[论文解读] Satellite edge computing for real-time and very-high resolution Earth observation

Israel Leyva‐Mayorga, Marc Martinez-Gost+5 more|VBN Forskningsportal (Aalborg Universitet)|Dec 25, 2022

Satellite Communication Systems被引用 4

一句话总结

本文提出了一种卫星移动边缘计算（SMEC）框架，利用星间链路（ISLs）将低地球轨道（LEO）卫星上的图像处理与压缩任务进行分发，从而在最小化能耗的同时最大化实时、高分辨率地球观测能力。通过联合优化数据分发、压缩比率和CPU频率，该框架使系统容量相比直接下行链路提升12倍，并在优化场景下将能耗降低高达90%。

ABSTRACT

In real-time and high-resolution Earth observation imagery, Low Earth Orbit (LEO) satellites capture images that are subsequently transmitted to ground to create an updated map of an area of interest. Such maps provide valuable information for meteorology or environmental monitoring, but can also be employed in near-real time operation for disaster detection, identification, and management. However, the amount of data generated by these applications can easily exceed the communication capabilities of LEO satellites, leading to congestion and packet dropping. To avoid these problems, the Inter-Satellite Links (ISLs) can be used to distribute the data among the satellites for processing. In this paper, we address an energy minimization problem based on a general satellite mobile edge computing (SMEC) framework for real-time and very-high resolution Earth observation. Our results illustrate that the optimal allocation of data and selection of the compression parameters increase the amount of images that the system can support by a factor of 12 when compared to directly downloading the data. Further, energy savings greater than 11% were observed in a real-life scenario of imaging a volcanic island, while a sensitivity analysis of the image acquisition process demonstrates that potential energy savings can be as high as 92%.

研究动机与目标

• 解决由于下行链路容量有限，导致低地球轨道（LEO）卫星在高分辨率地球观测中数据拥塞日益严重的问题。
• 通过在卫星星座中实现分布式处理，克服直接地面站下行链路的局限性。
• 在保持实时性能和高图像分辨率的前提下，最小化卫星处理与通信中的能耗。
• 通过联合优化卫星间的数据、压缩比率和CPU频率分配，提升系统效率。
• 通过节能的分布式处理，实现对火山喷发等动态事件的可行实时监测。

提出的方法

• 提出一种利用星间链路（ISLs）卸载处理任务、减轻下行链路负载的卫星移动边缘计算（SMEC）框架。
• 将系统建模为一个联合优化问题，以最小化能耗，同时满足时延、CPU和传输约束。
• 引入基于时分复用的任务调度模型，其中每颗卫星以优化的压缩比率ρk和CPU频率f(n)k处理帧。
• 采用拉格朗日对偶分解方法，迭代求解非凸优化问题，确保可行性与收敛性。
• 基于互补松弛性与KKT条件，推导出最优CPU频率的闭式解，实现高效计算。
• 通过敏感性分析评估图像采集参数对能效与系统可扩展性的影响。

实验结果

研究问题

• RQ1 如何利用星间链路（ISLs）减少高分辨率地球观测任务中的下行链路拥塞？
• RQ2 在分布式SMEC框架中，图像压缩比率、处理频率与能耗之间的最优权衡是什么？
• RQ3 与直接下行链路和本地SMEC相比，分布式SMEC在图像吞吐量和能效方面能提升多少？
• RQ4 与独立帧优化相比，联合优化数据分发、压缩与处理频率如何影响系统性能？
• RQ5 在真实场景（如监测火山岛）中，通过智能资源分配可实现多大程度的能耗节省？

主要发现

• 所提出的SMEC框架相比直接下行链路传输，使系统可支持的图像数量提升了12倍。
• 与仅在单颗卫星上处理的本地SMEC相比，该框架实现了图像吞吐量2倍的提升。
• 在真实场景（如对火山岛成像）中，通过联合优化任务参数，能耗降低了11%。
• 敏感性分析表明，通过合理选择数据分配、压缩比率和处理频率，能耗最高可降低90%。
• 最优CPU频率在每颗卫星的任务内各帧间均匀分布，闭式解确保了计算效率。
• 联合优化所有参数可带来显著的能耗节省，而独立优化每帧则无法实现同等程度的效率提升。