CN109743790B - 一种高动态移动自组织网络拓扑变化感知方法 - Google Patents

一种高动态移动自组织网络拓扑变化感知方法 Download PDF

Info

Publication number
CN109743790B
CN109743790B CN201910151205.2A CN201910151205A CN109743790B CN 109743790 B CN109743790 B CN 109743790B CN 201910151205 A CN201910151205 A CN 201910151205A CN 109743790 B CN109743790 B CN 109743790B
Authority
CN
China
Prior art keywords
node
neighbor
time
topology change
instantaneous
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.)
Active
Application number
CN201910151205.2A
Other languages
English (en)
Other versions
CN109743790A (zh
Inventor
洪洁
张德海
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
National Space Science Center of CAS
Original Assignee
National Space Science Center of CAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by National Space Science Center of CAS filed Critical National Space Science Center of CAS
Priority to CN201910151205.2A priority Critical patent/CN109743790B/zh
Publication of CN109743790A publication Critical patent/CN109743790A/zh
Application granted granted Critical
Publication of CN109743790B publication Critical patent/CN109743790B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Mobile Radio Communication Systems (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明公开了一种无线移动自组织网络的拓扑变化感知方法，所述方法包括：从节点i的邻居节点中根据节点有效传输范围获取其所有的一跳邻居节点；所述节点i为网络中的任一节点；记录并更新节点i的邻居节点信息列表中所有的一跳邻居节点的信息；基于邻居节点信息列表依次计算节点间的拓扑变化度、节点i与所有邻居的拓扑变化度、全网瞬时拓扑变化度和全网平均拓扑变化度；由此获取网络的节点间的拓扑变化情况。本发明的方法适用于高动态移动自组织网络中复杂任务场景和移动场景，节点在上述复杂场景中能够快速感知周围拓扑变化情况；实现节点对网络局部拓扑变化感知和全网拓扑变化感知。

Description

一种高动态移动自组织网络拓扑变化感知方法
技术领域
本发明涉及移动自组织网络领域，特别涉及一种高动态移动组织网络拓扑变化感知方法。
背景技术
节点移动性和移动模型是移动自组织网络重要的研究分支。移动模型是用来将真实世界中的节点运动方式抽象为数学模型并用以辅助MANET网络研究的有效工具。移动性度量是定义并描述节点移动过程中移动特征的计量标准，分为直接度量和间接度量。目前已提出了一些移动模型和移动度量(参考文献[1]：Radhika Ranjan Roy.(2011).Handbook of Mobile Ad Hoc Networks for Mobility Models.Springer.New YorkDordrecht Heidelberg London)。
高动态移动自组织网络的特殊性在于它的节点移动性高，网络拓扑变化频繁。如何快速感知网络拓扑变化，迅速做出反应并及时调整组网策略和数据分发策略对于高动态MANET网络的性能提升至关重要。链接持久性、路径持久性基于链接持续时间、链接可达度、路径持续时间和路径可达度提出(参考文献[2]：Sanlin Xu,Kim L.Blackmore,and HaleyM.Jones.(2007).An Analysis Framework for Mobility Metrics in Mobile Ad HocNetworks.EURASIP Journal on Wireless Communications and Networking,Volume2007,Article ID 19249.)。空间依赖度、时间依赖度、相对速度等连接性度量也相继提出(参考文献[3]：Fan Bai,Narayanan Sadagopan,Ahmed Helmy.(2003).The IMPORTANTframework for analyzing the Impact of Mobility on Performance Of RouTingprotocols for A d hoc NeTworks.Ad Hoc Networks.1(2003).pp.383–403)。
链接关联性、节点稳定度、节点移动等级分类是针对节点移动速度进行感知(参考文献[4]，Athanasios Bamis,Azzedine Boukerche,Ioannis Chatzigiannakis,SotirisNikoletseas.(2008).A mobility sense protocol synthesis for efficient routingin ad hoc mobile networks.Computer Networks.Volume 52,Issue 1,18January 2008,Pages130-154)。路由稳定度则是基于节点间距离变化提出的移动度量(参考文献[5]：Yunlong Yu,Le Ru,Wensheng Chi,Yaqing Liu,Qiangqiang Yu,Kun Fang.(2016).Antcolony optimization based polymorphism-sense routing algorithm for ad hocUAVnetwork.Multimed Tools Appl(2016)75:14451–14476.)。目前所提出的移动性度量指标都仅限于描述节点移动过程中某个移动特征，并不能准确地反映网络拓扑变化的情况。
发明内容
本发明的目的在于克服现有技术仅关注节点速度或节点间距离等单一因素，定义节点/链路稳定度或可达度，而无法准确感知并定量描述节点与邻居节点间的拓扑变化情况和整个移动自组织网络的拓扑变化情况，从而提供一种更具有普遍实用性且简单的网络拓扑变化感知方法。本发明提出移动自组织网络拓扑变化度的概念，通过拓扑变化感知过程，通过拓扑变化感知度这一移动指标准确及时反映出高动态MANET网络拓扑变化情况，并对节点的不同移动方式做出快速有效辨别和区分，以便为后续处理策略的继续改进提供可靠依据。
为了实现上述目的，本发明提供了一种高动态移动组织网络拓扑变化感知方法，包括：
从节点i的邻居节点中根据节点有效传输范围获取其所有的一跳邻居节点；所述节点i为网络中的任一节点；
记录并更新节点i的邻居节点信息列表中所有的一跳邻居节点的信息；
基于邻居节点信息列表依次计算节点间的拓扑变化度、节点i与所有邻居的拓扑变化度、全网瞬时拓扑变化度和全网平均拓扑变化度；由此获取网络的节点间的拓扑变化情况。
作为上述方法的一种改进，所述从节点的邻居节点中根据节点有效传输范围获取所有的一跳邻居节点，具体为：
获取节点i及其邻居节点j的移动速度和位置：
节点i在t时刻的位置为
Figure BDA0001981599470000021
邻居节点j在t时刻的位置为
Figure BDA0001981599470000022
节点i在时刻的瞬时速度向量为
Figure BDA0001981599470000023
节点j在t时刻的瞬时速度向量为
Figure BDA0001981599470000024
计算节点i与邻居节点j的距离
Figure BDA0001981599470000025
并根据节点有效传输范围判断邻居j是否为节点i的一跳邻居；
节点i与邻居节点j之间的距离
Figure BDA0001981599470000026
为：
Figure BDA0001981599470000031
比较
Figure BDA0001981599470000032
与节点i一跳传输距离dth的关系，由此判断邻居节点j是否属于节点i的一跳邻居节点集合Ni：
Figure BDA0001981599470000033
作为上述方法的一种改进，所述更新节点i的邻居节点信息列表中所有的一跳邻居节点的信息，具体为：
如果邻居节点信息列表中无节点j的任何信息，则添加该节点及其信息至邻居节点列表中；
如果邻居节点信息列表中有节点j的历史记录，则更新节点j的信息；
如果邻居节点信息列表中有节点j的历史感知信息，但是节点j不是一跳邻居节点，则修改节点j在节点i的邻居节点列表中的邻居标识字段。
作为上述方法的一种改进，所述邻居节点信息列表的表项包括：邻居节点序号、感知时刻、邻居新速度、邻居新位置、瞬时新距离、瞬时新相对速度、瞬时新夹角、邻居旧速度、邻居旧位置、瞬时旧距离、瞬时旧相对速度、瞬时旧夹角和邻居存在标志。
作为上述方法的一种改进，所述添加该节点及其信息至邻居节点信息列表中，具体包括：添加邻居节点序号、感知时刻、邻居新速度、邻居新位置、瞬时新距离、瞬时新相对速度和瞬时新夹角；将邻居存在志设置为true；其中：
瞬时新相对速度
Figure BDA0001981599470000034
为t时刻节点i与节点j的速率之差：
t时刻节点i的速率为
Figure BDA0001981599470000035
节点j的速率为
Figure BDA0001981599470000036
则t时刻两节点的相对速率
Figure BDA0001981599470000037
为：
Figure BDA0001981599470000038
瞬时新夹角
Figure BDA0001981599470000039
为t时刻节点i与节点j之间的夹角：
Figure BDA00019815994700000310
作为上述方法的一种改进，所述更新节点j的信息，具体为：在节点j的表项下，更新感知时刻，改邻居新速度为邻居旧速度，改邻居新位置为邻居旧位置，改新瞬时新相对速率为瞬时旧相对速率，改新瞬时新距离为瞬时旧距离，改瞬时新夹角为瞬时旧夹角，添加邻居新速度，添加邻居新位置，计算新瞬时距离，计算新瞬时相对速率，计算新瞬时夹角。
作为上述方法的一种改进，所述计算节点间的拓扑变化度和节点i与所有邻居的拓扑变化度，具体为：
从t时刻到t+T时刻，节点间的扑变化度TCDi，j(t，t+T)为：
Figure BDA0001981599470000041
其中，ω1、ω2和ω3均为权重因子；
Figure BDA0001981599470000042
是节点i与邻居节点j在本次感知时刻t+T与上次感知时刻t的距离差的绝对值与上次感知时刻t的距离的比值，为距离变化度；
Figure BDA0001981599470000043
是节点i与邻居节点j在本次感知时刻与上次感知时刻的角度差的绝对值与2π的比值，为方向变化度；
Figure BDA0001981599470000044
为相对速率变化度，是指节点i与邻居节点j在本次感知时刻t+T的与上次感知时刻t的速率差绝对值与上次感知时刻t的速率的比值；
从t时刻到t+T时刻，节点i与所有邻居的拓扑变化度TCDi，nbrs(t，t+T)为节点与邻居节点j的拓扑变化度的和的平均值：
Figure BDA0001981599470000045
其中，n为节点i的邻居节点数量。
作为上述方法的一种改进，所述计算全网瞬时拓扑变化度，具体为：
从t时刻到t+T时刻，全网瞬时拓扑变化度TCDntwrk(t，t+T)为网络中所有节点与所有邻居的拓扑变化度之和：
Figure BDA0001981599470000046
其中，N为网络中节点的数量。
作为上述方法的一种改进，所述全网平均拓扑变化度为：
Figure BDA0001981599470000047
其中，TCD(s)为s时段内的全网平均拓扑变化度；k为时间段s内感知的次数，s＝[t0，tk]，t0为起始时刻，tk为结束时刻；Tl为第l个感知次数的变化时间：Tl＝tl-tl-1。
作为上述方法的一种改进，所述方法还包括：根据全网瞬时拓扑变化度TCDntwrk(t，t+T)，确定全网的节点移动方式：当全网瞬时拓扑变化度TCDntwrk(t，t+T)在某个移动模型的门限阈值之内时，判断节点的移动方式为该移动模型。
本发明的优点在于：
1、本发明的方法设计的网络拓扑变化度通过多个测量值多角度反映节点i与邻居节点间的局部拓扑变化和网络瞬时全局拓扑变化情况；与仅基于速度变化的移动感知方法相比，拓扑变化度对拓扑变化的描述更准确；仿真结果表明，所述的全网平均拓扑变化度能有效区分随机路点移动模型、不同群组数的参考点群组移动模型和追踪移动模型等若干种不同的节点移动方式，能够为自适应路由协议改进和整个网络性能的提升提供可靠依据和有效方法；
2、本发明的方法适用于高动态移动自组织网络中复杂任务场景和移动场景，节点在上述复杂场景中能够快速感知周围拓扑变化情况；
3、本发明方法可以实现节点对网络局部拓扑变化感知和全网拓扑变化感知；
4、本发明方法可以实现多种移动模型的区分。
附图说明
图1是本发明的自组织网络拓扑变化感知方法计算流程图；
图2是本发明的高动态移动组织网络拓扑变化感知方法的完整流程图；
图3是本发明的方法在不同移动方式和不同移动速度下的全网瞬时拓扑变化度比较示意图；
图4是本发明的方法区分几种不同移动方式的结果示意图。
具体实施方式
现结合附图对本发明作进一步的描述。
本发明提供一种用于高动态移动自组织网络的拓扑变化感知方法，包括：在感知时刻t计算网内节点i与一跳邻居节点j间的距离变化度、移动方向变化度和相对速率变化度；以上述三个参量为基础，分别定义出网内移动节点i与其一跳邻居节点j间的拓扑变化度、节点i与其一跳内所有邻居节点间的拓扑变化度、感知时刻t全网瞬时拓扑变化度以及网络生存时段内全网平均拓扑变化度。
如图1所示，本发明提出了一种高动态移动自组织网络拓扑变化感知方法，包括以下步骤：
S01：在时刻t得到每个节点及其邻居节点位置、速度和方向；
S02：判断节点i与节点j是否为一跳内邻居；
S03：对于一跳内邻居，根据邻居节点列表内容选择处理方式；
S04：计算节点间拓扑变化度、节点与邻居间拓扑变化度和全网瞬时拓扑变化度；在t+T时刻(在本实例中，T＝100s)，重复上述步骤，再次计算全网瞬时拓扑变化度。
如图2所示，所述方法具体包括：
步骤S01、获取节点i及其邻居节点的移动速度和位置。这两个参数既可以通过位置辅助设备获得(准确度高)，也可以通过多普勒频移测算(准确度低)；
获取节点i在t时刻的位置信息
Figure BDA0001981599470000061
邻居节点j在t时刻的位置信息
Figure BDA0001981599470000062
节点i在时刻的瞬时速度向量
Figure BDA0001981599470000063
节点j在t时刻的瞬时速度向量
Figure BDA0001981599470000064
步骤S02、根据步骤S01的结果，计算本节点与邻居节点的距离
Figure BDA0001981599470000065
并根据节点有效传输范围判断邻居j是否为本节点i的一跳邻居；
计算节点i与节点j之间的距离
Figure BDA0001981599470000066
通过比较
Figure BDA0001981599470000067
与节点i一跳传输距离dth的关系再次判断节点j是否为节点i的一跳内邻居节点；
所述t时刻节点i与节点j之间的距离
Figure BDA0001981599470000068
的表达式为：
Figure BDA0001981599470000069
所述比较
Figure BDA00019815994700000610
与节点i一跳传输距离dth的关系，判断节点j是否属于节点i的邻居节点集合Ni，其判断依据为：
Figure BDA00019815994700000611
步骤S03、如果节点j不是节点i的一跳邻居，则丢弃节点j当前位置和速度信息；如果节点j是节点i的一跳邻居节点，则根据节点i的邻居节点列表内容判断对于节点j信息的处理方式；
网内的每个节点维护一张邻居节点信息列表，根据邻居节点信息列表中的历史记录情况对邻居节点j的信息进行处理。有三种情况：第一种，邻居节点信息列表中无节点j的任何信息，则需要添加该节点及其信息至邻居节点信息列表中；第二种，邻居节点信息列表中有节点j的历史记录，则更新节点j的信息；第三种，邻居节点信息列表中有节点j的历史感知信息，但是本次感知过程中并未获取到节点j的任何位置和速度信息，节点j有可能离开网络，也有可能只是暂时移动至节点i的有效传输范围以外，这种情况下仅修改节点j在节点i的邻居节点列表中的邻居标识字段。
所述的节点邻居信息列表，其表项为：
表项
邻居节点序号
感知时刻
邻居新速度
邻居新位置
瞬时新距离
瞬时新相对速度
瞬时新夹角
邻居旧速度
邻居旧位置
瞬时旧距离
瞬时旧相对速度
瞬时旧夹角
邻居存在标志
拓扑变化度
所述邻居节点信息列表中记录信息的第一种情况为：
邻居节点信息列表中没有节点j的任何历史信息，则需要向邻居节点信息列表添加新邻居。具体包括：添加邻居序号、刷新感知时间、添加邻居新速度、添加邻居新位置、计算瞬时新距离、计算相对新速度、计算瞬时新夹角、将邻居存在标志设为true，其余表项暂时为空。
所述相对速率
Figure BDA0001981599470000071
为某时刻节点i与节点j的速率之差，具体定义为：
若
Figure BDA0001981599470000072
为节点i在t时刻的速度向量，
Figure BDA0001981599470000073
为节点j在t时刻的速度向量，t时刻节点i的速率为
Figure BDA0001981599470000074
节点j的速率为
Figure BDA0001981599470000075
则t时刻两节点的相对速率
Figure BDA0001981599470000076
为：
Figure BDA0001981599470000077
所述在t时刻节点i与节点j之间的夹角
Figure BDA0001981599470000081
体现了两节点间运动方向的差异，具体定义为：
若
Figure BDA0001981599470000082
为节点i在t时刻的速度向量，
Figure BDA0001981599470000083
为节点j在t时刻的速度向量，则t时刻两节点间夹角为：
Figure BDA0001981599470000084
步骤S04、对所有符合计算条件的邻居节点，计算节点间的拓扑变化度、节点i与所有邻居的拓扑变化度、全网瞬时拓扑变化度和全网平均拓扑变化度；
对于步骤S043中的邻居列表中有节点j的历史感知信息的情形，需要更新邻居节点信息列表中节点j的信息，具体步骤为：
在节点j的表项下，刷新感知时间，改邻居新速度为旧速度，改邻居新位置为旧位置，改新瞬时相对速率为旧瞬时相对速率，改新瞬时距离为旧瞬时距离，改新夹角为旧夹角，添加邻居新速度，添加邻居新位置，计算新瞬时距离，计算新瞬时相对速率，计算新瞬时方向，计算本感知时刻下两节点间的拓扑变化度值。
首先根据节点i与某一跳邻居节点j在t时刻和(t+T)的距离变化度、方向变化度和速率变化度的线性加权和计算出两节点间的瞬时拓扑变化度；
节点间的瞬时拓扑变化度是一个非负数值，它的大小反映出节点间在t与(t+T)时刻间的距离、方向和速率变化的情况。如果节点间的瞬时拓扑变化度为0，则表示两节点在T时间段内的运动速度、运动方向和移动距离无变化，二者的运动状态完全一致，因此二者之间的拓扑未发生变化。如果大于0，就说明两节点间的运动状态发生了变化，从而导致拓扑状态也发生了变化。这个变化有可能是距离变化引起，也有可能是速率变化或是方向变化引起，或者是由多个因素共同引起。
再使用此方法计算出节点i与其所有一跳邻居节点间的瞬时拓扑变化度；
再依据上述方法计算出网络中每个节点与其一跳邻居节点间的瞬时拓扑变化度，去重，最终得到全网瞬时拓扑变化度。
同样，节点与其所有一跳邻居节点间的瞬时拓扑变化度反映出多个节点间的拓扑变化情况。由于它是节点与所有一跳邻居节点间的拓扑变化度之和，因此它还能反映出节点间邻居数目变化的情况。
全网瞬时拓扑变化度的数值大小则反映出整个网络的节点间的拓扑变化情况。
从t时刻到t+T时刻，节点间的扑变化度TCDi，j(t，t+T)为：
Figure BDA0001981599470000091
其中，ω1、ω2和ω3均为权重因子；
Figure BDA0001981599470000092
是节点i与邻居节点j在本次感知时刻t+T与上次感知时刻t的距离差的绝对值与上次感知时刻t的距离的比值，为距离变化度；
Figure BDA0001981599470000093
是节点i与邻居节点j在本次感知时刻与上次感知时刻的角度差的绝对值与2π的比值，为方向变化度；
Figure BDA0001981599470000094
为相对速率变化度，是指节点i与邻居节点j在本次感知时刻t+T的与上次感知时刻t的速率差绝对值与上次感知时刻t的速率的比值；
从t时刻到t+T时刻，节点i与所有邻居的拓扑变化度TCDi，nbrs(t，t+T)为节点与邻居节点j的拓扑变化度的和的平均值：
Figure BDA0001981599470000095
其中，n为节点i的邻居节点数量。
从t时刻到t+T时刻，全网瞬时拓扑变化度TCDntwrk(t，t+T)为网络中所有节点与所有邻居的拓扑变化度之和：
Figure BDA0001981599470000096
其中，N为网络中节点的数量。
根据全网瞬时拓扑变化度TCDntwrk(t，t+T)，确定全网的节点移动方式：当全网瞬时拓扑变化度TCDntwrk(t，t+T)在某个移动模型的门限阈值之内时，判断节点的移动方式为该移动模型。
时间段s内全网平均拓扑变化度TCD(s)为k个感知次数的全网瞬时拓扑变化度的平均值：所述全网平均拓扑变化度为：
Figure BDA0001981599470000097
其中，TCD(s)为s时段内的全网平均拓扑变化度；k为时间段s内感知的次数，s＝[t0，tk]，t0为起始时刻，tk为结束时刻；Tl为第l个感知次数的变化时间：Tl＝tl-Tl-1。
仿真实例按照如下参数设置。仿真区域为2000m*2000m，节点数目为50，仿真时间为950s，感知间隔为100s，即感知时刻分别为100s、200s、300s、400s、500s、600s、700s、800s、900s。节点分别以随机路点移动模型、参考点群组移动模型(组数分别为50,25,10,5,2)和追踪模型。节点在每种移动模型中的移动速度分别为：20m/s、50m/s、80m/s、100m/s、200m/s、300m/s、500m/s、700m/s、800m/s、900m/s、1000m/s、1200m/s、1500m/s、2000m/s、2700m/s。图3是每种移动方式下，每种移动速度下全网瞬时拓扑变化度的比较。图4是在图3结果的基础上，计算出每种移动方式下全网平均拓扑变化度的值。由实验结果可以看出，每种移动方式下的平均拓扑变化度的值是不同的。可见拓扑变化度可以区分出不同的移动方式。
最后所应说明的是，以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方案进行修改或者等同替换，都不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (4)

1.一种无线移动自组织网络的拓扑变化感知方法，所述方法包括：
从节点i的邻居节点中根据节点有效传输范围获取其所有的一跳邻居节点；所述节点i为网络中的任一节点；
记录并更新节点i的邻居节点信息列表中所有的一跳邻居节点的信息；
基于邻居节点信息列表依次计算节点间的拓扑变化度、节点i与所有邻居的拓扑变化度、全网瞬时拓扑变化度和全网平均拓扑变化度；由此获取网络的节点间的拓扑变化情况；
所述从节点的邻居节点中根据节点有效传输范围获取所有的一跳邻居节点，具体为：
获取节点i及其邻居节点j的移动速度和位置：
节点i在t时刻的位置为
Figure FDA0003261197540000011
邻居节点j在t时刻的位置为
Figure FDA0003261197540000012
节点i在时刻的瞬时速度向量为
Figure FDA0003261197540000013
节点j在t时刻的瞬时速度向量为
Figure FDA0003261197540000014
计算节点i与邻居节点j的距离
Figure FDA0003261197540000015
并根据节点有效传输范围判断邻居j是否为节点i的一跳邻居；
节点i与邻居节点j之间的距离
Figure FDA0003261197540000016
为：
Figure FDA0003261197540000017
比较
Figure FDA0003261197540000018
与节点i一跳传输距离dth的关系，由此判断邻居节点j是否属于节点i的一跳邻居节点集合Ni：
Figure FDA0003261197540000019
所述更新节点i的邻居节点信息列表中所有的一跳邻居节点的信息，具体为：
如果邻居节点信息列表中无节点j的任何信息，则添加该节点及其信息至邻居节点列表中；
如果邻居节点信息列表中有节点j的历史记录，则更新节点j的信息；
如果邻居节点信息列表中有节点j的历史感知信息，但是节点j不是一跳邻居节点，则修改节点j在节点i的邻居节点列表中的邻居标识字段；
所述计算节点间的拓扑变化度和节点i与所有邻居的拓扑变化度，具体为：
从t时刻到t+T时刻，节点间的扑变化度TCDi,j(t,t+T)为：
Figure FDA0003261197540000021
其中，ω1、ω2和ω3均为权重因子；
Figure FDA0003261197540000022
是节点i与邻居节点j在本次感知时刻t+T与上次感知时刻t的距离差的绝对值与上次感知时刻t的距离的比值，为距离变化度；
Figure FDA0003261197540000023
是节点i与邻居节点j在本次感知时刻与上次感知时刻的角度差的绝对值与2π的比值，为方向变化度；
Figure FDA0003261197540000024
为相对速率变化度，是指节点i与邻居节点j在本次感知时刻t+T的与上次感知时刻t的速率差绝对值与上次感知时刻t的速率的比值；
从t时刻到t+T时刻，节点i与所有邻居的拓扑变化度TCDi,nbrs(t,t+T)为节点与邻居节点j的拓扑变化度的和的平均值：
Figure FDA0003261197540000025
其中，n为节点i的邻居节点数量；
所述计算全网瞬时拓扑变化度，具体为：
从t时刻到t+T时刻，全网瞬时拓扑变化度TCDntwrk(t,t+T)为网络中所有节点与所有邻居的拓扑变化度之和：
Figure FDA0003261197540000026
其中，N为网络中节点的数量；
所述全网平均拓扑变化度为：
Figure FDA0003261197540000027
其中，TCD(s)为s时段内的全网平均拓扑变化度；k为时间段s内感知的次数，s＝[t0,tk]，t0为起始时刻，tk为结束时刻；Tl为第l个感知次数的变化时间：Tl＝tl-tl-1；
当全网瞬时拓扑变化度TCDntwrk(t,t+T)在某个移动模型的门限阈值之内时，判断节点的移动方式为该移动模型。
2.根据权利要求1所述的无线移动自组织网络拓扑变化感知方法，其特征在于，所述邻居节点信息列表的表项包括：邻居节点序号、感知时刻、邻居新速度、邻居新位置、瞬时新距离、瞬时新相对速度、瞬时新夹角、邻居旧速度、邻居旧位置、瞬时旧距离、瞬时旧相对速度、瞬时旧夹角和邻居存在标志。
3.根据权利要求1所述的无线移动自组织网络拓扑变化感知方法，其特征在于，所述添加该节点及其信息至邻居节点信息列表中，具体包括：添加邻居节点序号、感知时刻、邻居新速度、邻居新位置、瞬时新距离、瞬时新相对速度和瞬时新夹角；将邻居存在志设置为true；其中：
瞬时新相对速度
Figure FDA0003261197540000031
为t时刻节点i与节点j的速率之差：
t时刻节点i的速率为
Figure FDA0003261197540000032
节点j的速率为
Figure FDA0003261197540000033
则t时刻两节点的相对速率
Figure FDA0003261197540000034
为：
Figure FDA0003261197540000035
瞬时新夹角
Figure FDA0003261197540000036
为t时刻节点i与节点j之间的夹角：
Figure FDA0003261197540000037
4.根据权利要求1所述的无线移动自组织网络拓扑变化感知方法，其特征在于，所述更新节点j的信息，具体为：在节点j的表项下，更新感知时刻，改邻居新速度为邻居旧速度，改邻居新位置为邻居旧位置，改新瞬时新相对速率为瞬时旧相对速率，改新瞬时新距离为瞬时旧距离，改瞬时新夹角为瞬时旧夹角，添加邻居新速度，添加邻居新位置，计算新瞬时距离，计算新瞬时相对速率，计算新瞬时夹角。
CN201910151205.2A 2019-02-28 2019-02-28 一种高动态移动自组织网络拓扑变化感知方法 Active CN109743790B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910151205.2A CN109743790B (zh) 2019-02-28 2019-02-28 一种高动态移动自组织网络拓扑变化感知方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910151205.2A CN109743790B (zh) 2019-02-28 2019-02-28 一种高动态移动自组织网络拓扑变化感知方法

Publications (2)

Publication Number Publication Date
CN109743790A CN109743790A (zh) 2019-05-10
CN109743790B true CN109743790B (zh) 2021-12-07

Family

ID=66368813

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910151205.2A Active CN109743790B (zh) 2019-02-28 2019-02-28 一种高动态移动自组织网络拓扑变化感知方法

Country Status (1)

Country Link
CN (1) CN109743790B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110717511A (zh) * 2019-09-04 2020-01-21 中国科学院国家空间科学中心 一种移动自组织网络节点移动方式分类方法
CN111107604B (zh) * 2019-11-05 2022-05-24 合肥工业大学 无人平台信息感知网络的快速优化方法和装置
CN118233985A (zh) * 2022-12-19 2024-06-21 中兴通讯股份有限公司 一种通信节点的数据传输方法及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101621450A (zh) * 2008-06-30 2010-01-06 华为技术有限公司 Mesh网络中的集中式拓扑控制及功率调整的方法、装置
CN106686685A (zh) * 2016-12-21 2017-05-17 中国电子科技集团公司第三十研究所 多跳移动无线自组织网络拓扑快速发现方法
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

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8718055B2 (en) * 2012-01-25 2014-05-06 Cisco Technology, Inc. Fast-tracking approach for building routing topologies in fast-moving networks

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101621450A (zh) * 2008-06-30 2010-01-06 华为技术有限公司 Mesh网络中的集中式拓扑控制及功率调整的方法、装置
CN106686685A (zh) * 2016-12-21 2017-05-17 中国电子科技集团公司第三十研究所 多跳移动无线自组织网络拓扑快速发现方法
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

Also Published As

Publication number Publication date
CN109743790A (zh) 2019-05-10

Similar Documents

Publication Publication Date Title
CN109743790B (zh) 一种高动态移动自组织网络拓扑变化感知方法
CN109787902B (zh) 一种移动自组织网络自适应路由协议的选择方法
Farheen et al. Improved routing in MANET with optimized multi path routing fine tuned with hybrid modeling
CN107396374B (zh) 一种基于虚拟力和泰森多边形的覆盖方法
Younes et al. Analysis of the expected number of hops in mobile ad hoc networks with random waypoint mobility
CN109284855B (zh) 基于城市场景中车联网时空数据分析的车辆节点之间连通强度的预测度量模型
CN113163466B (zh) 基于模糊决策树的自适应鱼群寻路包路由方法
Maakar et al. Performance evaluation of AODV and DSR routing protocols for flying ad hoc network using highway mobility model
Montoya et al. Energy-Efficient and Delay Sensitive Routing Paths Using Mobility Prediction in Mobile WSN: Mathematical Optimization, Markov Chains, and Deep Learning Approaches
Appiah Performance comparison of mobility models in Mobile Ad Hoc Network (MANET)
Palani et al. Mobility prediction in mobile ad hoc networks using eye of coverage approach
Geng et al. A comparative study of mobility models in the performance evaluation of MCL
CN105959912B (zh) 基于改进离散差分算法的汇聚节点定位方法
CN104703195B (zh) 一种移动自组网路由节点行为预测方法
Panda et al. Obstacle and mobility aware optimal routing for manet
CN116567867A (zh) 基于位置和速度预测信息的fanet组网方法及系统
CN103237363B (zh) 基于模糊移动尺度的认知无线电Ad Hoc网络分簇方法
Prasannavenkatesan et al. FMPM: Futuristic mobility prediction model for mobile adhoc networks using auto-regressive integrated moving average
Hong et al. Topology Change Degree: a Mobility Metric Describing Topology Changes in MANETs and Distinguishing Different Mobility Patterns.
Christakos Sensor networks applied to the problem of building evacuation: An evaluation in simulation
CN115802314A (zh) C-v2x环境下车载自组织网络动态路由方法及装置
Mohammad et al. Analysis and modeling of network connectivity in routing protocols for MANETs and VANETs
Panda et al. A novel energy efficient obstacle aware routing algorithm for MANET
CN113099469B (zh) 一种针对异构网感知态势的缺陷空洞检测与修补方法
Gu et al. Mobility identification and clustering in sparse mobile networks

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