DGIST Scholar: Intelligent Network Slicing Architecture for Edge Computing-Enabled LEO Satellite Networks

Department of Electrical Engineering and Computer Science Theses Ph.D.

Cited time in webofscience

Cited time in scopus

Intelligent Network Slicing Architecture for Edge Computing-Enabled LEO Satellite Networks

Title: Intelligent Network Slicing Architecture for Edge Computing-Enabled LEO Satellite Networks

Alternative Title: 엣지 컴퓨팅 기반 저궤도 위성 네트워크를 위한 지능형 네트워크 슬라이싱 아키텍처

Author(s): Taeyeoun Kim

DGIST Authors: Taeyeoun Kim ; Jeongho Kwak ; Jihwan P. Choi

Advisor: 곽정호

Co-Advisor(s): Jihwan P. Choi

Issued Date: 2024

Awarded Date: 2024-02-01

Type: Thesis

Description: satellite network;mega-constellation;edge computing;network slicing;reinforcement learning

Abstract: The utilization of satellites for communications has recently garnered significant atten- tion. The cost of satellite deployment has dramatically decreased, enabling the placement of numerous satellites at low altitudes. Concurrently, advancements in onboard processing (OBP) capabilities of the satellites have raised expectations for enhanced functionality. This trend has led to the inclusion of low Earth orbit satellite-based communication in the standards of next-generation networks, making it essential for the composition of future networks.This thesis investigates the application of virtualized network technologies in terrestrial networks to satellite networks utilizing inter-satellite links (ISLs). The thesis designs a solution that assumes the utilization of inter-satellite optical links and centralized software-defined network (SDN) controllers for network control. After summarizing the issues related to OBP satellites and satellite SDN, the suitability of deploying edge computing servers on satellites is analyzed from a system perspective. Furthermore, the thesis designs network slicing scheduling and planning problems for applying network slicing to satellites. To further integrate satellite networks with terrestrial networks, the thesis proposes an intelligent network slicing technique based on reinforcement learning to enhance the performance of the proposed network slice planning algorithm.|통신을 위한 위성의 활용이 최근 엄청난 주목을 받고 있다. 위성 배치를 위한 비용이 급격하게 줄어들었으며, 이는 수많은 위성들을 낮은 고도 (200 - 1,400 km)에 배치하기 위한 시도들을 이끌어내고 있다. 이와 동시에, 위성 자체의 연산 능력 (onboard processing, OBP)의 향상으로 위성이 더욱 많은 기능을 할 수 있을 것으로 기대를 받고 있으며, 이러한 흐름과 함께 저궤도 위성 기반의 통신이 차세대 통신 네트워크의 표준에 포함이 되면서 미래 네트워크의 구성을 위해서는 저궤도 위성 기반의 통신이 필수적이게 되었다. 차세대 위성 통신 네트워크의 청사진을 제공하기 위해서, 본 연구는 위성 간 링크 (inter-satellite links, ISLs)를 활용한 위성 네트워크에 지상망에서의 가상화 네트워크 기술들의 적용을 연구한다. 차세대 통신망을 위해서는 군집 저궤도 위성들이 위성 간 링크를 활용하여 전 지구를 감싸는 위성 네트워크를 구성할 수 있어야 하는데, 본 연구에서는 이를 위해 위성 간 광링크의 활용 뿐만 아니라 중앙화된 소프트웨어 정의 네트워크 (software defined network, SDN) 컨트롤러의 통제를 가정하여 문제를 설계해준다. OBP 위성과 위성 SDN에 대한 이슈들을 간략하게 정리한 후에 위성에 엣지 컴퓨팅 (edge computing, EC) 서버를 배치했을 때 시스템 관점에서 적합한지를 분석하며, 위성에 네트워크 슬라이싱 (network slicing)을 적용하기 위한 네트워크 슬라이싱 스케줄링 및 플래닝 문제를 설계한다. 더 나아가 가상화된 위성 네트워크가 지상망과 통합되기 위해서 제안된 네트워크 슬라이스 플래닝 알고리즘의 성능 향상을 가져오기 위한 강화 학습 (reinforcement learning, RL) 기반의 지능형 네트워크 슬라이싱 기법을 제안하며 본 연구를 마무리한다.

Table Of Contents: 1. Introduction 1
1.1 Thesis Outline 4
1.2 Satellite Networks 5
1.2.1 Satellite Onboard Capability 5
1.2.2 6G Satellite Network 7
1.3 Background 9
1.3.1 Software-Defined Network 9
1.3.2 Network Virtualization 14
1.3.3 Reinforcement Learning 18
2. Satellite Edge Computing Architecture for IoT Support 20
2.1 Introduction 20
2.2 Background 23
2.2.1 Offloading Rate in Networks 23
2.2.2 Satellite Edge Computing 24
2.2.3 Multi-Objective Optimization Problem 25
2.3 System Model 26
2.3.1 Satellite Topology 26
2.3.2 Total Latency 28
2.3.3 Computational Power 32
2.3.4 Transmission Power Attenuation 33
2.4 Satellite Edge Computing Optimization 36
2.4.1 Optimization Problem Formulation 36
2.4.2 Satellite Edge Multi-objective Tabu Search (SE-MOTS) 37
2.5 Simulation Results 42
2.5.1 SE-MOTS Results 44
2.6 Summary 51
3. Satellite Network Slicing Scheduling and Planning 53
3.1 Introduction 53
3.2 Background 57
3.2.1 Network Slicing with Edge Computing 57
3.3 Satellite Network Slicing Scheduling 58
3.3.1 Sliced SatEC Network Scheduling 58
3.4 Satellite Network Slicing Planning 61
3.4.1 Virtual Node Embedding 62
3.4.2 Defining Sub-Graph 66
3.4.3 Pre-Link Embedding 67
3.4.4 Virtual Link Embedding 68
3.4.5 Handover Strategies 71
3.5 Simulation Results 73
3.5.1 SatEC Network Slicing Scheduling 73
3.5.2 Satellite Network Slicing Planning 77
3.6 Summary 86
4. Intelligent Satellite Network Slice Planning 89
4.1 Introduction 89
4.2 Background 91
4.2.1 Intelligent network slice planning in terrestrial networks 92
4.2.2 Intelligent SNSP 93
4.3 System Model 94
4.3.1 Markov Decision Process (MDP) Formulation 96
4.3.2 Learning Description 102
4.4 Learning and Simulation Results 102
4.5 Summary 107
Conclusion 109
References 111