Feeder-Link Outage Prediction Algorithms for SDN-based High-Throughput Satellite

标题：基于SDN的高吞吐量卫星系统的馈线链路中断预测算法
来源：IEEE ICC 2016 SAC Satellite and Space Communications
时间：2016

摘要

  高吞吐量卫星（HTS）系统的设计建立在智能网关多样性Smart Gateway Diversity（SGD）的概念之上，以便在馈线（所谓馈线就是指纯粹的由电源母线分配出去的配电线路,直接到负荷的负荷线）链路中断的情况下利用网关的空间多样性，这是由于在极高频（EHF）频带中引入的大气损害而发生的。 网关切换过程需要精确的预测算法和不同网络元件之间的协调。本文介绍了基于机器学习概念的新型停机预测算法，该算法集成在SDN架构的框架中，可以有效地协调网关切换操作。 模拟活动证明了所提出概念的有效性，并阐明了未来HTS系统中SDN架构的潜力。

针对什么问题？

• 当卫星和地面网络被集成以实现SGD概念时，网关切换技术相关初步解决方案，包括使用专用链路互连网关或依赖现有的地面网络基础设施，没有对地面和卫星网络节点之间的协调进行具体分析。
• 网关切换过程的有效性受所采用的信道中断预测算法的准确性的影响很大。

• 将EHF频带用于数据通信在传播损伤（特别是因为雨衰）方面提出了巨大的挑战，这可能导致网关馈线链路中断事件，从而需要网关切换过程。

  解决方案

• 提出了基于机器学习概念的新型信道预测算法，用于优化网关切换过程的性能。

• 采用了SDN架构构建网络节点之间的协调，作为支持有效的切换操作。

  贡献有哪些？

    提出的预测算法（LR，NN和Bayes）的使用显示出相对于传统算法的显着改进，并且在针对非平稳SNR的自适应预测方面打开了进一步发展的大门。

  机器学习在这里起的作用

    预测即将到来的馈线链路中断。