控制部分更强，当资源调度过程中需要地面云资源进行协同时，该部分全局宏观虚拟化管理与星上分布式局部虚拟化管理进行虚拟化管理协作；最后，海量复杂模型可部署于地面云集群，通过优化、压缩模型等方法，分发已有适配星上边缘网络任务的轻量级模型，充分释放低轨卫星边缘网络计算任务压力，提升融合下网络的运行效率。

4 低轨卫星智能多接入边缘计算网络面临的机遇与挑战

4.1 机遇

产业界方面，低轨卫星智能多接入边缘计算网络将扩大业务服务的覆盖范围，将上一代主要面向地面的业务覆盖范围扩展至广域空间，并可为泛在可信无缝服务网络提供潜在解决方案。与此同时，随着低轨卫星星座的发展，运营商将扩展服务业务种类的范围，低轨卫星智能多接入边缘计算面向无人区域的业务仅仅局限于传统的应急话音通信或视频通信，多类业务如导航、遥感、控制等业务需求亦可通过低轨卫星网络充分借助其网络特性得到满足。除此以外，目前该领域3GPP 标准化定制工作仍集中于非地面网络架构情况的制定中，通信机制中的细节部分仍在讨论中。与多接入边缘计算和人工智能结合，面向星地边缘计算通导遥控一体化应用服务的标准以及技术细节尚未开始启动研究，相关产业联盟制定的白皮书尚且空缺，标准制定机构亟需讨论并提交该领域下相关技术细节的标准草案。

从学术界看，目前关于星上尤其是低轨卫星智能多接入边缘计算的研究尚不多见，仅有少量部分研究人员借助机器学习算法开展计算资源分配工作。针对低轨卫星智能多接入边缘网络，面向多种业务需求，协同地面云服务集群，需着力解决如下问题：第一，低轨卫星网络与地面通信节点存储分发机制相对独立，两者需要协同配合，面向业务需求，在广域与局域部署最优存储资源。第二，低轨卫星在算力、电池储能、服务时长等方面受限，针对不同业务，利用智能学习方案进行适配算力优化需重点研究。第三，不同于高轨卫星，低轨卫星星座拓扑变化较快，服务对象亦可能为服务高铁、飞机等高速运动体中用户，因此地面用户行为复杂。如何刻画星座动态特性与被服务用户行为特征，如何利用变化的可用算力为用户进行灵活服务等问题必然需要使用人工智能算法对低轨卫星多接入边缘计算网络进行赋能。

4.2 挑战

目前低轨卫星智能多接入边缘计算网络架构所面临的挑战主要来源于三方面：

（1）尽管低轨卫星板载能力不断提高，卫星节点的资源依旧受限。单一僵化的资源配置策略将导致任务需求与星上剩余可用资源失配，降低网络资源利用效率。

首先，星上通信、存储及计算能耗来源于太阳能供电板所转化的电能，除去星载设备待机所需能耗，功能模块工作时长应与所分配的任务进行匹配，其功能模块功耗应满足不同类型卫星的能耗约束。其次，相比于地面，考虑到星上算力以及缓存能力依旧有限，同时分布式计算策略要求对任务进行并行响应。具体来讲，计算任务适配分割、分割任务最优分配、缓存文件最优存储、以及缓存文件分布存储等均为值得关注的技术挑战，利用人工智能系列算法优化星群或星座任务部署策略，协同任务处理具有必要性。

（2）星上拓扑具备时变高动态特性，地面用户行为亦十分复杂，其状态具有不确定性。

首先，低轨卫星运行轨道周期相对较短，其运行速度快，星间拓扑变化迅速，对目标地域或空域服务时间短，计算任务响应过程涉及到迁移以及部分卸载问题，任务接入卫星与结果返回卫星大概率非同一卫星，需要考虑如何针对业务解决最长服务星链问题；其次，卫星网络中业务请求是随用户、事件等因素“动态变化”的，不同时刻的星座节点资源状态亦处于动态变化的状态，静态资源配置的网络规划并不能适配动态需求，对于自主运行的低轨智能多接入卫星网络，需要解决长时间失配动态特性的资源优化配置策略。

（3）低轨卫星星座与地面网络进行协同任务处理时，应全局考虑，突破资源孤立性问题。

实际场景中，地面云服务节点并不总存在于最近卫星节点下方，因此需要考虑馈电链路特性以及地面站云服务节点分布状态，解决星下地面站缺少时星间链路如何回传信息进行处理的问题。

5 结束语

本文面向下一代通信网络远景，在梳理低轨卫星与地面移动通信相关领域研究的技术基础上，针对不同低轨卫星网络目前的发展状况，分析目前低轨卫星业务的需求，进一步提出低轨卫星智能多接入边缘计算网络架构，并对所提架构的潜在应用场景进行探讨，最后，文章总结所提技术架构为产业以及学术界带来的机遇以及该架构可能面临的技术挑战。