本文是对NSDI 2024的论文《Spectrumize: Spectrum-efficient Satellite Networks for the Internet of Things》的解读，本文的作者来自分别Microsoft Research和UIUC的团队。本文提出了Spectrumize，一种专为低地球轨道（LEO）卫星网络中的物联网（IoT）设备设计的频谱效率提升技术。物联网卫星网络广泛应用于没有地面网络覆盖的区域，但在实际应用中，面临低链路预算、信号碰撞和卫星运动带来的链路质量波动等问题，导致下行通信性能不佳。为了解决这些问题，Spectrumize通过利用不同卫星运动所产生的多普勒频移可以预测的特点，将多普勒频移作为信号特征，提高了数据包检测和碰撞解析的精度，并显著提升了系统在低信噪比（SNR）环境中的性能。实验表明，与传统的通信方法相比，Spectrumize在数据包检测和解码上的准确率提高了3倍以上，尤其在低信噪比情况下表现尤为显著，解码准确率达到80%以上。
MPIWasm运行时基于Wasmer运行时实现，支持：（1）通过将基于MPI的HPC应用程序编译为Wasm来实现高性能执行；（2）通过零复制内存操作实现 MPI 调用的低开销；（3）支持高性能互连，例如Infiniband和Intel OmniPath；（4）通过在Wasm和主机MPI库间提供转换层使得开发人员无需了解目标 HPC 系统上存在的特定MPI库或网络互连。由于低地球轨道的物联网卫星具有部署成本低，覆盖面较广的优势，逐渐作为向物联网设备提供网络连接的重要解决方案，特别是在缺乏地面网络覆盖的偏远地区，如农场、海洋及森林等。然而，低轨卫星网络的以下特点和限制导致了一系列技术挑战，限制了通信效率。
物联网卫星通常使用低功耗硬件，通信链路预算非常有限，尤其是在较远距离和复杂环境下，地面站接收到的信号强度较弱，频繁发生数据包丢失。虽然可以通过增加传输功率或使用相控阵天线来提高链路预算，但这些方法会显著提高部署和运营成本。低轨卫星的覆盖范围非常广泛，覆盖直径可达2000公里，这意味着一个卫星可以同时为大范围内的多个设备服务。此外，由于多个卫星在相同频段内传输数据，在同一地面站接收区域内，卫星信号之间容易发生碰撞。以SWARM卫星星座为例，由于其轨道和极区地面站的部署分布，常常有多颗卫星同时处于地面站视野范围内，信号重叠导致碰撞问题尤为严重。卫星的高速运动带来明显的多普勒效应，造成地面站接收信号的频率不断变化。此外，物联网小卫星的姿态控制系统通常非常简单，不能够随时保持卫星姿态稳定，卫星的旋转和抖动会进一步导致信号质量不稳定。这些动态变化会显著降低通信的有效性和数据的传输速率。![]()
图1：各地的IoT设备通过LEO卫星将数据转发给地面关口站
MPIWasm运行时基于Wasmer运行时实现，支持：（1）通过将基于MPI的HPC应用程序编译为Wasm来实现高性能执行；（2）通过零复制内存操作实现 MPI 调用的低开销；（3）支持高性能互连，例如Infiniband和Intel OmniPath；（4）通过在Wasm和主机MPI库间提供转换层使得开发人员无需了解目标 HPC 系统上存在的特定MPI库或网络互连。为了解决上述问题，作者提出了Spectrumize，一种通过多普勒频移来提升卫星网络通信效率的技术。与传统方法将卫星运动视为通信的负面因素不同，Spectrumize将其视为一种可利用的特性。关键在于，多普勒频移是可以预测的，且每个地面站由于地理位置不同，接收到的多普勒频移也不同。Spectrumize通过这一特性，设计出一种新的数据包检测和碰撞解析方法。以下为Spectrumize的核心技术。卫星与地面站的相对运动导致的多普勒频移会影响信号的频率偏移。传统的检测方法依赖于信号预定码进行数据包的检测和同步，但在低信噪比条件下，这种方法效率极低，因为频率偏移使得预定码的相关性下降。Spectrumize提出了通过多个预定码序列结合多普勒频移校正的方法，即每次卫星传输数据包时，系统根据预测的多普勒频移对信号进行动态校正，增强信号的强度，从而提高检测数据包的准确率。Spectrumize将卫星的预定码与多普勒频移结合，生成一系列时序上的“虚拟预定码”，并与接收到的信号进行相关计算，通过叠加每个数据包的检测结果来提高整体检测的置信度。2. 碰撞解析多普勒效应作为信号区分依据：由于多个卫星同时在同一区域传输数据，地面站会接收到多个重叠的数据包，导致信号碰撞。Spectrumize通过分析每个卫星与地面站之间的独特多普勒频移模式，将重叠的信号分开。具体来说，系统根据每个信号的多普勒频移、符号接收时间和信号强度，对碰撞数据包进行区分和解码。对于同时接收到多个卫星的信号，Spectrumize会对每个卫星的多普勒签名进行区分，并利用这些独特的签名来恢复不同卫星的信号。这类似于CDMA中的码分多址技术，但Spectrumize使用的是基于物理层的多普勒签名。
MPIWasm运行时基于Wasmer运行时实现，支持：（1）通过将基于MPI的HPC应用程序编译为Wasm来实现高性能执行；（2）通过零复制内存操作实现 MPI 调用的低开销；（3）支持高性能互连，例如Infiniband和Intel OmniPath；（4）通过在Wasm和主机MPI库间提供转换层使得开发人员无需了解目标 HPC 系统上存在的特定MPI库或网络互连。为验证Spectrumize的性能，作者通过仿真和实际部署进行了详细的实验。实验场景包括一颗真实的物联网卫星及多个地面站组成的测试平台，测试内容涵盖数据包检测、碰撞解析等关键环节。
![]()
图2：MATLAB仿真结果，从左到右依次为“使用单个预定码加上多普勒签名”, “仅使用预定码序列但没有进行多普勒校正”, “使用预定码序列加上多普勒校正后”的峰值检测情况。可以看到Spectrumize可以通过多次预定码序列和多普勒频移矫正在噪声条件下有效突出相关峰值，区分数据包。
实验首先在仿真环境中验证了Spectrumize在不同信噪比条件下的数据包检测性能。传统的单预定码检测方法在低信噪比情况下无法有效识别数据包，而Spectrumize通过多次预定码校正以及多普勒频移的修正，极大提升了数据包检测率。仿真结果表明，Spectrumize的检测精度比传统方法高出3倍以上，在低信噪比条件下表现尤为出色。在实际测试中，实验使用了来自67次卫星过境的地面站数据。这些数据包含了不同条件下的700多个数据包。实验结果显示，Spectrumize在低于-10dB的信噪比条件下仍能保持良好的检测精度，而传统方法几乎无法在这种条件下正常工作。![]()
图3：真实卫星结果，不同信噪比条件下，Spectrumize和传统单预定码方法的数据包检测准确率（F1分数）。Spectrumize在低信噪比条件下的表现明显优于传统方法，特别是在SNR小于-10dB的情况下。
![]()
图4：真实卫星结果，碰撞的多普勒签名相似度（相关系数）对解析准确率的影响。多普勒签名差异越大，解析准确率越高。当相关系数增加时，解析准确率有所下降。
在碰撞解析的实验中，仿真环境模拟了多个卫星同时传输信号的场景。作者选择极地地区的地面站进行测试，因该地区卫星经过的频率较高，容易发生信号重叠。结果表明，Spectrumize在多达8颗卫星同时覆盖的情况下，能够以90%以上的准确率解析碰撞数据包。在实际场景中，实验通过设置两颗卫星在相同时间段内使用LoRa调制进行数据传输，测试Spectrumize在真实碰撞情况下的性能。结果显示，Spectrumize在低信噪比条件下的碰撞解析准确率达到70%，而在高信噪比情况下，其准确率超过90%。MPIWasm运行时基于Wasmer运行时实现，支持：（1）通过将基于MPI的HPC应用程序编译为Wasm来实现高性能执行；（2）通过零复制内存操作实现 MPI 调用的低开销；（3）支持高性能互连，例如Infiniband和Intel OmniPath；（4）通过在Wasm和主机MPI库间提供转换层使得开发人员无需了解目标 HPC 系统上存在的特定MPI库或网络互连。本文提出的Spectrumize为解决低轨物联网卫星通信中的频谱效率问题提供了创新性的解决方案。通过利用卫星运动引发的多普勒频移作为信号的物理层签名，Spectrumize显著提高了数据包的检测能力和碰撞解析的性能，特别是在低信噪比环境中表现出色。实验结果表明，Spectrumize不仅在检测精度上超过传统方法3倍以上，还能有效解决多个卫星同时传输数据引发的碰撞问题，具有极大的实际应用潜力。
编辑：黄天泽
原文作者：Vaibhav Singh, Tusher Chakraborty, Suraj Jog, Om Chabra, Deepak Vasisht, and Ranveer Chandra
![]()
![]()
