【摘 要】
:
随着无人机技术的发展,对无人机的开发应用也逐渐展开。因单个无人机存在能量、搭载量和灵活性等诸多限制,多无人机组网技术也成为了新的研究热点。而在FANETs中,路由协议是网络的核心,它决定了无人机节点之间的通信质量和网络性能。因此本文对路由协议在FANETs网络中的应用进行了部分研究。针对于无人机拓扑变化频繁的情况,固定的消息发送周期难以及时更新网络链路与拓扑变化的问题,首先,对OLSR协议进行消息
论文部分内容阅读
随着无人机技术的发展,对无人机的开发应用也逐渐展开。因单个无人机存在能量、搭载量和灵活性等诸多限制,多无人机组网技术也成为了新的研究热点。而在FANETs中,路由协议是网络的核心,它决定了无人机节点之间的通信质量和网络性能。因此本文对路由协议在FANETs网络中的应用进行了部分研究。针对于无人机拓扑变化频繁的情况,固定的消息发送周期难以及时更新网络链路与拓扑变化的问题,首先,对OLSR协议进行消息自适应优化,并提出一种新的MPR集选择算法;其次,针对改进后OLSR路由协议存在的随着节点数目增加网络性能下降幅度大的问题,对网络进行了网络分级处理,提出了一种新的分簇算法,并引入预备簇首机制增强网络稳定性;仿真证明分簇后的OLSR协议的分组投递率、路由控制开销和时延性能相较于改进后的OLSR路由和原OLSR协议在较大规模的网络中存在一定优势。最后,进行了无人机自组网的硬件试验,对改进后的OLSR协议进行可行性测试。主要内容如下:(1)提出一种动态调整广播HELLO消息和TC消息发送周期的算法。针对在FANETs高移动性和拓扑频繁变化的网络特性下,OLSR以固定的周期广播HELLO消息和TC分组洪泛会导致在网络状态稳定的情况下网络中充斥着大量冗余的路由消息;而在网络状态变化剧烈,拓扑频繁变化的情况下,原有的广播和洪泛周期又无法及时更新网络状态的情况。(2)为提高节点生存率和节点生存时间,尽量减少MPR集的更换次数,提出基于节点剩余能量和节点链路状况的MPR集选择算法。通过在NS2仿真分析表明,优化后的协议在分组投递率,网络吞吐量,路由开销等方面的性能得到一定程度的提升。(3)针对靶区环境监测节点相对密集的场景下,在OLSR协议基础上融合了基于LEACH和加权分簇算法改进的网络分簇算法,加入预备簇首机制,对网络进行分级,使其能够更好地管理网络和路由。OLSR协议相较于其他被动型路由协议本身就更适合节点密集型网络,融合分簇算法后可以使其更大可能的节省网络资源。使用NS2模拟器进行仿真分析表明,改进后的协议在数据包投递率、端到端平均时延和路由开销等方面的性能都得到了一定程度的提升。(4)进行了基于OLSR协议的无人机网络的硬件测试工作,使用猫头鹰mini/mini L AI的视觉无人机(以下简称OWL)开发平台,并配备khadas vim3的机载平台和ROS的系统。通过这种方法,可以在一台电脑上建立一个地面基站,并使三架无人机在空中相互连接,实现无人机自组网。综上,本文对OLSR路由协议的分组投递率、网络吞吐量和路由开销等性能做了部分优化,并将OLSR协议移植在嵌入式开发板上进行了组网试验,验证了算法的可行性,对提高无人机自组织网络的性能和稳定性具有重要意义,为无人机自组织网络的应用提供了有效的解决方案。
其他文献
近年来,随着无人机研发技术的不断成熟,通过无人机机载摄像头拍摄的图片和视频在许多行业领域获得了广泛应用。在军事方面,利用无人机航拍采集的图像可以获取到完整、全面的战场信息,但是如何利用这些图像实现快速、准确的军事目标检测仍是现代战争智能化作战发展要求下亟待解决的问题。随着深度学习的不断发展,目标检测算法的性能不断提升,但是目前主流的检测算法无法克服航拍图像中出现的复杂天气干扰、目标高度变化、尺度不
随着无人机相关技术和人工智能相关理论的不断发展,智能化无人机集群作战成为未来空战的主要作战形式。然而,早期的无人机集群依赖于固定规则编码方法对无人机动作进行设定,因而难以满足复杂多变的战场环境和任务需求。基于强化学习算法可实现无人机动作的自我训练,解决了固定规则编码方法的短板。然而,在对抗过程中,采用现有强化学习算法的智能体易做出低效动作和产生无效探索。针对上述问题,本文在强化学习的理论基础上,重
随着无人机行业的快速发展,无人机检测技术已经成为低空领域的研究热点。然而低空背景复杂多变,远距离探测时无人机目标特征少、小目标数量占比大,传统的检测方法难以提取到有效的目标特征信息。因此,针对上述问题,本文开展基于改进YOLOv5的低空无人机检测方法研究,旨在提高低空无人机小目标的检测性能。论文的主要研究内容如下:针对低空无人机目标检测领域数据量不充足的问题,本文构建了特定低空无人机目标数据集。首
热红外目标跟踪技术是自动目标识别(ATR)领域的研究热点。热红外图像缺乏清晰的纹理和轮廓特征,传统的跟踪方法难以提取到有效的目标表征信息,在跟踪任务中常会受到相似物、遮挡物的干扰,出现跟踪错误。针对以上问题,本文基于表征学习理论,提出了针对热红外目标跟踪的深度学习方法。主要工作如下:(1)针对热红外目标在跟踪过程中受到相似物干扰的问题,设计融合注意力机制的分层预训练特征提取网络。深入分析了热红外目
随着人工智能的蓬勃发展,智能化战争已经来临,不断提高军事训练的科技感和智能度,提升军事训练实战化水平成为我们必须关注的重要课题。靶标体系研究在军事研究领域具有举足轻重的地位,靶即为侦查打击对象,标即提供测试值。本课题来源于中国兵器工业试验测试研究院所规划靶标体系研究中的子课题“基于人工智能的人形靶等效毁伤感知与评估”。针对传统的靶场训练中靶标感知毁伤信息不及时,人工参与度强,训练成本高等问题,本课
科技创新推动着社会生活不断的发展前进,人工智能使得人类的生产生活方便快捷。计算机视觉技术的出现更是加速了人工智能领域的发展,作为其重要分支之一的人体姿态估计技术,目前已在医疗、交通、军事等各个领域有着广泛的应用。在军事装备的智能化发展中,人体姿态估计算法为战场态势感知、实时精准打击提供了一定的技术支持。展开人体姿态估计算法的研究,对于军事行动指挥、国防安全保障有着重要的意义。但由于军事环境复杂,存
盖革模式雪崩光电二极管(Geiger Mode Avalanche Photon Diode,GM-APD)阵列激光雷达是一种新型的非扫描式的光子计数雷达,可以响应单光子级能量的回波信号,具有极高的探测灵敏度,使得探测微弱信号成为可能,已被广泛应用于巡航制导、地形测绘、水下探测等领域。但由于GM-APD是概率型器件且激光在介质中具有快速衰减的特性,导致探测到的回波信号过于稀疏,需要大量累计才能恢复
随着精密光学元件制造技术的快速发展,大口径光学元件在国家各项重大科学工程中被广泛应用,随之对大口径光学元件面形检测技术提出更高的要求,现有的光学元件检测技术很难同时满足大口径、高精度的检测需求。子孔径拼接是一种高精度、低成本的面形检测方法,它使用小口径标准光学元件对大口径元件进行检测,降低检测难度的同时具有干涉测量的高精度优势,可提高横向分辨率,获得波面中频误差信息。论文基于子孔径拼接的大口径平面
碳化硅铝基(SiCp/Al)复合材料具有低密度、高比强度、低膨胀系数、耐磨损、耐腐蚀等优点,在电子封装、航空航天、汽车等领域应用前景广阔。然而采用传统的机械加工方法加工存在效率低、刀具磨损严重、易崩裂等问题,为实现SiCp/Al复合材料的高效高质量加工,本文提出电弧放电-电解组合加工的方法。具体研究内容及结果如下:首先,基于铜、45钢、石墨及钨铜合金4种材料电极,开展了SiCp/Al复合材料的电弧
微光学元件是一种常见的小型化光学元件,近年来,随着其应用范围的不断扩大,微光学元件的产量和品种也不断增加,因此,微光学元件三维形貌的检测也变得愈发重要。数字全息技术凭借无损测量、全视场成像、实时测量等优点被广泛的应用在微光学元件形貌检测领域,然而传统的数字全息技术无法测量台阶这样相邻点之间的光程差超过激光器波长的微光学元件,而双波长数字全息技术可有效解决该问题,故本文研究双波长数字全息法微光学元件