一种无人机网络路由选取方法、装置及无人机节点与流程

本发明涉及无线通信技术领域，特别是涉及一种无人机网络路由选取方法、装置及无人机节点。

背景技术：

无人机由于具有自主飞行、快速部署和灵活组网的能力，所以在公用和民事领域均具有巨大的应用潜力，例如应急通信、环境监测、边境监视和监测、航空摄影以及灾难中的幸存者搜索和救援等。和单一无人机系统相比，多无人机系统能够更有效、更经济地完成任务。而在多无人机系统中，由于无人机具有快速移动性，会导致无人机网络拓扑结构的动态变化，使得无人机的路由不稳定。

在现有技术中，无人机路由算法没有考虑无人机的快速移动性对路由算法稳定性的影响，无疑会导致以下问题：由于无人机的高速移动性，所导致的无人机网络通信路由链路不可靠。

技术实现要素：

本发明实施例的目的在于提供一种无人机网络路由选取方法、装置及无人机节点，用以解决由于无人机的高速移动性，所导致的无人机网络通信路由链路不可靠的问题。具体技术方案如下：

本发明实施例提供了一种无人机网络路由选取方法，应用于无人机节点，包括：

当需要所述无人机节点建立关于源节点和目的节点之间的路由时，判断所述目的节点是否位于所述无人机节点的通信范围内，若是，将所述目的节点作为所述无人机节点的下一跳节点，路由选取结束；

若否，则将所述源节点和目的节点之间的空间直线作为最佳虚拟路由线路，确定所述最佳虚拟路由线路上的至少一个虚拟中继节点；按照预定的参考节点选取规则，从所述至少一个虚拟中继节点中选取参考节点；利用所述无人机节点通信范围内的各个邻居节点发送的实际位置和运动状态，确定当前时间段内所述各个邻居节点的预测位置；利用所述参考节点和所述预测位置，计算所述各个邻居节点对应的评判值，其中，任一邻居节点对应的评判值包括：该邻居节点与目的节点的距离、该邻居节点与所述参考节点的距离和该邻居节点在当前时间段内与所述无人机节点的持续连接时间；分别将各个邻居节点对应的评判值应用于效用函数，得到各个邻居节点对应效用函数值，将所对应的效用函数值最小的邻居节点，确定为所述无人机节点的下一跳中继节点，并触发所述下一跳中继节点继续为所述目的节点进行路由选取。

可选地，所述确定所述最佳虚拟路由线路上的至少一个虚拟中继节点，包括：

利用第一公式，计算待确定的虚拟中继节点的目标数量；

按照所述目标数量，将所述最佳虚拟路由线路等分，并将所述最佳虚拟路由线路上的各个等分点均确定为虚拟中继节点；

其中，所述第一公式为：

式中，nv为所述目标数量，dsd为所述源节点和目的节点之间的空间直线距离，dmax为无人机节点之间的最大通信距离。

可选地，所述按照预定的参考节点选取规则，从所述至少一个虚拟中继节点中选取参考节点，包括：

判断是否存在一个虚拟中继节点与目标点在最佳虚拟路由线路上的距离小于等于预定距离，所述目标点为所述无人机节点在所述最佳虚拟路由线路上的垂点；

若是，将第一节点的下一个虚拟中继节点作为参考节点，所述第一节点为与目标点在最佳虚拟路由线路上的距离小于等于预定距离的虚拟中继节点；

若否，则从所述目标点之后的多个虚拟中继节点中，选取与所述目的点距离最近的节点，作为参考节点。

可选地，所述利用所述无人机节点通信范围内的各个邻居节点发送的实际位置和运动状态，确定当前时间段内所述各个邻居节点的预测位置，包括：

针对所述无人机节点的通信范围内的每一邻居节点，将该邻居节点发送的实际位置和运动状态，代入高斯-马尔科夫模型的概率密度函数，确定当前时间段内该邻居节点的预测位置，该邻居节点的预测位置为使概率密度函数值最大的位置坐标，所述概率密度函数为：

其中，p{((xn,yn,zn)|(xn-1,yn-1,zn-1))}表示在位置坐标为(xn-1,yn-1,zn-1)上的邻居节点到达位置坐标(xn,yn,zn)的概率，(xn-1,yn-1,zn-1)为邻居节点的实际位置，(xn,yn,zn)为邻居节点的预测位置，δ(k)表示在当前时间段的第k个单位时间步长内关于所述运动状态中加速度的高斯分布的参数，为在当前时间段的第k个单位时间步长内关于所述实际位置中x坐标轴的值和所述运动状态中速度的高斯分布的参数，为在当前时间段的第k个单位时间步长内关于所述实际位置中y坐标轴的值和所述运动状态中速度的高斯分布的参数，为在当前时间段的第k个单位时间步长内关于所述实际位置中x坐标轴的值和所述运动状态中速度的高斯分布的参数，其中，所述当前时间段预先被划分为m个单位时间步长。

可选地，所述效用函数包括：

式中，为所述效用函数，为当前时间段内的第k个单位时间步长内的距离表征函数，表示邻居节点ri在当前时间段内与所述无人机节点的持续连接时间，表示所述持续连接时间段内的平均距离表征，max为预定的最大距离值；

其中，所述距离表征函数为：

式中，η1、η2为信噪比阈值，η1+η2＝1，为邻居节点ri的预测位置与所述目的节点d在当前时间段内的第k个单位时间步长内的距离，为邻居节点ri的预测位置与所述参考节点vp在当前时间段内的第k个单位时间步长内的距离，为所述无人机节点定向通信的最大距离；m为当前时间段内时间步长的数量，为所述无人机节点的各个邻居节点。

可选地，所述将所对应的效用函数值最小的邻居节点，确定为转发所述数据包的下一跳中继节点之后，所述方法还包括：

利用第三公式，计算定向通信对应的待调整角度，按照所述待调整角度调整针对于定向通信的数据发送角度，在调整角度后，向所述下一跳中继节点发送数据；

其中，所述第三公式为：式中，β∈(0,1)，dij为所述无人机节点到所述下一跳中继节点的预测位置的距离，为所述无人机节点的待调整角度为θ时定向通信的最大距离，β为所述dij与所述之间的预定的安全系数。

本发明实施例还提供了一种无人机网络路由选取方法，包括：

所述无人机网络中的源节点，当需要建立关于所述源节点和目的节点之间的路由时，判断所述目的节点是否位于自身的通信范围内，若是，将所述目的节点作为下一跳节点，路由选取结束；若否，则将源节点和目的节点之间的空间直线作为最佳虚拟路由线路，确定所述最佳虚拟路由线路上的至少一个虚拟中继节点，按照预定的参考节点选取规则，从所述至少一个虚拟中继节点中选取第一参考节点，利用所述无人机节点通信范围内的各个邻居节点发送的实际位置和运动状态，确定当前时间段内所述各个邻居节点的预测位置；利用所述第一参考节点和所述预测位置，计算所述各个邻居节点对应的评判值，其中，任一邻居节点对应的评判值包括：该邻居节点与目的节点的距离、该邻居节点与所述第一参考节点的距离和该邻居节点在当前时间段内与所述无人机节点的持续连接时间；分别将各个邻居节点对应的评判值应用于效用函数，得到各个邻居节点对应效用函数值，将所对应的效用函数值最小的邻居节点，确定为所述无人机节点的下一跳中继节点，并触发所述下一跳中继节点继续为所述目的节点进行路由选取；所述源节点的邻居节点为位于所述源节点的通信范围内的节点；

所述无人机网络中的属于下一跳中继节点的每一无人机节点，当需要该无人机节点建立关于所述源节点和目的节点之间的路由时，判断所述目的节点是否位于自身的通信范围内，若是，将所述目的节点作为下一跳节点，路由选取结束；若否，则将所述源节点和目的节点之间的空间直线作为最佳虚拟路由线路，确定所述最佳虚拟路由线路上的至少一个虚拟中继节点，按照预定的参考节点选取规则，从所述至少一个虚拟中继节点中选取第二参考节点，利用所述无人机节点通信范围内的各个邻居节点发送的实际位置和运动状态，确定当前时间段内所述各个邻居节点的预测位置；利用所述选取的第二参考节点和预测位置，计算所述各个邻居节点对应的评判值，其中，任一邻居节点对应的评判值包括：该邻居节点与目的节点的距离、该邻居节点与所述第二参考节点的距离和该邻居节点在当前时间段内与所述无人机节点的持续连接时间；分别将各个邻居节点对应的评判值应用于效用函数，得到各个邻居节点对应效用函数值，将所对应的效用函数值最小的邻居节点，确定为所述无人机节点的下一跳中继节点；其中，该无人机节点的各个邻近节点为位于该无人机节点的通信范围内的节点。

本发明实施例还一种无人机网络路由选取装置，应用于无人机节点，包括：

判断模块，用于当需要所述无人机节点建立关于源节点和目的节点之间的路由时，判断所述目的节点是否位于所述无人机节点的通信范围内；

第一处理模块，用于若判断模块判断为是，将所述目的节点作为所述无人机节点的下一跳节点，路由选取结束；

第二处理模块，用于若判断模块判断为否，则将所述源节点和目的节点之间的空间直线作为最佳虚拟路由线路，确定所述最佳虚拟路由线路上的至少一个虚拟中继节点；按照预定的参考节点选取规则，从所述至少一个虚拟中继节点中选取参考节点；利用所述无人机节点通信范围内的各个邻居节点发送的实际位置和运动状态，确定当前时间段内所述各个邻居节点的预测位置；利用所述参考节点和所述预测位置，计算所述各个邻居节点对应的评判值，其中，任一邻居节点对应的评判值包括：该邻居节点与目的节点的距离、该邻居节点与所述参考节点的距离和该邻居节点在当前时间段内与所述无人机节点的持续连接时间；分别将各个邻居节点对应的评判值应用于效用函数，得到各个邻居节点对应效用函数值，将所对应的效用函数值最小的邻居节点，确定为所述无人机节点的下一跳中继节点，并触发所述下一跳中继节点继续为所述目的节点进行路由选取。

本发明实施例还提供了一种无人机节点，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

存储器，用于存放计算机程序；

处理器，用于执行存储器上所存放的程序时，实现本发明实施例所提供的任一无人机网络路由选取方法步骤。

本发明实施例还提供了一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现本发明实施例所提供的任一无人机网络路由选取方法步骤。

本发明实施例还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述任一所述的无人机网络路由选取方法。

本发明实施例有益效果：

本发明实施例提供的方案中，考虑了无人机的快速移动性，对无人机节点的邻居节点的位置进行预测，并建立最佳虚拟路由线路，从最佳虚拟路由线路上的虚拟中继节点中，按照预定的参考节点选取规则，选取参考节点；进而计算邻居节点的评判值，将各个邻居节点对应的评判值应用于效用函数，得到各个邻居节点对应效用函数值，选取性能最好即效用函数值最小的邻居节点确定为下一跳中继节点，直至无人机路由选取结束。可见，本方案中对邻居节点的位置进行预测，并利用预测得到的位置计算邻居节点的评判值，将该评判值应用于效用函数，选取效用函数值最小的邻居节点作为下一跳中继节点，考虑了无人机的快速移动性对路由稳定性的影响，提高了路由稳定性，从而提升了无人机网络通信链路的可靠性。因此，通过本方案可以解决由于无人机的高速移动性，所导致的无人机网络通信路由链路不可靠的问题。

当然，实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本方法实施例所提供的无人机节点的空间分布模型图；

图2为本方法实施例所提供的定向天线和全向天线相结合的动态天线模型图；

图3为本发明实施例所提供的一种无人机网络路由选取方法的流程图；

图4为本发明实施例所提供的最佳虚拟路由线路示意图；

图5(a)、图5(b)、图5(c)、图5(d)分别为本发明实施例所提供的参考节点的选取的示意图；

图6为本发明实施例所提供的定向天线角度调整示意图；

图7为本方法实施例所提供的一种无人机网络路由选取装置的结构示意图；

图8为本发明实施例所提供的无人机节点信息更新示意图；

图9为本发明实施例所提供的无人机节点的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

为了解决由于无人机的高速移动性，所导致的无人机网络通信路由链路不可靠的问题，本发明实施例提供了一种无人机网络路由选取方法、装置及无人机节点。

下面首先对本发明实施例提供的一种无人机网络路由选取方法进行介绍。

为了理解本发明实施例的方法，图1示出了无人机网络中无人机节点的空间分布模型。由于无人机在三维立体空间内快速运动，所以可以将一个三维立体的无人机网络空间作为无人机的飞行区域，将该飞行区域分解成n个网格，网格编号为1-n，

其中，lmin为无人机节点之间的最小安全距离，lmin＝vmax·δts，vmax为无人机节点的最大移动速度，δts表示无人机安全制动时间。l、w、h分别为该飞行区域的长、宽、高。假设网格的长宽高均为lmin。所以无人机飞行区域q可以表示为：

将无人机视为无人机网络空间中的节点，多个无人机节点随机分布在该飞行区域中，无人机节点的节点集表示为u＝{u0,u1,...,un}，若无人机节点存在于无人机飞行区域q的网格i中，则该无人机节点的坐标可以为其所在网格i的中心坐标(xi,yi,zi)。

本发明实施例中，所提及的无人机节点的坐标均指无人机所在的网格的中心坐标。且由于最小安全距离的限制，在同一时间段，每个网格中最多只能存在一个无人机节点。且本发明实施例中，无人机类型可以相同，通信能力可以相同，所有无人机节点之间满足通信距离均可实现通信。另外，无人机网络空间符合自由空间模型，任意两个无人机节点之间的干扰忽略不计，则确定无人机节点i向无人机节点j传输信号的信号噪声比snrij的计算式为：

其中，pij表示无人机节点i向无人机节点j传输信号的信号功率，dij表示无人机节点i和无人机节点j之间的初始空间直线距离，hij表示小尺度衰落信道的功率增益，α为大尺度衰落模型的衰减指数，n0表示无人机节点i和无人机节点j传输信号的信道中的高斯白噪声，且服从(0,n)分布。

另外，无人机节点i向无人机节点j传输信号的传输成功概率为：

其中，η表示信噪比阈值。

为了保证无人机节点i和无人机节点j之间通信链路的qos，无人机节点i向无人机节点j传输信号的成功概率应满足：

p(snrij≥η)≥ψ

其中，ψ表示qos(servicequality，服务质量)在信噪比传输概率上的约束阈值。可见，传输成功概率大于该约束阈值时，信号才能被成功接收。

由上述概率公式可知，在无人机节点i和无人机节点j传输信号时，当信号功率pij、信道中的高斯白噪声n0、衰减指数α一定，且信号的传输成功概率p(snrij≥η)＝ψ时，可以得到无人机节点之间的最大通信距离dmax为：

为了理解本发明实施例无人机节点之间的通信场景，如图2所示，提出了定向天线和全向天线相结合的动态天线模型。参见图2，对于无人机节点ri来说，当无人机节点ri需要选择下一跳中继节点时，需要检测上一时间段内周围可选的邻居节点rj，该邻居节点为rj的位置为而无人机节点ri所在的位置为需要说明的是，为增加可选的邻居节点的范围，则采用全向通信，图2中球形虚线表示无人机节点ri全向通信的范围，为全向通信的最大距离，为：

其中，表示来自除了节点j之外其他节点对节点i的干扰。

假设通过计算rj的预测位置，确定出rj为下一跳中继节点。那么，在ri向rj发送数据时，由于无人机具有快速移动性，因此，无人机节点ri从移动到下一跳中继节点rj从移动到(real)。而为了保证数据的有效传输，无人机节点ri基于rj的预测位置(pre),采用如图中圆锥形虚线所表示的定向天线向下一跳中继节点发送数据，以增加传输距离，从而延长连接时间，定向通信最大传播距离为：

天线增益为其中θ是主波束的波束宽度，且忽略所有旁瓣。定向天线的覆盖角度为[θmin,θmax]，且θmax＝360°。

下面结合附图，对本发明实施例所提供的一种无人机网络路由选取方法进行介绍。

本发明实施例所提供的一种无人机网络路由选取方法,应用于无人机节点，即执行该方法的执行主体为无人机节点。针对需要建立源节点和目的节点之间的路由而言，作为执行主体的无人机节点可以为属于源节点的无人机节点，以及路由选取过程中所确定的属于下一跳中继节点的每一无人机节点。需要强调的是，由于无论针对属于源节点的无人机节点，还是属于下一跳中继节点的无人机节点，在建立源节点和目的节点之间的路由过程中，所执行的步骤均相同，因此，本发明实施例中，以存在路由选取动作的每一无人机节点作为执行主体，来描述本发明实施例所提供的一种无人机网络路由选取方法。每一无人节点所选则的路由为下一跳路由。

如图3所示，本发明实施例所提供的一种无人机网络路由选取方法，应用于无人机节点，可以包括如下步骤：

s101，当需要所述无人机节点建立关于源节点和目的节点之间的路由时，判断所述目的节点是否位于所述无人机节点的通信范围内，若是，执行步骤s102；否则，执行s103；

s102，将所述目的节点作为所述无人机节点的下一跳节点，路由选取结束；

s103，将所述源节点和目的节点之间的空间直线作为最佳虚拟路由线路，确定所述最佳虚拟路由线路上的至少一个虚拟中继节点，按照预定的参考节点选取规则，从所述至少一个虚拟中继节点中选取参考节点；

s104，利用所述无人机节点通信范围内的各个邻居节点发送的实际位置和运动状态，确定当前时间段内所述各个邻居节点的预测位置；

s105，利用所述参考节点和所述预测位置，计算所述各个邻居节点对应的评判值，其中，任一邻居节点对应的评判值包括：该邻居节点与目的节点的距离、该邻居节点与所述参考节点的距离和该邻居节点在当前时间段内与所述无人机节点的持续连接时间；分别将各个邻居节点对应的评判值应用于效用函数，得到各个邻居节点对应效用函数值，将所对应的效用函数值最小的邻居节点，确定为所述无人机节点的下一跳中继节点，并触发所述下一跳中继节点继续为所述目的节点进行路由选取。

步骤s103-s105为在判断出所述目的节点未位于所述无人机节点的通信范围内时，所执行的路由选取动作。

在步骤s101中，判断所述目的节点是否位于所述无人机节点的通信范围内，即判断该目的节点与该无人机节点之间的空间直线距离是否小于等于该无人机节点的最大通信距离dmax。

在步骤s103-s105中，当所述目的节点不位于所述无人机节点的通信范围内，选取下一跳路由。

在步骤s103中，若目的节点不在无人机节点的通信范围，根据源节点和目的节点之间的距离可知，最少需要通过一跳中继节点来连接。则根据最短路径原则，最佳的路由lv，即最佳虚拟路由线路可以是源节点到目的节点之间的直线。其中，确定所述最佳虚拟路由线路上的至少一个虚拟中继节点的实现方式存在多种。示例性的，在一种实现方式中，确定所述最佳虚拟路由线路上的至少一个虚拟中继节点，可以包括：

利用第一公式，计算待确定的虚拟中继节点的目标数量；

按照所述目标数量，将所述最佳虚拟路由线路等分，并将所述最佳虚拟路由线路上的各个等分点均确定为虚拟中继节点；

其中，所述第一公式为：

式中，nv为所述目标数量，dsd为所述源节点和目的节点之间的空间直线距离，dmax为无人机节点之间的最大通信距离。

按照第一公式计算待确定的虚拟中继节点的目标数量，按照该目标数量，将所述最佳虚拟路由线路等分，并将该最佳虚拟路由线路上的各个等分点均确定为虚拟中继节点，则相邻的虚拟中继节点的距离dv为：

最佳虚拟路由则可以表示为：其中源节点为第一个节点，目的节点为最后一个节点，虚拟中继节点按照从源节点到目的节点的顺序排列。

为了便于理解方案，参见图4给出的最佳虚拟路由线路的示意图。在图4中，v1(s)为源节点，同时作为最佳虚拟路由线路上的第一个节点，vnv(d)为目的节点，同时作为最佳虚拟路由线路上的最后一个节点，源节点和目的节点的全向通信距离为并且，对源节点和目的节点之间的空间直线进行了4等分，因此，在最佳虚拟路由线路上确定了五个虚拟中继节点：v1(s)、vi-1、vi、vi+1以及vnv(d)，相邻两个虚拟中继节点之间的距离为dv。

上述的确定所述最佳虚拟路由线路上的至少一个虚拟中继节点的仅仅作为一种示例，并不应该构成对本发明实施例的限定。例如：可以从关于节点数量与线路长度范围的映射关系，选取与所述最佳虚拟路由线路所属的线路长度范围相对应的节点数量，作为目标数量，进而，按照该目标数量，将所述最佳虚拟路由线路等分，并将所述最佳虚拟路由线路上的各个等分点均确定为虚拟中继节点。

步骤s103中所述的按照预定的参考节点选取规则，从所述至少一个虚拟中继节点中选取参考节点的具体实现方式存在多种。示例性的，在一种实现方式中，按照预定的参考节点选取规则，从所述至少一个虚拟中继节点中选取参考节点，可以包括：

判断是否存在一个虚拟中继节点与目标点在最佳虚拟路由线路上的距离小于等于预定距离，所述目标点为所述无人机节点在所述最佳虚拟路由线路上的垂点；

若是，将第一节点的下一个虚拟中继节点作为参考节点，所述第一节点为与目标点在最佳虚拟路由线路上的距离小于等于预定距离的虚拟中继节点；

若否，则从所述目标点之后的多个虚拟中继节点中，选取与所述目的点距离最近的节点，作为参考节点。

其中，该预定距离为k为当前时间段的第k个时间步长，dv为相邻的虚拟中继节点的距离。

具体的，在路由建立初始阶段，由于源节点即为虚拟路由线路的第一个节点，即源节点(s)即为虚拟路由节点v1，所以源节点s与虚拟路由节点v1之间的距离必然小于等于预定距离，所以源节点v1(s)以v2为参考节点，在邻居节点中选取下一跳中继节点；

下一跳中继节点更新为当前无人机节点rp，无人机节点rp的参考节点的选取规则如如图5所示：

若无人机节点rp在s-d方向上距离源节点v1(s)的距离小于等于则无人机节点rp的参考节点为v2，如图5(a)；

若无人机节点rp在s-d方向上距离虚拟中继节点v2的距离小于等于则无人机节点rp的参考节点为v3，如图5(b)；

若无人机节点rp在s-d方向上距离源节点v1(s)和虚拟中继节点v2的距离均大于则无人机节点rp的参考节点为v3，如上图5(c)；

总结如图5(d)：

若无人机节点rp在s-d方向上与虚拟中继节点vi的距离小于等于即该无人机节点rp在图5(d)的区域ⅰ，则将该虚拟中继节点vi的下一个虚拟中继节点vi+1作为参考节点；

若无人机节点rp在s-d方向上与相邻的前后两个虚拟中继节点vi和vi+1的距离均大于即该无人机节点在图5(d)的区域ⅱ，则选择vi+1作为参考节点。

步骤s104中，所述利用所述无人机节点通信范围内的各个邻居节点发送的实际位置和运动状态，确定当前时间段内所述各个邻居节点的预测位置，可以包括：

针对所述无人机节点的通信范围内的每一邻居节点，将该邻居节点发送的实际位置和运动状态，代入高斯-马尔科夫模型的概率密度函数，确定当前时间段内该邻居节点的预测位置，该邻居节点的预测位置为使概率密度函数值最大的位置坐标，所述概率密度函数为：

其中，p{((xn,yn,zn)|(xn-1,yn-1,zn-1))}表示在位置坐标为(xn-1,yn-1,zn-1)上的邻居节点到达位置坐标(xn,yn,zn)的概率，(xn-1,yn-1,zn-1)为邻居节点的实际位置，(xn,yn,zn)为邻居节点的预测位置，δ(k)表示在当前时间段的第k个单位时间步长内关于所述运动状态中加速度的高斯分布的参数，为在当前时间段的第k个单位时间步长内关于所述实际位置中x坐标轴的值和所述运动状态中速度的高斯分布的参数，为在当前时间段的第k个单位时间步长内关于所述实际位置中y坐标轴的值和所述运动状态中速度的高斯分布的参数，为在当前时间段的第k个单位时间步长内关于所述实际位置中x坐标轴的值和所述运动状态中速度的高斯分布的参数，其中，所述当前时间段预先被划分为m个单位时间步长。

该概率密度函数由以下方式推导得出，具体的方式如下：

由于无人机具有快速移动性，传统的路由算法无法适应无人机网络拓扑结构的变化，为了减轻无人机的快速移动性对路由稳定性的影响，则需要对无人机节点的通信范围内的各个邻居节点的位置分布进行预测。针对上一时间段各个邻居节点的实际位置，确定当前时间段内各个邻居节点的预测位置。

定义δt为介于tn-1时刻和tn时刻之间的单位时间步长，当前时间段δt＝tn-tn-1＝mδt，m表示单位时间步长的数量。假设无人机节点在tn时刻的速度服从随机分布。因此，无人机节点可以被视为均匀运动，且无人机节点的加速度可以被视为单位时间内一系列具有恒定方差的白高斯噪声。

则在当前时间段δt内的第k个单位时间步长时，无人机节点在x坐标轴的速度和坐标为：

其中，是加速度分量，则在当前时间段的第k个单位时间步长内关于所述运动状态中加速度的高斯分布的参数为：

在当前时间段的第k个单位时间步长内所述实际位置中x坐标轴的值和所述运动状态中速度的高斯分布的参数为：

同理可以推导出y坐标轴和z坐标轴的高斯分布的参数和

因此，位置坐标为(xn-1,yn-1,zn-1)的邻居节点，经过k个单位时间步长之后，到达位置坐标(xn,yn,zn)的概率密度函数实现为：

则邻居节点ri在第n个单位时间步长之后的坐标位置为：

假设无人机在每一个单位步长时间内的位置不变，则可以预测无人机的邻居节点ri在当前时间段内的移动轨迹为：

步骤s105中，所述效用函数，包括：

式中，为所述效用函数，为当前时间段内的第k个单位时间步长内的距离表征函数，表示邻居节点ri在当前时间段内与所述无人机节点的持续连接时间，表示所述持续连接时间段内的平均距离表征，max为预定的最大距离值；

其中，所述距离表征函数为：

式中，η1、η2为信噪比阈值，η1+η2＝1，为邻居节点ri的预测位置与所述目的节点d在当前时间段内的第k个单位时间步长内的距离，为邻居节点ri的预测位置与所述参考节点vp在当前时间段内的第k个单位时间步长内的距离，为所述无人机节点定向通信的最大距离；m为当前时间段内时间步长的数量，为所述无人机节点的各个邻居节点。

定义为邻居节点ri与所述目的节点d的距离表征：

所以表示当前时间段内的第k个时间步长内所述邻居节点ri与所述目的节点的距离表征。

其中，所述邻居节点ri在当前时间段内与所述无人机节点的持续连接时间为：

式中，表示所述持续连接时间值，为邻居节点ri的预测位置与无人机节点rp的距离，该距离为：

max为预定的最大距离值，由于持续连接的时间越长，路由越稳定，所以连接的时间应该作为第一考虑因素。所以当时，需要预设一个最大距离值，例如，max＝2dsd。

所述持续连接时间段内的平均距离表征为：

m′是邻居节点ri在无人机节点rp通信范围内的单位时间步长的个数。为了简化计算，也可以将第一个单位时间步长内的当做

由于无人机的路由稳定性与邻居节点ri在当前时间段内与所述无人机节点的持续连接时间邻居节点ri的预测位置与所述参考节点vp在当前时间段内的距离邻居节点ri的预测位置与所述目的节点在当前时间段内的距离有关，具体的，持续连接时间越长，距离和距离越小，无人机的路由稳定性越好，所以可以应用考虑持续连接时间并表示最短距离的效用函数表征无人机路由的稳定性。

另外，将所述偏离程度最小的邻居节点确定为转发所述数据包的下一跳中继节点之后，所述方法还包括：

利用第三公式，计算定向通信对应的待调整角度，按照所述待调整角度调整针对于定向通信的数据发送角度，在调整角度后，向所述下一跳中继节点发送数据；

其中，所述第三公式为：式中，β∈(0,1)，dij为所述无人机节点到所述下一跳中继节点的预测位置的距离，为所述无人机节点的待调整角度为θ时定向通信的最大距离，β为所述dij与所述之间的预定的安全系数。

具体的，如图6所示，无人机节点ri将根据邻居节点rj1和rj2的的预测位置来调整定向天线的方向和波束宽度θ，该波束宽度即为定向天线角度。图中，θ1为调整后无人机节点ri向邻居节点rj1发送数据时定向天线的波束宽度，为邻居节点rj1的预测位置，为邻居节点rj1的实际位置；θ2为无人机节点ri向邻居节点rj2发送数据时定向天线的波束宽度，为邻居节点rj2的预测位置，为邻居节点rj2的实际位置，dij1为无人机节点ri到邻居节点rj1的预测距离，dij2为无人机节点ri与邻居节点rj2的预测距离，dmax1为波束宽度θ1时无人机节点ri定向通信的最大距离，dmax2为波束宽度θ2时无人机节点ri定向通信的最大距离。

如果发射功率是固定的，则最大发射距离和覆盖面积可以由相应方向天线的角度决定，波束宽度与定向通信的最大距离的关系为：

式中，pij表示无人机节点i向无人机节点j传输信号的信号功率，ψ表示qos(servicequality，服务质量)在信噪比传输概率上的约束阈值，η表示信噪比阈值，n0表示无人机节点i和无人机节点j传输信号的信道中的高斯白噪声，ui为无人机节点i，α为大尺度衰落模型的衰减指数，为定向通信最大传播距离。

因此，定向天线的角度可以根据预测离dij动态调整。由于邻居节点rj的预测位置和实际位置之间可能存在的差异，我们提出了预测距离dij与角度调整的最大通信距离之间的安全系数β：

其中0<β<1和β的值取决于邻居节点的移动速度。β的值将随着无人机移动速度的增加而减小。因此，可根据预测距离dij和安全系数β的值动态调整定向天线角度θ。

本发明实施例提供的方案中，考虑了无人机的快速移动性，对无人机节点的邻居节点的位置进行预测，并建立最佳虚拟路由线路，从最佳虚拟路由线路上的虚拟中继节点中，按照预定的参考节点选取规则，选取参考节点；进而计算邻居节点的评判值，将各个邻居节点对应的评判值应用于效用函数，得到各个邻居节点对应效用函数值，选取性能最好即效用函数值最小的邻居节点确定为下一跳中继节点，直至无人机路由选取结束。可见，本方案中对邻居节点的位置进行预测，并利用预测得到的位置计算邻居节点的评判值，将该评判值应用于效用函数，选取效用函数值最小的邻居节点作为下一跳中继节点，考虑了无人机的快速移动性对路由稳定性的影响，提高了路由稳定性，从而提升了无人机网络通信链路的可靠性。因此，通过本方案可以解决由于无人机的高速移动性，所导致的无人机网络通信路由链路不可靠的问题。

下面对本发明实施例提供的另一种无人机网络路由选取方法进行介绍。该无人机网络路由选取方法应用于无人机网络，通过无人机网络中的源节点和下一跳中继节点所执行的步骤，来体现针对于源节点到目的节点的路由选取过程。

本发明实施例所提供的另一种无人机网络路由选取方法，可以包括如下步骤：

所述无人机网络中的源节点，当需要建立关于所述源节点和目的节点之间的路由时，判断所述目的节点是否位于自身的通信范围内，若是，将所述目的节点作为下一跳节点，路由选取结束；若否，则将源节点和目的节点之间的空间直线作为最佳虚拟路由线路，确定所述最佳虚拟路由线路上的至少一个虚拟中继节点，按照预定的参考节点选取规则，从所述至少一个虚拟中继节点中选取第一参考节点，利用所述无人机节点通信范围内的各个邻居节点发送的实际位置和运动状态，确定当前时间段内所述各个邻居节点的预测位置；利用所述第一参考节点和所述预测位置，计算所述各个邻居节点对应的评判值，其中，任一邻居节点对应的评判值包括：该邻居节点与目的节点的距离、该邻居节点与所述第一参考节点的距离和该邻居节点在当前时间段内与所述无人机节点的持续连接时间；分别将各个邻居节点对应的评判值应用于效用函数，得到各个邻居节点对应效用函数值，将所对应的效用函数值最小的邻居节点，确定为所述无人机节点的下一跳中继节点，并触发所述下一跳中继节点继续为所述目的节点进行路由选取；所述源节点的邻居节点为位于所述源节点的通信范围内的节点；

所述无人机网络中的属于下一跳中继节点的每一无人机节点，当需要该无人机节点建立关于所述源节点和目的节点之间的路由时，判断所述目的节点是否位于自身的通信范围内，若是，将所述目的节点作为下一跳节点，路由选取结束；若否，则将所述源节点和目的节点之间的空间直线作为最佳虚拟路由线路，确定所述最佳虚拟路由线路上的至少一个虚拟中继节点，按照预定的参考节点选取规则，从所述至少一个虚拟中继节点中选取第二参考节点，利用所述无人机节点通信范围内的各个邻居节点发送的实际位置和运动状态，确定当前时间段内所述各个邻居节点的预测位置；利用所述第二参考节点和所述预测位置，计算所述各个邻居节点对应的评判值，其中，任一邻居节点对应的评判值包括：该邻居节点与目的节点的距离、该邻居节点与所述第二参考节点的距离和该邻居节点在当前时间段内与所述无人机节点的持续连接时间；分别将各个邻居节点对应的评判值应用于效用函数，得到各个邻居节点对应效用函数值，将所对应的效用函数值最小的邻居节点，确定为所述无人机节点的下一跳中继节点；其中，该无人机节点的各个邻近节点为位于该无人机节点的通信范围内的节点。

具体的，每个无人机节点都会实时更新其全向通信范围内邻居节点的信息，包括当前地理位置信息和运动状态；

每个无人机节点都会对其全向通信范围内邻居节点的运动轨迹进行预测，并储存预测出的信息。

每个无人机节点都会选择其全向通信范围内效用函数值最小的邻居节点充当下一跳中继节点，直到实现与目的节点的通信。

由图8中所提供的无人机节点信息更新示意图所示，源节点s需要与目的节点d进行通信，建立最佳虚拟路由线路s-d，确定所述最佳虚拟路由线路上的虚拟中继节点{s,v1,v2,v3,d}；每一个无人机选取基于最佳虚拟路由线路上选取的参考节点的效用函数值最小的邻居节点确定为所述无人机节点的下一跳中继节点，并触发所述下一跳中继节点继续为所述目的节点进行路由选取，直至路由选取结束。源节点s到目的节点d建立的路由为{s,r1,r2,r3,d}。

本发明实施例提供的方案中，考虑了无人机的快速移动性，对无人机节点的邻居节点的位置进行预测，并建立最佳虚拟路由线路，从最佳虚拟路由线路上的虚拟中继节点中，按照预定的参考节点选取规则，选取参考节点；进而计算邻居节点的评判值，将各个邻居节点对应的评判值应用于效用函数，得到各个邻居节点对应效用函数值，选取性能最好即效用函数值最小的邻居节点确定为下一跳中继节点，直至无人机路由选取结束。可见，本方案中对邻居节点的位置进行预测，并利用预测得到的位置计算邻居节点的评判值，将该评判值应用于效用函数，选取效用函数值最小的邻居节点作为下一跳中继节点，考虑了无人机的快速移动性对路由稳定性的影响，提高了路由稳定性，从而提升了无人机网络通信链路的可靠性。因此，通过本方案可以解决由于无人机的高速移动性，所导致的无人机网络通信路由链路不可靠的问题。

相应于上述方法实施例，本发明实施例还提供一种无人机网络路由选取装置，如图7所示，可以包括：

判断模块710，用于当需要需要所述无人机节点建立关于源节点和目的节点之间的路由时，判断所述目的节点是否位于所述无人机节点的通信范围内；

第一处理模块720，用于若判断模块判断为是，将所述目的节点作为所述无人机节点的下一跳节点，路由选取结束；

第二处理模块730，用于若判断模块判断为否，则将所述源节点和目的节点之间的空间直线作为最佳虚拟路由线路，确定所述最佳虚拟路由线路上的至少一个虚拟中继节点；按照预定的参考节点选取规则，从所述至少一个虚拟中继节点中选取参考节点；利用所述无人机节点通信范围内的各个邻居节点发送的实际位置和运动状态，确定当前时间段内所述各个邻居节点的预测位置；利用所述参考节点和所述预测位置，计算所述各个邻居节点对应的评判值，其中，任一邻居节点对应的评判值包括：该邻居节点与目的节点的距离、该邻居节点与所述参考节点的距离和该邻居节点在当前时间段内与所述无人机节点的持续连接时间；分别将各个邻居节点对应的评判值应用于效用函数，得到各个邻居节点对应效用函数值，将所对应的效用函数值最小的邻居节点，确定为所述无人机节点的下一跳中继节点，并触发所述下一跳中继节点继续为所述目的节点进行路由选取。

可选地，所述第二处理模块确定所述最佳虚拟路由线路上的至少一个虚拟中继节点，包括：

利用第一公式，计算待确定的虚拟中继节点的目标数量；

按照所述目标数量，将所述最佳虚拟路由线路等分，并将所述最佳虚拟路由线路上的各个等分点均确定为虚拟中继节点；

其中，所述第一公式为：

式中，nv为所述目标数量，dsd为所述源节点和目的节点之间的空间直线距离，dmax为无人机节点之间的最大通信距离。

可选地，所述第二处理模块按照预定的参考节点选取规则，从所述至少一个虚拟中继节点中选取参考节点，包括：

判断是否存在一个虚拟中继节点与目标点在最佳虚拟路由线路上的距离小于等于预定距离，所述目标点为所述无人机节点在所述最佳虚拟路由线路上的垂点；

若是，将第一节点的下一个虚拟中继节点作为参考节点，所述第一节点为与目标点在最佳虚拟路由线路上的距离小于等于预定距离的虚拟中继节点；

若否，则从所述目标点之后的多个虚拟中继节点中，选取与所述目的点距离最近的节点，作为参考节点。

可选地，所述第二处理模块利用所述无人机节点通信范围内的各个邻居节点发送的实际位置和运动状态，确定当前时间段内所述各个邻居节点的预测位置，包括：

针对所述无人机节点的通信范围内的每一邻居节点，将该邻居节点发送的实际位置和运动状态，代入高斯-马尔科夫模型的概率密度函数，确定当前时间段内该邻居节点的预测位置，该邻居节点的预测位置为使概率密度函数值最大的位置坐标，所述概率密度函数为：

其中，p{((xn,yn,zn)|(xn-1,yn-1,zn-1))}表示在位置坐标为(xn-1,yn-1,zn-1)上的邻居节点到达位置坐标(xn,yn,zn)的概率，(xn-1,yn-1,zn-1)为邻居节点的实际位置，(xn,yn,zn)为邻居节点的预测位置，δ(k)表示在当前时间段的第k个单位时间步长内关于所述运动状态中加速度的高斯分布的参数，为在当前时间段的第k个单位时间步长内关于所述实际位置中x坐标轴的值和所述运动状态中速度的高斯分布的参数，为在当前时间段的第k个单位时间步长内关于所述实际位置中y坐标轴的值和所述运动状态中速度的高斯分布的参数，为在当前时间段的第k个单位时间步长内关于所述实际位置中x坐标轴的值和所述运动状态中速度的高斯分布的参数，其中，所述当前时间段预先被划分为m个单位时间步长。

可选地，所述效用函数包括：

式中，为所述效用函数，为当前时间段内的第k个单位时间步长内的距离表征函数，表示邻居节点ri在当前时间段内与所述无人机节点的持续连接时间，表示所述持续连接时间段内的平均距离表征，max为预定的最大距离值；

其中，所述距离表征函数为：

式中，η1、η2为信噪比阈值，η1+η2＝1，为邻居节点ri的预测位置与所述目的节点d在当前时间段内的第k个单位时间步长内的距离，为邻居节点ri的预测位置与所述参考节点vp在当前时间段内的第k个单位时间步长内的距离，为所述无人机节点定向通信的最大距离；m为当前时间段内时间步长的数量，为所述无人机节点的各个邻居节点。

可选地，所述装置还包括：

计算模块，用于所述第二处理模块将所对应的效用函数值最小的邻居节点确定为转发所述数据包的下一跳中继节点之后，利用第三公式，计算定向通信对应的待调整角度，按照所述待调整角度调整针对于定向通信的数据发送角度，在调整角度后，向所述下一跳中继节点发送数据；

其中，所述第三公式为：式中，式中，β∈(0,1)，dij为所述无人机节点到所述下一跳中继节点的预测位置的距离，为所述无人机节点的待调整角度为θ时定向通信的最大距离，β为所述dij与所述之间的预定的安全系数。

本发明实施例还提供了一种无人机节点，如图9所示，包括处理器901、通信接口902、存储器903和通信总线904，其中，处理器901，通信接口902，存储器903通过通信总线904完成相互间的通信，

存储器903，用于存放计算机程序；

处理器901，用于执行存储器903上所存放的程序时，实现本发明实施例所提供的一种无人机网络路由选取步骤。

上述无人机节点提到的通信总线可以是外设部件互连标准(peripheralcomponentinterconnect，pci)总线或扩展工业标准结构(extendedindustrystandardarchitecture，eisa)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

通信接口用于上述无人机节点与其他设备之间的通信。

存储器可以包括随机存取存储器(randomaccessmemory，ram)，也可以包括非易失性存储器(non-volatilememory，nvm)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。

上述的处理器可以是通用处理器，包括中央处理器(centralprocessingunit，cpu)、网络处理器(networkprocessor，np)等；还可以是数字信号处理器(digitalsignalprocessing，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现场可编程门阵列(field-programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一无人机网络路由选取方法的步骤。

在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一无人机网络路由选取方法。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘solidstatedisk(ssd))等。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、设备实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。