[发明专利]一种采用灰色马尔科夫模型的无人机自组网路由选择方法与系统

说明书

本发明涉及一种采用灰色马尔科夫模型的无人机自组网路由选择方法与系统，该方法包括：获取每个无人机节点对应的节点位置信息；构建灰色马尔科夫模型，预测得到节点位置预测值；根据节点位置预测值，计算得到链路保持时间，运动相似度以及链路质量；通过信息增益方法，对链路保持时间、运动相似度以及链路质量进行重要度排序，计算得到当前发送节点对应的所有邻居节点的转发权值，并将转发权值最大的节点作为下一跳节点。本发明提出的采用灰色马尔科夫模型的无人机自组网路由选择方法，可满足无人机集群作战的通信网络需求，具有广阔的应用前景。

技术领域

本发明涉及网络通信技术领域，特别涉及一种采用灰色马尔科夫模型的无人机自组网路由选择方法与系统。

背景技术

近年来，无人机由于具有用途多样、灵活性强、装配便利以及开支较低等优势，在军用以及民用等领域均得到了广泛的关注。此外，随着科学技术的迅速发展，无人机从最初的简单任务执行(情报、监视以及侦察任务)开始向复杂性的任务发展，而其任务执行方式也开始从单平台向多无人机协作执行任务的方向发展。

相较于传统的有线网络，移动自组织网络中节点移动速度快，网络拓扑结构变化频繁。无人机自组网作为移动自组网中的一种，其具有节点移动速度更快以及拓扑变化更频繁的特点。

然而，无人机自组网中，由于节点的移动性、网络中稀疏分布的节点以及有限的节点资源等因素存在，使得传统的路由协议在无人机自组网中可能并不适用。

发明内容

基于此，本发明的目的是为了解决传统的路由协议，无法满足无人机自组网应用需求的问题。

为了解决这一技术问题，本发明提出一种采用灰色马尔科夫模型的无人机自组网路由选择方法，其中，所述方法包括：

获取每个无人机节点对应的节点位置信息；

构建灰色马尔科夫模型，根据等维新息GM(1,1)模型提取节点位置序列中的趋势项进行预测以得到灰色预测值，根据马尔科夫链模型提取所述节点位置序列中的随机项进行预测以得到马尔科夫预测值，根据所述灰色预测值以及所述马尔科夫预测值得到节点位置预测值；

根据所述节点位置预测值，计算得到当前发送节点与邻居节点之间的链路保持时间，所述当前发送节点对应的邻居节点与对应的目标节点之间的运动相似度，以及所述当前发送节点与对应的邻居节点之间的链路质量；

通过信息增益方法，对所述链路保持时间、所述运动相似度以及所述链路质量进行重要度排序，计算得到所述当前发送节点对应的所有邻居节点的转发权值，并将转发权值最大的节点作为下一跳节点。

本发明提出的采用灰色马尔科夫模型的无人机自组网路由选择方法，利用灰色马尔科夫模型对节点下一时刻位置信息进行预测，既考虑了节点运动的趋势性，又考虑了节点运动的随机性，增加了位置预测的准确性；此外，结合链路保持时间、运动相似度以及链路质量进行路由决策，既考虑了节点间链路状态又考虑了节点的运动状态，增加了路由传输的成功率。

所述采用灰色马尔科夫模型的无人机自组网路由选择方法，其中，在根据等维新息GM(1,1)模型提取节点位置序列中的趋势项进行预测以得到灰色预测值的方法中；

进行预测的灰微分方程为：

dx⁽¹⁾/dt+ax⁽¹⁾＝b

其中，a，b为灰参数，x⁽¹⁾为随时间变化的同一节点位置序列的原始数据x⁽⁰⁾逐次相加生成的新数据；

所述采用灰色马尔科夫模型的无人机自组网路由选择方法，其中，所述等维新息GM(1,1)模型表示为：