A Neighbor Discovery Algorithm for UAV Networking Based on Directional Antennas

Liang Hong,Xiong Yan,Wu Chen,Pengtao Luo

doi:10.1051/jnwpu/20203810191

Abstract

Using directional antennas in Unmanned Aerial Vehicle (UAV) swarm has many advantages, such as longer transmission range, spatial reuse, anti-jamming and low probability of intercept. Neighbor discovery is a crucial step in the initialization of UAV networking. We introduce a neighbor discovery algorithm based on iterative common neighbors (ICN-ND), which can reduce the time of neighbor discovery process and the networking delay. To avoid the huge exchange-data quantity, we use the orientation and distance to represent the neighbor's location instead of latitude and longitude. Compared with the scan-based algorithm, the ICN-ND has better performance on the time to complete the neighbor discovery process and the convergence speed, which is validated the practicality by QualNet simulations.

Highlights

摘要:采用定向天线进行蜂群组网,具有空间复用度高、信号传输距离远、抗干扰以及低截获的先天优势。无人机蜂群在编队前期,需要快速发现相邻节点进行组网,因此邻居发现是组网的必要前提, 对 MAC 层和网络层的相关设计有着重要的影响。针对采用定向天线的组网模式,在基于扫描方式的邻居发现规划型算法(scan⁃base algorithm⁃deterministic,SBA⁃D) 的基础上,提出了基于邻居交集迭代发现的方案(neighbor discovery algorithm based on iterative common neighbors,ICN⁃ND),充分利用已知的邻居信息,在相邻节点之间寻找邻居集合中的交集,利用公共邻居来提高邻居发现的效率,加快邻居发现的过程,进而降低无人机前期组网的时延,此外为了降低邻居信息交互的数据量,对表征邻居位置的数据结构进行了优化。最后的仿真实验表明,在不同节点密度和不同天线波束宽度下,ICN⁃ ND 算法收敛速度以及发现全部邻居所需时隙数远远优于 SBA⁃D。
We introduce a neighbor discovery algorithm based on iterative common neighbors ( ICN⁃ND), which can reduce the time of neighbor discovery process and the networking delay
Compared with the scan⁃based algorithm, the ICN⁃ND has better performance on the time to complete the neighbor discovery process and the convergence speed, which is validated the practicality by QualNet simulations

Summary

Introduction

摘要:采用定向天线进行蜂群组网,具有空间复用度高、信号传输距离远、抗干扰以及低截获的先天优势。无人机蜂群在编队前期,需要快速发现相邻节点进行组网,因此邻居发现是组网的必要前提, 对 MAC 层和网络层的相关设计有着重要的影响。针对采用定向天线的组网模式,在基于扫描方式的邻居发现规划型算法(scan⁃base algorithm⁃deterministic,SBA⁃D) 的基础上,提出了基于邻居交集迭代发现的方案(neighbor discovery algorithm based on iterative common neighbors,ICN⁃ND),充分利用已知的邻居信息,在相邻节点之间寻找邻居集合中的交集,利用公共邻居来提高邻居发现的效率,加快邻居发现的过程,进而降低无人机前期组网的时延,此外为了降低邻居信息交互的数据量,对表征邻居位置的数据结构进行了优化。最后的仿真实验表明,在不同节点密度和不同天线波束宽度下,ICN⁃ ND 算法收敛速度以及发现全部邻居所需时隙数远远优于 SBA⁃D。点,如果它们在同一次扫描处于不同的状态,即一个节点处于主动扫描状态,另一个节点处于被动监听状态,则在该次扫描结束后,重叠区域的所有其他节点都能被这 2 个节点所发现。以节点 0 和 4 为例, 节点 0 和 4 在第一次扫描时处于不同的状态,节点 4 处于主动扫描状态,节点 0 处于被动监听状态。它们的信号传输范围存在重叠区域,重叠区域中的其他节点或者处于主动扫描状态或者处于被动监听状态,如果是处于主动扫描状态的节点,则与节点 0 互相发现并建立邻居关系,如果是处于被动监听状态的节点,则与节点 4 互相发现并建立邻居关系。在邻居探测阶段,节点 0 会与节点 4 交换邻居表信息,根据邻居判断算法,节点 0 会发现重叠区域的所有其他未发现的节点。相同的,节点 4 也会发现重叠区域的所有其他未发现的节点。因此经过该次扫描,节点 0 和 4 均发现所有处于重叠区域的节点。由图 13 可知,采用 ICN⁃ND 没有出现某个节点严重滞后,从而影响整体邻居发现过程的情况,所用的时隙是均匀分布的,邻居发现过程仅用了 50 个时隙左右。而在使用 SBA⁃D 算法时,邻居发现总共耗费了接近 1 700 个时隙,在经过 400 个时隙时,已经发现了 13 个邻居节点,为了发现剩余的 2 个节点, 用了将近 1 300 个时隙数。因此从整体上看,ICN⁃ ND 在收敛性上比 SBA⁃D 表现得更好,不存在摆动振荡不收敛等影响整体邻居发现时间的情况。

Results

Conclusion