面向无人机网络的基于随机森林的协作邻居发现协议研究_陈银豪.pdf

工业控制计算机2023年第36卷第1期面向无人机网络的基于随机森林的协作邻居发现协议研究陈银豪王涛李平吴雅婷王瑞（上海大学通信与信息工程学院，上海200444）Research on Cooperative Neighbor Discovery ProtocolBased on Random Forests for UAV Networks摘要：随着无人机的迅速发展，对无人机组网的研究也成为了热点。邻居发现作为组网完成的第一步，发挥着十分重要的作用。首先介绍了无人机网络的场景和无人机的结构，然后提出了基于随机森林的协作邻居发现协议，将三次握手机制和随机森林分类器应用到邻居发现协议中，通过将自身邻居无人机节点推荐给目标无人机，提高了邻居发现的速度。通过仿真，从四个不同方面比较分析了不同协议之间的性能差异，结果表明，RFC-CND协议具有更快的发现速度和更高的邻居发现率。关键词：无人机；随机森林；三次握手；协作邻居发现Abstract:Neighbor discovery is the first step of networking and plays an important role.This paper first introduces theUAV network scene and UAV structure.Then this paper proposes a cooperative neighbor discovery protocol based on ran-dom forest,and applies the three-way handshake mechanism and random forest classifier to the neighbor discovery proto-col,and improves the neighbor discovery speed by recommending the neighbor UAV node to the target UAV.This papercompares and analyzes the performance differences among different protocols from four different aspects through simulationexperiments.The results show that RFC-CND protocol has faster discovery speed and higher neighbor discovery rate.Keywords:UAVs,Random forests,three-way handshake,collaborative neighbor discovery近年来，无人机迅速发展，在敌情侦察、物流、测绘、灾害救援等不同领域具有广阔的前景1-4。在无人机的网络中，通过配备多种传感器进行消息的交换，多架无人机之间协作完成任务。无人机网络拓扑的构建是完成任务重要目标，而邻居发现是完成组网的关键前提，如何设计邻居发现的协议来提高邻居发现的效率成为了需要研究的问题。文献5中提出了一种基于多载波无线自组网的2向和3向握手结合的混合3向握手同步协议；文献6中介绍了无人机网络中的双向握手协议，两架无人机都接收到确认报文是才建立邻居关系；文献7中介绍了一种采用定向天线的单次握手邻居发现协议。同时机器学习算法凭借强大的认知能力，保持着较高的研究热度，被广泛应用到各个领域8-10。文献11-12中提出了一种Smart-Ref的协作式邻居发现协议，在基于组的邻居发现协议基础上，通过XgBoost分类器进行协作式邻居发现。上述研究的一些邻居发现协议是存在问题的，混合的3向握手机制会存在浪费能量消耗，双向握手会导致数据的丢失，定向天线的单次握手会因为波束对齐问题出现延迟问题，基于组的协作式邻居发现既计算自身邻居节点的特征，又将组内节点的特征一并计算，计算冗余度较大。为了克服这些问题，本文提出了改进三次握手机制，同时融合随机森林分类算法，提出了基于随机森林的协作邻居发现协议。1无人机网络1.1网络介绍无人机（Unmanned Aerial Vehicle，UAV）被广泛应用于执行各种任务，单架UAV在航拍、测绘等方面能够很好地完成任务，但是任务所覆盖的面积很大时，单架UAV需要多次往返，会大大增加任务完成的时间，降低了工作效率。因此，UAV进行组网，构建临时的网络拓扑，UAV之间相互通信完成任务将会提高工作效率，减少任务完成的时间。UAV网络从构建到完成数据传输主要有三步，第一步是邻居发现，这一步是关键前提，UAV通过消息探测，寻找到附近的UAV，然后完成邻居发现，构建邻居关系，只有完成了邻居发现的工作，才能进行网络拓扑的构建；第二步是路由建立，UAV在邻居表的基础上，通过路由发现、路由建立，完成网络拓扑的构建；第三步是数据传输，UAV根据相关任务要求，搜集信息，在UAV间进行信息传递，最后完成任务。1.2天线配置天线是本文UAV的重要模块，天线是用来发送和接收无线电波的装置，通常可以分为全向天线和定向天线两大类。UAV网络的天线配置模式可以组合成三种，分别是定向发送定向接收（DTDR）、全向发送全向接收（OTOR）和定向发送全向接收（DTOR）。DTDR的天线配置如图1a所示，采用DTDR的天线，需要完成波束对齐才能完成信息的发送和接收，这将会造成严重的延迟；OTOR的天线配置如图1b所示，采用OTOR的天线，十分容易受到干扰，使得信息发送和接收失败，同时该模式下通信距离短，不适用无人机网络；DTOR的天线配置如图1c所示，UAV采用定向天线和全向天线结合的模式，能够通过定向天线进行长距离传输，同时全向天线可以解决波束对齐导致的延迟13。本文采用DTOR的天线模式。图1天线配置模式1.3 UAV节点化UAV在研究过程中比较复杂，对UAV进行节点化处理将方便研究。将每架UAV等效为一个节点，每个节点均给予它一个唯一的编号，将天线等效为扇形区域环绕在节点四周。同时邻居发现的时间很短，UAV之间的位移影响很小，不会引起扇区指向的变化，因此本文忽略节点的移动性。同时假设UAV处于71面向无人机网络的基于随机森林的协作邻居发现协议研究同一个平面，飞行的高度相同。2RFC-CND协议设计本节将详细介绍面向无人机网络的基于随机森林的协作邻居发现协议（RFC-CND协议）。本协议主要有4个部分，分别是节点初始化、序列扫描、邻居信息交互以及扫描周期是否结束的判断过程，由这些过程串联起来的流程如图2所示：图2RFC-CND协议流程图2.1 RFC-CND协议中的时隙模型邻居信息的交互是在时隙中进行的。将节点的工作时间划分为多个单元，每个单元就是一个时隙，同时时隙的长度能够保障节点完成基本的通信，通常用自然数表示时隙的时间顺序，时隙模型如图3所示。本文时隙分为睡眠时隙和唤醒时隙，根据UAV节点的发送接收状态决定，当UAV节点处于发送时，发送信息的扇区处于唤醒时隙，当UAV节点处于接收时，所有扇区都处于唤醒状态，本文将1个时隙划分为3个子时隙，具体子时隙的信息交互过程在下一小节介绍。图3时隙模型2.2 RFC-CND协议中的三次握手机制三次握手机制是协议中的另一个重要部分，如图4所示。在时隙，1号UAV处于发送状态，发送探测消息给2号UAV，然后UAV切换自身的收发状态；在时隙，2号UAV接收到探测消息，将自身的信息打包发送给1号UAV，然后UAV再次切换自身收发状态；在时隙，1号UAV将2号UAV的信息与自身的邻居节点进行特征值的计算，然后输入随机森林分类器中进行预测，将符合推荐的节点加入推荐邻居表中，最后将邻居建立消息和推荐邻居表打包发送给2号UAV，完成一对邻居的发现过程。3实验本实验的仿真和结果分析使用Python语言实现，采用Jupyter Lab集成开发环境，随机森林分类器调用scikit-learn库中的tree类完成。仿真实验空间分布采用100 m*100 m的范围，节点随机分布在该范围内，节点的横纵坐标通过随机函数生成，均匀分布在0，100）之间。3.1数据集构建本协议需要对随机森林分类器进行训练，其中数据集分为训练数据集和测试数据集，数据集产生的流程如5所示，在数据集的生成过程中，对测试集数据和训练集数据进行了差异化处理。考虑到现实中会存在噪声的影响，对测试集数据进行了加高斯噪声的步骤。完成测试集数据和训练集数据的创建后，对随机森林分类器进行训练。3.2实验对比分析本文将提出的RFC-CND协议与文献7中提出的1-NC-ND协议和只有3次握手机制而没有RFC分类器的3-NCND协议进行对比分析，对比的性能指标有邻居发现时隙数、邻居发现率和能量消耗。3.2.1邻居发现时隙数对比不同网络场景下的仿真中，设置的节点数为48个，每个节点的扇区数设置为8个，通过比较50个随机生成的场景下的邻居发现时隙数，评估三种协议的优劣，得到的结果如图6所示。1-NCND协议完成邻居发现的时隙数在275个左右，3-NCND协议完成邻居发现的时隙数在130个左右，RFC-CND协议完成邻居发现的时隙数在120个左右，说明RFC-CND协议使用分类器推荐自身邻居节点的机制能够提高邻居发现的效率。图6不同网络场景下三种协议时隙数对比图对于不同的网络规模情况，本文采用多次实验取平均值的方法。网络规模的大小从10个节点开始，每次增加10个，增长到180个节点，每种规模下，都会进行50种不同场景的仿真，将50个场景的时隙数取平均，得到该网络规模下的最终时隙图4RFC-CND协议中的三次握手机制图5数据集生成流程图72工业控制计算机2023年第36卷第1期数，其中节点的扇区数仍设置为8个，得到的仿真结果如图7所示。三种协议随着节点数增多，完成邻居发现所需的时隙数也相应增加，这与实际情况是相符合的，节点数量越多，完成邻居发现的时间必然会更长。RFC-CND协议相比其他两种协议，所需要的时隙数更少，比3-NCND协议的时隙数少10个左右。图7不同网络规模下的邻居发现时隙数对比图3.2.2邻居发现率对比分析三种协议在邻居发现过程中的邻居发现率如图8所示，仿真实验随机生成了三种分布场景，网络规模相同，节点数为48个。图8中第一行为三个随机生成的场景，第二行为该场景下的邻居发现率。RFC-CND协议和3-NCND协议的邻居发现率远高于1-NCND协议，完成邻居发现的时隙数也少于1-NCND协议。另外RFC-CND协议会在某段时隙内，快于3-NCND协议，说明RFC-CND协议在邻居发现过程中，通过分类器推荐的方式，确实能够起到加快邻居发现效率的作用。图8同一网络规模下邻居发现率对比图3.2.3能量消耗对比分析本文对三种协议进行了能量消耗对比分析，分别在50种随机的场景下进行仿真，得到图9所示的结果图，其中，节点数设置为48个，节点扇区数设置为8个。从图9可以看到，RFC-CND协议的能量消耗会比3-NCND协议稍有增多，这是因为RFC-CND协议增加了分类器推荐和提前唤醒，使得能量消耗增多，这部分的能量消耗不是很多，但是能够更快地完成邻居发现，这是可以接受的。4结束语本文以无人机网络为背景，研究无人机自组网的邻居发现问题，在邻居发现过程中，使用三次握手机制，同时加入RFC分类器，提出了RFC-CND协议，并与1-NCND协议和3-NCND协议进行对比分析。RFC-CND协议虽然在能量消耗上有增加，但是减少了邻居发现的时隙数和邻居发现率，相较更快的3-NCND协议，RFC-CND协议的时隙数减少1020个，邻居发现率提高10%20%。参考文献1LAKEW D S,MASOOD A,CHO S.3D UAV Placement andTrajectory Optimization in UAV Assisted Wireless NetworksC/2020 International Conferen