公开(公告)号：CN116234073A

公开(公告)日：2023-06-06

申请号：CN202310103657.X

申请日：2023-02-13

Applicant: 重庆邮电大学

Inventor： 张易新 ,  李云 ,  潘俊男 ,  鲜永菊 ,  丁建 ,  吴麒 ,  乔冠华 ,  宁静

IPC: H04W84/18 ,  H04W40/04 ,  H04L45/12 ,  H04L45/00

Abstract: 本发明涉及一种基于深度强化学习的分布式无人机自组网的路由方法，包括；根据马尔可夫决策过程搭建无人机通信网络的深度强化学习架构；运行Dijkstra算法将原始数据包从源节点向目的节点发送并根据原始数据包的路由过程生成原始训练数据对深度强化学习架构进行预训练；输入目标数据包的目的节点D的坐标，利用预训练好的深度强化学习架构得到当前节点A的下一跳节点B并生成目标训练数据，根据原始训练数据和目标训练数据对深度强化学习架构进行再训练；将下一跳节点B作为起始节点，直至下一跳节点为目的节点，完成目标数据包的路由，本发明能增强网络的鲁棒性提高无人机通信网络的寿命。

公开(公告)号：CN116193532A

公开(公告)日：2023-05-30

申请号：CN202310199044.0

申请日：2023-03-03

Applicant: 重庆邮电大学

Inventor： 李云 ,  丁建 ,  张易新 ,  潘俊男

IPC: H04W40/02 ,  H04W40/24 ,  H04W4/46 ,  H04W84/18

Abstract: 本发明属于无人机自组网领域，具体涉及一种无人机自组网下的链路状态路由方法；该方法包括：构建无人机自组网系统模型，获取无人机自组网的网络拓扑；每个无人机节点均周期性的向其邻居节点发送Hello消息以探测邻居节点活动状态；根据网络拓扑和Hello消息探测结果，采用优化MPR选择算法获得无人机节点的MPR集合；根据MPR集合和Hello消息探测结果，采用Q‑Learning算法确定无人机节点的路由选择；本发明应用在无人机自组网协同执行任务上能够实现不错的通信效能，确保稳定、可靠的作战效能。

公开(公告)号：CN114641050A

公开(公告)日：2022-06-17

申请号：CN202210320263.5

申请日：2022-03-29

Applicant: 重庆邮电大学

Inventor： 李宁 ,  李云 ,  朱阳 ,  张明鑫 ,  张易新

IPC: H04W40/10 ,  H04W40/14 ,  H04W40/20 ,  H04W84/18

Abstract: 本发明属于通信技术领域，具体涉及一种无人机自组网负载感知的节能路由协议方法，该方法包括：根据无人机移动路径构建无人机移动节点系统模型；采用改进的MPR选择算法对无人机移动节点系统模型中的各个节点进行筛选，得到MPR节点；根据筛选出的MPR节点得到稳定的拓扑表；根据稳定的拓扑表筛选出稳定的路由表，完成路由；本发明提出的负载感知的节能路由协议方法，该方法在OLSR路由协议路由选择基础上，增加链路稳定性的选择机制，并且在MPR选择算法中引入了节点的稳定度和可达度以及节点剩余能量，降低了路由的能耗。