突发海洋灾难环境下面向密集型观测的海洋认知网络模型及传输机理研究

During maritime disasters, stereoscopic, networking and near real-time maritime observation systems are considered as data thoroughfares which can carry intensive observation tasks, massive data transmissions and emergent disaster rescues. However, extreme environments can lead to many challenges, such as damaged observation abilities and limited network resources. It is difficult to provide quality of service assurance for the intensive observation tasks due to widespread issues such as low observation efficiency, long transmission delay and inferior data quality, which hinder the rescue efficiency severely. In this proposal, we are planning to address the issues of high time-sensitive observing and insufficient resource supply in the intensive observation tasks during maritime disasters from four key sections, which include network modeling, computation offloading, data offloading and quality assurance. With fully taking the advantages of Cognitive Networks (CNs) in model-structure adjustment and environment-resource adaptation, we firstly construct an adaptive Maritime Cognitive Network (MCN) model based on Software Defined Networks (SDNs). Then, we make efforts to achieve breakthrough in the adaptation techniques for the computation offloading and data offloading in the intensive observation tasks. Lastly, we aim to design a layered and scalable data quality model and a synergic data dissemination method, which can guarantee the transmission efficiency and quality. The achievement of the goals listed above would provide a novel effective way for intensive observation tasks in maritime disaster environments, which could also provide theoretical basis and technical references for the systematical research on the MCN.

在突发海洋灾难时，立体化、网络化和近实时的海洋观测网络被认为是承载密集观测任务、海量数据传输和紧急灾难救援的数据通道。然而，极端环境将导致观测能力受损、网络资源受限等弊端，普遍存在着观测效率低、传输时延长、数据质量差等问题，难以为密集型观测任务提供服务质量保障，严重影响了救援效率。据此，本课题紧密围绕突发海洋灾难下的“密集型观测任务的时效性需求和网络资源受限性”这一矛盾性问题，充分利用认知网络在模型结构调整和环境资源适变上的优势，从网络建模、计算分流、数据分流和质量保障四个关键环节入手，着眼于构建基于软件定义网络的自适应海洋认知网络模型架构，突破密集型观测任务的计算分流和数据分流传输适变技术，设计层次化、可扩展的数据质量模型和协同数据分发方法，保障数据分发效率和质量。以上目标的实现，将为海洋灾难环境下密集型观测任务的高效执行提供新途径，为系统性地开展海洋认知网络研究提供理论依据和方法参考。

突发海洋灾难时，全面、准确的海洋观测数据是制定防灾救灾策略的重要参考，高效率、立体化的海洋观测网络是保障海洋观测任务得以有效执行的基础。在以环境复杂、资源受限、连接受限为典型特征的突发海洋灾难环境下，现有的网络模型及相关的任务、数据处理机制普遍存在传输效率低、观测任务执行时间长、数据质量难以保障的问题。现有方案已经成为制约海洋观测网络发展重要因素之一。在此背景下，本课题紧密围绕“密集型观测任务的时效性需求和网络资源受限性”这一矛盾性问题，从网络建模、计算分流、数据分流和质量保障四个关键环节入手，探索海洋观测网络实现高效传输的新途径。首先，以降低观测系统复杂度和提高观测网络节点能量为目标，提出了面向密集型海洋观测任务的海洋网络模型构建方法，为后续研究的看展奠定了模型基础；其次，在面向计算密集型任务的观测海洋观测网络计算迁移方法方面，本课题提出了多节点协作计算、计算服务放置、计算时效保障等方法，重点解决了网络中观测任务时空分布不均、系统计算资源不足的问题；再次，在面向数据密集型任务的观测海洋观测网络数据分流方法方面，本课题从充分利用现有的网络资源和布设额外节点两个角度出发提出了面向移动节点的数据分流方法和无人机辅助的移动分流方法，增强了系统数据分发的能力，提高了网络在在灾难条件下是适应能力；最后，在对突发海洋灾难下的数据质量保障方法方面，本课题通过资源复用，节点协作的方式弥补了现有观测系统数据保障能力不足的问题。同时，考虑到数据分析的需求结合网络中计算能力和通讯能力匹配的现象，提出了一种基于有监督判别投影的数据降维算法，利用部分闲置资源完成数据的预处理，在降低数据复杂度的同时节约了部分传输资源，从侧面提高了数据传输能力。以上目标的实现，为海洋观测网络的发展提供了新思路，为形成系统性的海洋网络体系提供参考。