《基于移动预测的无人机自组网GPSR—NMP协议》-工学论文，软件工程论文-论文范文参考-科学狗论文网

标题

基于移动预测的无人机自组网GPSR—NMP协议

范文

张国峰+李晖

摘要：本文针对无人机自组网内部成员的运动特性，提出一种适用于无人机平滑飞行环境的移动预测算法；针对节点的稀疏性，提出了一种适合用于无人机自组网的邻节点筛选算法。鉴于GPSR协议周期性信标交换算法在无人机自组网中存在的不足，重新定义信标，结合邻居列表维护机制及本预测算法对其进行改进，以使改进的路由协议（命名为GPSR-for Sparsity UAV Ad Hoc network based on Neighbors' number and MobD/tv Predication，以下简称GPSR-NMP）适用于无人机自组网环境。NS2的仿真结果表明，GPSR-NMP协议在无人机自组网中具有良好的适用性。

关键词：无人机自组网；GPSR；位置预测；稀疏性

O 引言

无人机具有集群化的发展态势，也就是向无人机白组网方向发展。无人机白组网是一种无人机动态形成的无需借助任何中心站的多跳无线移动通信网络，多跳无线网络各个节点同时具备收发器功能以及路由器功能，利用多跳方式将数据转发距离较远的节点。因为无人机自身具有白组网节点的高移动性，反应路由不是最优的，同时先应路由维持路由表的方式产生大量的控制开销。由于节点自身具备了定位计算能力，基于地理位置的不需要维护路由表的GPSR路由协议展现出了广阔的应用前景，但需结合具体场景进一步改进，以使其适用于高速运动的无人机网络。随后提出了参考期望域后再次改进而得的先进算法GPSR-EZ将GPSR算法以目标节点的具体地理位置为主要依据的单点定向传输数据模式转为区域多点传送模式，以尽量避免目标节点移动情况下不能及时进行数据内容的传输突发状况的发生。以位置矢量依据研究改良过的GPSR算法在深入探究GPSR-EZ算法后随即指出，一旦选择缩减期望域范围，那么将会大大降低“多点转发”的运算实际工作量。提出的以不同距离、角度为参考的GPSR算法进一步改进后的以错开路由空洞为基本目标的GPSR-AD算法，最大程度的利用地理位置信息提高网络扩展力度以达到无状态路由数据传输的目的。绕开了周边模式的多跳与不可以及时回退的缺陷。提出的以极大转发角为基础的GPSR改进协议GPSR-MAT的核心思想是：当源节点发出数据内容后，如果可沿路从路由空洞的切线处传递数据内容，则更利于错开路由空洞；此协议可先进行大量转发，等遇到空洞后再转入边沿转发，尽快找到最大角接点，再根据此节点向源节点所在方向传递数据内容和情况反馈，在此之后，若在同一节点重复遇到路由空洞，則可选择错开路由空洞再进行数据转发。

1 问题描述

GPSR是以地理位置信息奠定基础的无需进行维护路由表工作的路由协议，网络系统中各节点可依据自身定位设备来获得具体位置信息，并将此位置信息以轴系性广播的信标传送出去，在接收范围内的节点接收该信息以获取邻节点的地理位置信息，用以维护邻居表。但周期性信标仅适用于低速白组织网络，对于高速变化的稀疏性无人机网络，信标不能反映出网络稠密程度，导致无效跳数增加；验证了GPSR算法仅适用于部署密度较高的网络；GPSR不具备预测白适应过滤无效节点能力，导致错误路由决策。GPSR信标格式见表1。

2 提出协议算法

为从无人机自组织网络稀疏性和节点运动性这两方面解决无人机飞行环境中的邻居表维护问题，分别从信标隐藏信息、位置预测以及信表信息适当提取等三个方面进一步优化GPSR协议，协议优化后称之为GPSR-NMP。

2.1 信标交换算法

定义信标形式及内容，信标内包含节点标识id，用于标识节点唯一识别号；即时地理信息、快速预测地理信息以及自身速度信息，适用于相邻节点进行信标处理时运动性白适应过滤邻节点；邻居数量信息，用于稀疏性白适应过滤邻节点；时间戳，用于标识信标发出时间。网络中所有节点的通信半径均相同。如图1数据包转发路径所示。

S为源节点，D为目的节点，A有邻居节点B和C，B仅有邻居节点A，C有邻居节点A、E、F，且节点B与目的节点D之间的距离比C与D之间的距离更近，由于转发节点A检测到邻居节点B的邻居节点数量是1，邻居节点C的邻居节点数量多于1，那么转发节点A将选择节点C为下一跳进行数据传输。如果转发节点A的邻居节点B仅有转发节点A-个邻居节点，那么节点B无法作为下一跳节点转发数据。此时使用的转发方式是，加入转发节点距离目的节点比之转发节点距离其它转发节点都近，由此转发节点将首先筛选邻居列表中显示邻居节点数量不低于1的邻居节点，于邻居节点数量不低于1的邻居节点中选择与目的节点距离最近的节点当作下一跳转发节点；在实际转发过程中不会选用平面化这种算法，而会选择使用贪婪方式进行转发，并且允许下一跳节点距离目的节点比自己距离目的节点更远。转发节点工作流程如图2示。

各节点实施信标封装传送时，需将自己的ID信息、实时地理位置信息、快速预测位置信息、自身速度及邻居节点数量填入直接信标帧，信标即时发送时间为探索自身实时地理位置取得一定时间，如表2信标帧形式。

2.2 节点位置预测

因为GPSR-NMP协议选择使用周期性信标，所以可将无人机驾驶地理坐标与时间之间的关系记为表3的形式。

逐步分解节点飞行轨迹，如图3，对x轴，假设描述节点在X轴方向随时间t的运动轨迹为x（t），是由方程（1）描述的一个N阶多项式：

如果用的前k个时刻的值x（t-K+l），…，x（t）来预测多项式（1）将来值x，即

式（2）是以（k=0，1，…，K-l）为系数的有限长冲击响应（FIR）滤波器。采用式（2）中预测滤波器来建立适合多项式方式的信号时，均采用该多项式先验信息：

当T=l，N=2时，

式中：k=0，l….，K-l。根据下方式子分析，分别采用五组数值来预测解算，K=5，那么对v轴方向应用龙格库塔算法有：

K1，K2，K3，K4分别是（Xt-4，Xt-3），（Xt-3，Xt-2），（Xt-2，xt-1），（xt-1一.xt）区间的直线斜率。

2.3 信标消息提取与邻居列表更新

如图4节点运动信息示意图所示，B是A的实时邻居节点，A，J是B的实时邻居节点，A'是A下一时刻的预测位置，J'是J下一时刻的预测位置，节点B发送信标前将白身的ID、实时地理信息、一步预测地理信息，邻居节点数量信息加入信标帧。

对应于信标消息实测位置为（nxi，nyl），预测位置为（nX2，ny2），速度为nv；接收节点实测位置为（myx1，myy1），预测位置为（myx2，myy2），速度为myv。接收节点在收到信标后，获取自己的邻居信息。结合自身速度、信标速度以及通信半径R的结合实施节点白行适应过滤，过滤系数为M。则邻居节点运动步长：接收信标节点运动步长：分别对预测位置（X，Y）进行修正：则，计算修正后的节点A和节点B之间的预测距离nmL：若（nmL-R）<0，则再结合信标中显示的邻居节点数量，按照3.1节中的方法筛选过滤后提取符合传输要求的邻居信息，将其添入邻居列表，邻节点白适应筛选过程如图5。然后更新自身的邻居节点数量。邻居表存储格式见表4。

4 仿真结果

图6是GPSR-NMP协}义在不同速率下，不同的邻节点的邻居数量限制下（以下简称限制数量）与投递成功率的关系图。GPSR-NMP加入了邻居节点邻居数量检测机制，在转发数据时下一跳节点优先选择无邻居节点即邻居数量为0时的协议。并将所检测转发节点的邻居表中是否存在目的节点条目，若存在则选择目的节点作为下一跳，即将数据包交付给目的节点；与之相反即不存在则选择检查转发节点中剩余邻居条目，首先检查邻居条目中的邻居数量是否多余1，若不多余1则跳过，若多余1则选择距离目的节点位置最近的邻居节点作为下一跳进行数据转发。当限制数量设定为2时，转发节点的邻居节点除转发节点以外，还存在一个邻居节点；如果不设置上限数量，那么转发节点在选择下一跳只有转发节点是其邻居节点，徒增跳数以及投递成功率下降。结果表明，在检测机制设置限制数量为2时，投递成功率是最好的。

图7是GPSR-NMP.GPSR和GPSR-I三种协议速度与投递成功率的关系图。GPSR-NMP协议中采用了重新定义的信标，结合移动预测算法，使维护的邻居表更为逼近于真实的无人机网络成员空间分布，减少了无效跳数，投递成功率有效提升。与高速场景相比，低速场景很少发生邻居节点移动情况，因此仿真结果显示的三种协议之间的投递成功率相差很微弱；由于速率的提高，邻居节点移动越发频繁，此时具备移动预测能力的GPSR-NMP协议显现了其投递成功率的优势。

图8是GPSR-NMP.GPSR和GPSR-I三种协议速度与时延的关系图。由于相对于高速场景，在低速场景中，极少出现邻居节点移动的情况，因此仿真结果显示三种协议的投递成功率差距十分微弱；由于速率的提高，邻居节点移动频率越发频繁，拥有移动预测能力的GPSR-NMP协议开始展示了其投递成功率的优势。

图9是GPSR-NMP.GPSR和GPSR-I三种协议速度与平均吞吐量的关系图。与GPSR和GPSR-I两

种协议相比，GPSR-NMP协议维护的邻居信息十分精确；由于节点速率加快，平均吞吐量皆逐渐开始显H{下降趋势，但GPSR-NMP协议平均吞吐量的下降趋势整体低于另外两种协议，特别是在高速场景中图8平均端对端时延对比这种优势更为明显。

图10是GPSR-NMP，GPSR和GPSR-I三种协议在[20，200]m/s速率区间内，6000*6000米拓扑范围内节点数量与平均吞吐量的关系图。由图中信息可以得知，在節点密度较低的情况下，三种协议吞吐量均较低；节点密度为21个/3 6l∞2时，GPSR-NMP协议的吞吐量与GPSR协议相比，GPSR-I吞吐量明显提升；由于节点密度的不断提高，GPSR-NMP协议的平均吞吐量趋势逐渐缓和，与之相反，GPSR，GPSR-I协议的吞吐量却稳步提升，当节点密度水平较高时，三种协议的平均吞吐量几乎相同。仿真结果表明，GPSR-NMP协议与GPSR，GPSR-I协议先比，其对稀疏性无人机网络具有更好的性能。

5 结束语

本文提出了基于移动预测的无人机白组网GPSR-NMP协议，并重点研究分析了限制数量和移动预测对GPSR协议性能的影响。使用NS2对GPSR，GPSR-I和GPSR-NMP三种算法在不同速率、限制数下实施仿真输出跟踪数据，并采用awk语言分析时延，统计分析不同算法下吞吐量及投递成功率，运用gnuplot画图工具以图像形式呈现结果；根据仿真结果图像表明，本文根据无人机白组网特性深入研究，之后提出具备移动预测能力的稀疏性GPSR-NMP协议，其投递成功率的提升、吞吐量和时延降低方面有着较好的性能。

随便看

科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。