摘要
中国地理气候多样，遭受自然灾害严重。灾后光纤、基站受损致通讯中断，严重影响救援工作的开展。一方面，传统的应急通信方法如应急卫星和应急通信车因其存在负载有限、机动性较弱等问题难以满足通信需求。另一方面，随着无人机相关技术的发展，将其应用于灾后通信恢复受到了越来越多的关注，但是还存在一些问题亟待解决。本文针对快速通信恢复问题，从无人机基站(Unmanned Aerial Vehicle Base Station,UAV-BS)三维动态部署和飞行自组网(Flying Ad Hoc Network,FANET)路由两方面进行了讨论分析。本文的主要工作如下: 针对UAV-BS的三维部署问题，提出了一种基于贪婪电场力动态平衡的部署算法，实现了通信恢复中的快速覆盖。首先，综合全覆盖、链路可靠性、通信质量等约束和数量最小化的优化目标构建了UAV-BS三维动态部署模型。然后，提出了贪婪电场力动态平衡算法，该算法引入图概念设计贪婪算法，并提出基于电场力的分布式动态平衡算法，逐步求解优化目标，先通过基于图的贪婪算法求解最小数量UAV-BS和位置初始解，再引入物理静电力概念，分别将地面用户和UAV-BS建模为带负电荷的电子和带正电荷的质子，从而设计了分布式电场力动态平衡算法求精确解。最后，仿真结果表明，该算法有效减少了UAV-BS的部署数量，实现了快速部署，提高了通信链路质量和动态部署能力。 针对FANET存在因节点高度移动性带来的拓扑频繁变化、链路不稳定等问题，提出了一种基于强化学习的动态Q-Learning路由算法，实现了通信恢复中的快速传输。首先，引入马尔可夫决策过程对FANET路由进行建模。然后，提出了一种动态Q-Learning路由算法。在邻居发现阶段，设计HELLO报文以获取邻居节点路由信息，从而估算链路持续时间以动态设置HELLO报文消息的广播周期。动态Q-Learning阶段，通过综合考虑链路时延、负载均衡和网络生存时间，设计了多目标奖励函数，并根据邻居节点变化率和时延变化率动态更新折扣因子和学习因子。路由决策阶段，提出了加权Q值计算最优动作。最后，仿真结果表明，该算法在平均时延、负载均衡、数据包交付率和网络生存时间等网络指标上取了较好的性能。
NETL