无人机自组网三维GPSR协议研究

针对无人机高速运动导致通信链路易断开的问题,提出最大跳距的概念并据此设计了下一跳候选区域,以增加最佳下一跳的可选范围;考虑到高动态网络中GPSR信标交换不及时引起的位置信息失效提出了移动性预测机制,通过对邻居节点实时的位置预测,使得建立的通信链路更加稳健.为解决GPSR协议周边转发在三维空间不适用的问题,引入按需路由DSR泛洪寻找路由的思想,可以以最小跳数恢复贪婪转发.仿真结果表明和PSPFP路由协议相比,不同移动速度下的CA-GPSR协议在端到端时延、分组投递率和网络吞吐量等方面的性能都有不同程度的提升.     

移动预测的无人机自组网路由协议

在无人机自组网中,针对贪婪地理路由协议采用周期性信标交换导致邻居表不能准确反映邻居节点位置的问题,提出了一种基于移动预测和链路保持时间的路由协议MP-GPSR。该协议综合考虑节点的移动位置和链路保持时间来选择下一跳,减缓了节点高速移动带来的不利影响,同时使用两跳邻居节点的位置选择下一跳来避绕路由空洞,降低了传统边界转发的路径冗余。仿真结果表明:该协议不但提高了数据分组交付率,而且降低了平均端到端时延和控制开销。     

规模化无线多跳自组网性能建模与协议优化设计

现有的有中心无线多跳自组网一般采用时分双工协议进行调度,但其在超密集大规模场景中的调度时延过大,导致话音、视频等业务的实时性与可靠性难以得到保障.针对这一问题,提出一种大小规模场景都适用的规模化时码分多址协议S-TCDMA,综合考虑信道参数、网络参数、协议参数对业务实时性与可靠性的影响,建立规模化多跳自组网复用干扰与调度时延模型.数值仿真结果表明:相比于时分双工协议,S-TCDMA协议在规模化网络中能够在保障网络可靠性的前提下降低调度时延,提升业务调度的实时性.在此基础上,以最小化调度时延为目标,设计协议参数优化策略,为工程协议的性能优化提供参考.     

基于深度强化学习的无人机自组网路由算法

针对无人机自组网节点密度大、拓扑变换频繁,导致移动自组网复杂的问题,提出了一种基于深度强化学习(deep-reinforcement learning, DRL)的分布式无人机自组网路由算法。利用DRL感知学习无人机特征,使节点不断与环境交互、探索学习最优行动(路由)策略;通过存储经验知识,维护端到端路由,赋予无人机网络智能化重构和快速修复的能力,从而提高路径的稳定性,降低路由建立和维护开销,增强网络的鲁棒性能。仿真结果表明,提出的算法具有较好的收敛性能;在路由修复时间、端到端时延,以及网络适应性、扩展性方面都优于传统的路由算法。     

战术无人机群移动自组网的路由性能分析

提出了采用Ad hoc 移动自组网建立战术用无人机群的网络通信以实现战术无人机群的协同与控制,使用参考点组移动模型(RPGM)对战术用无人机群的运动进行仿真,分析了在战术无人机节点运动情况下移动自组网的路由协议性能.结果表明,Ad hoc网络可以有效地实现战术用无人机之间的网络通信问题,其中ADOV路由协议吞吐量大,更能适合网络拓扑的剧烈变化;而DSR则具有路由负载轻的特点,路由协议的性能也随结点移动速度的变化而发生显著改变. 因此为适应无人机群的不同战术任务,应根据战术任务的不同要求来选择不同的路由算法     

VANET中基于时空的动态优先级调度策略

在车载自组网中,道路安全相关应用地位日益突出.根据安全消息的紧迫程度对其优先级进行划分.提出了基于时空的动态优先级调度策略,通过建立时空相关函数表示不同优先级大小,优先级随着消息分发的时间和距离的增长而减小.同时,将紧急报警消息的传输限制在一定的时间域和空间域.通过仿真实验,结果证明基于时空的动态优先级调度策略可有效地提升网络性能:与采用固定优先级最大延迟门限的方法相比,当节点密度高时该算法可以很好地减少网络负载；当节点密度低时可以更好地扩大传输范围.     

适用于集群无人机的自组网安全分簇算法

集群无人机自组网的节点数量多、移动速度快,适合采用分簇的网络拓扑结构,而安全的分簇算法是簇结构自组网安全性的重要基础。分析了集群无人机自组网的特点和其对安全分簇算法的需求,提出了一种适用于集群无人机自组网的安全分簇算法,该算法结合使用密码机制和信任机制来保证网络分簇过程中的信息安全并且选出可信度较高的簇首,分析证明了其具有较高的安全性和可行性。     

无人机自组网中改进型反应-贪婪-反应路由协议

无人机自组网具有网络拓扑变化剧烈,链路断开频繁等特点.反应-贪婪-反应(reactive-greedy-reac-tive,RGR)路由协议是针对无人机自组网而提出的改进型协议,在高动态环境下具有较好的网络性能.针对RGR协议具有网络开销大、易出现网络拥塞等问题,提出了一种基于负载均衡和高贪婪地理转发成功概率的改进RGR路由协议.该协议在RGR协议的基础上,提出基于节点负载状态和地理位置信息辅助的受限洪泛机制、GGF模式下高分组成功传输概率的路径选择策略和基于节点负载预测和运动特征的分组转发策略3项关键改进措施.仿真结果表明,相较于AODV和RGR及其改进型协议,该协议提高了分组投递率,降低了网络的控制开销和平均端到端时延,提升了网络应对拓扑高度动态变化的能力,有效改善了网络性能.     

移动自组网中基于区域的多路路由算法

提出了一种适用于移动自组网的基于区城的多路路由算法。该算法将路由发现控制在一个预定区城内，不仅大量减少路由控制开销，而且确保最优路由。分析和仿真表明，选用合适的多径选取策略，在高移动、高动态网络环境下，该算法在路由开销、TCP吞吐量以及时延方面都有一定的提高。     

面向任务的无人飞行器自组网OLSR协议

无人飞行器（unmanned aerial vehicle,UAV）自组网的路由研究多以性能指标出发、忽略无人飞行器网络的任务驱动性,与实际需求动态耦合弱、适用性不强。针对该问题基于无人飞行器多任务网络提出了面向任务的无人飞行器联盟组网架构,提出了无人飞行器联盟的任务自适应优化链路状态路由协议（task adaptive optimized link state routing,TA-OLSR）。基于模糊逻辑设计拓扑稳定度计算方法,利用拓扑稳定度实现TA-OLSR控制消息的自适应广播,同时结合稳定度设计新的多点中继选择策略。仿真结果表明,TA-OLSR算法能从宏观面向任务的角度出发,实现不同任务下的良好自适应性,提升数据包投递率,减少冗余信息传播,降低网络开销,有效提高整体网络性能。     

一种支持移动自组网通信的多无人机中继网络

针对移动自组网中移动和活动范围扩大等因素导致网络连通性的变化问题,该文提出一种支持移动自组网通信的多无人机中继网络。通过场景分析与系统建模,定义了地面节点与无人机连通率、地面节点跨域通信连通率、无人机连通率,提出了一种加权质心的单无人机飞行模型,设计了多无人机中继网络的飞行控制方法。仿真分析了地面节点的活动区域、移动速度以及通信业务对3种网络连通率的影响,比较了基于加权质心方法与质心方法在支持网络连通率上的不同。结果表明:加权质心方法在支持地面节点跨域实时通信上的能力要优于质心方法,但前者在支持地面节点与无人机间连通率的能力上要差于后者。     

递推人工蜂群的模糊划分熵多阈值分割算法

针对图像分割中模糊划分熵算法在多阈值选取时存在的效率低、计算重复的问题,提出了一种递推人工蜂群的模糊划分熵多阈值分割算法(RAFPEA).首先选择附加边界条件及灰度权重的隶属函数来构建图像的模糊熵模型,并将该模型中不同变量的组合计算转化为递推过程,进而保存此过程中不重复的瞬间递推值,然后引入人工蜂群算法,利用预存的递推结果来计算蜂群寻优时的个体适应度值,从而减少重复计算,达到快速寻优的目的.实验结果表明:RAFPEA的均一度与精确的穷举模糊划分熵法相同,但运行时间仅为穷举、遗传的模糊划分熵算法的5％;随着阈值数量的增加,运行时间稳定不变,在确保精度的前提下,可高效地对图像进行多阈值分割.     

无人机自组织网络组网与接入技术的仿真设计与实现

描述了面向无人机(UAV)自组织网络的组网技术和接入技术,提出了针对时延的改进接入技术,以增加一部分低优先级消息的时延为代价,降低另一部分高优先级的消息的时延.选择基于C++和Python语言的网络模拟仿真软件NS3作为开发平台,编程实现UAV自组织网络的接入和组网技术仿真.     

多速率下移动自组网路由协议AODV性能分析

移动自组网是一种没有基础设施的临时性自组织网络,在其应用时路由协议是必须确定的基础性问题.随着业务的发展和MAC层协议的支持,移动自组网会适应不同速率的业务,能以不同的速率发送报文.基于NS2的在2 Kbps,144Kbps,1 Mbps,2 Mbps,11 Mbps等5种发送速率下,对AODV路由协议进行的仿真研究和性能分析结果表明:AODV在低速率业务下工作良好,同时也能支持高速率业务.     

移动自组网中基于区域的多路路由算法

提出了一种适用于移动自组网的基于区域的多路路由算法.该算法将路由发现控制在一个预定区域内,不仅大量减少路由控制开销,而且确保最优路由.分析和仿真表明,选用合适的多径选取策略,在高移动、高动态网络环境下,该算法在路由开销、TCP吞吐量以及时延方面都有一定的提高.     

基于多蜂群的多无人机协同自适应搜索

针对多无人机(unmanned aerial vehicle, UAV)在未知海域环境下协同搜索这一重要研究课题,提出基于精英学习的多蜂群协同自适应搜索路径规划算法。首先,建立考虑飞行高度时变的无人机模型、传感器模型以及海域模型。其次,在该模型基础上建立了包括目标发现收益、期望探测收益及避碰等多目标效能函数。在考虑到UAV飞行高度动态变化时采用不同搜索策略,由于传统蜂群算法在搜索中存在适应性差、速度慢等缺点,提出基于精英学习的多蜂群算法,保证了搜索效益的最大化。最后,通过仿真实验验证了算法的有效性和实用性。     

移动自组网的多约束QoS多播路由最优算法

在多播应用中,应当确保多种网络服务质量(Qos).针对移动自组网多播通信业务工程,本文给出了一个基于遗传算法的多约束最优化路由算法(MQMGA),该算法能够优化最大链路利用、节省多播树开销、保持长寿命路径选择、减少平均延迟和端对端最大延迟.仿真实验结果表明,该算法有效,能够提高多播通信业务工程的性能,易于评价移动自组网的路由稳定性.     

基于位置信息的多车协同碰撞预警协议

在车载自组网中,无线信道的通信质量直接影响了EWM(emergence warning message)的多跳广播传输性能.为提高车辆在复杂信道环境下的EWM传输效率、降低延时,综合考虑交通环境下无线网络信号的可靠性、消息传输的实时性及道路交通状况信息,提出一种基于位置信息的多车协同碰撞预警协议(vehicle collision warning protocol,VCWP).该协议在通信范围内选取首选转发车和候选转发车,在进行退避时间的选取时,采取基于邻节点密度的信道竞争机制,以保证EWM在复杂信道环境下的低时延、可靠送达.仿真验证表明VCWP与GPSR(greedy perimeter stateless routing)、IEEE 802.11p协议的BEB(binary exponential back-off)退避策略相比具有良好的性能,提高了EWM传输成功率,降低了时延,为复杂信道通信质量环境下EWM的传输提供了可靠性保证.     

面向车载网的基于位图的多跳广播协议

车载网(vehicular ad hoc networks,VANETs)中多数安全应用常采用多跳广播协议传输安全消息,然而,现有的多跳广播协议存在时延和碰撞问题。为此,首先强调并分析了现有协议所忽略的碰撞和时延问题,然后提出了基于位图的多跳广播协议(bitmap-based multi-hop broadcast,BMB)协议以解决这两个问题。为了降低时延,BMB协议允许候选转发节点以反比于它的转发优先权设置等待时间,而转发优先权依据空闲空间分布(empty space distribution,ESD)位图设置。ESD位图反映着车辆间的空间分布。其次,BMB协议推导了两个相邻候选转发节点间等待时间的最小间隔,基于此间隔,BMB协议调整各候选转发节点的等待时间,保证两个节点间的等待时间差大于此间隔。仿真结果表明,与STF相比,提出的BMB协议具有低的转发时延和碰撞概率。     

基于多目标MQABC算法的无人机协同任务分配

针对多无人机协同任务分配问题经过单目标简化后对决策处理存在片面性和主观性等问题,提出了一种利用多目标自适应快速人工蜂群算法对其进行处理的方法.首先,建立多目标无人机协同任务分配模型;其次通过建立外部种群的约束处理技术及重置Harmonic平均距离循环策略对自适应快速人工蜂群算法(ABCSGQ)进行改进.另外通过定义自主决策准则引导多目标任务分配的方案选取.仿真实验结果表明:相比于多目标人工蜂群算法及非支配排序遗传算法,改进算法具有较好的分布性、收敛性及更高效的求解能力.