CN110475205B - 无人机自组网中基于航迹关系的中继选择方法、无人机 - Google Patents

无人机自组网中基于航迹关系的中继选择方法、无人机 Download PDF

Info

Publication number
CN110475205B
CN110475205B CN201910588296.6A CN201910588296A CN110475205B CN 110475205 B CN110475205 B CN 110475205B CN 201910588296 A CN201910588296 A CN 201910588296A CN 110475205 B CN110475205 B CN 110475205B
Authority
CN
China
Prior art keywords
information
unmanned aerial
aerial vehicle
node
relay
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
CN201910588296.6A
Other languages
English (en)
Other versions
CN110475205A (zh
Inventor
蒋毅
张若南
李彬
何亦昕
唐晓
周德云
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.)
Shaanxi Ruiyuan Wutong Intelligent Technology Co ltd
Original Assignee
Northwestern Polytechnical University
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 Northwestern Polytechnical University filed Critical Northwestern Polytechnical University
Priority to CN201910588296.6A priority Critical patent/CN110475205B/zh
Publication of CN110475205A publication Critical patent/CN110475205A/zh
Application granted granted Critical
Publication of CN110475205B publication Critical patent/CN110475205B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/024—Guidance services
    • 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
    • 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
    • H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
    • H04W40/22—Communication route or path selection, e.g. power-based or shortest path routing using selective relaying for reaching a BTS [Base Transceiver Station] or an access point
    • 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

Abstract

本发明属于无人机自组网通信技术领域，公开了一种无人机自组网中基于航迹关系的中继选择方法、无人机，构建一个无人机自组织网络模型，该模型包含一个源节点，G个地面基站节点和N个无人机节点；基于所述无人机自组织网络模型，构建通信节点之间的信息传输方案，并定义航迹信息；基于通信节点之间的信息传输方案以及航迹信息，计算通信节点之间的航迹方向和传递概率；基于通信节点之间的位置关系和传递概率，建立基于航迹关系的中继选择方法；对所述基于航迹关系的中继选择方法和基于相同网络参数的已有机制进行仿真，验证本发明的优越性。本发明在提高信息传输成功率、降低传输时延与路由开销方面与已有机制相比具有更好的性能。

Description

无人机自组网中基于航迹关系的中继选择方法、无人机
技术领域
本发明属于无人机自组网通信技术领域，尤其涉及一种无人机自组网中基于航迹关系的中继选择方法、无人机。
背景技术
目前，最接近的现有技术：无人机自组网(Flying Ad Hoc Networks，FANETs)一种特殊的自组织网络通常由地面站(Ground Station，GS)和天空中的多个无人机(UnmannedAerial Vehicle，UAV)组成。近年来随着传感器、嵌入式系统和GPS等设备的快速发展使无人机自组网能广泛地被应用于军事和民用领域。
由于无人机在空中分布稀疏且飞行速度较快，因此会产生高度动态的网络拓扑。另外，由于无人机上的电源通常非常有限，应避免远距离传输，因为信号强度随着距离的增加呈指数衰减。在扩展FANET中的通信范围时，更优选多跳中继。在过去的几十年中，许多研究人员对MANET和车载Ad Hoc网络(VANET)的路由协议进行了大量研究。但是，由于高度动态的链路和不稳定的无线信道，专门为MANET或VANET设计的机制不能直接应用于FANET。因此，用于FANET中的消息的可靠和功率/频谱有效中继的路由协议是一个重要且具有挑战性的问题。
现有技术一提出了一种基于拓扑结构的无人机自组网路由算法，该算法通过分组传输实现更高的吞吐量，但由于需在传输前获取网络全局路由，在获取全局路由的过程中需要发送大量的ping包，这将导致网络中冗余的数据包量增加，因此该算法的路由开销比较大。现有技术二提出了一种用于无人机自组网的抗干扰路由协议，该算法在网络中存在恶意干扰的情况下有效提高网络性能，但该算法在实际应用过程中，由于无人机的运行内存与存储内存量有限，因此大量的运算会导致网络时延增大、节点死机等情况的产生，所以该算法很难运用在实际的场景中。
综上所述，现有技术存在的问题是：
(1)现有技术一的基于拓扑结构的无人机自组网路由算法由于需在传输前获取网络全局路由，所以路由开销比较大。
(2)现有技术二的用于无人机自组网的抗干扰路由协议算法较为复杂，在实际应用过程中无人机的运行内存与存储内存量有限，很难运用在实际的场景中。
现有技术很难有效应对无人机自组网这种高机动性、节点稀疏带来的通信困难，将导致高时延、高路由开销和低传输成功率的情况发生，因此本发明基于航迹关系自适应选择中继节点可有效缓解当前无人机自组网通信性能较低的问题。
发明内容
针对现有技术存在的问题，本发明提供了一种无人机自组网中基于航迹关系的中继选择方法、无人机。
本发明是这样实现的，一种无人机自组网中基于航迹关系的中继选择方法，所述无人机自组网中基于航迹关系的中继选择方法包括：
第一步，构建一个无人机自组织网络模型，该模型包含一个无人机或基站，G个地面基站节点和N个无人机节点；
第二步，基于无人机自组织网络模型，构建通信节点之间的信息传输方案，并定义航迹信息；
第三步，基于通信节点之间的信息传输方案以及航迹信息，计算通信节点之间的航迹方向和传递概率；
第四步，基于通信节点之间的位置关系和传递概率，建立基于航迹关系的中继选择方法。
进一步，所述第一步的无人机自组织网络包含1+G+N个通信节点，地面基站可与无人机进行信息双向传输，网络中任一节点均可作为中继节点进行选择。
进一步，所述第二步的基于无人机自组织网络模型，构建通信节点之间的信息传输方案，并定义航迹信息具体包括：
(1)采用机会式信息传输方案，采用存储、携带、转发机制进行信息传输：
1)源节点选择无人机作为中继，无人机将信息在本地予以存储，在之后的飞行过程中携带此信息，并将信息转发给合适的通信节点；
2)源节点选择基站作为中继，基站将信息在本地予以存储，并将信息转发给合适的无人机；
(2)每个通信节点都可发送自身产生的航迹信息SI，SI是源节点需转发给其他无人机或基站的信息，信息包含Vector、Position、Source、TTL、Message五部分；
其中，Vector是一个矢量信息，包含无人机的飞行方向与飞行速度两方面信息；Position表示位置信息，通过GPS获取；Source表示SI信息源的信息；TTL表示剩余信息有效时间；Message表示信息的具体内容；
(3)中继节点或目的节点收到SI信息后会给发送SI信息的通信节点发送ACK信息予以回复，该信息包含Vector-A、Position-A、Number三部分；
其中，Vector-A表示回馈信息的通信节点速度矢量；Position-A回馈信息的通信节点位置；Number表示接收过该发布信息的次数。
进一步，所述第三步的基于通信节点之间的信息传输方案以及航迹信息，计算通信节点之间的航迹方向和传递概率具体包括：
(1)计算两通信节点之间的相对飞行方向；
通信节点A需要发送消息，并且通信节点B是通信节点A的邻居节点并且是潜在的目的或中继节点；根据发送的SI信息与回复的ACK信息，计算两通信节点之间的相对飞行方向，计算方式如下：
Figure BDA0002115225770000041
其中，
Figure BDA0002115225770000042
和
Figure BDA0002115225770000043
是通信节点A和B在三维空间中的速度矢量；AVX是
Figure BDA0002115225770000044
在X轴方向的分量，AVY是
Figure BDA0002115225770000045
在Y轴方向的分量，BVX是
Figure BDA0002115225770000046
在X轴方向的分量，BVY是
Figure BDA0002115225770000047
在Y轴方向的分量，ζ是通信节点A和B飞行方向之间的夹角；若两通信节点之间中存在基站，则认为该节点的速度矢量为0；
根据计算结果，如果|ζ|＜π/2则认为通信节点A和B飞行方向相同，若|ζ|≥π/2则认为通信节点A和B飞行方向相反；
(2)计算两无人机与单基站之间的相对飞行方向
无人机自组网中，基站可以是源节点、中继节点或是目的节点；无人机和基站的两种相对状态：朝向基站飞行或背向基站飞行，该方向通过以下计算予以获得；
无人机A为源节点，飞行速度矢量为
Figure BDA0002115225770000048
无人机C为目的节点，飞行速度矢量为
Figure BDA0002115225770000049
是从节点A到GS的距离矢量，
Figure BDA00021152257700000410
是从C到GS的距离矢量，ASY是
Figure BDA00021152257700000411
在X轴方向的分量，ASX是
Figure BDA00021152257700000412
在Y轴方向的分量，CSX是
Figure BDA00021152257700000413
在X轴方向的分量，CSY是
Figure BDA00021152257700000414
在Y轴方向的分量，AVX是
Figure BDA00021152257700000415
在X轴方向的分量，AVY是
Figure BDA00021152257700000416
在Y轴方向的分量，BVX是
Figure BDA00021152257700000417
在X轴方向的分量，BVY是
Figure BDA00021152257700000418
在Y轴方向的分量，α是
Figure BDA00021152257700000419
与
Figure BDA00021152257700000420
之间的矢量夹角，β是
Figure BDA00021152257700000421
和
Figure BDA00021152257700000422
之间的矢量夹角；
α和β可根据下式进行计算，α，β∈(0,π)：
α＝tan-1(ASY/ASX)-tan-1(AVY/AVX)；
β＝tan-1(CSY/CSX)-tan-1(CVY/CVX)；
根据计算结果可得下列4种：
1)如果α＜π/2，则表示源节点飞向基站；
2)如果α≥π/2，则表示源节点背向基站；
3)如果β＜π/2，则表示目的节点飞向基站；
4)如果β≥π/2，则表示目的节点背向基站；
(3)计算各通信节点之间的传递概率
当两通信节点A和B相遇时，传输概率可根据下式进行预测：
Figure BDA0002115225770000051
其中PA,B为预测的通信节点A和B的传输概率，
Figure BDA0002115225770000052
为上一时间单元老化预测的通信节点A和B的传输概率，Pinit为时间单元，若一个时间单元内两通信节点未能相遇，则传输概率会进行下降，下降公式如下：
Figure BDA0002115225770000053
其中，ξ为初始化常数，为[0,1]中任意值；
预测的传递转移概率计算为：
Figure BDA0002115225770000054
其中，PA,C为预测的通信节点A和C的传输概率，
Figure BDA0002115225770000055
为上一时间单元老化预测的通信节点A和C的传输概率，PB,C为预测的通信节点B和C的传输概率，λ为初始化常数，可选为[0,1]中任意值。
进一步，所述第四步的基于通信节点之间的位置关系和传递概率，建立基于航迹关系的中继选择方法具体包括；
(1)|ζ|＜π/2且α≥π/2且β≥π/2，或|ζ|＜π/2且α＜π/2且β≥π/2，选择无人机作为中继节点，源节点发送SI信息给中继无人机，并由中继无人机回复ACK信息给源节点；
(2)|ζ|≥π/2且α＜π/2且β＜π/2，选择基站作为中继节点，源节点发送SI信息给中继基站，并由中继基站回复ACK信息给源节点；
(3)|ζ|＜π/2且α＜π/2且β＜π/2，或|ζ|＜π/2且α≥π/2且β＜π/2，将根据传输概率对中继节点进行选择，选择方案如下：
PGS,B≥PA,B，选择基站作为中继节点，源节点发送SI信息给中继基站，并由中继基站回复ACK信息给源节点；
PGS,B＜PA,B，选择无人机作为中继节点，因此源节点发送SI信息给中继无人机，并由中继无人机回复ACK信息给源节点；
(4)其他情况下，源节点将继续持有SI信息而不进行转发。
本发明的另一目的在于提供一种应用所述无人机自组网中基于航迹关系的中继选择方法的无人机。
综上所述，本发明的优点及积极效果为：本发明利用无人机的航迹关系作为中继选择的依据，在无需获取全局路由的前提下即可自适应的选择中继节点，有效降低了路由开销值，并仅利用一跳洪范信息即可确定传输路径，降低了算法计算的复杂度，这使得该算法用于资源有限的无人机自组网中是可行的。仿真效果图见图4、图5、图6；本发明的有益效果是基于计算通信节点之间的航迹关系来进行多样化的中继选择，该方法可充分利用无人机之间的数据共享和无人机的移动性来提高网络性能，与已有机制相比，可有效提升信息传输的成功率和降低传输时延与路由开销。
附图说明
图1是本发明实施例提供的无人机自组网中基于航迹关系的中继选择方法流程图。
图2是本发明实施例提供的无人机自组网中基于航迹关系的中继选择方法实现流程图。
图3是本发明实施例提供的无人机自组网中基于航迹关系的中继选择方法原理示意图。
图4是本发明实施例提供的与First Contac,Direct Delivery,Epidemic,Sprayand Wait,Prophet和MaxProp算法传输成功率对比图。
图5是本发明实施例提供的与First Contac,Direct Delivery,Epidemic,Sprayand Wait,Prophet和MaxProp算法传输时延对比图。
图6是本发明实施例提供的与First Contac,Direct Delivery,Epidemic,Sprayand Wait,Prophet和MaxProp算法路由开销对比图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
针对现有技术存在的问题，本发明提供了一种无人机自组网中基于航迹关系的中继选择方法、无人机，下面结合附图对本发明作详细的描述。
如图1所示，本发明实施例提供的无人机自组网中基于航迹关系的中继选择方法包括以下步骤：
S101：构建一个无人机自组织网络模型，该模型包含一个源节点(无人机或基站)，G个地面基站节点和N个无人机节点；
S102：基于无人机自组织网络模型，构建通信节点之间的信息传输方案，并定义航迹信息；
S103：基于通信节点之间的信息传输方案以及航迹信息，计算通信节点之间的航迹方向和传递概率；
S104：基于通信节点之间的位置关系和传递概率，建立基于航迹关系的中继选择方法。
下面结合附图对本发明的技术方案做进一步的描述。
本发明实施例提供的无人机自组网中基于航迹关系的中继选择方法具体包括以下步骤：
步骤一：构建一个无人机自组织网络模型，所述无人机自组织网络模型包含一个源节点(无人机或基站)，G个地面基站节点和N个无人机节点；
具体地构建包含1+G+N个通信节点的无人机自组织网络，所述地面基站可与无人机进行信息双向传输，网络中任一节点均可作为中继节点进行选择。
步骤二：基于所述无人机自组织网络模型，构建通信节点之间的信息传输方案，并定义航迹信息；
(1)由于无人机自组网中节点分布稀疏且拓扑结构变化较快，因此在大多数时刻网络中不存在一条确定的传输路径，所以本发明采用机会式信息传输方案。该方案采用“存储-携带-转发”机制进行信息传输，在本发明中具体分以下两种情况：
1)源节点选择无人机作为中继，无人机将信息在本地予以存储，在再之后的飞行过程中携带此信息，并根据本方法将信息转发给合适的通信节点(基站或无人机)。
2)源节点选择基站作为中继，基站将信息在本地予以存储，并根据本方法将信息转发给合适的无人机。
假设基站与基站之间因为相距距离较远，所以不能直接通信。
(2)每个通信节点都可发送自身产生的航迹信息(SI)，SI是源节点需转发给其他无人机或基站的信息，该信息包含Vector、Position、Source、TTL、Message五部分；
其中，Vector是一个矢量信息，包含无人机的飞行方向与飞行速度两方面信息；Position表示位置信息，可通过GPS获取；Source表示SI信息源的信息(源节点信息)；TTL表示剩余信息有效时间；Message表示信息的具体内容；
(3)中继节点或目的节点收到SI信息后会给发送SI信息的通信节点发送ACK信息予以回复，该信息包含Vector-A、Position-A、Number三部分；
其中，Vector-A表示回馈信息的通信节点速度矢量；Position-A回馈信息的通信节点位置；Number表示接收过该发布信息的次数；
步骤三，基于通信节点之间的信息传输方案以及航迹信息，计算通信节点之间的航迹方向和传递概率；
(1)计算两通信节点之间的相对飞行方向；
假设通信节点A需要发送消息，并且通信节点B是通信节点A的邻居节点并且是潜在的目的或中继节点。根据发送的SI信息与回复的ACK信息，可计算两通信节点之间的相对飞行方向，计算方式如下：
Figure BDA0002115225770000091
其中，
Figure BDA0002115225770000092
和
Figure BDA0002115225770000093
是通信节点A和B在三维空间中的速度矢量；AVX是
Figure BDA0002115225770000094
在X轴方向的分量，AVY是
Figure BDA0002115225770000095
在Y轴方向的分量，BVX是
Figure BDA0002115225770000096
在X轴方向的分量，BVY是
Figure BDA0002115225770000097
在Y轴方向的分量，ζ是通信节点A和B飞行方向之间的夹角；若两通信节点之间中存在基站，则认为该节点的速度矢量为0
根据计算结果，如果|ζ|＜π/2则认为通信节点A和B飞行方向相同，若|ζ|≥π/2则认为通信节点A和B飞行方向相反。
(2)计算两无人机与单基站之间的相对飞行方向；
无人机自组网中，基站可以是源节点、中继节点或是目的节点，作为说明性示例，现以基站作为两无人机的中继节点情形为例进行说明；
本发明定义了无人机和基站的两种相对状态：朝向基站飞行或背向基站飞行，该方向可通过以下计算予以获得；
假设无人机A为源节点，飞行速度矢量为
Figure BDA0002115225770000098
无人机C为目的节点，飞行速度矢量为
Figure BDA0002115225770000099
是从节点A到GS的距离矢量，
Figure BDA00021152257700000910
是从C到GS的距离矢量，ASY是
Figure BDA00021152257700000911
在X轴方向的分量，ASX是
Figure BDA00021152257700000912
在Y轴方向的分量，CSX是
Figure BDA00021152257700000913
在X轴方向的分量，CSY是
Figure BDA00021152257700000914
在Y轴方向的分量，AVX是
Figure BDA00021152257700000915
在X轴方向的分量，AVY是
Figure BDA00021152257700000916
在Y轴方向的分量，BVX是
Figure BDA00021152257700000917
在X轴方向的分量，BVY是
Figure BDA00021152257700000918
在Y轴方向的分量，α是
Figure BDA00021152257700000919
与
Figure BDA00021152257700000920
之间的矢量夹角，β是
Figure BDA00021152257700000921
和
Figure BDA00021152257700000922
之间的矢量夹角；
α和β可根据下式进行计算，α，β∈(0,π)：
α＝tan-1(ASY/ASX)-tan-1(AVY/AVX)
β＝tan-1(CSY/CSX)-tan-1(CVY/CVX)
根据计算结果可得下列4种：
1).如果α＜π/2，则表示源节点飞向基站；
2).如果α≥π/2，则表示源节点背向基站；
3).如果β＜π/2，则表示目的节点飞向基站；
4).如果β≥π/2，则表示目的节点背向基站；
(3)计算各通信节点之间的传递概率；
当两通信节点A和B(两无人机或单无人机和单基站)相遇时，传输概率可根据下式进行预测：
Figure BDA0002115225770000101
其中PA,B为预测的通信节点A和B的传输概率，
Figure BDA0002115225770000102
为上一时间单元老化预测的通信节点A和B的传输概率，Pinit为时间单元，若一个时间单元内两通信节点未能相遇，则传输概率会进行下降，下降公式如下：
Figure BDA0002115225770000103
其中，ξ为初始化常数，可选为[0,1]中任意值；
并且如果通信节点A可频繁地遇到通信节点B并且通信节点B也可经常遇到通信节点C，则传输概率可进行传递。因此对于通信节点A而言，通信节点C也是合适的中继通信节点。预测的传递转移概率可计算为：
Figure BDA0002115225770000104
其中，PA,C为预测的通信节点A和C的传输概率，
Figure BDA0002115225770000105
为上一时间单元老化预测的通信节点A和C的传输概率，PB,C为预测的通信节点B和C的传输概率，λ为初始化常数，可选为[0,1]中任意值；
步骤四，基于通信节点之间的位置关系和传递概率，建立基于航迹关系的中继选择方法；
(1)若|ζ|＜π/2且α≥π/2且β≥π/2，或|ζ|＜π/2且α＜π/2且β≥π/2，本发明选择无人机作为中继节点，因此源节点发送SI信息给中继无人机，并由中继无人机回复ACK信息给源节点；
(2)若|ζ|≥π/2且α＜π/2且β＜π/2，本发明选择基站作为中继节点，因此源节点发送SI信息给中继基站，并由中继基站回复ACK信息给源节点；
(3)若|ζ|＜π/2且α＜π/2且β＜π/2，或|ζ|＜π/2且α≥π/2且β＜π/2，将根据传输概率对中继节点进行选择，选择方案如下：
如果PGS,B≥PA,B，选择基站作为中继节点，因此源节点发送SI信息给中继基站，并由中继基站回复ACK信息给源节点；
如果PGS,B＜PA,B，选择无人机作为中继节点，因此源节点发送SI信息给中继无人机，并由中继无人机回复ACK信息给源节点；
(4)其他情况下，源节点将继续持有SI信息而不进行转发；
具体地，基于航迹关系的中继选择方法参见图2。
步骤五，对基于航迹关系的中继选择方法和基于相同网络参数的已有机制进行仿真，验证所述中继选择方法的优越性。
下面结合附图对本发明的技术效果作详细的描述。
已有机制为First Contac,Direct Delivery,Epidemic,Spray and Wait,Prophet和MaxProp算法。使用机会网络环境(ONE)模拟器来进行仿真，仿真时各算法网络参数相同，相同网络参数如表1所示：
表1
Figure BDA0002115225770000111
Figure BDA0002115225770000121
如图4所示，本发明与First Contac,Direct Delivery,Epidemic,Spray andWait,Prophet和MaxProp算法传输成功率对比图。由图4可看出所有算法的传输率随着UAV节点数量的增加而增加，因为无人机节点越多，消息传输的可能性就越大。但FirstContac,Direct Delivery,Epidemic,Spray and Wait,Prophet和MaxProp算法自适应地选择中继节点，因此它们的传输成功率低于本发明。而本发明使用无人机航迹信息可自适应地选择中继节点，因此具有很高的传输成功率。
如图5所示，本发明与First Contac,Direct Delivery,Epidemic,Spray andWait,Prophet和MaxProp算法传输时延对比图。由图5可知当无人机数目高于200且低于400时，本发明传输时延最低。
如图6所示，本发明与First Contac,Direct Delivery,Epidemic,当Spray andWait,Prophet和MaxProp算法路由开销对比图。由图6可知Epidemic和Spray and Wait算法的路由开销随无人机数目增加而迅速增加，这是因为这两种算法均基于洪范策略。本发明与First Contac,Prophet和MaxProp算法路由开销相对比较稳定，并且本发明由于仅利用一跳洪范信息即可确定传输路径，因此路由开销较低。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种无人机自组网中基于航迹关系的中继选择方法，其特征在于，所述无人机自组网中基于航迹关系的中继选择方法包括：
第一步，构建一个无人机自组织网络模型，该模型包含一个无人机或基站，G个地面基站节点GS和N个无人机节点；
第二步，基于无人机自组织网络模型，构建通信节点之间的信息传输方案，并定义航迹信息；
第三步，基于通信节点之间的信息传输方案以及航迹信息，计算通信节点之间的航迹方向和传递概率；
第四步，基于通信节点之间的位置关系和传递概率，建立基于航迹关系的中继选择方法；具体包括；
(1)|ζ|＜π/2且α≥π/2且β≥π/2，或|ζ|＜π/2且α＜π/2且β≥π/2，选择无人机作为中继节点，源节点发送SI信息给中继无人机，并由中继无人机回复ACK信息给源节点；ζ是通信节点A和B飞行方向之间的夹角，α是
Figure FDA0002940680460000011
与
Figure FDA0002940680460000012
之间的矢量夹角，β是
Figure FDA0002940680460000013
和
Figure FDA0002940680460000014
之间的矢量夹角；
Figure FDA0002940680460000015
是通信节点A在三维空间中的速度矢量；飞行速度矢量为
Figure FDA0002940680460000016
Figure FDA0002940680460000017
是从节点A到自组织网络通常由地面站GS的距离矢量，
Figure FDA0002940680460000018
是从C到GS的距离矢量；
(2)|ζ|≥π/2且α＜π/2且β＜π/2，选择基站作为中继节点，源节点发送SI信息给中继基站，并由中继基站回复ACK信息给源节点；
(3)|ζ|＜π/2且α＜π/2且β＜π/2，或|ζ|＜π/2且α≥π/2且β＜π/2，将根据传输概率对中继节点进行选择，选择方案如下：
PGS,B≥PA,B，选择基站作为中继节点，源节点发送SI信息给中继基站，并由中继基站回复ACK信息给源节点；PA,B为预测的通信节点A和B的传输概率；SI是源节点需转发给其他无人机或基站的信息；
PGS,B＜PA,B，选择无人机作为中继节点，因此源节点发送SI信息给中继无人机，并由中继无人机回复ACK信息给源节点；
(4)其他情况下，源节点将继续持有SI信息而不进行转发。
2.如权利要求1所述的无人机自组网中基于航迹关系的中继选择方法，其特征在于，所述第一步的无人机自组织网络包含1+G+N个通信节点，地面基站与无人机进行信息双向传输，网络中任一节点均可作为中继节点进行选择。
3.如权利要求1所述的无人机自组网中基于航迹关系的中继选择方法，其特征在于，所述第二步的基于无人机自组织网络模型，构建通信节点之间的信息传输方案，并定义航迹信息具体包括：
(1)采用机会式信息传输方案，采用存储、携带、转发机制进行信息传输：
1)源节点选择无人机作为中继，无人机将信息在本地予以存储，在之后的飞行过程中携带此信息，并将信息转发给合适的通信节点；
2)源节点选择基站作为中继，基站将信息在本地予以存储，并将信息转发给合适的无人机；
(2)每个通信节点都发送自身产生的航迹信息SI，SI是源节点需转发给其他无人机或基站的信息，信息包含Vector、Position、Source、TTL、Message五部分；
其中，Vector是一个矢量信息，包含无人机的飞行方向与飞行速度两方面信息；Position表示位置信息，通过GPS获取；Source表示SI信息源的信息；TTL表示剩余信息有效时间；Message表示信息的具体内容；
(3)中继节点或目的节点收到SI信息后会给发送SI信息的通信节点发送ACK信息予以回复，该信息包含Vector-A、Position-A、Number三部分；
其中，Vector-A表示回馈信息的通信节点速度矢量；Position-A回馈信息的通信节点位置；Number表示接收过SI信息的次数。
4.如权利要求1所述的无人机自组网中基于航迹关系的中继选择方法，其特征在于，所述第三步的基于通信节点之间的信息传输方案以及航迹信息，计算通信节点之间的航迹方向和传递概率具体包括：
(1)计算两通信节点之间的相对飞行方向；
通信节点A需要发送消息，并且通信节点B是通信节点A的邻居节点并且是潜在的目的或中继节点；根据发送的SI信息与回复的ACK信息，计算两通信节点之间的相对飞行方向，计算方式如下：
Figure FDA0002940680460000031
其中，
Figure FDA0002940680460000032
和
Figure FDA0002940680460000033
是通信节点A和B在三维空间中的速度矢量；AVX是
Figure FDA0002940680460000034
在X轴方向的分量，AVY是
Figure FDA0002940680460000035
在Y轴方向的分量，BVX是
Figure FDA0002940680460000036
在X轴方向的分量，BVY是
Figure FDA0002940680460000037
在Y轴方向的分量，ζ是通信节点A和B飞行方向之间的夹角；若两通信节点之间中存在基站，则认为该节点的速度矢量为0；
根据计算结果，如果|ζ|＜π/2则认为通信节点A和B飞行方向相同，若|ζ|≥π/2则认为通信节点A和B飞行方向相反；
(2)计算两无人机与单基站之间的相对飞行方向
无人机自组网中，基站是源节点、中继节点或是目的节点；无人机和基站的两种相对状态：朝向基站飞行或背向基站飞行，该方向通过以下计算予以获得；
无人机A为源节点，飞行速度矢量为
Figure FDA0002940680460000038
无人机C为目的节点，飞行速度矢量为
Figure FDA0002940680460000039
是从节点A到自组织网络通常由地面站GS的距离矢量，
Figure FDA00029406804600000310
是从C到GS的距离矢量，ASY是
Figure FDA00029406804600000311
在X轴方向的分量，ASX是
Figure FDA00029406804600000312
在Y轴方向的分量，CSX是
Figure FDA00029406804600000313
在X轴方向的分量，CSY是
Figure FDA00029406804600000314
在Y轴方向的分量，AVX是
Figure FDA00029406804600000315
在X轴方向的分量，AVY是
Figure FDA00029406804600000316
在Y轴方向的分量，BVX是
Figure FDA00029406804600000317
在X轴方向的分量，BVY是
Figure FDA00029406804600000318
在Y轴方向的分量，α是
Figure FDA00029406804600000319
与
Figure FDA00029406804600000320
之间的矢量夹角，β是
Figure FDA00029406804600000321
和
Figure FDA00029406804600000322
之间的矢量夹角；
α和β根据下式进行计算，α，β∈(0,π)：
α＝tan-1(ASY/ASX)-tan-1(AVY/AVX)；
β＝tan-1(CSY/CSX)-tan-1(CVY/CVX)；
根据计算结果可得下列4种：
1)如果α＜π/2，则表示源节点飞向基站；
2)如果α≥π/2，则表示源节点背向基站；
3)如果β＜π/2，则表示目的节点飞向基站；
4)如果β≥π/2，则表示目的节点背向基站；
(3)计算各通信节点之间的传递概率
当两通信节点A和B相遇时，传输概率根据下式进行预测：
Figure FDA0002940680460000041
其中PA,B为预测的通信节点A和B的传输概率，
Figure FDA0002940680460000042
为上一时间单元老化预测的通信节点A和B的传输概率，Pinit为时间单元，若一个时间单元内两通信节点未能相遇，则传输概率会进行下降，下降公式如下：
Figure FDA0002940680460000043
其中，ξ为初始化常数，为[0,1]中任意值；
预测的传递转移概率计算为：
Figure FDA0002940680460000044
其中，PA,C为预测的通信节点A和C的传输概率，
Figure FDA0002940680460000045
为上一时间单元老化预测的通信节点A和C的传输概率，PB,C为预测的通信节点B和C的传输概率，λ为初始化常数，选为[0,1]中任意值。
CN201910588296.6A 2019-07-02 2019-07-02 无人机自组网中基于航迹关系的中继选择方法、无人机 Active CN110475205B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910588296.6A CN110475205B (zh) 2019-07-02 2019-07-02 无人机自组网中基于航迹关系的中继选择方法、无人机

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910588296.6A CN110475205B (zh) 2019-07-02 2019-07-02 无人机自组网中基于航迹关系的中继选择方法、无人机

Publications (2)

Publication Number Publication Date
CN110475205A CN110475205A (zh) 2019-11-19
CN110475205B true CN110475205B (zh) 2021-03-23

Family

ID=68507011

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910588296.6A Active CN110475205B (zh) 2019-07-02 2019-07-02 无人机自组网中基于航迹关系的中继选择方法、无人机

Country Status (1)

Country Link
CN (1) CN110475205B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111132075B (zh) * 2019-12-30 2021-08-31 西北工业大学 一种基于状态转移概率空地一体化车联网中继选择方法
CN111181626B (zh) * 2019-12-31 2021-04-30 北京邮电大学 面向无人机自组织网络的数据传输方法及装置
CN111263419B (zh) * 2020-01-17 2021-12-28 西安交通大学 基于无人机的应急场景下立体异构网络的动态路由方法
CN112566254B (zh) * 2020-11-18 2022-07-12 西北工业大学 一种基于非正交多址接入的无人机中继方法、存储介质及设备
CN112578809A (zh) * 2020-11-19 2021-03-30 一飞(海南)科技有限公司 无人机集群通讯拓扑装置、方法、计算机设备、介质及终端
CN113891318A (zh) * 2021-10-07 2022-01-04 桂林理工大学 一种车载网中基于无人机辅助的检测恶意节点方法
CN115276768B (zh) * 2022-07-22 2023-07-28 南京邮电大学 融合干扰缓解与资源分配的无人机时延最小化方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103297343A (zh) * 2013-05-17 2013-09-11 华中科技大学 一种基于延迟容忍网络的路由方法
EP3240205A1 (en) * 2016-04-29 2017-11-01 The Boeing Company System and method for distributed wireless communications
CN108306829A (zh) * 2018-03-15 2018-07-20 北京邮电大学 基于卫星延迟容忍网络混合路由算法
CN109309525A (zh) * 2018-09-26 2019-02-05 中国人民解放军陆军工程大学 一种基于无人机飞行轨迹的分布式传输模式选择方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8149716B2 (en) * 2007-08-20 2012-04-03 Raytheon Bbn Technologies Corp. Systems and methods for adaptive routing in mobile ad-hoc networks and disruption tolerant networks
US10515416B2 (en) * 2014-09-03 2019-12-24 Infatics, Inc. System and methods for hosting missions with unmanned aerial vehicles
EP3316001A1 (en) * 2016-10-25 2018-05-02 Centre National d'Etudes Spatiales Collaborative improvement of a vehicle's positioning

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103297343A (zh) * 2013-05-17 2013-09-11 华中科技大学 一种基于延迟容忍网络的路由方法
EP3240205A1 (en) * 2016-04-29 2017-11-01 The Boeing Company System and method for distributed wireless communications
CN108306829A (zh) * 2018-03-15 2018-07-20 北京邮电大学 基于卫星延迟容忍网络混合路由算法
CN109309525A (zh) * 2018-09-26 2019-02-05 中国人民解放军陆军工程大学 一种基于无人机飞行轨迹的分布式传输模式选择方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
The Energy-efficient UAV-based BS Coverage in;Bin Li;《Sensor Array and Multichannel Signal Processing Workshop》;20180711;全文 *
中继式无人机自组网方案设计;王志广;《兵器装备工程学》;20171231;全文 *
面向无人机集群的数据链中继节点选择方法;肖刚;《舰船电子对抗》;20190630;全文 *

Also Published As

Publication number Publication date
CN110475205A (zh) 2019-11-19

Similar Documents

Publication Publication Date Title
CN110475205B (zh) 无人机自组网中基于航迹关系的中继选择方法、无人机
Khan et al. Flying ad-hoc networks (FANETs): A review of communication architectures, and routing protocols
Zheng et al. Adaptive communication protocols in flying ad hoc network
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
Darehshoorzadeh et al. Underwater sensor networks: A new challenge for opportunistic routing protocols
Yassein et al. Flying ad-hoc networks: Routing protocols, mobility models, issues
El Houda Bahloul et al. A flocking-based on demand routing protocol for unmanned aerial vehicles
Granelli et al. MORA: A movement-based routing algorithm for vehicle ad hoc networks
Toorchi et al. Skeleton-based swarm routing (SSR): Intelligent smooth routing for dynamic UAV networks
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系统
CN112822745A (zh) 一种面向无人机自组网的自适应路由方法
Xu et al. Improving traditional routing protocols for flying ad hoc networks: A survey
Leonov et al. About applying AODV and OLSR routing protocols to relaying network scenario in FANET with mini-UAVs
CN112672398B (zh) 一种基于自适应kalman预测的3D-GPSR路由方法
Waheed et al. Laod: Link aware on demand routing in flying ad-hoc networks
Kim et al. Hello-message transmission-power control for network self-recovery in FANETs
Lee et al. Devising geographic diffusion for drone networks
Ren et al. System design of high speed ad hoc networking with directional antenna
CN115022838A (zh) 基于分层网络架构的网络编码通信方法及装置
Jadeja et al. Performance evaluation of aodv, dsdv and dsr routing protocols using ns-2 simulator
Chitra et al. Bidirectional data dissemination in vehicular ad hoc networks using epidemic spreading model
Kang et al. DETN: delay-efficient tolerant network for Internet of Planet
Abdajbar et al. Link Budget Based Optimised Link State Routing Protocol in Flying Ad-hoc Networks
Ding et al. A ber and 2-hop routing information-based stable geographical routing protocol in manets for multimedia applications

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20220718

Address after: 719000 room 908, Gaoke building, Kaiyuan Avenue, high tech Industrial Park, Yulin City, Shaanxi Province

Patentee after: Shaanxi Ruiyuan Wutong Intelligent Technology Co.,Ltd.

Address before: No. 127, Youyi West Road, Xi'an, Shaanxi 710129

Patentee before: Northwestern Polytechnical University