[发明专利]无人系统网络智能跨层数据传输方法及系统

说明书

本发明提出一种无人系统网络智能跨层数据传输方法及系统，包括在路由层采用上限置信区间作为节点选择转发节点的搜索策略；采用双Q学习技术解决由于Q值过高估计导致行为选择评价不准确的问题；回报值的计算综合考虑MAC延时，链路错误概率与位置误差，使其更能反映动作的效益；根据节点速度与MAC延时，为每条链路赋予不同的学习率与折扣因子，实现学习率与折扣因子的自适应调节。最后结合MAC层与路由层，利用MAC延时参数共享实现跨层优化，提出一个无人系统网络智能跨层数据传输方法和系统。

技术领域

本发明涉及信息技术领域，具体涉及无人系统网络智能跨层数据传输协议。

背景技术

无人系统(Unmanned System)是由若干必要的数据处理单元、传感器、自动控制单元、通信系统组成，无需人为介入即可自主完成特定任务的机器或装置，这些无人机器或装置可以是无人机、无人车、地面机器人、水下机器人、水面机器人和卫星等。

无人系统以自组织形式或基于网络基础设施所建立的网络统称为无人系统网络。其中，以自组织方式组成的无人系统网络能够更为充分地发挥无人系统自身的强计算及感知能力，并有效应对网络的动态变化，本发明将重点围绕无人系统自组织网络(下文简称无人系统网络)展开。在无人系统中，节点(无人机器或装置)高速移动，链路状态不稳定，具有三维大范围作业空间等特点，使无人系统的数据传输面临一定的困难。

在介质访问控制层(MAC)上，大多是基于预约竞争，即IEEE 802.11 DCF协议进行改进，一种针对无人机网络的自适应MAC协议(AMUAV)，在DCF的基础上，将不同类型数据包由不同天线发送，虽然提高了吞吐量，降低了端到端延时，但无人系统网络中的链路不确定性依然会对网络产生较大影响。

在网络层，传统的基于网络的路由协议，由于需要维护固定路由表，在无人系统网络中效果并不好。基于地理信息的路由协议中，定位辅助路由需要在发送数据包前提前建立路由路径，数据包发送具有滞后性。贪婪周边无状态路由将拓扑结构简化，在节点高度相差较大时无法使用，路由转发采用的右手定则可能会导致数据包的跳数增加。由于无人系统网络中的节点具有更丰富的感知手段，能够对外部作业环境和自身工作状态等多个维度的态势进行全方位感知，无人系统网络可以利用Q-learning(属于增强学习的一种)方法，通过自学习选择能达到其目标的最优传输路径。近年来，已有研究工作利用Q-learning实现无人系统网络的数据传发，虽然结果显示较传统的路由协议在网络性能上有较大提升，但仍存在几点问题，固定的学习率与折扣因子无法根据网络的动态变化作出自适应调节，Q-learning自身存在的估值过高问题以及算法在初始化的搜索策略也没有很好地解决。

此外，对于无人系统网络来说，协议的单层优化不足以解决无人系统网络的通信问题，利用跨层优化的思想，实现各层之间的信息交互如网络层与MAC层，传输层与MAC层等，是提升无人系统网络性能的有效方法。MAC层与网络层存在信息共享的关系：MAC层会传递每个包的MAC延时给网络层的路由算法使用。

发明内容

为了解决以上技术问题，本发明首先在MAC层提出了一种多信道下的网络自同步MAC协议(CSMA/MAS)，然后在路由层采用上限置信区间作为节点选择转发节点的搜索策略；采用双Q学习(Double-Q-learning)技术对现有的Q-learning路由(QGeo)进行改进，解决了由于Q值过高估计导致行为选择评价不准确的问题；回报值的计算综合考虑MAC延时，链路错误概率与位置误差，使其更能反映动作的效益；根据节点速度与MAC延时，为每条链路赋予不同的学习率与折扣因子，实现学习率与折扣因子的自适应调节。最后结合MAC层与路由层，利用MAC延时参数共享实现跨层优化，提出一个无人系统网络智能跨层数据传输方法和系统。