软件定义的无人机网络架构研究综述

2013年，Bekmezci等人[1〗在综合无人机系统技术、传感技术、通信组网技术以及移动自组织网(Mobile Ad Hoc Network，MANET)[2〗技术的基础上提出了无人机网络(Flying Ad Hoc Network，FANET)的相关概念，即一种新型的无人机间自组织网络，旨在解决无人机系统的空-空通信和空-地通信及组网等问题。相比于传统的MANET和车载自组织网络(Vehicular Ad Hoc Network,VANET)[3]，FANET的迁移度和拓扑变化程度更高，组网时节点的算力和能耗更少，应用场景更灵活，能较好地适应军、民用领域的信息化需求。

目前，随着各领域网络设备数量的指数级增长，应用需求不断更新，传统基于IP的FANET已无法满足发展需求。在传统的网络模型中，无人机作为网络节点不仅要负责数据的转发，还要负责网络中路由信息的交换与传输。由于无人机自身计算性能和续航能力有限，因此复杂路由协议运行效率也大受限制。并且一旦网络有新业务需求，就要涉及到基础设施相关功能的具体设置与修改。软件定义网络(Software Defined Network，SDN)作为一种新兴网络架构，为以上问题的解决给出了解决方案，这是因为其具备以下几大优势：一是SDN实现了控制平面与数据平面的分离，能够适应网络中服务和应用的具体要求抽象化基础设施，提升网络的灵活性[4]；二是SDN设置了开放的编程接口，方便了网络的配置和管理，简化了网络运营商在网络中部署应用的过程，降低了整体的网络运营成本；三是SDN控制器通过收集转发设备中的网络信息监视网络状态，并能够基于全局路由做出最佳决策，同时还能通过实现逻辑上的集中控制，以提升网络的服务资源利用率[5]。因此，SDN能较好地适应网络中频繁的业务更新和任务拓扑变化，最大限度地降低网络的运营成本，满足FANET的发展需求。

本文基于SD-FANET的架构和算法研究，试图从SDN控制器的部署方式入手对目前SD-FANET的发展现状进行综述，探讨了MEC与SD-FANET结合的可能性。

1 SDN网络架构

如图1所示，SDN架构实现了转发硬件与控制逻辑的分离，使得网络在新协议和新应用的部署、网络的可视化和管理以及中间件在软件控制中的整合变得更加容易[6]。同时SDN架构设置了逻辑上集中的软件实体，即SDN控制器，以承担网络操作系统的任务，同时还能为转发设备、交换机和路由器提供集成接口，极大地简化了网络管理，减少了在分散的具体设备上执行策略和运行协议的过程，提升了网络的可编程性、灵活性和扩展性[7]。

图1 SDN网络与传统网络对比

制定SDN标准接口的权威组织开放网络基金会(Open Networking Foundation,ONF)给出了典型的SDN架构，如图2所示。

图2 ONF提出的SDN架构

该架构由上至下依次为应用平面、控制平面和数据平面。数据平面包含了各类网络元素和基础设施，负责建立连接不同规则的数据通路；控制平面则包含逻辑集中的SDN控制器，负责整个网络的维护与管理；应用平面承载着各式各样的应用，利用北向接口(Northbound Interface,NBI)接口向控制平面不断更新需求和网络状态，而用户则无需关心底层基础设施的技术细节，只需要通过简单的编程对新应用进行快速部署，进而实现网络功能的定制化[8]。控制平面与数据平面之间则采用控制数据平面接口(Control-data-plane Interface,CDPI)进行通信，主要是依靠OpenFlow协议[9]。该协议是一种与厂商无关的协议，主要描述了如何对数据平面的交换机进行编程，并不影响数据平面以上的逻辑。

SD-FANET的具体架构如图3所示，网络中应用平台和控制平台设置在地面控制中心，而数据平面主要由无人机群和卫星网络构成。在该架构中，无人机可以通过卫星网络或地面基站与控制平面进行通信，而控制平面则基于地面网络，管理与控制所有的无人机。由于无人机可以和控制器进行绑定，因此单个无人机能够通过与控制平面通信获取全局网络拓扑结构。

图3 SD-FANET架构[10]

2 SDN在FANET中的应用

2.1 SDN在传统移动自组织网络中的应用

由于SDN具有网络管理简单、可编程性、逻辑集中等特点，因此在不同类型的移动自组织网络中均有所应用。文献[11]研究了SDN在战术MANET中的应用，针对存在多个SDN控制器的网络架构中控制器之间的网络状态信息难以协调的问题，提出了一种SDN控制器分级部署方式，将控制器分为全局控制器、区域控制器和协同控制器三级，每一级的控制器被赋予了不同的定位，并根据对应的应用需求和能力要求进行设计。文献[12]则研究探析了SDN在天基信息网络中应用的可能性，具体做法是在利用空间网络化技术实现天地骨干互联互通的同时，简化、分离网络基础设施的控制功能，在各层网络中引入控制网元，实现由软件对全网资源的集中配置、调度和管理。

FANET以移动性更快的无人机作为转发节点，网络拓扑更加复杂，对网络结构和路由协议的要求也更高，与SDN结合的细节也因此不同。本文主要聚焦于SDN在FANET中的应用研究现状，结合FANET特点探究SDN的应用前景和面临的挑战。

2.2 SD-FANET研究进展

FANET主要由地面基站(或卫星通信节点)和无人机群构成，其中无人机作为网络节点构成一个自组网，节点之间能够相互转发数据，并兼具收发器和路由器角色，通过多跳转发的形式与更远的节点和地面基站(或卫星通信节点)进行通信。但是，区别于传统移动自组织网络，作为中继节点的无人机为了应对长达数万公里的通信距离，通常要实现数米每秒的运动速度，高速运动的无人机会导致高度变化的网络拓扑和不稳定的链路连接。而SDN的引入解耦合了控制平面和数据平面，对于网络组件具有较好的可控性和可见度，资源的分配和管理也更加灵活。文献[13]描述了SDN支持无人机网络的各种需求的潜力，包括高移动性、自适应交换和路由，以及处理非永久链路，其利用SDN网络的可编程性对网络进行高效配置，使得控制器在更改网络协议和创建新路径时更加简单。

目前根据SDN控制器的部署情况主要分为集中式和分布式两种形式，表1对这两种形式的部分文献成果进行了总结。

表1 SD-FANET部分文献成果

表1(续)

2.2.1 集中式部署

由于传统的基于IP的FANET是垂直整合的，控制平面和数据平面被捆绑在一起，网络的灵活性和动态性是最小的，基于此，Chetna等[14]在无人机辅助的网络中结合移动功能和WiFi接口，利用OpenFlow协议开发了无线场景下的SDN框架。框架中SDN控制器负责处理网络和无人机信息，并与无人机控制器进行协商。为实现对网络更加实时的监控，SDN控制器中还设置了监控平台，能够对无人机网络采集到的数据进行检查和处理。基于此，作者依赖监控平台的数据信息，以提升端到端数据传输的服务质量(Quality of Service，QoS)为指标提出一种负载均衡算法，解决了动态的无人机辅助网络中路由和链路的切换问题。仿真结果验证了SDN框架和负载均衡算法的可行性。

Rahman等人[15]利用SDN框架解决面向灾区的无人机通信网络的部署问题，通过无人机节点实时上传信息给SDN控制器，构建网络状态的全局视图，并在其包含的网络拓扑信息、数据速率需求和路径信息的基础上提出了一种基于禁忌搜索的无人机定位最大吞吐量算法。仿真表明，算法通过优化无人机定位，提升了26%的网络吞吐量。

当无人机平台在计算密集的地区频繁转移时，不仅会造成较大的吞吐量，与地面节点通信的身份认证同样是不可忽视的安全问题。基于此，Kumar等人[16]提出了一种基于无线传感器网络节点传输密度的移动方案，利用SDN控制器提供了在移动中更新流的机会，从而适应动态拓扑，并通过预先安装的流表更新合法的移动和节点认证。通过实验仿真，该方案不仅实现了无线传感器网络和空中节点的认证和协调，还能极大地改善吞吐量、覆盖率和延迟等指标。

针对军事侦察和灾区通信基础差以及敌对势力通信干扰强的现状，Secinti等人[17]提出了一种新的SD-FANET路由框架。在基于软件定义的控制平面中，无人机作为软件开关，能够执行转发命令，并根据控制器指令确定首选路由，同时还使用了多层图形模型，并在3D空间中创建了最大程度分离的路径，以确保对干扰的弹性。最后基于降低时间延迟和提高针对干扰的弹性指标的综合考虑，提出了一种弹性指标结合启发式方法。通过实验仿真，与传统算法相比，该算法能够降低12%的时间延迟，端到端中断弹性提高了34%。

Zhao等人[18]研究了SD-FANET的无人机中继节点优化布置问题，通过考虑无人机位置、运动轨迹和剩余能量等全局上下文信息，实现实时视频服务和避免碰撞。在文献[18]的基础上，Pedro等人[19]考虑了控制信息对于网络的影响，在网络中设置了一个集中的控制器，能够基于无人机的全局上下文信息在不需要控制消息传输的情况下对无人机信息进行预测。同时作者提出了一个基于集群的控制平面消息管理软件定义飞行自组织网络，称为CAPONE。CAPONE通过Gap统计方法计算聚类数量，并将其作为模糊C-means方法的输入值，定义聚类头，并对每个聚类的节点进行分组。其中，作为聚类头的无人机可以作为本地控制器执行更复杂的任务，如控制每个组成员，从非聚类头的无人机收集数据进行数据聚合，并将聚合后的数据发送给控制器。如表2和图4所示，通过与传统SDN-FANET网络架构以及只应用了预测算法的SDN-FANET进行仿真对比，CAPONE能够有效地通过降低网络开销和能耗，提高控制消息管理的整体网络性能，同时提高可扩展性和应用性能，为由更多数量的无人机组成的广阔任务区域提供更好的性能。

表2 不同控制平面消息管理机制的开销[19]

图4 不同控制平面消息管理机制
模拟期间的剩余能量[19]

2.2.2 分布式部署

通过上一小节的综述可知，在网络中设置集中式的SDN控制器能够较好地解决FANET中的网络管理、负载均衡、吞吐量和时间延迟等问题，但也存在一定的局限性，如FANET的部分应用场景还存在用户和基础设施分布不均衡、单点控制器鲁棒性差和网络规模限制等问题，极大地限制了SDN架构在FANET中的作用发挥。基于此，Hu等人[10]提出了一种基于区块链平台的SDN控制器分布式平面。以区块链的核心技术为基础，在SDN控制平面设置多个不同物理分布的控制器，对一定区域的基础设施进行管理，这样就能在较好地增加网络灵活性和可编程性的基础上大幅度提升安全性能。具体做法是：利用了能够抵御拜占庭攻击的共识算法，防止分布式控制平面中少量控制器失控导致整个网络瘫痪；区块链通过P2P网络提供了全局一致的信息视图，这意味着无论无人机选择哪个控制器或接入点，都可以获得相同的信息视图，无需考虑权限控制和隐私保护，真正实现了无处不在的接入；利用数据加密和哈希链技术保证了数据传输的真实性；针对控制器或无人机节点失控时协议的执行时间和执行过程发生变化的问题，利用区块链的智能合约技术确保协议按照约定规则进行执行。

Zhou等人[20]提出了一种面向灾害应急的分布式SD-FANET架构，将FANET分为了应用层、控制层、转发层和访问层。其中，应用层能够根据控制层的无人机采集的数据情况，结合用户需求来制定策略，包括路由策略计算、安全策略和资源管理策略，然后将策略发送至控制层无人机，以指导无人机间的通信。而控制层分为无人机控制层、空间控制层和地面控制层，其中SDN控制器以物理分散的形式布置在地面控制层。无人机控制层主要由3架高空无人机构成，能够实现对整个网络的覆盖。高空无人机在收集了网络的链路信息后，通过一致性协议实现与空间控制层和地面控制层的同步；应用层的指令能够由地面控制层同步至无人机控制层，再转发给其他无人机，该过程通过OpenFlow流表分发的形式完成；转发层和访问层分布的主要是只具备基本接入和转发过程的中低空无人机，由于无人机中控制决策与转发实现分离，因此相比于传统FANET，配置这一类无人机的成本更低。实验仿真表明，该架构能够比传统方案节省30%～50%的网络能耗，降低了信令开销，并且提供了一个相对稳定的业务响应能力，在显著提高网络的生命周期的基础上满足用户的业务需求。

Qi等人[21]提出了一种具有SDN集群控制器和协同控制器的新型分簇飞行传感器网络(Flying Ad-hoc Sensor Network，FASNET)架构。为了提高网络的可扩展性，在该架构设计中，无人机被分成几个集群域，每个集群域由一个上层固定飞艇控制。控制器负责获取整个抽象集群网络视图，实现网络资源的统一调度，并指导数据的处理和转发。此外，还有一种协作式飞艇控制器，旨在实现单域控制器之间的交互。一旦在应用层上编写了多个模块，FASNET体系结构就可以同时执行不同的任务。在此基础上，作者还提出了一种集中式流量区分路由(Traffic-differentiated Routing,TDR)算法，该架构旨在保证时延敏感和可靠性要求较高的业务的QoS要求。不同的权重根据它们对延迟的敏感性和重要性级别被分配给不同的流程。特别地，在TDR中引入了一个既考虑链路可用性又考虑节点转发能力的传输可靠性预测模型。仿真结果表明，TDR不仅降低了对延迟敏感的应用的平均延迟，而且提高了对可靠性要求较高的应用的数据完整性。

Fei等人[22]提出了基于消息队列遥测传输(Message Queue Telemetry Transport，MQTT)的SD-FANET架构，充分结合了分布式和集中式的结构特点，能较好地应用于战场、灾区等恶劣环境。具体做法为：首先在无人机上设置控制器，然后在无人机蜂群中利用选举机制选举出主控制器和从控制器。两者的差别在于从控制器在应用平面上不具备通信管理、编队管理和安全管理功能，控制平面中，从机主要负责信息收集，主机则负责信息上传。基于此，该结构不仅能够有效地低于单点故障引发的整个网络瘫痪的问题，还能始终保证网络中存在一个指挥与决策的中心，保证任务执行的高效性。同时，集群中的每一架无人机都具有相同的内部部件和结构，该选举机制还能够支持主节点在无人机之间的迁移，一旦有任务需要或者主控制器发生瘫痪，其他从控制器就可以通过开启某些部件和功能来充当主控制器的角色。作者还采用了一种具有低处理能力、低内存的轻量级网络设备——MQTT作为简化网络应用运行和扩展的中间件，能够较好地契合灾区、战场等恶劣环境资源受限的特点。

2.3 与MEC的结合

目前，SD-FANET中无人机计算能力还十分有限，难以承载的数据量较大的计算密集型任务，因此亟需一种稳定的就近的计算服务模式，承载高密度任务的数据处理任务，以保证更低的传输时延。基于此，移动边缘计算(Mobile Edge Computing,MEC)开始在SD-FANET领域实现应用。其核心思想即通过实现集中化的云计算平台与网络边缘甚至用户终端本身相融合，将原本在中心云上的计算资源“下沉”到边缘侧，以实现终端用户在边缘侧就能获得较好的计算服务，计算处理请求能及时得到响应，用户的QoS获得提高。鉴于无人机移动性能好，部署灵活方便，成本低廉，是作为承载MEC服务器的理想平台。

图5所示为基于MEC和SD-FANET架构结合的云边端模型，分为三层：第一层为云服务器层，配置了相应的云SDN控制器；第二层为MEC服务器层，主要搭载在部分无人机和地面基站上，配置了相应的边缘SDN控制器；第三层为用户终端层。在网络中，计算任务可以在用户本地进行处理，也可以上传到MEC服务器上，然后将处理结果回传给用户或者上传给云服务器。通常，搭载了MEC服务器的无人机设置在距离用户一跳或两跳通信距离的网络边缘，对一定范围的用户进行通信覆盖，能够有效解决覆盖范围内用户的计算卸载问题。与此同时，将网络功能虚拟化(Network Functions Virtualization,NFV)的概念集成到MEC服务器中，将MEC服务器的计算和存储资源虚拟化，以承载不同应用和服务的功能。SDN控制模块也运行在启用了NFV的MEC服务器上，利用网络全局信息对虚拟化的资源进行有效分配。并且，每一个MEC服务器能够将自己的状态信息，包括从不同用户上传数据和QoS需求，通过预处理后上传至云SDN控制器，控制器根据接收到的信息对MEC服务器之间的任务迁移做出决策[23]。

图5 基于MEC和SD-FANET架构结合的云边端模型

Zhao等人[24]提出了一种基于SDN的无人机辅助车载计算卸载优化框架，以最小化车载计算任务的系统成本。在该框架中，无人机承载的MEC服务器可以代表车辆用户工作，执行延迟敏感和计算密集型任务。同时，无人机也可以作为中继节点部署，协助将计算任务转发到MEC服务器。作者将卸载决策问题描述为多玩家计算卸载顺序博弈，并设计了无人机辅助车辆计算成本优化(UAV-assisted Vehicular Computation Cost Optimization,UVCO)算法。通过与未结合SDN的传统方案，即基于车辆的云中继方案[25](Vehicle-Based Cloudlet Relaying,VCR)和深度监督学习方法[26](Deep Supervised Learning，DSL)进行对比，从仿真结果上看，随着数据大小的增加，UVCO算法所需的平均系统成本更少，提供的吞吐量更大，在性能上更具先进性。这正是得益于SDN架构中控制器提供的全局信息的设计，它可以节省大量的信息收集时间，避免资源浪费的现象发生，降低网络中的成本，并且提升网络的吞吐量。

Li等人[27]提出了一种基于MEC辅助SD-FANET的最优SDN控制器布置算法，并利用博弈论的思想，研究了降低控制器之间开销、控制器与转发无人机之间开销以及两者通信成本均衡的三种方案。通过实验仿真，这三种方案在不同的场景下都具备一定的优势，可根据业务需求灵活应用。

目前来看，针对MEC辅助SD-FANET的研究成果甚少，但本文认为面向MEC技术的结合会成为未来FANET和SD-FANET架构研究的一大趋势。这是因为目前MEC系统已经在基于SDN的传统移动自组织网络[28-29]中实现了应用，而FANET中无人机具有移动迅速、空中通信阻碍少和临时组网快等性质，相比于车辆和静态的地面基站其承载MEC平台更具优势，而文献[24]也验证了SDN架构在基于MEC的无人机网络中的可行性与先进性。

3 应用场景

由于SD-FANET具有一定的灵活性和可靠性，路由管理更加便捷快速，本节主要介绍该类网络架构的应用场景。

3.1 临时通信覆盖

综合上述研究来看，目前临时应急通信已成为SD-FANAT常见的应用场景[15,17,20]。当大型自然灾害发生时，灾区的商业网络往往会被破坏，此时面向灾区的应急通信尤为重要。而SD-FANET由于移动性和适应性强，并且可以轻松跨越数平方公里，因此能够极大地改善灾后的通信环境。通常，应急SD-FANET的部署采用小型旋翼无人机系统，其价格低廉，但网络拓扑也较为频繁，而SDN的应用能够较好地解决拓扑变化的问题，延长网络的生命周期，提升网络的QoS。

3.2 山地通信

相比于MANET和VANET，FANET具有更可靠的视距(Line-of-sight，LOS)链路[30]，能够避免地面无线通信存在的路径损耗、阴影效应以及多径效应。山地地形复杂，不确定因素多，而SD-FANET的可编程性使得无人机在执行任务期间面临突发事件能够及时做出响应，实时根据任务情况调整无人机之间的相互合作关系。

3.3 海上通信

在6G移动通信中，“空天地海”无缝全球深度立体覆盖一直作为典型的应用场景。尽管5G已经基本实现了陆地的通信覆盖，但海面依旧是处在一个与外界孤立的状态[31]。海面用户(如渔船、军事舰艇、石油作业海上平台等)一般移动速度较快，分布面积广泛，位置不固定，具有一定的临时性，基于此，SD-FANET能够作为中继通信面向海面用户，实现海面与外界的互联互通。

3.4 战术边缘云

战术边缘通常远离指挥中心，通信和计算资源十分有限，并且由于战场环境具有高度动态性和复杂性，网络连通性波动频繁，拓扑变化迅速[32]，而SD-FANET能够适应战场变化，提供稳定的通信服务，部分无人机节点还能够承载MEC服务器，为处于战术边缘环境的用户提供就近计算和信息服务的边缘云环境。

4 未来研究方向

SDN体系架构具有集中控制、可编程性和数控分离等特点，通过与FANET的结合能够很好地解决网络中的负载均衡、资源浪费、网络延迟等问题，但是，在SDN应用于FANET之前仍有一些问题亟待。

4.1 SDN的可扩展性问题

SDN网络将基础设施的控制功能解耦合并，置于远端的逻辑集中地控制平面，使SDN控制器能够根据全局网络视图执行策略，但这也给网络的可扩展性带来了挑战。由于SD-FANET中SDN控制器需要负责网络中每一架无人机的协议转发，一旦网络规模扩大(主要是流量的增长和节点链数的增加)，控制平面的处理能力将会成为SDN网络的瓶颈[33]。

4.2 网络安全问题

大多数情况下，无人机网络基于开放的无线环境，但SDN的概念最初是为数据中心网络而提出的，并不具备多控制器协调的安全机制，节点之间的通信非常容易被窃听和干扰。其次，由于缺乏完整的身份认证机制，恶意节点可能会假冒加入无人机网络，向其他无人机或地面站发送虚假数据或指令，对整个无人机系统造成损害。再次，攻击者可以对某些关键节点进行拒绝服务攻击或分布式拒绝服务攻击，导致关键链路被阻断，从而导致整个系统故障。因此，无人机网络既要保证网络控制信息的真实性，又要能够快速识别并抑制失控节点的恶意行为[34-35]。

4.3 移动切换问题

相比于MANET和VANET，大多数SD-FANET场景中无人机的移动速度较快，执行任务时跨越的区域也较广，移动时会涉及不同的服务区之间切换问题，因此需要更加高效、稳定的切换方式，以保证业务连接的不间断性。目前来看，传统的切换方式较为复杂，即当无人机进入到新的服务区时，首先需要与该服务区的SDN控制器重新协商分配网络资源，SDN控制器根据相应的拓扑变化更新OpenFlow流表，并且随着云计算、边缘计算和雾计算等计算服务的引入，还要涉及到实时迁移和服务器重定向，从而增加了切换的复杂度[36]。

5 结束语

FANET通过多架无人机的协调和协作，其在军、民用领域发挥的效能远超于同样数量无人机的能力总和。目前，FANET面临着任务拓扑高度变化、网络链路连接不稳定、网络安全防护脆弱以及应用程序的异构性等问题。基于此，SDN作为一种可编程和灵活的网络架构，在FANET领域受到了广泛关注。本文给出了SD-FANET的概述和最新研究进展，分析了SD-FANET的应用前景和存在的问题挑战。未来需要设计一种改进的SD-FANET架构，并与MEC技术相结合，解决恶劣环境下用户计算资源受限、网络时延高、安全防护脆弱等问题。