Recently, Unmanned Aerial Vehicle (UAVs) have been widely adopted to collect data in dangerous or inaccessible areas due to their unique characteristics, including on-demand deployment, flexibility, low-cost, and mobility. However, limited power supply severely restricts the transmission range of a UAV, thus the sensed data needs to be transmitted to the ground control station (GCS) with the help of multiple UAVs in a multi-hop manner. This paper firstly describes the general process of the UAV relay network deployment, and analyzes the number of relay UAVs needed by two types of straightforward static model, i.e. track-based dynamic routing model with planned path and the infrastructure-based dynamic routing model with uncertain path. Deploying the relay UAVs in a static way as current works do cannot fulfill the requirements for an ideal UAV relay network, such as high reliability, low-cost and guaranteed quality of service. Thus, we detail our prediction-based dynamic relay network deployment model, and prove that our proposal is feasible and requires less number of relay UAVs while providing higher communication quality compared with state-of-the-art methods. Based on this model, an Elastic Relay Network Construction (ERNetC) algorithm is proposed. Finally, a series of simulation experiments are conducted on OMNeT++ simulation platform to evaluate the performance of ERNetC algorithm. Simulation results show that ERNetC algorithm outperforms existing algorithms in total interruption time as well as goodput.

最近，由于其独特的特性，包括按需部署，灵活性，低成本和移动性，无人飞行器（UAV）已被广泛采用以收集危险或不可访问区域的数据。然而，有限的电源严重限制了无人机的传输范围，因此感测到的数据需要借助多个无人机以多跳的方式传输到地面控制站（GCS）。本文首先介绍了无人机中继网络部署的一般过程，并分析了两种简单的静态模型即规划路径的基于轨迹的动态路由模型和不确定性的基于基础设施的动态路由模型两种所需的中继无人机数量。路径。由于当前的工作无法以静态方式部署中继无人机，因此无法满足理想的无人机中继网络的要求，例如高可靠性，低成本和有保证的服务质量。因此，我们详细介绍了基于预测的动态中继网络部署模型，并证明了我们的建议是可行的，并且与最新方法相比，在提供更高通信质量的同时，需要较少数量的中继无人机。基于该模型，提出了一种弹性中继网络构建算法。最后，在OMNeT ++仿真平台上进行了一系列仿真实验，以评估ERNetC算法的性能。仿真结果表明，ERNetC算法在总中断时间和吞吐量上都优于现有算法。低成本和有保证的服务质量。因此，我们详细介绍了基于预测的动态中继网络部署模型，并证明了我们的建议是可行的，并且与最新方法相比，在提供更高通信质量的同时，需要较少数量的中继无人机。基于该模型，提出了一种弹性中继网络构建算法。最后，在OMNeT ++仿真平台上进行了一系列仿真实验，以评估ERNetC算法的性能。仿真结果表明，ERNetC算法在总中断时间和吞吐量上都优于现有算法。低成本和有保证的服务质量。因此，我们详细介绍了基于预测的动态中继网络部署模型，并证明了我们的建议是可行的，并且与最新方法相比，在提供更高通信质量的同时，需要较少数量的中继无人机。在此模型的基础上，提出了一种弹性中继网络构建算法。最后，在OMNeT ++仿真平台上进行了一系列仿真实验，以评估ERNetC算法的性能。仿真结果表明，ERNetC算法在总中断时间和吞吐量上都优于现有算法。并证明我们的建议是可行的，并且与最新方法相比，它需要更少的中继UAV，同时提供更高的通信质量。基于该模型，提出了一种弹性中继网络构建算法。最后，在OMNeT ++仿真平台上进行了一系列仿真实验，以评估ERNetC算法的性能。仿真结果表明，ERNetC算法在总中断时间和吞吐量上都优于现有算法。并证明我们的建议是可行的，并且与最新方法相比，它需要更少的中继UAV，同时提供更高的通信质量。基于该模型，提出了一种弹性中继网络构建算法。最后，在OMNeT ++仿真平台上进行了一系列仿真实验，以评估ERNetC算法的性能。仿真结果表明，ERNetC算法在总中断时间和吞吐量上都优于现有算法。