高動態(tài)遷移下無人機自組網(wǎng)路由協(xié)議研究?

（南京理工大學 南京 210094）

1 引言

近年來，多無人機（Unmanned Aerial Vehicle，UAV）協(xié)同作戰(zhàn)在現(xiàn)代信息化戰(zhàn)爭中扮演著重要的角色。無人機在其“零生命”風險、適應(yīng)惡劣作戰(zhàn)環(huán)境上相對于人機有著巨大的優(yōu)勢。在軍事領(lǐng)域，無人機集群作戰(zhàn)擁有著單平臺作戰(zhàn)無法比擬的優(yōu)勢，可在戰(zhàn)術(shù)偵察、多方位協(xié)同打擊等任務(wù)中大顯身手，因此一個可靠的通信網(wǎng)絡(luò)至關(guān)重要。與傳統(tǒng)的衛(wèi)星通信高時延、高成本的特點相比，搭建一個近距離、低成本、低時延、高吞吐量的多跳自組織網(wǎng)絡(luò)更能發(fā)揮無人機的能力。但是無人機集群通信網(wǎng)絡(luò)是一個高動態(tài)性網(wǎng)絡(luò)，需要適應(yīng)高機動性、動態(tài)拓撲結(jié)構(gòu)、間歇性網(wǎng)絡(luò)鏈路和多變鏈路質(zhì)量的通信環(huán)境［1］。移動自組網(wǎng)（Mobile Ad Hoc Network，MANET）有著多跳、自組織的特點，非常適合無人機群這種以空對空多跳通信來擴大網(wǎng)絡(luò)覆蓋范圍的方式［2］。

目前國內(nèi)外各高校研究機構(gòu)相繼開展了無人機自組網(wǎng)的研究［3］。王旭東［4］等提出了一種基于位置信息的速度加權(quán)OLSR算法，他將無人機節(jié)點的位置信息通過HELLO數(shù)據(jù)包進行傳輸，節(jié)點根據(jù)接收到的位置信息來計算該條鏈路的速度加權(quán)ETX值，并以此來輔助路由決策。Amira Chriki［5］等從網(wǎng)絡(luò)通信挑戰(zhàn)的角度對無人機自組網(wǎng)進行研究，揭示了用于解決無人機之間通信和協(xié)作問題的路由協(xié)議和移動軌跡模型設(shè)計思路。其次無人機遷移模型也是無人機自組網(wǎng)中的一個研究熱點［6］。為了仿真高動態(tài)的機載網(wǎng)絡(luò)，需要精確的節(jié)點物理移動模型，許多模型只是簡單模擬了速度和方向的突變，這種運動方式是極端變化的非自然運動，是隨機、無記憶行為，不適用于高機動性無人機節(jié)點［7］。本文利用基于內(nèi)存的三維遷移模型--三維高斯馬爾科夫移動模型（3D Gauss-Markov mobility，3D-GMM）來仿真無人機飛行行為。

本文采用NS-3網(wǎng)絡(luò)仿真工具，針對無人機群組網(wǎng)的特定場景，對幾種常見的MANET路由協(xié)議進行了對比，從吞吐量、丟包率、時延和時延抖動方面分析了幾種協(xié)議的性能。對后續(xù)研究更適合無人機網(wǎng)絡(luò)的路由協(xié)議做了先驗性實驗。

2 移動自組網(wǎng)路由協(xié)議

移動自組網(wǎng)（MANET）中的節(jié)點是自組織，自管理的，其通信過程中不需要借助任何預先存在的基礎(chǔ)設(shè)施。此外每一個節(jié)點可以不同的速度和方向移動，這些速度和方向可能是不恒定的，也可能是隨著時間的推進而迅速和不可預測地變化的。因此MANET被認為是一個無基礎(chǔ)設(shè)施的移動網(wǎng)絡(luò)，其中的每一個節(jié)點可以將數(shù)據(jù)包中繼到另一個節(jié)點，再轉(zhuǎn)發(fā)至目的節(jié)點。MANET非常適用于特殊的戶外活動、沒有無線基礎(chǔ)設(shè)施的地區(qū)通信、緊急情況或者自然災(zāi)害以及軍事行動。近年來，許多路由協(xié)議被提出應(yīng)用于MANET，本文在性能分析中，選取了常見的MANET路由協(xié)議:OLSR，AODV，DSDV。

OLSR（Optimized Link State Routing，優(yōu)化鏈路狀態(tài)路由協(xié)議）是一種標準化主動式（或表驅(qū)動式）優(yōu)化鏈路狀態(tài)路由協(xié)議。它使用周期性消息廣播機制來維護每一個節(jié)點上的網(wǎng)絡(luò)拓撲信息。協(xié)議的關(guān)鍵技術(shù)就是選擇中繼節(jié)點（MPR節(jié)點）來轉(zhuǎn)發(fā)廣播數(shù)據(jù)包，其余非中繼節(jié)點只接收而不轉(zhuǎn)發(fā)數(shù)據(jù)包，以此來減小控制分組的泛洪范圍［8］。最后根據(jù)跳數(shù)選擇最優(yōu)的路由鏈路進行數(shù)據(jù)傳輸。

AODV（Ad Hoc On-Demand Distance Vector Routing，無線自組網(wǎng)按需平面距離向量路由協(xié)議）是一種被動式（或反應(yīng)式）路由協(xié)議。源節(jié)點通過廣播RREQ消息發(fā)起路由查找，中間結(jié)點接收到后建立該節(jié)點到源節(jié)點的反向路徑，然后轉(zhuǎn)發(fā)，目的節(jié)點接收到后發(fā)送RREP應(yīng)答消息，完成路由建立。在數(shù)據(jù)傳輸過程中，節(jié)點周期性地檢查鏈路狀態(tài)，更新路由信息；在沒有數(shù)據(jù)傳輸時，節(jié)點之間不進行路由信息交換，因此極大地減少了路由開銷和維護路由的成本［9］。

DSDV（Destination-Sequenced Distance Vector Routing，目的節(jié)點序列距離矢量協(xié)議）也是一種典型的主動式路由協(xié)議［10］。節(jié)點周期性廣播探測報文來維護路由表。在路由表中，每條路由信息的序列號為路由度量，序列奇偶表示鏈路狀態(tài)，序列號大的路由為最優(yōu)路由選擇。

3 移動模型:3D-GMM移動模型

模擬無人機節(jié)點在空中飛行的運動，必須遵循自然飛行規(guī)律。這就意味著一個無人機節(jié)點的路徑不完全是隨機的，它在任意時間、任意位置點上的下一步運動軌跡與速度取決于它之前的位置和速度矢量。因此，運動模型必須要有記憶性［11］。無記憶移動模型的特點是在方向和速度上存在非常急劇的和突然的變化。如NS-3內(nèi)置的隨機方向模型、隨機行走模型、隨機路點模型、恒定速度和恒定加速度模型［12］。

傳統(tǒng)的二維高斯-馬爾科夫移動模型中是一個相對簡單的基于內(nèi)存的模型［12］。其有一個調(diào)優(yōu)參數(shù)α，決定了節(jié)點運動的內(nèi)存量和可變性。在計算新運動狀態(tài)時，每一個節(jié)點都有一個初始速度和方向，以及一個平均速度和方向，每一個時間步長內(nèi)計算出下一刻新的速度與方向，并且每一個時間步長中重復如此。新的速度與方向矢量計算方式如下:

其中sn是第n時刻的速度，dn是第n時刻的方向向量，和是平均速度和方向參數(shù)，sxn-1和dxn-1分別表示遵循高斯隨機變量分布的速度與方向上的變量。α是調(diào)優(yōu)參數(shù)，其取值范圍為α∈[0 , 1]。當α=0時，模型沒有了高斯擾動記憶，新的速度和方向完全基于平均速度、方向變量和高斯變量這三個值的初始化量；當α=1時，運動將會失去所有的隨機性，即節(jié)點將在一條直線上移動。所以設(shè)置0＜α＜1體現(xiàn)了運動模型不同程度上的隨機性和記憶能力。

本文所使用的3D-GMM移動模型是將二維高斯-馬爾科夫模型擴展到三維。在二維的基礎(chǔ)上添加第三個變量來跟蹤移動節(jié)點相對與地平線的垂直俯仰，如下所示:

其中pn代表了飛行速度矢量與地平線的實際夾角度。在根據(jù)公式計算出上述三個變量后，可以計算出一個新的速度矢量，該矢量映射到三維坐標系計算為

vx表示沿三維坐標軸x軸上速度，vy表示y軸上的速度，vz表示z軸上的速度。

通過上述方法可以根據(jù)前一刻節(jié)點的運動方式，獲取到下一時刻的運動方式。圖1表示在單個無人機在連續(xù)的時間中運動軌跡。

圖1 單個無人機飛行三維軌跡圖

4 仿真

我們在Ubuntu18.4 Linux操作系統(tǒng)中安裝了NS-3，這是一個離散的事件模擬器，能夠很好地仿真無人機群自由運動和網(wǎng)絡(luò)事件的發(fā)生［13］。

4.1 仿真假設(shè)

在本次實驗仿真中，我們模擬了無人機群在一個40km×40km×10km的區(qū)域內(nèi)執(zhí)行自由偵察任務(wù)的仿真狀況，無人機群自由運動組成一個MANET網(wǎng)絡(luò)通信。對仿真場景做出如下假設(shè):

1）由于仿真區(qū)域較大且無人機體積較小，認為無人機是飛行區(qū)間中的一個質(zhì)點，不考慮飛行期間碰撞問題；

2）假設(shè)飛行空間自由空間，設(shè)置NS-3無線傳輸模型為Free Space模型，在三維Free Space模型中，通信范圍為一個以發(fā)射方為球心的球形；

3）忽略地面曲率，假設(shè)飛行空間為一個長方體形。

仿真參數(shù)詳見表1。

表1 仿真參數(shù)設(shè)置

4.2 仿真結(jié)果

在保持其他參數(shù)不變的情況下，改變節(jié)點數(shù)和節(jié)點移動速度這兩個參數(shù)，對OLSR、AODV和DSDV三種協(xié)議的網(wǎng)絡(luò)負載與網(wǎng)絡(luò)遷移性進行分析。評價指標有平均傳輸時延、吞吐量、丟包率、平均時延抖動。網(wǎng)絡(luò)性能在負載和遷移的情況下變化分別如圖2和圖3所示。

網(wǎng)絡(luò)遷移性分析:在仿真實驗中，我們以節(jié)點的高速移動來表現(xiàn)網(wǎng)絡(luò)拓撲結(jié)構(gòu)快速變化。設(shè)置10個節(jié)點以相同的移動速度遵循3D-GMM模型以不同的軌跡在自由空間中移動。統(tǒng)計了速度從300m/s遞增到600m/s（遞增量為50m/s）不同速度時期的路由性能指標，如圖2所示。從圖中可以看出在高遷移情況下，OLSR和AODV相比DSDV有著較高的吞吐量和較低的丟包率。但是AODV在時延和時延抖動方面不如OLSR和DSDV。DSDV較其他兩種協(xié)議有著低時延、低抖動的特點，但是吞吐量低、丟包率高。在400m/s速度以上，OLSR性能表現(xiàn)優(yōu)異，吞吐量高于其他兩種協(xié)議，丟包率位于AODV與DSDV之間，時延性能接近DSDV，時延抖動也很平穩(wěn)。

網(wǎng)絡(luò)負載分析:在模擬中，我們選用了在遷移性仿真中各協(xié)議表現(xiàn)較好的550m/s遷移速度，節(jié)點數(shù)從10遞增至50，節(jié)點遞增量為10，統(tǒng)計不同網(wǎng)絡(luò)負載下各協(xié)議的網(wǎng)絡(luò)吞吐量、丟包率、時延和時延抖動表現(xiàn)，具體情況如圖3。從圖中可以看出，隨著節(jié)點數(shù)增加，OLSR與DSDV的吞吐量高于AODV且有著上升的趨勢，丟包率低于AODV且有著下降的趨勢，并在40個節(jié)點后趨于穩(wěn)定。而AODV在節(jié)點負載低的情況下有著吞吐量高，丟包率低的特點，但隨著節(jié)點數(shù)增加，吞吐量隨之下降，丟包率隨之上升。在時延與時延抖動方面，隨著節(jié)點數(shù)增加，各協(xié)議的時延都有增加且OLSR協(xié)議增加明顯，AODV時延波動劇烈，其他兩種協(xié)議平穩(wěn)。

圖2 網(wǎng)絡(luò)遷移性能分析

圖3 網(wǎng)絡(luò)負載性能分析

5 結(jié)語

在本文中，利用3D-GMM仿真UAVs在高遷移的機載網(wǎng)絡(luò)場景飛行軌跡，比較了OLSR、AODV和DSDV路由協(xié)議以不同節(jié)點速度、不同節(jié)點數(shù)量下的四個性能指標，即吞吐量、丟包率、時延和時延抖動，并對其進行分析。在仿真結(jié)果分析中我們得出結(jié)論，OLSR與AODV在網(wǎng)絡(luò)高遷移性環(huán)境下有著更好的吞吐量、更低的丟包率表現(xiàn)。但是AODV有著高時延的缺點，所以O(shè)LSR更適合高移動性的網(wǎng)絡(luò)。同樣在網(wǎng)絡(luò)負載分析中，OLSR在吞吐量、丟包率和時延抖動性能最優(yōu)，但有時延增加的缺點。至此，在高遷移的飛行自組織網(wǎng)絡(luò)中，OLSR協(xié)議是組建Ad hoc機載網(wǎng)絡(luò)較好的解決方案。