Hurry: Dynamic Collaborative Framework For Low-orbit Mega-Constellation Data Downloading

低轨道超大型星座网络利用数千颗卫星提供各种网络服务并收集广泛的空间信息，是一个快速增长的领域。每颗卫星每天收集 TB 级别的数据，包括用于关键任务的时延敏感数据，例如军事监视、自然灾害监测和天气预报。根据NASA的声明，这些数据需要在3至5小时内下载到地面进行处理。为了缩短卫星数据下载所需的时间，最先进的解决方案称为CoDld，但只适用于小型星座，它使用迭代方法通过卫星间链路进行协作下载。然而，在LMCN中，使用CoDld下载相同数量的数据所需的时间将呈指数增长，与在小型星座中下载相同数量的数据相比。我们已经确定并分析了这种退化现象的原因，并提出了一个新的卫星数据下载框架，名为Hurry。通过对卫星拓扑变化和数据传输进行建模和映射到时间扩展图中，我们在Hurry框架内实现了我们的算法，以避免退化效应。在固定数据量下载评估中，Hurry完成了100％的下载任务，而CoDld仅完成了44％的下载进度。在连续数据生成评估中，Hurry流算法在不同场景中将吞吐量从11％提高到66％，相比之下CoDld则有所改善。

解决问题：该论文旨在解决低轨道卫星网络中数据下载时间增加的问题，提出了一种名为Hurry的新框架，并与CoDld算法进行比较。

关键思路：该论文提出了一种基于时间扩展图的算法，通过对卫星拓扑变化和数据传输进行建模和映射，避免了数据下载时间增加的问题，实现了高效的数据下载。

其他亮点：Hurry框架在固定数据量下载评估中完成了100%的下载任务，而CoDld仅完成了44%。在连续数据生成评估中，Hurry流算法在不同场景下将吞吐量从11%提高到了66%。

相关研究：在该领域中，最近的相关研究包括《A Survey of Low Earth Orbit Satellite Networks》、《A Survey of Network Coding for Satellite Networks》等。