论文部分内容阅读
无人机自组织网络为各种军事和民用领域的应用提供了高效的解决方案。然而无人机的空中运动能力使无人机自组网呈现出三维的拓扑结构。同时无人机节点的高移动性导致网络拓扑快速变化。因此传统的路由协议不能有效适应于无人机自组网环境,网络的通信性能显著降低。本文对无人机自组网的路由算法进行了两方面的研究。首先针对无人机自组网的网络拓扑高动态和链路不可靠的问题,提出了一种基于移动性预测和极限学习机的无人机自组网地理路由协议GPSR-ELM。在GPSR-ELM中引入了三维网络拓扑的链路寿命预测方法。在此基础上提出了节点与基站连通时间的概念并设计了连通时间的分布式更新机制。在路由的转发决策过程中使用极限学习机进行优化。其中将连通时间作为参考因子并通过位置预测筛除失效节点。通过仿真验证,与路由协议AB3D、GPSR-3D、SP-GMRF和PSPFP相比,GPSR-ELM可以明显提高网络中数据的成功传输率,同时在延迟等其他性能也有着稳定的表现。其次面向使用无人机自组网进行多媒体实时传输的场景,本文提出了一种基于迁移学习的无人机自组网多媒体路由协议MDTR-TL。在MDTR-TL中提出了基于神经网络的基础QoS模型用于评估多媒体场景中链路的QoS水平。从基础QoS计算模型克隆出了离线QoS计算模型和在线QoS计算模型,并由这两部分组成单跳链路QoS计算模型。在其中还运用迁移学习的方法提升模型对不同的网络环境的适应性。在单跳链路QoS基础上提出了节点到基站的多跳QoS的概念并在路由过程中设计了多跳QoS的分布式更新机制。并且在MDTR-TL的转发决策过程中将多跳QoS作为主要参考因素。通过仿真工具NS-3模拟仿真得出的实验结果表明相比于路由协议3DPBARP、LinGO、GQPR和GGFGD,MDTR-TL在无人机自组网实时传输多媒体数据的场景中,可以有效的提高网络吞吐量并获得稳定且较为良好的传输延迟。