无人机集群自组网MAC协议研究

来源 :桂林电子科技大学 | 被引量 : 0次 | 上传用户:qhjxiaofeitian
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
无人机系统正朝着集群化、智能化的方向演进。通信网络作为无人机之间沟通的基础,是实现无人机集群智能协同的关键,无人机自组网具有组网灵活、抗毁性强等特点,是组建无人机网络的一种重要技术。无人机自身特点及其应用场景对网络的时延和吞吐性能提出了更高的要求,合理的MAC协议能让网络节点高效使用通信资源,有助于网络层、传输层等上层协议提供更好的服务质量,使网络更好地满足无人机集群的通信需求。论文以无人机自组网MAC协议作为研究出发点,包括以下几个内容:
  一、无人机自组网MAC协议研究以CSMA/CA与TDMA为主,TDMA协议更适合应用在要求较低时延、网络负载较高的无人机自组网中。采用固定时隙分配的方式为每个无人机节点分配时隙并选取适合的帧长,可以较好满足无人机自组网中控制业务、协同业务的低时延传输需求,但存在着时隙资源浪费的问题。通过竞争方式使用被浪费的时隙资源可以一定程度上提高时隙资源使用效率,但是存在着时隙使用冲突的可能,提升效果有限,并且在取短帧长以保证低时延的情况下竞争开销难以忽略。为解决上述问题,给出了一种以预约方式使用被浪费时隙的TDMA改进协议——闲置时隙预约TDMA。相较于竞争方式,预约方式有着较小的开销且能更为高效地使用时隙资源。
  二、多跳无人机网络可以拓展无人机系统的覆盖距离,路由协议是构建多跳网络的关键,也是无人机自组网的研究重点之一。路由协议相关研究大多将CSMA/CA作为MAC协议而展开,CSMA/CA是一种竞争类MAC协议,其竞争使用信道的方式使得数据包传输存在冲突的可能,影响网络丢包率、吞吐量等性能。TDMA协议有序使用信道的特点更有利于实现低丢包率及较高吞吐量。在对无人机自组网中常用的三种基础路由协议的基本原理进行简单介绍之后,使用OMNeT++在TDMA网络下对这些路由协议的性能进行对比。
  三、闲置时隙预约TDMA在多跳场景下存在着闲置时隙使用冲突的问题,无法有效提高时隙资源使用效率,在对问题产生的原因进行分析之后,采用基于地理位置的时隙分配与使用方案,对节点使用时隙的方式加以限制,有效缓解了时隙使用冲突的问题。
其他文献
随着人工智能和计算机信息技术的快速发展,人脸识别逐渐成为计算机视觉领域的热门课题。人脸识别的关键技术是提取有效且稳定的鉴别特征,特征的优劣直接决定着最终的人脸识别效果。然而,在光照、噪声、遮挡等复杂多变的现实环境中如何定位和提取稳定有效的特征,仍具有许多的技术难点。论文的主要创新和贡献体现在以下几个方面:
  1.研究分析和定义了一种相似性特征。双胞胎、多胞胎或者处在不同年龄阶段的同一个人,他们的面部很相似,这种相似是由于他们的基因组成相似或者相同。那么他们的面部是否存在与基因相关的某些特征,这些特
随着世界上各大GNSS(Global NavigationSatelliteSystem)系统的不断快速发展,人们已经越来越离不开卫星导航,无论是传统的导航定位还是新兴的无人驾驶领域,GNSS都扮演着无可替代的角色,正因如此,GNSS信号的可靠性、安全性、完整性才显得格外的重要。只有正常的GNSS信号才能够为民用甚至军用提供安全可靠的服务,但由于卫星自身设备老化、空间环境复杂多变、外界电磁干扰等因素,GNSS信号不可避免会出现一定程度的异常,假若严重异常的GNSS信号被加入到正常应用中后果将无法想象,因此
近年来,GNSS已成功应用于各高精度定位领域,而我国的北斗三代卫星导航系统也已向全球开展导航定位和授时服务。随着社会的进步,人们对GNSS在形变监测、灾害预警等领域内的定位精度要求越来越严格。然而,GNSS高精度相对定位中的原始载波相位观测量存在周跳现象,导致模糊度固定困难,从而影响GNSS相对定位的精度。鉴于此,对载波相位数据进行正确的预处理有利于提高GNSS相对定位算法的精度。本文的主要研究内容和创新点包括以下几个部分:
  1、对GNSS导航定位方法进行了理论研究,分析了GNSS时空参考框架、
身份识别是安防系统的一项重要功能。常用的身份识别通过指纹识别、面部特征、虹膜识别等方法实现,但存在设备昂贵、生物特征易被窃取等缺点。由于人的活动会导致WiFi信道状态信息(Channel State Information,CSI)的变化,这种变化具有与个人行为习惯的关联,所以可利用CSI作为WiFi“指纹”进行身份识别。利用WiFi“指纹”的身份识别方法具有非接触、低成本等优势,展示了诱人的前景,已成为目前学术界一个新的研究方向。
  本文围绕身份识别这一主题,对基于WiFi-CSI的个人身份识别
伴随着我国科学技术不断前进,社会的不断进步,越来越多的家庭拥有了汽车,汽车在其中扮演着不可或缺的角色。为了解决汽车所带来的交通安全性等问题,车载自组网应运而生。车载自组织网(Vehicular Ad hoc Network,VANET)是根据移动无线组织网(Mobile Ad hoc Network,MANET)建立的。VANET是指车与车,以及车辆与路边单元间的相互收发信息而建立的无线自组织网络,车载自组织网是智慧交通的核心部分。车辆可以通过车载自组织网来获取道路交通信息来规避交通堵塞或者事故危险。
专家介绍  芮云峰 东南大学附属中大医院骨科行政副主任、主任医师、教授、博士研究生导师,东南大学医学院院长助理、东南大学创伤骨科研究所副所长。江苏省“六大人才高峰”高层次人才选拔培养对象,江苏省 “333工程”第三层次培养对象,江苏省“十三五”科教强卫医学重点人才。担任科技部生物材料核心库专家、国家自然基金委评审专家、教育部学位与研究生教育发展中心评审专家、江苏省科技咨询专家等。主译《老年骨科学》
期刊
随着全球卫星导航系统(Global Navigation Satellite System,GNSS)的差分定位技术快速发展,目前GNSS常规实时动态定位(Real Time Kinematic,RTK)技术无论在作用范围还是定位解算的质量控制及保障方面都存在着不足,而以连续运行参考站(Continuously Operating Reference System, CORS)系统为基础的网络RTK技术则应运而生并成为新世纪的研究热点,因此开展GNSS网络RTK定位原理及算法研究具有很大现实意义,本文主要
近年来,卷积神经网络在超分辨率重建领域的应用取得了一定突破,但依旧不能有效的恢复图像的边缘和纹理等几何结构。本文围绕如何有效恢复图像边缘和纹理等几何结构展开研究,其主要工作具体如下:
  (1)提出了一种结合感知边缘约束与多尺度融合的图像超分辨率重建方法。该方法的模型包含两个阶段:第一阶段提取低分辨率图像特征并对特征进行上采样,获得粗糙的高分辨率图像特征;第二阶段将粗精度图像特征作为输入,通过特征金字塔模块以逐步编解码的方式精细粗糙特征,从而完成图像边缘和纹理的精确重建。第二阶段中,考虑到不同尺度特
随着三维点云数据广泛应用于机器人、无人驾驶和三维场景漫游等领域,三维点云的数据量急剧增加,因此提出高效智能化的三维点云识别方法具有重要的现实意义。目前,深度学习在计算机视觉等领域已经取得了很大的进展。本文将深度学习运用到三维点云识别任务中,并取得以下研究成果和结论:
  基于Spider卷积的三维点云分类与分割网络。针对Spider卷积神经网络(Convolutional Neural Network,CNN)无法充分地从三维点云数据中获取深层次特征信息的问题,设计出一种可以直接处理三维点云数据的分
当前互联网中服务需求爆发式增长给网络服务提供商、网络基础设施运营商造成了巨大的服务设备需求压力与网络流量传输压力。NFV技术具有虚拟化与隔离特性,SDN技术具有全局视野与灵活调控特性,这两种技术相结合可以有效缓解上述压力。目前针对NFV和SDN架构下部署服务功能链问题已经有了一些研究,本文中介绍了有关基于SDN/NFV网络切片架构,虚拟网络映射,服务功能链部署这三个方面的部分研究现状。之后介绍了SDN的核心思想与基本架构,然后介绍说明了NFV的标准架构和NFV与SDN的关系以及NFV环境下的资源分配问题。