基于卡尔曼-DNN预测的UANET路由协议

针对无人机自组织网络(Unmanned Aerial Vehicles Ad Hoc Network, UANET)因快速移动导致拓扑变化频繁，路由信息因未能及时根据邻居节点的变化而更新导致链路中断的问题，提出了基于卡尔曼-DNN(Deep Neural Network)节点位置预测的路由协议。该协议能够在卡尔曼预测邻居节点位置的基础上通过DNN的非线性运算对卡尔曼位置预测的结果进行修正，从而提高邻居信息的准确性，并根据邻居更新的结果计算路由。基于QualNet平台对该路由协议进行仿真，结果表明，基于卡尔曼-DNN的路由协议在一定程度上提高了邻居信息的准确性，并且满足了无人机自组网系统端到端时延低、数据分组投递率高的需求。