【2023年第10期】6G无人机自组网中基于距离阈值修正的LAR路由改进方法
"移动自组织"专题 · 01
6G无人机自组网中基于距离阈值
修正的LAR路由改进方法
石涵琛，岐晓蕾，彭木根
（北京邮电大学网络与交换技术国家重点实验室，北京 100876）
【摘 要】移动自组织网络作为无线通信的关键技术之一，与无人机结合能够实现高机动广覆盖移动通信，支持辅助地面通信、通感算融合、空天地海一体化等6G应用。路由协议是无人机自组网中的重要环节，传统基于距离的位置辅助路由协议（D-LAR）链路质量较低，路由开销较大。针对此问题，提出基于距离阈值修正的LAR路由改进方法，首先基于链路预算计算可靠通信距离，完成第一层阈值修正，提升链路可靠性，然后引入修正因子并给出路由性能优化策略，自适应减少消息广播，完成第二层阈值修正，降低路由开销。仿真结果表明，在高节点密度情况下，与D-LAR协议相比，所提出改进协议的端到端时延、分组投递率、节省重播率均具有明显的性能优势。
【关键词】无人机自组网；6G；位置辅助路由协议；距离阈值
doi:10.3969/j.issn.1006-1010.20230822-0001
中图分类号：TN915.41 文献标志码：A
文章编号：1006-1010(2023)10-0002-07
引用格式：石涵琛,岐晓蕾,彭木根. 6G无人机自组网中基于距离阈值修正的LAR路由改进方法[J]. 移动通信, 2023,47(10): 2-8.
SHI Hanchen, QI Xiaolei, PENG Mugen. Distance Threshold Correction-based Improvement Method of LAR Protocol in 6G Flying Ad Hoc Network [J]. Mobile Communications, 2023,47(10): 2-8.
0 引言
近年来，随着第六代移动通信系统（6G, the sixth generation of mobile communications system）研究的兴起，无人机（UAV, Unmanned Aerial Vehicle）凭借其机动灵活、部署灵巧、覆盖广泛及成本低廉等优势而倍受关注。无人机自组网（FANET, Flying Ad Hoc Network）[1]是由一系列具备路由和信息传输功能的无人机通过无线链路互联而组成的网络系统，其中仅有部分无人机连接基础通信设施，其余无人机则通过中间节点以多跳方式实现通信，从而解决基于基础设施（例如地面基站和卫星）的传统多无人机通信架构带来的高功耗、高延迟、短距离等缺陷[2]。因此，FANET适用于辅助地面通信[3]、通信-感知-计算融合[4]、空天地海一体化[5]等6G典型应用场景，是未来6G移动网络的重点研究方向之一[6]。
面对6G无线网络在时延、移动性、可靠性及连接密度指标的更高需求，目的节点序列距离矢量路由（DSDV, Destination Sequenced Distance Vector）、优化链路状态路由（OLSR, Optimized Link State Routing）、动态源路由（DSR, Dynamic Source Routing）和区域路由（ZRP, Zone Routing Protocol）等Ad Hoc网络传统路由协议存在资源消耗多、传输时延大、路由选择与维护繁等挑战[7-9]，难以直接应用于FANET。相比之下，按需距离矢量（AODV, Ad hoc On-demand Distance Vector）路由协议结合了DSDV与DSR的优点，通过发送多种类型的路由控制消息按需完成路由寻找，在网络跳数、数据包投递率和控制开销方面表现良好[10]。然而，AODV采用全网广播泛洪策略，存在固有的网络拥塞问题，路由开销仍然较大[11]。为此，大量研究工作引入GPS系统以根据各无人机的地理位置信息做出自适应转发决策，极大程度地减少非必要的消息广播，这使得基于位置信息的路由协议适用于大规模高动态网络场景，成为了6G无人机自组网的研究热点之一[12]。
本文首先总结了无人机自组网中基于地理位置的路由协议研究进展，分析了相关协议的设计缺陷和应用限制。然后针对链路质量和路由开销优化问题，提出一种基于距离阈值修正的路由协议改进方法，详细阐述了改进方法的原理与模型。最后通过仿真验证改进协议的路由性能，并对6G无人机自组网路由协议的优化技术与研究方向进行未来展望。
1 基于地理位置的路由协议研究进展
在基于地理位置的路由协议中，无人机通过嵌入式GPS系统获取自身、邻居节点及目的节点的位置与速度信息，实现距离计算等功能并加入传统路由协议，根据不同的改进目标，制定新的路由策略，以提升路由性能[13]。
文献[14]最先提出经典的位置辅助路由（LAR, Location Aided Routing）及其两种变式，基于区域的LAR（Z-LAR, Zone-based LAR）与基于距离的LAR（D-LAR, Distance-based LAR）。LAR基于AODV进行改进，将路由搜索限制到相较于全网络范围更小的路由请求区域，显著降低了路由开销。两个变式仅在请求区域的计算方式上有所不同，前者划分一个包含源节点和目的节点的矩形区域，该矩形与包含目的节点的圆形预期区域相切，后者则通过中间节点到目的节点的距离来判断是否继续广播路由请求。文献[15]提出GPS增强型AODV（GeoAODV, Geographical AODV），将请求区域改变为由泛洪角控制的锥形空间，锥形的顶点固定为源节点。基于此，文献[16]提出GeoAODV的变式，命名为动态GeoAODV（GeoAODV Rotate），其锥形请求区域以每个前向中间节点为顶点重新进行计算，实现动态旋转变化，进一步减少路由广播。GeoAODV协议及其变式仅根据不同场景预设泛洪角经验值，在拓扑快变的网络中性能表现不稳定，而Z-LAR的性能表现则优于其他所有同类协议。文献[17]提出预测OLSR（P-OSLR, Predictive OLSR），利用GPS获取的无人机运动方向与相对飞行速度衡量预期传输次数，以评估无线链路质量，并通过真实无人机编队实验验证了其高可靠性，随网络拓扑快速变化，链路中断概率大幅下降。但该协议计算复杂度较高，且局限于小型密集无人机自组网场景。文献[18]在具有自适应Hello消息的分段移动感知AODV协议（MA-DP-AODV-AHM, Mobility Aware Dual Phase AODV with Adaptive Hello Messages）基础上增加路由层与MAC层之间的跨层设计，提出多数据速率移动感知（MDRMA, Multi Data Rate Mobility Aware）协议，通过考虑无人机移动方向和速度来减轻泛洪，并考虑接收灵敏度与信干噪比以保持传输功率最小化，在高密集场景中表现出高鲁棒性，但该协议在低节点密度环境下易产生路由空洞，导致路由可建立概率降低。文献[19]基于上述P-OLSR协议，对无人机剩余能量、节点度及链路失效时间进行加权，进一步综合考虑能量效率与拓扑变化，在端到端时延、平均吞吐量和分组投递率性能上均有提升。此改进虽然减少了多点中继的重选次数，但根本上受路由表驱动限制，需要额外分配计算资源以及时更新与维护路由表信息。
2 基于距离阈值修正的LAR路由改进方法
综合上述研究进展，考虑位置辅助的路由协议中路由开销优化面临的挑战，本文针对D-LAR提出了一种基于距离阈值修正的LAR改进协议（DTC-LAR, Distance Threshold Correction-based LAR）。首先从提升链路稳定性并降低路由开销的角度出发，设计包含两层距离阈值修正的路由协议改进模型，分别是无人机最大通信距离修正与路由消息广播条件修正；然后基于无线通信链路预算和无人机空-空信道模型，给出了可靠通信距离的计算方法，以完成第一层修正；最后基于路由性能评价指标，提出路由性能优化策略，并以此给出了新设计参数的计算方式，以完成第二层修正。
2.1 路由协议改进模型
如图1所示，本文构建了面向6G无人机自组网的DTC-LAR路由协议模型。假设源节点S通过GPS在t0时刻获取到自身及目的节点D的三维位置，分别为(XS,YS,ZS)、(XD,YD,ZD)，利用位置信息计算得S到D的距离为
传统LAR协议中，节点向其最大通信半径dmax内所有一跳邻居节点发送路由请求（RREQ, Route Request），但伴随拓扑结构的迅速变化，位于最大通信距离边界处的邻居节点易发生链路断裂。为保证路由稳定性，本文通过研究文献[20]建立可靠通信距离模型（计算方法见2.2节），实现第一层距离阈值修正。修正后，节点仅与其可靠通信距离（dr < dmax）范围内的一跳邻居节点进行通信数据包和路由消息的发送，例如图1中源节点S仅向中间节点N1、N2发送RREQ，该RREQ中包含当前转发跳数、源节点到目的节点距离d(S,D)、目的节点位置(XD,YD,ZD)等信息。
为优化路由开销，降低网络负载，DTC-LAR在原D-LAR协议的RREQ转发判决条件中引入修正因子β（计算方法见2.3节），实现第二层距离阈值修正，以进一步缩小路由广播范围。具体地，现假设中间节点Nk已收到前一跳节点Nj发送的RREQ，当且仅当其到目的节点的距离满足以下不等式时，Nk才会继续广播RREQ，反之则丢弃该条RREQ：
其中，β∈(0,1]，δ表示由GPS定位不精确或路由发现周期内目的节点移动导致的距离误差。后向收到RREQ的中间节点则以此类推，继续根据不等式判断RREQ的广播与否。以图1为例，由于d(N1,D) > d(S,D)，不满足上述条件，因此第二层修正后只有节点N2向下一跳邻居节点N3转发来自源节点S指向目的节点D的RREQ，节点N1则直接丢弃。
基于上述分析，图2展示了DTC-LAR协议的路由发现流程，改进协议在RREQ消息的更新与转发前按序添加了“距离阈值修正Ⅰ”和“距离阈值修正Ⅱ”两个关键步骤。第一层距离阈值修正旨在选取位于可靠通信距离范围内的邻居节点进行通信，以提升无线链路的可建立性；第二层距离阈值修正旨在借助所提出的判决条件筛选距离目的节点更近的中间节点作为RREQ消息的转发对象，以进一步减小网络泛洪，降低网络负载和开销。DTC-LAR改进协议的路由维护方法则与原D-LAR协议相同，采用AODV协议的本地节点修复或源节点修复。
3 仿真结果与分析
本节利用某仿真软件评估所提出的DTC-LAR改进协议在不同节点密度下的端到端时延、分组投递率、节省重播率等路由性能，并与D-LAR和Z-LAR协议进行对比。
3.1 仿真设置
仿真场景取2 000×2 000 m2的方形区域，参考大疆民用中小型无人机典型技术参数[26]，无人机工作在2.4 GHz频段，等效全向辐射功率不超过20 dBm（即EIRP = PTxGTx ≤ 20 dBm），移动模型设为RWP，移动速度在10～20 m/s范围内随机取值且服从均匀分布，数据流类型采用恒定比特率（CBR, Constant Bit Rate），网络流量（即仿真驱动输入数据）由OPNET平台自动生成，数据包发送方式采用OPNET建议值，即每隔1 s发送大小为1 024 bits的数据包，WLAN标准遵循IEEE 802.11g协议，总仿真时间为300 s，在无人机节点数为10、20、30、40、50的情况下（模拟不同节点密度）分别统计路由性能。具体仿真参数设置如表1所示。
3.2 仿真结果分析
图3展示了三种路由协议在不同节点数下的端到端时延性能。仿真证明，节点密度相对较低的场景下，三者的端到端时延几乎一致，随着节点密度的升高，三者的端到端时延随之增大，但D-LAR的时延增加幅度较大，而Z-LAR和DTC-LAR的端到端时延呈缓慢增长，均保持低毫秒级，验证了改进协议的低时延性。此外，DTC-LAR的时延降低程度已逼近Z-LAR，仅略高于Z-LAR，这是由于DTC-LAR和Z-LAR的路由发现机制不同，Z-LAR借助节点的地理位置和移动速度两个先验信息计算路由请求区域，该区域随路由发现过程的进行不断缩小，传输时延性能较优。相比于D-LAR，DTC-LAR改进协议的端到端时延在高节点密度情况下（节点数超过30）能够大幅下降，例如在节点数为40时，端到端时延降低了61.67%。
图4展示了三种路由协议在不同节点数下的分组投递率性能。由该图可见，节点密度较低的情况下，三种路由协议的分组投递率均处于较高水平，但随着节点密度增加，D-LAR的分组投递率严重下降，这是由于其在高节点密度情况下的泛洪减弱能力有限，单位时间内需要转发的路由消息过多，导致网络拥塞。同时，DTC-LAR改进协议在不同网络拓扑中通过最大化目标函数自适应调整修正因子的最优取值，使其分组投递率下降趋势较为缓慢，且在不同节点密度下均能保持较高的数据传输成功率，证明了DTC-LAR的高可靠性。与D-LAR和Z-LAR相比，DTC-LAR改进协议的分组投递率在节点数超过30的情况下得到显著提升，例如当节点数为40时，其分组投递率分别提高了13.01%，0.27%。
图5展示了三种路由协议在不同节点数下的节省重播率性能。仿真结果表明，随着节点密度的增大，D-LAR的节省重播率出现骤降现象，这是由于随着节点数的增加，其产生的路由开销已经趋近于泛洪方式，而Z-LAR和DTC-LAR协议的节省重播率在高节点密度情况下基本保持稳定。整体来看，DTC-LAR改进协议的节省重播率性能显著优于D-LAR协议，即改进协议的路由开销远小于原协议，达到优化目的，验证了DTC-LAR的高传输效率。相较于D-LAR和Z-LAR，当节点数为40时，DTC-LAR改进协议的节省重播率分别提升了73.8%，1.28%。
综合上述分析，本文提出的DTC-LAR改进协议较D-LAR协议性能提升显著，并且在仅需获取地理位置信息的情况下获得了与Z-LAR协议几乎一致的路由性能，而Z-LAR协议需要同时已知无人机节点位置和平均移动速度两个先验信息以计算路由请求区域，因此DTC-LAR改进协议能够通过更少的先验信息实现更优的路由性能。
4 结束语
随着无线通信的迅速发展，面向6G应用的空前需求加速了无人机通信从基于基础通信设施的传统架构向多无人机自组网架构的转变。针对D-LAR路由协议其路由请求区域和消息广播方式存在的不足，本文设计了一种基于距离阈值修正的LAR路由改进方法，通过两层距离阈值修正，以提高路由建立可靠性并进一步降低路由开销，缓解网络拥塞问题。仿真结果证明，在不同节点密度情况下，本文提出的DTC-LAR改进协议在端到端时延、分组投递率、节省重播率等路由性能指标上都具有明显优势。但所提改进协议在低节点密度场景中的网络开销减小程度较低，性能提升有限，并且在超高移动或超高频率应用中的路由性能未知，未来需进一步研究其对不同网络环境的适用性。
目前无人机自组网的路由协议改进方法大多仅考虑通信层面。随着6G通感算一体化研究的日益成熟，未来将进一步联合考虑无人机在网络中的通信与感知能力，并借助人工智能技术，设计感知辅助通信的无人机智能自组网，实现通-感-算多维资源的最优分配。
参考文献：（上下滑动浏览）
[1] Bekmezci I, Sahingoz O K, Temel Ş. Flying ad-hoc networks (FANETs): A survey[J]. Ad Hoc Networks, 2013, 11(3): 1254-1270.
[2] Lakew D S, Sa’ad U, Dao N N, et al. Routing in flying ad hoc networks: A comprehensive survey[J]. IEEE Communications Surveys & Tutorials, 2020, 22(2): 1071-1120.
[3] 陈新颖,盛敏,李博,等. 面向6G的无人机通信综述[J]. 电子与信息学报, 2022, 44(3): 781-789.
[4] 廖佳佳,向路平,胡杰,等. 基于无人机的6G通感算研究概述[J]. 移动通信, 2023, 47(3): 92-100.
[5] Zhang Z, Xiao Y, Ma Z, et al. 6G wireless networks: Vision, requirements, architecture, and key technologies[J]. IEEE Vehicular Technology Magazine, 2019, 14(3): 28-41.
[6] Khan M A, Kumar N, Mohsan S A H, et al. Swarm of UAVs for network management in 6G: A technical review[J]. IEEE Transactions on Network and Service Management, 2023, 20(1): 741-761.
[7] Leonov A V, Litvinov G A. Applying AODV and OLSR routing protocols to air-to-air scenario in flying ad hoc networks formed by mini-UAVs[C]//2018 Systems of Signals Generating and Processing in the Field of on Board Communications. IEEE, 2018: 1-10.
[8] Nayyar A. Flying adhoc network (FANETs): Simulation based performance comparison of routing protocols: AODV, DSDV, DSR, OLSR, AOMDV and HWMP[C]//2018 international conference on advances in big data, computing and data communication systems (icABCD). IEEE, 2018: 1-9.
[9] 张珉,董超,杨朋,等. 无人机自组网路由协议研究综述[J]. 数据采集与处理, 2022, 37(5): 952-970.
[10] Saini T K, Sharma S C. Recent advancements, review analysis, and extensions of the AODV with the illustration of the applied concept[J]. Ad Hoc Networks, 2020, 103: 102148.
[11] Trung H D, Benjapolakul W, Duc P M. Performance evaluation and comparison of different ad hoc routing protocols[J]. Computer Communications, 2007, 30(11-12): 2478-2496.
[12] Bujari A, Palazzi C E, Ronzani D. A comparison of stateless position-based packet routing algorithms for FANETs[J]. IEEE Transactions on Mobile Computing, 2018, 17(11): 2468-2482.
[13] Oubbati O S, Atiquzzaman M, Lorenz P, et al. Routing in flying ad hoc networks: Survey, constraints, and future challenge perspectives[J]. IEEE Access, 2019, 7: 81057-81105.
[14] Ko Y B, Vaidya N H. Location-aided routing (LAR) in mobile ad hoc networks[J]. Wireless Networks, 2000, 6(4): 307-321.
[15] Asenov H, Hnatyshin V. GPS-enhanced AODV routing[C]//Proceedings of the 2009 International Conference on Wireless Networks (ICWN'09). 2009.
[16] Hnatyshin V, Cocco R, Ahmed M, et al. Dynamically adjusting the request zone in GeoAODV protocol[C]//Proceedings of the OPNETWORK 2012 International Conference. 2012: 1-22.
[17] Rosati S, Krużelecki K, Heitz G, et al. Dynamic routing for flying ad hoc networks[J]. IEEE Transactions on Vehicular Technology, 2016, 65(3): 1690-1700.
[18] Darabkh K A, Alfawares M G, Althunibat S. MDRMA: Multi-data rate mobility-aware AODV-based protocol for flying ad-hoc networks[J]. Vehicular Communications, 2019, 18: 100163.
[19] Gangopadhyay S, Jain V K. A position-based modified OLSR routing protocol for flying ad hoc networks[J]. IEEE Transactions on Vehicular Technology, early access, Apr. 10, 2023, doi: 10.1109/TVT.2023.3265704.
[20] Bettstetter C, Hartenstein H, Pérez-Costa X. Stochastic properties of the random waypoint mobility model[J]. Wireless Networks, 2004, 10: 555-567.
[21] Yan C, Fu L, Zhang J, et al. A comprehensive survey on UAV communication channel modeling[J]. IEEE Access, 2019, 7: 107769-107792.
[22] Khuwaja A A, Chen Y, Zhao N, et al. A survey of channel modeling for UAV communications[J]. IEEE Communications Surveys & Tutorials, 2018, 20(4): 2804-2821.
[23] Goddemeier N, Wietfeld C. Investigation of air-to-air channel characteristics and a UAV specific extension to the rice model[C]//2015 IEEE Globecom Workshops (GC Wkshps). IEEE, 2015: 1-5.
[24] Attenuation by atmospheric gases and related effects, Recommendation ITU-R P.676-13, 2022[OL]. (2022-08)[2023-09]. https://itu-rpy.readthedocs.io/en/latest/ apidoc/itu676.html
[25] Bani-Yassein M, Ould-Khaoua M, Mackenzie L M, et al. Performance analysis of adjusted probabilistic broadcasting in mobile ad hoc networks[J]. International Journal of Wireless Information Networks, 2006, 13(2): 127-140.
[26] DJI. DJI Air 2S技术参数[OL]. [2023-09]. https://www.dji.com/cn/air-2s/specs. ★
★扫描二维码，到知网阅读下载本篇论文
★原文发表于《移动通信》2023年第10期★
doi:10.3969/j.issn.1006-1010.20230822-0001
中图分类号：TN915.41 文献标志码：A
文章编号：1006-1010(2023)10-0002-07
引用格式：石涵琛,岐晓蕾,彭木根. 6G无人机自组网中基于距离阈值修正的LAR路由改进方法[J]. 移动通信, 2023,47(10): 2-8.
SHI Hanchen, QI Xiaolei, PENG Mugen. Distance Threshold Correction-based Improvement Method of LAR Protocol in 6G Flying Ad Hoc Network [J]. Mobile Communications, 2023,47(10): 2-8.
《移动通信》投稿方式为在线投稿
请您登录网页投稿系统
链接地址：http://ydtx.cbpt.cnki.net
面向6G的物联网技术 | 2023年第8期专题论文（11篇）
空天地海一体化网络 | 2023年第7期专题论文（13篇）
《移动通信》用论文解读通信
《移动通信》杂志由中国电子科技集团公司主管，中国电子科技集团公司第七研究所主办，是中国期刊方阵“双效期刊”、工业和信息化部精品电子期刊、中国科技论文统计源刊、中国科协《高质量科技期刊分级目录》入选期刊、日本JST收录期刊。国内连续出版物号：CN44-1301/TN，国际连续出版物号：ISSN1006-1010，邮发代号：46-181。