面向大规模飞行自组网的NBATMAN-ADV路由协议

飞行自组网是当前研究的热点,当无人机节点规模较大时,大量的路由开销可能会导致网络瘫痪,因此路由协议的设计具有挑战性。针对大规模无人机场景,首先提出利用统一连通支配集算法构建虚拟骨干网,目的是减少路由洪泛的节点数;其次在骨干节点上部署和运行NBATMAN-ADV路由协议,利用物理层数据的接收信号强度指标和信噪比评价链路质量,在减少路由开销的同时,能够快速感知链路的变化情况。仿真结果表明,较传统的先验式路由协议如优化链路状态路由和目的节点序列距离矢量,该路由协议在数据包交付率、端到端时延和吞吐量上均有明显的提升。在通信模块上的实验结果表明,该路由协议在多跳时延方面有较好的性能。

适用于飞行自组网的闲置时隙预约TDMA协议

在飞行自组网中,固定时隙分配时分多址接入(TDMA)协议存在闲置时隙无法成功使用的问题。通过对TDMA协议引入闲置时隙预约机制,提出一种支持业务优先级传输机制的闲置时隙预约TDMA协议。采用短帧长的方式满足协同与控制业务的低时延传输需求,并利用闲置时隙预约机制允许节点使用闲置时隙传输感知业务,从而满足感知业务的高吞吐量传输性能要求。仿真结果表明,与CF-MAC和CTMAC协议相比,该协议能够在降低传输时延的同时,有效提高信道利用率和网络吞吐量。

无人机飞行自组网通信协议

多无人机协同已经成为当前研究热点,而保证多无人机间快速、可靠的通信是其重要问题之一.基于自组织网络技术提出来的飞行自组网(Flying Ad-Hoc Network,FANET),可为无人机群提供可靠并且实时的网络通信,成为解决多无人机间通信问题的一种良好解决方案.从无人机FANET的节点高动态性和拓扑结构快速变化等特点入手,分析FANET的性能需求;分别从协议设计的挑战、现有协议及其优化协议在FANET的应用现状和专门针对FANET设计的协议发展现状3个方面,对FANET组网通信协议中的多址接入协议、路由协议研究进展进行综述;对无人机FANET的当前重点研究问题和未来研究方向进行了总结和展望.

标签分割的软件定义飞行自组网控制器智能部署方法

针对当前软件定义飞行自组网中多控制器部署面临的负载不均衡和网络可靠性问题,提出一种标签分割的控制器智能部署方法。该方法能够在不预设控制器数量的条件下,根据控制器容量约束和网络结构,输出最佳控制器数量及部署位置。基于节点自身特征和关联特征赋予节点标签,根据标签完成控制域划分并通过布谷鸟搜索算法优化划分过程。在此基础上,考虑控制器平均时延、负载差异度和控制域时延波动的影响,确定控制器部署位置。仿真结果表明,所提算法能在保证网络可靠性的同时有效减少控制器数量,降低部署成本;同时,降低控制器平均时延和负载差异度,保证各控制域间平均时延的相对平衡,实现网络均衡。

基于DRL的飞行自组网自适应多模式路由算法

针对传统飞行自组网协议自适应能力不强、大规模网络应用场景效果不佳的问题,提出了一种基于深度强化学习的多模式路由算法。该算法综合利用系统吞吐量、分组递交率和平均端到端时延等参数构建价值函数,通过智能体自动调节各个无人机的路由工作模式,将大型网络分解为主体网络和数个与之相连的小型异构网络,降低了系统复杂度,局部性能达到最优,提升了整个网络的性能。使用NS3仿真平台测试了算法和传统协议AODV、DSDV的性能指标。仿真结果表明,算法显著优于传统协议,且网络规模越大、负载越高则优势越明显,平均吞吐量提升了55.46%,分组递交率提升了39.85%,平均端到端时延降低了60.94%。

基于链路生存时间预测的高动态飞行自组网组播路由协议

针对飞行自组网(FANETs)中因节点高速移动导致链路频繁断开的问题,提出一种具备链路生存时间预测与路由自主修复能力的高动态FANETs组播路由协议。根据相邻节点间距离的变化情况预测邻居节点间剩余链路生存时间,同时基于预测结果并结合路由跳数、剩余能量等因素对链路质量作出综合评价,选出最佳中继节点以提高路由的可靠性。此外,通过局部路由修复与全局路由刷新相结合的策略对所建立路由进行动态维护,缓解节点高速移动引起的链路频繁断开问题,提高数据递交率。实验结果表明,在不同场景下,该协议在数据递交率、网络吞吐量、路由开销等方面均优于经典组播路由协议ODMRP。

一种面向飞行自组网应用的动态TDMA协议

在集群无人机所组成的飞行自组网中,存在着不同的业务类型,各个节点也有着不同的任务分工和传输需求,因此便要求其网络协议可以根据网络节点和传输业务特性进行差别服务。针对此问题设计了一种面向飞行自组网应用的动态时分多址接入TDMA(time division multiple access)协议,该协议采用了动态分配策略,在节点申请空闲时隙阶段引入节点优先级判断机制,实现了高优先级节点优先接入信道的目的。此外,该协议通过采取时隙冲突避免和时隙冲突检测两种方式来快速高效的解决时隙冲突问题。仿真实验表明,在信道资源一定的情况下,该协议可最大限度的保证了高优先级节点的传输需求,使高优先级节点具有更高的信道接入权、更低的接入时延和时延抖动。

飞行自组网路由协议的仿真与分析

飞行自组网是移动自组网的一个新的研究方向,它将移动自组网的思想拓展到空天领域。但由于节点的高动态性和拓扑结构快速变化等特点,飞行自组网对路由协议提出更多挑战,传统移动自组网路由协议的适用性有待验证。文章利用OMNe T++仿真工具,针对飞行器组网的特定场景,对多种路由协议进行仿真,分析对比了各协议性能,探讨了无人机自组网路由协议的优选问题。实验结果表明OLSR_ETX协议综合性能优于其他几类协议,更适用于飞行自组网场景,但它在节点需要动态入网时表现不佳,还需要进一步的优化。

基于自适应蜂鸟算法的飞行自组网拓扑优化

针对飞行自组网(FANET)中无人机(UAVs)快速移动造成的网络拓扑管理困难问题,考虑实际场景中无人机位置变化引起的可用信道差异,该文提出一种自适应蜂鸟算法对网络拓扑进行优化。首先,建立一个针对分簇结构的无人机拓扑模型,并且形成一个以最小化簇数量、负载偏差和簇移动度为目标的优化问题。其次,通过调节人工蜂鸟的觅食动作、加入扰动变异的方式,提出寻优能力更强的自适应蜂鸟算法(ADHA)。然后,设计合理的蜂鸟个体编码方式,将拓扑优化的决策过程转化为自适应蜂鸟算法的寻优过程。最后,通过仿真验证所提算法的收敛性,并与基于其他群智能优化算法的拓扑优化方法进行对比。实验结果表明,所提算法得到的拓扑优化策略不仅能够有效减少网络拓扑的簇数量,而且能够得到负载均衡、结构稳定的簇群。

基于链路质量评估的飞行自组网抗干扰多路径路由协议

随着通信网络不断向各领域延伸,飞行自组网作为一种新型移动自组织网络,以飞行器作为空中无线通信节点建立网络,实现网络层高效通信。首先,通过考虑链路质量、流量负载和空间距离构建多路径路由模型,并设计抗干扰的多路径路由算法;其次,构建基于源节点路由回复包接收速率的解析模型;然后,对模型进行分析与评价;最后,通过仿真实验验证所提出路由协议的效能。仿真结果表明,所提出的协议与传统协议相比,当节点数相同时,数据包传递率可提升约4.04%~12.13%;干扰器数量为6时,数据包传输延迟可提升约38.48%~52.53%,并且端到端通信中断率降低约34.54%~41.67%,在各项性能指标中都具备优势。所提出的抗干扰多路径路由协议可以为飞行器提供有效且可靠的通信数据传输,并在存在恶意干扰的情况下为飞行自组网提供网络弹性保证。未来将考虑更复杂的链路情况,使其具有更大的实际应用价值。

基于定向天线的飞行自组网定向路由协议综述

近年来,以无人机为节点的飞行自组网因其在各个领域的不同应用而受到广泛关注。为满足复杂任务的服务质量需求,飞行自组网的路由需要提供足够高的网络性能。相比于基于全向天线的全向路由,基于定向天线的定向路由能提升信道利用率,扩大通信范围,可以使飞行自组网获得更好的网络性能和服务质量。文中综述了基于定向天线的飞行自组网定向路由,分析了在飞行自组网中应用定向天线的优势和所带来的问题,而后对现有单路径定向路由和多路径定向路由从定向天线控制机制、路由算法、使用场景和优缺点等多个方面进行详细介绍,并从天线类型、控制机制、网络性能和关键参数等多方面对这些路由协议进行定性比较,最后讨论了基于定向天线的飞行自组网定向路由协议在实际应用中和未来发展中所面临的挑战。

飞行自组网拓扑控制研究综述

飞行自组网(FANET)的拓扑结构蕴含着无人机之间以及无人机与基础设施之间通信的路径信息,是影响FANET性能的关键因素。对现有FANET拓扑控制研究进行综述,首先,介绍了FANET的网络架构以及FANET拓扑控制的研究框架和需求,并将FANET拓扑控制算法具体分为4类。在此基础上,对每类FANET拓扑控制算法进行了全面梳理与详细分析,通过对比总结了不同算法的特点和优缺点。最后,探讨了FANET拓扑控制仍面临的挑战及未来的研究方向。

一种适用于飞行自组网的动态时分信道接入机制

飞行自组网可广泛应用于军用数据链、无人机测控、航空通信等场景。然而,由于网络节点高速移动和用户业务需求剧烈变化等原因,传统的时分信道接入机制的信道接入延迟较高且信道利用率较低。本文提出了一种适用于飞行自组网的动态时分信道接入机制。通过引入节点业务需求预测,保证在节点间更加合理地分配信道资源。此外,采用了动态的时隙分配策略,并引入业务优先级机制,按照优先级高低顺序分配信道资源,实现高优先级业务的低时延接入。最后,根据网络拓扑变化程度对网络管理时隙和数据传输时隙的比例进行优化,从而在保证低时隙冲突概率的前提下,尽可能提升信道资源利用率。模拟结果表明,在信道资源一定的情况下,该机制可最大化信道资源利用,保证在网节点的高优先级业务的传输需求,高优先级节点高优先级业务拥有更低的接入时延,且节点优先级依次变化,网络整体资源利用率高,节点接入公和资源使用相对公平。

定向天线高动态飞行自组网建链的研究

为了解决高空飞行器远距离通信相关问题,本文提出基于定向天线宽窄波束切换的移动自组网方案,在高空高动态远距离飞行器通信中具有广泛的应用前景,证明了节点间的通信建链具有重要的工程意义。从工程需求出发,通过计算、仿真和工程设计,研究和验证了定向天线宽窄波束的方法,在高动态飞行器自组网中具有现实指导意义。

飞行自组织网的全双工双向时间传递技术研究

针对飞行自组网(FANET)中节点间相对运动导致双向时间传递精度下降的问题,该文提出一种全双工双向时间传递(TWTT)方法。首先,根据全双工双向时间传递过程构造了需要求解的方程组,推导了单次时间传递的同步误差表达式;然后,分析了在无频偏和有频偏条件下,迭代进行全双工双向时间传递的收敛性;最后,通过仿真分析和实验验证比较了全双工双向时间传递方法和传统双向时间传递方法的性能。仿真和实验结果表明,全双工双向时间传递方法在节点高速机动下,时间同步精度可达到与物理层时间戳相同的精度,优于现有的运动补偿方法。

基于Q-learning的飞行自组织网络QoS路由方法

针对无人机自组网等高动态飞行自组织网络中,网络拓扑的快速变化导致通信链路断裂和路由重建频繁的问题,研究一种基于Q-learning的QoS(quality of service)路由方法。该方法以Q-learning强化学习框架为基础,将邻居节点数量、链路持续时间和链路可用带宽作为路由度量信息,设计一种提供QoS保证的Q-learning奖励函数。网络节点通过广播Hello消息交互各自的本地路由度量信息,邻居节点接收到Hello分组或者数据分组,根据奖励函数计算并更新Q值,待转发数据分组的节点根据其维护的Q值表智能选择下一跳转发节点。EXata无线网络仿真环境中的仿真结果表明,该方法能为高动态飞行自组织网络中的数据传输提供稳定性好、服务质量高的通信链路。

基于双频通信的空间飞行器自组网动态时隙分配

针对分布式空间飞行器自组网使用传统时分多址(Time Division Multiple Access,TDMA)时隙分配方式时网络时延大、传输效率不高的问题,提出了一种基于双频通信的动态时分多址时隙分配(Dual Frequency Dynamic Time Division Multiple Access,DF-DTDMA)方案。DF-DTDMA方案采用双频通信分别传输低速广播业务和高速定向业务,提高了网络吞吐量。在低频网络层提出了嵌套型时隙分配策略降低网络拓扑变化快带来的定向业务丢包率;在高频网络层提出了基于空间复用的定向无冲突时隙分配策略,避免发生信息碰撞,提高了网络的可靠性。仿真结果表明,相比传统TDMA协议,DF-DTDMA方案有效降低了飞行器网络丢包率,提升了网络吞吐量,具有高可靠性和灵活性。

基于强化学习的无人机智能组网技术及应用综述

针对无人机在民用和军事等领域中的研究热度及应用需求日益增长,传统Mode1-Based的网络部署、设计、操作方法无法应对动态变化的无人机场景的问题,本文综述了灵活性高、适应性强的AI-Based的智能组网技术,并引入强化学习这一人工智能领域的重要分支。对现有利用强化学习技术解决无人机组网难题的研究进行了概述,结合无人机组网的特性梳理了此领域应用强化学习技术的主要思路。从几个应用场景,以及组网关键技术的角度进行了归纳,给出了基于强化学习的无人机智能组网技术所面临的机遇与挑战,并进行了总结。探究了无人机通信的感知能力与决策能力,适应了其动态变化且需要高度自治的环境需求。为未来无人机智能组网技术的发展提供了有价值的理论基础和实践指导。

面向FANET的N-UCDS虚拟骨干网构建方法

大规模小型无人机通信网络会出现频繁的链路失效,因此有效的拓扑控制是当前飞行自组网的研究热点。为了符合大规模无人机任务多样性的场景,提出一种随机路径点-飞行信息预测移动模型,无人机节点可以通过邻居节点的飞行信息对链路持续时间进行预测。在此基础上,提出一种新的统一连通支配集(new unifying connected dominating set,N-UCDS)算法,与UCDS算法相比,N-UCDS算法改进了连通支配集成员的选取方式、虚拟骨干网的构建和维护机制、支配因子的计算方法和HELLO报文发送间隔。仿真结果表明,该方法的算法鲁棒性有较大提升,网络构建和维护时间均减少了一个周期,网络生存时间提升了5%,HELLO报文开销随节点最大通信半径的增大而减小。

基于生物集群智能的FANET移动模型研究

飞行自组网是一种由多架无人机组成的特殊移动Ad hoc网络,无人机在飞行时表现出强烈的群集运动特征,这种运动特征与自然界中鸟类的群集运动有着相似之处。因此,论文提出了一种基于生物集群智能的移动模型,在Boids群聚规则的基础上引入跟随、聚集和随机三种运动规则,通过Matlab仿真工具真实有效地模拟了无人机集群的聚集、分散、盘旋和平移这四种运动行为。