梅家棟， 南建國(guó)

(空軍工程大學(xué)航空工程學(xué)院， 西安， 710038)

隨著電子技術(shù)、傳感器技術(shù)和通信技術(shù)的發(fā)展，無(wú)人機(jī)是執(zhí)行情報(bào)、監(jiān)視和偵察任務(wù)的空中傳感器平臺(tái)，開(kāi)始具備武器打擊能力，在軍事領(lǐng)域中發(fā)揮著更大的作用[1-3]。通過(guò)建立無(wú)人機(jī)集群，可實(shí)現(xiàn)大量單無(wú)人機(jī)系統(tǒng)無(wú)法高效完成的任務(wù)[4]。無(wú)人機(jī)集群高效運(yùn)轉(zhuǎn)的基礎(chǔ)是建立穩(wěn)定可靠的通信網(wǎng)絡(luò)，保證無(wú)人機(jī)節(jié)點(diǎn)間的高效通信[5]。而移動(dòng)自組織網(wǎng)絡(luò)具有無(wú)中心、組網(wǎng)高度靈活、拓?fù)鋭?dòng)態(tài)可變、抗毀性強(qiáng)等特點(diǎn)，可有效滿足無(wú)人機(jī)集群組網(wǎng)通信的需求。無(wú)人機(jī)集群采用移動(dòng)自組網(wǎng)的通信架構(gòu)，形成了無(wú)人機(jī)自組網(wǎng)[6-7](flying Ad Hoc networks, FANETs)。由于無(wú)人機(jī)節(jié)點(diǎn)的高機(jī)動(dòng)性，無(wú)人機(jī)自組網(wǎng)具有網(wǎng)絡(luò)拓?fù)渥兓瘎×?，鏈路斷開(kāi)頻繁等特點(diǎn)[8-9]。因此，設(shè)計(jì)能夠適應(yīng)網(wǎng)絡(luò)環(huán)境高度動(dòng)態(tài)變化的路由協(xié)議是一項(xiàng)重要研究課題[10]。

基于拓?fù)浜突诘乩砦恢眯畔⑹莾煞N重要的路由發(fā)現(xiàn)策略[11-12]，各有其優(yōu)勢(shì)和局限性。若能將兩者有機(jī)結(jié)合，實(shí)現(xiàn)優(yōu)勢(shì)互補(bǔ)，可有效提高路由協(xié)議的性能。文獻(xiàn)[13]提出了反應(yīng)-貪婪-反應(yīng)(reactive-greedy-reactive,RGR)路由協(xié)議，通過(guò)有效結(jié)合AODV和貪婪地理轉(zhuǎn)發(fā)策略(greedy geographic forwarding,GGF)，RGR路由協(xié)議能在高動(dòng)態(tài)環(huán)境下具有較好的網(wǎng)絡(luò)性能。但RGR協(xié)議存在4個(gè)主要問(wèn)題：①路由發(fā)現(xiàn)階段沿用AODV路由協(xié)議盲目洪泛RREQ消息的方式，網(wǎng)絡(luò)開(kāi)銷大；②以最小跳數(shù)標(biāo)準(zhǔn)選擇路徑，沒(méi)有考慮節(jié)點(diǎn)的負(fù)載狀況，容易造成網(wǎng)絡(luò)中的“熱點(diǎn)”問(wèn)題，當(dāng)業(yè)務(wù)量大時(shí)，會(huì)產(chǎn)生較大的排隊(duì)時(shí)延，甚至出現(xiàn)緩存溢出丟棄數(shù)據(jù)分組的情況；③在切換到GGF模式進(jìn)行數(shù)據(jù)傳輸時(shí)，將向前距離作為下一跳節(jié)點(diǎn)的選擇依據(jù)，忽略了無(wú)人機(jī)節(jié)點(diǎn)的高動(dòng)態(tài)性以及節(jié)點(diǎn)的負(fù)載狀況；④節(jié)點(diǎn)的高機(jī)動(dòng)性帶來(lái)鏈路斷開(kāi)頻繁的問(wèn)題，使得提高GGF模式分組轉(zhuǎn)發(fā)成功概率十分關(guān)鍵，RGR協(xié)議則未考慮這一問(wèn)題。文獻(xiàn)[14]為降低路由開(kāi)銷，提出了受限洪泛機(jī)制，同時(shí)為了提高對(duì)鏈路斷開(kāi)的快速反應(yīng)能力，引入了移動(dòng)預(yù)測(cè)機(jī)制，一定程度上提高了網(wǎng)絡(luò)的性能。文獻(xiàn)[15]針對(duì)GGF模式失敗提出了3種解決方案，并未對(duì)提高GGF模式的成功轉(zhuǎn)發(fā)概率提出有效措施。文獻(xiàn)[16～17]提出了一種Improved-RGR路由協(xié)議及路徑請(qǐng)求延遲機(jī)制，降低了網(wǎng)絡(luò)的控制開(kāi)銷，但是未考慮網(wǎng)絡(luò)中節(jié)點(diǎn)的負(fù)載均衡問(wèn)題。GGF模式是本地修復(fù)的替換策略，文獻(xiàn)[18]針對(duì)AODV協(xié)議的本地修復(fù)存在的延遲問(wèn)題，提出了一種自適應(yīng)修復(fù)算法，有效改善了AODV路由協(xié)議的性能。

基于國(guó)內(nèi)外的研究現(xiàn)狀及RGR協(xié)議存在的問(wèn)題，本文提出了一種基于負(fù)載均衡和高GGF成功概率的改進(jìn)RGR路由協(xié)議(load balancing and high GGF success probability-RGR,LBHGS-RGR)。

1 LBHGS-RGR路由協(xié)議

1.1 基于節(jié)點(diǎn)負(fù)載狀態(tài)和地理位置信息輔助的受限洪泛機(jī)制

在無(wú)人機(jī)自組網(wǎng)中，無(wú)人機(jī)節(jié)點(diǎn)移出通信范圍或發(fā)生擁塞都會(huì)導(dǎo)致鏈路發(fā)生中斷[19-21]，嚴(yán)重影響網(wǎng)絡(luò)性能。RGR協(xié)議在選擇路徑時(shí)，以最小跳數(shù)標(biāo)準(zhǔn)選擇路徑，沒(méi)有考慮節(jié)點(diǎn)的負(fù)載狀況，某些中間節(jié)點(diǎn)需要轉(zhuǎn)發(fā)大量數(shù)據(jù)，容易造成網(wǎng)絡(luò)中的“熱點(diǎn)”問(wèn)題。如圖1所示，位于網(wǎng)絡(luò)中心的節(jié)點(diǎn)4和節(jié)點(diǎn)7在多條路徑中作為中間節(jié)點(diǎn)，承擔(dān)更多的分組轉(zhuǎn)發(fā)任務(wù)，負(fù)載較重。由于有限的鏈路帶寬和數(shù)據(jù)處理能力的限制，這類節(jié)點(diǎn)更易發(fā)生節(jié)點(diǎn)的擁塞。此外，RGR協(xié)議在進(jìn)行路由發(fā)現(xiàn)時(shí)，沿用AODV協(xié)議向全網(wǎng)進(jìn)行盲目洪泛的策略，會(huì)帶來(lái)大量的網(wǎng)絡(luò)開(kāi)銷，導(dǎo)致節(jié)點(diǎn)緩存溢出和網(wǎng)絡(luò)擁塞，嚴(yán)重影響網(wǎng)絡(luò)的性能[22]。當(dāng)網(wǎng)絡(luò)中節(jié)點(diǎn)數(shù)增多時(shí)，帶來(lái)的影響更加嚴(yán)重。

圖1 節(jié)點(diǎn)擁塞示意圖

1.1.1 節(jié)點(diǎn)負(fù)載狀態(tài)劃分

節(jié)點(diǎn)的負(fù)載通過(guò)MAC層隊(duì)列中的數(shù)據(jù)長(zhǎng)度來(lái)度量，并將節(jié)點(diǎn)的負(fù)載狀態(tài)分為擁塞和正常[23]。通過(guò)計(jì)算緩存區(qū)的隊(duì)列長(zhǎng)度與最大隊(duì)列長(zhǎng)度的比值，確定負(fù)載狀態(tài)函數(shù)Li(t)：

(1)

式中：qi(t)為節(jié)點(diǎn)i在t時(shí)刻MAC層接口的隊(duì)列長(zhǎng)度；qi max表示為節(jié)點(diǎn)i最大MAC層接口最大隊(duì)列長(zhǎng)度。負(fù)載狀態(tài)函數(shù)會(huì)隨時(shí)間變化，可以通過(guò)采樣獲得觀測(cè)值的時(shí)間序列Li(k)。

通過(guò)比較負(fù)載狀態(tài)函數(shù)的數(shù)值與擁塞系數(shù)ρ大小，確定節(jié)點(diǎn)的負(fù)載狀態(tài)Mi，將負(fù)載狀態(tài)分為擁塞(congested)和正常(normal)：

(2)

Li為節(jié)點(diǎn)i的負(fù)載狀態(tài)函數(shù)，擁塞系數(shù)的大小取值為網(wǎng)絡(luò)的歸一化吞吐量的最大值Smax，具體的推導(dǎo)以及證明過(guò)程，可見(jiàn)參考文獻(xiàn)[23]。

1.1.2 受限洪泛具體實(shí)現(xiàn)過(guò)程

為了減少RREQ控制分組的數(shù)量，同時(shí)考慮節(jié)點(diǎn)的負(fù)載狀況，本文提出基于節(jié)點(diǎn)負(fù)載狀況和地理位置信息輔助的受限洪泛機(jī)制。在源節(jié)點(diǎn)發(fā)起路由請(qǐng)求時(shí)，處于擁塞狀態(tài)的中間節(jié)點(diǎn)不參與路由的建立過(guò)程，在接收到RREQ分組后直接丟棄，不參與轉(zhuǎn)發(fā)。而負(fù)載較輕的節(jié)點(diǎn)收到RREQ分組后，未處于擁塞狀態(tài)的節(jié)點(diǎn)同時(shí)滿足與目的節(jié)點(diǎn)之間的距離關(guān)系時(shí)，才能參與路由建立的洪泛過(guò)程。

在按需式路由完成初始化后，通過(guò)其建立過(guò)程，網(wǎng)絡(luò)中的節(jié)點(diǎn)獲得包括目的節(jié)點(diǎn)在內(nèi)的路由建立相關(guān)節(jié)點(diǎn)的地理位置信息。同時(shí)，相鄰節(jié)點(diǎn)間在進(jìn)行路由維護(hù)時(shí)，通過(guò)在HELLO消息中攜帶的地理位置信息，周期性更新相鄰節(jié)點(diǎn)的地理位置信息。在基于網(wǎng)絡(luò)中的節(jié)點(diǎn)可獲得目的節(jié)點(diǎn)的位置信息的前提下，源節(jié)點(diǎn)在進(jìn)行路由發(fā)現(xiàn)時(shí)，在RREQ消息中添加距離目的節(jié)點(diǎn)的距離信息，并設(shè)置初始值為零。當(dāng)源節(jié)點(diǎn)向鄰節(jié)點(diǎn)廣播RREQ分組后，中間節(jié)點(diǎn)接收RREQ分組處理流程圖如圖2所示。當(dāng)網(wǎng)絡(luò)中的節(jié)點(diǎn)均未獲得目的節(jié)點(diǎn)的地理位置信息，則退化為盲目洪泛機(jī)制。

圖2 中間節(jié)點(diǎn)接收RREQ分組處理流程圖

1.2 GGF模式下高分組成功傳輸概率的路徑選擇策略

RGR路由協(xié)議沿用AODV協(xié)議路由建立時(shí)最小跳數(shù)的衡量標(biāo)準(zhǔn)，進(jìn)行路徑選取。跳數(shù)最小也代表節(jié)點(diǎn)之間鏈路的平均距離最大，下一跳節(jié)點(diǎn)可能位于通信的邊界，會(huì)進(jìn)一步增大了鏈路斷開(kāi)的可能性。而提高鏈路斷開(kāi)后的路由修復(fù)的成功概率，可以有效減少路由重啟的頻率，減小傳輸時(shí)延和網(wǎng)絡(luò)控制開(kāi)銷，提高分組投遞率。

RGR路由協(xié)議采用貪婪地理轉(zhuǎn)發(fā)模式(GGF)，文獻(xiàn)[24]已經(jīng)驗(yàn)證過(guò)，在節(jié)點(diǎn)分布密集的條件下，采用GGF模式的成功概率很高?；诖耍谶M(jìn)行按需式路由建立后的路徑選擇時(shí)，選擇節(jié)點(diǎn)的平均鄰居節(jié)點(diǎn)數(shù)最多的路徑。在RREQ消息中，添加link_number字段，用以存儲(chǔ)建立的路徑上節(jié)點(diǎn)鄰居數(shù)信息。當(dāng)節(jié)點(diǎn)接收到RREQ消息后，通過(guò)查詢自身的鄰居節(jié)點(diǎn)列表，將鄰節(jié)點(diǎn)個(gè)數(shù)加到link_number值中，更新后繼續(xù)轉(zhuǎn)發(fā)RREQ消息。同時(shí)考慮到路徑中跳數(shù)會(huì)對(duì)傳輸時(shí)延的影響，采用路徑的平均鄰節(jié)點(diǎn)個(gè)數(shù)，作為路徑選擇的依據(jù)。目的節(jié)點(diǎn)在首次接收到RREQ消息后，對(duì)于后續(xù)規(guī)定時(shí)間內(nèi)接收到的來(lái)自源節(jié)點(diǎn)的RREQ消息，并不是直接丟棄。在第一次接收到RREQ分組后，目的節(jié)點(diǎn)通過(guò)讀取link_number字段數(shù)值Nl及hop_count字段數(shù)值Kl，通過(guò)式(3)來(lái)計(jì)算對(duì)應(yīng)路徑的平均鄰居節(jié)點(diǎn)個(gè)數(shù)NAl，并將其進(jìn)行緩存。在后續(xù)接收到的RREQ消息中選擇具有最大的NAl的路徑，作為用于傳輸數(shù)據(jù)分組的反應(yīng)式路徑：

(3)

1.3 基于節(jié)點(diǎn)負(fù)載預(yù)測(cè)和運(yùn)動(dòng)特征的分組轉(zhuǎn)發(fā)策略

1.3.1 GGF模式下的負(fù)載預(yù)測(cè)機(jī)制

為了避免GGF模式選擇的下一跳節(jié)點(diǎn)處于擁塞狀態(tài)，導(dǎo)致轉(zhuǎn)發(fā)失敗的情況，因此引入了負(fù)載預(yù)測(cè)機(jī)制。每間隔一個(gè)HELLO消息周期，節(jié)點(diǎn)在MAC層接口對(duì)自身的負(fù)載狀態(tài)進(jìn)行采樣，獲得一組負(fù)載函數(shù)序列。利用采樣序列預(yù)測(cè)下一個(gè)HELLO到來(lái)時(shí)刻節(jié)點(diǎn)的負(fù)載狀況，并通過(guò)HELLO消息攜帶當(dāng)前時(shí)刻的負(fù)載狀態(tài)觀測(cè)值和下一個(gè)周期的預(yù)測(cè)狀態(tài)廣播給其鄰居節(jié)點(diǎn)。通過(guò)交互HELLO消息后，可以獲得鄰居節(jié)點(diǎn)的負(fù)載狀態(tài)信息，并以此作為下一跳決策的依據(jù)，避免處于擁塞狀態(tài)的節(jié)點(diǎn)參與轉(zhuǎn)發(fā)。所以需要選擇合適的預(yù)測(cè)模型，實(shí)時(shí)、準(zhǔn)確判斷節(jié)點(diǎn)是否處于擁塞狀態(tài)[25]。

ARIMA模型實(shí)現(xiàn)簡(jiǎn)單、運(yùn)算速度快、短期預(yù)測(cè)精度較高、時(shí)效性強(qiáng)，具有強(qiáng)線性預(yù)測(cè)的特點(diǎn)，但無(wú)法準(zhǔn)確預(yù)測(cè)負(fù)載時(shí)間序列的非線性關(guān)系。小波神經(jīng)網(wǎng)絡(luò)(wavelet neural network，WNN)有效結(jié)合了小波分析和神經(jīng)網(wǎng)絡(luò)，對(duì)復(fù)雜非線性不確定系統(tǒng)具備較好的預(yù)測(cè)效果。因此，文中采用基于ARIMA-WNN組合預(yù)測(cè)模型，實(shí)現(xiàn)對(duì)節(jié)點(diǎn)負(fù)載狀態(tài)信息的預(yù)測(cè)。通過(guò)將負(fù)載狀態(tài)函數(shù)看作由線性部分和非線性部分組成，組合預(yù)測(cè)的步驟如下：

步驟1得到負(fù)載函數(shù)采樣序列后，通過(guò)差分法將非平穩(wěn)的負(fù)載時(shí)間序列進(jìn)行平穩(wěn)化處理，通過(guò)建立ARIMA模型后，得到線性部分的預(yù)測(cè)值。負(fù)載時(shí)間序列的非線性特征通過(guò)將預(yù)測(cè)結(jié)果與原序列的殘差得到。ARIMA模型數(shù)學(xué)表達(dá)如式(4)所示：

(4)

步驟2將步驟1獲得的殘差值代入到WNN模型中，通過(guò)不斷修正神經(jīng)元之間的連接權(quán)值和閾值，通過(guò)預(yù)測(cè)得到殘差的修正值，即為負(fù)載時(shí)間序列的非線性特征預(yù)測(cè)值。WNN模型描述如下：

圖3 WNN模型結(jié)構(gòu)圖

圖3中隱含層節(jié)點(diǎn)的輸出為：

j=k,k+1,…,k-1+m

(5)

式中：fj(x)為小波基函數(shù)；aj、bj分別小波基函數(shù)的伸縮參數(shù)和平移參數(shù)；f(j)為第j個(gè)節(jié)點(diǎn)的輸出值。

隱含層選取Morlet函數(shù)作為激勵(lì)函數(shù)，其數(shù)學(xué)表達(dá)式為：

(6)

模型的輸出結(jié)果為：

(7)

步驟3通過(guò)將步驟1得到的線性部分的預(yù)測(cè)值和步驟2得到的非線性部分的預(yù)測(cè)值相加，得到下一時(shí)刻負(fù)載的預(yù)測(cè)值。

1.3.2 基于運(yùn)動(dòng)特征的分組轉(zhuǎn)發(fā)策略

當(dāng)鏈路斷開(kāi)時(shí)，RGR路由協(xié)議切換到貪婪地理向前轉(zhuǎn)發(fā)模式進(jìn)行數(shù)據(jù)傳遞，通過(guò)選擇距離目的節(jié)點(diǎn)最近的鄰節(jié)點(diǎn)作為下一跳節(jié)點(diǎn)，以保證數(shù)據(jù)分組具有最大的向前距離。這種僅考慮節(jié)點(diǎn)間的距離關(guān)系的轉(zhuǎn)發(fā)策略適合于節(jié)點(diǎn)運(yùn)動(dòng)能力弱或基本靜止的網(wǎng)絡(luò)。對(duì)于無(wú)人機(jī)自組網(wǎng)，網(wǎng)絡(luò)中的節(jié)點(diǎn)具有高動(dòng)態(tài)性，所以在進(jìn)行轉(zhuǎn)發(fā)決策時(shí)，不僅要考慮到節(jié)點(diǎn)間的位置關(guān)系，還要考慮節(jié)點(diǎn)的運(yùn)動(dòng)特征。

如圖4所示，在直角坐標(biāo)系中，節(jié)點(diǎn)j的坐標(biāo)(xj,yj)，目的節(jié)點(diǎn)d的坐標(biāo)為(xd,yd)，節(jié)點(diǎn)j是i的下一跳。節(jié)點(diǎn)j的運(yùn)動(dòng)速度為νj=vjcosθji+vjsinθjj，目的節(jié)點(diǎn)的運(yùn)動(dòng)速度為vd=vdcosθdi+vdsinθdj，式中vj和vd是節(jié)點(diǎn)j和的d的運(yùn)動(dòng)速率，θj和θd為節(jié)點(diǎn)j和節(jié)點(diǎn)d運(yùn)動(dòng)速度與x軸正向的夾角。

圖4 節(jié)點(diǎn)相對(duì)運(yùn)動(dòng)關(guān)系示意圖

可計(jì)算出節(jié)點(diǎn)j和節(jié)點(diǎn)d的相對(duì)運(yùn)動(dòng)速度為：

νjd=vj-νd

(8)

相對(duì)運(yùn)動(dòng)速率為

Δv=|vjd|=

(9)

節(jié)點(diǎn)j和d間的相對(duì)距離矢量為：

ljd=(xj-xd)i+(yj-yd)j

(10)

則相對(duì)距離為：

(11)

節(jié)點(diǎn)j和d的相對(duì)距離矢量與相對(duì)運(yùn)動(dòng)速度之間的夾角可表示為：

(12)

如圖4所示，節(jié)點(diǎn)d的通信半徑為R，則滿足節(jié)點(diǎn)j進(jìn)入d通信范圍內(nèi)，相對(duì)距離矢量與運(yùn)動(dòng)速度的最大夾角為：

(13)

定義進(jìn)入目的節(jié)點(diǎn)通信范圍時(shí)間：

(14)

在選擇下一跳節(jié)點(diǎn)時(shí)，首先選取Te<0的節(jié)點(diǎn)，此時(shí)說(shuō)明該節(jié)點(diǎn)已經(jīng)處于目的節(jié)點(diǎn)的通信范圍內(nèi)，對(duì)于Te>0的候選節(jié)點(diǎn)，選擇Te最小的節(jié)點(diǎn)，對(duì)于Te=0的節(jié)點(diǎn)則不做考慮，因?yàn)樵摴?jié)點(diǎn)背離目的節(jié)點(diǎn)運(yùn)動(dòng)。

當(dāng)節(jié)點(diǎn)通過(guò)GGF模式找不到下一跳節(jié)點(diǎn)時(shí)，啟用SCF的路由機(jī)制，等待下一個(gè)HELLO周期再進(jìn)行判斷。當(dāng)處于低負(fù)載狀態(tài)的節(jié)點(diǎn)進(jìn)入其通信范圍內(nèi)或擁塞節(jié)點(diǎn)重新恢復(fù)為正常狀態(tài)時(shí)，轉(zhuǎn)發(fā)數(shù)據(jù)包。

2 實(shí)驗(yàn)結(jié)果及分析

2.1 仿真環(huán)境設(shè)置

本文通過(guò)OPNET14.5網(wǎng)絡(luò)仿真軟件對(duì)LBHGS-RGR路由協(xié)議的性能，進(jìn)行仿真驗(yàn)證。比較對(duì)象選取AODV協(xié)議、文獻(xiàn)[13]中的RGR協(xié)議和文獻(xiàn)[17]中的Improved-RGR協(xié)議、文獻(xiàn)[18]中的AR-AODV協(xié)議。仿真區(qū)域大小設(shè)置為100 km×100 km×20 km，100個(gè)節(jié)點(diǎn)在區(qū)域內(nèi)隨機(jī)分布，各個(gè)節(jié)點(diǎn)參數(shù)設(shè)置相同，節(jié)點(diǎn)的通信半徑為20 km。節(jié)點(diǎn)運(yùn)動(dòng)模型為RWP模型[26](暫停時(shí)間為0)，通信模型采用CBR數(shù)據(jù)源，數(shù)據(jù)包大小為512 B,MAC協(xié)議采用IEEE802.11，信道傳輸速率為2 Mbit/s，信號(hào)傳播損失模型為Friis模型，MAC層隊(duì)列緩存區(qū)最大長(zhǎng)度為50，仿真運(yùn)行時(shí)間為20 min。通過(guò)改變網(wǎng)絡(luò)中的節(jié)點(diǎn)發(fā)包速率以及節(jié)點(diǎn)的運(yùn)動(dòng)速度，設(shè)置不同的仿真場(chǎng)景，通過(guò)分組投遞率、平均端到端時(shí)延和路由開(kāi)銷3項(xiàng)性能指標(biāo)的對(duì)比分析，實(shí)驗(yàn)結(jié)果取10次實(shí)驗(yàn)的平均值。

2.2 仿真結(jié)果分析

圖5～7為節(jié)點(diǎn)在發(fā)包速率為20 packets/s保持不變的條件下，不同的節(jié)點(diǎn)最大運(yùn)動(dòng)速度對(duì)不同路由協(xié)議的網(wǎng)絡(luò)性能的影響。其中，圖5顯示了不同路由協(xié)議下，無(wú)人機(jī)節(jié)點(diǎn)最大移動(dòng)速度與分組投遞率之間的關(guān)系曲線。從圖中可得，隨著運(yùn)動(dòng)速度的增大，5種不同的路由協(xié)議的數(shù)據(jù)分組投遞率都會(huì)不同程度的下降。這是因?yàn)檫\(yùn)動(dòng)速度的增大會(huì)使得節(jié)點(diǎn)間的鏈路更加不穩(wěn)定，鏈路斷開(kāi)的可能性增大，路由失敗機(jī)率增加。由于LBHGS-RGR路由協(xié)議在數(shù)據(jù)傳輸過(guò)程中，出現(xiàn)鏈路斷開(kāi)的情況后，則切換至GGF模式，同時(shí)提高了GGF模式下的分組成功轉(zhuǎn)發(fā)概率，能很好應(yīng)對(duì)網(wǎng)絡(luò)拓?fù)涞膭×易兓?。因此，相較于其他4種路由協(xié)議具有更高的分組投遞率。

圖5 節(jié)點(diǎn)最大移動(dòng)速度與分組投遞率關(guān)系圖

從圖6可以看出隨著節(jié)點(diǎn)速度增大，5種路由協(xié)議的平均端到端時(shí)延都在增大。相較于AODV和AR-AODV協(xié)議，在節(jié)點(diǎn)移動(dòng)速度較大時(shí)，RGR協(xié)議及其改進(jìn)型因?yàn)椴恍枰M(jìn)行本地路由修復(fù)，時(shí)延相對(duì)較低，同時(shí)LBHGS-RGR協(xié)議考慮了節(jié)點(diǎn)的負(fù)載，減小了數(shù)據(jù)傳輸過(guò)程中的排隊(duì)時(shí)延，進(jìn)一步降低了平均端到端時(shí)延。

圖6 節(jié)點(diǎn)最大移動(dòng)速度與平均端到端時(shí)延關(guān)系圖

由圖7可知，當(dāng)網(wǎng)絡(luò)中節(jié)點(diǎn)的運(yùn)動(dòng)速度較小時(shí)，5種路由協(xié)議的路由開(kāi)銷較為接近。隨著節(jié)點(diǎn)運(yùn)動(dòng)速度的增大，由于鏈路斷開(kāi)頻繁，路由開(kāi)銷都在增大，LBHGS-RGR協(xié)議采用受限的洪泛機(jī)制，減少了路由開(kāi)銷，但是相較于Improved-RGR在路由開(kāi)銷方面提升不大。

圖7 節(jié)點(diǎn)最大移動(dòng)速度與路由開(kāi)銷關(guān)系圖

圖8～10顯示了網(wǎng)絡(luò)節(jié)點(diǎn)在最大運(yùn)動(dòng)速度保持在50 m/s不變的條件下，數(shù)據(jù)包產(chǎn)生速率對(duì)不同種類路由協(xié)議性能的影響。

圖8 數(shù)據(jù)包產(chǎn)生速率與分組投遞率關(guān)系圖

由圖8可知，隨著數(shù)據(jù)包產(chǎn)生速率的增加，網(wǎng)絡(luò)出現(xiàn)擁塞的概率增大，部分節(jié)點(diǎn)由于緩存溢出開(kāi)始丟棄數(shù)據(jù)分組，5種路由協(xié)議的分組投遞率都在下降，其中AODV協(xié)議下降最快，并隨著負(fù)載增大，下降趨勢(shì)更加明顯，AR-AODV和Improved-RGR性能相近，LBHGS-RGR協(xié)議下降趨勢(shì)則最緩。這是由于LBHGS-RGR協(xié)議均衡了網(wǎng)絡(luò)負(fù)載，有效避免了擁塞節(jié)點(diǎn)的發(fā)生，減少了丟包。

圖9為數(shù)據(jù)包產(chǎn)生速率對(duì)網(wǎng)絡(luò)的平均端到端時(shí)延的影響，相比于其他4種路由協(xié)議，LBHGS-RGR協(xié)議能有效減少平均端到端時(shí)延，這主要得益于LBHGS-RGR協(xié)議減少了網(wǎng)絡(luò)擁塞發(fā)生的概率，有效降低了數(shù)據(jù)傳輸過(guò)程中的排隊(duì)時(shí)延。

圖9 數(shù)據(jù)包產(chǎn)生速率與平均端到端時(shí)延關(guān)系圖

由圖10可知，當(dāng)數(shù)據(jù)包產(chǎn)生速率較小時(shí)，網(wǎng)絡(luò)中的節(jié)點(diǎn)負(fù)載較輕，5種路由協(xié)議的開(kāi)銷相近，隨著數(shù)據(jù)包產(chǎn)生速率的增大，路由協(xié)議的開(kāi)銷都在增大。其中，AODV協(xié)議和RGR協(xié)議的網(wǎng)絡(luò)開(kāi)銷增加較劇烈，兩者的性能相近。AR-AODV和Improved-RGR都未進(jìn)行負(fù)載的均衡，隨著數(shù)據(jù)包產(chǎn)生速率的增加，路由開(kāi)銷相較于LBHGS-RGR協(xié)議也較大。而LBHGS-RGR協(xié)議通過(guò)受限洪泛機(jī)制減少了路由請(qǐng)求分組的數(shù)量，同時(shí)采用負(fù)載均衡機(jī)制，減少節(jié)點(diǎn)擁塞的發(fā)生，提高了鏈路的穩(wěn)定性，降低了網(wǎng)絡(luò)的控制開(kāi)銷。

圖10 數(shù)據(jù)包產(chǎn)生速率與路由開(kāi)銷關(guān)系圖

3 結(jié)語(yǔ)

本文針對(duì)無(wú)人機(jī)自組網(wǎng)提出了LBHGS-RGR路由協(xié)議，對(duì)協(xié)議的基于節(jié)點(diǎn)負(fù)載狀態(tài)和地理位置信息輔助的受限洪泛機(jī)制、GGF模式下高分組成功傳輸概率的路徑選擇策略和基于節(jié)點(diǎn)負(fù)載預(yù)測(cè)和運(yùn)動(dòng)特征的分組轉(zhuǎn)發(fā)策略3項(xiàng)關(guān)鍵措施進(jìn)行了闡述。在分別改變節(jié)點(diǎn)最大運(yùn)動(dòng)速度和數(shù)據(jù)包產(chǎn)生速率條件下，通過(guò)將LBHGS-RGR路由協(xié)議與AODV和RGR協(xié)議及其改進(jìn)型下進(jìn)行了對(duì)比分析。仿真結(jié)果表明，LBHGS-RGR路由協(xié)議有效改善了網(wǎng)絡(luò)性能，提高了應(yīng)對(duì)高動(dòng)態(tài)網(wǎng)絡(luò)環(huán)境的能力，能更好地適應(yīng)無(wú)人機(jī)自組網(wǎng)。