面向任务的飞行自组织网络研究及路由协议设计

工程19（2022）217研究飞行Ad Hoc网络-文章面向任务的飞行Ad Hoc网络中一种虎蝶a，b，杨少石a，c，龚敏b，冯志勇a，c，朱学军ba北京邮电大学信息与通信工程学院，北京100876b中国运载火箭技术研究院，北京100076c通用无线通信教育部重点实验室，北京100876阿提奇莱因福奥文章历史记录：2021年2月23日收到2021年8月8日修订2021年10月11日接受2022年2月25日在线提供关键词：A B S T R A C T作为一种特殊类型的移动自组织网络（MANET），飞行自组织网络（FANET）具有在民用无线通信（例如，5G和6G）和国防工业。路由协议在FANET中起着举足轻重的作用。然而，当设计用于FANET的路由协议时，传统上假设空中节点随机移动。这显然不适合于面向任务的FANET（MO-FANET），其中空中节点通常从给定出发点朝向给定目的地移动，可能沿着大致确定的飞行路径，同时保持良好建立的编队，以便执行某些任务。本文基于多学科交叉融合的思想，提出了一种新的与现有的代表性的路由协议中使用的FANETH相比，我们的协议实现了更高的数据包传输率（PDR）的成本，甚至更低的开销和更低的平均端到端延迟，同时保持一个合理的适度和稳定的网络抖动，如广泛的ns-3为基础的模拟假设现实的配置在MO-FANET。©2022 The Bottoms.Elsevier LTD代表中国工程院出版，高等教育出版社有限公司。这是一篇CC BY-NC-ND许可下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）中找到。1. 介绍现代无人机（UAV）正在定义执行复杂任务的新模式，例如紧急援助[1]，地质勘探[2]和边境监视[3]。与装备有先进设施的个人无人机进行通信，多架无人机编队或较大规模的无人机群，在飞行自组织网络（FANET）技术的支持下，能够以更好的效果、更快的收敛速度和更低的成本执行具有挑战性的任务[4，5]，该技术基于节点间的联网和协作。FANET不需要固定的地面基础设施，这使得它对于广泛的应用特别有吸引力。路由协议在FANET中起着举足轻重的作用。一般来说，现有的移动自组织网络（MANET）和车载自组织网络（VANELS）路由协议[6]在具有高移动性和/或高动态性的*通讯作者。电子邮件地址：杨先生@ bupt.edu.cn（S。Yang）。拓扑结构，尽管这些网络之间有许多明显的相似之处[7]。为了使FANTRONIC更强大，大量的研究工作已经致力于路由协议。例如，它在参考文献中显示。[8，9]通过改进优化链路状态路由（OLSR）协议的多点中继（MPR）选择方法可以减少信令开销和路由重新计算成本[10]。通过利用基于贪婪地理转发的经典分组传递技术[11]，当使用ad hoc按需距离向量（AODV）[12]路由协议时，网络的分组传递率（PDR）和端到端延迟得到改善尽管有这些改进，但仍然需要巨大的开销来执行路由发现，这在大规模网络中是禁止的。因此，高性能低成本的路由协议是必不可少的FANESTO。自组织网络中路由协议的性能随移动模型而变化[13]，将移动轨迹和协议结合起来进行网络设计是一项理想且重要的任务[14]。这是在学习Mandarin时要考虑的一个主要特征。在大多数移动模型中，包括室内移动模型，如随机行走[15]，随机路点和随机https://doi.org/10.1016/j.eng.2021.10.0222095-8099/©2022 THE COMEORS.由爱思唯尔有限公司代表中国工程院和高等教育出版社有限公司出版这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect上获得目录列表工程杂志首页：www.elsevier.com/locate/engD. Hu，S.杨，M.Gong等人工程19（2022）217218方向，以及室外移动性模型，例如高斯-马尔可夫[16]和随机行走的概率版本，节点的位置和/或速度被假设为随机变量。然而，面向任务的FANET（MO-FANET）组成的高价值的空中节点，如无人机和直升机，随机移动模型偏离现实。事实上，拓扑控制在MO-FANET中是非常期望的，因为它带来了各种益处。为了进一步阐述，可以部署空中轨迹规划（ATP）系统，以通过基于行为、基于虚拟结构或基于领导者-跟随者的方法[17]或通过动态地使用自适应协议[18]来控制编队中每个空中节点的移动模式，从而确保任务按计划完成并避免潜在的巨大经济损失。ATP是MO-FANET的基本功能模块之一，因为它有利于提高操作效率和安全性，并实现任务中的有效节点间联网和协作。在飞行期间，ATP系统可以调整启发式算法（例如，模拟退火）[19]以生成满足速度和加速度的平滑度约束的轨迹。这个结果，然后可以被应用为移动模型，用于模拟路由协议在一个更现实的情况。编队控制，其保持所有UAV的位置的几何图案（例如，使用本地相邻信息[20]）可以在足够大的时间尺度上提供稳定的拓扑以执行路由计算。因此，通过适当地利用编队控制，可以简化用于MO-FANET的路由协议的设计。更重要的是，作为一个因此，在MO-FANET中简单地使用传统ad hoc网络的路由协议不是最佳策略在上述背景下，本文对该领域做出我们提出了一个创新的据我们所知，直接利用多个无人机的本地轨迹动力学从应用层作为输入，除了从无线通信的角度考虑，从来没有被报道设计一个路由协议在公开文献。我们的工作的意义在于，它可能开辟一个新的跨学科研究方向，其目标是充分利用来自各个协议层的信息来支持高效路由协议的设计。建立了一个数学模型，描述了多架无人机协同编队飞行的情况。这是一个重要的场景，在民用和国防工业中都有广泛的应用具体地说，我们将MO-FANET的飞行过程建模为五个阶段，这五个阶段由多个坐标系和不同的复杂机动动作来描述。此外，考虑物理空间轨迹动力学和网络空间无线介质访问机制的时间尺度差异，这确保了MO-FANET的拓扑结构对于路由协议的操作是足够可预测和稳定的。与其它现有协议相比，CPR-TD协议不仅实现了最高的PDR性能，而且在MO-FANET环境此外，在大多数考虑的情况下，它表现出比基准测试协议更低的平均端到端延迟，以及相当低和稳定的网络抖动。我们的CPR-TD协议可以用无人机应用层ATP系统的辅助。因此，它更适合于MO-FANET比传统的路由协议中使用的FANESTO。本文的其余部分组织如下。在第二节中，我们提出了建模的MO-FANET的飞行过程中，考虑的轨迹动力学描述的多坐标系和复杂的机动动作。在第3节中，我们详细描述了我们的CPR-TD协议。第4节中介绍了基于ns-3的大量模拟，这些模拟假设了真实的网络配置，并进行了详细讨论。最后，我们在第5中给出了我们的结论。2. MO-FANET飞行过程建模2.1. 应用场景在紧急情况或灾难救援场景中，地面策略通常不足以有效地控制情况，并且基于FANET的策略对于任务的执行变得不可或缺。例如，在最近的澳大利亚林火、亚马逊雨林大火和具有全球影响的加利福尼亚野火中，消防无人机发挥了重要作用;然而，它们通常以个体方式操作我们考虑了一个具有挑战性的场景，其中多个无人机以不同的编队从一个地方飞到另一个地方，以执行特定的任务，如图所示。 1、四个飞行编队。为了保证飞行安全和任务执行效率，各ATP系统通过分布式优化算法协同为每架无人机寻找最优航迹，并维持各无人机集群的队形为此，无人机需要实时捕捉其他无人机的运动信息，然后进行轨迹计算。在飞行期间，编队可以响应于障碍物或危险情况而机动，例如通过四处飞行因此，MO-FANET的动态运动状态可以分为四种状态：①飞行编队聚集;②绕飞;③折返，然后折返到飞行编队聚集。对于一个飞行编队，值得注意的是，根据ATP的结果，可以在一定程度上预测在一定时间段内的运动状态，这与公开文献中经常使用的随机移动模型有很大的2.2. 轨迹生成器为了更清楚地描述这里考虑的MO-FANET的飞行过程，我们采用了捷联惯性导航系统的轨迹发生器。该轨迹发生器能尽可能真实地再现无人机的飞行轨迹，已广泛应用于捷联惯性导航系统图1.一、飞行编队在MO-FANET中的应用实例D. Hu，S.杨，M.Gong等人工程19（2022）217219>>@;>不67不8>;;B¼ð þÞ>@k@t2345导航算法和飞行控制领域的组合导航算法[21]。在本文中，我们专注于获取无人机的轨迹参数，因此，特定的力和惯性张量将不会被考虑在我们的路由协议设计。图2中的流程图总结了轨迹参数采集的方法。为了便于理解，下面我们首先介绍相关坐标系的定义。然后描述了典型的机动动作，最后给出了机动模型.2.2.1. 坐标框架本文涉及的相关坐标系如图3所示，下面简单介绍。(1) 体轴坐标系（b坐标系）：y轴指向前方，穿过机头，表示为yb;x轴指向y轴右侧（面向飞行员的方向视图），垂直于y轴，并表示为xB;z轴向上指向通过飞行器底部，与xy平面垂直，并满足右手定则。(2) 地面坐标系（e坐标系）：e坐标系使用三元组（纬度、经度和高度）来表示物体的位置;例如，在图3中，e坐标系定义b为纬度，k为经度，h为高度，Re为地球的赤道半径，L为从飞机到地球表面上的交点的长度(3) 导航坐标框架（n框架）：n框架将xn、yn和zn分别定义为东、北和上三个方向(4) 轨迹坐标系（t坐标系）：t坐标系将水平向右定义为xt，将与轨迹相切的运动方向定义为yt。同样，zt是根据右手定则定义的.无人机的姿态角反映了飞行条件，如图4所示，其定义如下。 w表示航向角，它是地理北极和飞机机身纵轴的水平投影之间的角度;h表示俯仰角，它是飞机机身纵向轴线的水平投影与该纵向轴线本身之间的角度;c表示滚转角，该滚转角是垂直轴线与图三.坐标框架。b：纬度;k：经度;h：高度;Re：地球赤道半径;L：飞机到地球表面交点的长度;xb，yb，zb：体轴坐标系方向;xt，yt，zt：轨迹坐标系方向;xn，yn，zn：导航坐标系方向。见图4。 飞机的姿态角。@h@c@wx@ t @t@t>垂直面我们假设w、h和c是时间t的线性函数，这通常是现实的。通过旋转和平移运动，我们可以在不同的坐标系之间转换坐标[22]。是TnT特异性，½x yz]^C½xyz]，其中T表示反式-@vn不 公司简介<@b¼vyn=RML@t¼vx;nsecb=RNL>ð2Þn;nn不t; t;t@h姿态算子 是从t坐标系到n坐标系的旋转数组。：@t¼vz;n框架，并给出如下：cos wcos h sin w- 善熙善熙公司简介- sin w cos h cos w-sinh cos w0 sinhcosh此外，考虑到地球扁率的影响，可以通过下面的微分方程从t坐标系中的运动状态的变化获得e坐标系中的位置变化：图二. 弹道参数获取方法。其中，xb是b坐标系e中的姿态角速度矢量，vn是n坐标系中的速度矢量，ann是n坐标系中的加速度矢量，n标架，RN<$Re 1-2e 3e sin 2b是曲率半径RMRe1e sin 2b是子午线上的曲率半径，常数e代表地球的扁率。应该注意的是，在Eq。通过将加速度从t坐标系改变到n坐标系，即通过使用an¼Cnat其中at是t坐标系中的加速度矢量然后，我们通过使用四阶龙格-库塔法[23]求解上述微分方程来获得飞行器的轨迹、速度和姿态事实上，任何其他可行的积分方法也可以用来获得相同的结果。D. Hu，S.杨，M.Gong等人工程19（2022）217220@tC-@t@t0; 0;R“的。@h#2.2.2. 典型机动动作描述无人机运动状态的变化是由b坐标系中的姿态角速度和t坐标系中的加速度引起的。典型的机动动作的数学特征如下。(1) 均匀的直线运动。在这种状态下，姿态角速度和加速度都不会改变;因此，我们有xb1/2-@h;0; 0mm2ð11Þat¼ 0; 0;- @tr2.2.3. 移动模型为了进行更现实的研究，我们考虑一个场景，xb¼½0;0;0]at¼½0;0;0]ð4Þ无人机在飞行过程中可以避开障碍物，- 是的 如图 5，我们假设所有的无人机最初分为四组，分别由四个不同的(2) 均匀加速或减速。在这种情况下，只有改变加速度，无人机继续以加速度a向前加速或减速。因此，我们有颜色.为简单起见，假设各组中的无人机相对静止，并在整个飞行过程中通过使用机载编队控制系统保持菱形。xb¼½0;0;0][at½0;a;0]ð5Þ编队或机动动作可以根据的实际条件。当探测到障碍物时，无人机群先进行分离，再进行重组避让(3) 协调转弯。无人机转弯时，因此，这种状态分为三个阶段：倾斜、转弯和从转弯到平飞的过渡。在第一阶段，无人机的滚转角从零开始改变，到以恒定的角速度@c，@t转身。因此，我们有xb¼0;@c;0障碍.为了清楚起见，图6中示出了所有UAV组的轨迹，其中具有特定颜色的每个轨迹对应于图6中相同颜色的组。 五、3. 利用MO-FANET的轨迹动态的拟议的在本节中，我们介绍了拟议的《残疾人权利公约》的细节，@tat¼½0;0;0]ð6ÞMO-FANET。我们的协议是跨学科研究的结果，其中ATP系统的输出被调用，以促进在第二阶段，无人机保持等于c的滚转角并开始以恒定的角速度@w转动;中心-@t三瓣力由倾斜产生的升力提供。然后我们有xb¼0; 0;@w路线选择@t[at½0;0;gtanc]其中g是重力加速度。ð7Þ在第三阶段，无人机在转弯后平飞，并以恒定的角速度@c改变滚转角。因此我们@t有xb¼0;-@c;0at¼½0;0;0]ð8Þ(4) 上升或下降。这种状态也可以分为三个阶段。在第一阶段，无人机在垂直面上进行半径为r的圆周运动，并从零开始改变俯仰角以恒定的角速度@h到h，以便准备@t图五. 飞行编队。上升或下降。然后，我们有xb¼@h;0;0“的 。@h2#9@t在第二阶段，无人机保持俯仰角并进行均匀的直线运动以爬升或下降。 因此，我们有xb¼½0;0;0]at¼½0;0;0]ð10Þ第三阶段是第一阶段的逆过程，无人机在爬升或下降后平飞。因此，我们有见图6。四组无人机的飞行轨迹。at¼D. Hu，S.杨，M.Gong等人工程19（2022）2172213.1. 分组报头受动态源路由协议（DSR）中的控制包的启发，我们的协议中的路由信息存储在包头中，包头构成数据包的一部分，并包含控制包。分组报头被设计为通知其他空中节点路由上的跳数，以唯一地索引每个分组，以识别分组类型，并指示分组传递路由，如图11所示。7.第一次会议。我们假设相同的ATP系统被单独部署在MO-FANET的所有我们还假设MO-FANET在每个会话中处于稳定状态，并且它可以基于从所涉及的每个空中节点广播的周期性状态在另一会话中改变为不同的状态然后，在每个会话中，信息源节点根据ATP系统的输出和可用的通信资源单独计算路由，并将跳数存储在“Hop”字段中，将路由上的第m个节点的地址存储在“Address [ m ]”字段中此外，每当给定源节点生成分组时，该分组被分配8比特序列号，该8比特序列号结合源节点的地址）和目的地节点的地址），其特征在于见图7。 数据包报头格式。分组与源-目的地对之间的一一对应关系，并且被存储在“Seq”字段中此外，分组报头中的“类型”字段存储分组类型，包括数据分组、路由应答（RREP）分组和路由错误（RRER）分组。 应当注意，RREP和RRER分组被视为控制分组。最后，我们为尚未定义的函数保留8位3.2. 路由建立与现有的方案不同，我们的协议没有路由请求（RRESS）过程建立从源到目的地的路由。因此，开销显著降低。事实上，在我们的协议中的源节点利用从某些应用程序的轨迹动力学的信息来建立路由。从网络空间的角度来看，关于任务和轨迹规划的信息在MO-FANET的无人机之间共享。在网络层上操作的路由协议可以经由应用层从ATP系统获得每个节点的位置信息，或者从物理层信号处理模块（例如，全球定位系统（GPS）模块或网络内分布式协作定位模块），以便支持路线的计算。从物理空间的角度来看，我们的协议可以提供更可靠的数据传输，这是ATP系统控制无人机轨迹所需的。更具体地说，我们使用所有的空中节点之间的重新加入和分离的时间的通知，以获得重新加入和分离的时间列表，并使用编队配置的输出，以获得邻接矩阵。图8中给出了流程图，以阐明我们的分组传递方案中的路由建立过程。更具体地说，当有来自应用程序的消息传递要求时，源节点处理数据包方法如下：①源端根据重入和分离时间表判断当前时刻是否存在一条使消息到达目的端的路由。②如果目的地可达，则源节点计算最短的见图8。 在我们的包传递方案中的路由建立过程的流程图。D. Hu，S.杨，M.Gong等人工程19（2022）217222通过利用基于邻接矩阵的Dijkstra算法来检测路径，并将结果存储在分组报头中。然后，分组传递过程可以立即开始。③否则，源节点估计消息在到期时间之前是否可用于目的地。如果目的地在消息到期之前可达，则源节点通过使用Dijkstra算法以邻接矩阵作为输入来计算最短路径，将结果存储在分组报头中，并等待发送的时间否则，源节点主动丢弃数据包，并且不尝试传输。3.3. 数据传输源节点产生路由，而中间节点仅执行数据转发和反馈。更具体地说，当任何节点收到一个数据包，它判断目的地是否是自己或没有。如果该接收节点确实是目的地，则它向源节点反馈RREP分组，这确认数据分组的成功递送。否则，该接收节点将数据分组转发到适当的下一跳节点，该下一跳节点由存储在分组报头中的路由信息确定。假设无差错传输，我们使用一个示例来说明图9中发送数据和RREP分组的过程，其中每个圆圈表示一个节点。具体地说，源S发出具有存储在分组报头中的路由信息的数据分组。在从源S接收到数据分组时，在所计算的路由上的中间节点M4将数据分组转发到路由上的下一个中间节点M5。最后，当目的地D接收到数据分组时，它根据分组报头中存储的反向路由信息，通过节点中继向源S反馈RREP分组。3.4. 路由恢复为了保证分组在网络上的高度可靠的传递，源节点必须在以下两种情况下支持重传机制：下一跳故障和其他跳故障，如图10所示。在图10（a）中，由于从源到下一跳节点的传输失败，源在传输失败的时间段期间将不会接收到任何反馈。为当前环境预先设置。因此，源必须重新计算绕过发生传输失败的下一跳节点的路由，然后再次发送数据包。在图10（b）中，尽管紧邻源节点的下一跳节点成功地接收到由源转发的数据分组，但是其他中间节点之一（不包括目的地）可能经历传输失败。 因此，源将永远不会从目的地接收RREP分组。相反，目的地将RRER分组发送回源，从而确认在中间节点之间的链路之一上发生了传输故障。然后，源重新计算绕过见图9。在无差错传输假设下的数据包传递机制。S：源;M1经历传输故障的特定中间节点。然而，如果传输失败发生在到目的地的最后一跳，则目的地节点不可达。 在这种情况下，将不会调用重传机制4. 模拟结果和讨论在本节中，我们提出了广泛的性能评估结果，我们提出的CPR-TD协议的MO-FANET的上下文中。我们的协议是在ns-3网络模拟器上实现的。为了清楚起见，表1总结了我们模拟中使用的参数。4.1. 弹道构型为了评估我们的协议在模拟网络模型中的性能，MO-FANET在一个给定的操作周期内的动态轨迹被分为五个图10.的数据传输机制（一）Next-hop故障情景;(b)其他跳故障场景。表1参数设置。参数值网络模拟器ns-3（版本ns-3.30）无人机数量36、100和196无人机速度250m·s-1无线电技术802.11b频带2.4 GHz传输协议UDP数据速率11 MbpsPHY协议DSSSMAC协议CSMA/CA数据包大小1000字节数据包生成间隔0.1 s交通模型CBR延迟模型等速传播损失模型Friis传播发射功率16.0206 dBm能量检测阈值机动性模型自适应飞行编队模拟时间100 sUDP：用户数据报协议物理：物理层; DSSS：直接序列扩频; MAC：媒体访问控制;CSMA/CA：载波侦听多路访问/冲突避免; CBR：恒定比特率。D. Hu，S.杨，M.Gong等人工程19（2022）217223P¼E2E¼× ¼ × ¼ ×¼¼P¼如表2所示。每个阶段代表一个不同的运动状态，如图所示。 5、下面解释一下。TT接收-T发送N个接收ð14Þ在第一阶段，所有无人机以紧密编队飞行，具有相对稳定拓扑的均匀直线运动其中T接收和T发送 表示接收到在阶段2中，为了避免出现障碍物，单个编队通过机动过渡到几个子编队换句话说，网络从聚合转变为转移。更具体地说，每个无人机群首先在其各自的机载控制系统中建立避障机动策略;然后，在目的地发送分组和从源发送分组。TE2E是确定网络是否满足传输延迟要求的关键因素。（4）网络抖动。这被定义为以下的标准差：端到端延迟TE2 E¼Treceived-Tsent;也就是说，我们有qP2分别开始爬升、下降和左/右转弯。在这在这个过程中，各组中的无人机仍然可以保持通信，但是来自不同群体的无人机可能T抖动E2E;E2E接收数量-1ð15Þ渐渐失去了联系。在阶段3中，每个组在通信范围之外，其他组，而编队是保持良好的无人机之间在每个组。因此，数据包只能在每个组内传递。在第四阶段，子编队开始在预定时间会合，并逐渐相互靠近。与此同时，各子编队之间的通信也逐渐恢复。在第五阶段，子编队完成了通信角度的组装;然后它们调整它们的运动以再次编队飞行。4.2. 性能度量为了性能评估，我们考虑了两个现实的和典型的操作场景。在第一种情况下，所有无人机都处于良好状态，并按照计划飞行。在第二种情况下，假设每组中的一个无人机不正常工作我们定义几个性能指标如下：(1) PDR。这被定义为接收到的数据包总数Nreceived与从源发送到目的地的数据包总数Nsent之比;也就是说，我们有其表征网络稳定性。4.3. 结果和讨论通过使用表1和表2中指定的参数开发基于ns-3的网络模拟器，将所提出的CPR-TD协议与五种最先进的路由协议进行全面比较：AODV、目的地顺序距离向量（DSDV）、DSR、OLSR和贪婪周界无状态路由（GPSR）协议。AODV是一种基于拓扑的按需路由协议。AODV中的每个节点通过控制分组Hello、RREQ、RRER和RREP来维护路由表[24]。路由表包含一个路由条目为每个已知的目的地节点在网络中，从起点到目的地的路由发现时，路由是必要的。DSDV是一种基于Bellman-Ford算法的主动路由每个节点定期向邻居节点发送路由表，重新计算最短距离，并更新表[25]。在DSR中，RREP和RREQ分组也用于路由发现，并且当传输开始时，路由存储在分组报头中[26]。对于特定节点，通过将其声明为每个邻居节点的MPR选择器，OLSR减小了控制分组的大小[24]。在GPSR中，全局路由是根据其邻居的地理位置和传输情况为每个节点分配的PDRN接收N发送ð12Þ使用贪婪算法的端点。考虑了四个性能指标，即PDR、OE、平均端到端延迟和网络抖动其反映了使用特定的路由协议。(2) OE。这被定义为接收到的所有数据分组的大小的比率（即，净荷，N净荷）到所有发送的控制分组的大小（即，overhead，Noverhead）;也就是说，我们有在不同的网络大小值（即，节点的数量被设置为4936、425100和449196，其中所考虑的每个路由协议的结果通过以下方式获得：OEN有效载荷N开销PDP大小;iCP大小;jð13Þ100个蒙特卡洛模拟实验;在每个蒙特卡洛实验中，总共990个数据包从随机选择的源节点发送到随机选择的目的节点，持续时间为-其中DPsize;i是第i个数据分组的大小; CPsize;j是第j个以更少的控制分组为代价接收更多的数据分组指示路由协议以更高的效率工作(3) 平均端到端延迟。这被定义为通过网络从源到目的地传递数据包的平均时间;也就是说，我们有表2轨道配置。飞行情景1[0，30.1）以密集队形2[30.1，37.7）通过机动3[37.7，60.1）改航4[60.1、62.8）分批过渡到交会5[62.8，100.0]飞进会合点并调整拓扑100秒模拟周期。值得注意的是，由于ns-3的内在机制，模拟器在0 s和100 s的时刻不工作，并且分组生成间隔为0.1 s。因此，第一数据分组被设置为在1.0 s，并且最后一个数据分组传输在99.9s的时刻完成。在图11中，我们比较了不同路由协议在不同网络规模值下的PDR。同时，我们考虑了两个节点失效的条件。条件1表示所有节点都工作正常的情况，而在条件2中，假设每个组中的中心节点都发生故障。可以看出，与其他基准测试协议相比，所提出的CPR-TD协议实现了最高的PDR，即使在条件2的节点故障下也是如此。这是因为所提出的CPR-TD方便地受益于通过利用轨迹动力学获得的运动预测。因此，它不需要路由搜索和维护过程。作为●●●●●¼D. Hu，S.杨，M.Gong等人工程19（2022）217224见图11。不同路由协议在不同网络规模和不同节点失效条件下的PDR比较。结果，路由发现操作引起介质访问冲突的概率较低在条件1和条件2下，DSDV协议在所有考虑的协议中表现出最差的PDR。这是因为DSDV是一种主动路由协议，它要求网络中的每个节点定期发送控制分组，因此无论是否有数据传输请求，介质访问冲突的概率都最高。相比之下，所有其他协议都相对谨慎地要求网络中的节点维护路由表，从而产生较少的开销。此外，随着网络规模的增长，AODV协议的PDR性能下降得最厉害，而DSR、OLSR和GPSR协议每秒钟实现的PDR有点类似。最后，我们看到，节点故障的影响是减少与网络规模的增加，所有的协议。这是一个自然的结果，因为当网络规模变得更大时，节点故障的密度变得更小图12中示出了在飞行过程的不同阶段中以及在网络大小的不同值下的不同路由协议的PDR比较。不失一般性，我们考虑一个场景，其中所有的节点功能良好。与从图2中获得的观察结果不同。12（a）和（b），可以看出，在图。 12（c）当网络规模足够大时，所提出的CPR-TD在表2中指定的所有五个阶段中实现最佳性能。虽然这一优势略有下降当网络规模较小时，我们的CPR-TD协议在第1阶段、第2阶段和第5阶段中仍然优于其他基准测试协议，如图2和图3所示。12（a）和（b），并且只有AODV方案在第3阶段和第4阶段中表现出比我们的CPR-TD略高的PDR。此外，可以看出，与阶段1和阶段5相比，所有协议的PDR性能在阶段2、阶段3和阶段4中显著下降这是因为网络的连通性在阶段1和阶段5中是高的，而在阶段2和阶段3中，节点分别处于通过操纵从单个地层过渡到若干子地层的过程中以及处于良好分离的多个子地层的状态中。因此，在阶段2和阶段3中，网络连接性较弱值得注意的是，AODV在阶段4中表现良好，其中节点处于从分离到重新加入单个编队的过渡过程这是因为AODV有一个高效的路由发现机制来寻找发送消息的机会。然而，它的优势随着网络规模的增加而下降。图13显示了不同路由协议的OE与网络规模性能的关系。同样，考虑两个节点故障条件，如图11所示。很明显，我们的CPR-TD协议在条件1和条件2下都具有最高的OE，这意味着它在每个字节的开销中传递最大的数据量。相比之下，所有的基准测试协议表现出显着较低的OE。这是因为这些协议通常调用路由发现机制，它假设在一个普通的MANET节点的随机运动不能预测。然而，在这里考虑的MO-FANET中，事实是UAV必须处于控制之下。因此，节点的运动特性可以通过计算轨迹动力学来获取，并且然后可以用作定制路由协议的特定类型的先验信息。此外，在条件2中的节点故障下，我们的CPR-TD协议的开销适度增加，这与我们的预期一致，即在这种条件下，路由恢复将支付一些开销。它值得注意的是，在基准测试协议中，DSDV，OLSR和GPSR具有比AODV和DSR更高的OE这一发现指出了它们在不同的路由发现机制中产生的开销的相对数量。 最后，值得注意的是，从理论上讲，我们的CPR-TD协议还可以将节点的信息报告不同路由的OE与网络规模性能在飞行过程的不同阶段的协议是在图中演示。 14，假设所有节点都运行良好。可以看出，在所有五个阶段和所有网络规模的价值考虑，我们的CPR-TD协议实现了最高的OE，而AODV表现出最低的OE。这一观察结果与图12个。PDR比较了不同路由协议在飞行过程的不同阶段和不同网络规模值下（a）节点数为4× 9;(b)节点数为4× 25;（c）节点数为4× 49。D. Hu，S.杨，M.Gong等人工程19（2022）217225××图十三.不同路由协议在不同网络规模值和不同节点失效条件下的OE比较。见图14。OE比较了不同路由协议在飞行过程的不同阶段和不同网络规模值下的性能。(a)节点数为4× 9;（b）节点数为4× 25;（c）节点数为4× 49。这是从图13中得到的。同样，这是因为AODV中的路由发现机制在每个阶段都会导致最大的开销，而我们的CPR-TD则相反。图 15、比较了不同路由协议在不同网络规模和不同节点失效条件下的平均端到端延迟。在条件1中，可以看出，尽管DSDV的延迟随着网络规模的增加而减少，但它仍然是所考虑的所有路由协议中最大的 这是因为只有DSDV需要网络中的所有节点周期性地发送控制分组，并且随着网络规模的增加，其PDR仍然是最差的（图13）。11）。当网络规模很大时，对于DSDV，只有彼此靠近的节点才参与分组传递过程，这导致延迟减少因此，DSDV不适合时间敏感的应用场景。对于其余的路由协议，延迟通常会随着网络规模的增加而增加更具体地说，AODV和DSR分别表现出第二和第三大延迟;OLSR在网络规模较小时表现出最小的延迟，但当网络规模变大时，其延迟会显着增加;GPSR和我们的CPR-TD随着网络规模的增加表现出相对稳定的延迟我们的CPR-TD具有合理适度的延迟性能，因为源仍然需要计算最短路径，这需要时间，并且在消息转发过程中需要提取和处理数据包的报头。总的来说，我们的CPR-TD协议表现良好，在大规模的网络。最后，在条件2下，可以看出，节点故障对路由协议的平均端到端延迟性能的影响很小，但DSDV除外。假设条件1和不同网络尺寸，图。 16显示了不同路由协议在飞行过程不同阶段的平均端到端延迟性能。可以看出，在网络大小的所有三个值下，DSDV表现出比阶段1中的其他协议显著更大的平均端到端延迟然而，从阶段2到阶段5，当网络大小足够大时（例如，4 25和4 49），AODV表现出最大的延迟。这是因为DSDV在第1阶段主动维护具有高网络连通性的路由表，从而导致更多的介质访问冲突和更多的节点参与传输路由，最终导致巨大的但是当网络连通性降低时（例如，从阶段2到阶段5），AODV的路由发现机制在延迟方面最重要。我们的CPR-TD协议在阶段4中具有相对较大的延迟，因为源必须等待重新加入的时间以在数据包到期之前将其发送到目的地（如果它们可用）图15.比较不同路由协议在不同网络规模和不同节点失效条件下的平均端到端延迟。D. Hu，S.杨，M.Gong等人工程19（2022）217226图十六岁比较了不同路由协议在不同飞行阶段和不同网络规模下的平均端到端延迟(a)节点数为4× 9;（b）节点数为4× 25;（c）节点数为4× 49。图17. 网络抖动的比较。最后，图17展示了不同路由协议在不同网络大小值和不同节点故障条件下的网络抖动性能。可以看出，我们的CPR-TD的网络抖动虽然不是最低的，但仍然具有竞争力。在这个度量方面，不同协议的相对优点和缺点以及相应的原因与图1所揭示的那些相似。 十五岁 以无花果。考虑图11、13、15和17，我们可以得出结论，我们的CPR-TD在PDR、OE、平均端到端延迟和网络抖动之间实现了最有吸引力的性能折衷。5. 结论在本文中，我们提出了一个CPR-TD协议的MO-FANET，它具有潜力的民用和国防工业的各种应用考虑了一个具有挑战性的场景，其中多个无人机以不同的编队从一个地方到另一个地方协同飞行，以执行特定的任务。将MO-FANET的飞行过程建模为5个阶段，并采用多坐标系和复杂的机动动作进行描述。得益于无线网络和轨迹动力学的跨学科集成，我们的CPR-TD协议可以在个人ATP系统的帮助下实现和跨层协议栈。提出的CPR-TD协议的性能进行了比较，五个代表性的路由协议中使用的FANESTO。基于ns-3的大量仿真表明，CPR-TD协议不仅实现了最高的PDR性能，而且还获得了最高的OE，而且在大多数情况下，它的平均端到端延迟比基准协议更低，网络抖动也非常低且稳定。在未来的工作中，我们将进行以下深入的研究：①研究如何访问和使用其他层的信息来服务于路由协议，以提高网络的整体性能;②研究如何使用分布式算法来加速计算和实现较低的处理延迟，以支持实时决策;③将协议应用于实际的MO-FANET中，测试其性能并进行进一步的优化。致谢本课题得到了北京市自然科学基金（L202012）、中国传媒大学媒体融合与传播国家重点实验室开放研究项目（SKLMCC2020KF008）和中央高校基础研究基金（2020RC05）的资助。作者感谢张平教授（中国工程院院士，北京邮电大学）和权玉教授（中国工程院院士，鹏程实验室）的深刻意见和建议。遵守道德操守准则Die Hu 、 Shaoshi Yang 、 Min Gong 、 Zhiyong Feng 和XuejunZhu声明他们没有利益冲突或财务冲突需要披露。引用[1] Maza I，Caballero F，Capitán J，Martínez-de-Dios JR，Ollero A.多无人机协调用于灾害管理和民用安全应用的实验结果。J Intell Robot Syst 2011;61（1-4）：563-85.[2] Vollgger SA，Cruden AR.澳大利亚维多利亚州利普特拉普角和帕特森角，利用无人机摄影测量绘制基底和盖层岩石中的褶皱和断裂。J Struct Geol 2016;85：168-87.D. Hu，S.杨，M.Gong等人工程19（2022）217227[3] 孟晓艳，王伟，梁宝. SkyStitch：一个基于拼接的多无人机协同实时视频监控系统。在：第23届ACM多媒体国际会议论文集; 2015年10月26日至30日;布里斯班，QSD，澳大利亚。ACM; 2015. p. 261比70[4] Cheng X ， Lyu F ， Quan W ， Zhou C ， He H ， Shi W ， et al. Space/aerial-assistedcomputing offloading for IoT applications ： a learning-based approach.IEEE JSel Area Commun 2019;37（5）：1117-29.[5] 赵娥，赵涛，王S，杨明.具有精确线性化模型的多飞行器瞬时编队控制。Aerosp SciTechnol 2017;71：90-8.[6] 全伟，程南，秦明，张宏，陈夏，沈晓。用于软件定义的车辆网络的自适应传输控制。IEEE Wirel Commun Lett2019;8（3）：653-6.[7] OubbatiOS，LakasA，ZhouF，Güne，sM，YagoubiMB. 飞行自组网中基于位置的路由协议综述。Veh Commun 2017;10：29-56.[8] 东·阿尔什巴塔特移动自组织无人机通信网络的跨层设计。在：2010年网络，传感和控制国际会议（ICNSC）的会议记录; 2010年4月10日至12 日;芝加哥，IL ，美国。New York City：IEEE; 2010.p. 331- 6[9] Paul AB，Nandi S.改进的无线网状网络优化链路状态路由（M-OLSR）。In：Proceedings of 2018 International Conferen