无人飞行器Ad Hoc网络中容错节点移动控制算法

针对无人飞行器Ad Hoc网络的容错设计需求,基于UAV节点的可控移动特性,提出了一种基于强化边启发的节点移动控制算法。首先采用文化基因算法对给定通信网络对应的拓扑图进行搜索,求解使图获取顶点2-连通属性所需新增的最小成本强化边组合。以强化边为启发,将连接的节点移动到彼此通信范围内来实现强化边,同时以这些节点为leader,采用基于一致性算法的leader-follower控制算法移动其他关联节点,使变化后的网络为顶点2-连通,从而实现网络容错。仿真实验结果表明算法的可行性与有效性,节点总的移动距离少于用于对比的块移动算法和紧缩算法。

无人飞行器Ad hoc网络中基于容错的中继节点配置

针对无人飞行器Ad hoc网络的容错设计需求,采用增加中继节点的方法实现。在二维平面同构网络中,将容错问题转化为边长受限条件下最少数量Steiner点的Steiner树问题。提出了两种基于最小成本子图的中继节点配置算法,以求解最少数量的中继节点及其位置,使改变后的网络拓扑图为顶点2-连通,实现容错。第一种为多项式时间的8-近似算法;第二种为随机近似算法,采用文化基因算法,搜索需要新增加的最小成本强化边组合。仿真结果表明了所提算法的有效性,当网络规模较小和中等时,随机近似算法得到的中继节点数量较少,平均情况下性能较优。

无人飞行器Ad Hoc网络仿真研究

针对无人飞行器Ad Hoc网络仿真研究中的不足,提出了一种基于多分辨率建模的分布交互式仿真方法,利用元建模技术拟合高分辨率模型的输入/输出关系,对得到的元模型族进行适当裁剪和组合构造低分辨率模型,满足了多分辨率模型间的行为层次一致性。采用HLA高层体系结构,以KD-RTI为运行支撑环境实现了仿真原型系统。在想定场景下进行了无人飞行器Ad Hoc网络性能优化,实验结果表明,多分辨率建模提高了仿真效率,满足仿真优化应用的需求。

一种用于编队协同的Ad Hoc网络MAC协议

结合无人机编队和卫星编队自组织分布协同应用场景,基于IEEE 802.11无线MAC协议,给出了MAC协议优化算法:S-DCF算法和最小竞争窗口调整算法。每个站点通过S-DCF算法估算当前网络中竞争站点的数目,然后根据最小竞争窗口调整公式调整最小竞争窗口。仿真结果表明,系统吞吐量得到明显提高,时延明显减小。该优化算法对提高和完善编队协同网络的通信性能具有一定意义。

基于Ad Hoc网络的无人机视频地面传输系统

针对目前无人机侦察视频地面传输存在的问题,在研究Adhoc网络的基础上,提出了一种新的适用于无人机侦察视频地面传输的无线网络方案,并对关键技术进行了分析。

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。

灾害应急通信自组网与航迹优化研究

针对灾害场景下的应急通信网络恢复问题,提出一种分布式无人机部署方法,旨在利用无人机在通信网络受损的灾区建立多跳自组织网络,为该地区提供应急通信服务。首先,定义了无人机自组网约束函数、三维空间搜索方向约束函数和障碍物约束函数,将无人机辅助的多跳自组织网络问题抽象为基于规则法的目标函数;其次,改进了惯性权重和学习因子来提高粒子群算法的全局搜索效率和准确性,并设计多跳自组织网络无人机部署算法,以保证无人机能够以最优的航迹进行自组织网络部署;最后,通过计算目标函数进行无人机部署,并绘制无人机的三维部署航迹图。设计仿真样例对基于规则法的多跳自组织网络无人机部署方法进行验证,仿真结果证明了该方法的有效性。

利用离散时间聚合图的无人机编队最短时延路由协议

针对传统的无人机编队路由算法无法有效利用拓扑变化的可提前预知特性、以发送探测包的方式获取链路的连接情况会导致开销大等问题,该文引入时变图模型,提出了基于离散时间聚合图的无人机编队最短时延路由协议。首先,利用无人机编队网络的先验知识,如节点的运动轨迹以及网络拓扑变化情况,使用离散时间聚合图对网络的链路资源和拓扑进行表征。其次,基于该图模型设计路由决策算法,即在路由探索阶段将链路时延作为链路权重求解网络的源节点到目的节点的最短时延路由。最后,性能仿真结果表明,该路由协议与传统按需距离矢量路由协议相比提高了网络的分组投递率、降低了端到端时延和网络的控制开销。

含网关节点的高时隙复用率TDMA协议

针对网络收敛慢、拓扑表不完整时导致的信道冲突以及空闲时隙浪费问题,提出一种提高节点时隙利用率和网络可靠性的多跳时分多址接入协议。该协议提出3种新机制,使用时隙请求时期快速收敛机制,加快时隙请求时期的收敛;使用空闲时隙公平重用机制,消除中心节点调度时隙碰撞问题,提高空闲时隙利用率;使用一跳邻居多层次调度机制,降低数据重传的时延。仿真结果表明,在时隙请求时期收敛时间、数据传输平均时延及数据传输成功率方面,该协议较现有协议性能更优。

基于多目标跟踪FANET网络的UAV协同通信算法研究

针对无人飞行器(unmanned aerial vehicles, UAV)群在飞行过程中动态无线通信飞行自组织网络(flying ad-hoc network, FANET)参数和扰动不确定的问题,采用多UAV无线协作通信模型研究动态不确定性,提出一种基于递归神经网络(recursive neural network, RNN)的多目标跟踪自适应控制算法。带有接入点控制方法的FANET网络可以优化无人机的通信系统容量和覆盖范围以及获得更快的响应速度。仿真结果表明:通过确定无人飞行器的最佳覆盖区域,所需总功率将有所降低,最大程度地确保地面设备最大的吞吐量,提高了UAV协作通信控制的准确性和灵敏度。

无人机群自组网MAC协议综述

近年来,无人机群自组网(UAV Swarm Ad Hoc Network,UAVSNet)的单个UAV不断自主化与智能化,但UAV之间的协同通信仍存在挑战。媒体接入控制(Media Access Control,MAC)协议是其关键技术之一,并成为了新的研究热点。通过概述MAC协议的分类及设计要点,对竞争类MAC协议、非竞争类MAC协议以及混合类MAC协议接入机制、性能表现及不足进行详细综述并提出展望。为UAVSNet的MAC协议的研究和应用提供了理论支持。

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。

基于指纹库更新补偿的波束跟踪算法研究

针对拒止、复杂电磁环境下,高动态无人节点定向通信面临的坐标信息不精确、飞行姿态和轨迹变化剧烈等问题,为保持可靠的波束对准与跟踪,提出了一种基于卡尔曼滤波的指纹库更新补偿算法;利用卡尔曼滤波算法对自身姿态进行预测更新,建立载体坐标系;采用改进的算法对波束指向进行预测更新,并利用指纹库对状态向量进行更新补偿,调节采样比例,并将新的数据存入指纹库对数据更新,进行二次状态信息预测,完成最终波束指向;整体设计的波束跟踪算法流程更加符合实际应用场景,满足通信需求;仿真结果表明,在半波束宽度为3°,100个通信时隙中,维持正常通信的成功率有92%以上,相比传统跟踪算法提高了8%,具有更加稳定的通信质量。

Development of Bionic UAVs Cluster Technology

With the wider use of UAV in various fields,the raising task complexity and the increasing environmental uncertainties,the higher requirements for UAV technology are put forward.The bionic UAV cluster system has the potential advantages of good stealth performance,strong environmental adaptability,wide expansion of task and high operational efficiency.It has excellent prospects in future information warfare,electronic warfare and conventional combat field.By reviewing the development of bionic UAV cluster technology,this paper summarizes and analyzes the latest research progresses of the key technologies such as aerodynamic mechanism and aerodynamic configuration design,driving mechanism design,autonomous flight control,adaptive networking and cluster control of bionic aircrafts.

系留无人机空中自组网应急通信系统部署与测试

当重大灾害发生后,尤其是地震灾害,受灾地区的常规通信设施遭到破坏。救援队伍的应急通信系统能够灵活并正常运转与救援队伍的救援能力息息相关。目前我国系留无人机发展相对成熟,通信自组网技术和设备也相对成熟,本文主要阐述利用自组网技术与系留无人机平台结合的系留无人机空中自组网应急通信系统,实现空中自主多链路组网并向下覆盖的通信网络系统的设想,该系统可以克服高大建筑物对信号的遮挡,能够实现10千米到100千米以上的网络通信,使救援现场与救援行动基地保持实时的无资费通信。

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。

基于协作的定向无人机自组网内潜在邻居发现算法

针对无卫导辅助定向天线无人机自组网(UAV Ad Hoc Network,UANET)初始化过程中邻居发现较慢的问题,将波束推断算法和基于扫描的定向邻居发现算法(Scan Based Algorithm-Directional,SBA-D)结合,提出了一种基于协作的网内潜在邻居发现算法(DC-NDA)。该算法可以通过中继节点提供的邻节点信息推断潜在邻居可能位置,加速发现过程。将该算法整合到定向天线UANET多路访问控制(MAC)协议中,并对改进后的协议初始化阶段进行仿真验证。仿真发现扇区数为60和108的情况下,改进后的协议较协议中原邻居发现算法,完成网内潜在邻居发现所需时隙数分别平均减少了39.92%和58.27%,有效提高了网络初始化速度。

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。

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。

基于链路质量与节点负载估计的Q学习UANET路由协议

针对无人机自组网(UANET)网络拓扑变化频繁,传统路由协议建立链路的稳定性较差,而导致的链路断裂、高负载情况下的业务丢失等问题,提出了基于链路质量与节点负载估计的Q学习UANET路由协议,该协议在最优链路状态路由(OLSR)协议的基础上,使用Q-learning算法,将跳数、链路质量和节点负载作为路由决策的奖励函数,以加权的综合评价指标作为路由的决策准则。实验结果表明,改进后的协议更加适用于无人机自组网中高动态、高负载的网络环境。