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]