高動態(tài)環(huán)境下的移動狀態(tài)累積加權(quán)路由方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明適用于高動態(tài)環(huán)境，涉及一種利用鏈路狀態(tài)預(yù)測機制和移動狀態(tài)累計加權(quán) 改進的DSR路由方法，屬于無線AdHoc網(wǎng)絡(luò)領(lǐng)域和通信路由協(xié)議領(lǐng)域。
【背景技術(shù)】
[0002] AdHoc網(wǎng)絡(luò)是一種沒有固定基礎(chǔ)設(shè)施的無線移動通信網(wǎng)絡(luò)，節(jié)點可以根據(jù)需要 隨時組網(wǎng)，節(jié)點間因通信距離等問題無法直接通信時，其他節(jié)點可以進行中繼，實現(xiàn)緊急通 信?；贏dHoc網(wǎng)絡(luò)技術(shù)構(gòu)建的戰(zhàn)術(shù)互聯(lián)網(wǎng)在戰(zhàn)場通信系統(tǒng)中具有非常重要的地位。目 前先進的巡航導(dǎo)彈、防空導(dǎo)彈、戰(zhàn)斗機、無人偵察機等等其飛行速度可達到3~4馬赫，未來 使用下一代超音速燃燒沖壓發(fā)動機的飛行體將可以6~10馬赫的速度飛行。由于飛行體 移動速度快、動態(tài)性高，造成網(wǎng)絡(luò)拓撲結(jié)構(gòu)的頻繁變化，形成高動態(tài)網(wǎng)絡(luò)。
[0003] 盡管國際上對移動自組網(wǎng)技術(shù)的研究已經(jīng)開展多年，但是通常涉及的移動自組網(wǎng) 中繼節(jié)點移動速率較慢，每秒移動速率為每秒數(shù)米、或者十幾米，與高動態(tài)飛行體在移動速 度上有一個數(shù)量級的差別，無法滿足高速移動自組網(wǎng)的需求。但是，現(xiàn)代戰(zhàn)爭環(huán)境中，作戰(zhàn) 飛機體基本都是以飛行編隊執(zhí)行任務(wù)，同一個飛行編隊有著相同的作戰(zhàn)任務(wù)，速度大小方 向等基本相同且都有一定的變化規(guī)律，另外，高動態(tài)環(huán)境下的高速運動的飛行體雖然運動 速度非?？?，甚至高達10馬赫以上，但是速度和運動狀態(tài)不可能存在突變、畸變、急停急轉(zhuǎn) 等現(xiàn)象，即使運動狀態(tài)改變地較快或者出現(xiàn)機器故障等意外問題，運動狀態(tài)也是漸變的過 程，該過程是可以描述的，所以運動狀態(tài)的改變在一定時間內(nèi)是可以監(jiān)測并預(yù)測的。這一特 點使得對鏈路質(zhì)量的預(yù)測成為可能。
[0004] 已有不少方法對鏈路質(zhì)量進行預(yù)測。比如鏈路存在概率的模型，適用于信道變化 慢的網(wǎng)絡(luò)；還有通過信號強度來預(yù)測鏈路穩(wěn)定性的方法，但并未考慮節(jié)點的運動記憶性，而 且是在狀態(tài)不變的基礎(chǔ)上進行預(yù)測；此外還有預(yù)測和鏈路修復(fù)的按需路由協(xié)議和模糊邏輯 移動預(yù)測的路由算法等。以上這些方法都是在低速、節(jié)點隨機運動的條件下仿真的，而當(dāng)節(jié) 點完全隨機運動時，根本就預(yù)測不到下一位置值，與實際網(wǎng)絡(luò)中節(jié)點的運動差別較大。另傳 統(tǒng)的DSR路由協(xié)議以"最小跳數(shù)"作為路由判據(jù)。然而由于高動態(tài)環(huán)境中節(jié)點的高運動度， 拓撲變化劇烈，通信鏈路可能會發(fā)生頻繁的斷開，導(dǎo)致數(shù)據(jù)分組的丟失，丟包率增加。無法 處理鏈路生存時間導(dǎo)致的鏈路頻繁失效的問題，是"最小跳數(shù)"準(zhǔn)則無法適用于空中高速移 動網(wǎng)絡(luò)的最主要原因。

【發(fā)明內(nèi)容】

[0005] 有鑒于此，為了解決上述傳統(tǒng)路由算法中存在的問題，本發(fā)明提供一種高動態(tài)環(huán) 境下的移動狀態(tài)累積加權(quán)路由方法，使用可記憶性模型仿真以減少節(jié)點運動的隨機性對仿 真性能的影響。
[0006] 本發(fā)明通過以下技術(shù)方案實現(xiàn)：
[0007] -種高動態(tài)環(huán)境下的移動狀態(tài)累積加權(quán)路由方法，包括以下步驟：
[0008] 步驟一、選用接近高動態(tài)環(huán)境的可記憶性模型模擬節(jié)點運動情況，保證節(jié)點任一 時刻的狀態(tài)與其過去狀態(tài)的相關(guān)性，保證節(jié)點的運動是平滑的、可記憶性的，避免速度或方 向的突變；
[0009] 步驟二、任意時刻的兩個相鄰節(jié)點之間的距離不大于有效的傳播范圍，即可認為 此兩點保持連接，利用移動預(yù)測法計算兩節(jié)點間鏈路生存時間；
[0010] 步驟三、利用狀態(tài)累積加權(quán)法優(yōu)化所述的鏈路生存時間，利用優(yōu)化的兩節(jié)點間鏈 路生存時間確定整條路徑的生存時間，即路由生存時間由該路徑上相鄰兩節(jié)點間最短鏈路 生存時間決定；
[0011] 步驟四、利用優(yōu)化的鏈路生存時間改進DSR路由協(xié)議，DSR路由協(xié)議中每個節(jié)點 維護路徑緩存，當(dāng)需要發(fā)送信息時，先從自身緩存中查找是否有到達目的節(jié)點的路由信息， 當(dāng)具有多個到達目的節(jié)點的路由時，根據(jù)優(yōu)化的路徑生存時間優(yōu)先選擇生存時間最長的路 由，以此改進DSR路由協(xié)議。
[0012] 其中所述的高動態(tài)環(huán)境為節(jié)點高速運動狀態(tài)下的AdHoc網(wǎng)絡(luò)，即移動自組網(wǎng)。
[0013] 其中所述的可記憶性模型為改進的Gauss-Markov移動模型。
[0014] 所述步驟二的鏈路生存時間計算方法如下：首先獲得節(jié)點的坐標(biāo)及運動參數(shù)信 息，然后對每條鏈路的任意兩節(jié)點的鏈路生存時間LET進行預(yù)測：d_為節(jié)點i和j的有效 傳輸距離，（Xi,y;)和Uj,yj分別為節(jié)點i和節(jié)點j的坐標(biāo)，vjPV分別為節(jié)點i和節(jié)點 j當(dāng)前速度，9 ,和9i分別為節(jié)點i和節(jié)點j的移動方向：
[0016]其中：a=Vicos9「Vjcos9j,b=Xi-Xj,c=Visin9 ^vjsin9d=Yi-Yj0
[0017] 改進DSR路由協(xié)議方法如下：
[0018] (1)在節(jié)點的Node結(jié)構(gòu)中添加LifeTimeList指針字段；
[0019] (2)在DSR協(xié)議中添加根據(jù)IP地址搜索節(jié)點方法DsrGetNodeByIPAddress;
[0020] (3)在DSR路由協(xié)議中根據(jù)當(dāng)前節(jié)點的運動信息求得兩節(jié)點生存時間；
[0021] (4)優(yōu)化兩節(jié)點鏈路生存時間；
[0022] (5)在DSR協(xié)議中添加最短時間搜尋方法DsrGetShortestLifeTim，搜索到的相鄰 鏈路間最短生存時間即為該路由最長生存時間；
[0023] (6)利用DSR的節(jié)點緩存機制，存儲源節(jié)點探測包探測到的節(jié)點信息，源節(jié)點發(fā)送 路由請求信息包RREQ，RREQ探測包含有源節(jié)點及路經(jīng)所有節(jié)點的信息記錄；
[0024] (7)當(dāng)搜索到路徑只有唯一一條時，不存在鏈路競爭；當(dāng)?shù)竭_同一節(jié)點有多條路 徑時，根據(jù)優(yōu)化的路徑生存時間，優(yōu)先選擇最長生存時間路由，以此思想改進DSR路由選擇 策略。
[0025] 本發(fā)明的有益效果：
[0026]在QualNet環(huán)境下的大量仿真實驗數(shù)據(jù)表明，基于連續(xù)的、可記憶性的模型，根據(jù) 鏈路狀態(tài)預(yù)測機制和移動狀態(tài)累計加權(quán)改進的DSR路由算法在數(shù)據(jù)投遞率、吞吐量、數(shù)據(jù) 端到端延時、數(shù)據(jù)傳輸時延抖動等性能上均得到了明顯的提高和改善。
【具體實施方式】
[0027] 1、實現(xiàn)可記憶性模型
[0028] 許多網(wǎng)絡(luò)協(xié)議的研究和完善都依賴于大量的仿真。仿真需要模擬節(jié)點的運動，因 此提出了移動模型的概念。移動模型的實質(zhì)是通過統(tǒng)計學(xué)的觀點去表現(xiàn)節(jié)點的運動模式， 包括節(jié)點位置、速度、方向的變化。不同的應(yīng)用場合，AdHoc網(wǎng)絡(luò)的節(jié)點表現(xiàn)出迥異的移 動特征，不同的節(jié)點移動模型對網(wǎng)絡(luò)協(xié)議的性能評價具有不同的影響。相同的算法在不同 的網(wǎng)絡(luò)移動模型下的性能可能千差萬別，因此，為了達到最好的網(wǎng)絡(luò)設(shè)計性能，在研究網(wǎng)絡(luò) 協(xié)議和進行網(wǎng)絡(luò)設(shè)計時，必須針對某一種應(yīng)用場景建立適合此場景的移動模型。另外，在 Ad-hocNetworks中，節(jié)點移動是有規(guī)律的，用完全隨機的實體移動模型來描述其節(jié)點移動 是不可行的。群組移動模型雖然考慮到了群組移動性，但是群組的群首節(jié)點的移動是隨機 的，存在急停急轉(zhuǎn)的情況。在真實環(huán)境下，群組移動的速度和方向前后存在著影響，所以完 全使用群組移動模型不能很好地描述節(jié)點的運動情況，需建立一種考慮到上述特點的模型 才能真實反映現(xiàn)實中節(jié)點的運動情況。
[0029] 根據(jù)高動態(tài)網(wǎng)絡(luò)中飛行體運動的連續(xù)性和記憶性，綜合分析Gauss-Markov移動 模型的特點，采用Gauss-Markov移動模型更適用于本發(fā)明所描述的高速飛行體的運動特 性。Gauss-MarkovMobilityModel最早用于移動網(wǎng)絡(luò)中移動終端的快速定位。在該模型 中，移動節(jié)點的運動速率被看作時間上相關(guān)的Gauss-Markov過程。Gauss-Markov移動模型 提供了比較真實的節(jié)點移動模型，開始時，每個移動節(jié)點設(shè)計一個當(dāng)前的速度和方向，在一 個固定的時間間隔后，每個移動節(jié)點更新當(dāng)前的速度和方向。該模型采用離散時間間隔劃 分移動，速度矢量在每次間隔之初更新。節(jié)點任一時刻的速度是它過去的速度和一個高斯 隨機變量的函數(shù)，因此節(jié)點的運動是平滑的，避免了速度或方向的突變，只要記憶參數(shù)不為 1，節(jié)點就不能沿直線運動，而且在整個仿真過程中都不會停止。
[0030]Gauss-Markov移動模型中節(jié)點速度描述如下：
[0032] 5、}和G為節(jié)點在三個坐標(biāo)軸上的平均速度，氣,I1和氣是服從高斯分 布的隨機變量。〇 <a< 1是一個隨機變量，通過改變a值的大小，可控制節(jié)點的隨機性。
[0033] (1)如果a= 0,則是無記憶性。該模型描述的就是隨機游走RW模型。
[0034] (2)如果a= 1，則是強記憶性。該模型在t時間的速率與前一時刻相同，稱為流 體流動模型。
[0035] (3)如果0 <a< 1，則稱為有一些記憶性。在這種情況下，節(jié)點的速度會受到以 前的速度和新的高斯隨機變量的影響。如果a增加，速度主要受以前速度的影響；反之，則 主要受新的高斯隨機變量的影響。
[0036]Gauss-Markov移動模型提供了比較真實的