CN106093909B - 适用于分簇结构的rsn的多跳恒虚警信息融合判决方法 - Google Patents

适用于分簇结构的rsn的多跳恒虚警信息融合判决方法 Download PDF

Info

Publication number
CN106093909B
CN106093909B CN201610739729.XA CN201610739729A CN106093909B CN 106093909 B CN106093909 B CN 106093909B CN 201610739729 A CN201610739729 A CN 201610739729A CN 106093909 B CN106093909 B CN 106093909B
Authority
CN
China
Prior art keywords
cluster
cluster head
radar sensor
hop
constant false
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201610739729.XA
Other languages
English (en)
Other versions
CN106093909A (zh
Inventor
梁菁
胡耀月
刘怀远
刘晓旭
余萧峰
张洋
毛诚晨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN201610739729.XA priority Critical patent/CN106093909B/zh
Publication of CN106093909A publication Critical patent/CN106093909A/zh
Application granted granted Critical
Publication of CN106093909B publication Critical patent/CN106093909B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/04—Systems determining presence of a target
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L45/00—Routing or path finding of packets in data switching networks
    • H04L45/46—Cluster building
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

适用于分簇结构的RSN的多跳恒虚警信息融合判决方法，本发明涉及传感器网络虚警信息融合判决技术领域，解决现有技术忽略分簇结构的信息融合和信道增益而导致判决效率受到影响等技术问题。本发明利用多传感器网络在考虑噪声和信道衰减下的复合多跳信息融合结构以及通过中继节点自适应恒虚警判决门限、簇头检测概率估计值的计算，确保网络中中继节点、簇头以及基站都具有恒定的虚警概率，从而提高了网络的目标检测性能。

Description

适用于分簇结构的RSN的多跳恒虚警信息融合判决方法
技术领域
本发明涉及传感器网络虚警信息融合判决技术领域，具体涉及适用于分簇结构的RSN的多跳恒虚警信息融合判决方法。
背景技术
雷达传感器网络(radar sensor networks,RSN)是一种由多个雷达传感器节点组成的无线传感网络。目的主要是探测和跟踪目标。RSN可以通过发射电磁波从不同的方向来探测目标，根据目标的回波信号获取目标的信息。这些信息经嵌入式系统处理后，通过随机自组织RSN以多跳中继方式送到用户终端。RSN通过对小型雷达传感器的组网主动式地对待检测区域实施监测。RSN的应用前景受到了很多国家和科研机构的重视。
分簇算法能有效地降低无线网络的能量消耗、延长网络寿命、增强网络连贯性和减少数据开发。它的基本思想是将无线传感网划分为各个片区，即簇(cluster)。并在簇中设定中心控制节点，即簇头(cluster head)。在节点分簇算法中，根据簇内非簇头节点到簇头节点的跳数，可分为簇内单跳与簇内多跳算法，即可采用单跳算法的非簇头节点直接与簇头进行通信，而多跳算法中的非簇头节点可通过其他中继节点与簇头进行通信。一方面由簇头对簇内其它节点进行管理并且负责数据融合，这大大减少了网络中的控制数据；另一方面由簇头向更上一层的路由(如基站)进行数据的长距离转发，也在很大程度上节省了网络能量，有益于使用分布式算法，适用于大规模部署网络。研究表明分簇算法在传感器网络中性能表现非常好。因此可以将分簇拓扑结构应用于RSN，延长RSN的寿命。
信息融合是指多传感器的数据在一定准则下加以自动分析、综合以完成所需的决策和评估而进行的信息处理过程。
目前现有的信息融合方法并不适用于基于分簇结构的RSN。首先，在RSN中，由雷达传感器发送的信息会受到信道衰减和噪声的影响，而一些融合判决方法并没有考虑这些因素。此外，尽管现有技术研究了针对多跳无线传感器网络在信道衰减环境下的信息融合问题，但是中继节点和融合中心在融合判决时使用了最大似然比估计方法，这很有可能产生较高的虚警概率。而RSN的设计要求高检测概率和恒定的虚警概率。最后，现有技术研究了多雷达传感器的数据融合技术，现有技术提出了针对RSN多目标检测的信息融合方法，但是现有技术一样都没有考虑基于分簇结构的信息融合问题。
本文针对上述问题，提出了信道衰减环境下基于分簇结构的RSN恒虚警(constantfalse alarm rate，CFAR)融合判决方法。
发明内容
针对上述现有技术，本发明目的在于提供适用于分簇结构的RSN的多跳恒虚警信息融合判决方法，解决现有技术忽略分簇结构的信息融合和信道增益而导致检测性能受到影响等技术问题。
为达到上述目的，本发明采用的技术方案如下：
适用于分簇结构的RSN的多跳恒虚警信息融合判决方法，包括如下步骤，
步骤1、在待监测区域内建立雷达传感器网络，在划分簇后，对应簇选择出雷达传感器网络的簇头，获取簇内非簇头雷达传感器的目标检测概率与恒虚警概率；
步骤2、由雷达传感器网络对待监测区域发起检测，通过非簇头雷达传感器根据各自的回波信号作本地判决,结合信道增益和噪声，表示出对应簇内各个非簇头雷达传感器的中继节点的信号，再获取中继节点的检测概率与虚警概率；
步骤3、通过簇内非簇头雷达传感器的信号及其目标检测概率与恒虚警概率、中继节点的信号及其检测概率与虚警概率，设计出由信道增益加权的簇头多跳融合准则表达式；
步骤4、通过中继节点的检测概率，计算出雷达传感器网络中最后一个中继节点检测概率的估计值，再将估计值代入簇头多跳融合准则表达式，获得各个簇头的恒虚警判决门限；
步骤5、利用簇头的恒虚警判决门限，每个簇头对其所接受到的簇头多跳融合准则表达式输出结果进行判决，判决结果发送至基站；
步骤6、获取由信道衰减系数和高斯白噪声加权的基站融合统计表达式，根据中心极限定理结合判决结果得到基站的恒虚警判决门限，再由基站根据其恒虚警判决门限判定基站融合统计表达式输出结果，从而确定待监测区域是否有目标存在。
上述方法中，所述的步骤1，
还统计了第i个簇内非簇头雷达传感器的个数为Ni，1≤i≤c；
和分别表示第k个非簇头雷达传感器的目标检测概率和恒虚警概率。
上述方法中，所述的步骤2，包括如下步骤，
步骤2.1、由雷达传感器网络对待监测区域发起检测，由非簇头雷达传感器根据各自的回波信号做本地二进制判决uk∈{+1,-1}；
步骤2.1.1、当判断为有目标H1的时候，uk＝+1；
步骤2.1.2、无目标H0时，uk＝-1；
步骤2.1.3、再将判决结果发送给相应的簇头；
步骤2.2、Mk,i为在第i个簇内第k个非簇头雷达传感器与簇头之间传输信息需要的跳数，表示第k个非簇头雷达传感器的二进制检测结果，是第m个中继节点的二进制决策结果，1≤m≤Mk,i，是第m个中继节点接收到的来自第k个非簇头雷达传感器的信号，则
其中，和表示相应的信道增益和噪声；
步骤2.3、当1≤m≤Mk,i，和分别为第m个中继节点的检测概率和虚警概率，和是最后一个中继节点的检测概率和虚警概率。
上述方法中，所述的步骤3，
簇头多跳融合准则表达式，
(1)其中，Mk,i为在第i个簇内第k个非簇头雷达传感器与簇头之间传输信息需要的跳数，表示第k个非簇头雷达传感器的二进制检测结果，表示第m个中继节点的二进制决策结果，表示第m个中继节点接收到的来自第k个非簇头雷达传感器的信号， 和表示相应的信道增益和噪声。
上述方法中，所述的步骤4，包括如下步骤，
步骤4.1、使用公式(2)和公式(3)，使其中为系统对中继节点恒虚警概率的设定值：
当m＝1时，
当m≥2时，
其中
且
显然，和可以由和得出，而和为
从而计算出第m个中继节点的恒虚警判决门限
步骤4.2、再使用公式(14)，
计算最后一个中继节点检测概率的估计值并将结果带入公式(1)，运用中心极限定理计算簇头的恒虚警判决门限Ti (c)及检测概率的估计值
上述方法中，所述的步骤5，第i个簇头以恒虚警判决门限Ti (c)对接收到的簇头多跳融合准则表达式输出结果做二进制判决，再将判决结果发送给基站。
上述方法中，所述的步骤6，其中基站融合统计表达式Λb为
其中，为基站接收到的来自第i个簇头的信号， 分别为信道衰减系数和高斯白噪声。
与现有技术相比，本发明的有益效果：
利用多传感器网络在考虑噪声和信道衰减下的复合多跳信息融合结构以及通过中继节点自适应恒虚警判决门限、簇头检测概率估计值的计算，确保网络中中继节点、簇头以及基站都具有恒定的虚警概率，从而提高了网络的目标检测性能。
附图说明
图1为本发明的多传感器在考虑噪声和信道衰减下的复合多跳信息融合结构示意图；
图2为本发明的RSN在CHEF分簇算法下(簇个数为6)中继节点分别采用ML判决和ACFARDF判决方法的检测概率结果曲线图；
图3为本发明的RSN在CHEF分簇算法下(簇个数为8)中继节点分别采用ML判决和ACFARDF判决方法的检测概率结果曲线图；
图4为本发明的RSN在CHEF分簇算法下中继节点分别采用ML判决、ACFARDF判决方法的虚警概率结果。
具体实施方式
本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。
下面结合附图对本发明做进一步说明：
实施例1
一种适用于基于分簇结构的RSN的多跳恒虚警融合判决方法ACFARDF包括以下步骤：
步骤一、将一定数目的雷达传感器部署在待检测的区域内，并划分为簇结构，选择簇头RSN分为c个簇，第i个簇内非簇头雷达传感器的个数为Ni，1≤i≤c；
步骤二、在RSN检测阶段：由非簇头雷达传感器对待监测区域实施检测，每个非簇头雷达传感器根据各自的回波信号做本地二进制判决uk∈{+1,-1}：当判断为有目标H1的时候，uk＝+1；无目标H0时，uk＝-1；再将判决结果发送给相应的簇头；Mk,i为在第i个簇内第k个非簇头雷达传感器与簇头之间传输信息需要的跳数，表示第k个非簇头雷达传感器的二进制检测结果，1≤m≤Mk,i，是第m个中继节点的二进制决策结果，是第m个中继节点接收到的来自第k个非簇头雷达传感器的信号，则
其中，和表示相应的信道增益和噪声；
步骤三、使用公式(2)和(3)计算第m个中继节点的恒虚警判决门限使用公式(14)计算最后一个中继节点检测概率的估计值
步骤四、将步骤三的结果代入公式(1)，运用中心极限定理计算簇头的恒虚警判决门限Ti (c)及检测概率的估计值
步骤五、第i个簇头以判决门限Ti (c)对接收到的融合表达式做二进制判决，再将判决结果发送给基站，基站的融合统计表达式Λb为
其中，为基站接收到的来自第i个簇头的信号， 分别为信道衰减系数和高斯白噪声，则根据中心极限定理可得基站的恒虚警判决门限；由此判决门限，基站可判定监测区域内是否有目标存在。
更加具体地：
步骤一、本发明提出了多传感器在考虑噪声和信道衰减下的复合多跳信息融合结构(图1)，在该结构下，存在部分传感器的信息没有通过中继节点直接发给融合中心；
步骤二、设计簇头多跳融合准则：
其中，Mk,i为在第i个簇内第k个非簇头雷达传感器与簇头之间传输信息需要的跳数，表示第k个非簇头雷达传感器的二进制检测结果，表示第m个中继节点的二进制决策结果，表示第m个中继节点接收到的来自第k个非簇头雷达传感器的信号， 和表示相应的信道增益和噪声，和分别表示第k个非簇头雷达传感器的目标检测概率和恒虚警概率，当1≤m≤Mk,i，和分别为第m个中继节点的检测概率和虚警概率，和是最后一个中继节点的检测概率和虚警概率；
步骤三、使用公式(2)和(3)计算第m个中继节点的恒虚警判决门限使其中为系统对中继节点恒虚警概率的设定值：当m＝1时，
当m≥2时，
其中
且
显然，和可以由和得出，而和为
步骤四、使用公式(14)计算最后一个中继节点检测概率的估计值并将结果带入公式(1)，运用中心极限定理计算簇头的恒虚警判决门限。
与现有技术相比，本发明具有以下有益效果：本发明提出了一种适用于基于分簇结构的RSN的多跳恒虚警融合判决方法ACFARDF，主要包括多传感器在考虑噪声和信道衰减下的复合多跳信息融合结构以及中继节点自适应恒虚警判决门限、簇头检测概率估计值的计算，确保网络中中继节点、簇头以及基站都具有恒定的虚警概率，提高了网络的目标检测性能。
本发明仿真了RSN在CHEF分簇算法下，簇个数分别为6(图2)和8(图3)中继节点分别采用最大似然比(ML)判决和ACFARDF判决方法的检测概率结果；中继节点的虚警概率的仿真结果如图4所示，其中h表示信道增益。仿真结果表明，ACFARDF融合判决方法不仅保证了CFAR，而且在高信噪比下的检测概率高于ML判决。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何属于本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

Claims (7)

1.适用于分簇结构的RSN的多跳恒虚警信息融合判决方法，其特征在于，包括如下步骤，
步骤1、在待监测区域内建立雷达传感器网络，在划分簇后，对应簇选择出雷达传感器网络的簇头，获取簇内非簇头雷达传感器的目标检测概率与恒虚警概率；
步骤2、由雷达传感器网络对待监测区域发起检测，通过非簇头雷达传感器根据各自的回波信号作本地判决,结合信道增益和噪声，表示出对应簇内各个非簇头雷达传感器的中继节点的信号，再获取中继节点的检测概率与虚警概率；
步骤3、通过簇内非簇头雷达传感器的信号及其目标检测概率与恒虚警概率、中继节点的信号及其检测概率与虚警概率，设计出由信道增益加权的簇头多跳融合准则表达式；
步骤4、通过中继节点的检测概率，计算出雷达传感器网络中最后一个中继节点检测概率的估计值，再将估计值代入簇头多跳融合准则表达式，获得各个簇头的恒虚警判决门限；
步骤5、利用簇头的恒虚警判决门限，每个簇头对其所接受到的簇头多跳融合准则表达式输出结果进行判决，判决结果发送至基站；
步骤6、获取由信道衰减系数和高斯白噪声加权的基站融合统计表达式，根据中心极限定理结合判决结果得到基站的恒虚警判决门限，再由基站根据其恒虚警判决门限判定基站融合统计表达式输出结果，从而确定待监测区域是否有目标存在。
2.根据权利要求1所述的适用于分簇结构的RSN的多跳恒虚警信息融合判决方法，其特征在于，所述的步骤1，
还统计了第i个簇内非簇头雷达传感器的个数为Ni，1≤i≤c；
和分别表示第k个非簇头雷达传感器的目标检测概率和恒虚警概率；
表示第k个非簇头雷达传感器的二进制检测结果，H1为有目标，H0为无目标，表示判决结果为有目标。
3.根据权利要求2所述的适用于分簇结构的RSN的多跳恒虚警信息融合判决方法，其特征在于，所述的步骤2，包括如下步骤，
步骤2.1、由雷达传感器网络对待监测区域发起检测，由非簇头雷达传感器根据各自的回波信号做本地二进制判决uk∈{+1,-1}；
步骤2.1.1、当判断为有目标H1的时候，uk＝+1；
步骤2.1.2、无目标H0时，uk＝-1；
步骤2.1.3、再将判决结果发送给相应的簇头；
步骤2.2、Mk,i为在第i个簇内第k个非簇头雷达传感器与簇头之间传输信息需要的跳数，表示第k个非簇头雷达传感器的二进制检测结果，是第m个中继节点的二进制决策结果，1≤m≤Mk,i，是第m个中继节点接收到的来自第k个非簇头雷达传感器的信号，则
其中，和表示相应的信道增益和噪声；
步骤2.3、当1≤m≤Mk,i，和分别为第m个中继节点的检测概率和虚警概率，和是最后一个中继节点的检测概率和虚警概率。
4.根据权利要求3所述的适用于分簇结构的RSN的多跳恒虚警信息融合判决方法，其特征在于，所述的步骤3，
簇头多跳融合准则表达式，
(1)其中，Mk,i为在第i个簇内第k个非簇头雷达传感器与簇头之间传输信息需要的跳数，表示第k个非簇头雷达传感器的二进制检测结果，1≤m≤Mk,i表示第m个中继节点的二进制决策结果，表示第m个中继节点接收到的来自第k个非簇头雷达传感器的信号， 和表示相应的信道增益和噪声。
5.根据权利要求4所述的适用于分簇结构的RSN的多跳恒虚警信息融合判决方法，其特征在于，所述的步骤4，包括如下步骤，
步骤4.1、使用公式(2)和公式(3)，使 其中为系统对中继节点恒虚警概率的设定值：
当m＝1时，
当m≥2时，
其中
且
显然，和可以由和得出，而和为
从而计算出第m个中继节点的恒虚警判决门限
步骤4.2、再使用公式(14)，
计算最后一个中继节点检测概率的估计值并将结果带入公式(1)，运用中心极限定理计算簇头的恒虚警判决门限Ti (c)及检测概率的估计值
6.根据权利要求5所述的适用于分簇结构的RSN的多跳恒虚警信息融合判决方法，其特征在于，所述的步骤5，第i个簇头以恒虚警判决门限Ti (c)对接收到的簇头多跳融合准则表达式输出结果做二进制判决，再将判决结果发送给基站。
7.根据权利要求6所述的适用于分簇结构的RSN的多跳恒虚警信息融合判决方法，其特征在于，所述的步骤6，其中基站融合统计表达式Λb为
其中，为基站接收到的来自第i个簇头的信号， 分别为信道衰减系数和高斯白噪声。
CN201610739729.XA 2016-08-26 2016-08-26 适用于分簇结构的rsn的多跳恒虚警信息融合判决方法 Active CN106093909B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610739729.XA CN106093909B (zh) 2016-08-26 2016-08-26 适用于分簇结构的rsn的多跳恒虚警信息融合判决方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610739729.XA CN106093909B (zh) 2016-08-26 2016-08-26 适用于分簇结构的rsn的多跳恒虚警信息融合判决方法

Publications (2)

Publication Number Publication Date
CN106093909A CN106093909A (zh) 2016-11-09
CN106093909B true CN106093909B (zh) 2018-07-20

Family

ID=57225355

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610739729.XA Active CN106093909B (zh) 2016-08-26 2016-08-26 适用于分簇结构的rsn的多跳恒虚警信息融合判决方法

Country Status (1)

Country Link
CN (1) CN106093909B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113329418B (zh) * 2021-04-21 2022-04-05 中南大学 基于大规模mimo-noma系统的用户分簇方法、系统及介质
CN115297049B (zh) * 2022-07-05 2023-09-15 河南科技大学 一种多路由多中继网络的联合决策融合与信道估计方法

Also Published As

Publication number Publication date
CN106093909A (zh) 2016-11-09

Similar Documents

Publication Publication Date Title
Lee et al. Deep cooperative sensing: Cooperative spectrum sensing based on convolutional neural networks
Rajasegarar et al. Anomaly detection in wireless sensor networks
Chang et al. CODA: A continuous object detection and tracking algorithm for wireless ad hoc sensor networks
Lee et al. Deep sensing: Cooperative spectrum sensing based on convolutional neural networks
CN103533571B (zh) 基于投票策略的容错事件检测方法
CN106093909B (zh) 适用于分簇结构的rsn的多跳恒虚警信息融合判决方法
CN103297973B (zh) 水下传感器网络中女巫入侵检测方法
EP4030806A1 (en) Methods and apparatuses for sensing application identification and prediction
Chowdhury et al. On semantic clustering and adaptive robust regression based energy-aware communication with true outliers detection in WSN
CN103684626A (zh) 多用户协同频谱感知的数据融合方法及装置
CN104159299A (zh) 一种服务公告消息的传输方法及设备
Prasad et al. An energy efficient and reliable internet of things
Shang et al. Research on the intrusion detection model based on improved cumulative summation and evidence theory for wireless sensor network
CN105246173B (zh) 一种适用于rsn的节点分簇方法及其融合判决方法
Devadevan et al. Energy efficient routing protocol in forest fire detection system
Zou et al. An efficient data fusion approach for event detection in heterogeneous wireless sensor networks
Jothiraj et al. An efficient adaptive threshold‐based dragonfly optimization model for cooperative spectrum sensing in cognitive radio networks
Altakhayneh et al. Cluster head selection using genetic algorithm in wireless network
Wang et al. Energy-efficient barrier coverage in bistatic radar sensor networks
Asuquo et al. A collaborative trust management scheme for emergency communication using delay tolerant networks
Mustafa et al. Decision‐fusion‐based reliable CSS scheme in CR networks
Veeraiah et al. A Novel Gradient Boosted Energy Optimization Model (GBEOM) for MANET.
AlAblani et al. A2T-boost: An adaptive cell selection approach for 5G/SDN-based vehicular networks
Neenavath et al. An energy efficient multipath routing protocol for manet
Yang et al. Radar sensor (RS) deployment for multi-target detection

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant