基于周邊節(jié)點實時位置預(yù)測的無人機(jī)自組網(wǎng)路由協(xié)議*

郭科兵，徐光輝，丁 寧

（1.94672 部隊，江蘇 南京 211500；2.陸軍工程大學(xué)，江蘇 南京 210007；3.南京熊貓通信科技有限公司，江蘇 南京 210007）

0 引言

無人機(jī)（Unmanned Aerial Vehicle，UAV）在軍事和民用領(lǐng)域的應(yīng)用越來越廣泛，其軍事用途超過25 年，主要包括邊境監(jiān)視、偵察和空中打擊[1]。國內(nèi)外在軍用無人機(jī)方面都進(jìn)行了大量的研究，現(xiàn)在已初有部分列入實際應(yīng)用，如無人攻擊機(jī)、無人偵察機(jī)以及無人機(jī)群執(zhí)行軍事打擊任務(wù)等。在民用領(lǐng)域的應(yīng)用也較多，例如作為電子警察進(jìn)行公共安全管理，實時監(jiān)測重要部位的安全情況，提供及時的災(zāi)難警告并幫助加速營救行動，開展地震災(zāi)情偵察和震后臨時網(wǎng)絡(luò)的搭建。無人機(jī)可以將物品運(yùn)送到無法到達(dá)的地方，如在有毒氣體滲透或者有核污染的情況下。另外，森林火災(zāi)和野生動物追蹤方面，無人機(jī)可以代替人員快速檢查大面積區(qū)域，且不會對人身造成危險。

無人機(jī)有各種尺寸，大型無人機(jī)可以單獨使用來執(zhí)行任務(wù)，如農(nóng)業(yè)領(lǐng)域的植保無人機(jī)、快遞公司正在開發(fā)的配送快遞無人機(jī)等，小型則可用于編隊或集群，而后者被證明在軍用和民用方面具有極高的應(yīng)用價值。正如Daniel 和Wietfeld 在文獻(xiàn)[2]中所述，他們很可能會成為行動中的核心力量，如軍用、警用、消防和安保等。此外，在電子和傳感器技術(shù)的發(fā)展已擴(kuò)大了無人機(jī)集群的應(yīng)用范圍[3]，可作為交通監(jiān)控、風(fēng)能估計和遙感[4]等。

無人機(jī)編隊或集群的應(yīng)用前景廣泛，但該領(lǐng)域還是一個相對較新的領(lǐng)域，之前進(jìn)行的研究較少。為了有效利用無人機(jī)集群發(fā)揮作用，必須要建立穩(wěn)定和可靠的特定用途的網(wǎng)絡(luò)，其中有很多問題需要解決，路由協(xié)議就是其中之一。由于無人機(jī)高速運(yùn)動的原因，現(xiàn)有的靜態(tài)路由協(xié)議和車載路由協(xié)議都不適合當(dāng)前的無人機(jī)自組織網(wǎng)絡(luò)，需要提出新的路由協(xié)議。近些年，廣大學(xué)者對基于地理位置的路由協(xié)議開展了廣泛研究，在整個網(wǎng)絡(luò)的性能上有了較大提升[5-7]。在基于位置的無人機(jī)自組織網(wǎng)絡(luò)中的路由協(xié)議中，大多需要周期地從周邊鄰居獲取他們的位置。由于為了網(wǎng)絡(luò)開銷的原因，獲取周邊鄰居位置的周期不能設(shè)置得太短，衍生出了一個問題：獲取周邊鄰居位置存在滯后性，必然會造成路由判斷的失敗，特別是在高速無人機(jī)自組織網(wǎng)絡(luò)中，這個問題更加明顯[8]。

針對上面提出的位置獲取滯后問題，本文提出了一種基于無跡卡爾曼濾波（unscented Kalman filter）[9]實時預(yù)測周邊鄰居節(jié)點位置的算法，以增強(qiáng)無人機(jī)自組織網(wǎng)絡(luò)路由轉(zhuǎn)發(fā)時的成功率，提升無人機(jī)自組織網(wǎng)絡(luò)的路由性能。本文完成的主要工作如下：（1）針對基于地理位置的無人機(jī)自組網(wǎng)路由協(xié)議獲取鄰居節(jié)點位置滯后的問題進(jìn)行了廣泛研究，討論了現(xiàn)有解決策略的利弊，并做了橫向?qū)Ρ龋唬?）提出了基于無跡卡爾曼濾波實時預(yù)測周邊鄰居節(jié)點位置的模型，詳細(xì)敘述了相應(yīng)的節(jié)點實時位置預(yù)測過程；（3）將位置預(yù)測應(yīng)用在GPSR 路由協(xié)議上，在OPNET 中對改進(jìn)的路由協(xié)議進(jìn)行性能分析，相較GPSR 路由協(xié)議，性能有所提升，特別是在高速移動的無人機(jī)自組織網(wǎng)絡(luò)中；（4）總線全文，提出未來研究的展望。

1 相關(guān)工作

在基于地理位置的自組織網(wǎng)絡(luò)路由協(xié)議中，通過將數(shù)據(jù)包轉(zhuǎn)發(fā)給靠近目標(biāo)節(jié)點的鄰居節(jié)點，以完成對數(shù)據(jù)包下一跳的轉(zhuǎn)發(fā)。由于節(jié)點對其周邊鄰居節(jié)點地理位置的獲取通過周期地接收所有鄰居的廣播信號而獲得，而路由判斷存在于任何時刻，在進(jìn)行路由選擇鄰居節(jié)點的判斷時，使用的是上一個周期獲取的周邊鄰居的位置信息，而此時鄰居可能已經(jīng)運(yùn)動到了本節(jié)點的通信范圍之外，便會造成路由失敗[10]。如圖1 所示，在t1時刻，A 無人機(jī)節(jié)點獲取了其鄰居節(jié)點B、C 的地理位置；在t2時刻，A節(jié)點決定根據(jù)之前t1時刻獲取的鄰居位置情況，判斷期望將數(shù)據(jù)包轉(zhuǎn)發(fā)給B 節(jié)點，而此時節(jié)點B 已經(jīng)運(yùn)動到了A 節(jié)點的通信范圍之外，造成路由失敗。此問題在高速移動的無人機(jī)自組織網(wǎng)絡(luò)中更加明顯，會在很大程度上影響數(shù)據(jù)包轉(zhuǎn)發(fā)的成功率，增加整個網(wǎng)絡(luò)的點到點傳遞時間。

圖1 周邊鄰居節(jié)點位置滯后

受限于技術(shù)研究的不深入和機(jī)載設(shè)備發(fā)展的不成熟，基于地理位置的路由協(xié)議剛提出時，通常忽略鄰居節(jié)點位置獲取滯后的問題，如貪婪位置轉(zhuǎn)發(fā)路由協(xié)議（Greedy Geographic Forwarding，GGF）[11]和經(jīng)典的周邊無狀態(tài)貪婪轉(zhuǎn)發(fā)路由協(xié)議（Greedy Perimeter Stateless Routing，GPSR）[12]等。后來出現(xiàn)了一些基于GPSR 的改進(jìn)型路由協(xié)議，如文獻(xiàn)[13]通過運(yùn)動節(jié)點之前的運(yùn)動軌跡來預(yù)測下一時刻的鄰居節(jié)點位置，但在高速運(yùn)動和復(fù)雜任務(wù)的無人機(jī)組網(wǎng)中，此方法對位置的預(yù)測精確度還有限。還有一些路由協(xié)議[8,14]通過假設(shè)鄰居節(jié)點在這段時間內(nèi)進(jìn)行勻速直線運(yùn)動來對其位置進(jìn)行預(yù)測，以縮小造成的位置預(yù)測誤差。此種方案在一定程度上減小了位置判斷的錯誤，但是模型估計還不夠精確，因為所有節(jié)點必然不會按照直線進(jìn)行勻速運(yùn)動，所以在高速移動的自組織網(wǎng)絡(luò)中還存在問題。

近年來，隨著無人機(jī)機(jī)載設(shè)備的發(fā)展，大量機(jī)載測距設(shè)備得以小型化（DME、激光測距、激光雷達(dá)等），為無人機(jī)組網(wǎng)路由過程中獲得鄰居節(jié)點與本節(jié)點的實時距離提供了可能。為解決前文撰述的路由過程中鄰居節(jié)點位置信息滯后的問題，本文提出了一種基于無跡卡爾曼濾波實時預(yù)測鄰居節(jié)點位置的算法，在此基礎(chǔ)上對GPSR 路由協(xié)議進(jìn)行改進(jìn)，并在OPNET 中進(jìn)行了仿真驗證，證實了此協(xié)議在性能上相較GPSR 有良好的提升。

2 基于周邊節(jié)點位置實時預(yù)測的無人機(jī)自組網(wǎng)路由協(xié)議

本章提出了無人機(jī)自組網(wǎng)的網(wǎng)絡(luò)模型，根據(jù)無跡卡爾曼理論在路由協(xié)議的鄰居預(yù)測過程中建立狀態(tài)方程。本文假設(shè)無人機(jī)一段時間內(nèi)在三維空間內(nèi)進(jìn)行勻速直線運(yùn)動，以此估算下一時刻的坐標(biāo)，然后通過機(jī)載測距設(shè)備實時返回的距離信息，建設(shè)測量方程，通過無跡卡爾曼濾波的方法估算出鄰居節(jié)點的當(dāng)前最佳位置，最后將此方法應(yīng)用到GPSR 路由協(xié)議中。

2.1 系統(tǒng)模型

本文研究無人機(jī)集群應(yīng)用中無人機(jī)間的通信路由協(xié)議。無人機(jī)群中的每架無人機(jī)通過多跳轉(zhuǎn)發(fā)來傳遞信息，整個無人機(jī)群網(wǎng)絡(luò)沒有中心，每架無人機(jī)均具備路由功能，無人機(jī)群中的任意一架或者多架無人機(jī)可與一個或者多個地面站進(jìn)行通信，如圖2 所示。每架無人機(jī)可以根據(jù)自身的全球定位系統(tǒng)（如GPS、北斗導(dǎo)航系統(tǒng)等）獲取自身實時的三維位置信息。

假設(shè)無人機(jī)群的活動范圍在（X，Y，Z）組成的三維空間內(nèi)根據(jù)任務(wù)需要進(jìn)行運(yùn)動，在時刻t時空間范圍內(nèi)的無人機(jī)數(shù)量為n(t)，t時刻對每架無人機(jī)進(jìn)行編號，每架無人機(jī)的ID 為i，i∈[1,n(t)]。某無人機(jī)i在t時刻的位置表示為（xi(t)，yi(t)，zi(t)）。為易于問題的研究，假設(shè)無人機(jī)的通信范圍固定且為半徑R的球體，記節(jié)點i與節(jié)點j之間的距離為dij(t)，則節(jié)點i和節(jié)點j在時間t時刻能夠滿足通信距離的條件為：

其中dij(t)可由節(jié)點i和節(jié)點j在t時刻的位置坐標(biāo)計算得到：

圖2 自組織無人機(jī)模型

2.2 鄰居位置實時預(yù)測的實現(xiàn)

本節(jié)詳細(xì)敘述基于無跡卡爾曼濾波預(yù)測節(jié)點周邊鄰居實時位置的過程和方法，根據(jù)無人機(jī)自組織網(wǎng)絡(luò)模型的特點，建立了相應(yīng)的狀態(tài)方程和測量方程。

2.2.1 狀態(tài)方程和測量方程的建立

假定每架無人機(jī)上均裝備有GPS 和慣性導(dǎo)航系統(tǒng)，系統(tǒng)能夠協(xié)同測量出本機(jī)任意時刻的三維位置、三維航向和運(yùn)動速度，則節(jié)點i在t時刻的狀態(tài)矩陣表示為：

式中，hi(t)為節(jié)點i在t時刻的的水平運(yùn)動航向，hi(t)∈[0,2π]，ci(t)為本機(jī)在垂直方向的運(yùn)動航向，ci(t)∈[0,π]，vi(t)是當(dāng)前的運(yùn)動速度。

經(jīng)過時間?t后，假設(shè)無人機(jī)i這段時間內(nèi)做勻速直線運(yùn)動，則下一時刻的位置的狀態(tài)方程可表示為：

系統(tǒng)假設(shè)在經(jīng)過?t后該無人機(jī)的運(yùn)動方向和運(yùn)動速度保持不變。測量方程則根據(jù)當(dāng)前做出路由決策的無人機(jī)節(jié)點和當(dāng)前需要轉(zhuǎn)發(fā)包的無人機(jī)之間的距離來表示，則測量方程為：

式中，zji(t+?t)為通過測距設(shè)備測量的時間t+?t時刻，本無人機(jī)節(jié)點j和無人機(jī)節(jié)點i之間的距離。xj(t+?t)、yj(t+?t)、zj(t+?t)為本無人機(jī)節(jié)點在t+?t時刻的實時三維位置。

2.2.2 預(yù)測過程

計算sigma 點，根據(jù)系統(tǒng)的維度選取sigma 點的個數(shù)。若為N維，則選取2N+1 個點。本文中系統(tǒng)為6 維，則選取13 個點，中心點為均值。

2.2.3 計算權(quán)重值

計算權(quán)重值：

2.2.4 修正過程

通過上述方法，路由貪婪轉(zhuǎn)發(fā)策略可以在獲取鄰居節(jié)點位置后的任一時間內(nèi)獲取到更加精確的周邊鄰居位置信息，以進(jìn)行更加準(zhǔn)確的路由轉(zhuǎn)發(fā)。

本文在上述基礎(chǔ)上對GPSR 協(xié)議進(jìn)行改進(jìn)，路由的轉(zhuǎn)發(fā)策略依舊選取貪婪轉(zhuǎn)發(fā)，遇到路由空洞時，采用GPSR 協(xié)議中的周邊轉(zhuǎn)發(fā)。為便于敘述，本文將改進(jìn)的路由協(xié)議命名為GPSR-RLP（Greedy Perimeter Stateless Routing Protocol-based on Realtime Location Prediction of Surrounding Nodes）。

3 性能仿真及分析

本節(jié)將本文實現(xiàn)的GPSR-RLP 算法與現(xiàn)有表現(xiàn)良好的GPSR 相比，使用事件驅(qū)動的無線網(wǎng)絡(luò)模擬器OPNET。對于考慮的場景，節(jié)點隨機(jī)分布在2 000 m×2 000 m×2 000 m 的區(qū)域中。隨機(jī)選擇一個節(jié)點作為源節(jié)點將數(shù)據(jù)傳輸?shù)侥繕?biāo)節(jié)點，目標(biāo)節(jié)點的坐標(biāo)設(shè)置為（2 000，2 000，2 000），并且除了目標(biāo)節(jié)點外的其余節(jié)點是中繼節(jié)點。源節(jié)點發(fā)出周期性的數(shù)據(jù)包流。該仿真方案的參數(shù)見表1。

表1 仿真參數(shù)設(shè)置

性能仿真包括兩方面：一是包到達(dá)比率，指目標(biāo)節(jié)點收到的數(shù)據(jù)包總數(shù)占從源節(jié)點發(fā)送的數(shù)據(jù)包總數(shù)的比例，不包括冗余的數(shù)據(jù)包；二是點到點最大延遲，指數(shù)據(jù)包從源節(jié)點到達(dá)目的節(jié)點的最大延遲時間。

在接下來的仿真實驗中，所有移動節(jié)點（包括源節(jié)點和中繼節(jié)點）利用隨機(jī)節(jié)點的移動性模型。在此移動性模型中，無人機(jī)節(jié)點從其原來的移動位置通過隨機(jī)選擇方向和速度，從當(dāng)前位置移動到新的位置。在前文表1 中限制的范圍內(nèi)隨機(jī)選擇新位置的區(qū)域，而新的速度是從[0，最大速度]。當(dāng)移動節(jié)點移至新選擇的目的地，并以選定的速度移動節(jié)點暫停指定的時間，然后開始移動到另一個新位置，設(shè)置這個暫停時間為0。

3.1 不同節(jié)點數(shù)量的性能仿真評估

在這個仿真中，節(jié)點的最大移動速度設(shè)置為30 m/s，分別選取仿真區(qū)域內(nèi)的節(jié)點數(shù)量為10、15、20、25、30、35、40、45、50 個時的性能比較。

圖3、圖4 分別仿真了不同節(jié)點數(shù)量時，包傳輸成功的比率和最大的點到點延時。從圖3 可以看到，相較于GPSR 協(xié)議，提出的GPSR-RLP 協(xié)議在不同節(jié)點數(shù)量下有5%左右的性能提升。從圖4 可以看出，相較于GPSR 協(xié)議，GPSR-RLP 協(xié)議在不同節(jié)點數(shù)量下最大的點到點延遲有220 ms 左右的提升，減小了最大的點到點延時。

3.2 不同節(jié)點移動速度的性能仿真評估

在這個仿真中，設(shè)置節(jié)點的數(shù)量為40 個，分別選取節(jié)點的最大移動速度為5 m/s、10 m/s、15 m/s、20 m/s、25 m/s、30 m/s、35 m/s、40 m/s、45 m/s、50 m/s 對路由協(xié)議的性能進(jìn)行仿真評估。

圖3 節(jié)點數(shù)量與包到達(dá)率

圖4 節(jié)點數(shù)量與點到點的最大延遲

圖5、圖6 分別評估節(jié)點不同最大移動速度時，路由協(xié)議的包到達(dá)率和點到點的最大延時。從圖5可以看出，隨著節(jié)點速度的加快，提出的GPSRRLP 路由協(xié)議的性能開始凸顯。當(dāng)節(jié)點的最大移動速度設(shè)置為50 m/s 時，相較GPSR 協(xié)議，其包傳輸成功率提升了7%，且這個優(yōu)勢會隨著節(jié)點移動速度增加而增加，進(jìn)一步證明了解決周邊鄰居節(jié)點位置滯后的問題在高速無人機(jī)自組織網(wǎng)絡(luò)中的重要性。從圖6 可以看到，GPSR-RLP 協(xié)議相較于GPSR 協(xié)議，隨著節(jié)點移動速度的加快，性能優(yōu)勢逐漸凸顯。與圖5 類似，在節(jié)點的最大移動速度為50 m/s 時，GPSR-RLP 的最大點到點延時減小了290 ms。

圖5 節(jié)點的最大運(yùn)動速度與包到達(dá)率

圖6 節(jié)點的最大運(yùn)動速度與點到點最大延遲

4 結(jié)語

無人機(jī)自組織網(wǎng)絡(luò)路由協(xié)議最大的挑戰(zhàn)之處在于動態(tài)的拓?fù)渥兓?，特別是在高速移動的情況下，現(xiàn)有的車載自組織網(wǎng)絡(luò)不再適用，必須提出新的路由協(xié)議，以適應(yīng)高速動態(tài)的網(wǎng)絡(luò)特性。本文提出一種預(yù)測鄰居節(jié)點精確位置的路由協(xié)議——GPSRRLP。性能評估主要考慮網(wǎng)絡(luò)傳輸?shù)陌竭_(dá)率和最大點到點延時，結(jié)果相較GPSR 性能上有良好的提升，特別是在高速移動的動態(tài)網(wǎng)絡(luò)狀態(tài)下。后期可以考慮在硬件模塊中直接實現(xiàn)對鄰居實時位置的預(yù)測，以極大地減少無人機(jī)節(jié)點路由處理器的計算量。另外，對無人機(jī)狀態(tài)方程的建模可以考慮進(jìn)一步細(xì)化、精確，以進(jìn)一步提高位置預(yù)測的精準(zhǔn)性。