6G无人机自组网中基于距离阈值修正的LAR路由改进方法*

石涵琛，岐晓蕾，彭木根

（北京邮电大学网络与交换技术国家重点实验室，北京 100876）

0 引言

近年来，随着第六代移动通信系统（6G,the sixth generation of mobile communications system）研究的兴起，无人机（UAV,Unmanned Aerial Vehicle）凭借其机动灵活、部署灵巧、覆盖广泛及成本低廉等优势而倍受关注。无人机自组网（FANET,Flying Ad Hoc Network）[1]是由一系列具备路由和信息传输功能的无人机通过无线链路互联而组成的网络系统，其中仅有部分无人机连接基础通信设施，其余无人机则通过中间节点以多跳方式实现通信，从而解决基于基础设施（例如地面基站和卫星）的传统多无人机通信架构带来的高功耗、高延迟、短距离等缺陷[2]。因此，FANET 适用于辅助地面通信[3]、通信-感知-计算融合[4]、空天地海一体化[5]等6G 典型应用场景，是未来6G 移动网络的重点研究方向之一[6]。

面对6G 无线网络在时延、移动性、可靠性及连接密度指标的更高需求，目的节点序列距离矢量路由（DSDV,Destination Sequenced Distance Vector）、优化链路状态路由（OLSR,Optimized Link State Routing）、动态源路由（DSR,Dynamic Source Routing）和区域路由（ZRP,Zone Routing Protocol）等Ad Hoc 网络传统路由协议存在资源消耗多、传输时延大、路由选择与维护繁等挑战[7-9]，难以直接应用于FANET。相比之下，按需距离矢量（AODV,Ad hoc Ondemand Distance Vector）路由协议结合了DSDV 与DSR 的优点，通过发送多种类型的路由控制消息按需完成路由寻找，在网络跳数、数据包投递率和控制开销方面表现良好[10]。然而，AODV 采用全网广播泛洪策略，存在固有的网络拥塞问题，路由开销仍然较大[11]。为此，大量研究工作引入GPS 系统以根据各无人机的地理位置信息做出自适应转发决策，极大程度地减少非必要的消息广播，这使得基于位置信息的路由协议适用于大规模高动态网络场景，成为了6G 无人机自组网的研究热点之一[12]。

本文首先总结了无人机自组网中基于地理位置的路由协议研究进展，分析了相关协议的设计缺陷和应用限制。然后针对链路质量和路由开销优化问题，提出一种基于距离阈值修正的路由协议改进方法，详细阐述了改进方法的原理与模型。最后通过仿真验证改进协议的路由性能，并对6G 无人机自组网路由协议的优化技术与研究方向进行未来展望。

1 基于地理位置的路由协议研究进展

在基于地理位置的路由协议中，无人机通过嵌入式GPS 系统获取自身、邻居节点及目的节点的位置与速度信息，实现距离计算等功能并加入传统路由协议，根据不同的改进目标，制定新的路由策略，以提升路由性能[13]。

文献[14] 最先提出经典的位置辅助路由（LAR,Location Aided Routing）及其两种变式，基于区域的LAR（Z-LAR,Zone-based LAR）与基于距离的LAR（D-LAR,Distance-based LAR）。LAR 基于AODV 进行改进，将路由搜索限制到相较于全网络范围更小的路由请求区域，显著降低了路由开销。两个变式仅在请求区域的计算方式上有所不同，前者划分一个包含源节点和目的节点的矩形区域，该矩形与包含目的节点的圆形预期区域相切，后者则通过中间节点到目的节点的距离来判断是否继续广播路由请求。文献[15] 提出GPS 增强型AODV（GeoAODV,Geographical AODV），将请求区域改变为由泛洪角控制的锥形空间，锥形的顶点固定为源节点。基于此，文献[16]提出GeoAODV 的变式，命名为动态GeoAODV（GeoAODV Rotate），其锥形请求区域以每个前向中间节点为顶点重新进行计算，实现动态旋转变化，进一步减少路由广播。GeoAODV 协议及其变式仅根据不同场景预设泛洪角经验值，在拓扑快变的网络中性能表现不稳定，而Z-LAR 的性能表现则优于其他所有同类协议。文献[17]提出预测OLSR（P-OSLR,Predictive OLSR），利用GPS 获取的无人机运动方向与相对飞行速度衡量预期传输次数，以评估无线链路质量，并通过真实无人机编队实验验证了其高可靠性，随网络拓扑快速变化，链路中断概率大幅下降。但该协议计算复杂度较高，且局限于小型密集无人机自组网场景。文献[18]在具有自适应Hello 消息的分段移动感知AODV 协 议（MA-DP-AODV-AHM,Mobility Aware Dual Phase AODV with Adaptive Hello Messages）基础上增加路由层与MAC 层之间的跨层设计，提出多数据速率移动感知（MDRMA,Multi Data Rate Mobility Aware）协议，通过考虑无人机移动方向和速度来减轻泛洪，并考虑接收灵敏度与信干噪比以保持传输功率最小化，在高密集场景中表现出高鲁棒性，但该协议在低节点密度环境下易产生路由空洞，导致路由可建立概率降低。文献[19]基于上述P-OLSR协议，对无人机剩余能量、节点度及链路失效时间进行加权，进一步综合考虑能量效率与拓扑变化，在端到端时延、平均吞吐量和分组投递率性能上均有提升。此改进虽然减少了多点中继的重选次数，但根本上受路由表驱动限制，需要额外分配计算资源以及时更新与维护路由表信息。

2 基于距离阈值修正的LAR路由改进方法

综合上述研究进展，考虑位置辅助的路由协议中路由开销优化面临的挑战，本文针对D-LAR 提出了一种基于距离阈值修正的LAR 改进协议（DTC-LAR,Distance Threshold Correction-based LAR）。首先从提升链路稳定性并降低路由开销的角度出发，设计包含两层距离阈值修正的路由协议改进模型，分别是无人机最大通信距离修正与路由消息广播条件修正；然后基于无线通信链路预算和无人机空-空信道模型，给出了可靠通信距离的计算方法，以完成第一层修正；最后基于路由性能评价指标，提出路由性能优化策略，并以此给出了新设计参数的计算方式，以完成第二层修正。

2.1 路由协议改进模型

如图1 所示，本文构建了面向6G 无人机自组网的DTC-LAR 路由协议模型。假设源节点S 通过GPS 在t0时刻获取到自身及目的节点D 的三维位置，分别为(XS,YS,ZS)、(XD,YD,ZD)，利用位置信息计算得S 到D 的距离为。

图1 面向6G 无人机自组网的DTC-LAR 路由协议模型

传统LAR 协议中，节点向其最大通信半径dmax内所有一跳邻居节点发送路由请求（RREQ,Route Request），但伴随拓扑结构的迅速变化，位于最大通信距离边界处的邻居节点易发生链路断裂。为保证路由稳定性，本文通过研究文献[20]建立可靠通信距离模型（计算方法见2.2 节），实现第一层距离阈值修正。修正后，节点仅与其可靠通信距离（dr＜dmax）范围内的一跳邻居节点进行通信数据包和路由消息的发送，例如图1 中源节点S 仅向中间节点N1、N2发送RREQ，该RREQ 中包含当前转发跳数、源节点到目的节点距离d(S,D)、目的节点位置(XD,YD,ZD) 等信息。

为优化路由开销，降低网络负载，DTC-LAR 在原D-LAR 协议的RREQ 转发判决条件中引入修正因子β（计算方法见2.3 节），实现第二层距离阈值修正，以进一步缩小路由广播范围。具体地，现假设中间节点Nk已收到前一跳节点Nj发送的RREQ，当且仅当其到目的节点的距离满足以下不等式时，Nk才会继续广播RREQ，反之则丢弃该条RREQ：

其中，β∈(0,1]，δ表示由GPS 定位不精确或路由发现周期内目的节点移动导致的距离误差。后向收到RREQ的中间节点则以此类推，继续根据不等式判断RREQ 的广播与否。以图1 为例，由于d(N1,D) ＞ d(S,D)，不满足上述条件，因此第二层修正后只有节点N2向下一跳邻居节点N3转发来自源节点S 指向目的节点D 的RREQ，节点N1则直接丢弃。

基于上述分析，图2 展示了DTC-LAR 协议的路由发现流程，改进协议在RREQ 消息的更新与转发前按序添加了“ 距离阈值修正Ⅰ”和“ 距离阈值修正Ⅱ”两个关键步骤。第一层距离阈值修正旨在选取位于可靠通信距离范围内的邻居节点进行通信，以提升无线链路的可建立性；第二层距离阈值修正旨在借助所提出的判决条件筛选距离目的节点更近的中间节点作为RREQ 消息的转发对象，以进一步减小网络泛洪，降低网络负载和开销。DTCLAR 改进协议的路由维护方法则与原D-LAR 协议相同，采用AODV 协议的本地节点修复或源节点修复。

图2 DTC-LAR协议路由发现流程

2.2 可靠通信距离计算

为了得到可靠通信距离，第一步先通过无线链路预算计算无人机节点所支持的最大通信半径。一般地，在以dB 为单位的FANET 链路预算中，无人机接收端的接收功率计算为[21]：

其中，PTx和PRx分别为发射与接收功率，GTx和GRx分别为发射天线与接收天线增益，Lp表示路径损耗，Ls表示小尺度衰落引起的阴影损耗，Lm表示分子吸收损耗，Lo则表示其余类型损耗，通常包括收发馈线损耗、波束损耗、天线极化适配损耗等。

本文主要考虑FANET 中的空-空（A2A,Air-to-Air）信道，其大尺度衰落下的路径损耗为[22]：

其中，fc表示无人机工作的中心频率，d表示通信距离（m），c0为光速，α代表路径损耗指数，一般取2.6。

莱斯（Rice）衰落模型描述了占主导因素的视距（LOS,line-of -sight）路径和非主导因素的非视距（NLOS,non-LOS）路径，适用于以LOS 为主的无人机A2A 低空通信场景[23]。Rice 模型下的阴影衰落即Rice 因子K：

其中，ρ和σ分别反映了LOS 径和NLOS 径的强度。ρ取近似经验值6.469，而σ仅与无人机飞行高度相关，且随海拔高度的增加呈指数级减小，可近似计算为[23]：

其中，h表示飞行高度（m），拟合参数的最优近似取值分别为a=212.3，b=-2.221，c=1.289。

分子吸收损耗指由大气各种气体分子对电磁波的吸收效应（水蒸气和氧气的吸收效应最显著）而产生的电波传播衰减，衰减程度与频率强相关：

其中，γ(f) 表示与频率f相关的总衰减系数（dB/km），不同大气环境与气体分子影响各异，具体可通过国际电信联盟ITU-R P.676-13 建议书[24]进行详细计算，d为传播路径长度。特别地，分子吸收效应在毫米波与太赫兹频段尤为明显，在sub-6G 频段则通常忽略不计。

最后，将接收功率PRx与接收灵敏度SRx进行比较以评估无人机链路宽裕度Pm=PRx-SRx。若指定宽裕度Pm，即可计算得到无人机最大通信距离dmax。进一步地，文献[20]论证了当采用随机游走（RWP,Random Waypoint）移动模型时，节点通信距离的数学期望是其最大通信半径的128/45π 倍。因此，本文将可靠通信距离定义为：

2.3 路由性能优化策略

FANET 中存在不同的路由性能衡量指标，针对6G无人机自组网高可靠低负载的双重需求，本文主要考虑分组投递率（PDR,Packet Delivery Ratio）与节省重播率（SRB,Saved Rebroadcast）[25]。分组投递率反映了网络传输的可靠性，是所有目的节点接收的数据包总数与所有源节点发送的数据包总数的比值，计算为：

其中，Ps(i) 和Pr(i) 分别表示节点i发送和接收的数据包数量，N为节点总数。

节省重播率反映了网络传输的效率，指改进路由协议对比泛洪方式（例如AODV）发送路由消息，能够减少的归一化路由开销（NRO,Normalized Routing Overhead），以有效评估新提出的改进协议在路由开销性能上的提升，计算为：

其中，NRO 表示发送一个通信数据包到目的节点所需的路由消息（协议包）的数量，Psf为发送与转发的数据包总数，Rsf为泛洪方式下发送与转发的协议包总数，R’ sf为改进协议中发送与转发的协议包总数。

基于上述分析，本文以最大化分组投递率和节省重播率为目标，将路由性能优化问题建模如下：

其中，(·)|β代表该指标受修正因子β影响，μ1和μ2分别为分组投递率与节省重播率的配置权重。约束条件C1表示两个路由指标的权重之和为1，约束条件C2表示DTC-LAR 协议中继续广播路由请求的判决条件。

修正因子计算的具体步骤见算法1。整个改进方法的算法复杂度取决于第二层距离阈值修正中的路由性能优化策略，其复杂度又主要来源于算法1 中的for 循环和第6 步，两者的时间复杂度分别计算为O(L)·(O(N)+O(N))=O(LN)和O(L)，故路由性能优化策略的总时间复杂度表示为O(LN)+O(L)=O(LN)。

3 仿真结果与分析

本节利用某仿真软件评估所提出的DTC-LAR 改进协议在不同节点密度下的端到端时延、分组投递率、节省重播率等路由性能，并与D-LAR 和Z-LAR 协议进行对比。

3.1 仿真设置

仿真场景取2 000×2 000 m2的方形区域，参考大疆民用中小型无人机典型技术参数[26]，无人机工作在2.4 GHz 频段，等效全向辐射功率不超过20 dBm（即EIRP=PTxGTx≤ 20 dBm），移动模型设为RWP，移动速度在10～20 m/s 范围内随机取值且服从均匀分布，数据流类型采用恒定比特率（CBR,Constant Bit Rate），网络流量（即仿真驱动输入数据）由OPNET 平台自动生成，数据包发送方式采用OPNET 建议值，即每隔1 s 发送大小为1 024 bits 的数据包，WLAN 标准遵循IEEE 802.11g 协议，总仿真时间为300 s，在无人机节点数为10、20、30、40、50 的情况下（模拟不同节点密度）分别统计路由性能。具体仿真参数设置如表1 所示。

表1 仿真参数表

3.2 仿真结果分析

图3 展示了三种路由协议在不同节点数下的端到端时延性能。仿真证明，节点密度相对较低的场景下，三者的端到端时延几乎一致，随着节点密度的升高，三者的端到端时延随之增大，但D-LAR 的时延增加幅度较大，而Z-LAR 和DTC-LAR 的端到端时延呈缓慢增长，均保持低毫秒级，验证了改进协议的低时延性。此外，DTCLAR 的时延降低程度已逼近Z-LAR，仅略高于Z-LAR，这是由于DTC-LAR 和Z-LAR 的路由发现机制不同，Z-LAR 借助节点的地理位置和移动速度两个先验信息计算路由请求区域，该区域随路由发现过程的进行不断缩小，传输时延性能较优。相比于D-LAR，DTC-LAR 改进协议的端到端时延在高节点密度情况下（节点数超过30）能够大幅下降，例如在节点数为40 时，端到端时延降低了61.67%。

图4 展示了三种路由协议在不同节点数下的分组投递率性能。由该图可见，节点密度较低的情况下，三种路由协议的分组投递率均处于较高水平，但随着节点密度增加，D-LAR 的分组投递率严重下降，这是由于其在高节点密度情况下的泛洪减弱能力有限，单位时间内需要转发的路由消息过多，导致网络拥塞。同时，DTC-LAR 改进协议在不同网络拓扑中通过最大化目标函数自适应调整修正因子的最优取值，使其分组投递率下降趋势较为缓慢，且在不同节点密度下均能保持较高的数据传输成功率，证明了DTC-LAR 的高可靠性。与D-LAR 和Z-LAR相比，DTC-LAR 改进协议的分组投递率在节点数超过30的情况下得到显著提升，例如当节点数为40 时，其分组投递率分别提高了13.01%，0.27%。

图4 分组投递率与节点数的关系

图5 展示了三种路由协议在不同节点数下的节省重播率性能。仿真结果表明，随着节点密度的增大，D-LAR的节省重播率出现骤降现象，这是由于随着节点数的增加，其产生的路由开销已经趋近于泛洪方式，而Z-LAR和DTC-LAR 协议的节省重播率在高节点密度情况下基本保持稳定。整体来看，DTC-LAR 改进协议的节省重播率性能显著优于D-LAR 协议，即改进协议的路由开销远小于原协议，达到优化目的，验证了DTC-LAR 的高传输效率。相较于D-LAR 和Z-LAR，当节点数为40 时，DTCLAR 改进协议的节省重播率分别提升了73.8%，1.28%。

图5 节省重播率与节点数的关系

综合上述分析，本文提出的DTC-LAR 改进协议较D-LAR 协议性能提升显著，并且在仅需获取地理位置信息的情况下获得了与Z-LAR 协议几乎一致的路由性能，而Z-LAR 协议需要同时已知无人机节点位置和平均移动速度两个先验信息以计算路由请求区域，因此DTC-LAR改进协议能够通过更少的先验信息实现更优的路由性能。

4 结束语

随着无线通信的迅速发展，面向6G 应用的空前需求加速了无人机通信从基于基础通信设施的传统架构向多无人机自组网架构的转变。针对D-LAR 路由协议其路由请求区域和消息广播方式存在的不足，本文设计了一种基于距离阈值修正的LAR 路由改进方法，通过两层距离阈值修正，以提高路由建立可靠性并进一步降低路由开销，缓解网络拥塞问题。仿真结果证明，在不同节点密度情况下，本文提出的DTC-LAR 改进协议在端到端时延、分组投递率、节省重播率等路由性能指标上都具有明显优势。但所提改进协议在低节点密度场景中的网络开销减小程度较低，性能提升有限，并且在超高移动或超高频率应用中的路由性能未知，未来需进一步研究其对不同网络环境的适用性。

目前无人机自组网的路由协议改进方法大多仅考虑通信层面。随着6G 通感算一体化研究的日益成熟，未来将进一步联合考虑无人机在网络中的通信与感知能力，并借助人工智能技术，设计感知辅助通信的无人机智能自组网，实现通-感-算多维资源的最优分配。