石涵琛，岐曉蕾，彭木根

（北京郵電大學(xué)網(wǎng)絡(luò)與交換技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室，北京 100876）

0 引言

近年來(lái)，隨著第六代移動(dòng)通信系統(tǒng)（6G,the sixth generation of mobile communications system）研究的興起，無(wú)人機(jī)（UAV,Unmanned Aerial Vehicle）憑借其機(jī)動(dòng)靈活、部署靈巧、覆蓋廣泛及成本低廉等優(yōu)勢(shì)而倍受關(guān)注。無(wú)人機(jī)自組網(wǎng)（FANET,Flying Ad Hoc Network）[1]是由一系列具備路由和信息傳輸功能的無(wú)人機(jī)通過(guò)無(wú)線鏈路互聯(lián)而組成的網(wǎng)絡(luò)系統(tǒng)，其中僅有部分無(wú)人機(jī)連接基礎(chǔ)通信設(shè)施，其余無(wú)人機(jī)則通過(guò)中間節(jié)點(diǎn)以多跳方式實(shí)現(xiàn)通信，從而解決基于基礎(chǔ)設(shè)施（例如地面基站和衛(wèi)星）的傳統(tǒng)多無(wú)人機(jī)通信架構(gòu)帶來(lái)的高功耗、高延遲、短距離等缺陷[2]。因此，F(xiàn)ANET 適用于輔助地面通信[3]、通信-感知-計(jì)算融合[4]、空天地海一體化[5]等6G 典型應(yīng)用場(chǎng)景，是未來(lái)6G 移動(dòng)網(wǎng)絡(luò)的重點(diǎn)研究方向之一[6]。

面對(duì)6G 無(wú)線網(wǎng)絡(luò)在時(shí)延、移動(dòng)性、可靠性及連接密度指標(biāo)的更高需求，目的節(jié)點(diǎn)序列距離矢量路由（DSDV,Destination Sequenced Distance Vector）、優(yōu)化鏈路狀態(tài)路由（OLSR,Optimized Link State Routing）、動(dòng)態(tài)源路由（DSR,Dynamic Source Routing）和區(qū)域路由（ZRP,Zone Routing Protocol）等Ad Hoc 網(wǎng)絡(luò)傳統(tǒng)路由協(xié)議存在資源消耗多、傳輸時(shí)延大、路由選擇與維護(hù)繁等挑戰(zhàn)[7-9]，難以直接應(yīng)用于FANET。相比之下，按需距離矢量（AODV,Ad hoc Ondemand Distance Vector）路由協(xié)議結(jié)合了DSDV 與DSR 的優(yōu)點(diǎn)，通過(guò)發(fā)送多種類(lèi)型的路由控制消息按需完成路由尋找，在網(wǎng)絡(luò)跳數(shù)、數(shù)據(jù)包投遞率和控制開(kāi)銷(xiāo)方面表現(xiàn)良好[10]。然而，AODV 采用全網(wǎng)廣播泛洪策略，存在固有的網(wǎng)絡(luò)擁塞問(wèn)題，路由開(kāi)銷(xiāo)仍然較大[11]。為此，大量研究工作引入GPS 系統(tǒng)以根據(jù)各無(wú)人機(jī)的地理位置信息做出自適應(yīng)轉(zhuǎn)發(fā)決策，極大程度地減少非必要的消息廣播，這使得基于位置信息的路由協(xié)議適用于大規(guī)模高動(dòng)態(tài)網(wǎng)絡(luò)場(chǎng)景，成為了6G 無(wú)人機(jī)自組網(wǎng)的研究熱點(diǎn)之一[12]。

本文首先總結(jié)了無(wú)人機(jī)自組網(wǎng)中基于地理位置的路由協(xié)議研究進(jìn)展，分析了相關(guān)協(xié)議的設(shè)計(jì)缺陷和應(yīng)用限制。然后針對(duì)鏈路質(zhì)量和路由開(kāi)銷(xiāo)優(yōu)化問(wèn)題，提出一種基于距離閾值修正的路由協(xié)議改進(jìn)方法，詳細(xì)闡述了改進(jìn)方法的原理與模型。最后通過(guò)仿真驗(yàn)證改進(jìn)協(xié)議的路由性能，并對(duì)6G 無(wú)人機(jī)自組網(wǎng)路由協(xié)議的優(yōu)化技術(shù)與研究方向進(jìn)行未來(lái)展望。

1 基于地理位置的路由協(xié)議研究進(jìn)展

在基于地理位置的路由協(xié)議中，無(wú)人機(jī)通過(guò)嵌入式GPS 系統(tǒng)獲取自身、鄰居節(jié)點(diǎn)及目的節(jié)點(diǎn)的位置與速度信息，實(shí)現(xiàn)距離計(jì)算等功能并加入傳統(tǒng)路由協(xié)議，根據(jù)不同的改進(jìn)目標(biāo)，制定新的路由策略，以提升路由性能[13]。

文獻(xiàn)[14] 最先提出經(jīng)典的位置輔助路由（LAR,Location Aided Routing）及其兩種變式，基于區(qū)域的LAR（Z-LAR,Zone-based LAR）與基于距離的LAR（D-LAR,Distance-based LAR）。LAR 基于AODV 進(jìn)行改進(jìn)，將路由搜索限制到相較于全網(wǎng)絡(luò)范圍更小的路由請(qǐng)求區(qū)域，顯著降低了路由開(kāi)銷(xiāo)。兩個(gè)變式僅在請(qǐng)求區(qū)域的計(jì)算方式上有所不同，前者劃分一個(gè)包含源節(jié)點(diǎn)和目的節(jié)點(diǎn)的矩形區(qū)域，該矩形與包含目的節(jié)點(diǎn)的圓形預(yù)期區(qū)域相切，后者則通過(guò)中間節(jié)點(diǎn)到目的節(jié)點(diǎn)的距離來(lái)判斷是否繼續(xù)廣播路由請(qǐng)求。文獻(xiàn)[15] 提出GPS 增強(qiáng)型AODV（GeoAODV,Geographical AODV），將請(qǐng)求區(qū)域改變?yōu)橛煞汉榻强刂频腻F形空間，錐形的頂點(diǎn)固定為源節(jié)點(diǎn)?；诖?，文獻(xiàn)[16]提出GeoAODV 的變式，命名為動(dòng)態(tài)GeoAODV（GeoAODV Rotate），其錐形請(qǐng)求區(qū)域以每個(gè)前向中間節(jié)點(diǎn)為頂點(diǎn)重新進(jìn)行計(jì)算，實(shí)現(xiàn)動(dòng)態(tài)旋轉(zhuǎn)變化，進(jìn)一步減少路由廣播。GeoAODV 協(xié)議及其變式僅根據(jù)不同場(chǎng)景預(yù)設(shè)泛洪角經(jīng)驗(yàn)值，在拓?fù)淇熳兊木W(wǎng)絡(luò)中性能表現(xiàn)不穩(wěn)定，而Z-LAR 的性能表現(xiàn)則優(yōu)于其他所有同類(lèi)協(xié)議。文獻(xiàn)[17]提出預(yù)測(cè)OLSR（P-OSLR,Predictive OLSR），利用GPS 獲取的無(wú)人機(jī)運(yùn)動(dòng)方向與相對(duì)飛行速度衡量預(yù)期傳輸次數(shù)，以評(píng)估無(wú)線鏈路質(zhì)量，并通過(guò)真實(shí)無(wú)人機(jī)編隊(duì)實(shí)驗(yàn)驗(yàn)證了其高可靠性，隨網(wǎng)絡(luò)拓?fù)淇焖僮兓?，鏈路中斷概率大幅下降。但該協(xié)議計(jì)算復(fù)雜度較高，且局限于小型密集無(wú)人機(jī)自組網(wǎng)場(chǎng)景。文獻(xiàn)[18]在具有自適應(yīng)Hello 消息的分段移動(dòng)感知AODV 協(xié) 議（MA-DP-AODV-AHM,Mobility Aware Dual Phase AODV with Adaptive Hello Messages）基礎(chǔ)上增加路由層與MAC 層之間的跨層設(shè)計(jì)，提出多數(shù)據(jù)速率移動(dòng)感知（MDRMA,Multi Data Rate Mobility Aware）協(xié)議，通過(guò)考慮無(wú)人機(jī)移動(dòng)方向和速度來(lái)減輕泛洪，并考慮接收靈敏度與信干噪比以保持傳輸功率最小化，在高密集場(chǎng)景中表現(xiàn)出高魯棒性，但該協(xié)議在低節(jié)點(diǎn)密度環(huán)境下易產(chǎn)生路由空洞，導(dǎo)致路由可建立概率降低。文獻(xiàn)[19]基于上述P-OLSR協(xié)議，對(duì)無(wú)人機(jī)剩余能量、節(jié)點(diǎn)度及鏈路失效時(shí)間進(jìn)行加權(quán)，進(jìn)一步綜合考慮能量效率與拓?fù)渥兓?，在端到端時(shí)延、平均吞吐量和分組投遞率性能上均有提升。此改進(jìn)雖然減少了多點(diǎn)中繼的重選次數(shù)，但根本上受路由表驅(qū)動(dòng)限制，需要額外分配計(jì)算資源以及時(shí)更新與維護(hù)路由表信息。

2 基于距離閾值修正的LAR路由改進(jìn)方法

綜合上述研究進(jìn)展，考慮位置輔助的路由協(xié)議中路由開(kāi)銷(xiāo)優(yōu)化面臨的挑戰(zhàn)，本文針對(duì)D-LAR 提出了一種基于距離閾值修正的LAR 改進(jìn)協(xié)議（DTC-LAR,Distance Threshold Correction-based LAR）。首先從提升鏈路穩(wěn)定性并降低路由開(kāi)銷(xiāo)的角度出發(fā)，設(shè)計(jì)包含兩層距離閾值修正的路由協(xié)議改進(jìn)模型，分別是無(wú)人機(jī)最大通信距離修正與路由消息廣播條件修正；然后基于無(wú)線通信鏈路預(yù)算和無(wú)人機(jī)空-空信道模型，給出了可靠通信距離的計(jì)算方法，以完成第一層修正；最后基于路由性能評(píng)價(jià)指標(biāo)，提出路由性能優(yōu)化策略，并以此給出了新設(shè)計(jì)參數(shù)的計(jì)算方式，以完成第二層修正。

2.1 路由協(xié)議改進(jìn)模型

如圖1 所示，本文構(gòu)建了面向6G 無(wú)人機(jī)自組網(wǎng)的DTC-LAR 路由協(xié)議模型。假設(shè)源節(jié)點(diǎn)S 通過(guò)GPS 在t0時(shí)刻獲取到自身及目的節(jié)點(diǎn)D 的三維位置，分別為(XS,YS,ZS)、(XD,YD,ZD)，利用位置信息計(jì)算得S 到D 的距離為。

圖1 面向6G 無(wú)人機(jī)自組網(wǎng)的DTC-LAR 路由協(xié)議模型

傳統(tǒng)LAR 協(xié)議中，節(jié)點(diǎn)向其最大通信半徑dmax內(nèi)所有一跳鄰居節(jié)點(diǎn)發(fā)送路由請(qǐng)求（RREQ,Route Request），但伴隨拓?fù)浣Y(jié)構(gòu)的迅速變化，位于最大通信距離邊界處的鄰居節(jié)點(diǎn)易發(fā)生鏈路斷裂。為保證路由穩(wěn)定性，本文通過(guò)研究文獻(xiàn)[20]建立可靠通信距離模型（計(jì)算方法見(jiàn)2.2 節(jié)），實(shí)現(xiàn)第一層距離閾值修正。修正后，節(jié)點(diǎn)僅與其可靠通信距離（dr＜dmax）范圍內(nèi)的一跳鄰居節(jié)點(diǎn)進(jìn)行通信數(shù)據(jù)包和路由消息的發(fā)送，例如圖1 中源節(jié)點(diǎn)S 僅向中間節(jié)點(diǎn)N1、N2發(fā)送RREQ，該RREQ 中包含當(dāng)前轉(zhuǎn)發(fā)跳數(shù)、源節(jié)點(diǎn)到目的節(jié)點(diǎn)距離d(S,D)、目的節(jié)點(diǎn)位置(XD,YD,ZD) 等信息。

為優(yōu)化路由開(kāi)銷(xiāo)，降低網(wǎng)絡(luò)負(fù)載，DTC-LAR 在原D-LAR 協(xié)議的RREQ 轉(zhuǎn)發(fā)判決條件中引入修正因子β（計(jì)算方法見(jiàn)2.3 節(jié)），實(shí)現(xiàn)第二層距離閾值修正，以進(jìn)一步縮小路由廣播范圍。具體地，現(xiàn)假設(shè)中間節(jié)點(diǎn)Nk已收到前一跳節(jié)點(diǎn)Nj發(fā)送的RREQ，當(dāng)且僅當(dāng)其到目的節(jié)點(diǎn)的距離滿足以下不等式時(shí)，Nk才會(huì)繼續(xù)廣播RREQ，反之則丟棄該條RREQ：

其中，β∈(0,1]，δ表示由GPS 定位不精確或路由發(fā)現(xiàn)周期內(nèi)目的節(jié)點(diǎn)移動(dòng)導(dǎo)致的距離誤差。后向收到RREQ的中間節(jié)點(diǎn)則以此類(lèi)推，繼續(xù)根據(jù)不等式判斷RREQ 的廣播與否。以圖1 為例，由于d(N1,D) ＞ d(S,D)，不滿足上述條件，因此第二層修正后只有節(jié)點(diǎn)N2向下一跳鄰居節(jié)點(diǎn)N3轉(zhuǎn)發(fā)來(lái)自源節(jié)點(diǎn)S 指向目的節(jié)點(diǎn)D 的RREQ，節(jié)點(diǎn)N1則直接丟棄。

基于上述分析，圖2 展示了DTC-LAR 協(xié)議的路由發(fā)現(xiàn)流程，改進(jìn)協(xié)議在RREQ 消息的更新與轉(zhuǎn)發(fā)前按序添加了“ 距離閾值修正Ⅰ”和“ 距離閾值修正Ⅱ”兩個(gè)關(guān)鍵步驟。第一層距離閾值修正旨在選取位于可靠通信距離范圍內(nèi)的鄰居節(jié)點(diǎn)進(jìn)行通信，以提升無(wú)線鏈路的可建立性；第二層距離閾值修正旨在借助所提出的判決條件篩選距離目的節(jié)點(diǎn)更近的中間節(jié)點(diǎn)作為RREQ 消息的轉(zhuǎn)發(fā)對(duì)象，以進(jìn)一步減小網(wǎng)絡(luò)泛洪，降低網(wǎng)絡(luò)負(fù)載和開(kāi)銷(xiāo)。DTCLAR 改進(jìn)協(xié)議的路由維護(hù)方法則與原D-LAR 協(xié)議相同，采用AODV 協(xié)議的本地節(jié)點(diǎn)修復(fù)或源節(jié)點(diǎn)修復(fù)。

圖2 DTC-LAR協(xié)議路由發(fā)現(xiàn)流程

2.2 可靠通信距離計(jì)算

為了得到可靠通信距離，第一步先通過(guò)無(wú)線鏈路預(yù)算計(jì)算無(wú)人機(jī)節(jié)點(diǎn)所支持的最大通信半徑。一般地，在以dB 為單位的FANET 鏈路預(yù)算中，無(wú)人機(jī)接收端的接收功率計(jì)算為[21]：

其中，PTx和PRx分別為發(fā)射與接收功率，GTx和GRx分別為發(fā)射天線與接收天線增益，Lp表示路徑損耗，Ls表示小尺度衰落引起的陰影損耗，Lm表示分子吸收損耗，Lo則表示其余類(lèi)型損耗，通常包括收發(fā)饋線損耗、波束損耗、天線極化適配損耗等。

本文主要考慮FANET 中的空-空（A2A,Air-to-Air）信道，其大尺度衰落下的路徑損耗為[22]：

其中，fc表示無(wú)人機(jī)工作的中心頻率，d表示通信距離（m），c0為光速，α代表路徑損耗指數(shù)，一般取2.6。

萊斯（Rice）衰落模型描述了占主導(dǎo)因素的視距（LOS,line-of -sight）路徑和非主導(dǎo)因素的非視距（NLOS,non-LOS）路徑，適用于以LOS 為主的無(wú)人機(jī)A2A 低空通信場(chǎng)景[23]。Rice 模型下的陰影衰落即Rice 因子K：

其中，ρ和σ分別反映了LOS 徑和NLOS 徑的強(qiáng)度。ρ取近似經(jīng)驗(yàn)值6.469，而σ僅與無(wú)人機(jī)飛行高度相關(guān)，且隨海拔高度的增加呈指數(shù)級(jí)減小，可近似計(jì)算為[23]：

其中，h表示飛行高度（m），擬合參數(shù)的最優(yōu)近似取值分別為a=212.3，b=-2.221，c=1.289。

分子吸收損耗指由大氣各種氣體分子對(duì)電磁波的吸收效應(yīng)（水蒸氣和氧氣的吸收效應(yīng)最顯著）而產(chǎn)生的電波傳播衰減，衰減程度與頻率強(qiáng)相關(guān)：

其中，γ(f) 表示與頻率f相關(guān)的總衰減系數(shù)（dB/km），不同大氣環(huán)境與氣體分子影響各異，具體可通過(guò)國(guó)際電信聯(lián)盟ITU-R P.676-13 建議書(shū)[24]進(jìn)行詳細(xì)計(jì)算，d為傳播路徑長(zhǎng)度。特別地，分子吸收效應(yīng)在毫米波與太赫茲頻段尤為明顯，在sub-6G 頻段則通常忽略不計(jì)。

最后，將接收功率PRx與接收靈敏度SRx進(jìn)行比較以評(píng)估無(wú)人機(jī)鏈路寬裕度Pm=PRx-SRx。若指定寬裕度Pm，即可計(jì)算得到無(wú)人機(jī)最大通信距離dmax。進(jìn)一步地，文獻(xiàn)[20]論證了當(dāng)采用隨機(jī)游走（RWP,Random Waypoint）移動(dòng)模型時(shí)，節(jié)點(diǎn)通信距離的數(shù)學(xué)期望是其最大通信半徑的128/45π 倍。因此，本文將可靠通信距離定義為：

2.3 路由性能優(yōu)化策略

FANET 中存在不同的路由性能衡量指標(biāo)，針對(duì)6G無(wú)人機(jī)自組網(wǎng)高可靠低負(fù)載的雙重需求，本文主要考慮分組投遞率（PDR,Packet Delivery Ratio）與節(jié)省重播率（SRB,Saved Rebroadcast）[25]。分組投遞率反映了網(wǎng)絡(luò)傳輸?shù)目煽啃裕撬心康墓?jié)點(diǎn)接收的數(shù)據(jù)包總數(shù)與所有源節(jié)點(diǎn)發(fā)送的數(shù)據(jù)包總數(shù)的比值，計(jì)算為：

其中，Ps(i) 和Pr(i) 分別表示節(jié)點(diǎn)i發(fā)送和接收的數(shù)據(jù)包數(shù)量，N為節(jié)點(diǎn)總數(shù)。

節(jié)省重播率反映了網(wǎng)絡(luò)傳輸?shù)男?，指改進(jìn)路由協(xié)議對(duì)比泛洪方式（例如AODV）發(fā)送路由消息，能夠減少的歸一化路由開(kāi)銷(xiāo)（NRO,Normalized Routing Overhead），以有效評(píng)估新提出的改進(jìn)協(xié)議在路由開(kāi)銷(xiāo)性能上的提升，計(jì)算為：

其中，NRO 表示發(fā)送一個(gè)通信數(shù)據(jù)包到目的節(jié)點(diǎn)所需的路由消息（協(xié)議包）的數(shù)量，Psf為發(fā)送與轉(zhuǎn)發(fā)的數(shù)據(jù)包總數(shù)，Rsf為泛洪方式下發(fā)送與轉(zhuǎn)發(fā)的協(xié)議包總數(shù)，R’ sf為改進(jìn)協(xié)議中發(fā)送與轉(zhuǎn)發(fā)的協(xié)議包總數(shù)。

基于上述分析，本文以最大化分組投遞率和節(jié)省重播率為目標(biāo)，將路由性能優(yōu)化問(wèn)題建模如下：

其中，(·)|β代表該指標(biāo)受修正因子β影響，μ1和μ2分別為分組投遞率與節(jié)省重播率的配置權(quán)重。約束條件C1表示兩個(gè)路由指標(biāo)的權(quán)重之和為1，約束條件C2表示DTC-LAR 協(xié)議中繼續(xù)廣播路由請(qǐng)求的判決條件。

修正因子計(jì)算的具體步驟見(jiàn)算法1。整個(gè)改進(jìn)方法的算法復(fù)雜度取決于第二層距離閾值修正中的路由性能優(yōu)化策略，其復(fù)雜度又主要來(lái)源于算法1 中的for 循環(huán)和第6 步，兩者的時(shí)間復(fù)雜度分別計(jì)算為O(L)·(O(N)+O(N))=O(LN)和O(L)，故路由性能優(yōu)化策略的總時(shí)間復(fù)雜度表示為O(LN)+O(L)=O(LN)。

3 仿真結(jié)果與分析

本節(jié)利用某仿真軟件評(píng)估所提出的DTC-LAR 改進(jìn)協(xié)議在不同節(jié)點(diǎn)密度下的端到端時(shí)延、分組投遞率、節(jié)省重播率等路由性能，并與D-LAR 和Z-LAR 協(xié)議進(jìn)行對(duì)比。

3.1 仿真設(shè)置

仿真場(chǎng)景取2 000×2 000 m2的方形區(qū)域，參考大疆民用中小型無(wú)人機(jī)典型技術(shù)參數(shù)[26]，無(wú)人機(jī)工作在2.4 GHz 頻段，等效全向輻射功率不超過(guò)20 dBm（即EIRP=PTxGTx≤ 20 dBm），移動(dòng)模型設(shè)為RWP，移動(dòng)速度在10～20 m/s 范圍內(nèi)隨機(jī)取值且服從均勻分布，數(shù)據(jù)流類(lèi)型采用恒定比特率（CBR,Constant Bit Rate），網(wǎng)絡(luò)流量（即仿真驅(qū)動(dòng)輸入數(shù)據(jù)）由OPNET 平臺(tái)自動(dòng)生成，數(shù)據(jù)包發(fā)送方式采用OPNET 建議值，即每隔1 s 發(fā)送大小為1 024 bits 的數(shù)據(jù)包，WLAN 標(biāo)準(zhǔn)遵循IEEE 802.11g 協(xié)議，總仿真時(shí)間為300 s，在無(wú)人機(jī)節(jié)點(diǎn)數(shù)為10、20、30、40、50 的情況下（模擬不同節(jié)點(diǎn)密度）分別統(tǒng)計(jì)路由性能。具體仿真參數(shù)設(shè)置如表1 所示。

表1 仿真參數(shù)表

3.2 仿真結(jié)果分析

圖3 展示了三種路由協(xié)議在不同節(jié)點(diǎn)數(shù)下的端到端時(shí)延性能。仿真證明，節(jié)點(diǎn)密度相對(duì)較低的場(chǎng)景下，三者的端到端時(shí)延幾乎一致，隨著節(jié)點(diǎn)密度的升高，三者的端到端時(shí)延隨之增大，但D-LAR 的時(shí)延增加幅度較大，而Z-LAR 和DTC-LAR 的端到端時(shí)延呈緩慢增長(zhǎng)，均保持低毫秒級(jí)，驗(yàn)證了改進(jìn)協(xié)議的低時(shí)延性。此外，DTCLAR 的時(shí)延降低程度已逼近Z-LAR，僅略高于Z-LAR，這是由于DTC-LAR 和Z-LAR 的路由發(fā)現(xiàn)機(jī)制不同，Z-LAR 借助節(jié)點(diǎn)的地理位置和移動(dòng)速度兩個(gè)先驗(yàn)信息計(jì)算路由請(qǐng)求區(qū)域，該區(qū)域隨路由發(fā)現(xiàn)過(guò)程的進(jìn)行不斷縮小，傳輸時(shí)延性能較優(yōu)。相比于D-LAR，DTC-LAR 改進(jìn)協(xié)議的端到端時(shí)延在高節(jié)點(diǎn)密度情況下（節(jié)點(diǎn)數(shù)超過(guò)30）能夠大幅下降，例如在節(jié)點(diǎn)數(shù)為40 時(shí)，端到端時(shí)延降低了61.67%。

圖4 展示了三種路由協(xié)議在不同節(jié)點(diǎn)數(shù)下的分組投遞率性能。由該圖可見(jiàn)，節(jié)點(diǎn)密度較低的情況下，三種路由協(xié)議的分組投遞率均處于較高水平，但隨著節(jié)點(diǎn)密度增加，D-LAR 的分組投遞率嚴(yán)重下降，這是由于其在高節(jié)點(diǎn)密度情況下的泛洪減弱能力有限，單位時(shí)間內(nèi)需要轉(zhuǎn)發(fā)的路由消息過(guò)多，導(dǎo)致網(wǎng)絡(luò)擁塞。同時(shí)，DTC-LAR 改進(jìn)協(xié)議在不同網(wǎng)絡(luò)拓?fù)渲型ㄟ^(guò)最大化目標(biāo)函數(shù)自適應(yīng)調(diào)整修正因子的最優(yōu)取值，使其分組投遞率下降趨勢(shì)較為緩慢，且在不同節(jié)點(diǎn)密度下均能保持較高的數(shù)據(jù)傳輸成功率，證明了DTC-LAR 的高可靠性。與D-LAR 和Z-LAR相比，DTC-LAR 改進(jìn)協(xié)議的分組投遞率在節(jié)點(diǎn)數(shù)超過(guò)30的情況下得到顯著提升，例如當(dāng)節(jié)點(diǎn)數(shù)為40 時(shí)，其分組投遞率分別提高了13.01%，0.27%。

圖4 分組投遞率與節(jié)點(diǎn)數(shù)的關(guān)系

圖5 展示了三種路由協(xié)議在不同節(jié)點(diǎn)數(shù)下的節(jié)省重播率性能。仿真結(jié)果表明，隨著節(jié)點(diǎn)密度的增大，D-LAR的節(jié)省重播率出現(xiàn)驟降現(xiàn)象，這是由于隨著節(jié)點(diǎn)數(shù)的增加，其產(chǎn)生的路由開(kāi)銷(xiāo)已經(jīng)趨近于泛洪方式，而Z-LAR和DTC-LAR 協(xié)議的節(jié)省重播率在高節(jié)點(diǎn)密度情況下基本保持穩(wěn)定。整體來(lái)看，DTC-LAR 改進(jìn)協(xié)議的節(jié)省重播率性能顯著優(yōu)于D-LAR 協(xié)議，即改進(jìn)協(xié)議的路由開(kāi)銷(xiāo)遠(yuǎn)小于原協(xié)議，達(dá)到優(yōu)化目的，驗(yàn)證了DTC-LAR 的高傳輸效率。相較于D-LAR 和Z-LAR，當(dāng)節(jié)點(diǎn)數(shù)為40 時(shí)，DTCLAR 改進(jìn)協(xié)議的節(jié)省重播率分別提升了73.8%，1.28%。

圖5 節(jié)省重播率與節(jié)點(diǎn)數(shù)的關(guān)系

綜合上述分析，本文提出的DTC-LAR 改進(jìn)協(xié)議較D-LAR 協(xié)議性能提升顯著，并且在僅需獲取地理位置信息的情況下獲得了與Z-LAR 協(xié)議幾乎一致的路由性能，而Z-LAR 協(xié)議需要同時(shí)已知無(wú)人機(jī)節(jié)點(diǎn)位置和平均移動(dòng)速度兩個(gè)先驗(yàn)信息以計(jì)算路由請(qǐng)求區(qū)域，因此DTC-LAR改進(jìn)協(xié)議能夠通過(guò)更少的先驗(yàn)信息實(shí)現(xiàn)更優(yōu)的路由性能。

4 結(jié)束語(yǔ)

隨著無(wú)線通信的迅速發(fā)展，面向6G 應(yīng)用的空前需求加速了無(wú)人機(jī)通信從基于基礎(chǔ)通信設(shè)施的傳統(tǒng)架構(gòu)向多無(wú)人機(jī)自組網(wǎng)架構(gòu)的轉(zhuǎn)變。針對(duì)D-LAR 路由協(xié)議其路由請(qǐng)求區(qū)域和消息廣播方式存在的不足，本文設(shè)計(jì)了一種基于距離閾值修正的LAR 路由改進(jìn)方法，通過(guò)兩層距離閾值修正，以提高路由建立可靠性并進(jìn)一步降低路由開(kāi)銷(xiāo)，緩解網(wǎng)絡(luò)擁塞問(wèn)題。仿真結(jié)果證明，在不同節(jié)點(diǎn)密度情況下，本文提出的DTC-LAR 改進(jìn)協(xié)議在端到端時(shí)延、分組投遞率、節(jié)省重播率等路由性能指標(biāo)上都具有明顯優(yōu)勢(shì)。但所提改進(jìn)協(xié)議在低節(jié)點(diǎn)密度場(chǎng)景中的網(wǎng)絡(luò)開(kāi)銷(xiāo)減小程度較低，性能提升有限，并且在超高移動(dòng)或超高頻率應(yīng)用中的路由性能未知，未來(lái)需進(jìn)一步研究其對(duì)不同網(wǎng)絡(luò)環(huán)境的適用性。

目前無(wú)人機(jī)自組網(wǎng)的路由協(xié)議改進(jìn)方法大多僅考慮通信層面。隨著6G 通感算一體化研究的日益成熟，未來(lái)將進(jìn)一步聯(lián)合考慮無(wú)人機(jī)在網(wǎng)絡(luò)中的通信與感知能力，并借助人工智能技術(shù)，設(shè)計(jì)感知輔助通信的無(wú)人機(jī)智能自組網(wǎng)，實(shí)現(xiàn)通-感-算多維資源的最優(yōu)分配。