CN114390631A - 一种无人机自组网络移动性预测的多径路由协议方法 - Google Patents
一种无人机自组网络移动性预测的多径路由协议方法 Download PDFInfo
- Publication number
- CN114390631A CN114390631A CN202210137735.3A CN202210137735A CN114390631A CN 114390631 A CN114390631 A CN 114390631A CN 202210137735 A CN202210137735 A CN 202210137735A CN 114390631 A CN114390631 A CN 114390631A
- Authority
- CN
- China
- Prior art keywords
- node
- unmanned aerial
- aerial vehicle
- route
- nodes
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 17
- 238000004891 communication Methods 0.000 claims abstract description 13
- 230000033001 locomotion Effects 0.000 claims description 22
- 230000005540 biological transmission Effects 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 10
- 239000000126 substance Substances 0.000 claims description 3
- 230000008859 change Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000011160 research Methods 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000006855 networking Effects 0.000 description 3
- 235000008694 Humulus lupulus Nutrition 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000004083 survival effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 241001391944 Commicarpus scandens Species 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001360 synchronised effect 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
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/04—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources
- H04W40/10—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources based on available power or energy
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/147—Network analysis or design for predicting network behaviour
-
- 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
- H04W40/12—Communication route or path selection, e.g. power-based or shortest path routing based on transmission quality or channel quality
-
- 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
- H04W40/20—Communication route or path selection, e.g. power-based or shortest path routing based on geographic position or location
-
- 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
- H04W40/36—Modification of an existing route due to handover
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明属于通信技术领域,具体涉及一种无人机自组网络移动性预测的多径路由协议方法,该方法包括:根据无人机移动路径建立无人机移动节点***模型;根据构建的无人机移动节点***模型采用多径路由算法建立主备份路由,其中主备份路由包括主路径和备份路径;获取待预测节点的信息,将节点信息输入到节点移动性预测模型中,得到该节点的移动性预测结果,根据预测结果构建路由列表;根据路由列表节点执行路由切换;本发明提出的无人机自组网移动性预测的多径路由协议方案,不仅考虑了无人机节点的高度动态性、无人机节点的剩余能量、信号强度以及链路失效时间,而且考虑了由于路由频繁断裂造成的路由重构的问题,减少了路由重构的时间。
Description
技术领域
本发明属于通信技术领域,具体涉及一种无人机自组网络移动性预测的多径路由协议方法。
背景技术
随着无线自组网研究和多无人机协同作战的发展,无人机自组网已成为新的研究热点,复杂场景下节点高速移动性和网络拓扑结构高动态性对无人机自组网的通信组网技术提出了新的挑战。无人机作为信息化作战平台在信息采集、情报获取和通信中继等方面扮演着重要的角色,无人机集群能够提供虚拟空中基地、智能智慧平台、电子战等一系列功能,充分发挥信息网络的优势。
无人机自组网(UAV Ad Hoc networks,UANET)是实现协同一体化的关键技术,能够将区域内所有无人机获得信息通过无线信道实现信息共享,提高无人机网络***对信息的实时处理能力和对特殊情况的相应能力,同时增强无人机在不同环境下的生存能力。保证无人机之间实时和可靠通信时无人机自组网的其他功能的基础,如何实现高效的通信***是近几年无人机自组网的研究重点。
无人机自组织网络中的拓扑动态变化无人机节点以高速和任意方式在网络中移动,并受到无线信道间的互相干扰、地形和天气等综合因素的影响,无人机之间通过无线信道形成的网络拓扑随时可能发生变化,而且变化的方式和速度都难以预测。完成复杂的任务需要无人机之间组成无人机自组网,即由若干无人机动态形成的、无需借助任何中心站的多条无线移动通信网络。移动Ad Hoc网络(mobile Ad Hoc networks,MANET)是由移动节点自行组成的多跳临时性网络,其无中心和自组织的特性尤其适用于不同环境下的无人机群体协同工作的需求,其中路由技术是核心技术。目前,有很多应用在移动Ad Hoc网络中的路由技术,但并不适合高速移动、拓扑结构快速变化、不断有节点加入或离开的无人机自组网。因此,如何设计适用于无人机自组织网络的高效的路由协议,来实现无线通信链路的实时联通具有重要意义。然而,现有的研究只是考虑了无人机的单一特点情况,并没有解决由于无人机高度动态变化造成的路由频繁断裂的问题;由于单径路由没有充分利用网络的有效信息,增加了不小的路由开销,而且,数据传输无法并行传输,或者在链路断开时无法及时找到一条备份路径,导致网络传输率较低。
发明内容
为解决以上现有技术存在的问题,本发明提出了一种无人机自组网络移动性预测的多径路由协议方法,该方法包括:根据无人机移动路径建立无人机移动节点***模型;根据构建的无人机移动节点***模型采用多径路由算法建立主备份路由,其中主备份路由包括主路径和备份路径;获取待预测节点的信息,将节点信息输入到节点移动性预测模型中,得到该节点的移动性预测结果;根据移动性预测结果执行路由切换。
优选的,采用多径路由算法建立主备份路由的过程包括:在原节点和目的节点之间建立多条可用路由,将其中链路质量最好的路由作为主路由;根据节点的剩余能量利用高斯马尔科夫移动模型预测节点下一时刻的位置,当预测出邻居节点超出通信范围或者链路即将失效时,则提前切换到备份路由。
优选的,将节点信息输入到移动性预测模型中的过程包括:节点的信息包括节点的剩余能量、链路失效时间以及节点的信号强度;
将节点的剩余能量对输入到基于剩余能量的节点移动性预测模型中进行移动性预测;若预测邻居节点的稳定性小于零,则对该邻居节点设置警告值,若预测邻居节点的稳定性大于零,则该邻居节点作为切换路由;
采用高斯马尔科夫移动模型获取两个相邻节点的位置和移动信息,根据相邻节点的位置和移动信息计算两个节点之间的链路失效时间;将两个节点之间的链路失效时间输入到基于链路失效时间的节点移动性预测模型中进行移动性预测;当预测到两个相邻节点的链路失效时间小于等于零时,则对该邻居节点设置警告阈值,否则将该邻居节点作为切换路由;
获取各个节点接收的接收包,并根据接收包探测发包节点的功率大小;根据发包节点的功率大小对该节点进行移动性预测;若预测邻居节点的稳定性小于零,则对该邻居节点设置警告值,若预测邻居节点的稳定性大于零,则该邻居节点作为切换路由。
进一步的,获取节点的剩余能量的过程包括:设置节点的初始能量E0,计算该节点执行一次路由消耗的能量Ei,根据初始能量和消耗的能量计算节点的剩余能量;节点执行一次路由消耗的能量的公式为:
Ei=P1T1+P2T2=P1L1/V1+P2L2/V2
其中,P1表示节点i接收数据功率,T1表示接收数据分组时长,L1表示接收数据分组包长,V1表示数据接收速率,P2表示节点i发送数据功率,T2表示发送数据分组时长,L2表示发送数组分组包长,V2表示数据发送速率。
优选的,计算两个节点之间的链路失效时间的过程包括:采用GPS***获取两个节点m和n的信息,该信息包括节点的坐标、节点移动的平均速度、节点的移动方向以及两个节点的传输半径r;根据两个节点的信息计算链路失效时间。
进一步的,计算链路失效时间公式为:
a=vmcosθm-vncosθn
b=xm-xn
c=vmsinθm-vnsinθn
d=ym-yn
其中,LET表示链路失效时间,a表示节点m和节点n水平方向的平均速度差值,b表示节点m和节点n水平方向的位置距离,c表示节点m和节点n竖直方向的平均速度差值,d表示节点m和节点n竖直方向的位置距离,vm表示节点m移动的平均速度,vn表示节点n移动的平均速度,θm表示节点m的移动方向,θn表示节点n的移动方向,xm表示节点m的横坐标,xn表示节点n的横坐标,ym表示节点m的纵坐标,yn表示节点n的纵坐标。
优选的,根据发包节点的功率大小对该节点进行移动性预测包括:获取当前时刻节点A收到节点B的接收功率和上一时刻节点A收到来自节点B的接收功率根据获取的和计算两节点的相对运动速度VAB,当VAB≥0时,节点A和节点B相互靠近或者保持距离不变,两节点的稳定性较强,否则节点A和节点B相互远离,两节点之间的稳定性较弱。
进一步的,相对运动速度公式为:
优选的,节点执行路由切换包括节点周期性发送包含预测位置信息的HELLO消息和TC包对路由列表中的邻居节点进行检测,当检测得邻居节点的路由警告值为1时,启用备份路由,否则不启用备份路由。
本发明的优点:
本发明提出的无人机自组网移动性预测的多径路由协议方案,不仅考虑了无人机节点的高度动态性、无人机节点的剩余能量(Dump Energy,DE)、信号强度(SignalIntensity,SI)以及链路失效时间(Link Expiration Time,LET),而且考虑了由于路由频繁断裂造成的路由重构的问题,建立备份路由机制可以减少路由重构的时间。
附图说明
图1为本发明的无人机自组网移动性预测多径路由算法流程图;
图2为本发明的链路失效时间计算示意图;
图3为原OLSR路由表结构和改进后的路由表结构的对比图;
图4为本发明的ns-3中无人机节点运动轨迹图;
图5为本发明的节点移动性预测的流程图;
图6为本发明和原OLSR的平局分组传送率对比图;
图7为本发明和原OLSR的平均端到端时延对比图;
图8为本发明和原OLSR的端到端抖动对比图;
图9为本发明和原OLSR的路由开销对比图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
一种无人机自组网络移动性预测的多径路由协议方法,如图1所述,该方法包括:根据无人机移动路径建立无人机移动节点***模型;根据构建的无人机移动节点***模型采用多径路由算法建立主备份路由,其中主备份路由包括主路径和备份路径;获取待预测节点的信息,将节点信息输入到节点移动性预测模型中,得到该节点的移动性预测结果,根据预测结果构建路由列表;根据路由列表节点执行路由切换。
多路径路由协议一般按链路相交性可分为相交多路径和不相交多路径。其中,不相交多路径又可以分为链路不相交多路径和节点不相交多路径。同时,建立好的多条路径也有两种使用方式,即备份路径方式和并行传输方式。本发明提出一种备份路由协议算法,采用的是主备份路径机制。在原有的OLSR协议基础上采用一种内嵌式Dijkstra算法,直接计算出源到目的节点之间n条不相交路径。在本协议中,n=2,选择最小跳数的那条作为主路径,另外一条作为备份路径使用。然后根据移动预测的结果,在主路径即将失效时,自动切换到备份路径,以便减少链路失效时间,增加网络可靠性。
根据构建的无人机移动节点***模型采用多径路由算法建立主备份路由包括:
步骤一:Dijkstra算法解决的是有向图(或者无向图)中任意两个顶点之间的最短路径问题。算法主要的特点是起始点为中心向外层扩展,直到扩展到终点为止。Dijkstra算法是很有代表性的最短路径算法。
在建立备份路由时就是使用了内嵌式Dijkstra算法,即在原有路由协议计算路由表时使用Dijkstra算法的基础上,通过再次嵌入Dijkstra算法来计算多条不相交路径。另外,网路拓扑图中的开销为均为1,即一条距离。
原OLSR协议和改进的路由协议路由表结构如图3所示。改进路由表结构为:R_dest_addr:目的节点地址;R_nest_addr:下一跳节点地址;R_dist:经过目的节点需要的跳数;R_iface_addr:存储到达目的节点的下一跳节点的本地接口地址;R_backup:备份路径的下一跳节点地址;R_backup_dist:备份路径需要多少的跳数;Police[id]:存储下一跳节点的警告值。
路由生成的具体过程包括:
第一步,节点删除路由表中所有表项记录,在源代码中,利用NetworkEmptyForwardingTable(node,BM-OLSR)函数,清空所有的路由条目。
第二步,由节点的一跳邻居表(h=1),生成以下路由表项,加入路由表;
R_dest_addr=1–hop邻居节点地址;
R_next_addr=1–hop邻居节点地址;
R_dist=1;
第三步,由节点的两跳邻居表(h=2)生成以下路由表,并将其加入到路由表;
R_dest_addr=the address of the 2–hop neighbor;
R_next_addr=the R_next_addr of the entry in the routing table with;
R_dest_addr=N_neighbor_addr of the 2–hop tuple;
R_dist=2;
第四步,向路由表中添加距离为(h+1)的目的节点的路由表项,从h=2开始,对于本地节点拓扑表中的每个表项,
if((no entry that R_dest==T_dest in routing table)&&(have exist theentry thar R_dest==T last))
/*如果在路由表中没有任何一跳表项的R_dest_addr等于T_dest_addr,同时在路由表中存在R_dest_addr等于T_last_addr,那么为路由表增加一条新的表项:*/
R_dest_addr=T_dest_addr;
R_next_addr=R_next_addr of the recorded route entry where;
R_dest_addr=T_last_addr;
R_dist=h+1;
第五步,在第四步的基础上:
至此,备份路径则建立完成。每一个无人机节点都可以建立一种完整的路由表,这里所谓的理想情况是每个节点通过HELLO消息和TC控制消息都已经了解全网的拓扑情况。
OLSR路由协议是一种先验式的路由协议,本发明提出的路由协议在备份路由切换时也应该是先验式的,而不是等到检测出路由已经失效或者链路已经断开后才进行备份路由的切换,那样路由重构的时间消耗太长。因此,设立一个定时函数,周期性地检查链路状态,通过移动性预测的结果,进行预防性地切换备份路由。
如图4所示,在ns-3模型中,箭头代表无人机节点移动的轨迹,设置节点3按照箭头的轨迹离开,此时移动预测模型预测到某一时刻节点1传输范围的80%以外,因此预测节点3相对于节点1为不稳定节点,周期性检查定时函数一旦触发,则节点1到节点6的原主路径1->3->5->6,将切换备份路径1->2->4->6为主路径(其他节点暂不考虑)。备份路径切换为主路径后,协议不在寻找新的备份路径,而是当备份路径失效时,协议才重新发起路由寻找过程。
由于无人机载荷的有限性,其携带的电池不可能过大,所以对能量的依赖较高,而OLSR协议的MPR节点,即使没有通信,也要频繁转发TC(topology control)分组,如果一个节点剩余能量已不多,它只能维持自身的飞行,而不能继续发送数据了,如果再被选为MPR节点的话,其能量很快被耗尽,那么整条路由将会发生断裂,这样是不利于无人机自组网的。因此,为保证能量消耗的公平性,在选择MPR节点时应该将节点的剩余能量也考虑进去。
将节点信息输入到节点移动性预测模型中,得到该节点的移动性预测结果包括:节点的信息包括节点的剩余能量、链路失效时间以及节点的信号强度;
将节点的剩余能量对输入到基于剩余能量的节点移动性预测模型中进行移动性预测;若预测邻居节点的稳定性小于零,则对该邻居节点设置警告值,若预测邻居节点的稳定性大于零,则该邻居节点作为切换路由;采用高斯马尔科夫移动模型获取两个相邻节点的位置和移动信息,根据相邻节点的位置和移动信息计算两个节点之间的链路失效时间;将两个节点之间的链路失效时间输入到基于链路失效时间的节点移动性预测模型中进行移动性预测;当预测到两个相邻节点的链路失效时间小于等于零时,则对该邻居节点设置警告阈值,否则将该邻居节点作为切换路由;
获取各个节点接收的接收包,并根据接收包探测发包节点的功率大小;根据发包节点的功率大小对该节点进行移动性预测;若预测邻居节点的稳定性小于零,则对该邻居节点设置警告值,若预测邻居节点的稳定性大于零,则该邻居节点作为切换路由。
节点被选为MPR集时,如果该节点剩余能量不足,即使连接比较大也不应该被选为MPR节点,因此有必要对节点的剩余能量进行度量。设节点i的初始能量为E0,在一次路由消耗的能量为Ei,则节点i当前的剩余能量为:
Er(i)=E0-Ei
式中:E0可以初始设置,Ei可以通过计算得出。
设节点i接收数据功率为P1,发送数据功率为P2;接收数据分组时长为T1,发送数据分组时长为T2;接收数据分组包长为L1,发送数组分组包长为L2;数据接收速率为V1,数据发送速率为V2,则节点i在此路由中消耗的能量为:
Ei=P1T1+P2T2=P1L1/V1+P2L2/V2
其中,P1表示节点i接收数据功率,T1表示接收数据分组时长,L1表示接收数据分组包长,V1表示数据接收速率,P2表示节点i发送数据功率,T2表示发送数据分组时长,L2表示发送数组分组包长,V2表示数据发送速率。
过高斯马尔科夫移动模型,可以预测出邻居节点任意时刻的位置,但是仅靠地理位置信息来选取下一跳的节点并不可靠,无人机节点的高速移动性,使得链路不稳定,容易发生断裂,为此引入链路失效时间LET(Link Expiration Time,LET)来预测无人机链路的稳定性。假设无人机网络中的所有节点都在自由空间传播模型中传输,信号强度仅与传播距离有关,每个节点具有相同的发送信号能力和传播范围,而每个节点使用网络时间协议或者GPS***进行同步。因此,可以考虑在有效传输范围内的两个节点随时保持连接。
GPS***的使用提供节点的位置和移动信息,以计算任意两个节点之间的链路失效时间(LET),如图2所示,两个节点m和n在彼此的传输范围内。(xm,ym)和(xn,yn)分别是节点m和n的坐标。vm和vn是节点m和n的平均速度。θm和θn(0<θm,θn<2π)是节点的移动方向。当两个节点沿其方向的直线移动时,时间t后两个节点之间的传输半径r。如果节点继续移动,其距离将大于传输半径r,则它们之间的传输链路将中断。传输半径可以表示为:
r2=(aLET+b)2+(cLET+d)2
a=vmcosθm-vncosθn
b=xm-xn
c=vmsinθm-vnsinθn
d=ym-yn
其中,LET表示链路失效时间,a表示节点m和节点n水平方向的平均速度差值,b表示节点m和节点n水平方向的位置距离,c表示节点m和节点n竖直方向的平均速度差值,d表示节点m和节点n竖直方向的位置距离,vm表示节点m移动的平均速度,vn表示节点n移动的平均速度,θm表示节点m的移动方向,θn表示节点n的移动方向,xm表示节点m的横坐标,xn表示节点n的横坐标,ym表示节点m的纵坐标,yn表示节点n的纵坐标。
时间t称为两个节点的链路失效时间(LET),可以表示为:
如果vm=vn并且θm=θn,则两个节点的移动速度和方向是一致的,当LET→∞时,则可以判断两个相邻的节点是始终连接在一起的并且趋于稳定;当LET<0时,则两个节点是没有连接的,这两个节点是不稳定的。综上所述,只有当LET>0,两个邻居节点才是趋于稳定的,并且LET越大,节点的稳定性越强。
在无线自组网中,由于节点的移动性,节点与节点之间能通过接收包来探测到发包的节点的功率大小,因为每个节点都有一个唯一标识,收到包的节点能很快得知是谁发的包,这样通过功率大小的变化,我们就可以判断出邻居节点是否远离源节点。若节点A、B互为一条邻居,节点A就可以根据节点B发出包的功率强度得出两节点的相对运动速度,公式如下:
其中,示当前时刻节点A收到节点B的接收功率;表示上一时刻节点A收到来自节点B的接收功率。由上式可以得出,若VAB≥0,说明节点A和节点B相互靠近或者保持距离不变,两节点的稳定性较强;反之,则说明节点A和节点B相互远离,两节点之间的稳定性较弱。
每个节点根据在物理层记录所收到广播包的信号强度、剩余能量、链路失效时间,超出阈值或者剩余能量只能维持飞行以及链路失效时间小于0时则记录为一个警告性police[NodeId],其他节点也同理得出。
节点周期性检测路由表中下一跳路由的police值,根据police值和备份路由的情况,选择是否切换与否。主要工作流程如图5所示。
如图6所示,节点在不同移动速度条件下分组传递率的比较。从图中可以看出,随着节点移动速度的提高,节点运动到事先设定的目的地的时间将变短,因此,在整个仿真时间不变的情况下,节点将更快运行到目的地,从而使网络链路发生断裂的时间也随之变短,***也相对变得稳定。因此,从图6中也可以看出,随着节点移动速度的提高,分组传递率也有所提高。在速度较高时,本发明要比原版的协议要好,这说明节点在高速移动时,本发明所建立的备份路由发挥了作用。
如图7所示,在较轻的负载下,本发明提出的协议需要预测节点的信息,网络拥塞程度要高于原版协议,但当速度变快时,网络拓扑变化加剧,原版协议将产生更多的路由更新信息,而改进协议由于存在备份路由,因此网络拥塞程度相比原协议较轻,端到端时延也降低了。
如图8所示,在网络负载较轻,低速的情况下,原本协议与改进的协议抖动都比较小,在低速时,由于本发明要记录节点的信号强度、节点剩余能量、节点位置信息等,导致效果没有原版的好,但是当移动速度变快后,拓扑变化加快,原版协议由于路由频繁的断裂需要大量的路由重构时延,导致原版协议的抖动相对于改进的协议较高。
如图9所示,随着网络负载的增加,改进协议相对于原版协议的路由开销增加。在节点速度较低的情况下,网络拓扑变化较慢,路由更新分组也相对较小,改进协议的路由开销比原协议高一些。但当网络拓扑变化很快时,原版协议通过不断地更新路由表来维护路由,而改进协议由于拥有备份路由,重新发起路由的次数减少,路由开销有所降低。
本发明对无人机组网移动性预测路由协议进行相关研究。在该发明中,由于无人机节点的高度动态变化、节点能量受限、以及节点通信距离受限等因素造成的通信链路频繁发生断裂的问题。提出了一种基于无人机组网的移动性预测多径OLSR路由协议设计方法,考虑了以上无人机节点的特性以及路由频繁断裂的问题。采用了主备份路由机制,在原路由上再建立一条备份路由,以及加入了三种移动性预测机制,对无人机节点的剩余能量、通信距离、链路生存时间进行预测,根据预测结果进行及时的切换备份路由。仿真结果表明,本文方案具有较低的路由开销以及较好的鲁棒性。
以上所举实施例,对本发明的目的、技术方案和优点进行了进一步的详细说明,所应理解的是,以上所举实施例仅为本发明的优选实施方式而已,并不用以限制本发明,凡在本发明的精神和原则之内对本发明所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种无人机自组网络移动性预测的多径路由协议方法,其特征在于,包括:根据无人机移动路径建立无人机移动节点***模型;根据构建的无人机移动节点***模型采用多径路由算法建立主备份路由,其中主备份路由包括主路径和备份路径;获取待预测节点的信息,将节点信息输入到节点移动性预测模型中,得到该节点的移动性预测结果,根据预测结果执行路由切换。
2.根据权利要求1所述的一种无人机自组网络移动性预测的多径路由协议方法,其特征在于,采用多径路由算法建立主备份路由的过程包括:在原节点和目的节点之间建立多条可用路由,将其中链路质量最好的路由作为主路由;根据节点的剩余能量,利用高斯马尔科夫移动模型预测节点下一时刻的位置,当预测出邻居节点超出通信范围或者链路即将失效时,则提前切换到备份路由。
3.根据权利要求1所述的一种无人机自组网络移动性预测的多径路由协议方法,其特征在于,将节点信息输入到移动性预测模型中的过程包括:节点的信息包括节点的剩余能量、链路失效时间以及节点的信号强度;
将节点的剩余能量对输入到基于剩余能量的节点移动性预测模型中进行移动性预测;若预测邻居节点的稳定性小于零,则对该邻居节点设置警告值,若预测邻居节点的稳定性大于零,则该邻居节点作为切换路由;
采用高斯马尔科夫移动模型获取两个相邻节点的位置和移动信息,根据相邻节点的位置和移动信息计算两个节点之间的链路失效时间;将两个节点之间的链路失效时间输入到基于链路失效时间的节点移动性预测模型中进行移动性预测;当预测到两个相邻节点的链路失效时间小于等于零时,则对该邻居节点设置警告阈值,否则将该邻居节点作为切换路由;
获取各个节点接收的接收包,并根据接收包探测发包节点的功率大小;根据发包节点的功率大小对该节点进行移动性预测;若预测邻居节点的稳定性小于零,则对该邻居节点设置警告值,若预测邻居节点的稳定性大于零,则该邻居节点作为切换路由。
4.根据权利要求3所述的一种无人机自组网络移动性预测的多径路由协议方法,其特征在于,获取节点的剩余能量的过程包括:设置节点的初始能量E0,计算该节点执行一次路由消耗的能量Ei,根据初始能量和消耗的能量计算节点的剩余能量;节点执行一次路由消耗的能量的公式为:
Ei=P1T1+P2T2=P1L1/V1+P2L2/V2
其中,P1表示节点i接收数据功率,T1表示接收数据分组时长,L1表示接收数据分组包长,V1表示数据接收速率,P2表示节点i发送数据功率,T2表示发送数据分组时长,L2表示发送数组分组包长,V2表示数据发送速率。
5.根据权利要求3所述的一种无人机自组网络移动性预测的多径路由协议方法,其特征在于,计算两个节点之间的链路失效时间的过程包括:采用GPS***获取两个节点m和n的信息,该信息包括节点的坐标、节点移动的平均速度、节点的移动方向以及两个节点的传输半径r;根据两个节点的信息计算链路失效时间。
6.根据权利要求5所述的一种无人机自组网络移动性预测的多径路由协议方法,其特征在于,计算链路失效时间公式为:
a=vmcosθm-vncosθn
b=xm-xn
c=vmsinθm-vnsinθn
d=ym-yn
其中,LET表示链路失效时间,a表示节点m和节点n水平方向的平均速度差值,b表示节点m和节点n水平方向的位置距离,c表示节点m和节点n竖直方向的平均速度差值,d表示节点m和节点n竖直方向的位置距离,vm表示节点m移动的平均速度,vn表示节点n移动的平均速度,θm表示节点m的移动方向,θn表示节点n的移动方向,xm表示节点m的横坐标,xn表示节点n的横坐标,ym表示节点m的纵坐标,yn表示节点n的纵坐标。
9.根据权利要求1所述的一种无人机自组网络移动性预测的多径路由协议方法,其特征在于,节点执行路由切换包括节点周期性发送包含预测位置信息的HELLO消息和TC包对路由列表中的邻居节点进行检测,当检测得邻居节点的路由警告值为1时,启用备份路由,否则不启用备份路由。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210137735.3A CN114390631A (zh) | 2022-02-15 | 2022-02-15 | 一种无人机自组网络移动性预测的多径路由协议方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210137735.3A CN114390631A (zh) | 2022-02-15 | 2022-02-15 | 一种无人机自组网络移动性预测的多径路由协议方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114390631A true CN114390631A (zh) | 2022-04-22 |
Family
ID=81206417
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210137735.3A Pending CN114390631A (zh) | 2022-02-15 | 2022-02-15 | 一种无人机自组网络移动性预测的多径路由协议方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114390631A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116709359A (zh) * | 2023-08-01 | 2023-09-05 | 南京邮电大学 | 一种飞行Ad Hoc网络的自适应路由联合预测方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030016655A1 (en) * | 2001-01-29 | 2003-01-23 | Docomo Communications Laboratories Usa, Inc. | Fast dynamic route establishment in wireless, mobile access digital networks using mobility prediction |
US20060165025A1 (en) * | 2005-01-17 | 2006-07-27 | Shubhranshu Singh | Ad-hoc network for routing in consideration of mobility and routing method thereof |
CN101827413A (zh) * | 2009-03-05 | 2010-09-08 | 赵欣 | 基于移动预测的动态多径路由算法 |
CN102802228A (zh) * | 2012-08-23 | 2012-11-28 | 西北工业大学 | 面向链路稳定性的Ad Hoc网络多径路由方法 |
CN108811027A (zh) * | 2018-07-16 | 2018-11-13 | 山东大学 | 软件定义物联网中节点移动性识别应对方法及*** |
CN111565430A (zh) * | 2020-04-11 | 2020-08-21 | 中国海洋大学 | 一种基于预测轨迹的海洋船舶无线网络路由方法 |
US20200382414A1 (en) * | 2019-06-03 | 2020-12-03 | Cisco Technology Inc. | ENSURING BACKUP PATH PERFORMANCE FOR PREDICTIVE ROUTING IN SD-WANs |
CN112822745A (zh) * | 2020-12-31 | 2021-05-18 | 南京航空航天大学 | 一种面向无人机自组网的自适应路由方法 |
-
2022
- 2022-02-15 CN CN202210137735.3A patent/CN114390631A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030016655A1 (en) * | 2001-01-29 | 2003-01-23 | Docomo Communications Laboratories Usa, Inc. | Fast dynamic route establishment in wireless, mobile access digital networks using mobility prediction |
US20060165025A1 (en) * | 2005-01-17 | 2006-07-27 | Shubhranshu Singh | Ad-hoc network for routing in consideration of mobility and routing method thereof |
CN101827413A (zh) * | 2009-03-05 | 2010-09-08 | 赵欣 | 基于移动预测的动态多径路由算法 |
CN102802228A (zh) * | 2012-08-23 | 2012-11-28 | 西北工业大学 | 面向链路稳定性的Ad Hoc网络多径路由方法 |
CN108811027A (zh) * | 2018-07-16 | 2018-11-13 | 山东大学 | 软件定义物联网中节点移动性识别应对方法及*** |
US20200382414A1 (en) * | 2019-06-03 | 2020-12-03 | Cisco Technology Inc. | ENSURING BACKUP PATH PERFORMANCE FOR PREDICTIVE ROUTING IN SD-WANs |
CN111565430A (zh) * | 2020-04-11 | 2020-08-21 | 中国海洋大学 | 一种基于预测轨迹的海洋船舶无线网络路由方法 |
CN112822745A (zh) * | 2020-12-31 | 2021-05-18 | 南京航空航天大学 | 一种面向无人机自组网的自适应路由方法 |
Non-Patent Citations (1)
Title |
---|
WU CHEN: "An optimization multi-path Ad Hoc network routing protocol based on mobility prediction", PROCEEDINGS OF THE 30TH CHINESE CONTROL CONFERENCE, 25 August 2011 (2011-08-25) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116709359A (zh) * | 2023-08-01 | 2023-09-05 | 南京邮电大学 | 一种飞行Ad Hoc网络的自适应路由联合预测方法 |
CN116709359B (zh) * | 2023-08-01 | 2023-10-31 | 南京邮电大学 | 一种飞行Ad Hoc网络的自适应路由联合预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | LEPR: Link stability estimation-based preemptive routing protocol for flying ad hoc networks | |
CN110995599B (zh) | 基于链路生存时间的卫星自组织网络路由抗毁方法 | |
CN110324877A (zh) | 基于伺服骨干网与Vikor多标准决策的中继机器人路由方法 | |
Yang et al. | A stablity routing protocols base on Reverse AODV | |
CN104202724B (zh) | 一种基于地理位置信息的aanet联合路由算法 | |
CN114339936A (zh) | 基于q学习的飞行器自组织网络优化链路状态路由机制 | |
Li et al. | Ad hoc network routing protocol based on location and neighbor sensing | |
CN114390631A (zh) | 一种无人机自组网络移动性预测的多径路由协议方法 | |
KR100955246B1 (ko) | 무선 이동 애드혹 네트워크를 위한 동적 그룹 소스 라우팅방법 | |
Meghanathan | A location prediction-based reactive routing protocol to minimize the number of route discoveries and hop count per path in mobile ad hoc networks | |
Yang et al. | Simulation and analysis of a modified AODV routing protocols | |
Usman et al. | Lifetime improvement through suitable next hop nodes using forwarding angle in FANET | |
Zheng et al. | Research of routing protocols for unmanned aerial vehicle ad hoc network | |
CN112423356B (zh) | 基于能量均衡的无人装备集群aodv路由方法 | |
Peng et al. | An energy-aware random multi-path routing protocol for MANETs | |
CN114449608A (zh) | 一种基于Q-Learning的无人机自组网自适应路由方法 | |
Ahmed et al. | Reliable coverage area based link expiration time (LET) routing metric for mobile ad hoc networks | |
Ali et al. | An efficient link management algorithm for high mobility mesh networks | |
Zadin et al. | Effect of HELLO interval duration on stable routing for mobile ad hoc networks | |
Aldabbagh et al. | Fuzzy logic based enhanced AOMDV with link status classification for efficient multi-path routing in multi-hop wireless networks | |
Bhaskar et al. | Performance analysis of efficient routing protocols to improve quality of service in wireless sensor networks | |
Hassanein et al. | Robust route establishment in high mobility MANETS | |
Ali et al. | Signal strength based link sensing for mobile ad-hoc networks | |
Gulati et al. | Survey of stability based routing protocols in mobile ad-hoc networks | |
Shete et al. | Routing Protocols for Multi-hop Ad Hoc Networks: Operational Challenges and Design Optimizations |
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 |