CN111050301A - 一种基于动态拓扑的无人机网络olsr路由自适应策略 - Google Patents
一种基于动态拓扑的无人机网络olsr路由自适应策略 Download PDFInfo
- Publication number
- CN111050301A CN111050301A CN201911295378.8A CN201911295378A CN111050301A CN 111050301 A CN111050301 A CN 111050301A CN 201911295378 A CN201911295378 A CN 201911295378A CN 111050301 A CN111050301 A CN 111050301A
- Authority
- CN
- China
- Prior art keywords
- node
- nodes
- distance
- unmanned aerial
- aerial vehicle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004088 simulation Methods 0.000 claims abstract description 22
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 18
- 238000001914 filtration Methods 0.000 claims abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 14
- 238000004891 communication Methods 0.000 claims description 38
- 230000008569 process Effects 0.000 claims description 12
- 230000003044 adaptive effect Effects 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 7
- 239000013598 vector Substances 0.000 claims description 7
- 241000135164 Timea Species 0.000 claims description 3
- 230000001133 acceleration Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 2
- 230000007704 transition Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 11
- 230000008859 change Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 101100172132 Mus musculus Eif3a gene Proteins 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/06—Testing, supervising or monitoring using simulated traffic
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/18—Communication route or path selection, e.g. power-based or shortest path routing based on predicted events
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/34—Modification of an existing route
- H04W40/38—Modification of an existing route adapting due to varying relative distances between nodes
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
一种基于动态拓扑的无人机网络OLSR路由自适应策略，涉及无人机网络OLSR路由自适应策略的技术领域。本发明利用卡尔曼滤波算法得到节点下一个状态的仿真结果；计算现在的节点间距离N和预测的节点间距离M；得到两个节点的Hello消息的广播周期，对于第一次收到新节点的Hello信息，将剩余两次Hello信息的广播周期减小到最优值，同时不再接收任何新的Hello信息。当无人机群在网络中频繁移动时，节点通过卡尔曼滤波算法预测线性移动节点的状态，路由协议可以动态检测出拓扑是否发生变化，自适应地调整其控制消息的广播周期。
Description
技术领域
本发明涉及基于动态拓扑的无人机网络OLSR路由自适应策略的技术领域。
背景技术
在多无人机节点的网络中，任何节点的移动都有可能引起网络拓扑结构的改变。移动网络拓扑的频繁变化会造成整体网络性能的大幅度波动，甚至严重地下降。适用于无人机自组织网络的路由协议能够动态检测拓扑变化是此领域最重要的研究目标之一。目前现有的主要动态路由协议，如基于链路状态的路由协议OSPF协议，基于距离矢量的路由协议RIP协议，或是基于优化链路状态的路由协议OLSR协议，这些路由协议通过周期性或触发***互连通关系以获得网络拓扑结构，当网络发生变化时，通过这些更新的连通关系，可以计算出新的拓扑表或路由表。
传统的路由协议使用固定广播周期的Hello消息去检测网络拓扑，这种策略显然无法根据动态拓扑的变化自适应去调整路由参数，在无人机群动态组网的军事战术中显得过于死板。传统的路由协议仅在节点链路通断关系发生变化时才发起拓扑更新消息，如Hello和TC消息。在节点快速运动的环境下，这些拓扑更新消息传播到网络中需要一定的时间，在此期间内，原有的路由表中部分路由为旧的失效路由，部分数据由于这些路由表错误而出现转发丢失。此外，在网络尚未完全连通情况下，数据也可能因为没有路由而无法发送出去。这些情况将会降低网络的吞吐量，增加数据的传输时延。
发明内容
本发明目的是提供一种基于动态拓扑的无人机网络OLSR路由自适应策略，当无人机群在网络中频繁移动时，节点通过卡尔曼滤波算法预测线性移动节点的状态，路由协议可以动态检测出拓扑是否发生变化，自适应地调整其控制消息的广播周期。不需要提前安排任务的时间点，其可以主动对网络拓扑进行预测，一旦发现拓扑有变化的趋势便自适应调整相应的路由参数。
一种基于动态拓扑的无人机网络OLSR路由自适应策略，包括如下步骤：
步骤1)利用卡尔曼滤波算法得到节点下一个状态的仿真结果；
步骤2)计算现在的节点间距离N和预测的节点间距离M；
步骤3)判断现在的节点间距离N是否大于等于最大有效距离L且小于R,同时预测的节点间距离M大于R,其中R为节点的通信范围，若判断为是则执行下一步,若判断为否则执行第七步；
步骤4)得到
其中
公式中H是两个节点的Hello消息的广播周期，T是节点最大有效通信时间，R是节点的通信范围，N是现在的节点间距离，v是邻居节点的相对速度；
步骤5)路由协议发送第三个Hello信息，若为是则执行下一步，若为否则返回上一步；
步骤6)设定
并返回第一步；其中
公式中H是两个节点的Hello消息的广播周期，T是节点最大有效通信时间，R是节点的通信范围，N是现在的节点间距离，v是邻居节点的相对速度；
步骤7)判断节点是否是第一次收到新节点的Hello信息，若为是则执行下一步，若为否则返回第一步；
步骤8)将剩余两次Hello信息的H减小到最优值，同时不再接收任何新的Hello信息；
步骤9)对步骤8)的结果进行判断，若为是则将H恢复为默认值，同时返回第一步；若为否则返回步骤7)。
本发明采用上述技术方案，当无人机群在网络中频繁移动时，节点通过卡尔曼滤波算法预测线性移动节点的状态，路由协议可以动态检测出拓扑是否发生变化，自适应地调整其控制消息的广播周期。不需要提前安排任务的时间点，其可以主动对网络拓扑进行预测，一旦发现拓扑有变化的趋势便自适应调整相应的路由参数。
附图说明
图1是无人机网络中的无人机节点预测示意图。
图2是本发明基于动态拓扑的路由计算方法流程示意图。
图3是本发明仿真平台的流程示意图。
图4是在节点飞行不同时间段下仿真实验对节点吞吐量的测试结果示意图。
图5是在节点飞行不同时间段下仿真实验对节点分组丢包率的测试结果示意图。
图6是Exata仿真过程中Hello消息发送数量的结果图。
图7a是最大有效通信时间为500ms时DT-OLSR协议与原始OLSR协议的对比图。
图7b是最大有效通信时间为200ms时DT-OLSR协议与原始OLSR协议的对比图。
图7c是最大有效通信时间为100ms时DT-OLSR协议与原始OLSR协议的对比图。
图8a是基于乒乓球移动模型节点数相同时，使用DT-OLSR协议和使用原始OLSR协议在吞吐量方面的对比图。
图8b是基于乒乓球移动模型节点数相同时，使用DT-OLSR协议和使用原始OLSR协议在丢包率方面的对比图。
具体实施方式
下面结合附图对本发明的技术方案进行详细说明：
如图2所示，一种基于动态拓扑的无人机网络OLSR路由自适应策略，包括如下步骤：
步骤1)利用卡尔曼滤波算法得到节点下一个状态的仿真结果；
步骤2)计算现在的节点间距离N和预测的节点间距离M；
步骤3)判断现在的节点间距离N是否大于等于最大有效距离L且小于R,同时预测的节点间距离M大于R,其中R为节点的通信范围，若判断为是则执行下一步,若判断为否则执行第七步；
步骤4)得到
其中
公式中H是两个节点的Hello消息的广播周期，T是节点最大有效通信时间，R是节点的通信范围，N是现在的节点间距离，v是邻居节点的相对速度；
步骤5)路由协议发送第三个Hello信息，若为是则执行下一步，若为否则返回上一步；
步骤6)设定
并返回第一步；其中
公式中H是两个节点的Hello消息的广播周期，T是节点最大有效通信时间，R是节点的通信范围，N是现在的节点间距离，v是邻居节点的相对速度；
步骤7)判断节点是否是第一次收到新节点的Hello信息，若为是则执行下一步，若为否则返回第一步；
步骤8)将剩余两次Hello信息的H减小到最优值，同时不再接收任何新的Hello信息；
步骤9)对步骤8)的结果进行判断，若为是则将H恢复为默认值，同时返回第一步；若为否则返回步骤7)。
本发明步骤2)的具体过程为：
节点收到Hello消息，获得邻居节点坐标(x,y)和相对速度v，计算此刻节点和邻居节点的距离N为
卡尔曼滤波算法计算出的下一时刻节点的坐标(x′,y′)和相对速度v′，计算下一时刻节点和邻居节点的距离M为
公式中的dij为两个节点间的距离，xi为节点i的横坐标，xj为节点j的横坐标，yi为节点i的纵坐标，yj为节点j的纵坐标。
本发明步骤3)的具体过程为：
当
且
时，若第二节点B距离第一节点A的通信边界仍有一定距离，并且此范围内的拓扑扰动忽略不计，两个节点的Hello消息广播周期H保持不变，此距离称为最大有效距离L，通过DT-OLSR预先设定。
本发明步骤4)的具体过程为：
当第二节点B移动到最大有效距离L时，根据发送Hello消息的有效时间3H应小于等于节点最大有效通信时间T，即0＜3H≤T，所以H反推估算为
其中
本发明步骤6)的具体过程为：
当第二节点B以
的广播周期发送完前两个Hello消息包后，DT-OLSR协议按当前的有效时间
对H进行最终细算，即
H维持这个高频率直到第一节点A更新路由表。
本发明步骤7)、步骤8)的具体过程为：
若第三节点C将要加入第一节点A的通信范围，第三节点C通常需要发送三个Hello消息才能被添加进路由表；当第一节点A一旦接收到第一个陌生的Hello消息后，将剩余两次Hello消息的广播周期减小到最优值，H维持这个频率一直到第一节点A完成路由表的更新
步骤S101：节点收到Hello消息，获得邻居节点坐标(x,y)和相对速度v，计算此刻节点和邻居节点的距离
卡尔曼滤波算法计算出的下一时刻节点的坐标(x′,y′)和相对速度v′，计算下一时刻节点和邻居节点的距离
步骤S102：当
且
时，若B距离A的通信边界仍有一定距离，并且此范围内的拓扑扰动可以忽略不计，节点的Hello消息广播周期H保持不变。此距离称为最大有效距离L，通过DT-OLSR预先设定；
步骤S103：当第二节点B移动到最大有效距离L时，根据发送Hello消息的有效时间3H应不大于节点最大有效通信时间T，即0＜3H≤T，所以H反推估算为
其中
步骤S104：当第二节点B以
的广播周期发送完前两个Hello消息包后，DT-OLSR协议按当前的有效时间
对H进行最终细算，即
H维持这个高频率直到第一节点A更新路由表。
步骤S105：若第三节点C将要加入第一节点A的通信范围，它通常需要发送三个Hello消息才能被添加进路由表。当第一节点A一旦接收到第一个陌生的Hello消息后，将剩余两次Hello消息的广播周期减小到最优值。H维持这个频率一直到第一节点A完成路由表的更新。
步骤S106：当节点已经确认网络拓扑保持相对静止后，Hello消息的广播周期调回默认值。
在大规模UANET中，无人机节点可以通过卡尔曼滤波算法对节点下一个状态的位置进行理想化地预测。卡尔曼滤波算法可以根据源节点和目标节点当前状态的坐标位置、速度和加速度等条件，利用状态矩阵的变换来实现对下一秒拓扑变化的预测。卡尔曼滤波算法为:
公式中k代表了节点发送Hello消息的离散时刻，
是节点移动的状态向量，
是在下一个发送Hello消息的离散时刻的节点移动预测状态向量。x和y是节点的位置坐标，vx和vy是节点不同方向的相对速度。Φ是状态转移矩阵，B是噪声矩阵，H是观察矩阵，
是无人机的加速度，短时间内视为白噪声处理，
是可以从GPS***中获得的观测矢量。
是观测噪声，由GPS设备的精确度决定。
如图1所示为本发明无人机网络中的无人机节点预测示意图。
是节点间距离，
是卡尔曼滤波算法预测后节点之间的距离，两者都是通过公式(4)计算得出。
R是节点的通信范围。通过对比
和R的大小，我们可以进一步设计基于动态拓扑的自适应路由策略。
在军事战争中，无人机有时需要对周边环境进行侦察，以获得重要的军事谍报和相关作战信息。为了采集更丰富全面的数据信息，信息作战部门需要在多个方位安置无人机，定点收集情报。作战总部通过一架移动的无人机直线横穿整个军事情报网络，与每个侦察无人机进行通信，将所有定点无人机采集的数据送达作战目的地。本节为了贴近现实，在Exata仿真软件中全程模拟上述场景，节点均采用路点移动模型。多个节点保持静止，模拟侦察无人机。另外设置一架飞行轨迹横穿整个无人机网络拓扑的无人机，模拟信息汇总无人机。在1.5km*1.5km的仿真场景范围内，实验选取拓扑中最远端的无人机与飞行中的无人机进行固定比特率(Constant Bit Rate，CBR)业务，流量大小为1.04Mbps。从第10秒开始产生业务流量，持续的时间为33秒，仿真持续43秒。每个不同参数的协议独立仿真100次，然后比较改进前后协议的网络性能。
使用Matlab和Exata5.1仿真软件对DT-OLSR协议进行仿真并验证其可行性。为了使卡尔曼滤波算法得到节点的相关信息，本发明在Matlab和Exata仿真平台之间搭建了Socket通信服务。通过UDP通信将Exata软件中的节点坐标和相对速度等信息导入至Matlab软件中，然后在Matlab仿真平台中根据卡尔曼滤波算法进行仿真，预测出无人机节点和邻居节点的位置信息，并通过公式(4)计算出节点间的距离。Matlab仿真得出的数据即算即传给Exata仿真平台，Exata使用基于动态拓扑的自适应路由算法对当前路由协议的参数进行调整。仿真流程图如图3所示。
Exata5.1仿真软件使用Hello消息广播周期恒为2s的原始OLSR协议与本改进的DT-OLSR协议进行对比实验。仿真实验的无人机使用全向天线，信道带宽为2Mbps，通信范围约为340m。MAC层采用IEEE802.11协议,以CSMA/CA方式接入。具体实验参数如表1所示。
表1
| 项目类别 | 取值 |
| 天线类型 | 全向天线 |
| 移动模型 | 定点/线性移动 |
| 通信范围 | 340m |
| 仿真场景范围 | 1.5km*1.5km |
| 业务数据类型 | CBR(255～1040Kb/s) |
| 信道带宽 | 2Mbps |
| 节点个数 | 5～40 |
| 移动速度 | 15m/s |
本方法使用Exata仿真软件在地图上随机分布最多40个节点形成一个大规模的UANET。节点均采用乒乓球移动模型进行线性移动，模拟无人机蜂群大规模侦察敌军和战场环境的场景。仿真配置如上个测试，最大有效时间采用性能提升效果最好的200ms。我们分别测试当节点数量为5，10，20，30，40时的网络性能。
图4是在节点飞行不同时间段下仿真实验对节点吞吐量的测试结果示意图。图5是在节点飞行不同时间段下仿真实验对节点分组丢包率的测试结果示意图。图中DT-OLSR后缀括号中的时间为DT-OLSR协议预先设定的节点最大有效通信时间。
图6是Exata仿真过程中Hello消息发送数量的结果图。结果表明在节点飞行时间为30s时Hello消息发送的数量达到峰值，并且最大有效时间越短的DT-OLSR协议发送的Hello消息越多。因此，DT-OLSR协议的最大有效时间并不是上述所谓的越小越好。虽然增大Hello消息的发送频率可以对网络性能的稳定有一定益处，但过大的频率也会增加节点的开销，加重信道的负担，使路由策略的目的适得其反。
图7是本发明DT-OLSR协议在三种场景下分别与原始OLSR协议进行对比的示意图，测试改变CBR业务数据的流量大小分别为1500Kbps，1040Kbps和510Kbps，图7a是最大有效通信时间为500ms，图7b是最大有效通信时间为200ms，图7c是最大有效通信时间为100ms。从图7可以看出如图7所示。在同一场景下，随着CBR业务数据流量的增大，OLSR协议与DT-OLSR协议均使节点的平均吞吐量提高。但不论CBR增大多少，使用DT-OLSR协议的性能都要比使用OLSR协议的好。
乒乓球移动模型的仿真结果如图8所示。图8a是节点数相同时，使用DT-OLSR协议和使用原始OLSR协议在吞吐量方面的对比图；图8b是节点数相同时，使用DT-OLSR协议和使用原始OLSR协议在丢包率方面的对比图。从图中可以看出，使用DT-OLSR协议后的整体网络性能还是要比使用原始OLSR协议时有所提升，在节点数相同时，DT-OLSR协议的吞吐量要比OLSR协议的大并且丢包率要小。
Claims (7)
1.一种基于动态拓扑的无人机网络OLSR路由自适应策略，其特征在于包括如下步骤：
步骤1)利用卡尔曼滤波算法得到节点下一个状态的仿真结果；
步骤2)计算现在的节点间距离N和预测的节点间距离M；
步骤3)判断现在的节点间距离N是否大于等于最大有效距离L且小于R,同时预测的节点间距离M大于R,其中R为节点的通信范围，若判断为是则执行下一步,若判断为否则执行第七步；
步骤4)得到
其中
公式中H是两个节点的Hello消息的广播周期，T是节点最大有效通信时间，R是节点的通信范围，N是现在的节点间距离，v是邻居节点的相对速度；
步骤5)路由协议发送第三个Hello信息，若为是则执行下一步，若为否则返回上一步；
步骤6)设定
并返回第一步；其中
公式中H是两个节点的Hello消息的广播周期，T是节点最大有效通信时间，R是节点的通信范围，N是现在的节点间距离，v是邻居节点的相对速度；
步骤7)判断节点是否是第一次收到新节点的Hello信息，若为是则执行下一步，若为否则返回第一步；
步骤8)将剩余两次Hello信息的H减小到最优值，同时不再接收任何新的Hello信息；
步骤9)对步骤8)的结果进行判断，若为是则将H恢复为默认值，同时返回第一步；若为否则返回步骤7)。
2.根据权利要求1所述的基于动态拓扑的无人机网络OLSR路由自适应策略，其特征在于上述卡尔曼滤波算法为:
公式中k代表了节点发送Hello消息的离散时刻，
是节点移动的状态向量，
是在下一个发送Hello消息的离散时刻的节点移动预测状态向量，x和y是节点的位置坐标，vx和vy是节点不同方向的相对速度，Φ是状态转移矩阵，B是噪声矩阵，H是观察矩阵，
是无人机的加速度，短时间内视为白噪声处理，
是可以从GPS***中获得的观测矢量，
是观测噪声，由GPS设备的精确度决定。
3.根据权利要求1所述的基于动态拓扑的无人机网络OLSR路由自适应策略，其特征在于上述步骤2)的具体过程为：
节点收到Hello消息，获得邻居节点坐标(x,y)和相对速度v，计算此刻节点和邻居节点的距离N为
卡尔曼滤波算法计算出的下一时刻节点的坐标(x′,y′)和相对速度v′，计算下一时刻节点和邻居节点的距离M为
公式中的dij为两个节点间的距离，xi为节点i的横坐标，xj为节点j的横坐标，yi为节点i的纵坐标，yj为节点j的纵坐标。
4.根据权利要求1所述的基于动态拓扑的无人机网络OLSR路由自适应策略，其特征在于上述步骤3)的具体过程为：
当
且
时，若第二节点B距离第一节点A的通信边界仍有一定距离，并且此范围内的拓扑扰动忽略不计，两个节点的Hello消息广播周期H保持不变，此距离称为最大有效距离L，通过DT-OLSR预先设定。
5.根据权利要求1所述的基于动态拓扑的无人机网络OLSR路由自适应策略，其特征在于上述步骤4)的具体过程为：
当第二节点B移动到最大有效距离L时，根据发送Hello消息的有效时间3H应小于等于节点最大有效通信时间T，即0＜3H≤T，所以H反推估算为
其中
6.根据权利要求1所述的基于动态拓扑的无人机网络OLSR路由自适应策略，其特征在于上述步骤6)的具体过程为：
当第二节点B以
的广播周期发送完前两个Hello消息包后，DT-OLSR协议按当前的有效时间
对H进行最终细算，即
H维持这个高频率直到第一节点A更新路由表。
7.根据权利要求1所述的基于动态拓扑的无人机网络OLSR路由自适应策略，其特征在于上述步骤7)、步骤8)的具体过程为：
若第三节点C将要加入第一节点A的通信范围，第三节点C通常需要发送三个Hello消息才能被添加进路由表；当第一节点A一旦接收到第一个陌生的Hello消息后，将剩余两次Hello消息的广播周期减小到最优值，H维持这个频率一直到第一节点A完成路由表的更新。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911295378.8A CN111050301B (zh) | 2019-12-16 | 2019-12-16 | 一种基于动态拓扑的无人机网络olsr路由自适应方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911295378.8A CN111050301B (zh) | 2019-12-16 | 2019-12-16 | 一种基于动态拓扑的无人机网络olsr路由自适应方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111050301A true CN111050301A (zh) | 2020-04-21 |
| CN111050301B CN111050301B (zh) | 2023-05-26 |
Family
ID=70236793
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911295378.8A Active CN111050301B (zh) | 2019-12-16 | 2019-12-16 | 一种基于动态拓扑的无人机网络olsr路由自适应方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111050301B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112383872A (zh) * | 2020-11-12 | 2021-02-19 | 中国空气动力研究与发展中心 | 一种分布式无人机编队状态信息广播发送频率的优化方法 |
| CN112469054A (zh) * | 2020-11-18 | 2021-03-09 | 西北工业大学 | 一种面向无人机集群编队的拓扑感知路由方法 |
| CN112672398A (zh) * | 2020-12-28 | 2021-04-16 | 上海微波技术研究所（中国电子科技集团公司第五十研究所） | 一种基于自适应kalman预测的3D-GPSR路由方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100317420A1 (en) * | 2003-02-05 | 2010-12-16 | Hoffberg Steven M | System and method |
| CN109922513A (zh) * | 2019-03-06 | 2019-06-21 | 上海交通大学 | 一种基于移动预测和时延预测的olsr路由方法及*** |
-
2019
- 2019-12-16 CN CN201911295378.8A patent/CN111050301B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100317420A1 (en) * | 2003-02-05 | 2010-12-16 | Hoffberg Steven M | System and method |
| CN109922513A (zh) * | 2019-03-06 | 2019-06-21 | 上海交通大学 | 一种基于移动预测和时延预测的olsr路由方法及*** |
Non-Patent Citations (1)
| Title |
|---|
| 廖利: "预测节点剩余能量组合预测的OLSR路由算法", 《激光杂志》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112383872A (zh) * | 2020-11-12 | 2021-02-19 | 中国空气动力研究与发展中心 | 一种分布式无人机编队状态信息广播发送频率的优化方法 |
| CN112383872B (zh) * | 2020-11-12 | 2022-09-20 | 中国空气动力研究与发展中心 | 一种分布式无人机编队状态信息广播发送频率的优化方法 |
| CN112469054A (zh) * | 2020-11-18 | 2021-03-09 | 西北工业大学 | 一种面向无人机集群编队的拓扑感知路由方法 |
| CN112672398A (zh) * | 2020-12-28 | 2021-04-16 | 上海微波技术研究所（中国电子科技集团公司第五十研究所） | 一种基于自适应kalman预测的3D-GPSR路由方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111050301B (zh) | 2023-05-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108600942B (zh) | 一种无人机自组网的路由方法 | |
| CN111132258B (zh) | 一种基于虚拟势场法的无人机集群协同机会路由方法 | |
| CN111050301B (zh) | 一种基于动态拓扑的无人机网络olsr路由自适应方法 | |
| CN109922513B (zh) | 一种基于移动预测和时延预测的olsr路由方法及*** | |
| WO2016188116A1 (zh) | 一种车载自组网中基于信任度检测的安全路由协议 | |
| CN110167097B (zh) | 基于加权度量转发和路径规划的移动机器人中继路由方法 | |
| CN113115399B (zh) | 一种异构无人机自组织网络的路由优化方法 | |
| CN108024200B (zh) | 针对间歇性连接的无人机自组织网络的自适应方法及*** | |
| CN103634232B (zh) | 基于延迟容忍网络技术的车辆消息路由方法 | |
| CN107454649B (zh) | VANETs中基于密度估计的1-hop和2-hop簇并存的自适应分簇法 | |
| CN112822745B (zh) | 一种面向无人机自组网的自适应路由方法 | |
| CN112672398B (zh) | 一种基于自适应kalman预测的3D-GPSR路由方法 | |
| CN109587751B (zh) | 无人机自组网自适应路由方法和*** | |
| CN111614559B (zh) | 实现全局优化aodv路由的方法、***及介质 | |
| Khalaf et al. | New efficient velocity-aware probabilistic route discovery schemes for high mobility Ad hoc networks | |
| CN108990082A (zh) | 一种基于链路生存时间和能耗预测的多路径路由方法 | |
| CN111356199B (zh) | 一种三维场景中车载自组织网络路由选择方法 | |
| Husain et al. | Simulated analysis of location and distance based routing in VANET with IEEE802. 11p | |
| CN109688614B (zh) | 用于高动态无人机自组网路由协议的实现方法及*** | |
| Ji et al. | A three-level routing hierarchy in improved SDN-MEC-VANET architecture | |
| Jiang et al. | Research on OLSR adaptive routing strategy based on dynamic topology of UANET | |
| CN113645589A (zh) | 一种基于反事实策略梯度的无人机集群路由计算方法 | |
| CN116709359A (zh) | 一种飞行Ad Hoc网络的自适应路由联合预测方法 | |
| CN110996369B (zh) | 一种基于任务驱动的无人机网络路由工作方法 | |
| CN114143852A (zh) | 一种应用于无人机集群的抗干扰通信链路选择方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |