[发明专利]基于位置预测的编队无人机路由协议

说明书

本发明提出了一种基于位置预测的编队无人机路由协议，涉及路由协议领域，包括：发现邻居节点并建立组网结构；计算节点间的最大通信距离；预测节点轨迹并计算节点间通信概率；结合Dijkstra算法与A‑Star算法计算出最多3条备选路径；分别计算每条路径的连通率，并记录路径上的最小电池剩余量；综合评估备选路径，将评估出的最优路径作为本发明涉及路由协议的数据传输路径。该协议缓解了由于拓扑结构变化而引起的洪泛资源占用问题，并同时保证了数据传输的成功率和时效性。

技术领域

本发明涉及无线通信领域，具体涉及基于位置预测的编队无人机路由协议。

背景技术

随着无人机技术的发展，编队无人机组凭借其低成本的优势越来越多地被应用到各种场景下完成复杂的任务。在无人机高速移动的状态下，编队无人机组的拓扑结构会有较大的变化。传统路由协议在拓扑结构不稳定情况下的数据丢包、信道阻塞、命令时延高等问题亟待解决，这些问题会极大地降低无人机组的工作能力。

Optimized Link State Routing（OLSR）是一种先应式路由协议，在整个生存周期里每个节点都周期性地发送HELLO信息进行邻居寻找，并将拓扑结构加入TC信息通过MPR中继节点洪泛到整个网络。当有数据包传输时，源节点直接在当前的路由表中计算出最短路径并按照此路径将数据包传输到目标节点。这一过程相对于其他路由具有较高的时效性，但路由性能受拓扑结构影响较大，频繁变化的拓扑结构会使得节点不停地洪泛TC信息占用组网资源，极大地降低网络性能。

Dhurandher等人在《Journal of Parallel and Distributed Computing》（2018，vol.118，pp.369-378）上发表的“A location Prediction-based routing scheme foropportunistic networks in an IoT scenario”中提出采用马尔科夫链进行位置预测的路由方案，该方案通过划分源节点的通信范围来构造马尔科夫转移概率矩阵，有效地提高了位置预测的准确性。虽然该方案相对于EDR、HBPR、Epidemic等方案有性能上的提升，但预测算法仅能预测出节点出现在某一范围的概率，无法准确预测出节点坐标。

Lin Lin等人在“2012 IEEE Globecom Workshops”（3-7 Dec. 2012）会议上的“AGeographic Mobility Prediction Routing Protocol for Ad Hoc UAV Network”中提出了一种地理移动性预测的路由协议，该协议推导出了无人机位置概率密度函数的高斯分布，能够有效减小高机动性的影响，并提出基于两跳节点的转发策略来减少路由空洞的影响。虽然该协议有效减小了高机动性的影响，但数据的转发策略却仅依赖当前节点的一跳邻居和二跳邻居，没有考虑系统的整体拓扑结构，导致选择的策略总是局部最优而不是全局最优。

本发明提出一种基于位置预测的编队无人机路由协议，旨在克服无人机系统中拓扑结构频繁变化的问题，并保证数据包的传输成功率和时效性。

发明内容

本发明所要解决的问题是提供基于位置预测的编队无人机路由协议，解决编队环境下洪泛资源占用过高，数据包传输失败率高和时效性低的问题。

本发明为解决上述问题所采用的技术方案是基于位置预测的编队无人机路由协议，所述路由流程框图如图1所示，包括如下步骤：

步骤一：无人机按照传统先应式路由协议建立拓扑结构；

步骤二：计算节点间的最大通信距离d_max；

步骤三：在预测间隔内将无人机加速度看作均值为零方差为恒定值的高斯变量，经推导得到无人机三维坐标的联合概率密度函数，由联合概率密度求得无人机的位置轨迹坐标点集合；

步骤四：根据节点的坐标预测结果计算节点间在预测间隔内的欧氏距离，将此距离和节点间最大通信距离相比较得到节点预测位置间的通信概率P；

步骤五：结合Dijkstra算法与A-Star算法计算出最多3条备选路径，并在计算过程中参考预测位置间的通信概率P；