一种基于空洞节点检测的可靠无人机自组网路由协议

针对高动态无人机自组网中节点之间链路生存时间(Link Live Time,LLT)短和节点遭遇路由空洞次数多的问题,提出了一种基于空洞节点检测的可靠无人机自组网路由协议——GPSR-HND(Greedy Perimeter Stateless Routing Based on Hollow Node Detection)。GPSR-HND协议中,转发节点通过空洞节点检测机制检测邻居节点状态,将有效邻居节点加入待选邻居节点集;然后基于层次分析法(Analytic Hierarchy Process,AHP)的多度量下一跳节点选择机制从待选邻居节点集中选择权重最大的邻居节点贪婪转发数据;如果待选邻居节点集为空,则从空洞邻居节点集中选择权重最大的空洞节点启动改进的周边转发机制,寻找可恢复贪婪转发模式的节点。与GPSR-NS协议和GPSR协议相比,GPSR-HND协议表现出了更好的性能,包括平均端到端时延和丢包率的改善,以及吞吐量的提高。

无人机自组网快速稳定加权分簇算法

在无人机自组网中,网络规模增大会使节点间平均跳数增加,网络管理和路由协议运行更艰难。分簇结构可用来优化网络管理,提高网络的可拓展性。针对无人机高移动造成的簇结构不稳定以及分簇结构鲁棒性差的问题,提出了一种快速稳定加权分簇算法。该算法对比现有的加权分簇算法,对链路保持率、节点度和相对速度三个指标的选取进行改进。针对战场和应急场景下簇头节点掉线带来的簇振荡,提出了一种高效的簇维护机制。最后通过仿真验证该算法的性能,结果表明,与现有改进型加权分簇算法相比,该算法可以有效降低成簇的时间,同时在簇头节点掉线的情况下快速恢复,更适用于复杂环境下的网络部署。

一种中心节点调度时隙分配的无人机自组网TDMA协议

针对现有无人机自组网协议中,集中式树形网络中控制时隙存在冗余、帧中数据时段占比较小的问题,提出了一种基于中心节点调度时隙分配的无人机时分多址接入(Time Division Multiple Access,TDMA)协议。该协议采用基于全网拓扑感知的时隙分配机制调整控制时段的帧结构与时隙顺序,基于中心节点调度的控制时隙复用机制提高控制时隙的利用率,缩短控制时段总长度以提高数据时段占比。与BiPi-TMAC(Bidirectional-Pipelined TDMA MAC)协议和ELDM-TDMA(Efficient and Low Delay Multi-hop TDMA)协议相比,该协议的数据平均时延和控制开销降低了9.6%和21.9%,网络吞吐量提高了10.5%,在无人机自组网场景中表现出良好的性能。

无人机自组网中基于优先级和发送概率的低时延MAC协议设计

媒体接入控制(MAC)协议是满足数据传输质量服务需求的一项关键技术,其性能的优劣直接决定了网络的整体运行效率。相较于其他经典MAC协议,基于统计优先级的多址接入(SPMA)协议采用了多优先级接入、信道检测和流量控制等机制,因此它能更好地满足无人机自组网的低时延、区分服务、大规模组网等重要需求。其中,不同优先级阈值是影响该协议性能的关键指标之一,而现有研究中的阈值设置策略会导致无人机自组网吞吐量波动较大的问题。除此之外,在大规模节点组网的情况下,由于特殊的发送机制,该协议面临数据包冲突加剧的问题。针对以上问题,本文提出了一种新的阈值设置方法和低优先级数据概率性接入信道的方法。在大规模节点网络高业务量的情况下,该改进策略根据新的阈值和周期性负载统计的比较结果决定是否延迟或者拒绝相关数据的接入。与此同时,将SPMA协议的多优先级接入机制和排队论基本原理相结合,通过计算设定发送概率对不同低优先级数据进行接入控制。仿真结果表明,所提方法能够使得无人机自组网的吞吐量保持稳定,并为不同类型业务的差异性服务质量(QoS)需求提供良好支持,提高不同优先级数据的首发传输成功率的同时不会带来较大的额外时延损耗,性能优于现有的SPMA协议。

一种无人机自组网中基于身份加密的认证方案

随着无线通信技术的日益发展,无人机自组网在救援、巡逻和侦查等领域都得到了广泛运用。然而,由于无人机自组网网络结构灵活多变且缺乏基础设施的支持,该网络面临严重的身份安全威胁。尽管当前存在各种无第三方安全方案,但这些方案存在性能低下和安全性不足等问题,难以在无人机自组网上部署。针对这些问题,该文提出一种基于IBE的认证方案,将实体身份信息作为公钥,实体无需存储额外的公钥信息,降低了密钥存储开销。同时,该方案支持批量认证,极大地提升了认证效率。此外,通过引入哈希链技术,有效地保留和复用无人机首次认证后的状态信息,降低了后续无人机的认证成本。通过形式化的安全分析,证明该方法能抵御身份伪造、中间人等恶意攻击。相较于已有方案,该方案的计算和存储开销更低。

基于深度学习的无人机自组网分层入侵检测方法

针对无人机自组网携带重要信息却容易受到各种攻击的问题,提出了一种分层检测响应的方案。首先采用端节点误用检测方法,监测无人机行为并报告规则验证的结果。接着,地面站利用深度神经网络分类算法进一步优化验证结果。为抵御如干扰、黑洞、灰洞等不同类型网络攻击提供了新的解决方案。最后,与BRUIDS方案和分布式检测方案进行模拟分析和实验对比。结果表明,相较于另外两种方案,方法在检测率方面的下降率均保持在10%以内,检测率高达93%以上。误报率提升了1.2%,在检测攻击延迟方面与分布式方案相差无几,通信开销减少了约53.5 KBps,且对未知攻击检测问题有显著改善。

无人机自组网中基于信任的路由机制

传统无线路由方式不能很好地适应无人机自组网通信链路不稳定、节点能量受限等特点,为此,提出了一种新的基于信任的路由方案。首先,考虑了节点传输数据包所产生的能耗,对已有的分簇算法进行优化,选择剩余能量超过阈值的节点作为转发候选。其次,引入转发正确率、节点交互频度、探测成功率等信任因子对节点行为进行建模,由簇头节点汇聚所有的信任信息,并利用贝叶斯理论评估节点信任值。最后,在传统按需路由协议基础上,通过节点剩余能量、节点信任值及跳数来计算整体路由成本,并基于路由成本选择转发节点,确保了路由路径上的节点性能及行为可靠。所提方案有效提高了分组投递率及吞吐量,降低了端到端时延与转发能耗。

软件定义无人机自组网快速一致性更新机制

为了解决软件定义无人机自组网(Software-defined Unmanned Aerial Vehicle Ad Hoc Network,SDUANET)中转发黑洞和更新轮次问题,提出了一种软件定义无人机自组网快速一致性更新机制(Software-defined Unmanned Aerial Vehicle Ad Hoc Network Fast Consistent Update Mechanism,SDUANET-FCU)。新机制首先对节点进行分类操作,对可能会导致转发黑洞的发送操作进行约束;其次,针对含有两个规则的节点提出一种基于混合规则的两轮一致性更新策略;最后,将计算得出的Flow-mod发送顺序整合到两轮更新顺序中。仿真结果表明,在软件定义无人机自组网场景下,相比于现有的软件定义网络(Software Defined Network,SDN)更新方法,SDUANET-FCU降低了转发黑洞的概率和控制消息的数量,减少了平均更新轮次。

无人机自组网低时延改进OLSR协议

无人机自组网路由协议OLSR(Optimized Link State Routing)在一些网络拓扑变化频繁的场景下,链路容易中断导致通信失败,数据包丢失,进而致使通信时延较高,影响网络性能。针对此问题,研究通过优化TC消息的数据包格式维护链路稳定性,以及将最短路径的路由算法进行改进,以提高数据传输成功率,进而降低总时延。仿真结果表明,相较于OLSR协议,改进协议提高了发包成功率,降低了端到端时延。

基于深度强化学习的无人机自组网路由算法

针对无人机自组网节点密度大、拓扑变换频繁,导致移动自组网复杂的问题,提出了一种基于深度强化学习(deep-reinforcement learning,DRL)的分布式无人机自组网路由算法。利用DRL感知学习无人机特征,使节点不断与环境交互、探索学习最优行动(路由)策略;通过存储经验知识,维护端到端路由,赋予无人机网络智能化重构和快速修复的能力,从而提高路径的稳定性,降低路由建立和维护开销,增强网络的鲁棒性能。仿真结果表明,提出的算法具有较好的收敛性能;在路由修复时间、端到端时延,以及网络适应性、扩展性方面都优于传统的路由算法。

面向蜂群无人机自组网接入协议的多优先级动态阈值算法

针对蜂群无人机自组网中存在的数据传输低可靠性以及高时延等问题,提出了面向蜂群无人机自组网接入协议的多优先级动态阈值算法。首先,分析数据帧在无线信道中的传输过程,利用各优先级的数据发送概率求得各优先级的数据传输成功率;其次,提出了一种改进的信道满载阈值计算方法,当信道环境发生变化时能够稳定数据的传输并降低时延;最后,通过依次调整各优先级阈值,维持整体信道处在满载阈值水平,保证了最高优先级队列的高传输成功率与低传输时延,有效地提高了整体蜂群无人机自组网的性能。仿真结果表明:在不同业务量接入的情况下,所提协议能够保持各优先级数据的高传输成功率、低时延和高吞吐量传输,传输成功率比基于业务量统计的多优先级接入协议提升了14.2%,并在最高优先级数据传输成功率、端到端时延以及吞吐量等方面具有较大的优势。

基于Q⁃learning算法的无人机自组网AODV稳定路由改进方法

针对小型无人机集群组网中节点高速移动、网络拓扑变化剧烈导致的网络性能下降问题,在无线自组网按需平面距离向量(AODV)协议基础上,提出一种具有链路稳定度意识的无人机自组网路由协议(LN⁃AODV)。首先,通过加权计算链路维持时间和邻居节点变化度,从而选择稳定路径,解决拓扑结构动态变化条件下数据传输延迟和数据成功投递率下降的难题;然后,结合Q⁃learning算法自适应调整Hello消息的发送周期,使协议能够通过感知拓扑变化程度调整路由控制开销和拓扑感知灵敏度。仿真结果表明,相比于AODV,所提方法在端到端延迟、分组投递率、路由开销和数据吞吐量4个网络性能指标上分别提升7.56%,2.58%,17.39%,2.62%,可适应于节点高速运动的无人机自组网,对于无线自组网理论研究及拓展应用具有重要的借鉴意义。

无人机自组网的动态双簇首分簇算法研究

无人机自组织网络的动态拓扑特性给分簇路由协议的设计带来一定的挑战,如何建立有效稳定的分簇机制至关重要。针对局部网络中弹性的无人机自组网单一分簇算法分簇不合理以及单簇首结构抗毁性低的问题,根据局部节点间链路过期时间生成的拓扑结构,设计动态双簇首的分簇算法。该算法允许在不同的局部网络形成不同的网络结构,同时双簇首设计保证了簇结构的高抗毁性。

6G无人机自组网中基于距离阈值修正的LAR路由改进方法

移动自组织网络作为无线通信的关键技术之一,与无人机结合能够实现高机动广覆盖移动通信,支持辅助地面通信、通感算融合、空天地海一体化等6G应用。路由协议是无人机自组网中的重要环节,传统基于距离的位置辅助路由协议(D-LAR)链路质量较低,路由开销较大。针对此问题,提出基于距离阈值修正的LAR路由改进方法,首先基于链路预算计算可靠通信距离,完成第一层阈值修正,提升链路可靠性,然后引入修正因子并给出路由性能优化策略,自适应减少消息广播,完成第二层阈值修正,降低路由开销。仿真结果表明,在高节点密度情况下,与D-LAR协议相比,所提出改进协议的端到端时延、分组投递率、节省重播率均具有明显的性能优势。

无人机自组网研究进展综述

随着世界各国对无人机(UAV)运用的不断重视、多无人机协同应用的兴起和无线自组网应用研究的迅猛发展,无人机自组网已成为新的研究热点。首先对无人机自组网的基本概念、主要特点和应用优势进行了总结,进而重点对MAC协议、路由协议、传输协议、跨层设计、机会网络5个方面关键技术的研究进展进行了系统综述,简要介绍了国内外主要研究机构的实验平台开发情况,最后指出了无人机自组网存在的挑战和亟待研究解决的重点问题。

一种无人机自组网DSR协议优化方法

针对DSR协议的路由优化问题,结合无人机网络的特点,提出一种基于萤火虫算法的无人机自组网DSR协议优化方法。该方法综合利用节点的能量消耗、缓冲拥塞、移动速率和传输损耗构建萤火虫的适应度函数,根据适应度函数来衡量萤火虫的荧光亮度,通过萤火虫初始化、萤火虫移动和更新荧光值等阶段的路由搜索过程,对DSR协议的路由算法进行综合优化,解决无人机自组网传输链路稳定性不佳的问题。使用OPNET仿真工具评估了优化前后DSR协议的各项指标,仿真结果表明,相比传统方法,优化方法在无人机场景下,业务接收速率提高了33.8%,平均端到端时延降低了73.91%,路由负荷发送速率减少了44.99%,路由负荷接收速率减少了37.55%,丢包率减少了68.01%。所提方法均衡优化了无人机自组网的网络性能和路由开销,可以为无人机自组网提供稳定高效的路由服务。

基于深度图嵌入的无人机自组网链路预测

针对无人机自组网的拓扑时变、节点移动、间歇性连接等特点,提出用时序化图嵌入模型对预处理后的无人机自组网进行表征,基于线性概率计算采样间隔以提高采样效率,将网络结构特征映射为节点间关系,并采用对抗训练提取节点上下文语义特征。利用长短期记忆网络提取无人机自组网的时序特征,预测下一时刻的网络连接情况。采用AUC、MAP、Error Rate作为评价指标。Ns-3仿真实验表明,与Node2vec、DDNE、E-LSTM-D等方法相比,所提方法具有更高的预测准确率。

无人机自组网中基于Q-learning算法的及时稳定路由策略

无人机自组网凭借其抗干扰能力强、适用于复杂地形、智能化程度高和成本较低的优点,近年来受到广泛关注,该网络中路由协议的设计与优化一直是核心研究问题。针对无人机自组网中因节点快速移动造成节点本地存储的路由未及时更新而失效的问题,提出一种基于Q-learning算法的动态感知优化链路状态路由协议(DSQ-OLSR)。该协议首先充分考虑了无人机自组网节点高速移动的特点,在选取多点中继(MPR)节点时添加了链路稳定性和链路存在时间这两个指标,使得选出的MPR节点集更稳定、合理;其次,结合Q-learning算法对TC消息的发送间隔进行自适应调整,使得在网络拓扑变动较小时增大TC发送间隔以减小控制开销,而在拓扑变动较大时减小TC发送间隔用于达到快速感知并构建网络拓扑的要求,进而实现数据的及时路由。仿真结果表明,与DT-OLSR协议相比,该协议在端到端时延、吞吐量、成功率和网络生存时间性能上分别提高了12.61%、9.28%、7.69%和5.86%,由此验证了其有效性。

基于OLSR协议的无人机自组网多径路由策略

针对现有文献在研究路由协议时选择的路由度量未能结合无人机自组织网络当时的性能水平进而造成路由决策不合理的问题,提出了一种具有负载感知和网络拓扑变动感知能力的多指标多径优化链路状态路由协议(optimized link state routing protocol based on multi-indicator and multi-path,MIMP-OLSR)。该协议首先考虑了无人机场景的节点移动特性和网络的生存时间,并定义了三个用于进行路由选择的指标,即节点的MAC层阻塞度、节点的邻居变化率和节点的多点中继选择节点(multi-point relay selector,MPR_S)邻居数目;其次,结合HELLO和TC两种控制消息提出了一种指标通告机制,用于将指标信息洪泛给全网节点;最后,根据指标信息提出了一种多径路由方案。仿真结果表明,与OLSR、SETT_MPOLSR和UAV-OLSR协议相比,所提协议MIMP-OLSR在成功率、端到端时延和吞吐量性能上均有明显提高,进而证明所提多径路由方案的合理性。

一种高信道利用率的无人机自组网单阈值接入协议

为解决现有无人机自组网MAC层接入协议信道负载统计时间不统一导致负载统计结果存在误差和信道资源利用率降低的问题,提出一种多优先级单阈值接入控制(MSAC)协议。通过设计信道负载统计时间校正机制和基于单阈值的信道接入控制机制,实现更精准的信道负载统计和以数据包为单位的负载控制,使系统信道承载能力与实际信道负载相匹配,最大化利用信道资源。仿真结果表明,MSAC协议可在保证较高信道资源利用率的同时,提升信道重载情况下的数据传输成功率和MAC层吞吐量。