无人机自组网技术综述与发展展望*

2022-02-12 05:16陈俊良李犹海
电讯技术 2022年1期
关键词:路由信道传输

黄 巍,陈俊良,李犹海

(1.陆军装备部驻重庆地区军事代表局驻成都地区第二军事代表室,成都 610041;2.陆军装备部驻重庆地区军事代表局,重庆 400060;3.重庆邮电大学 移动通信技术重庆市重点实验室,重庆 400065)

0 引 言

在无人机系统中,多架无人机的协同应用相比单个无人机系统具备生存性和扩展性更强、数据可交互等优势,同时也不可避免地存在一些亟待解决的问题,其中最典型的就是无人机编队中的协同通信问题。如何设计未来发展中需要的高性能、高可靠性通信协议网络更是当前研究的热点。

美军在21世纪初公布的无人系统路线图中将无人机规划为未来全球信息栅格中的重要节点,并指出无人机自组网将会是未来无人作战的发展方向[1]。无人机自组网正是基于此种背景下被提出,它在无人机协同通信中引入移动自组网(Mobile Ad Hoc Network,MANET)和车载自组网(Vehicle Ad Hoc Network,VANET)的概念[2],使网络中无人机能够采集态势信息并将其传递到主控机,同时还能传输控制指令以提供安全可靠且抗击打能力强的网络通信,极大提高了无人机的应用前景。

已有的无人机群通信网络并非完全依赖地面控制站,而是由无人机自发地组织起通信网络,将采集到的情报信息、态势感知以及数据指令等消息相互传递共享。在该自组织网络中,没有中心控制节点,每一个节点均作为终端节点和路由节点,以达到信息共享的目的。同时,网络中的每一个节点均可自由入网和退网,不会对网络性能有影响,使得无人机群有着较强的自修复能力。

1 无人机自组网的网络结构

无人机自组网是移动自组网在无人机领域中的进一步应用,其不同于普通移动自组网,主要体现在无人机自组网中网络节点在移动的过程中不受地形干扰,且其速度一般比传统的移动自组网节点要快很多。其网络结构多采用分布式控制,优点在于路由选择是由网络中的少量节点来完成,这样既减少了节点间的网络信息交换,又克服了路由控制过于集中的缺点。无人机自组网的网络结构根据网络节点拓扑和特性可以分为平面结构和分簇结构。在平面结构中,网络鲁棒性和安全性较高,但扩展性较弱,适用于小型规模的自组网;在分簇结构中,网络的扩展性较强,更适用于大规模无人机自组网。

1.1 平面结构

平面结构又称为对等式结构,该结构中各个节点无差别,在能量分配、网络结构和路由选择等方面都是相同的,该网络结构如图1所示。由于该无人机节点数量有限、分布简单使该网络具有较强的鲁棒性和较高的安全性,信道间干扰小。然而,随着节点的增加,每个节点存储的路由表和任务信息随之增加,网络负载随之增加,系统控制开销陡然增大,使系统难以控制并且容易崩溃。因此,该平面结构无法同时存在大量节点导致其可扩展性差,只适用于小规模的自组网。

图1 平面结构

1.2 分簇结构

分簇结构是根据无人机节点功能不同将其划为若干个不同的子网络。在每个子网络中,选出一个关键节点,其功能是作为该子网络的指令控制中心,用于连接网络内其他节点。分簇结构内各子网络的关键节点互相连接可互相通信,非关键节点间的信息交换既可通过关键节点进行也可以直接进行通信。整个子网络的关键节点与非关键节点共同构成了分簇网络。依据节点配置不同,可以进一步分为单频分簇和多频分簇。

1.2.1 单频分簇

如图2所示,在单频分簇结构中,网络中存在簇头/非簇头节点、网关/分布式网关节点共四类节点,骨干链路由簇头与网关节点构成。各节点用相同频率进行通信,组网形式简单、迅速,频带利用率也更高。然而,这种网络易存在资源受限的情形,比如网络中节点增大时易出现信道间的串扰。为了避免同频干扰造成任务执行的失败,在较大规模的无人机自组网中,各簇半径近似时应避免使用该结构。

图2 单频分簇结构

1.2.2 多频分簇

与单频分簇一层一个簇不同的是,多频分簇包含若干个层,层内包含若干个簇。在分簇网络中,网络节点可分为不同的多个簇,簇内不同节点根据级别的不同分为簇头节点和成员节点,并分配不同通信频率。在簇内,成员节点承担任务简单,不会大幅增加网络路由开销,但簇头节点需进行簇内管理,有较复杂的路由信息需要维护,消耗能量大。类似地,通信覆盖能力也是根据节点级别不同而有所区别,级别越高,覆盖能力越大。另一方面,当一个节点同时属于两个级别时,表明该节点需使用不同频率来执行多个任务,因此频率数与任务数相同。

具体的多频分簇结构如图3所示。该结构中,簇头与簇内其他成员以及其他层簇内节点通信,各层通信互不干扰。这种结构适用于大规模无人机之间的自组网,相比单簇结构,可扩展性更好,所搭负载也更高,也可以处理更复杂的数据。然而,因为簇头节点需要处理大量网络数据,能量消耗相比其他簇节点也更快,故而网络寿命比单频分簇结构更短。此外,分簇网络中每一层簇头节点的选取不是固定不变的,任何节点都可以称为簇头。对某一节点而言,能否成为簇头,需依据网络结构来决定是否要启动分簇机制。因此,网络的分簇算法在分簇网络中有着重要作用。

图3 多频分簇结构

2 无人机自组网协议层次模型

2.1 协议分层模型

无人机ad hoc网络与传统无线移动网络相比其工作环境更加复杂,因此无人机组网所选用的技术也不同,这种不同最直观的差异在于协议体系架构上。通常开放系统互联参考模型(Open Systerm Interconnection Reference Model,OSI)协议体系结构包含应用层、传输层、网络层、数据链路层、物理层这五层协议栈。然而,现有的不论单机作战还是多机协同作战模式中,无人机之间信息交互的重点是点到点通信,通信网络更多的是采用三层网络模式,即应用层、链路层和物理层[3]。然而,对于无人机网络模型,一方面,无中心和自组织的网络特性使得要考虑更为复杂的组网问题,机间通信的要求也更高,不能只简单考虑原有协议模型,而需要利用更高层次协议进行组网通信;另一方面,由于无人机的高速移动和不断变化的通信距离更会引起链路质量不稳定,这种不稳定不能保证点对点的低丢包率、误码率的信息传输,会使得整个系统开销增大。为解决上述问题,当前无人机自组网大多采用包含应用层、网络层、数据链路层和物理层的四层协议体系结构[4],有的还根据需要仍然在应用层和网络层之间保留传输层。其协议分层模型如图4所示。

图4 无人机自组网协议分层模型

2.2 网络各层功能描述

结合无人机ad hoc 网络在现代战场中的实际应用,下面将针对图4介绍各层的主要功能。

作为无人机自组网协议分层模型的最高层,应用层将直接为用户的应用进程提供服务。比如,在无人机通信系统中,将会根据当前各作战平台的作战任务,产生数据信息、遥控、遥测等具有实际意义的业务数据,并根据不同业务的通信需求使得协议栈在各层网络之间协调工作[5]。

传输层实现用户数据的端到端投递,其封装信息的基本单位是报文段。传输层协议可以进一步分为无连接和面向连接两类:前者简单地通过端口区分不同的应用;后者通过三次握手建立连接,并通过拥塞控制、流量控制、自动重传等差错控制策略实现报文段的有序、可靠投递。

网络层的主要功能是路由转发与网络管理。具体而言,该层将数据打包、封装,并以数据包或者分组形式在网络中转节点进行分发,直到数据准确传输目的节点。同时,还可以根据网络状态对网络节点进行分簇,监测网络状态是否同步以及安全,完成节点的入退网管理。

数据链路层将上层传输下来的信息封装成帧,对信道进行公平分配,在相邻节点的链路上进行数据传输来完成整个网络的通信[6]。数据链路层可对网络帧结构中的重要信息进行实时监测,以满足网络的传输需求。

物理层通过对信道传输信息进行加密解密、调制解调以及信号的接收与转发,并完成数据在相邻节点间的信号传输[7]。

3 自组网关键技术

3.1 介质访问控制(MAC)关键技术

3.1.1 MAC协议

MAC层对自组网的性能有着决定性作用,它通过对信道上分组进行收发来解决多数自组网中普遍存在的终端暴露、隐藏以及公平性问题[8]。然而,对于无人机自组网而言,无人机节点具有高速的移动性,并且通信距离时常变化,这些容易造成链路频繁波动,不利于无人机间通信组网,尤其是网络中存在优先级高、需要实时传输的信息时,更是给MAC层控制带来了挑战。现阶段,无人机主要根据不同信道的接入方法可以分为两大类,即基于竞争类MAC协议和基于调度类MAC层协议[9],具体如图5所示。

图5 无人机自组网MAC协议分类

(1)基于竞争类MAC协议

包括随机竞争以及预留竞争在内的这两种竞争方式都是以竞争类为基础的MAC协议的主要组成部分。但是采用随机竞争这种方式的MAC协议会导致在传输时产生碰撞概率很高的问题,这会使得在传输过程中,传输的成功率以及对信道的利用效率会随着流量的增长而下降,因此往往会选择以IEEE 802.11 DCF为基础的MAC协议。在无人机自组网的应用领域中,最先采用的是 IEEE 802.11 标准[10]。这个标准经常用于 MANET 的 MAC 层设计;此外,它也是大部分无人机自组网在研究路由协议时的首选。不过,虽然隐藏终端的问题可以使用RTS/CTS机制进行解决,但是该协议的性能却受到航空环境中传播延迟的严重影响。文献[11]设计了一个可自行重构的IEEE 802.11s mesh无人机网络,该网络由两个无人机节点和一个地面节点共同组成,并且通过实际的人机飞行轨道实验证明了IEEE 802.11s这种网络设计方案完全是合理的。文献[12]在单跳无人机自组网络的MAC层将每个节点都进行建模后成为一个以IEEE 802.11 DCF模型结构为基础的分组排队系统,从而可以获得平均衰落时延,并且在衰落信道的条件下对非饱和流量数据分组的平均时延性进行了数值统计和测量分析。

(2)基于调度类MAC协议

基于调度协议类型的MAC协议主要可以分为基于轮替节点接入和基于固定节点接入这两类,通过对节点网络调度资源的预先规划来有效的确保每个节点的实时通信调度需求。由于系统使用了冲突避免的预规划处理方式,在网络系统负载负担较重时依然能够保证一定的数据吞吐量和高速时延处理性能,但是却无法满足高优先级突发事件业务的高速实时数据传送业务需求。

令牌环作为轮替接入的一种常用方式,在众多研究中得到了应用。在文献[13]中,一类MAC层令牌协议被提出,该协议采用全双工和多分组方式可有效消除信息碰撞;此外,在不完全信道信息状态下验证了MAC层协议的有效性。在文献[14]中,针对具有感知能力的无人机自组网节点,作者为解决隐藏节点的协调传输、码元分配等问题,提出了使用令牌循环的方法。该方法经过理论分析与验证后,表明在网络中负载较大时依旧可以解决相关问题。针对无线通信的无人机编队,韩海艳等[15]为了使协议性能提高,在固定的TDMA协议中引入竞争机制以及业务优先级,然而这种引入机制仍然存在一定的优化空间。

3.1.2 MAC层中优先级队列的分类管理

无人机自组网中通常是通过簇内一个簇头节点进行信息转发、数据传输与处理,进而实现机间通信。在无人机间通信中,无人机产生的数据类型可以根据优先程度划分为N个等级;同时,在此过程中,每个无人机间数据包的产生速率是随机的,服从泊松分布。进而整个网络的业务流实现了从应用层到MAC层的传输,然后按照优先级因子的排序对业务流进行分类和帧封装来等待传输。等待的过程实际上就是时隙分配过程,图6给出了具体的优先级队列调度图。另一方面,由图7可知,当优先级队列传输到MAC层时,会优先进入队列调度缓存去,然后设置信道为单通道传输模式。缓存区的容量通常设置为K,该容量包含由缓存区A和B两部分组成,这样缓存区中的队列模式将为M/M/1/K模型,利用此种模型来实现业务流的传输。

图6 队列调度模块图

图7 M/M/1/K 排队模型

3.2 路由关键技术

由于无人机自组网存在能量受限、网络拓扑变化频繁、链路易断裂等问题,早期的路由协议已难以满足无人机自组织网络的各种性能需求。针对这个问题,许多学者进行了大量的研究,提出了各种优化方案。

文献[16]结合了贪婪转发以及泛洪路由这两种策略,并在利用两种常见的自组网路由协议的基础上提出了一种新的自组网路由协议。该协议利用混沌粒子群优化算法对因为贪婪转发而产生的次优选择问题进行了有效的优化,并且采用了基于距离的有限泛洪算法,对能耗问题以及网络拥堵问题进行了处理。仿真结果表明,与传统的路由协议相比,该协议有着明显的优势。

由于平面结构的路由协议的性能会随着无人机的节点数目增加而降低,因此针对这种情况,文献[17]设计了一种分层路由协议ENC-AODV(Energy and Node degree Weighted Clustering AODV)。考虑节点和节点的剩余能量这两方面的因素,选择稳定性最好的节点作为簇头,并周期性地进行节点簇头维护,使网络中的能量维持在一个均衡状态,防止大量的路由控制消息扩散,从而减小路由开销,并且可以增加网络的生存时间。仿真结果表明提出的协议面对大规模无人机组网有更好的性能。

Leonov等人[18]以蚁群和蜂群算法为参考,提出了聚类算法来完成高负载无人机之间的组网和通信。实验结果表明,在高负载的无人机网络中,提出的聚类算法的性能要明显优于现有的各种算法。但由于该算法对无人机计算能力要求高,实际应用场景范围非常有限。

文献[19]考虑了链路的寿命、相邻节点的数目以及路由的开销等因素,对AODV路由协议进行改进,并且可以寻找剩余能量最高的节点进行路由修复。文献[20]考虑了节点的方向以及速度等方面,提出了AOMDV路由协议优化算法,可以增加节点的平均剩余能量并且有效降低路由的成本和延迟。不过由于该模型对无人机的飞行速度要求太高,而且要求无人机的计算能力很强,因此不符合无人机的实际应用场景。

文献[21]利用小波神经网络(Wavelet Neural Netwok,WNN)预测模型对链路的性能进行了预测,通过综合考虑节点的拥塞情况对AODV协议进行了有效的改进,并且利用有效的预测降低了网络中的延迟,提高了数据包的传输效率,减少了无人机网络拓扑变化频繁对网络质量产生的不良影响。但是由于该算法的预测模型十分复杂,而且没有考虑到节点能量方面的因素,无法实际应用到无人机领域中,所以其实用性很差。

文献[22]采用高斯马尔科夫模型对相邻节点的速度以及节点的位置进行了预测,并且提出了MP-GPSR协议;此外,为了提高链路的稳定性,还考虑了LLT因素。文献[23]针对GPSR协议无法精确预测相邻节点位置的问题,提出了一种自适应的信标方案ABPP,不仅可以准确地预测无人机所在位置,还可以对信标的频率进行动态调整。

3.3 无线资源管理

目前,无人机自组网规模日渐增大,网络拓扑结构迅速变化,导致了信道带宽资源严重受限、网络不稳定等问题。传统的资源管理协议不能满足无人机自组网的需求,因此进行合理的资源分配提高信道利用率变得至关重要。针对无人机自组网的资源管理技术,许多机构与学者对其进行了大量的研究与实验。

文献[24]针对基于OFDMA的无人机群通信链路资源分配中系统容量与用户公平度之间的矛盾,提出了一种新的资源分配算法。该算法主要由子载波分配和功率分配两部分组成:在子载波分配过程中,每个子载波等功率分配,通过设置公平度门限确保在最大化系统容量时兼顾用户公平度;在用户功率分配过程中,采用基于灰狼算法的功率寻优策略,通过全局搜索实现用户间的功率分配。仿真结果表明,该方法具有较好的稳健性与寻优能力,即使在用户数较多的情况下仍然能够在最大化系统容量的同时具有较高的用户公平度,并且还可通过设置公平度门限的大小灵活地调整系统容量与用户公平度之间的关系。

文献[25]通过考虑无线网络中的不确定传输速率问题,采用鲁棒优化求解,基于不同的不确定集提出了三种资源调度鲁棒优化模型,并通过实例验证了所提模型的有效性。文献[26]研究了信道不确定状态下的分层异构网络中的无线资源分配方案,提出了一种分布式鲁棒资源分配方案,可以有效抑制不确定信道状态下用户收益减少的问题,具有较快的收敛速度与较好的性能。文献[27]研究了保密无线网络中的资源分配问题,通过考虑不确定信道状态的影响,提出了一种鲁棒资源分配方案,该方案在最坏情况下可以实现保密性能的最优化。

文献[28]提出了一种3D无人机部署和资源分配优化算法,分别对3D无人机的部署位置、用户的关联情况以及无人机的传输功率进行了优化,使得关联用户数目以及传输功率的网络实际效益最大化,同时确保用户的服务质量(Quality of Service,QoS)可以满足阈值。

文献[29]研究了无人机辅助时延敏感的无线传感数据收集系统,为了让无线传感节点可以自主和分布式地选择信道,设计了分布式信道选择算法;同时建立了随机信道选择博弈模型,最小化系统时延。仿真证明了分布式信道选择算法可以确保收敛到随机信道选择博弈的纯策略纳什均衡点。

文献[30]为了在无人机总功率有限的情况下使得无人机节点到无线用户终端节点以及控制中心节点的总信道容量最大,综合考虑了用户调度和功率分配这两方面的因素,在此基础上提出了一种联合优化算法,并且利用用户调度算法选择最佳用户进行接入。

3.4 拥塞控制关键技术

TCP拥塞控制技术保证了通信节点端到端稳定的数据收发,其中流量控制保证了发送速率的大小不会超过接收方的接受能力,拥塞控制保证了网络不会发生拥塞,超时重传、确认应答、检验和、序列号等机制为TCP的可靠传输提供了保障。但当链路质量不佳、路由切换频繁、误码率高等原因导致的数据丢失也会被误认为网络发生拥塞,从而导致发送窗口不必要的减小。基于以上问题,当前拥塞控制技术主要包括基于带宽估计的发送窗口调节机制、跨层优化机制和多路传输控制机制。

3.4.1 基于带宽估计的发送窗口调节机制

基于带宽估计的发送窗口调节机制是在传统的TCP拥塞控制中针对物理层误码率高造成的数据丢失而提供的一种避免机制。该机制通过计算信道带宽可知当前带宽利用率,在拥塞避免阶段可动态地调节发送速率,使窗口在更长的时间内保持在拥塞避免阶段。如图8所示,在拥塞避免阶段发送窗口较大,即在这个阶段发送速率较大,同时不会发生网络拥塞,窗口保持在这个阶段时长越大,网络吞吐量越大。

图8 TCP拥塞控制

3.4.2 跨层优化机制

TCP拥塞控制方案通过减小发送窗口避免大量数据注入网络从而发生拥塞。该方案认为丢包是由于网络拥塞所导致,一旦发现数据丢失,不区分数据丢失是由何种原因引起,源端立即减小发送窗口,降低发送速率。但在无人机自组网络中,链路失效和节点高速移动导致的路由频繁切换等非拥塞因素都会导致丢包。因此,不区分数据丢失的具体原因则会导致频繁降低发送窗口,增大传输时延。跨层优化机制实现了网络层次之间信息的交互,定位网络数据丢失的真正原因,避免发送速率长期处于低速状态。

3.4.3 多路传输控制机制

多路传输控制机制结合了当前主流的分布式思想,发送方通过分流的方式将发送的数据切割为多个子流,每一个子流都有着相同的任务——将应用层传递的数据包发送出去。同理,接收方采用同样的方式进行分流接收,接收的子流和发送的子流相对应。每一个子流都配有检测模块,该模块的作用是实时监测切割的子流的收发性能,根据收发情况计算出当前子流的状态,并将该状态作为评估信息反馈到发送方,发送方根据该评估信息针对性地对一些子流进行限流,以达到拥塞控制的目的。

4 研究展望

最近几年,美军在无人机领域取得了重大突破,取得了诸多成功[31]。特别是军用无人机技术被广泛应用在现代战争,无人机在战场上虽然大放异彩,但是也暴露了许多不足之处:无人机的通信抗干扰能力较弱,尤其是同频干扰无法避免;无人机定位巡航精度达到米级,但是受地形、天气等客观影响,其精度稳定性不足;无人机安全尚未完全解决,只能在被批准的隔离空域飞行,限制了其应用多样性。由于无人机节点经常进行高速移动需要的网络技术更严格,而网络拓扑的变化是动态的且通信链路的质量经常处于波动状态,最重要的是 MAC 协议和旋转协议设计。为了克服高速运动和长距离传输的负面影响,MAC层需要多个节点的高效协调以共享有限的组织。为了确保安全可靠的周转,网络层必须适应拓扑的快速变化。它在支持不同无人机任务的不同分发请求以及在灵活的高机动性结构中支持不同服务的不同 QoS 要求方面发挥着重要作用。总而言之,在未来无人机发展的方向主要有以下几个方面。

4.1 更加智能的控制技术

近年来,人工智能相关领域快速发展,而军用无人机方面人工智能算法的控制技术也得到了大幅度进步,控制技术包括自主导航技术、旋翼军用无人机和使用固定翼无人机的越障技术。稳定控制和军用飞机控制技术增加了战场的重要性,提高了隐藏的便利性,更加利于后勤援助任务的实现,例如导航、军械支援和被困人员的医疗救治等。智能控制还包括控制多个无人机,这些无人机能够协调创建并根据敌人情况快速自动改变队列。

4.2 更加先进的通讯技术

在人工智能算法下运行的小型军用无人机可用于执行侦察任务,通过使用更安全和加密的通信方式,能够在城市和森林等复杂区域进行操作。此外,以“螳螂”与“翼龙”等为代表的典型无人机作战平台之间需要更高效的实时通信链共享,同时对无人机的电子设备的可靠性及雷达系统的要求越来越高,以确保各种天气条件下无人机都可以在战场上发挥指挥作用。不同单位之间的情报支持和通信在小规模本地作战中参与小型作战任务时,卫星也可以代替导航。

4.3 多用途化和专业化

在功能和执行任务等方面,未来军用无人机将向两个方向演进。

一是多用途。随着无人机技术的发展,无人机的成本也在不断下降,因此无人机的通用性会越来越强,无人机的参与率也会提高。无人机易于维护,出勤率高,随着多机型平台的发展,功能强大、隐身、远程集成检测的无人机是未来的发展趋势。此外,无人机还要满足航母起降要求,兼容多种情报、电子战、平台等设备,提供可满足的模块化设计。与此同时,执行特殊任务的军事人员需求也在不断增长。

二是专业化。如果说多用途是满足应用需求的宽度,那么专业化就是满足应用需求的深度。它可以向各个方向进化,包括微型无人机、超耐用太阳能侦察无人机、高超音速无人机和两栖无人机等。

5 研究建议

随着无线通信技术的发展,当前的研究大部分为针对某一层的机制或协议进行有效的算法优化,如对传输层的TCP拥塞控制与流量控制方法提出新的改进,使网络在工作过程中不易出现网络拥塞等问题,但可能由于链路质量不佳或路由不稳定等问题导致数据频繁丢失,发送方多次重发,通信时延大大增加。同理,网络层路由协议的改进方案使得路由稳定性有一定的提升,但若出现高移动性和随机性的节点,则网络路由构建的频率会大大提高,使数据在该过程中频繁丢失等。通过对无人机自组网技术的探讨,笔者建议下一步可以从任务调度和不同网络间互联互通两方面进行更加深入的研究。

5.1 任务调度

任务调度是无人机协作的基础,目前多无人机的协同任务往往出现阻塞和排队等待的情况,限制了无人机的分布式任务分配。随着无人机在无线网络领域中地位的不断提升,如何对无人机进行详细的任务规划和调度,使得其能高效且低耦合衔接成为未来无人机快速发展的前提。任务调度包括任务分配和路径规划,任务分配根据优先级和队列进行自适应调度,路径规划防止同一区域内无人机的相互等待。

5.2 不同网络间互联互通

无人机组网一般用于军用网络,与民用网络一般不出现互联互通,然而大数据下的任务分配往往涉及到民用网络中的数据分析,因此需要与其他网络互联互通才能高效地进行数据交互。同时,无人机需要与其他民用设备、卫星、雷达等进行态势交换,才能使得覆盖面积进一步增大,数据精度进一步提高,从而提高无人机的任务精准度和执行能力。

猜你喜欢
路由信道传输
信号/数据处理数字信道接收机中同时双信道选择与处理方法
牵引8K超高清传输时代 FIBBR Pure38K
铁路数据网路由汇聚引发的路由迭代问题研究
一种基于虚拟分扇的簇间多跳路由算法
基于同轴传输的网络传输设备及应用
路由重分发时需要考虑的问题
关于无线电力传输的探究
一种无人机数据链信道选择和功率控制方法
支持长距离4K HDR传输 AudioQuest Pearl、 Forest、 Cinnamon HDMI线
空基Ad Hoc路由协议研究