CN112822752A - 一种无人机自组织网络的路由建立方法及系统 - Google Patents

一种无人机自组织网络的路由建立方法及系统 Download PDF

Info

Publication number
CN112822752A
CN112822752A CN202110019348.5A CN202110019348A CN112822752A CN 112822752 A CN112822752 A CN 112822752A CN 202110019348 A CN202110019348 A CN 202110019348A CN 112822752 A CN112822752 A CN 112822752A
Authority
CN
China
Prior art keywords
node
cluster
network
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
Application number
CN202110019348.5A
Other languages
English (en)
Other versions
CN112822752B (zh
Inventor
郭晶晶
高华敏
马建峰
刘志全
李兴华
魏旭亮
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.)
Xidian University
Original Assignee
Xidian 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 Xidian University filed Critical Xidian University
Priority to CN202110019348.5A priority Critical patent/CN112822752B/zh
Publication of CN112822752A publication Critical patent/CN112822752A/zh
Application granted granted Critical
Publication of CN112822752B publication Critical patent/CN112822752B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W40/00—Communication routing or communication path finding
    • H04W40/24—Connectivity information management, e.g. connectivity discovery or connectivity update
    • H04W40/32—Connectivity information management, e.g. connectivity discovery or connectivity update for defining a routing cluster membership
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/14—Relay systems
    • H04B7/15—Active relay systems
    • H04B7/185—Space-based or airborne stations; Stations for satellite systems
    • H04B7/18502—Airborne stations
    • H04B7/18506—Communications with or from aircraft, i.e. aeronautical mobile service
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L45/00—Routing or path finding of packets in data switching networks
    • H04L45/02—Topology update or discovery
    • H04L45/026—Details of "hello" or keep-alive messages
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L45/00—Routing or path finding of packets in data switching networks
    • H04L45/02—Topology update or discovery
    • H04L45/08—Learning-based routing, e.g. using neural networks or artificial intelligence
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L45/00—Routing or path finding of packets in data switching networks
    • H04L45/46—Cluster building
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/02—Hierarchically pre-organised networks, e.g. paging networks, cellular networks, WLAN [Wireless Local Area Network] or WLL [Wireless Local Loop]
    • H04W84/04—Large scale networks; Deep hierarchical networks
    • H04W84/06—Airborne or Satellite 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)
  • Physics & Mathematics (AREA)
  • Astronomy & Astrophysics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

一种无人机自组织网络的路由建立方法及系统，路由建立方法包括以下步骤：预定义默认分簇策略，基于默认分簇策略进行网络分簇，得到初始网络簇结构；基于强化学习设计无人机自组织网络的路由动态调整模型；对各网络节点设置基于网络拓扑稳定性的惩罚函数，各网络节点反馈惩罚函数的输出，根据反馈信息动态更新路由动态调整模型，并选取最优分簇策略提供给各网络节点；获取稳定的基于分簇的簇结构，建立各网络节点的路由。本发明能够针对无人机网络运行阶段网络状态的动态变化自适应的调整分簇策略，从而延长网络的生命周期，并提高网络拓扑的稳定性以及节点间的路由稳定性，降低了通信时延。

Description

一种无人机自组织网络的路由建立方法及系统
技术领域
本发明属于电子信息领域，具体涉及一种无人机自组织网络的路由建立方法及系统。
背景技术
无人机自组织网络(Unmanned Ad-hoc Vehical Network)是一种应用自组织网络(Mobile Ad-hoc Networks,MANETs)技术的无人机网络，具有独立组网、自组织、动态拓扑、无约束移动、多跳路由技术等特点。这些特点使无人机自组织网络近年来在民用与军用领域均得到了广泛关注，其应用领域包括地质勘测、气象探测、通信中继等、无人机协同作战、侦察等。多无人机协同完成任务已经成为未来无人机的重要发展方向，在多无人机协同任务系统中，各无人机间的路由协议成为一个重要的研究问题。传统的无人机路由协议不具有自适应性，无法满足异构无人机在高度动态环境下的路由策略动态调整需求，在异构无人机组网、任务复杂的情况下面临网络生存时间短、孤立簇多等问题，从而无法支持异构无人机在动态、复杂情境下执行复杂任务。因此，设计一种适用于动态复杂网络环境下的异构无人机自组织网络的路由协议具有重要的意义。现有的无人机自组织网络的体系架构可以分为两类，分别是平面网络结构与分级网络结构，相应的路由协议也可以分为不分层次路由协议与分层次路由协议。在分层次路由协议中，首先需要将网络中所有无人机节点划分为多个簇，每个簇由一个簇头和多个簇成员组成，簇头形成高一级的网络，同一簇内的节点通过簇头实现簇内通信，不同簇的节点间通过簇头转发数据进行簇间通信。分簇过程主要包含簇头选举，簇选择与簇维护三个部分。现有分簇算法的基本思路均为分析对路由性能有影响的因素，然后对这些因素进行加权求和运算，根据各节点的计算结果来选取簇头节点并确定簇内节点。在整个网络生存期间，计算时选取的各因素的权重因子均为常数，不会随着网络状况的改变进行相应调整，使得这些分簇协议可以在网络节点与网络拓扑满足这些协议所假设的条件下取得预期效果，无法满足异构无人机自组织网络(即网络节点所拥有的能量、耗电率、速率、方向等参数均不同)在动态网络下(即网络节点地理分布、链路强度等网络参数动态变化)执行任务时希望确保网络生存时间长、拓扑稳定、低时延与低丢包率等路由需求。
发明内容
本发明的目的在于针对上述现有技术中异构无人机自组织网络难以满足动态复杂网络环境下对路由需求的问题，提供一种无人机自组织网络的路由建立方法及系统，能够针对无人机网络运行阶段网络状态的动态变化自适应的调整分簇策略。
为了实现上述目的，本发明有如下的技术方案：
一种无人机自组织网络的路由建立方法，包括以下步骤：
预定义默认分簇策略，基于默认分簇策略进行网络分簇，得到网络的初始簇结构；
基于强化学习设计无人机自组织网络的路由动态调整模型；
对各网络节点设置基于网络拓扑稳定性的惩罚函数，各网络节点反馈惩罚函数的输出，根据反馈信息动态更新路由动态调整模型，并选取最优分簇策略提供给各网络节点；
获取稳定的基于分簇的簇结构，建立各网络节点的路由。
作为本发明路由建立方法的一种优选实施例，预定义默认分簇策略时，假设无人机自组织网络拥有N个节点，每个节点具有独一无二的身份标识，对于第i个节点，其身份标识记为IDi；对于身份标识记为IDi的任意节点，与其相关的记号如下：
W_tablei：节点的效用消息列表，用于存储接收到的效用消息；
CH_tablei：节点的簇头消息列表，用于存储接收到的簇头声明消息；
N_tablei：节点的邻居列表，用于存储接收到的Hello消息中携带的邻居节点的信息；
Pi＝{Lai，Loi}:节点的地理位置，其中Lai表示节点的纬度，Loi表示节点的经度；
Figure BDA0002887897050000031
节点IDi的速度，v表示节点的当前速率，θ表示节点的当前飞行角度；
Figure BDA0002887897050000032
节点的角色；
Figure BDA0002887897050000033
节点的当前效用；簇头节点拥有簇内所有节点中最大的效用值，其中，s_ki表示该节点的效用因子的值，wk表示效用因子的权重，满足
Figure BDA0002887897050000034
IDi与身份标识记为IDj的节点在分簇过程中能够发送以下几类消息：
Figure BDA0002887897050000035
Hello消息；IDi向外广播其基本信息；
Mi＝IDi||Wi:IDi的效用值的消息；
CHi＝IDi||Wi||CH:簇头声明消息；IDi向外广播其角色为簇头节点的消息；
join(i,j)＝IDi||IDj||REQ_JOIN:簇加入请求消息；IDi请求加入IDj作为簇头的簇；
resjoin(j,i)＝IDj||IDi||RES_JOIN:簇加入响应消息；IDj允许IDi加入其所在簇。
作为本发明路由建立方法的一种优选实施例，网络分簇的方法包括以下步骤：
S1、初始化：
每个无人机节点向外广播Hello消息，根据接收到的外部Hello信息更新邻居列表N_tablei；
S2、簇头选举：
每个无人机节点根据当前的邻居列表和自身的信息计算自己的效用因子；
每个无人机节点根据效用因子计算效用值；
向外广播消息Mi，同时接受其他邻居节点发送的消息Mj，j≠i，并将这些消息按照降序存储于效用消息列表W_tablei中；如果节点IDi的效用值为效用消息列表W_tablei中的最大值，则节点IDi将作为簇头节点，记Ri＝0，并向外广播消息CHi；否则，进入S3；
S3、将簇节点加入簇；
3.1.节点IDi接收来自其他节点的消息CHj，j≠i，并存储于簇头消息列表CH_tablei中；
3.2.节点IDi顺序查找CH_tablei中的每一个元素CHj，j≠i，若：
(1)Wj>Wi，且
(2)LHTPi,j>σ，LHTPi,j表示节点IDi与IDj的链路保持时间，
则节点IDi向节点IDj发送簇加入请求消息join(i,j)；
如果节点IDi接收到节点IDj发送的响应消息resjoin(j,i)，节点IDi加入节点IDj为簇头节点的簇，节点IDi的角色Ri＝j；否则查找CH_tablei中的下一个元素，重复步骤3.2的过程；
3.3如果步骤3.2结束后，节点IDi仍未成功加入簇，则节点IDi将声明为簇头，Ri＝0，并向外广播消息CHi；
S4、建立骨干网：无人机节点IDi定期获取邻居节点的簇信息，如果节点IDi发现其邻居节点IDj与自己不属于同一个簇，则通知其簇头并申请成为簇间转发节点，节点IDi与其簇头将记录节点IDj及其簇头信息，形成簇间路由转发的骨干网架构；
S5、无人机节点定期广播并接收Hello消息进行簇维护。
作为本发明路由建立方法的一种优选实施例，所述的步骤S5分为以下情况进行簇维护：
新节点加入：簇头节点IDi收到节点IDj发送的消息join(j,i)，节点IDi向IDj发送消息resjoin(i,j)并更新其簇成员列表；
簇成员表维护：簇头节点定期检查其簇成员列表中的节点是否保持在簇内，删除无效簇内节点；
簇头更换：普通节点定期检查与簇头的通信链路是否有效，若与簇头无法通信，则退出该簇头所在的簇，并进入簇节点加入簇阶段重新选择簇头；
骨干网维护：所有节点定期发送与接收Hello消息，结合骨干网建立方法动态决定承担或放弃转发节点；
重新分簇：当节点接收到分簇策略服务器发送的分簇策略更新消息，则重新进行分簇。
作为本发明路由建立方法的一种优选实施例，所述的步骤S1在初始化时令wk＝0.25，其中k＝{1,2,3,4}，所述的步骤S2中效用因子为s_ki，k＝{1,2,3,4}，节点IDi根据
Figure BDA0002887897050000051
Figure BDA0002887897050000052
计算其效用值，具体包括：
s_1i：衡量节点IDi的当前剩余能量；
其计算方法如公式(1)，其中，Et表示t时刻节点IDi的剩余能量，E0表示IDi的初始能量；
Figure BDA0002887897050000053
s_2i：衡量节点IDi的度中心性；
其计算方法如公式(2)，其中，Degi表示节点IDi的度，N表示网络总节点数；
Figure BDA0002887897050000054
s_3i：衡量节点IDi与其邻居节点的速度相似性；其计算方法如公式(3)，(4)，(5)；假设节点IDi的速度为
Figure BDA0002887897050000055
其邻居节点IDj的速度为
Figure BDA0002887897050000056
它们之间的欧拉距离为d，d的取值越大则表示IDi与IDj的速度相似性越小，相反则相似性越大；
Figure BDA0002887897050000057
Figure BDA0002887897050000058
Figure BDA0002887897050000059
公式(4)中，
Figure BDA00028878970500000510
为节点IDi与其n个邻居节点的速度相似性平均值；
公式(5)用节点IDi与其n个邻居节点的速度相似性的方差作为s_3i的取值；
s_4i：衡量节点IDi与其n个邻居节点的链路保持时间，计算方法如公式(6)，(7)，假设节点IDi与IDj的坐标分别是(Xi,Yi),(Xj,Yj)，速率分别是vi和vj，移动角度分别是θi,θj；
Figure BDA00028878970500000511
Figure BDA00028878970500000512
其中，LHTPi,j表示节点IDi与IDj的链路保持时间；
a＝vi cosθi-vj cosθj，b＝Xi-Xj，c＝vi sinθi-vj sinθj，d＝Yii-Yj。
作为本发明路由建立方法的一种优选实施例，采用Q-learning算法进行强化学习，节点的四个效用因子所组成的四元组ss＝<s_1i,s_2i,s_3i,s_4i>表示节点的状态空间，四个效用因子的权重值所组成的四元组as＝<w1,w2,w3,w4>表示网络的动作空间，k时刻下网络的全局状态用记号S(k)表示,其计算方法如公式(8)，(9)：
Figure BDA0002887897050000061
Hi＝-∑Pi log Pi (9)
公式(8)中的Hi表示网络中所有无人机节点的状态空间中第i个元素s_i的信息熵；
定期收集各无人机节点的状态来计算S(k)，基于Q-table利用公式(10)选择最优动作a(k)＝{w1,w2,w3,w4}作为各节点的四个效用因子的权重；
a(k)＝a′,Q(S(k),a′)＝max{Q(S(k),a)|a∈as} (10)
无人机自组织网络基于分簇策略进行分簇，并在分簇结束后定期计算激励值进行反馈；
激励值计算方式按照公式(11)与(12)中的激励函数：
Figure BDA0002887897050000062
Figure BDA0002887897050000063
公式(12)中的λ的取值被设置为0.75，
Figure BDA0002887897050000064
为指标函数，count_role是T时间内节点的角色变换次数，如果count_role值小于
Figure BDA0002887897050000065
返回1，否则返回-1；
Ec用来描述T时间内节点能量的变化，其计算方式如公式(13)与(14)：
Ec＝1-2ΔE (13)
Figure BDA0002887897050000066
将所有节点的激励值的平均值作为当前动作的激励值并更新其R-table，根据公式(15)更新Q-table；其中s为网络当前状态，a为当前动作，R(k)为当前动作的激励值，γ为折扣因子，α为学习速率，根据无人机网络应用环境，设置γ＝0，α＝0.8：
Q(s,a)←Q(s,a)+α[R(k)+γmaxa′Q(s′,a′)-Q(s,a)] (15)。
作为本发明路由建立方法的一种优选实施例，建立路由的具体方法如下：
-每个无人机节点建立信息表存储以下信息：
邻居信息列表：存储每个邻居节点信息，邻居节点ID、地理位置、速度、角色、是否为转发节点、Hello消息时间戳；
自身信息表：记录节点自身状态信息，包括ID、地理位置、速度、与邻居节点的速度相似性及链路保持时间、角色，如果节点IDi的角色为簇内节点，则记录其所属簇的信息，包含簇头ID、簇头地理位置、簇头速度、接受簇头节点Hello消息的时间戳；
簇内成员列表：如果节点的角色为簇头节点，则利用簇内成员列表维护簇内所有的节点信息，包括每个簇内节点的ID、地理位置、速度、以及接收到该节点Hello消息的时间戳；
-路由转发；
节点IDi接收到其他节点发来的数据包时，首先查找其邻居信息列表，如果该数据包的目的节点IDj是其一跳邻居节点，则直接转发该数据包至IDj；
否则，根据节点IDi的角色分以下两种策略转发该数据包：a.节点IDi为簇头节点或转发节点，则IDi查找其簇内成员列表进行簇内转发，如果目的节点IDj不是其簇内成员，则IDi查找其一跳邻居范围内与目的节点距离最近的簇头节点或转发节点IDk，将该数据包转发给节点IDk；b.节点IDi不是簇头节点或转发节点，直接将该数据包转发给其簇头节点。
本发明还提供一种无人机自组织网络的路由建立系统，包括：
初始网络簇结构获取模块，用于预定义默认分簇策略，基于默认分簇策略进行网络分簇，得到网络的初始簇结构；
路由动态调整模型建立模块，用于基于强化学习设计无人机自组织网络的路由动态调整模型；
最优分簇策略确定模块，用于对各网络节点设置基于网络拓扑稳定性的惩罚函数，各网络节点反馈惩罚函数的输出，根据反馈信息动态更新路由动态调整模型，并选取最优分簇策略提供给各网络节点；
路由建立模块，用于获取稳定的基于分簇的簇结构，建立各网络节点的路由。
相较于现有技术，本发明有如下的有益效果：基于强化学习设计无人机自组织网络的路由动态调整模型，本发明提出了基于强化学习的无人机自组织网络分簇协议，通过该分簇协议能够针对无人机网络运行阶段网络状态的动态变化自适应的调整分簇策略，从而延长网络的生命周期，并提高网络拓扑的稳定性。基于该分簇协议本发明设计了无人机节点间的轻量级路由协议，提高了节点间的路由稳定性，降低了通信时延。
附图说明
图1本发明的无人机自组织网络架构图；
图2本发明的协议模块图；
图3本发明实施例节点能量分布不均匀情境下的网络生存时间图；
图4本发明实施例节点能量分布不均匀情境下的平均角色变换次数图。
具体实施方式
下面结合附图及实施例对本发明做进一步的详细说明。
针对异构无人机自组织网络，本发明提出一种无人机自组织网络的路由建立方法，如图1所示，无人机自组织网络由一个地面控制站与无人机节点组成，假设地面控制站无资源限制，各无人机节点的性能、资源等均有差异，每个无人机节点拥有自己的飞行路线与拟执行的任务。无人机节点可以与地面控制站进行通信，无人机节点也可以与其通信范围内的邻居节点进行通信。本发明首先采用基于强化学习的分簇协议形成网络的分层拓扑结构，在此基础上建立节点之间的路由。如图2所示，首先，无人机网络为分簇协议预定义默认的分簇策略，基于默认分簇策略进行网络分簇，得到初始网络拓扑结构；然后基于强化学习设计了无人机自组织网络的路由动态调整模型，各网络节点根据所提出的基于网络拓扑稳定性的惩罚函数，向地面控制节点反馈其惩罚函数的输出，地面控制节点将定期根据其接收到的反馈信息动态更新其R_table与Q_table，并选取最优分簇策略发送给各网络节点，各节点将依据最新的分簇策略进行簇的动态维护。最后基于分簇策略得到的稳定的基于分簇的簇结构基础上建立网络中各节点的路由，包含了簇内节点通信路由与簇间节点通信路由的建立。
一种无人机自组织网络的路由建立方法，包括以下步骤：
假设无人机自组织网络拥有N个节点，每个节点具有独一无二的身份标识，对于第i个节点，其身份标识记为IDi。对于任意节点IDi，与其相关的记号如下：
W_tablei：节点IDi的效用消息列表，用于存储接收到的效用消息。
CH_tablei：节点IDi的簇头消息列表，用于存储接收到的簇头声明消息。
N_tablei：节点IDi的邻居列表，用于存储接收到的Hello消息中携带的邻居节点的信息。
Pi＝{Lai，Loi}:节点IDi的地理位置，其中Lai表示节点IDi的纬度，Loi表示节点IDi的经度。
Figure BDA0002887897050000091
节点IDi的速度，v表示节点IDi的当前速率，θ表示节点IDi的当前飞行角度。
Figure BDA0002887897050000092
节点IDi的角色；
Figure BDA0002887897050000093
节点IDi的当前效用。簇头节点拥有簇内所有节点中最大的效用值。其中s_ki表示该节点的效用因子的值，wk表示效用因子的权重，满足
Figure BDA0002887897050000094
节点IDi与节点IDj在分簇过程中可以发送以下几类消息：
Figure BDA0002887897050000095
Hello消息。节点IDi向外广播其基本信息。
Mi＝IDi||Wi:节点IDi的效用值的消息。
CHi＝IDi||Wi||CH:簇头声明消息。节点IDi向外广播其角色为簇头节点的消息。
join(i,j)＝IDi||IDj||REQ_JOIN:簇加入请求消息。节点IDi请求加入节点IDj作为簇头的簇。
resjoin(j,i)＝IDj||IDi||RES_JOIN:簇加入响应消息。簇头节点IDj允许节点IDi加入其所在簇。
本发明分簇流程包括以下步骤：
Step1(初始化)：
令wk＝0.25，其中k＝{1,2,3,4}。每个无人机节点IDi向外广播消息Helloi，同时根据接收到的外部Hello信息更新邻居列表N_tablei。
Step2(簇头选举)：
2.1每个无人机节点IDi根据当前的邻居列表和自身的信息计算自己的效用因子的值(s_ki，k＝{1,2,3,4})。
2.2节点IDi根据
Figure BDA0002887897050000101
计算其效用值。
2.3向外广播消息Mi，同时接受其他邻居节点发送的消息Mj(j≠i)，并将这些消息按照降序存储于效用消息列表W_tablei中。如果节点IDi的效用值为效用消息列表W_tablei中的最大值，则节点IDi将作为簇头节点，记Ri＝0，并向外广播消息CHi。否则，进入Step3。
Step3(簇节点加入簇)：
3.1节点IDi接收来自其他节点的消息CHj(j≠i)并存储于簇头消息列表CH_tablei中。
3.2节点IDi顺序查找CH_tablei中的每一个元素CHj(j≠i)，若：
(1)Wj>Wi，且
(2)LHTPi,j>σ(LHTPi,j表示节点IDi与IDj的链路保持时间)，
则节点IDi向节点IDj发送簇加入请求消息join(i,j)。
如果节点IDi收到节点IDj发送的响应消息resjoin(j,i)，节点IDi加入节点IDj为簇头节点的簇，节点IDi的角色Ri＝j。否则查找CH_tablei中的下一个元素，重复步骤3.2的过程。
3.3如果步骤3.2结束后，节点IDi仍未成功加入簇，则节点IDi将声明为簇头,Ri＝0，并向外广播消息CHi。
Step4(骨干网建立):无人机节点IDi定期获取邻居节点的簇信息，如果节点IDi发现其邻居节点IDj与自己不属于同一个簇，则通知其簇头并申请成为簇间转发节点，节点IDi与其簇头将记录节点IDj及其簇头信息，形成簇间路由转发的骨干网架构。
Step5(簇维护):节点IDi定期广播并接收Hello消息进行簇维护，主要分为以下几种情况：
5.1(新节点加入)：簇头节点IDi收到节点IDj发送的消息join(j,i)，节点IDi向IDj发送消息resjoin(i,j)并更新其簇成员列表。
5.2(簇成员表维护)：簇头节点定期检查其簇成员列表中的节点是否保持在簇内，删除无效簇内节点。
5.3(簇头更换)：普通节点IDi定期检查与簇头的通信链路是否有效，若与簇头无法通信，则退出该簇头所在的簇，并进入Step3(簇节点加入簇)阶段重新选择簇头。
5.4(骨干网维护)：所有节点定期发送与接收Hello消息，结合骨干网建立方法动态决定承担或放弃转发节点。
5.5(重新分簇)：当节点IDi接收到分簇策略服务器发送的分簇策略更新消息，则进入Step1重新进行分簇。
步骤2.2中节点IDi根据
Figure BDA0002887897050000111
计算其效用值的具体方法如下：
节点需要计算四个效用因子(s_ki，k＝{1,2,3,4})的值，下面给出这四个效用因子的具体含义与计算方法。
s_1i：衡量节点IDi的当前剩余能量，其计算方法如公式(1)，其中Et表示t时刻节点IDi的剩余能量，E0表示IDi的初始能量。
Figure BDA0002887897050000121
s_2i：衡量节点IDi的度中心性。其计算方法如公式(2)，其中，Degi表示节点IDi的度，N表示网络总节点数。
Figure BDA0002887897050000122
s_3i：衡量节点IDi与其邻居节点的速度相似性，其计算方法如公式(3)，(4)，(5)。假设节点IDi的速度为
Figure BDA0002887897050000123
其邻居节点IDj的速度为
Figure BDA0002887897050000124
他们之间的欧拉距离为d，d的取值越大则表示IDi与IDj的速度相似性越小，相反则相似性越大。
Figure BDA0002887897050000125
Figure BDA0002887897050000126
Figure BDA0002887897050000127
公式(4)中，
Figure BDA0002887897050000128
为节点IDi与其n个邻居节点的速度相似性平均值。公式(5)用节点IDi与其n个邻居节点的速度相似性的方差作为s_3i的取值。
s_4i：衡量节点IDi与其n个邻居节点的链路保持时间，其计算方法如公式(6)，(7)，这里我们假设节点IDi与IDj的坐标分别是(Xi,Yi),(Xj,Yj)，速率分别是vi和vj，移动角度分别是θi,θj。
Figure BDA0002887897050000129
Figure BDA00028878970500001210
其中LHTPi,j表示节点IDi与IDj的链路保持时间，a＝vi cos θi-vj cos θj，b＝Xi-Xj，c＝vi sin θi-vj sin θj，d＝Yi-Yj。
为了使得无人机自组织网络可以在动态网络情境下保持高效路由，本发明采用了强化学习建立无人机自组织网络分簇策略调整模型，地面控制节点将作为分簇策略调整服务器进行强化学习，并根据无人机网络当前的状态向所有无人机节点发布最优分簇策略，无人机节点将依据接收到的分簇策略进行分簇，根据分簇结果向地面控制节点发送反馈信息，地面控制节点将根据反馈信息更新其强化学习模型，不断提高路由协议的效率。
本发明采用Q-learning算法作为强化学习算法调整分簇策略。
用节点的四个效用因子所组成的四元组ss＝<s_1i,s_2i,s_3i,s_4i>表示节点的状态空间，用四个效用因子的权重值所组成的四元组as＝<w1,w2,w3,w4>表示网络的动作空间，k时刻下网络的全局状态用记号S(k)表示,其计算方法如公式(8)，(9)。
Figure BDA0002887897050000134
Hi＝-∑Pi log Pi (9)
公式(8)中的Hi表示网络中所有无人机节点的状态空间中第i个元素s_i的信息熵。
地面控制节点定期收集各无人机节点的状态来计算S(k)，基于Q-table利用公式(10)选择最优动作a(k)＝{w1,w2,w3,w4}作为各节点的四个效用因子的权重。
a(k)＝a′,Q(S(k),a′)＝max{Q(S(k),a)|a∈as} (10)
无人机自组织网络基于地面控制服务器发送的当前动作(分簇策略)进行分簇，并在分簇结束后定期计算激励值向地面控制节点反馈。激励值计算方式见公式(11)与(12)。
Figure BDA0002887897050000131
Figure BDA0002887897050000132
从公式(12)可以看出，将无人机网络分簇结构在T时间内的稳定性变化作为影响奖励值大小的重要因素。公式(12)中的λ的取值被设置为0.75，
Figure BDA0002887897050000133
为指标函数，count_role是T时间内节点的角色变换次数，如果count_role值小于
Figure BDA0002887897050000141
返回1，否则返回-1。Ec用来描述T时间内节点能量的变化，其计算方式见公式(13)与(14)。
Ec＝1-2ΔE (13)
Figure BDA0002887897050000142
地面控制节点接收到网络节点的激励值后，将所有节点的激励值的平均值作为当前动作的激励值并更新其R-table，根据公式(15)更新Q-table。
其中s为网络当前状态，a为当前动作(分簇策略)，R(k)为当前动作的激励值，γ为折扣因子，α为学习速率，根据无人机网络应用环境，设置γ＝0，α＝0.8。
Q(s,a)←Q(s,a)+α[R(k)+γmaxa′Q(s′,a′)-Q(s,a)] (15)
通过分簇协议形成无人机自组织网络分层拓扑结构后，网络节点可以利用本发明所设计的轻量级路由协议完成网络节点间的消息传输。
-信息存储；
为了实现节点间通信，每个无人机节点IDi必须建立信息表存储以下信息：
a)邻居信息列表：存储每个邻居节点信息，邻居节点ID、地理位置、速度、角色、是否为转发节点、Hello消息时间戳。
b)自身信息表：记录节点IDi自身状态信息，包括ID、地理位置、速度、与邻居节点的速度相似性及链路保持时间、角色，如果节点IDi的角色为簇内节点，则记录其所属簇的信息(包含簇头ID、簇头地理位置、簇头速度、接受簇头节点Hello消息的时间戳)。
c)簇内成员列表：如果节点IDi的角色为簇头节点，利用簇内成员列表维护簇内所有的节点信息，包括每个簇内节点的ID、地理位置、速度以及接收到该节点Hello消息的时间戳。
-路由转发；
节点IDi接收到其他节点发来的数据包时，首先查找其邻居信息列表，如果该数据包的目的节点IDj是其一跳邻居节点，则直接转发该数据包至IDj；否则可以根据节点IDi的角色分以下两种策略转发该数据包：
a)节点IDi为簇头节点或转发节点，则IDi查找其簇内成员列表进行簇内转发，如果目的节点IDj不是其簇内成员，则IDi查找其一跳邻居范围内与目的节点距离最近的簇头节点或转发节点IDk，将该数据包转发给节点IDk。
b)节点IDi不是簇头节点或转发节点，直接将该数据包转发给其簇头节点。
利用OPNET平台搭建无人机网络仿真环境，对本发明的有效性进行验证。
在实验中，无人机网络的移动模型为基于参考点群组移动模型，无人机节点个体采用基于更符合真实环境的高斯马尔可夫移动模型。为了验证本发明的有效性，在无人机节点的能量分布不均匀的网络状态下对本发明方法(WCA_RL)与现有的两个受到广泛关注的方法(WCA和DCA)进行了对比。
针对网络节点的能耗水平，由于簇头节点和转发节点承担骨干网的路由转发，负载加重，使其能量消耗大于其他节点，因此在实验过程中，采用公式(16)计算给定节点在Δt时间内的能耗。表1给出了实验的环境参数的取值。表2给出了实验过程中无人机网络的相关符号的定义与取值。
Figure BDA0002887897050000151
表1实验参数值
Figure BDA0002887897050000152
表2分簇协议符号定义表
Figure BDA0002887897050000161
实验测试了所对比方案的如下两个指标：
(1)网络生存时间：网络中第一个节点的死亡时间；
(2)
Figure BDA0002887897050000162
实验结果
为了展示该协议与现有协议相比所具有的优势，设置网络中节点能量在[500,2000]范围内不均匀分布的情境中进行实验。图3与图4是在上述设置下得到的实验结果。
从图3的实验结果可以看出，当无人机自组织网络中各节点的能量分布不均匀时，本发明所提出的方案在不同的网络规模下网络生存时间均高于所对比的两个方案。
从图4可以看出，在仿真时间内，本方案的无人机节点角色变换次数低于所对比的两个协议，表明所提方案可以提高网络拓扑结构的稳定性。
本发明还提出一种无人机自组织网络的路由建立系统，包括：
初始网络簇结构获取模块，用于预定义默认分簇策略，基于默认分簇策略进行网络分簇，得到网络的初始簇结构；
路由动态调整模型建立模块，用于基于强化学习设计无人机自组织网络的路由动态调整模型；
最优分簇策略确定模块，用于对各网络节点设置基于网络拓扑稳定性的惩罚函数，各网络节点反馈惩罚函数的输出，根据反馈信息动态更新路由动态调整模型，并选取最优分簇策略提供给各网络节点；
路由建立模块，用于获取稳定的基于分簇的簇结构，建立各网络节点的路由。
以上所述的仅仅是本发明的较佳实施例，并不用以对本发明的技术方案进行任何限制，本领域技术人员应当理解的是，在不脱离本发明精神和原则的前提下，该技术方案还可以进行若干简单的修改和替换，这些修改和替换也均会落入权利要求书所涵盖的保护范围之内。

Claims (8)

1.一种无人机自组织网络的路由建立方法，其特征在于，包括以下步骤：
预定义默认分簇策略，基于默认分簇策略进行网络分簇，得到网络的初始簇结构；
基于强化学习设计无人机自组织网络的路由动态调整模型；
对各网络节点设置基于网络拓扑稳定性的惩罚函数，各网络节点反馈惩罚函数的输出，根据反馈信息动态更新路由动态调整模型，并选取最优分簇策略提供给各网络节点；
获取稳定的基于分簇的簇结构，建立各网络节点的路由。
2.根据权利要求1所述基于无人机自组织网络的路由建立方法，其特征在于，预定义默认分簇策略时，假设无人机自组织网络拥有N个节点，每个节点具有独一无二的身份标识，对于第i个节点，其身份标识记为IDi；对于身份标识记为IDi的任意节点，与其相关的记号如下：
W_tablei：节点的效用消息列表，用于存储接收到的效用消息；
CH_tablei：节点的簇头消息列表，用于存储接收到的簇头声明消息；
N-tablei：节点的邻居列表，用于存储接收到的Hello消息中携带的邻居节点的信息；
Pi＝{Lai，Loi}：节点的地理位置，其中Lai表示节点的纬度，Loi表示节点的经度；
Figure FDA0002887897040000011
节点IDi的速度，v表示节点的当前速率，θ表示节点的当前飞行角度；
Figure FDA0002887897040000012
节点的角色；
Figure FDA0002887897040000013
节点的当前效用；簇头节点拥有簇内所有节点中最大的效用值，其中，s_ki表示该节点的效用因子的值，wk表示效用因子的权重，满足
Figure FDA0002887897040000014
IDi与身份标识记为IDj的节点在分簇过程中能够发送以下几类消息：
Figure FDA0002887897040000015
Hello消息；IDi向外广播其基本信息；
Mi＝IDi||Wi：IDi的效用值的消息；
CHi＝IDi||Wi||CH：簇头声明消息；IDi向外广播其角色为簇头节点的消息；
join(i，j)＝IDi||IDj||REQ_JOIN：簇加入请求消息；IDi请求加入IDj作为簇头的簇；
resjoin(j，i)＝IDj||IDi||RES_JOIN：簇加入响应消息；IDj允许IDi加入其所在簇。
3.根据权利要求2所述基于无人机自组织网络的路由建立方法，其特征在于，网络分簇的方法包括以下步骤：
S1、初始化：
每个无人机节点向外广播Hello消息，根据接收到的外部Hello信息更新邻居列表N_tablei；
S2、簇头选举：
每个无人机节点根据当前的邻居列表和自身的信息计算自己的效用因子；
每个无人机节点根据效用因子计算效用值；
向外广播消息Mi，同时接受其他邻居节点发送的消息Mj，j≠i，并将这些消息按照降序存储于效用消息列表W_tablei中；如果节点IDi的效用值为效用消息列表W_tablei中的最大值，则节点IDi将作为簇头节点，记Ri＝0，并向外广播消息CHi；否则，进入S3；
S3、将簇节点加入簇；
3.1.节点IDi接收来自其他节点的消息CHj，j≠i，并存储于簇头消息列表CH_tablei中；
3.2.节点IDi顺序查找CH_tablei中的每一个元素CHj，j≠i，若：
(1)Wj＞Wi，且
(2)LHTPi，j＞σ，LHTPi，j表示节点IDi与IDj的链路保持时间，
则节点IDi向节点IDj发送簇加入请求消息join(i，j)；
如果节点IDi接收到节点IDj发送的响应消息resjoin(j，i)，节点IDi加入节点IDj为簇头节点的簇，节点IDi的角色Ri＝j；否则查找CH_tablei中的下一个元素，重复步骤3.2的过程；
3.3如果步骤3.2结束后，节点IDi仍未成功加入簇，则节点IDi将声明为簇头，Ri＝0，并向外广播消息CHi；
S4、建立骨干网：无人机节点IDi定期获取邻居节点的簇信息，如果节点IDi发现其邻居节点IDj与自己不属于同一个簇，则通知其簇头并申请成为簇间转发节点，节点IDi与其簇头将记录节点IDj及其簇头信息，形成簇间路由转发的骨干网架构；
S5、无人机节点定期广播并接收Hello消息进行簇维护。
4.根据权利要求3所述基于无人机自组织网络的路由建立方法，其特征在于，所述的步骤S5分为以下情况进行簇维护：
新节点加入：簇头节点IDi收到节点IDj发送的消息join(j，i)，节点IDi向IDj发送消息resjoin(i，j)并更新其簇成员列表；
簇成员表维护：簇头节点定期检查其簇成员列表中的节点是否保持在簇内，删除无效簇内节点；
簇头更换：普通节点定期检查与簇头的通信链路是否有效，若与簇头无法通信，则退出该簇头所在的簇，并进入簇节点加入簇阶段重新选择簇头；
骨干网维护：所有节点定期发送与接收Hello消息，结合骨干网建立方法动态决定承担或放弃转发节点；
重新分簇：当节点接收到分簇策略服务器发送的分簇策略更新消息，则重新进行分簇。
5.根据权利要求3所述基于无人机自组织网络的路由建立方法，其特征在于，所述的步骤S1在初始化时令wk＝0.25，其中k＝{1，2，3，4}，所述的步骤S2中效用因子为s_ki，k＝{1，2，3，4}，节点IDi根据
Figure FDA0002887897040000031
计算其效用值，具体包括：
s_1i：衡量节点IDi的当前剩余能量；
其计算方法如公式(1)，其中，Et表示t时刻节点IDi的剩余能量，E0表示IDi的初始能量；
Figure FDA0002887897040000032
s_2i：衡量节点IDi的度中心性；
其计算方法如公式(2)，其中，Degi表示节点IDi的度，N表示网络总节点数；
Figure FDA0002887897040000041
s_3i：衡量节点IDi与其邻居节点的速度相似性；其计算方法如公式(3)，(4)，(5)；假设节点IDi的速度为
Figure FDA0002887897040000042
其邻居节点IDj的速度为
Figure FDA0002887897040000043
它们之间的欧拉距离为d，d的取值越大则表示IDi与IDj的速度相似性越小，相反则相似性越大；
Figure FDA0002887897040000044
Figure FDA0002887897040000045
Figure FDA0002887897040000046
公式(4)中，
Figure FDA0002887897040000047
为节点IDi与其n个邻居节点的速度相似性平均值；
公式(5)用节点IDi与其n个邻居节点的速度相似性的方差作为s_3i的取值；
s_4i：衡量节点IDi与其n个邻居节点的链路保持时间，计算方法如公式(6)，(7)，假设节点IDi与IDj的坐标分别是(Xi，Yi)，(Xj，Yj)，速率分别是vi和vj，移动角度分别是θi，θj；
Figure FDA0002887897040000048
Figure FDA0002887897040000049
其中，LHTPi，j表示节点IDi与IDj的链路保持时间；
a＝vicosθi-vjcosθj，b＝Xi-Xj，c＝visinθi-vjsinθj，d＝Yi-Yj。
6.根据权利要求1所述基于无人机自组织网络的路由建立方法，其特征在于，采用Q-learning算法进行强化学习，节点的四个效用因子所组成的四元组ss＝<s_1i，s_2i，s_3i，s_4i>表示节点的状态空间，四个效用因子的权重值所组成的四元组as＝<W1，w2，w3，w4>表示网络的动作空间，k时刻下网络的全局状态用记号S(k)表示，其计算方法如公式(8)，(9)：
Figure FDA00028878970400000410
Hi＝-∑PilogPi (9)
公式(8)中的Hi表示网络中所有无人机节点的状态空间中第i个元素s_i的信息熵；
定期收集各无人机节点的状态来计算S(k)，基于Q-table利用公式(10)选择最优动作a(k)＝{w1，w2，w3，w4}作为各节点的四个效用因子的权重；
a(k)＝a′，Q(S(k)，a′)＝max{Q(S(k)，a)|a∈as} (10)
无人机自组织网络基于分簇策略进行分簇，并在分簇结束后定期计算激励值进行反馈；
激励值计算方式按照公式(11)与(12)中的激励函数：
Figure FDA0002887897040000051
Figure FDA0002887897040000052
公式(12)中的λ的取值被设置为0.75，
Figure FDA0002887897040000053
为指标函数，count_role是T时间内节点的角色变换次数，如果count_role值小于
Figure FDA0002887897040000054
返回1，否则返回-1；
Ec用来描述T时间内节点能量的变化，其计算方式如公式(13)与(14)：
Ec＝1-2ΔE (13)
Figure FDA0002887897040000055
将所有节点的激励值的平均值作为当前动作的激励值并更新其R-table，根据公式(15)更新Q-table；其中s为网络当前状态，a为当前动作，R(k)为当前动作的激励值，γ为折扣因子，α为学习速率，根据无人机网络应用环境，设置γ＝0，α＝0.8：
Q(s，a)←Q(s，a)+α[R(k)+γmaxa′Q(s′，a′)-Q(s，a)] (15)。
7.根据权利要求1所述基于无人机自组织网络的路由建立方法，其特征在于，建立路由的具体方法如下：
-每个无人机节点建立信息表存储以下信息：
邻居信息列表：存储每个邻居节点信息，邻居节点ID、地理位置、速度、角色、是否为转发节点、Hello消息时间戳；
自身信息表：记录节点自身状态信息，包括ID、地理位置、速度、与邻居节点的速度相似性及链路保持时间、角色，如果节点IDi的角色为簇内节点，则记录其所属簇的信息，包含簇头ID、簇头地理位置、簇头速度、接受簇头节点Hello消息的时间戳；
簇内成员列表：如果节点的角色为簇头节点，则利用簇内成员列表维护簇内所有的节点信息，包括每个簇内节点的ID、地理位置、速度、以及接收到该节点Hello消息的时间戳；
-路由转发；
节点IDi接收到其他节点发来的数据包时，首先查找其邻居信息列表，如果该数据包的目的节点IDj是其一跳邻居节点，则直接转发该数据包至IDj；
否则，根据节点IDi的角色分以下两种策略转发该数据包：a.节点IDi为簇头节点或转发节点，则IDi查找其簇内成员列表进行簇内转发，如果目的节点IDj不是其簇内成员，则IDi查找其一跳邻居范围内与目的节点距离最近的簇头节点或转发节点IDk，将该数据包转发给节点IDk；b.节点IDi不是簇头节点或转发节点，直接将该数据包转发给其簇头节点。
8.一种无人机自组织网络的路由建立系统，其特征在于，包括：
初始网络簇结构获取模块，用于预定义默认分簇策略，基于默认分簇策略进行网络分簇，得到网络的初始簇结构；
路由动态调整模型建立模块，用于基于强化学习设计无人机自组织网络的路由动态调整模型；
最优分簇策略确定模块，用于对各网络节点设置基于网络拓扑稳定性的惩罚函数，各网络节点反馈惩罚函数的输出，根据反馈信息动态更新路由动态调整模型，并选取最优分簇策略提供给各网络节点；
路由建立模块，用于获取稳定的基于分簇的簇结构，建立各网络节点的路由。
CN202110019348.5A 2021-01-07 2021-01-07 一种无人机自组织网络的路由建立方法及系统 Active CN112822752B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110019348.5A CN112822752B (zh) 2021-01-07 2021-01-07 一种无人机自组织网络的路由建立方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110019348.5A CN112822752B (zh) 2021-01-07 2021-01-07 一种无人机自组织网络的路由建立方法及系统

Publications (2)

Publication Number Publication Date
CN112822752A true CN112822752A (zh) 2021-05-18
CN112822752B CN112822752B (zh) 2022-10-25

Family

ID=75868602

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110019348.5A Active CN112822752B (zh) 2021-01-07 2021-01-07 一种无人机自组织网络的路由建立方法及系统

Country Status (1)

Country Link
CN (1) CN112822752B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113316118A (zh) * 2021-05-31 2021-08-27 中国人民解放军国防科技大学 基于任务认知的无人机集群网络自组织系统及方法
CN113359838A (zh) * 2021-06-25 2021-09-07 中国人民解放军火箭军工程大学 一种多uav协同飞行控制系统及方法
CN113535635A (zh) * 2021-06-13 2021-10-22 复旦大学 一种用于双层环簇网络的自适应重配置硬件结构
CN113556286A (zh) * 2021-05-31 2021-10-26 北京邮电大学 对等网络的通信方法及系统
CN113573312A (zh) * 2021-07-27 2021-10-29 西安电子科技大学 一种无人机自组织网络的路由安全保护方法及系统
CN113867382A (zh) * 2021-09-01 2021-12-31 西安电子科技大学广州研究院 一种无人机集群网络的拓扑控制方法
CN114189916A (zh) * 2021-11-19 2022-03-15 厦门大学 一种5g网络低时延端到端通信的域间边缘协同方法
CN114338702A (zh) * 2021-12-30 2022-04-12 北京天融信网络安全技术有限公司 通信数据的转发方法及无人系统集群
CN115802390A (zh) * 2023-02-06 2023-03-14 中国人民解放军国防科技大学 基于公共信道邻居比的多信道无线自组网优化方法和装置

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070230410A1 (en) * 2006-03-29 2007-10-04 Pascal Thubert Route optimization for a mobile IP network node in a mobile ad hoc network
CN103024857A (zh) * 2013-01-08 2013-04-03 西安电子科技大学 应用于无线传感器网络的分簇控制方法
WO2013050282A1 (fr) * 2011-10-03 2013-04-11 Institut Mines-Telecom Dispositifs d'apprentissage et/ou de décodage de messages séquentiels, mettant en œuvre un réseau de neurones, procédés d'apprentissage et de décodage et programmes d'ordinateur correspondants
WO2018069180A1 (en) * 2016-10-14 2018-04-19 Ip.Access Limited Locating mobile wireless communication units
CN110234146A (zh) * 2019-05-25 2019-09-13 西南电子技术研究所（中国电子科技集团公司第十研究所） 适用于自组织网络的分布式自适应分簇方法
CN111356198A (zh) * 2020-02-10 2020-06-30 西安电子科技大学 基于地理位置和q学习的分簇跨层通信处理方法、系统
CN111510956A (zh) * 2020-03-14 2020-08-07 大连昊洋科技发展有限公司 一种基于分簇和增强学习的混合路由方法、海洋通信系统
CN111541494A (zh) * 2020-06-15 2020-08-14 河海大学常州校区 一种水声传感器网络中基于分簇结构的位置隐私保护方法
CN111741448A (zh) * 2020-06-21 2020-10-02 天津理工大学 一种基于边缘计算策略的分簇aodv路由方法
KR20200126212A (ko) * 2019-04-29 2020-11-06 한국과학기술원 인터커넥션 네트워크(Interconnection network) 기반의 다중 노드 클러스터로 구성된 고성능 컴퓨팅 환경에서 유저 리퀘스트 처리율 최대화/인트라통신 지연시간 최소화를 달성하기 위한 딥러닝 기반의 동적 라우팅 기법

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070230410A1 (en) * 2006-03-29 2007-10-04 Pascal Thubert Route optimization for a mobile IP network node in a mobile ad hoc network
WO2013050282A1 (fr) * 2011-10-03 2013-04-11 Institut Mines-Telecom Dispositifs d'apprentissage et/ou de décodage de messages séquentiels, mettant en œuvre un réseau de neurones, procédés d'apprentissage et de décodage et programmes d'ordinateur correspondants
CN103024857A (zh) * 2013-01-08 2013-04-03 西安电子科技大学 应用于无线传感器网络的分簇控制方法
WO2018069180A1 (en) * 2016-10-14 2018-04-19 Ip.Access Limited Locating mobile wireless communication units
KR20200126212A (ko) * 2019-04-29 2020-11-06 한국과학기술원 인터커넥션 네트워크(Interconnection network) 기반의 다중 노드 클러스터로 구성된 고성능 컴퓨팅 환경에서 유저 리퀘스트 처리율 최대화/인트라통신 지연시간 최소화를 달성하기 위한 딥러닝 기반의 동적 라우팅 기법
CN110234146A (zh) * 2019-05-25 2019-09-13 西南电子技术研究所（中国电子科技集团公司第十研究所） 适用于自组织网络的分布式自适应分簇方法
CN111356198A (zh) * 2020-02-10 2020-06-30 西安电子科技大学 基于地理位置和q学习的分簇跨层通信处理方法、系统
CN111510956A (zh) * 2020-03-14 2020-08-07 大连昊洋科技发展有限公司 一种基于分簇和增强学习的混合路由方法、海洋通信系统
CN111541494A (zh) * 2020-06-15 2020-08-14 河海大学常州校区 一种水声传感器网络中基于分簇结构的位置隐私保护方法
CN111741448A (zh) * 2020-06-21 2020-10-02 天津理工大学 一种基于边缘计算策略的分簇aodv路由方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
ANKUR NAHAR等: "SeScR: SDN-Enabled Spectral Clustering-Based Optimized Routing Using Deep Learning in VANET Environment", 《2020 IEEE 19TH INTERNATIONAL SYMPOSIUM ON NETWORK COMPUTING AND APPLICATIONS (NCA)》 *
MOHAMMAD ALI AZIMI KASHANIMOHAMMAD ALI AZIMI KASHANI等: "A method for reduction of energy consumption in Wireless Sensor Network with using Neural Networks", 《2011 6TH INTERNATIONAL CONFERENCE ON COMPUTER SCIENCES AND CONVERGENCE INFORMATION TECHNOLOGY 》 *
刘文进等: "一种能量均衡的WSN多级分簇路由算法", 《计算机工程与应用》 *
王沁飞等: "基于加权的无人机集群组网分簇算法", 《计算机应用研究》 *
郝圣等: "基于学习自动机理论与稳定性控制的自适应移动无线Ad Hoc网络分簇策略", 《计算机学报》 *

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113316118B (zh) * 2021-05-31 2022-07-19 中国人民解放军国防科技大学 基于任务认知的无人机集群网络自组织系统及方法
CN113316118A (zh) * 2021-05-31 2021-08-27 中国人民解放军国防科技大学 基于任务认知的无人机集群网络自组织系统及方法
CN113556286B (zh) * 2021-05-31 2022-07-29 北京邮电大学 对等网络的通信方法及系统
CN113556286A (zh) * 2021-05-31 2021-10-26 北京邮电大学 对等网络的通信方法及系统
CN113535635B (zh) * 2021-06-13 2022-04-12 复旦大学 一种用于双层环簇网络的自适应重配置硬件结构
CN113535635A (zh) * 2021-06-13 2021-10-22 复旦大学 一种用于双层环簇网络的自适应重配置硬件结构
CN113359838A (zh) * 2021-06-25 2021-09-07 中国人民解放军火箭军工程大学 一种多uav协同飞行控制系统及方法
CN113573312A (zh) * 2021-07-27 2021-10-29 西安电子科技大学 一种无人机自组织网络的路由安全保护方法及系统
CN113867382A (zh) * 2021-09-01 2021-12-31 西安电子科技大学广州研究院 一种无人机集群网络的拓扑控制方法
CN113867382B (zh) * 2021-09-01 2023-11-24 西安电子科技大学广州研究院 一种无人机集群网络的拓扑控制方法
CN114189916A (zh) * 2021-11-19 2022-03-15 厦门大学 一种5g网络低时延端到端通信的域间边缘协同方法
CN114189916B (zh) * 2021-11-19 2023-07-14 厦门大学 一种5g网络低时延端到端通信的域间边缘协同方法
CN114338702A (zh) * 2021-12-30 2022-04-12 北京天融信网络安全技术有限公司 通信数据的转发方法及无人系统集群
CN114338702B (zh) * 2021-12-30 2023-11-14 北京天融信网络安全技术有限公司 通信数据的转发方法及无人系统集群
CN115802390A (zh) * 2023-02-06 2023-03-14 中国人民解放军国防科技大学 基于公共信道邻居比的多信道无线自组网优化方法和装置

Also Published As

Publication number Publication date
CN112822752B (zh) 2022-10-25

Similar Documents

Publication Publication Date Title
CN112822752B (zh) 一种无人机自组织网络的路由建立方法及系统
Guo et al. ICRA: An intelligent clustering routing approach for UAV ad hoc networks
Zhang et al. A novel multicast routing method with minimum transmission for WSN of cloud computing service
Liu et al. Objective-variable tour planning for mobile data collection in partitioned sensor networks
Liu et al. Load-balanced data dissemination for wireless sensor networks: A nature-inspired approach
Aftab et al. Hybrid self-organized clustering scheme for drone based cognitive Internet of Things
Boukerche et al. Efficient green protocols for sustainable wireless sensor networks
Malhotra et al. A comprehensive review on recent advancements in routing protocols for flying ad hoc networks
Khan et al. Intelligent cluster routing scheme for flying ad hoc networks
Yang et al. UEE-RPL: A UAV-based energy efficient routing for Internet of Things
Hassan et al. Reinforcing communication on the internet of aerial vehicles
Rady et al. Comprehensive survey of routing protocols for Mobile Wireless Sensor Networks
Khedr et al. MWCRSF: Mobility-based weighted cluster routing scheme for FANETs
Yao et al. Game theory and coverage optimization based multihop routing protocol for network lifetime in wireless sensor networks
Nagendranth et al. Type II fuzzy-based clustering with improved ant colony optimization-based routing (t2fcatr) protocol for secured data transmission in manet
Yadav et al. A discrete particle swarm optimization based clustering algorithm for wireless sensor networks
Chen et al. A clustering protocol for wireless sensor networks based on energy potential field
Chaurasia et al. MOORP: Metaheuristic based optimized opportunistic routing protocol for wireless sensor network
Meenakshi et al. Energy efficient hierarchical clustering routing protocol for wireless sensor networks
CN117042083A (zh) 一种面向无人集群组网的分布式可靠传输保障方法
Khanouche et al. Energy efficient multi-hops routing protocol based on clusters reorganization for wireless sensor networks
CN113162638A (zh) 一种基于非合作博弈的sdwsn拓扑控制算法
Alsalamy et al. Energy efficient improving routing model for UAVs assisted vehicular adhoc networks
Zhang et al. Optimized Routing Model of Sensor Nodes in Internet of Things Network.
Khan et al. Self-Organized Network Management of UAV Based Internet of Flying Things

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