面向任務(wù)的無人飛行器自組網(wǎng)OLSR 協(xié)議

陳立偉，簡依雯，王桐，歐陽敏，高山

1. 哈爾濱工程大學(xué) 信息與通信工程學(xué)院，黑龍江 哈爾濱 150001

2. 哈爾濱工程大學(xué) 先進(jìn)船舶通信與信息技術(shù)工業(yè)和信息化部重點(diǎn)實(shí)驗(yàn)室，黑龍江 哈爾濱 150001

近年來，由于生物群體行為的啟發(fā)[1]，大規(guī)模的無人飛行器（unmanned aerial vehicle ，UAV）在各行業(yè)領(lǐng)域得到了廣泛的關(guān)注[2]，通過集群協(xié)作完成搜索[3]、地形勘測(cè)[4]等各項(xiàng)任務(wù)。為實(shí)現(xiàn)集群中的協(xié)同交流與數(shù)據(jù)傳輸，無人飛行器自組網(wǎng)應(yīng)運(yùn)而生。每個(gè)無人飛行器通過無線信號(hào)連接進(jìn)行多跳傳輸，既是任務(wù)執(zhí)行節(jié)點(diǎn)也是通信中繼節(jié)點(diǎn)。而無人飛行器多任務(wù)網(wǎng)絡(luò)則是以完成多項(xiàng)協(xié)同任務(wù)[5]為目的的無人飛行器自組網(wǎng)，通過多個(gè)無人飛行器分系統(tǒng)實(shí)現(xiàn)自組織的行動(dòng)[6]。

優(yōu)化鏈路狀態(tài)路由協(xié)議（optimized link state routing，OLSR）作為先應(yīng)式路由協(xié)議[7]，查找路由時(shí)延小，與按需式路由協(xié)議相比更適合需要低時(shí)延的無人飛行器多任務(wù)網(wǎng)絡(luò)。同時(shí)OLSR 協(xié)議的多點(diǎn)中繼（multipoint relay，MPR）技術(shù)能有效減少網(wǎng)絡(luò)中廣播消息的泛濫，在一定程度上減輕了先應(yīng)式路由協(xié)議在高速場景下網(wǎng)絡(luò)冗余信息占用帶寬多的問題，因此OLSR 十分適用于規(guī)模大的無人飛行器集群通信[8]。目前學(xué)者們針對(duì)OLSR 路由協(xié)議的優(yōu)化，大多以提升鏈路穩(wěn)定性和減少路由開銷作為直接出發(fā)點(diǎn)進(jìn)行研究。針對(duì)無人飛行器網(wǎng)絡(luò)節(jié)點(diǎn)高速移動(dòng)問題，文獻(xiàn)[9]提出一種按需尋路的可靠OLSR 協(xié)議，提出基于拓?fù)淇刂茍?bào)文全網(wǎng)尋路機(jī)制和基于HELLO 鄰居尋路機(jī)制，通過增加路由獲取途徑，維護(hù)多跳鏈路的穩(wěn)定性。針對(duì)OLSR 協(xié)議路由開銷大的問題，文獻(xiàn)[10]基于博弈論改變節(jié)點(diǎn)選擇意愿從而改善MPR 選擇，以此減少網(wǎng)絡(luò)中控制數(shù)據(jù)包的數(shù)量，但主要適用于密集型低速無人飛行器網(wǎng)絡(luò)。文獻(xiàn)[11]則在相同意愿值條件下計(jì)算節(jié)點(diǎn)能量消耗，從而優(yōu)化MPR選擇，降低網(wǎng)絡(luò)平均能量消耗。這些優(yōu)化算法在動(dòng)態(tài)變化程度高的無人飛行器網(wǎng)絡(luò)中無法始終保持高性能，不能隨著應(yīng)用需求、任務(wù)環(huán)境自適應(yīng)變化，與實(shí)際任務(wù)匹配的靈活性差，實(shí)用性、可移植性不高。

近年對(duì)于無人飛行器網(wǎng)絡(luò)拓?fù)渥赃m應(yīng)的路由算法研究逐漸成為熱點(diǎn)。文獻(xiàn)[12]提出基于QLearning 思想的移動(dòng)自組網(wǎng)OLSR 路由策略，通過在線學(xué)習(xí)來適應(yīng)網(wǎng)絡(luò)高度動(dòng)態(tài)變化的拓?fù)浣Y(jié)構(gòu)，但基于在線強(qiáng)化學(xué)習(xí)的優(yōu)化將帶來龐大的計(jì)算量與多余的能量消耗。文獻(xiàn)[13]設(shè)計(jì)了基于動(dòng)態(tài)拓?fù)涞穆酚蓞f(xié)議，根據(jù)卡爾曼濾波預(yù)測(cè)節(jié)點(diǎn)位置，預(yù)測(cè)節(jié)點(diǎn)的加入、退出網(wǎng)絡(luò)情況動(dòng)態(tài)調(diào)整HELLO消息的廣播周期，從而提升網(wǎng)絡(luò)連通性，但該算法的實(shí)現(xiàn)基于無人飛行器節(jié)點(diǎn)在勻速不變的環(huán)境。文獻(xiàn)[14]中通過網(wǎng)絡(luò)拓?fù)渥兓闆r將無人飛行器網(wǎng)絡(luò)分為編隊(duì)飛行與自主飛行2 種模式，從而調(diào)整HELLO 消息的廣播周期，但僅設(shè)置了高、低2 類廣播周期，拓?fù)渥赃m應(yīng)性程度不高。

綜上，現(xiàn)有對(duì)面向任務(wù)的無人組網(wǎng)架構(gòu)研究較少，針對(duì)OLSR 的改進(jìn)協(xié)議在無人飛行器高速環(huán)境下無法保持高性能的網(wǎng)絡(luò)通信，在多任務(wù)環(huán)境下動(dòng)態(tài)適應(yīng)性不夠。由此，本文具體解決方案如下：針對(duì)無人飛行器多任務(wù)網(wǎng)絡(luò)中任務(wù)集群拓?fù)渥兓潭雀?、難以度量的問題，提出基于模糊邏輯的拓?fù)浞€(wěn)定度計(jì)算方法；針對(duì)現(xiàn)有探測(cè)拓?fù)錉顟B(tài)方法的動(dòng)態(tài)適應(yīng)性不高問題，提出探測(cè)周期自適應(yīng)的動(dòng)態(tài)探測(cè)方法；針對(duì)OLSR 路由協(xié)議在無人飛行器集群低動(dòng)態(tài)任務(wù)時(shí)冗余信息多、高動(dòng)態(tài)任務(wù)時(shí)鏈路易斷開的問題，提出HELLO 控制消息的自適應(yīng)廣播策略和MPR 優(yōu)化選擇策略。

1 無人飛行器集群的聯(lián)盟結(jié)構(gòu)

1.1 任務(wù)驅(qū)動(dòng)的無人飛行器聯(lián)盟組網(wǎng)

聯(lián)盟結(jié)構(gòu)主要出現(xiàn)在多智能體模型[15]及博弈過程中，用于描述智能體間的邏輯關(guān)系。同為分組結(jié)構(gòu)，路由算法常用的分簇算法聚焦于如何使組內(nèi)節(jié)點(diǎn)間盡可能擁有穩(wěn)定的通信鏈路，多以通信距離、網(wǎng)絡(luò)連通度等加權(quán)參數(shù)為分組依據(jù)[16]；而聯(lián)盟結(jié)構(gòu)則聚焦于如何使得分組后利于完成任務(wù)并最大化任務(wù)聯(lián)盟收益，其分組依據(jù)是任務(wù)分配或博弈的結(jié)果[17]。因此聯(lián)盟結(jié)構(gòu)與現(xiàn)有分簇結(jié)構(gòu)的最大差異是集群分組的驅(qū)動(dòng)力不同，聯(lián)盟是面向任務(wù)的。

現(xiàn)有基于分簇的路由算法對(duì)拓?fù)渥兓m應(yīng)能力相對(duì)較差，多適用于拓?fù)渥兓^為緩慢的網(wǎng)絡(luò)。在多任務(wù)環(huán)境中，無人飛行器集群網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)劇烈變化，采用分裂或合并策略的傳統(tǒng)分簇路由算法需要很大的開銷用于構(gòu)建簇或者維持簇結(jié)構(gòu)的穩(wěn)定。但實(shí)際上此時(shí)各組無人飛行器正有序完成不同類別的協(xié)同任務(wù)，無需重新分組構(gòu)建簇。因此聯(lián)盟結(jié)構(gòu)更適合無人飛行器集群在多任務(wù)環(huán)境下的任務(wù)驅(qū)動(dòng)特性。決策系統(tǒng)將滿足目標(biāo)任務(wù)資源需求且通信鏈路穩(wěn)定的多個(gè)無人飛行器分配給該目標(biāo)任務(wù)，無人飛行器以任務(wù)分配的結(jié)果進(jìn)行結(jié)盟[18]，階段性任務(wù)結(jié)束后聯(lián)盟解散，等待下一次小任務(wù)的分發(fā)及聯(lián)盟更新。同時(shí)在必要環(huán)境下可以實(shí)現(xiàn)同一無人飛行器分屬2 個(gè)任務(wù)聯(lián)盟[19]等復(fù)雜情況，快速響應(yīng)各項(xiàng)不確定任務(wù)。

本文提出基于聯(lián)盟的無人飛行器集群組網(wǎng)架構(gòu)，如圖1 所示，完成初始組網(wǎng)工作。

圖1 面向任務(wù)的無人飛行器自組網(wǎng)

在給定的任務(wù)集合的情況下，建立滿足需要的無人飛行器集群自組網(wǎng)有3 個(gè)重要步驟：任務(wù)量化、資源分配和聯(lián)盟劃分。

1）任務(wù)量化

通過任務(wù)分析評(píng)估，將任務(wù)細(xì)化為一系列子任務(wù)。在整體無人飛行器集群待完成的任務(wù)集合中，各任務(wù)可被視為一系列子任務(wù)的組合，例如搜索任務(wù)可被看作是數(shù)據(jù)收集任務(wù)和數(shù)據(jù)整合任務(wù)等多個(gè)子任務(wù)的組合。不同的任務(wù)對(duì)應(yīng)不同的任務(wù)優(yōu)先級(jí)、通信需求、資源利用優(yōu)先級(jí)[20]等。因此定義子任務(wù)擁有屬性（重要性、風(fēng)險(xiǎn)性、完成所需時(shí)間級(jí)別等），規(guī)劃子任務(wù)序列執(zhí)行時(shí)間線，涉及任務(wù)分解、規(guī)劃的相關(guān)算法。

2）資源分配

分析任務(wù)數(shù)據(jù)、依據(jù)子任務(wù)屬性完成資源高效分配，完成子任務(wù)與資源平臺(tái)的映射。資源主要分為無人飛行器資源與頻譜資源。無人飛行器資源分為聯(lián)盟領(lǐng)導(dǎo)無人飛行器（coalition leader UAV，CLU）與聯(lián)盟成員無人飛行器（coalition member UAV，CMU），擁有更高的硬件能力，能進(jìn)行信息處理與決策制定的才能作為CLU。頻譜資源的分配即為每個(gè)任務(wù)聯(lián)盟劃分合適的帶寬。

3）聯(lián)盟劃分

建立聯(lián)盟形成博弈模型[21]，確定所有子任務(wù)的任務(wù)收益與相關(guān)約束條件，在相關(guān)約束下最大化總體任務(wù)收益，完成任務(wù)聯(lián)盟的劃分?？捎孟嚓P(guān)約束有無人飛行器執(zhí)行任務(wù)類型約束、任務(wù)重要性及執(zhí)行順序約束、任務(wù)所需無人飛行器數(shù)目約束等，任務(wù)收益的設(shè)定與任務(wù)執(zhí)行相關(guān)（燃料損失、懸停時(shí)間等），也與通信效率相關(guān)（聯(lián)盟數(shù)量、大小等）。任務(wù)驅(qū)動(dòng)組網(wǎng)的關(guān)鍵就是形成初始穩(wěn)定的無人飛行器任務(wù)聯(lián)盟。在形成穩(wěn)定任務(wù)聯(lián)盟后，依據(jù)各聯(lián)盟內(nèi)的子任務(wù)執(zhí)行要求進(jìn)行鄰居發(fā)現(xiàn)、建立路由，聯(lián)盟間的通信則由CLU 實(shí)現(xiàn)。因此，在面向無人飛行器多任務(wù)網(wǎng)絡(luò)中，不同聯(lián)盟針對(duì)各自任務(wù)表現(xiàn)出的網(wǎng)絡(luò)拓?fù)浯嬖陲@著差異。作為空中通信平臺(tái)的無人飛行器將懸停在所需區(qū)域上空[22]，鏈路與拓?fù)涞淖兓蔷弰?dòng)態(tài)的，與此相反，完成搜索掃描任務(wù)則要求無人飛行器集群在大范圍內(nèi)移動(dòng)，鏈路經(jīng)常中斷需要重新建立鏈接，同時(shí)任務(wù)的二次分配也會(huì)使得聯(lián)盟擁有相對(duì)高動(dòng)態(tài)的拓?fù)渥兓?，而目?biāo)跟蹤、有計(jì)劃編隊(duì)等類型的任務(wù)則使得聯(lián)盟擁有相對(duì)靜態(tài)的拓?fù)渥兓?/p>

處于不同任務(wù)環(huán)境下無人飛行器的任務(wù)狀態(tài)不同，導(dǎo)致無人飛行器集群的飛行狀態(tài)有顯著差異，從而形成不同的拓?fù)浣Y(jié)構(gòu)。同時(shí)，各無人飛行器聯(lián)盟處于不同任務(wù)狀態(tài)下，聯(lián)盟的拓?fù)渥兓闆r可以直觀反映出該聯(lián)盟中無人飛行器的飛行狀態(tài)，因此可以利用聯(lián)盟拓?fù)渥兓畔⒃鰪?qiáng)路由算法對(duì)于無人飛行器聯(lián)盟網(wǎng)絡(luò)的適用性。由此定義拓?fù)浞€(wěn)定度（topological stability, TS），以度量一段時(shí)間內(nèi)的網(wǎng)絡(luò)拓?fù)渥兓潭?，根?jù)TS 對(duì)路由算法中進(jìn)行自適應(yīng)調(diào)整，實(shí)現(xiàn)整個(gè)無人飛行器集群的穩(wěn)定通信。

1.2 拓?fù)浞€(wěn)定度的計(jì)算

無人飛行器集群中，節(jié)點(diǎn)的移動(dòng)性可能會(huì)導(dǎo)致鄰居節(jié)點(diǎn)間的相對(duì)變化，引起鄰居節(jié)點(diǎn)間局部拓?fù)涞母淖?。某?lián)盟中有n架無人飛行器，定義其無人飛行器節(jié)點(diǎn)集合U={u1,u2,...,un}，每個(gè)節(jié)點(diǎn)維護(hù)一個(gè)一跳鄰節(jié)點(diǎn)集合。無人飛行器節(jié)點(diǎn)i的一跳鄰節(jié)點(diǎn)集合記為Ni_1，一跳鄰節(jié)點(diǎn)數(shù)目為m。在t時(shí)刻，無人飛行器節(jié)點(diǎn)i相對(duì)節(jié)點(diǎn)j的速度為vij(t)。定義從t時(shí)刻經(jīng)過T時(shí)間，節(jié)點(diǎn)i與其所有一跳鄰節(jié)點(diǎn)的平均相對(duì)速率變化因子（relative velocity change，RV）Ri為

式中：|v|max為該聯(lián)盟中允許的最大速率，Ri(t,t+T)∈[0,1]。

考慮節(jié)點(diǎn)i和節(jié)點(diǎn)j某時(shí)刻的相對(duì)運(yùn)動(dòng)情況，dij為兩節(jié)點(diǎn)間距離，如圖2 所示。將節(jié)點(diǎn)j視為參考節(jié)點(diǎn)，則節(jié)點(diǎn)i相對(duì)節(jié)點(diǎn)j的運(yùn)動(dòng)速度為vij，Rx為節(jié)點(diǎn)的最大通信半徑。則視線段L為兩節(jié)點(diǎn)鏈路預(yù)測(cè)保持連接的相對(duì)運(yùn)動(dòng)路徑，dver為節(jié)點(diǎn)j與線段L的距離，將節(jié)點(diǎn)i在線段L上運(yùn)動(dòng)時(shí)間視為鏈路預(yù)測(cè)存活因子，由此定義節(jié)點(diǎn)i與其所有一跳鄰節(jié)點(diǎn)的平均鏈路預(yù)測(cè)存活因子（link hold，LH）Li為

圖2 某時(shí)刻兩節(jié)點(diǎn)的相對(duì)運(yùn)動(dòng)情況

同時(shí)，計(jì)算可得Li∈[0,1]。

式（1）～（2）均使用一跳鄰節(jié)點(diǎn)集合中的節(jié)點(diǎn)進(jìn)行計(jì)算，存在局限性，即無法對(duì)鄰節(jié)點(diǎn)失效進(jìn)行判斷。在該節(jié)點(diǎn)無失效鄰節(jié)點(diǎn)變化時(shí)利用Ri(t,t+T)和Li進(jìn)行計(jì)算處理后可以很好表現(xiàn)網(wǎng)絡(luò)中該節(jié)點(diǎn)局部飛行狀態(tài)的變化，但網(wǎng)絡(luò)可能存在鏈路中斷，鄰居節(jié)點(diǎn)失效的情況，此時(shí)已無法獲取更新該節(jié)點(diǎn)的變化信息。例如某場景有Ri,j(t1,t2)=0，則無法判斷t2時(shí)刻節(jié)點(diǎn)i與節(jié)點(diǎn)j是完全不存在相對(duì)移動(dòng)性變化、保持穩(wěn)定鏈接的情況，還是節(jié)點(diǎn)j已與節(jié)點(diǎn)i斷開連接，已經(jīng)成為其失效鄰居節(jié)點(diǎn)。針對(duì)該局限性，加入一跳鄰節(jié)點(diǎn)損失因子。

定義時(shí)間T內(nèi)節(jié)點(diǎn)i的一跳鄰居節(jié)點(diǎn)損失因子（neighbor loss，NL）Ni為

式中：ni_loss1(t,t+T)為t時(shí)刻到t+T時(shí)刻節(jié)點(diǎn)i在t時(shí)刻的鄰居集合中失效的一跳鄰節(jié)點(diǎn)數(shù)目；ni_1(t)為t時(shí)刻節(jié)點(diǎn)i的一跳鄰節(jié)點(diǎn)個(gè)數(shù)，Ni(t,t+T)∈[0,1]。

3 個(gè)因子均為[0,1]的值，將之作為輸入進(jìn)行模糊化處理，得到該節(jié)點(diǎn)局部拓?fù)浞€(wěn)定度。3 個(gè)模糊輸入變量均有3 個(gè)等級(jí){Low,Medium,High}，隸屬度函數(shù)使用三角函數(shù)及梯形函數(shù)，使用if-then規(guī)則定義27 條模糊規(guī)則完成輸入輸出映射，如表1所示。其中，輸出參數(shù)為該節(jié)點(diǎn)的局部穩(wěn)定度，具有5 個(gè)等級(jí){Worst,Weak,Middle,Good,Best}。圖3為輸入、輸出參數(shù)的隸屬度函數(shù)。

表1 模糊規(guī)則庫

圖3 輸入、輸出參數(shù)的隸屬度函數(shù)

使用Min-Max 決策處理所有模糊結(jié)果，再使用重心法進(jìn)行解模糊運(yùn)算，即得到所求節(jié)點(diǎn)的局部穩(wěn)定度。由此，將計(jì)算出的每個(gè)節(jié)點(diǎn)的局部穩(wěn)定度求均值，得到聯(lián)盟內(nèi)網(wǎng)絡(luò)的拓?fù)浞€(wěn)定度為

式中：x為隸屬度函數(shù)的自變量，fi(x)為節(jié)點(diǎn)i隸屬度函數(shù)集。

2 TA-OLSR 算法的實(shí)現(xiàn)

OLSR 算法通過定期廣播控制消息中的HELLO消息來維護(hù)節(jié)點(diǎn)的鄰居關(guān)系，更新計(jì)算拓?fù)浔?、路由表。相?duì)更靜態(tài)拓?fù)涞娜蝿?wù)過程中，無人飛行器間的動(dòng)態(tài)性低，鏈路更加穩(wěn)定，這種情況下高頻率的HELLO 消息的廣播不僅會(huì)帶來控制信息的冗余，造成不必要的資源浪費(fèi)，增大網(wǎng)絡(luò)阻塞的幾率。相反，在集群內(nèi)節(jié)點(diǎn)轉(zhuǎn)為相對(duì)高動(dòng)態(tài)的情況下，HELLO 的廣播頻率依舊維持不變將難以獲取最新的鄰居關(guān)系，導(dǎo)致數(shù)據(jù)消息包的丟失率增大。本文通過探測(cè)無人聯(lián)盟的拓?fù)錉顟B(tài)，基于模糊邏輯計(jì)算聯(lián)盟的TS，根據(jù)TS 值實(shí)現(xiàn)HELLO 消息廣播周期的自適應(yīng)調(diào)整。同時(shí)為增強(qiáng)算法的自適應(yīng)程度，自適應(yīng)調(diào)整無人聯(lián)盟的拓?fù)錉顟B(tài)探測(cè)周期，形成動(dòng)態(tài)探測(cè)。

OLSR 協(xié)議中的MPR 技術(shù)可以有效減少網(wǎng)絡(luò)中的控制分組數(shù)量，主要思想是僅有MPR 集合中的節(jié)點(diǎn)才能轉(zhuǎn)發(fā)拓?fù)淇刂葡ⅲ虼薓PR 集合的選擇將直接影響整體路由性能。原始OLSR 協(xié)議中通過節(jié)點(diǎn)連接度來選擇MPR 節(jié)點(diǎn)，選擇能盡可能多的連接其他節(jié)點(diǎn)的節(jié)點(diǎn)成為MPR 節(jié)點(diǎn)。但該方案應(yīng)用于無人飛行器多任務(wù)網(wǎng)絡(luò)時(shí)，可能由于任務(wù)的高速移動(dòng)性導(dǎo)致節(jié)點(diǎn)間鏈路穩(wěn)定度下降，僅考慮節(jié)點(diǎn)間的連接度顯然不夠。因此TA-OLSR 算法在節(jié)點(diǎn)連接度的基礎(chǔ)上加入節(jié)點(diǎn)局部TS 值作為MPR 節(jié)點(diǎn)的選擇依據(jù)，在不過多增加計(jì)算量的同時(shí)提升無人飛行器聯(lián)盟網(wǎng)絡(luò)連接的穩(wěn)定性。

TA-OLSR 算法的主要實(shí)現(xiàn)思路如圖4 所示。

圖4 TA-OLSR 協(xié)議實(shí)現(xiàn)思路

2.1 探測(cè)周期自適應(yīng)與HELLO 消息廣播自適應(yīng)

每個(gè)節(jié)點(diǎn)都維護(hù)一個(gè)本地鏈路信息表和鄰居節(jié)點(diǎn)信息表，它們的建立是通過周期性廣播HELLO消息進(jìn)行鏈路探測(cè)得到的。以Tprobe的時(shí)間間隔探測(cè)聯(lián)盟網(wǎng)絡(luò)的拓?fù)渥兓?，進(jìn)行TS 的計(jì)算。第k次探測(cè)(k＞1)與第k?1次探測(cè)的時(shí)間間隔為

式中 μ是控制系數(shù)，用來將TS 探測(cè)周期調(diào)整至合適范圍，與整體任務(wù)情況相關(guān)。以任務(wù)信息驅(qū)動(dòng)完成組網(wǎng)，無人飛行器快速形成聯(lián)盟，此時(shí)HELLO 廣播周期為初始常量值TH_cons，在聯(lián)盟網(wǎng)絡(luò)開始探測(cè)拓?fù)浜?，將自適應(yīng)的改變廣播周期，即THELLO。2 次TS 探測(cè)的時(shí)間間隔根據(jù)前一次探測(cè)計(jì)算的THELLO信息反饋得出。在網(wǎng)絡(luò)拓?fù)湎鄬?duì)動(dòng)態(tài)性低的情景下，一定時(shí)間內(nèi)的拓?fù)渥兓葎?dòng)態(tài)性高的情景下小，因此在低動(dòng)態(tài)性的網(wǎng)絡(luò)拓?fù)渲袘?yīng)延長下一次探測(cè)的時(shí)間。在根據(jù)網(wǎng)絡(luò)情況調(diào)整THELLO的同時(shí)，THELLO可以反映當(dāng)前時(shí)間段內(nèi)網(wǎng)絡(luò)拓?fù)渥兓闆r，從而有依據(jù)地改變下一探測(cè)的間隔時(shí)間，即實(shí)現(xiàn)TS 探測(cè)周期的自適應(yīng)改變，如圖5 所示。

圖5 探測(cè)周期與HELLO 廣播周期的動(dòng)態(tài)改變

定義 δk是無人飛行器第k次探測(cè)時(shí)的空間密度，通常來說高密度的網(wǎng)絡(luò)拓?fù)淝闆r通常比低密度的鏈路變化情況更復(fù)雜，本文使用它來增大這種差異。Rx為該網(wǎng)絡(luò)中每架無人飛行器的最大通信距離，具有更長傳輸范圍的無人飛行器可以在更長HELLO 間隔內(nèi)保持網(wǎng)絡(luò)吞吐量[23]，因此第k次探測(cè)計(jì)算HELLO 廣播周期為

式中 γ為控制系數(shù)，用來將HELLO 廣播周期調(diào)整至合適大小，在本文場景取0.01。

利用任務(wù)規(guī)劃步驟[24]中得到的任務(wù)聯(lián)盟相關(guān)數(shù)據(jù)（任務(wù)類型、無人飛行器數(shù)目等），限制聯(lián)盟最大、最小HELLO 廣播周期，可以防止過高、過低的周期出現(xiàn)，同時(shí)減少不必要的計(jì)算開銷。由此進(jìn)一步約束為

式中：h1和h2為控制閾值，Thigh、Tlow為整體任務(wù)規(guī)劃中限制的最大、最小HELLO 廣播周期。

2.2 MPR 選擇策略的調(diào)整

針對(duì)網(wǎng)絡(luò)中的節(jié)點(diǎn)，OLSR 算法首先創(chuàng)建其一跳對(duì)稱鄰居集合N1={u1_1,u1_2,···,u1_n1}、兩跳對(duì)稱鄰居集合N2={u2_1,u2_2,···,u2_n2}， 用于計(jì)算MPR 集合M，首先根據(jù)N1中節(jié)點(diǎn)的意愿來初始化合集M，然后計(jì)算N1中節(jié)點(diǎn)的連接度Degree（優(yōu)先選擇Degree值大的節(jié)點(diǎn)）用以覆蓋完全集合N2中的節(jié)點(diǎn)，直到集合N2為空集則該節(jié)點(diǎn)的MPR 集合M建立完畢。

本文在連接度的基礎(chǔ)上加入節(jié)點(diǎn)局部TS 值作為MPR 節(jié)點(diǎn)的選擇依據(jù)，能在避免額外增加過多計(jì)算量的情況下進(jìn)一步確定待選節(jié)點(diǎn)的穩(wěn)定性。則MPR 選擇度量改為中繼節(jié)點(diǎn)權(quán)重（weight of relay node，WR）Wi為

式中：Di為候選節(jié)點(diǎn)i的連接度大小，Ti為候選節(jié)點(diǎn)i當(dāng)前時(shí)段的Ti(t,t+T)值。平均鏈路狀態(tài)越穩(wěn)定則廣播丟包率將越低，因此使其選中可能性越大。計(jì)算出N1中每個(gè)節(jié)點(diǎn)的WR 值，從大到小排序用以選擇MPR 節(jié)點(diǎn)，直至覆蓋完全集合N2中的節(jié)點(diǎn)，直到集合N2為空集則該節(jié)點(diǎn)的MPR 集合M建立完畢。計(jì)算MPR 流程如圖6 所示。

圖6 MPR 選擇流程

3 仿真及數(shù)據(jù)分析

在本節(jié)中使用離散事件模擬器NS-3（network simulator 3）對(duì)算法進(jìn)行了仿真實(shí)驗(yàn)。為了更好地反映算法對(duì)無人飛行器集群的影響，仿真實(shí)驗(yàn)涉及到的數(shù)據(jù)設(shè)定如表2 所示。

表2 仿真參數(shù)設(shè)置

仿真實(shí)驗(yàn)中原始OLSR 算法的HELLO 廣播周期為1 s，將Thigh設(shè)定為4 s、Tlow設(shè)定為0.2 s。每次仿真設(shè)定10 條數(shù)據(jù)流，分別計(jì)算每條數(shù)據(jù)流的各項(xiàng)指標(biāo)，再對(duì)其求均值，同時(shí)為捕捉不同拓?fù)淝闆r下的性能，每個(gè)實(shí)驗(yàn)均對(duì)節(jié)點(diǎn)取隨機(jī)起始位置進(jìn)行10 次仿真取均值，以下是每條數(shù)據(jù)流的平均性能。文中將本文TA-OLSR 算法與原始OLSR算法、使用分簇的OLSR Med+[25]算法進(jìn)行了比較。

圖7、圖8 分別是在節(jié)點(diǎn)數(shù)目變化下3 種算法平均包投遞率（packet delivery rate，PDR）和平均端到端時(shí)延的對(duì)比圖，其中無人飛行器節(jié)點(diǎn)的最大速度為10 m/s。

圖7 節(jié)點(diǎn)數(shù)目影響下的平均包投遞率

圖8 節(jié)點(diǎn)數(shù)目影響下的平均端到端時(shí)延

可以看出TA-OLSR 在節(jié)點(diǎn)數(shù)目增多的情況下仍能保持較高的包投遞率，尤其是在90 個(gè)節(jié)點(diǎn)情景下TA-OLSR 的PDR 相比于OLSR Med+提升了5.19%，相比于原始OLSR 則提升了17.39%。圖中3 種算法的包投遞率在節(jié)點(diǎn)數(shù)50～70 之間有一段明顯的上升過程，這主要是由于仿真環(huán)境中節(jié)點(diǎn)通信半徑設(shè)置不大，在速度低時(shí)無人飛行器密度對(duì)性能造成了很大影響，此無人飛行器數(shù)量區(qū)間形成了較為適合本仿真環(huán)境的節(jié)點(diǎn)密度，一定程度上促進(jìn)了節(jié)點(diǎn)間的通信質(zhì)量。因此在圖8中，此區(qū)間內(nèi)網(wǎng)絡(luò)的平均端到端時(shí)延的增大情況也存在放緩的現(xiàn)象。

圖8 中可以看到，在節(jié)點(diǎn)數(shù)目較少時(shí)與其他2 種算法的時(shí)延差異不大，但隨著節(jié)點(diǎn)數(shù)目增多，原始OLSR 的平均端到端時(shí)延明顯大幅度增加，TA-OLSR 和OLSR Med+2 種算法的時(shí)延表現(xiàn)都優(yōu)于原始算法。在節(jié)點(diǎn)個(gè)數(shù)為100 個(gè)時(shí)，TAOLSR 的平均端到端時(shí)延相比于OLSR Med+降低了3.93%，相較于原始OLSR 降低了31.22%。

圖9、圖10 分別是在無人飛行器節(jié)點(diǎn)速度影響下3 種算法的平均包投遞率和控制消息占比情況的對(duì)比圖，其中無人飛行器節(jié)點(diǎn)數(shù)目為50 個(gè)。

圖9 節(jié)點(diǎn)速度影響下的平均包投遞率

圖10 不同的速度網(wǎng)絡(luò)中控制消息占比變化

隨著無人飛行器速度增大，節(jié)點(diǎn)間動(dòng)態(tài)差異增大，原始OLSR 的丟包率逐步升高，這正是高動(dòng)態(tài)性對(duì)于路由性能的影響。但TA-OLSR 在高動(dòng)態(tài)的復(fù)雜環(huán)境中網(wǎng)絡(luò)數(shù)據(jù)接收依舊良好，在無人飛行器速度40 m/s 場景中的數(shù)據(jù)包投遞率比OLAR Med+提升了17.02%，比原始OLSR 提升34.14%，這是由于在TA-OLSR 中感應(yīng)到鏈路中斷情況增加時(shí)，HELLO 消息的廣播周期縮短，增加了鄰居感應(yīng)力度，重建鄰居表用于路由更新，同時(shí)MPR 集合選擇了更穩(wěn)定的節(jié)點(diǎn)進(jìn)行消息轉(zhuǎn)發(fā)，減少了由于路由變更不及時(shí)導(dǎo)致的丟包情況。在探測(cè)網(wǎng)絡(luò)拓?fù)湎鄬?duì)穩(wěn)定時(shí)減少HELLO 等控制消息包的廣播，此時(shí)網(wǎng)絡(luò)路由變化情況少，相對(duì)少的HELLO 探測(cè)并不會(huì)增大丟包率，同時(shí)可以減少控制類信息在網(wǎng)絡(luò)中的傳播，使得消息冗余度降低，不僅能很好地節(jié)省網(wǎng)絡(luò)資源，同時(shí)也有效降低了冗余信息對(duì)于網(wǎng)絡(luò)吞吐量的影響。

圖10 中是利用控制消息長度與接收消息長度的比率衡量控制消息的開銷，當(dāng)包投遞率一定時(shí)，網(wǎng)絡(luò)開銷越低，網(wǎng)絡(luò)性能更好。在節(jié)點(diǎn)速度為20 m/s 時(shí)TA-OLSR 的控制消息占比相較于OLSR Med+降低了19.08%，相較于原始OLSR 降低了19.90%。TA-OLSR 可以在整體動(dòng)態(tài)較小時(shí)有效節(jié)省不必要的控制開銷，在節(jié)點(diǎn)速度增大后節(jié)省開銷的程度逐漸降低，但仍優(yōu)于原始OLSR。節(jié)點(diǎn)最大速度為40 m/s 時(shí)，TA-OLSR 的控制消息占比相較于原始OLSR 降低了8.51%。

4 結(jié)束語

本文針對(duì)路由算法與復(fù)雜任務(wù)環(huán)境中的拓?fù)渥兓瘎?dòng)態(tài)耦合度低導(dǎo)致丟包率高、冗余信息過多的問題，提出了面向任務(wù)的無人飛行器自組網(wǎng)的TA-OLSR 協(xié)議，通過每個(gè)任務(wù)聯(lián)盟內(nèi)部的拓?fù)渥赃m應(yīng)實(shí)現(xiàn)宏觀上整個(gè)無人飛行器集群的任務(wù)自適應(yīng)。仿真結(jié)果表明TA-OLSR 算法能有效改善網(wǎng)絡(luò)穩(wěn)定性、增大網(wǎng)絡(luò)包投遞率與網(wǎng)絡(luò)吞吐量，能夠至上而下的依據(jù)無人飛行器集群任務(wù)拓?fù)渫瓿陕酚勺赃m應(yīng)調(diào)整，實(shí)現(xiàn)網(wǎng)絡(luò)的適應(yīng)性節(jié)能。

當(dāng)前研究主要利用不同任務(wù)聯(lián)盟內(nèi)無人飛行器間移動(dòng)特征的相似度來衡量網(wǎng)絡(luò)拓?fù)涞淖兓?，從而?shí)現(xiàn)路由算法在整體無人飛行器集群的任務(wù)自適應(yīng)。后續(xù)研究將結(jié)合不同任務(wù)所需性能指標(biāo)的差異性，進(jìn)一步充實(shí)任務(wù)信息，使得路由協(xié)議在多種無人飛行器集群任務(wù)中達(dá)到更好的自適應(yīng)性。本文研究了聯(lián)盟內(nèi)的通信路由情況，可以進(jìn)一步研究如何優(yōu)化任務(wù)聯(lián)盟間的通信，使整個(gè)無人飛行器集群的通信體系更加完整。后續(xù)仿真實(shí)驗(yàn)還將考慮構(gòu)造多任務(wù)變化場景來進(jìn)一步模擬復(fù)雜無人飛行器集群的動(dòng)態(tài)任務(wù)環(huán)境，更好地研究無人飛行器集群自組網(wǎng)的各項(xiàng)數(shù)據(jù)指標(biāo)。