本发明属于网络通信技术领域，具体涉及一种基于无人机的应急场景下立体异构网络的动态路由方法，该方法采用基于多维资源和能量的负载均衡动态路由的方法实现了基于无人机的应急场景下的动态拓扑频繁变化的路由，减小了端到端的时延降低了丢包率同时解决了网络拥塞问题。
背景技术：
突发自然灾害和公共事件的情况下，多个节点同时进行通信，地面通信设施可能被摧毁、地面网络会发生严重拥塞，原有的通信方式难以继续联通，所以应急场景下的通信显得尤为重要。空天地一体化异构网络可以解决网络拥塞问题以及它可以使网络具有更广的覆盖范围、更好的联通性、更强的抗毁能力。
在传统的空天地一体化网络结构的基础上，本发明将地面网络、临近空间网络和卫星网络进行分层控制，把sdn架构中控制和转发分离的概念引入三层异构网络架构中。如图1所示，我们将在各层部署sdn架构，各层都配置sdn控制器，控制器上运行多种应用程序，通过openflow协议对网络中的状态和多维资源进行统一的管理。三层之间的sdn控制器通过东西向接口进行通信，从而统一协调空天地一体化网络的路由选择以及多维资源的分配问题，增强网络的联通性和抗毁性。
传统的天地一体化网络架构，由于距离较远会有较大的时延。空天地一体化网络依靠临近空间平台，能够实现快速灵活部署与组网，成为构建应急通信网络的最佳选择。一般情况下，临近空间平台飞行器布置于地面和卫星难以覆盖的区域，用于偏远地带的通信；应急时，将平台部署或移动到灾区上空，补充或替代地面通信系统的服务。在本发明中，我们假设卫星网络不进行数据的传输只具备调度功能，在原有网络结构上每层均增加sdn控制器，使层与层之间有统一的协议和编程接口，方便管理。为使临近空间网络和地面设备无缝连接，需要解决空间设备与地面设备之间可能的网络拥塞和瓶颈，其中基于多维资源高效可靠的负载均衡动态路由是组建空地网络的重要技术内容之一。
目前，adhoc路由协议分为静态路由协议、先应式路由协议、反应式路由协议和混合式路由协议。静态路由协议在任务执行过程中路由表不会更新，由于此限制，所以它不适合动态场景中运行。先应式路由协议(prp)能够及时更新路由表，正确反应网络的拓扑结构，有获取路由时延小的优点，比较适合有实时要求的应用。但由于节点之间不断交互路由消息，会造成带宽和节点能量的大量消耗。目前，常用在移动自组织网中的先应式路由协议主要有优化链路状态路由(olsr)协议和目的序列距离矢量(dsdv)协议等。反应式路由协议只有在需要时才开启路由发现程序，所需要的路由信息缓存较小，网络负载不大的情境下它的开销远小于先应式路由协议，常用的反应式路由协议有源动态路由(dsr)协议、自组网按需距离向量(aodv)协议等。顾名思义，所谓混合路由协议是将先应式路由和反应式路由结合起来，在相邻节点之间采用先应式路由在较远的节点间采用反应式路由算法，从而在开销和延时之中找到一个平衡点。但混合式路由协议也面临着很多困难，如网络中的大流量问题、簇的选择和维护、先应式和反应式路由的选择问题等。最具代表性的混合路由协议是区域路由协议(zrp)。
现有技术的缺点：
1、未实现真正意义上的空天地网络的“一体化”路由，更多的是分层路由。
2、没有充分抓住临近空间网络中无人机随机动的特性，所用路由协议并不能很好实现网络拓扑的动态变化。
3、在进行路由选择的时候没有考虑到不同层之间的多维资源(包括链路状态和节点状态)。
4、传统移动自组网中的路由不大适合高速移动的无人机节点以及拓扑频繁变化的无人机网络。
技术实现要素：
本发明的目的在于针对现有技术中存在的问题，提供了一种基于无人机的应急场景下立体异构网络的动态路由方法，该方法针对应急场景下空天地一体化网络路由问题的特征进行分析并加以改进，减小了端到端的时延以及丢包率，同时降低了网络拥塞程度。本发明通过对临近空间平台和地面网络建模，实现了这两层网络之间的一体化路由，实现了基于多维资源和能量的负载均衡动态路由，提高了网络路由的通信效率，保证了资源的合理利用。
本发明采用如下技术方案来实现的：
基于无人机的应急场景下立体异构网络的动态路由方法，该方法能够适应动态拓扑变化的融合网络，以无人机作为中继节点构成中继节点，同一区域内的节点不通信，不同区域内的节点通信通过无人机节点中继路由，地面节点只作为路由中的末端节点，分别在各个通信过程中，该方法包括以下步骤：
步骤a：分别对无人机节点、地面节点进行场景建模，节点发射机和接收机数据速率均为1mb/s，每个节点的初始能量相同，设为0.2j，无人机节点为25m/s，地面节点为3m/s；
步骤b：在传统olsr协议的基础上进行链路权值的改进，将路由路径的选择以cost＝α×ett β×ei (1-α-β)×t为基准；
步骤c：olsr路由协议的核心思想是对mpr集进行选择，以此来减少路由开销，改进后的lbmre-olsr抛弃经典的mpr集选择算法，以节点预期传输时间、节点能量和节点拥塞程度为依据进行mpr集的选择。
本发明进一步的改进在于，步骤b的具体计算过程为：
201)ett链路度量
etx为成功传送一个数据包所需要的传送次数即节点在接收端准确无误收到所需数据包的预期传输次数包括重传为：
其中df为前向传输概率，dr为反向传输概率；
ett为预期传输时间，同时考虑了数据的重传，表示成功传输一个数据包所需要的平均时间；
其中s为数据包的平均大小，b是链路带宽；
202)节点消耗能量
ei为节点消耗的能量，设节点i接收数据功率为p1，发送数据功率为p2；接收数据分组时长为t1，发送数据分组时长为t2；接收数据分组包长为l1，发送数据分组包长为l2，数据接收速率为v1，数据发送速率为v2.则节点i在此次路由中消耗的能量为：
203)节点mac层拥塞程度
t为mac层平均排队时延，在设定的周期内，假设mac层在这期间到达了n个数据包，对这些数据包在节点mac层接口排队时间进行了采样；记录数据包i达到mac层的时间
204)定义路由综合权值
cost＝α×ett β×ei (1-α-β)×t(5)
以上公式即为链路权值度量的综合参数，其中，α＝0.3，β＝0.4，1-α-β＝0.3；改进后的路由协议中引入了多维资源和能量感知并且实现了负载均衡；移动节点收到hello数据包后将继续进行其链路权值的更新，该链路权值集合将包含其邻居的多维资源和能量以及负载信息；在收到tc数据包后，mpr进行拓扑表的更新，拓扑表还包括多维资源和能量以及负载信息。
本发明进一步的改进在于，设s1是节点a的邻居集合，s2是节点a的2跳邻居的集合，mpr是节点a的多点中继的集合，ett是预期传输时间，ei是节点消耗的能量，t是节点平均排队时延，则步骤c的具体实现过程为：
301)从n1的所有意愿等于will_always的所有n1成员组成的mpr集开始；
302)将n1中的那些节点添加到mpr集，这是向n2中的节点提供可达性的唯一节点；从n2中删除节点，这些节点现在已被mpr集中的节点覆盖；
303)虽然n2中存在节点，但mpr集中的至少一个节点没有覆盖这些节点；
对于n1中的每个节点，计算公式(5)，将cost最小的n1节点添加到mpr；
304)如果cost的值相同，则按照ett由小到大排列；若ett相等，则按照e从小到大排列；若e相同则按t由小到大排序；
305)从n2中删除节点，这些节点现在已被mpr集中的节点覆盖；
306)mpr通过重复上述步骤301)至305)获得。
本发明具有如下有益的技术效果：
本发明在传统空天地一体化网络架构上融合了sdn控制器，实现了方便直观的对立体异构网络架构进行统一的调配，提升了整个网络的运行效率。又在应急场景的基础上考虑了节点拥塞程度实现了负载均衡，提出了改进后的路由协议，并定义了一个基于多维资源的综合参数作为链路权值。仿真实验证明，改进后的路由算法更适合基于无人机的应急场景下空天地一体化网络的动态路由，并且在端到端时延和丢包率都有优化。
附图说明
图1是本发明中应急场景下空天地一体化网络图。
图2是本发明中基于sdn架构的空天地一体化网络图。
图3是多无人机中继网络示意图。
图4是平均端到端时延随负载变化图。
图5是丢包率随负载的变化图。
图6是丢包率随时间变化图。
图7是端到端时延随时间的变化图。
具体实施方式
以下结合附图对本发明做出进一步的说明。
如图1至图3所示，本发明提供的基于无人机的应急场景下立体异构网络的动态路由方法，该方法能够适应动态拓扑变化的融合网络，以无人机作为中继节点构成中继节点，同一区域内的节点不通信，不同区域内的节点通信通过无人机节点中继路由，地面节点只作为路由中的末端节点，分别在各个通信过程中，该方法包括以下步骤：
步骤a：分别对无人机节点、地面节点进行场景建模，节点发射机和接收机数据速率均为1mb/s，每个节点的初始能量相同，设为0.2j，无人机节点为25m/s，地面节点为3m/s；
步骤b：在传统olsr协议的基础上进行链路权值的改进，将路由路径的选择以cost＝α×ett β×ei (1-α-β)×t为基准；具体计算过程为：
201)ett链路度量
etx为成功传送一个数据包所需要的传送次数即节点在接收端准确无误收到所需数据包的预期传输次数包括重传为：
其中df为前向传输概率，dr为反向传输概率；
ett为预期传输时间，同时考虑了数据的重传，表示成功传输一个数据包所需要的平均时间；
其中s为数据包的平均大小，b是链路带宽；
202)节点消耗能量
ei为节点消耗的能量，设节点i接收数据功率为p1，发送数据功率为p2；接收数据分组时长为t1，发送数据分组时长为t2；接收数据分组包长为l1，发送数据分组包长为l2，数据接收速率为v1，数据发送速率为v2.则节点i在此次路由中消耗的能量为：
203)节点mac层拥塞程度
t为mac层平均排队时延，在设定的周期内，假设mac层在这期间到达了n个数据包，对这些数据包在节点mac层接口排队时间进行了采样；记录数据包i达到mac层的时间
204)定义路由综合权值
cost＝α×ett β×ei (1-α-β)×t(5)
以上公式即为链路权值度量的综合参数，其中，α＝0.3，β＝0.4，1-α-β＝0.3；改进后的路由协议中引入了多维资源和能量感知并且实现了负载均衡；移动节点收到hello数据包后将继续进行其链路权值的更新，该链路权值集合将包含其邻居的多维资源和能量以及负载信息；在收到tc数据包后，mpr进行拓扑表的更新，拓扑表还包括多维资源和能量以及负载信息。
步骤c：olsr路由协议的核心思想是对mpr集进行选择，以此来减少路由开销，改进后的lbmre-olsr抛弃经典的mpr集选择算法，以节点预期传输时间、节点能量和节点拥塞程度为依据进行mpr集的选择。设s1是节点a的邻居集合，s2是节点a的2跳邻居的集合，mpr是节点a的多点中继的集合，ett是预期传输时间，ei是节点消耗的能量，t是节点平均排队时延，则步骤c的具体实现过程为：
301)从n1的所有意愿等于will_always的所有n1成员组成的mpr集开始；
302)将n1中的那些节点添加到mpr集，这是向n2中的节点提供可达性的唯一节点；从n2中删除节点，这些节点现在已被mpr集中的节点覆盖；
303)虽然n2中存在节点，但mpr集中的至少一个节点没有覆盖这些节点；
对于n1中的每个节点，计算公式(5)，将cost最小的n1节点添加到mpr；
304)如果cost的值相同，则按照ett由小到大排列；若ett相等，则按照e从小到大排列；若e相同则按t由小到大排序；
305)从n2中删除节点，这些节点现在已被mpr集中的节点覆盖；
306)mpr通过重复上述步骤301)至305)获得。
本发明应用的优势之处如下：
1、本发明采用新的链路权值度量方法，即设涉及了不同层之间的链路上的多为资源同时也涉及到节点的资源。一定程度上减小了端到端时延和丢包率。
2、从网络负载角度看，采用了随机数函数实现负载均衡，避免了链路权值最优的链路上发生拥塞以及某个节点的负载过重。若缓存队列已经满时，将导致数据包丢失与重传，所以本发明在此方面做到了有效的控制。
3、从网络架构角度看，在传统空天地一体化网络架构的基础上引入sdn技术，同时增加卫星统一控制中心，使其对无人机编队及地面网络形成调度指挥作用。同时，各层的sdn控制器方便整个异构网络的统一协调与管理。
为了更加明确，基于多维资源和能量的负载均衡路由算法如下：
采用本算法的优势：
解决了应急场景下空天地一体化网络中的突出问题：
1)拓扑快速变化。
2)网络负载不均衡。
3)节点能量有限。
同时在架构方面，相比于只有卫星网络或者地面网络：加入空基层减小时延。建立在空中平台上的空间通信系统提供了不同于卫星通信系统，地面通信系统的另一种模式：与卫星通信系统相比，空中平台与地面之间距离近，链路损耗小、传播时延小，而且相对于卫星，空中平台能够以更低廉的价格实现快速部署；与地面通信系统相比，空中平台能够提供更加广阔的信号覆盖，具有良好的抗毁能力，部署灵活，不受环境限制。
在此发明中，将传统空天地一体化网络架构上与sdn控制器融合，实现了方便直观的对复杂的三维异构网络架构进行统一的调配，提升了整个网络的运行效率。又在传统olsr算法的基础上考虑了多维资源，提出了改进后的路由协议，并定义了一个基于多维资源的综合参数作为目标函数。仿真实验证明，改进后的路由算法更适合基于无人机的应急场景下空天地一体化网络的动态路由，并且在端到端时延和丢包率都有优化。
本发明实现了空天地一体化网络的路由，提高了网络通信效率；通过涉及多维资源综合衡量链路权值，使数据成功率更高；通过对节点能量进行计算，避免选择能量较低的节点，导致链路中断；对节点的负载进行度量，选择负载较低且稳定的路由，更好的实现了负载均衡，降低了端到端时延。
仿真章节：
在windows7操作系统下利用opnetmodeler14.5作为仿真工具，仿真olsr、lbmre-olsr路由协议。opnet可用c 编写，能够仿真不同的网络传输协议，还可以添加各种路由协议。
表1仿真参数
仿真结果
在不同场景下选择网络数据的丢包率和数据端到端延时这2个指标来比较改进前后olsr路由协议的性能。
1)负载逐渐增大仿真结果
改进前后的端到端延迟和丢包率的比较如图4，图5所示。当数据包发送速度继续提高时，端到端延迟和丢包率分别为增加，但是改进的lbmre-olsr路由协议的端到端延迟和丢包率得到改善。这两个性能明显优于传统的olsr协议。
2)随时间变化的仿真结果
随着网络仿真时间的增加，端到端时延变化和丢包率如图6，图7所示。改进的lbmre-olsr协议的整体性能优于传统的olsr协议。
1.基于无人机的应急场景下立体异构网络的动态路由方法，其特征在于，该方法能够适应动态拓扑变化的融合网络，以无人机作为中继节点构成中继节点，同一区域内的节点不通信，不同区域内的节点通信通过无人机节点中继路由，地面节点只作为路由中的末端节点，分别在各个通信过程中，该方法包括以下步骤：
步骤a：分别对无人机节点、地面节点进行场景建模，节点发射机和接收机数据速率均为1mb/s，每个节点的初始能量相同，设为0.2j，无人机节点为25m/s，地面节点为3m/s；
步骤b：在传统olsr协议的基础上进行链路权值的改进，将路由路径的选择以cost＝α×ett β×ei (1-α-β)×t为基准；
步骤c：olsr路由协议的核心思想是对mpr集进行选择，以此来减少路由开销，改进后的lbmre-olsr抛弃经典的mpr集选择算法，以节点预期传输时间、节点能量和节点拥塞程度为依据进行mpr集的选择。
2.根据权利要求1所述的基于无人机的应急场景下立体异构网络的动态路由方法，其特征在于，步骤b的具体计算过程为：
201)ett链路度量
etx为成功传送一个数据包所需要的传送次数即节点在接收端准确无误收到所需数据包的预期传输次数包括重传为：
其中df为前向传输概率，dr为反向传输概率；
ett为预期传输时间，同时考虑了数据的重传，表示成功传输一个数据包所需要的平均时间；
其中s为数据包的平均大小，b是链路带宽；
202)节点消耗能量
ei为节点消耗的能量，设节点i接收数据功率为p1，发送数据功率为p2；接收数据分组时长为t1，发送数据分组时长为t2；接收数据分组包长为l1，发送数据分组包长为l2，数据接收速率为v1，数据发送速率为v2.则节点i在此次路由中消耗的能量为：
203)节点mac层拥塞程度
t为mac层平均排队时延，在设定的周期内，假设mac层在这期间到达了n个数据包，对这些数据包在节点mac层接口排队时间进行了采样；记录数据包i达到mac层的时间
204)定义路由综合权值
cost＝α×ett β×ei (1-α-β)×t(5)
以上公式即为链路权值度量的综合参数，其中，α＝0.3，β＝0.4，1-α-β＝0.3；改进后的路由协议中引入了多维资源和能量感知并且实现了负载均衡；移动节点收到hello数据包后将继续进行其链路权值的更新，该链路权值集合将包含其邻居的多维资源和能量以及负载信息；在收到tc数据包后，mpr进行拓扑表的更新，拓扑表还包括多维资源和能量以及负载信息。
3.根据权利要求2所述的基于无人机的应急场景下立体异构网络的动态路由方法，其特征在于，设s1是节点a的邻居集合，s2是节点a的2跳邻居的集合，mpr是节点a的多点中继的集合，ett是预期传输时间，ei是节点消耗的能量，t是节点平均排队时延，则步骤c的具体实现过程为：
301)从n1的所有意愿等于will_always的所有n1成员组成的mpr集开始；
302)将n1中的那些节点添加到mpr集，这是向n2中的节点提供可达性的唯一节点；
从n2中删除节点，这些节点现在已被mpr集中的节点覆盖；
303)虽然n2中存在节点，但mpr集中的至少一个节点没有覆盖这些节点；
对于n1中的每个节点，计算公式(5)，将cost最小的n1节点添加到mpr；
304)如果cost的值相同，则按照ett由小到大排列；若ett相等，则按照e从小到大排列；若e相同则按t由小到大排序；
305)从n2中删除节点，这些节点现在已被mpr集中的节点覆盖；
306)mpr通过重复上述步骤301)至305)获得。
技术总结