摘要
多无人机（UnmannedAerialVehicle,UAV）协同作业可以实现UAV之间的网络快速部署和信息共享。由于在某些特定场景下，UAV之间的通信不能完全依赖于卫星或地面基站等固定基础设施，UAV本身作为网络中继节点所形成的飞行自组织网络（FlyingAdhocNetwork,FANET）成为了一种新的无线通信模式，具有广泛的研究前景。相较于其他移动自组网（MobileAdhocNetwork,MANET）的子集，FANET具有节点移动性强、拓扑变化频繁与链路易间断等特点，经典MANET路由协议无法满足FANET高服务质量（QualityofService,QoS）的需求。为保证网络中各终端通信的有效性与可靠性，针对FANET场景设计特殊的路由协议尤为重要。本文在充分研究经典路由算法的基础上，结合开源网络仿真器NS-3对三种协议OLSR（OptimizedLinkStateRouting）、AODV（AdhocOn-DemandDistanceVectorRouting）和GPSR（GreedyPerimeterStatelessRouting）在不同FANET场景中的性能进行了评估，并提出了相应的改进。 首先，详细分析了AODV、OLSR和GPSR三种经典协议的路由算法流程与优缺点，定义了四种最常用的网络性能评价指标，并针对FANET不同节点密度、不同节点移动速度以及固定参数三种情况的网络性能进行了仿真评估，结果表明三种协议具有不同的适用性，其中OLSR适用于节点密集的大规模静态网络，AODV与GPSR则适用于高动态FANET场景，是本文研究的重点。 接着，针对能量受限的微型UAV网络，为平衡网络中各节点的通信能耗，降低传输总能耗，本文在经典AODV协议基础上，从网络跨层优化的角度入手，提出了一种基于预期寿命路由度量的FANET跨层能源优化路由协议。加入预期寿命度量的改进协议在保证跳数较少的前提下，节点选择预期寿命较大的链路，避免了过早出现能量不足而导致的链路失效与路由修复。NS-3仿真结果表明，改进协议在UAV节点高速移动的场景下表现良好，节点剩余能量分布更加平衡，有效减缓了个别节点过早能源耗尽的情况，节点最终存活率大大提升。 最后，针对高动态变化的FANET拓扑结构与网络环境，设计了一种基于Q-learning的改进位置预测无状态路由（Q-basedLocationPredictionStatelessRouting,Q-LPSR）协议。此外，Q值的过估计问题也通过引入DoubleQ-learning的方法得到解决。最终使用NS-3对改进协议性能进行了仿真评估，在不同FANET场景下与GPSR协议做了对比，仿真结果表明，Q-LPSR的QoS性能在不同数据速率与节点移动速度情况下都显著优于GPSR，并且算法不受到空间维度限制，适用于三维FANET。
NETL