基于高斯-马尔科夫移动模型的物联网辅助飞行自组网自适应路由优化研究

为解决无人机(UAV)动态组网中路由不稳定的问题，研究人员提出了一种基于蚁群优化(ACO)原理的新型路由协议。通过高斯-马尔科夫移动模型(Gauss-Markov)模拟时空依赖性，对比传统协议在丢包率、吞吐量等QoE参数上的表现，显著提升了FANETs在森林火灾监测等场景中的通信可靠性。

　　

无人机群(Unmanned Aerial Vehicles, UAVs)凭借低成本、易部署特性，正通过与物联网(Internet of Things, IoT)融合解决森林火灾预警、边境巡查等军民应用难题。针对飞行自组网(Flying Ad Hoc Network, FANET)中节点高速移动导致的拓扑剧变问题，研究者创新性地将蚁群优化(Ant Colony Optimization, ACO)算法植入AntHocNet协议，利用高斯-马尔科夫移动模型精准刻画无人机时空关联性。仿真实验显示，该方案在端到端时延、带宽利用率等体验质量(Quality of Experience, QoE)指标上全面超越传统路由协议，尤其显著降低了由通信失衡引发的全网级联故障风险。这项突破为无人机在农业监测、体育赛事直播等需要实时数据传输的场景提供了鲁棒性通信保障。