无人机自组织网络的动态网络管理研究.pdf

摘要

随着信息化建设的不断推进，无人机因为其机动性强、使用维护成本低、安全

性高以及部署方便等优势，成为国家信息化发展战略的重点。目前无人机在武装战

争和公共服务领域扮演着重要角色，在火灾检测、公共运输、航拍、边界巡逻等方

面发挥着重要作用。然而单无人机系统由于其计算能力、存储能力、通信能力等的

限制，难以应对更加困难的工作任务，因此多无人机系统应运而生，其由多个无人

机组成并通过协作作业的方式完成工作任务。无人机自组织网络（UAVAdHoc

Network，UAVNET）是支撑多无人机系统协调运作的关键技术，其无中心节点、

自组织、支持多跳通信的工作模式使多无人机系统可以灵活部署，且抗毁性强。然

而由于无人机移动快、网络拓扑结构改变频繁等特点，使UAVNET在设计上面临

许多挑战，本文将重点关注UAVNET的动态网络管理，针对UAVNET的分层组

网、簇头选择和路由转发等问题进行研究。主要研究内容如下：

第一部分研究了UAVNET的分层组网问题。研究表明分层组网的网络结构更

加适应于大规模无人机网络，而分簇算法是影响分层网络性能和拓扑控制难度的

关键因素。针对这一问题，本文首先提出了一种两阶段的分布式分层组网方案，该

方案在无人机完全孤立的情况下，通过发送探测报文发现邻居无人机，进而按照一

定规则完成分层组网。由于在组网过程中，无人机相互之间存在很大的通信干扰，

因此该组网方案采用局部分簇然后簇合并的方式减少通信干扰，从而实现网络的

快速分层组网。在完成分层组网后，本文提出了一种名为Bubble框架的分簇优化

算法，该算法在保证各个簇的空间范围不重叠的前提下对分簇结构进行调整，完成

了各个簇无人机数目均衡、簇间通信流量尽可能少的优化目标。

第二部分研究了分层无人机自组织网络的簇头选择问题。在分层网络中，簇头

无人机需要承担维护分簇结构、协助簇间通信等一系列任务，大量的计算和通信任

务使簇头无人机在运行过程中能耗很高。本文以降低簇头无人机的能耗为优化目

标，提出了名为GEDQN的簇头选择算法，该算法将簇头选择过程建模为马尔科夫

决策过程，并基于深度Q网络和图神经网络对此马尔科夫决策过程进行求解，从

而得到最佳的簇头选择策略。实验证明本文提出的智能簇头选择机制对UAVNET

的网络拓扑变化具有良好的适应性，可以有效减少簇头无人机的能耗。

第三部分研究了UAVNET的路由问题。路由协议是影响无线自组织网络通信

性能的关键技术，调研发现OLSR等现有路由协议将路径跳数作为指标来计算源

节点到达目的节点的最短路由，这种方案没有充分利用无人机可以掌握的通信链

路信息，会造成链路负载不均衡、网络总吞吐量低等问题。本文提出了一种动态计

算链路权重的方案，该方案中各个无人机根据节点的移动特性、链路的负载情况、

链路的通信容量等动态地计算链路权重，再根据此链路权重生成路由转发策略。由

于UAVNET的各个无人机独立决策，且单个无人机很难实时观测到整个网络的链

路状态，所以将整个网络的路由转发过程建模为部分观测随机博弈过程，各个无人

机根据其部分观测独立地进行数据包转发，最终实现业务流的多跳路由。本文使用

协作多智体强化学习对此部分观测随机博弈过程进行求解，为每个无人机生成具

体的链路权重计算策略。实验证明该方案相比于传统的路由算法，在长时间尺度上

可以获得更大的网络收益。

关键词：无人机自组织网络；分层组网；簇头选择；路由算法；强化学习

Keywords:UAVNET,clusteringalgorithm,clusterheadselection,routingprotocol,

reinforcementlearning

目录

第一章绪论1

1.1研究背景与意义1

1.1.1研究背景1

1.1.2研究意义3

1.2国内外研究现状4

1.2.1无人机自组织网络体系架构研究现状4

1.2.2无人机自组织网络的分层组网研究现状6

1.2.3无人机自组织网络的路由协议研究现状7

1.3主要研究内