在三维无人机网络中实现具有弹性和自适应能力的拓扑配置

《ACM Transactions on Internet Technology》：Achieving Resilient and Self-Adaptive Topology Configuration in 3D UAV Networks

3D无人机网络作为下一代通信基础设施的核心，面临动态环境下的可靠性挑战。本文提出拓扑驱动方案，通过场景信息实现实时网络自适应，将可靠性问题分解为拓扑韧性量化、无人机自定位和学习连接优化三阶段，实验验证其在带宽分配和负载均衡上的显著提升，特别是在动态场景中有效应对网络中断。

　　

摘要

利用无人机（UAV）构建的3D网络正成为下一代通信基础设施的基石，能够在复杂环境中提供灵活性和更广泛的覆盖范围。然而，以往的研究主要集中在针对无人机的优化措施和高吞吐量策略上，往往忽视了将这些移动设备纳入通信基础设施时网络可靠性的关键问题。在这样的网络中，韧性至关重要，因为它能够确保在动态条件下（如移动边缘设备、短暂存在的地面设备以及城市环境中的严重信号干扰）仍保持稳定的性能和连接性。为了解决这一不足，本文从整体角度提出了一个基于拓扑结构的方案，利用全面的场景信息来实现网络的实时适应性调整（通过拓扑重构）。我们将这一可靠性问题分解为三个相互关联的阶段：拓扑韧性量化、无人机自主定位以及基于学习的连接性优化。该框架从功能层面确保了网络的韧性，强调在减少连接中断的同时持续提供高质量性能的能力，这对于下一代3D通信基础设施的可靠性至关重要。实验结果验证了我们方法的有效性，显示出在地面设备的带宽分配和无人机之间的负载均衡方面相比传统方法有显著改进。特别是在高度动态的场景中，我们的系统能够根据需求适应网络不稳定性和连接故障，从而确保通信性能的稳定性和可靠性。