基于链路状态的卫星通信多模态动态拥塞控制算法

Multi-mode dynamic congestion control algorithm for satellite communication based on link state

摘要

由于卫星通信网络链路不稳定，使卫星波束存在跳变特性。为了保证通信的连续性，共享同一信道的用户终端需要在不同卫星之间进行切换，新卫星与地面站以及用户终端之间的链路需要重新建立和调整，导致时延突变问题，而在延时突然增加时，过于保守地减小发送窗口，使拥塞控制中的往返延时均衡性较差。因此，本文提出基于链路状态的卫星通信多模态动态拥塞控制算法。通过对传统的TCPVegas算法进行改进，计算卫星链路的长度，根据卫星链路的长度对往返延迟进行修正，解决因往返时长突变问题产生的拥塞窗口变化问题。对卫星传输的带宽进行判断，解决因其他算法导致的拥塞窗口盲目减小问题，从而实现卫星通信的多模态动态拥塞控制。实验结果表明：该算法具有较大的数据吞吐量，往返延时均衡性较好；改变α与β参数后该算法的平均吞吐量会有较明显的提升，但是存在一定限度；在不同拥塞程度时，该算法能够动态调整拥塞窗口大小适应拥塞环境，保证卫星通信的畅通。

Abstract

Because the satellite communication network link is unstable， the satellite beam has the jumping characteristic. In order to ensure the continuity of communication， the user terminal sharing the same channel needs to switch between different satellites， and the link between the new satellite and the ground station and the user terminal needs to be re-established and adjusted， which leads to the delay mutation problem. However， when the delay increases suddenly， the sending window is reduced too conservatively， which makes the round-trip delay balance in congestion control poor. Therefore， a multi-modal dynamic congestion control algorithm for satellite communication based on link state is proposed. By improving the traditional TCPVegas algorithm， the length of the satellite link is calculated， the round-trip delay is corrected according to the length of the satellite link， and the change of the congestion window caused by the sudden change of the round-trip time is solved. The bandwidth of satellite transmission is judged， and the problem of blind reduction of the congestion window caused by other algorithms is solved. The multi-mode dynamic congestion control of satellite communication is realized. The experimental results show that the algorithm has maximum data throughput and good round-trip delay balance. After changing α and β parameters， the average throughput of the algorithm will be improved obviously， but there is a certain limit. The algorithm can dynamically adjust the size of the congestion window to adapt to the congestion environment and ensure the smooth flow of satellite communication.

Graphical abstract

关键词

链路状态 / 卫星通信 / 拥塞控制 / 动态控制 / TCPVegas算法 / 多模态

Key words

link state / satellite communications / congestion control / dynamic control / TCPVegas algorithm / multi-modal

0 引　言

卫星通信作为一种覆盖广泛、不受地理限制的通信方式，已成为全球信息传输的重要方法^［1-3］。由于卫星通信是通过将信号发送到地面站再转发到目标地点，信号在传输过程中会受到多种因素的影响，如大气层干扰、宇宙射线、天气条件等，这些因素都会导致卫星通信网络链路的不稳定。当用户终端移动或卫星位置发生变化时，波束会从一个卫星切换到另一个卫星。为了保证通信的连续性，共享同一信道的用户终端需要在不同卫星之间进行切换。这种切换过程涉及多个步骤，包括信号捕获、同步、链路建立等，每个步骤都会引入时延和误差。特别是当新卫星与地面站以及用户终端之间的链路需要重新建立和调整时，时延突变问题尤为突出^［4，5］。鉴于上述挑战和问题，研究多模态动态拥塞控制对提高卫星通信网络的性能和可靠性具有重要意义。

有许多学者对通信的拥塞控制进行了研究，例如，王子涵等^［6］通过对TCP协议进行优化，在源端保留一定的时延信息，并根据时延信息对拥塞窗口进行分类，设置合适的拥塞窗口改变数据传输的速率，完成拥塞控制。当卫星通信中的波束切换导致的时延增加时，TCP协议会根据时延信息减小发送窗口，使源端获取的时延信息存在滞后。姜尚炎等^［7］将往返时延的统计量和拥塞因子作为网络拥塞状态判断标准，并根据拥塞因子调节加性因子与乘性因子，同时在TCP协议下根据不同的拥塞状态调整传输时间间隔，完成拥塞控制。在延时突然增加时，如果仅依赖往返时延的统计量和拥塞因子判断拥塞状态，调整发送窗口和传输时间间隔，无法迅速有效地应对这种突发流量，导致网络性能下降。黎锁平等^［8］通过设计信息优先接入控制策略，以及建立混合信息有限缓存有限接入排队模型，将通信网络信息精确划分，得到最佳的通信资源利用率，实现拥塞控制。当网络中的用户数量或数据量突然增加时，混合信息有限缓存有限接入排队模型无法及时响应延时突变，会导致网络拥塞。Ouyang等^［9］通过使用气泡流量控制方法，分配缓冲资源解决死锁问题，同时通过重用空闲缓冲区建立备用环链路，将拥塞数据包释放至该备用链路中消除拥塞。在动态变化的卫星通信环境中，存在延时突变现象，不考虑延时问题而建立备用环链路而预留的空闲缓冲区，会降低整体网络的资源利用率。

卫星链路指卫星信息传输路径，链路的长短能够明显影响往返时间^［10］，因此在进行拥塞控制时考虑链路能够有效提高卫星通信网络资源利用率，减少数据丢失和数据传输延迟。本文提出基于链路状态的卫星通信多模态动态拥塞控制算法，通过改进TCPVegas算法，考虑卫星链路、往返时间修正以及网络带宽判断，解决卫星通信中延时突变和共享信道等因素导致的拥塞控制效果变差的问题，提升卫星通信拥塞控制的效果，实现多模态动态拥塞的高效控制。

1 改进TCPVegas的链路状态多模态动态拥塞控制

卫星通信网络链路的不稳定性导致了卫星波束的跳变特性。为了保证通信的连续性，共享同一信道的用户终端需要在不同卫星之间进行切换。这种切换会导致新卫星与地面站以及用户终端之间的链路需要重新建立和调整，进而引发时延突变问题，严重影响网络的性能和用户体验。TCPVegas是一种拥塞控制协议，关注减少排队延迟和提高链路利用率。该算法通过比较实际吞吐量和期望吞吐量调节拥塞窗口的大小，在卫星通信网络中能更好地适应链路状态的多模态动态变化，提高通信资源利用率，并实现有效的拥塞控制。

TCPVegas通过对卫星通信过程中监测网络往返时间（RTT）预测网络拥塞，并调整窗口大小进行拥塞控制^［11］。TCPVegas算法包含了4个阶段：慢启动、拥塞避免、快速恢复以及快速重传。TCPVegas算法中关键的拥塞避免阶段的具体过程为：

计算卫星通信期望吞吐量：

\mathrm{E}\mathrm{x}\mathrm{p}\mathrm{e}\mathrm{c}\mathrm{t}\mathrm{e}{\mathrm{d}}_{\mathrm{r}\mathrm{a}\mathrm{t}\mathrm{e}}\approx \frac{\mathrm{c}\mathrm{w}\mathrm{n}\mathrm{d}\left(t\right)}{\mathrm{b}\mathrm{a}\mathrm{s}{\mathrm{e}}_{\mathrm{r}\mathrm{t}\mathrm{t}}}（1）

式中：\mathrm{c}\mathrm{w}\mathrm{n}\mathrm{d}\left(t\right)为当前卫星通信的拥塞窗口大小；\mathrm{b}\mathrm{a}\mathrm{s}{\mathrm{e}}_{\mathrm{r}\mathrm{t}\mathrm{t}}为往返时间最小值。

计算卫星通信实际吞吐量：

\mathrm{A}\mathrm{c}\mathrm{t}\mathrm{u}\mathrm{a}{\mathrm{l}}_{\mathrm{r}\mathrm{a}\mathrm{t}\mathrm{e}}\approx \frac{\mathrm{c}\mathrm{w}\mathrm{n}\mathrm{d}\left(t\right)}{\mathrm{r}\mathrm{t}\mathrm{t}}（2）

式中：\mathrm{r}\mathrm{t}\mathrm{t}为实际往返时间。

计算期望与实际差值：

\mathrm{d}\mathrm{i}\mathrm{f}\mathrm{f}=\left(\mathrm{E}\mathrm{x}\mathrm{p}\mathrm{e}\mathrm{c}\mathrm{t}{\mathrm{d}}_{\mathrm{r}\mathrm{a}\mathrm{t}\mathrm{e}}-\mathrm{A}\mathrm{c}\mathrm{t}\mathrm{u}\mathrm{a}{\mathrm{l}}_{\mathrm{r}\mathrm{a}\mathrm{t}\mathrm{e}}\right)\times \mathrm{b}\mathrm{a}\mathrm{s}{\mathrm{e}}_{\mathrm{r}\mathrm{t}\mathrm{t}}（3）

调整卫星通信网络拥塞窗口：

（4）

式中：\alpha、\beta分别为拥塞窗口的线性增长因子与乘法减小因子。

通过比较差值和\alpha、\beta的大小改变窗口大小，实现拥塞控制的目的。然而，在卫星通信网络中，由于时延的突变性，TCPVegas算法会过于保守地减小发送窗口，导致往返延时均衡性较差^［12］。这种保守的策略虽然可以避免网络拥塞，但是也会降低网络的传输效率和带宽利用率。为了克服TCPVegas算法在卫星通信网络中的局限性，在TCPVegas算法的基础上进行了改进，通过引入额外的控制机制增强算法的稳定性和鲁棒性，以更好地适应卫星通信网络中的时延突变问题。TCPVegasW在原本TCPVegas算法中增添了，计算链路长度差错控制，往返时延修正和带宽估计判断3部分。

1.1　卫星通信链路长度差错控制

卫星通信网络链路的不稳定性是一个固有特性，这主要是由于卫星与地面站之间的相对位置不断变化，以及卫星波束的覆盖范围有限且存在跳变。这种跳变特性导致共享同一信道的用户终端需要在不同卫星之间进行切换，从而引发一系列问题。差错控制可以为拥塞控制算法提供更准确的信息，帮助其更好地应对时延突变问题。通过监测链路长度的变化，使用SNACK（负向反馈信息）进行链路差错控制，以保持往返延时的均衡性。

卫星通信的最关键时延部分则是卫星间距过大导致的卫星链路变长，增加了通信传输时间，因此需要计算卫星通信的链路长度^［13］。

卫星间的链路示意如图1所示。卫星A与卫星B之间的虚线即为二者之间的链路长度，记为d_{\mathrm{A}\mathrm{B}}，且卫星A与卫星B在同一平面不同轨道，所以也称d_{\mathrm{A}\mathrm{B}}为轨间链路长度；卫星A与卫星C在同一个轨道内，因此d_{\mathrm{A}\mathrm{C}}为轨内链路长度；卫星A与卫星D不在同一平面和轨道，因此d_{\mathrm{A}\mathrm{D}}为不同层间链路长度。

以卫星A和卫星B为例，两卫星间的链路长度可以通过瞬时地心角以及卫星所在轨道的高度计算。瞬时地心角计算公式为：

\theta =\mathrm{a}\mathrm{r}\mathrm{c}\mathrm{c}\mathrm{o}\mathrm{s}\left[\mathrm{s}\mathrm{i}\mathrm{n}\right.{\varphi }_{\mathrm{A}}\mathrm{s}\mathrm{i}\mathrm{n}{\varphi }_{\mathrm{B}}+

\mathrm{c}\mathrm{o}\mathrm{s}{\varphi }_{\mathrm{A}}\mathrm{c}\mathrm{o}\mathrm{s}{\varphi }_{\mathrm{B}}\mathrm{c}\mathrm{o}\mathrm{s}{\varphi }_{\mathrm{A}}-\left.{\varphi }_{\mathrm{B}}\right]（5）

由于在卫星通信中具有高误码的特征^［14］，会令卫星通信的性能快速恶化，因此使用SNACK（负向反馈信息）链路差错控制，在SNACK反应接收端存储没有正确接收的报文信息，用于减少重传时的盲目性也能在一定程度上减少通信拥塞。SNACK传输信息的结构如图2所示。

图2中（a）为某时刻接收到的信息缓存状态，对应两个间断空隙，即0，［i，j］；图2中（b）则是未接受信息的缓存状态，序号前通过使用0、1分别表示单个丢包和区段丢包。

在使用卫星通信时发送待用SNACK的ACK（Acknowledgement）后，统计有NAK的报文并增加NAKed的缓存次数，若当前不是快速恢复阶段，则记录发送序号smax，同时计算在卫星通信信道中可能存在的报文数目，进入快速恢复阶段。快速恢复阶段在受到smax的ACK后结束，由此完成链路的差错控制。

卫星A与卫星B之间的星链长度会随着卫星位置的变化而变化，因此基于SNACK，卫星A与卫星B之间的星链长度，即卫星通信链路的总长度链路差错控制结果d_{\mathrm{A}\mathrm{B}}计算公式为：

d_{\mathrm{A}\mathrm{B}}=\sqrt[]{{\left(R+h_{\mathrm{A}}\right)}^{\mathrm{2}}+{\left(R+h_{\mathrm{B}}\right)}^{\mathrm{2}}-\mathrm{2}\left(R+h_{\mathrm{A}}\right)\left(R+h_{\mathrm{B}}\right)\mathrm{c}\mathrm{o}\mathrm{s}\theta }（6）

式中：R为地球半径；h为轨道高度。

1.2　往返时延修正

共享同一信道的用户终端为保证通信连续性而在不同卫星之间进行切换时，新卫星与地面站以及用户终端之间的链路需要重新建立和调整；而在卫星通信链路中，链路差错与往返时延存在一定的联系。当出现链路差错时，需要进行重传操作。如果差错控制结果表明存在大量的链路差错，那么往返时延的增加主要是由于重传引起的。在这种情况下，如果不进行往返时延修正，按照传统的拥塞控制机制，会过于保守地减小发送窗口。这是因为传统拥塞控制算法通常将往返时延的增加视为网络拥塞的信号。同时，因为在进行动态拥塞控制需要使用真实的时延作为计算参数，所以需要对时延进行修正。因此，基于链路差错控制结果d_{\mathrm{A}\mathrm{B}}对往返时延展开修正，避免不必要的发送速率调整，从而提高卫星通信的整体性能。

在卫星通信网络中时延分为传播时延和拥塞时延，其中卫星通信过程中任意时间的拥塞时延T_{\mathrm{N}\mathrm{P}}计算公式为：

\left\{\begin{array}{l}{T}_{\mathrm{N}\mathrm{P}}=d_{\mathrm{A}\mathrm{B}}\left(T_{\mathrm{r}\mathrm{t}\mathrm{t}}-T_{\mathrm{p}}\right)\\ T_{\mathrm{p}}=\mathrm{2}\frac{D}{C}\end{array}\right.（7）

式中：T_{\mathrm{r}\mathrm{t}\mathrm{t}}为此时的往返时延；T_{\mathrm{p}}为传播时延；C为光速；D为上文计算的卫星通信的链路长度。

根据式（7）得到修正后的往返时延，公式为：

\mathrm{d}\mathrm{i}\mathrm{f}{\mathrm{f}}^{\mathrm{\text{'}}}=\mathrm{c}\mathrm{w}\mathrm{n}\mathrm{d}\left(t+\Delta t\right)\times d_{\mathrm{A}\mathrm{B}}\times T_{\mathrm{N}\mathrm{P}}\times \frac{\mathrm{c}\mathrm{w}\mathrm{n}\mathrm{d}\left(t\right)}{\mathrm{r}\mathrm{t}\mathrm{t}}（8）

在后续的多模态动态拥塞控制中使用\mathrm{d}\mathrm{i}\mathrm{f}{\mathrm{f}}^{\mathrm{\text{'}}}进行拥塞控制。

1.3　带宽估计判断

卫星通信网络中，多个用户共享信道资源。TCPVegas算法共享链路时会使往返时延增加，盲目降低发送速率缓解拥塞，导致通信拥塞多模态动态控制效果变差^［15］。如果带宽估计不准确，会导致资源分配不合理。在卫星通信中，往返时延存在不稳定的情况，从而导致往返时延突变。如果直接使用未经修正的往返时延进行带宽估计，会得到不准确的结果。因此，进行带宽估计保证改进后的TCPVegasW通过对卫星通信的带宽估计在不同的拥塞模态下调整发送速率，实现动态拥塞控制。通过利用往返时延修正结果\mathrm{d}\mathrm{i}\mathrm{f}{\mathrm{f}}^{\mathrm{\text{'}}}进行带宽估计判断，可以根据准确的带宽情况合理分配资源，确定每个用户的发送速率上限，避免网络拥塞，提高整个卫星通信系统的效率。

带宽估计主要通过对卫星通信过程中确认包到达时间差中确认数量的估计确定带宽，公式为：

b_k=\frac{\mathrm{d}\mathrm{i}\mathrm{f}{\mathrm{f}}^{\mathrm{\text{'}}}\times d_k}{T_{\mathrm{N}\mathrm{P}\left(k\right)}-T_{\mathrm{N}\mathrm{P}\left(k-\mathrm{1}\right)}}（9）

式中：T_{\mathrm{N}\mathrm{P}\left(k\right)}、T_{\mathrm{N}\mathrm{P}\left(k-\mathrm{1}\right)}分别为k和k-\mathrm{1}时刻的拥塞时延；d_k为二者时差中传输的数据量。

在该带宽下带宽估计判断的公式为：

\left\{\begin{array}{l}{G}_{\mathrm{e}\mathrm{w}}=\mathrm{c}\mathrm{w}\mathrm{n}\mathrm{d}\left(t+\Delta t\right)\times \frac{G_k\mathrm{b}\mathrm{a}\mathrm{s}{\mathrm{e}}_{\mathrm{r}\mathrm{t}\mathrm{t}}}{\mathrm{S}\mathrm{e}\mathrm{g}\mathrm{s}\mathrm{i}\mathrm{z}\mathrm{e}}\\ G_k={\mu }_k{G}_{k-\mathrm{1}}+\left(\mathrm{1}-{\mu }_k\right)\times \left(\frac{b_k+b_{k-\mathrm{1}}}{\mathrm{2}}\right)\end{array}\right.（10）

式中：G_k为k时刻的平滑带宽抽样值；\mathrm{S}\mathrm{e}\mathrm{g}\mathrm{s}\mathrm{i}\mathrm{z}\mathrm{e}为TCP段长度；{\mu }_k为带宽样本过滤参数。

通过带宽估计判断提升TCPVegas算法的带宽竞争力，防止盲目减少卫星通信的数据发送率，有效地缓解卫星通信的拥塞情况。改进后的TCPVegasW算法的拥塞控制流程如图3所示。

TCPVegasW算法首先计算卫星通信时的链路长度，对通信的往返时延进行修正，采用修正后的往返时延执行TCPVegas的拥塞控制算法，在\mathrm{d}\mathrm{i}\mathrm{f}{\mathrm{f}}^{\mathrm{\text{'}}}>\beta的情况下进行卫星通信网络带宽估计判断，根据带宽的情况与通信信道的拥塞，动态调整卫星通信信息发送速率，完成卫星通信多模态动态拥塞控制。

2 实验分析

2.1　实验对象

为了验证本文算法，选择某高校实验室进行卫星通信实验，该高校中的卫星通信拥塞控制采用传统的TCPVegas算法。利用NS⁃3网络模拟器构建卫星通信拓扑结构，该模拟器具有高度的灵活性和可扩展性，能够模拟多种网络协议和拓扑结构。该高校的实验室中卫星通信的拓扑结构如图4所示。

其中卫星通信中卫星的部分参数见表1。

2.2　实验结果分析

为验证本文算法在多模态拥塞情况下的动态拥塞控制结果，设定不同模态的拥堵情况分别为轻度拥塞、中度拥塞及重度拥塞，不同模态的拥塞情况下本文算法拥塞窗口变化如图5所示。

通过图5可以看出，在不同模态的拥塞情况下，本文算法可以适时改变拥塞窗口的大小，在卫信通信网络过轻度拥塞时拥塞窗口变大，增加数据传输发送的速率，提高网络的吞吐量以及数据传输效率；而当网络在重度拥塞情况下，则明显减小拥塞窗口，此时通过减少网络数据发送的速率缓解卫星通信网络信道的拥塞，同时减小拥塞窗口能够减少数据传输过程中的丢包以及重传概率，实现了多模态动态拥塞控制，提高了卫星通信网络数据传输效率。

为验证本文算法往返时延修正的效果，与应用本文方法前的TCPVegas进行对比，二者计算往返时延的结果如图6所示。

通过图6可以看出，在该卫星通信系统中，传统的TCPVegas算法在5 s后，每隔2.5 s便会出现一次往返延迟的跳变，达到约8.45 s，而最低的延迟仅为8.09 s，这种相差巨大的往返延时会十分明显地影响TCPVegas算法对拥塞的控制效果。本文算法通过对往返时间进行修正，可以看出在往返延迟计算的25 s中未出现延迟跳变的问题，最大延迟仅为8.23 s，而最低往返延时约为8.1 s，二者相差较小，通过本文方法计算的往返延时结果较为均衡，能够有效地降低卫星通信时由于时延突变对拥塞窗口的影响。

为验证本文算法的吞吐量情况，将本文算法与低轨卫星网络传输控制协议、TTI-RTT拥塞控制算法、混合业务接入控制算法以及气泡流量控制算法的吞吐量进行对比，结果如图7所示。

通过图7可以看出，上述拥塞控制算法的吞吐量各不相同，其中卫星网络传输控制协议的吞吐量最低，在100 s时间内仅传输了约350 kbps的数据包，其余算法的吞吐量则逐渐增加，由小到大分别是混合业务接入控制算法、气泡流量控制算法以及TTI-RTT拥塞控制算法。其中，TTI-RTT拥塞控制算法在100 s时间内传输了约400 kbps的数据包，而本文算法控制下的卫星通信吞吐量则远超上述集中算法，在约80 s的时间本文算法的吞吐量便超过了500 kbps的数据包，可见本文方法可以保证数据的大量高效传送。

由于本文算法在计算过程中需要\alpha、\beta两个参数的参与，这两个参数对本文算法的影响较大，因此改变这两个参数对本文算法吞吐量的变化如表2所示。

通过表2可以看出，随着\alpha、\beta两参数的增加，本文算法的吞吐量增加，表明了本文算法在卫星通信网络中获取了更大的带宽令拥塞窗口增加，从而发送了更多的数据，但是随着\alpha、\beta两参数的持续增加也会出现平均吞吐量下降的情况，这是拥塞窗口过大导致数据包丢失触发的重传，使网络拥塞情况加重，所以平均吞吐量下降。

3 结束语

本文研究了一种在卫星通信中应对多模态拥塞情况下的动态拥塞控制算法，通过对传统的TCPVegas算法进行改进，增添了计算链路长度和链路差错控制、往返时延修正、带宽估计判断三部分，提升了对卫星通信的拥塞控制效果，保证卫星通信在不同的拥塞状态均有高效的数据传输能力。

参考文献

[1] 林敏, 李菲, 王子宁, 等. 智能反射面辅助的太赫兹卫星通信鲁棒安全波束成形算法[J]. 电子学报, 2023, 51(10): 2715-2723.

[2] Lin Min, Li Fei, Wang Zi-ning, et al. Robust secure beamforming algorithm for terahertz satellite communication with intelligent reflector assistance [J]. Acta Electronica Sinica, 2023, 51(10): 2715-2723.

[3] 陈昊, 乔凯, 童业平. 一种卫星通信的突发传输同步算法[J]. 电子学报, 2023, 51(4): 907-913.

[4] Chen Hao, Qiao Kai, Tong Ye-ping. A burst transmission synchronization algorithm for satellite communication[J]. Acta Electronica Sinica, 2023, 51(4): 907-913.

[5] 彭木根, 张世杰, 许宏涛, 等. 低轨卫星通信遥感融合: 架构、 技术与试验[J]. 电信科学, 2022, 38(1): 13-24.

[6] Peng Mu-gen, Zhang Shi-jie, Xu Hong-tao, et al. Remote sensing fusion for low-orbit satellite communication: architecture, technology and experiment[J]. Telecommunication Science, 2022, 38(1): 13-24.

[7] 秦浩, 李双益, 赵迪, 等. 基于行为克隆的高通量卫星通信频谱资源分配[J]. 通信学报, 2024, 45(5): 101-114.

[8] Qin Hao, Li Shuang-yi, Zhao Di, et al. Spectrum resource allocation for high-throughput satellite communications based on behavioral cloning[J]. Journal of Communications, 2024, 45(5): 101-114.

[9] 吴翠先, 董燚恒, 徐勇军, 等. 基于不完美CSI的低轨卫星通信系统鲁棒资源分配算法[J]. 电子与信息学报, 2024, 46(2): 671-679.

[10] Wu Cui-xian, Dong Yi-heng, Xu Yong-jun, et al. Robust resource allocation algorithm for low-orbit satellite communication system based on imperfect CSI[J]. Journal of Electronics and Information Technology, 2024, 46(2): 671-679.

[11] 王子涵, 张娇, 张远, 等. 基于链路信息估计的低轨卫星网络传输控制协议[J]. 计算机研究与发展, 2023, 60(8): 1846-1857.

[12] Wang Zi-han, Zhang Jiao, Zhang Yuan, et al. Low orbit satellite network transmission control protocol based on link information estimation[J]. Journal of Computer Research and Development, 2023, 60(8):1846-1857.

[13] 姜尚炎, 孙斌, 乔婉淇, 等. 针对车地传输TCP协议优化的TTI-RTT拥塞控制算法[J]. 中国铁道科学, 2024, 45(2): 175-184.

[14] Jiang Shang-yan, Sun Bin, Qiao Wan-qi, et al. TTI-RTT congestion control algorithm optimized for vehicle-to-ground TCP protocol[J]. China Railway Science, 2024, 45(2): 175-184.

[15] 黎锁平, 徐倩毓, Gaber Jaafar. 多信道有限缓存下混合业务接入控制的排队性能研究[J] .控制理论与应用, 2022, 39(6): 1011-1019.

[16] Li Suo-ping, Xu Qian-yu, Gaber Jaafar. Research on queuing performance of hybrid service access control with multi-channel finite cache[J]. Control Theory and Applications, 2022, 39(6): 1011-1019.

[17] Ouyang Y, Sun C, Li R, et al. Transit ring: bubble flow control for eliminating inter-ring communication congestion[J]. Journal of Supercomputing, 2023, 79(2): 1164-1181.

[18] 王汝言, 叶显熠, 何鹏, 等. 面向非地面网络多QoS保障的低地球轨道卫星星座设计[J]. 通信学报, 2023, 44(12): 61-77.

[19] Wang Ru-yan, Ye Xian-yi, He Peng, et al. Low earth orbit satellite constellation design for multi-QoS guarantee of non-terrestrial networks[J]. Journal of Communications, 2023, 44(12): 61-77.

[20] 屈德新, 冯健锋, 张更新. LEO卫星通信终端的RTT定位技术[J]. 南京邮电大学学报: 自然科学版,2024, 44(1): 20-27.

[21] Qu De-xin, Feng Jian-feng, Zhang Geng-xin. RTT positioning technology of LEO satellite communication terminal[J]. Journal of Nanjing University of Posts and Telecommunications (Natural Science Edition), 2024, 44(1): 20-27.

[22] 潘成胜, 张松, 赵晨, 等. 一种基于TCP-ARED的网络动态拥塞控制策略[J]. 火力与指挥控制, 2023,48(1): 1-7.

[23] Pan Cheng-sheng, Zhang Song, Zhao Chen, et al. A dynamic congestion control strategy based on TCP-ARED[J]. Fire Control & Command Control, 2023, 48(1): 1-7.

[24] 魏德宾, 王旭, 杨力. 基于网络演算的卫星网络端到端时延上界[J]. 计算机仿真, 2022, 39(10): 44-49.

[25] Wei De-bin, Wang Xu, Yang Li. Upper bound of end-to-end delay for satellite networks based on network algorithms[J]. Computer Simulation, 2022, 39(10): 44-49.

[26] 王子涵, 张娇, 张远, 等. 基于链路信息估计的低轨卫星网络传输控制协议[J]. 计算机研究与发展, 2023, 60(8): 1846-1857.

[27] Wang Zi-han, Zhang Jiao, Zhang Yuan, et al. Low orbit satellite network transmission control protocol based on link information estimation[J]. Journal of Computer Research and Development, 2023, 60(8): 1846-1857.

[28] 易昌华, 周亮, 张绍凤. Semi-TCP与ARQ联合的端到端可靠传输方法[J]. 电子技术应用, 2023, 46(9): 86-89.

[29] Yi Chang-hua, Zhou Liang, Zhang Shao-feng. End-to-end reliable transmission method based on Semi-TCP and ARQ[J]. Application of Electronic Technique, 2023, 46(9): 86-89.

基金资助

山西省哲学社会科学规划项目(2023YJ125)

山西省软科学研究计划项目(2019041023-5)

山西大同大学基础青年科研基金项目(2022Q4)

国家自然科学基金研究项目(11871314)

国家自然科学青年基金项目(11605107)