软件定义UAV网络的自适应QoS机制研究

针对软件定义无人机网络(SUNET)链路状态频繁变化难以保障用户服务质量(Quality of Service, QoS)的问题,本文研究了软件定义UAV网络中包含流量管控与队列调度的自适应QoS机制。首先,利用SUNET能够获取全局链路状态信息的优势,提出一种自适应QoS流量控制机制,其综合考虑链路带宽、不同类别消息的优先级和到期时间(ToE)等QoS要求,自适应调整OpenFlow交换机的数据流表项与计量表;然后,结合Linux流量控制的优先级(PRIO)和分层令牌桶(HTB)算法设计出多级队列调度方案以实现细粒度控制。仿真结果表明,所提自适应QoS机制能够显著降低高优先级消息的传输时延与丢包率,满足不同类型消息的差异化要求。

面向目标态势感知的软件定义UAV网络

为解决无人机网络拓扑频繁变化导致数据传输不稳定而影响目标态势感知效果的问题,文中利用软件定义网络(SDN)能够获取全局链路状态信息的优势,综合考虑链路带宽、传输时延等因素,提出一种多链路状态感知的QoS(LSAQ)集中路由算法。同时考虑到UAV节点间通信故障问题,设计主动故障恢复策略将受影响数据流聚合后重新计算本地路由,并利用所提路由算法构建了面向目标态势感知的SDN UAV原型系统。仿真和实验结果表明,所提算法能够提高链路带宽利用率、降低传输时延和减少路由开销,有效保障SDN UAV网络实现目标态势感知任务。

数字孪生辅助UAV网络计算卸载优化

针对动态时变无人机(UAV)网络环境下智能终端有限计算资源不能满足资源密集型任务计算需求的问题,使用数字孪生技术构建了UAV网络的孪生模型,并设计了智能终端计算卸载策略。将计算任务卸载过程建模为马尔可夫决策过程,建立联合UAV悬停点选择、计算卸载决策、UAV计算资源分配的优化模型。考虑到孪生模型与真实UAV网络的虚实映射误差,提出了基于近端策略优化的计算卸载优化算法。仿真结果表明,所提算法在适应虚实映射误差方面优于传统的深度强化学习算法。

基于改进Dueling DQN的无人机网络多域资源分配策略

针对无人机(Unmanned Aerial Vehicle,UAV)网络节点间干扰导致通信质量降低问题,文中从空域与功率域出发,构建以最大化UAV系统频谱效率和能量效率为目标的波束成形与发射功率联合优化模型。针对该多域资源分配模型,提出参数化动作空间的加权Dueling DQN(P-wDDQN)学习算法,该算法适用于包含连续功率分配和离散波束成形的混合动作空间,且解决了Dueling DQN的目标Q值过低估计问题。利用所提P-wDDQN算法设计了联合波束与功率资源分配策略。仿真结果表明,所提多域资源分配策略提升了无人机网络的频谱效率和能量效率,且具有快速收敛的优势。

无人机无线通信的信道安全加密方法

针对无人机用于侦察或火力打击时,传输的控制命令和无人机自身的坐标需要保密,提出了一种新的物理层加密方法。鉴于无人机和地面站分别有一对有限维度的预测双向信道向量(ERCVs),该方法首先使用连续加密函数(CEF),将无人机和地面站的两个ERCVs分别转化为两个任意维度的准连续伪随机数序列(QCPRNs),然后,把QCPRNs进一步转化为两个均匀分布(UD)的QCPRNs序列,并将UD-QCPRNs以模数方式叠加到无人机传输的信息上,地面站产生UD-QCPRNs完成在地面的解密,为无人机安全的对地通信执行了信息和坐标的隐藏。仿真实验证明:所提议的方法可以对抗攻击者可能的任何探测方法,适用于无人机的安全飞行或战争任务的完成。