CN104883676B - 一种多无人机环境下协同安全通信方法 - Google Patents

Abstract

本发明的目的是提供一种可以减小多无人机的通信范围，运算速度快，通信性能高的多无人机环境下协同安全通信方法。经典的人工鱼群算法容易陷入局部最优，后期收敛速度慢，传统OLSR协议不能预测网络中节点的运动趋势，难以适应无人机网络中节点的快速移动。本发明将人工鱼群算法结合无人机动力学模型，将步长和视野调整为自适应，同时引入虚拟洋流，解决算法在实际应用中存在的问题，将无人机网络中的运动信息作为MPR节点选择的参数引入MPLSR协议。

Description

一种多无人机环境下协同安全通信方法

技术领域

本发明属于通信技术领域，特别是涉及一种多无人机环境下协同安全通信方法。

背景技术

所谓的安全通信策略，与传统理解的通信过程的数据加密无关，是在多无人机环境下，无人机数量的增加，会导致无人机间通信信号强度的减弱，因而为了提高通信性能，需要增加信号强度，然而在扩大多无人机通信范围的同时，又会导致信息的泄露，从无人机通信功率、通信半径、无人机动力学方面进行安全通信问题的研究，主要研究相同通信功率的无人机间通过组内拓扑结构的调整来优化通信范围。

无人机已被广泛应用在军事，搜救，勘察等诸多领域。随着技术的发展，多无人机的协同应用越来越受到人们的重视。多无人机在协同目标搜索、目标打击等方面具有单个无人机无可比拟的高效性和实时性。多无人机网络是一个动态性强、拓扑结构变化快速、并且不断会有节点加入或离开的网络，Mobile Ad Hoc网络是比较适合建立多无人机通信的网络。在多无人机协同领域中，当前研究主要集中在多无人机的编队，航路规划，任务分配等。结合无人机动力学进行多无人机安全通信策略的研究还不多见。

在多无人机网络环境中，无人机数量的增加，会导致无人机间通信信号强度的减弱，信号的平均信噪比会降低。因而为了提高通信性能，需要增加信号强度，但是较高的信号强度会造成无人机网络无线覆盖范围增加，即多无人机通信范围的扩大，这样使得整个网络容易遭到窃听，可能会导致数据传输过程中信息的泄露。因此如何在信号强度增加的同时，尽量减小多无人机间的通信范围就成为急需解决的多无人机安全通信问题。在多无人机安全通信问题中，Phillips等依据组密钥管理协议从加密方面来解决多无人机安全通信。本发明不考虑数据的加密问题，从无人机通信功率、通信半径、无人机动力学方面进行安全通信问题的研究，主要研究相同通信功率的无人机间通过组内拓扑结构的调整来保证通信范围达到最小，并达到安全通信目的。

本发明通过改进人工鱼群(IAFS)算法优化多无人机通信范围。人工鱼群算法是浙江大学李晓磊于2001年提出的一种模仿鱼群寻优行为的集群智能优化算法。算法的基本思想如下：假设一片水域，鱼总是能够通过自行觅食或尾随其他鱼类找到食物浓度高的地方。因此，一般水域中食物浓度最大的地方也就是鱼群数目最密集的地方，人工鱼群算法根据这一特点来构造人工鱼来模拟鱼的觅食、聚群和追尾等行为实现寻优。

目前人工鱼群算法已经在组合优化问题、故障诊断、目标搜索等领域得到了广泛的应用。但算法同时存在一些缺点，算法在前期收敛速度较快，但到后期人工鱼聚集在最优状态时由于视野的限制，搜索盲目性比较大，收敛速度较慢，容易陷入局部最优，导致计算量大，而且效率和准确度不够。

本发明运用运动感知链路状态路由(MPLSR)协议来提高多无人机网络通信性能，该协议是对优化链路状态(OLSR)协议的改进。

OLSR协议的核心思想为网络中节点之间通过MPR技术周期性地交换控制信息，并应用分布式计算来建立更新节点的网络拓扑图。被相邻节点选为MPR的节点需要按照一定周期在网络中广播控制信息。在控制信息中包含了将节点选为MPR的邻居节点的信息(称作MPR Selector)，在应用OLSR协议的移动自组织网络中，MPR节点作为路由转发节点，非MPR不参与路由计算。MPR节点可以有效地广播OLSR中的控制信息，而非MPR节点不用转发控制信息。

OLSR协议中的主要技术为多点中继MPR技术，当前OLSR协议的优化主要也就是MPR节点优化选择技术的改进。近些年，OLSR协议的改进和MPR算法的优化已取得了不少的成就。

Mounir等提出了在针对节点运动速度快慢提出的Fast-OLSR协议。该协议将节点的运动状态分为两种快速状态和一般状态，相对应发送的HELLO消息分为Fast-HELLO消息和HELLO消息。在节点运动速度不是太快时，节点处于一般状态，发送HELLO消息；在节点移动速度较快时，节点处于快速状态，发送Fast-HELLO消息，Fast-HELLO消息比HELLO消息要小，发送的频率要比一般状态要快。Fast-OLSR协议在快速移动的自组织网络中能够及时地探测到链路状态的变化，同时大大提高了在节点移动速度过快时发送数据的交付率。但是，当节点移动速度较快时，发送控制消息的频率较高，整个网络的负载也随之增加。Liang等人提出的分层的OLSR协议HOLSR(Hierarchical OLSR)。协议根据Fisheye技术，其思想为以节点自身为标准，离节点越近的节点通信的概率越大，发送TC消息的频率越高，需要维护的成本也越高。协议根据网络中节点与源节点的跳数不同，将网络分成不同的域，根据不同域范围内的节点TC消息设置不同发送周期，距离源节点越近的节点发送频率越高，周期越短。同时为了增加了路由的可达性，采用错误路由补偿算法，但是无法对拓扑变化情况进行动态的预测。张信明等运用遗传算法解决求最小MPR集问题。对遗传算法进行改进，提出新算法，通过仿真实验证明该算法比其他算法在解决最小MPR集问题有较好的收敛性。西南交大的周逊提出SR-MPOLSR(基于源路由的多路径OLSR协议)。利用OLSR中的发送HELLO消息获得网络的拓扑结构图，采用多重Dijkstra算法获取从源节点到目的节点的多路径信息，对多路径采用加权分配的循环调度机制，并采用源路由机制对报文进行选径转发。协议大大调高了负载较重的网络的传输率，降低了端对端的平均时延。

发明内容

本发明为了克服现有技术存在的缺陷，本发明的目的是提供一种可以减小多无人机的通信范围，运算速度快，通信性能高的多无人机环境下协同安全通信方法。

本发明所采用的技术解决方案是一种多无人机环境下协同安全通信方法，包括如下步骤：

步骤1：建立通信模型，改进人工鱼群算法IAFS，降低无人机的通信范围；

步骤2：利用MPLSR协议，运用无人机运动感知信息作为MPR选择时的衡量参数，对MPR搜索算法进行改进。

所述步骤1具体步骤如下：

步骤1.1：设置参数：设定无人机数量n，发射功率P_t，安全距离d，无人机通信频率带宽W，最大试探次数Trynumber，最大迭代次数Iter_times参数；

步骤1.2：初始化无人机：在区域内生成满足安全距离的n架无人机，保存它们各自的位置于X中，迭代次数设置为p_times＝0，寻找最外层三个节点，确定无人机组中心，根据中心节点位置以及最外侧节点的距离计算无人机通信范围s保存于公告板；

步骤1.3：全局聚群：寻找最外层三个节点，确定无人机组中心，找到距离组中心最近的节点，除中心节点外其他节点向着中心节点移动，移动过程根据聚合力自动调整步长，移动节点的邻近节点执行追尾行为，移动过程同时满足安全距离，同时保证满足通信性能；

步骤1.4：无人机通信性能的寻优：计算无人机群通信范围大小，若优于公告板，则取代公告板状态，将执行后的结果存入X_{i next}；

步骤1.5：判断结果：如果连续三次公告板最优值不变或者p_times达到最大迭代次数Iter_times，则输出结果，算法终止；否则p_times自加，转到步骤1.3。

所述步骤2具体步骤如下：

步骤2.1：首先将集合N的节点添加到MPR集合中，所述的N代表一个节点的相邻节点的子集；

步骤2.2：计算N2中的节点相对于本节点的运动位置通信概率，按照传输概率P_i从大到小排序，所述的N2表示从节点可达的两跳邻居节点的集合；

步骤2.3：将集合N中可以到达集合N2的节点集合中的唯一节点加入MPR集合，同时删除集合N2中包含MPR集合节点的节点；

步骤2.4：计算N2中仍未被MPR集合中任何节点所包含、但是通过该相邻节点可达节点的数量；

步骤2.5：从集合N2中选择唯一可达性不为零的节点作为MPR：如果可达性不为零的节点不唯一，则选择可达集合N2中可达性最高的节点；如果有多个节点的可达性相同，则由无人机运动感知信息参数计算这些节点的优先度A_i，选择优先度最高的节点；如果存在优先度A_i相同的节点，则选择集合中节点密度最高的节点，节点密度表示与该节点对称的邻居节点的数量，但不包括N中节点以及正在执行MPR选择的节点；删除集合N2中的已被MPR集合中节点所包含的节点。

步骤2.6：取步骤2.1-步骤2.5计算得到的MPR集合的并集，建立该节点的MPR集合。

与现有技术相比，本发明所具有的有益效果为：在多无人机通信中引入自适应步长、视野以及虚拟洋流概念，提出改进人工鱼群(IAFS)算法，结合无人机空气动力学模型来管理多无人机的移动，减小多无人机的通信范围；设计运动感知链路状态路由(MPLSR)协议来提高网络通信性能，该协议是对优化链路状态路由(OLSR)协议的进一步优化。OLSR协议的核心为MPR节点的选择，MPLSR协议运用无人机运动感知信息作为MPR选择时的衡量参数，对MPR搜索算法进行改进。该方法为多无人机网络提供新型的安全通信方法，具有运算速度快，通信性能高等优点。

附图说明

图1是通过IAFS算法降低无人机的通信范围的流程图；

图2是对MPR搜索算法进行改进的流程图。

具体实施方式

实施例1：

如图1和图2所示，一种多无人机环境下协同安全通信方法，包括如下步骤：

步骤1：建立通信模型，改进人工鱼群算法IAFS，降低无人机的通信范围；

步骤2：利用MPLSR协议，运用无人机运动感知信息作为MPR选择时的衡量参数，对MPR搜索算法进行改进。

所述步骤1具体步骤如下：

步骤1.1：设置参数：设定无人机数量n，发射功率P_t，安全距离d，无人机通信频率带宽W，最大试探次数Trynumber，最大迭代次数Iter_times参数；

步骤1.2：初始化无人机：在区域内生成满足安全距离的n架无人机，保存它们各自的位置于X中，迭代次数设置为p_times＝0，寻找最外层三个节点，确定无人机组中心，根据中心节点位置以及最外侧节点的距离计算无人机通信范围s保存于公告板；

步骤1.3：全局聚群：寻找最外层三个节点，确定无人机组中心，找到距离组中心最近的节点，除中心节点外其他节点向着中心节点移动，移动过程根据聚合力自动调整步长，移动节点的邻近节点执行追尾行为，移动过程同时满足安全距离，同时保证满足通信性能；

步骤1.4：无人机通信性能的寻优：计算无人机群通信范围大小，若优于公告板，则取代公告板状态，将执行后的结果存入X_{i next}；

步骤1.5：判断结果：如果连续三次公告板最优值不变或者p_times达到最大迭代次数Iter_times，则输出结果，算法终止；否则p_times自加，转到步骤1.3。

所述步骤2具体步骤如下：

步骤2.1：首先将集合N的节点添加到MPR集合中，所述的N代表一个节点的相邻节点的子集；

步骤2.2：计算N2中的节点相对于本节点的运动位置通信概率，按照传输概率P_i从大到小排序，所述的N2表示从节点可达的两跳邻居节点的集合；

步骤2.3：将集合N中可以到达集合N2的节点集合中的唯一节点加入MPR集合，同时删除集合N2中包含MPR集合节点的节点；

步骤2.4：判断在集合N2中是否存在还未被MPR集合任意节点包含的节点，如存在，则计算集合N中的各节点可达性(即N2中仍未被MPR集合中任何节点所包含、但是通过该相邻节点可达节点的数量)；

步骤2.5：从集合N2中选择唯一可达性不为零的节点作为MPR：如果可达性不为零的节点不唯一，则选择可达集合N2中可达性最高的节点；如果有多个节点的可达性相同，则由无人机运动感知信息参数计算这些节点的优先度A_i，选择优先度最高的节点；如果存在优先度A_i相同的节点，则选择集合中节点密度最高的节点，节点密度表示与该节点对称的邻居节点的数量，但不包括N中节点以及正在执行MPR选择的节点；删除集合N2中的已被MPR集合中节点所包含的节点。

步骤2.6：取步骤2.1-步骤2.5计算得到的MPR集合的并集，建立该节点的MPR集合。

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等同物界定。

Claims (1)

1.一种多无人机环境下协同安全通信方法，包括如下步骤：

步骤1：建立通信模型，改进人工鱼群算法IAFS，降低无人机的通信范围；

步骤1.1：设置参数：设定无人机数量n，发射功率P_t，安全距离d，无人机通信频率带宽W，最大试探次数Trynumber，最大迭代次数Iter_times参数；

步骤1.2：初始化无人机：在区域内生成满足安全距离的n架无人机，保存它们各自的位置于X中，迭代次数设置为p_times＝0，寻找最外层三个节点，确定无人机组中心，根据中心节点位置以及最外侧节点的距离计算无人机通信范围s保存于公告板；

步骤1.3：全局聚群：根据组中心找到距离组中心最近的节点，除中心节点外其他节点向着中心节点移动，移动过程根据聚合力自动调整步长，移动节点的邻近节点执行追尾行为，移动过程同时满足安全距离，同时保证满足通信性能；

步骤1.4：无人机通信性能的寻优：计算无人机群通信范围大小，若优于公告板，则取代公告板状态，将执行后的结果存入X_inext；

步骤1.5：判断结果：如果连续三次公告板最优值不变或者p_times达到最大迭代次数Itertimes，则输出结果，算法终止；否则p_times自加，转到步骤1.3；

步骤2：利用MPLSR协议，运用无人机运动感知信息作为MPR选择时的衡量参数，对MPR搜索算法进行改进；

步骤2.1：首先将集合N的节点添加到MPR集合中，所述的N代表一个节点的相邻节点的子集；

步骤2.2：计算N2中的节点相对于本节点的运动位置通信概率，按照传输概率Pi从大到小排序，所述的N2表示从节点可达的两跳邻居节点的集合；

步骤2.3：将集合N中可以到达集合N2的节点集合中的唯一节点加入MPR集合，同时删除集合N2中包含MPR集合节点的节点；

步骤2.4：计算N2中仍未被MPR集合中任何节点所包含、但是通过该相邻节点可达节点的数量；

步骤2.5：从集合N2中选择唯一可达性不为零的节点作为MPR：如果可达性不为零的节点不唯一，则选择可达集合N2中可达性最高的节点；如果有多个节点的可达性相同，则由无人机运动感知信息参数计算这些节点的优先度Ai，选择优先度最高的节点；如果存在优先度A_i相同的节点，则选择集合中节点密度最高的节点，节点密度表示与该节点对称的邻居节点的数量，但不包括N中节点以及正在执行MPR选择的节点；删除集合N2中的已被MPR集合中节点所包含的节点；

步骤2.6：取步骤2.1-步骤2.5计算得到的MPR集合的并集，建立该节点的MPR集合。