Отримано 23.07.2025, Доопрацьовано 28.10.2025, Прийнято 23.12.2025

Інтелектуальне управління частотою в FANET: нечітка логіка/маршрутизація і адаптивний frequency hopping

Роман Зайвий, Володимир Павлиш

Метою дослідження було експериментальне оцінювання ефективності інтелектуального управління частотою у роєвих мережах безпілотних літальних апаратів (БпЛА) із використанням нечіткої логіки та адаптивного перестрибування частоти. Об’єктом аналізу виступили три методи частотного керування – фіксована частота, класичне перестрибування частоти та запропонований адаптивний метод, який поєднує нечітке логічне прийняття рішень із контекстно-залежною маршрутизацією. Дослідження проводилося у симуляційному середовищі MATLAB R2024a та Python 3.12 на моделі з п’яти БпЛА, що рухалися у межах області розміром 1000×1000 м із урахуванням змін топології, рівня сигналу, співвідношення сигнал/шум та енергетичних характеристик вузлів. Отримані результати показали, що розроблений адаптивний метод забезпечує найвищу ефективність зв’язку серед досліджених підходів. Коефіцієнт доставки пакетів утримувався на рівні 0,93–0,95 навіть за наявності вузькосмугових перешкод, що на 25–30 % перевищує показники базових методів. Середня наскрізна затримка передачі зменшилася до 43 мс проти 61 мс у класичній схемі перестрибування частоти та 78 мс у фіксованому режимі. Енергоспоживання знизилося на 12–19 %, а середня частота перемикань скоротилася удвічі (≈ 2 рази/с проти 4,2 раза/с у класичному режимі), що свідчить про оптимізацію роботи контролера. Статистичний аналіз підтвердив значущий вплив типу методу на всі основні показники ефективності зв’язку (p < 0,05), що засвідчує достовірність отриманих результатів і відтворюваність системи у серії симуляційних експериментів. Запропонований підхід забезпечує автономну оптимізацію маршрутів передавання даних і підтримання стабільного каналу зв’язку навіть у динамічних середовищах, що відкриває перспективи для розроблення нового покоління інтелектуальних мереж БпЛА, орієнтованих на завдання моніторингу, розвідки та координації у реальному часі. Результати дослідження можуть бути використані розробниками безпілотних систем, інженерами зв’язку та фахівцями з мережевих технологій для створення більш стійких до завад, енергоефективних і самонавчальних систем зв’язку

безпілотні літальні апарати; роєві мережі; радіомодуль; енергоефективність; коефіцієнт доставки пакетів; мобільність вузлів
41-53
Zaivyi, R., & Pavlysh, V. (2025). Intelligent frequency management in FANET: Fuzzy logic/routing and adaptive frequency hopping. Information Technologies and Computer Engineering, 22(3), 41-53. https://doi.org/10.31649/vitce/3.2025.41

Використані джерела

[1] Aalsalem, M. (2023). An intelligent adaptive neuro-fuzzy for solving the multipath congestion in internet of things. Journal of Information Systems Engineering and Management, 8(4), article number 23845. doi: 10.55267/iadt.07.14044.

[2] Ahmed, S.M., & Mohammed, A.S. (2022). Fuzzy adaptive routing protocol for packet dissemination in FANET. International Journal of Nonlinear Analysis and Applications, 13(2), 1673-1683. doi: 10.22075/ijnaa.2022.27515.3633.

[3] Aimtongkham, P., Musikawan, P., Kongsorot, Y., & So-In, C. (2024). A novel congestion control scheme using fuzzy logic systems to enhance the path selection criteria in routing protocols for low-power and lossy networks on the internet of things. SN Computer Science, 5(5), article number 610. doi: 10.1007/s42979-024-02940-z.

[4] Aissa, M., Bouhdid, B., Bahri, M.A., Zakarya, M., & Mayyahi, K.A. (2025). Adaptive clustering in FANETs: A fuzzy logic approach for energy efficiency and network stability. Telecommunication Systems, 88(4), article number 125. doi: 10.1007/s11235-025-01356-1.

[5] Alam, S., Kundu, J., Ghosh, S., & Dey, A. (2024). Trusted fuzzy routing scheme in flying ad-hoc network. Journal of Fuzzy Extension and Applications, 5(1), 48-59. doi: 10.22105/jfea.2024.436052.1370.

[6] Albu-Salih, A.T., & Khudhair, H.A. (2021). ASR-FANET: An adaptive SDN-based routing framework for FANET. International Journal of Electrical & Computer Engineering, 11(5), 4403-4412. doi: 10.11591/ijece.v11i5.pp4403-4412.

[7] Al-Essa, R.I., & Al-Suhail, G.A. (2023). AFB-GPSR: Adaptive beaconing strategy based on fuzzy logic scheme for geographical routing in a mobile ad hoc network (MANET). Computation, 11(9), article number 174. doi: 10.3390/ computation11090174.

[8] Almansor, M.J., Din, N.M., Baharuddin, M.Z., Ma, M., Alsayednoor, H.M., Al-Shareeda, M.A., & Al-asadi, A.J. (2024). Routing protocols strategies for flying Ad-Hoc network (FANET): Review, taxonomy, and open research issues. Alexandria Engineering Journal, 109, 553-577. doi: 10.1016/j.aej.2024.09.032.

[9] Alotaibi, J. (2025). FuzOptRoute: A fuzzy logic-integrated optimization-based energy-efficient cluster routing framework with edge computing for mobile communication networks. The Journal of Supercomputing, 81(11), article number 1186. doi: 10.1007/s11227-025-07673-1.

[10] Atheeq, C., Gulzar, Z., Al Reshan, M.S., Alshahrani, H., Sulaiman, A., & Shaikh, A. (2024). Securing UAV networks: A lightweight chaotic-frequency hopping approach to counter jamming attacks. IEEE Access, 12, 38685-38699. doi: 10.1109/ACCESS.2024.3375343.

[11] Badawi, S., Ahmad, N., Akmam, R., Mohamed, N., & Mohd, S. (2025). Routing protocols in FANET for disaster area networks: A review. ASEAN Engineering Journal, 15(3), 81-100. doi: 10.11113/aej.v15.22954.

[12] Beegum, T.R., Idris, M.Y., Ayub, M.N., & Shehadeh, H.A. (2023). Optimized routing of UAVs using bio-inspired algorithm in FANET: A systematic review. IEEE Access, 11, 15588-15622. doi: 10.1109/ACCESS.2023.3244067.

[13] Bhatia, T.K., Gilhotra, S., Bhandari, S.S., & Suden, R. (2024). Flying ad-hoc networks (FANETs): A review. EAI Endorsed Transactions on Energy Web, 11. doi: 10.4108/ew.5489.

[14] Bieliakov, R., & Fesenko, O. (2023). A model of intelligent resource management of class manet terrestrial communication network. Information Technology and Society, 3(9), 6-14. doi: 10.32689/maup.it.2023.3.1.

[15] Felemban, E. (2021). Evaluation of routing protocols and mobility in flying ad-hoc network. International Journal of Advanced Computer Science and Applications, 12(7), 643-650. doi: 10.14569/IJACSA.2021.0120773.

[16] Hasan, S.A., Mohammed, M.A., & Sulaiman, S.K. (2024). Flying ad-hoc networks (FANETs): Review of communications, challenges, applications, future direction and open research topics. ITM Web of Conferences, 64, article number 01002. doi: 10.1051/itmconf/20246401002.

[17] Hosseinzadeh, M., Husari, F.M., Yousefpoor, M.S., Lansky, J., & Min, H. (2024). A local filtering-based energy-aware routing scheme in flying ad hoc networks. Scientific Reports, 14(1), article number 17733. doi: 10.1038/s41598-024-68471-y.

[18] Jajala, K.K., & Buduri, R. (2024). Efficient and secure routing with UAV: GuidedPheromone update based on improved Ant colony optimization and fuzzy logic for congestion control in vehicular ad-hoc network. International Journal of Information Technology, 16(7), 4089-4110. doi: 10.1007/s41870-024-01978-9.

[19] Karpagalakshmi, R.C., Rani, D.L., Magendiran, N., & Manikandan, A. (2024). An energy-efficient bio-inspired mobilityaware cluster p-WOA algorithm for intelligent whale optimization and fuzzy-logic-based zonal clustering algorithm in FANET. International Journal of Computational Intelligence Systems, 17(1), article number 258. doi: 10.1007/s44196024-00651-0.

[20] Khan, S., Khan, M.Z., Khan, P., Mehmood, G., Khan, A., & Fayaz, M. (2022). An ant‐hocnet routing protocol based on optimized fuzzy logic for swarm of UAVs in FANET. Wireless Communications and Mobile Computing, 2022(1), article number 6783777. doi: 10.1155/2022/6783777.

[21] Kundu, J., Alam, S., & Dey, A. (2025). Fuzzy logic based social trust computation scheme in Flying Ad-hoc network. Journal of Fuzzy Extension and Applications, 6(1), 59-70. doi: 10.22105/jfea.2024.445025.1385.

[22] Malhotra, A., & Kaur, S. (2022). A comprehensive review on recent advancements in routing protocols for flying ad hoc networks. Transactions on Emerging Telecommunications Technologies, 33(3), article number e3688. doi: 10.1002/ ett.3688.

[23] Mamdani, E.H., & Assilian, S. (1975). An experiment in linguistic synthesis with a fuzzy logic controller. International Journal of Man-Machine Studies, 7(1), 1-13. doi: 10.1016/S0020-7373(75)80002-2.

[24] Prabhakar, P., Yokesh, V., Aruchamy, P., & Nanthakumar, S. (2025). Artificial intelligence-enabled fully echoed Q‐routing and adaptive directional medium access control protocol for flying ad‐hoc networks. International Journal of Communication Systems, 38(4), article number e6138. doi: 10.1002/dac.6138.

[25] Prakash, M., Neelakandan, S., & Kim, B.H. (2024). Reinforcement learning-based multidimensional perception and energy awareness optimized link state routing for flying ad-hoc networks. Mobile Networks and Applications, 29(2), 315-333. doi: 10.1007/s11036-023-02255-y.

[26] Rahmani, A.M., Ali, S., Yousefpoor, E., Yousefpoor, M.S., Javaheri, D., Lalbakhsh, P., Ahmed, O.H., Hosseinzadeh, M., & Lee, S.W. (2022). OLSR+: A new routing method based on fuzzy logic in flying ad-hoc networks (FANETs). Vehicular Communications, 36, article number 100489. doi: 10.1016/j.vehcom.2022.100489.

[27] Sahare, M., & Maheshwary, P. (2023). The congestion control and performance improvement by fuzzy techniques in FANET with IoT: A survey. In Proceedings of the international conference on ICT in business industry & government (pp. 1-8). Indore: IEEE. doi: 10.1109/ICTBIG59752.2023.10455986.

[28] Semendiai, S. (2023). The use of cognitive radio technology to improve the efficiency of wireless data transmission systems in the conditions of active use of electronic warfare. Cybersecurity: Education, Science, Technique, 4(20), 220229. doi: 10.28925/2663-4023.2023.20.220229.

[29] Sivaranjani, R., Shankar, R., & Duraisamy, S. (2025). FLEATM: Fuzzy logic-based energy-aware trust based routing in MANETs. In S. Rajagopal, K. Popat, D. Meva, S. Bajeja & P. Mudholkar (Eds.), International conference on advancements in smart computing and information security (pp. 144-159). Cham: Springer. doi: 10.1007/978-3-031-86296-0_12.

[30] Sugantha Priya, S., & Mohanraj, M. (2023). An energy-efficient clustering and fuzzy-based path selection for flying ad-hoc networks. International Journal of Computational Intelligence and Applications, 22(1), article number 2341003. doi: 10.1142/S1469026823410031.

[31] Sun, K., Liu, M., Yin, C., & Wang, Q. (2025). Adaptive extended Kalman prediction-based SDN-FANET segmented hybrid routing scheme. Sensors, 25(5), article number 1417. doi: 10.3390/s25051417.

[32] Valuyskyi, S., & Ponomarenko, O. (2025). Analysis of the architecture, technologies and future challenges of flying ad hoc networks. In Proceedings of the international scientific conference “Modern challenges in telecommunications” (pp. 345-347). Kyiv: National Technical University of Ukraine “Igor Sikorsky Kyiv Polytechnic Institute”.

[33] Vijitha Ananthi, J., & Subha Hency Jose, P. (2022). A review on various routing protocol designing features for flying ad hoc networks. In S. Shakya, R. Bestak, R. Palanisamy & K. Kamel (Eds.), Mobile computing and sustainable informatics: Proceedings of ICMCSI 2021 (pp. 315-325). Singapore: Springer. doi: 10.1007/978-981-16-1866-6_23.

[34] Wheeb, A.H., Nordin, R., Samah, A.A., Alsharif, M.H., & Khan, M.A. (2022). Topology-based routing protocols and mobility models for flying ad hoc networks: A contemporary review and future research directions. Drones, 6(1), article number 9. doi: 10.3390/drones6010009.