CN106658537A - 构建无人机自组织网络节点的三维时空相关群组移动模型的方法及系统 - Google Patents

构建无人机自组织网络节点的三维时空相关群组移动模型的方法及系统 Download PDF

Info

Publication number
CN106658537A
CN106658537A CN201611117808.3A CN201611117808A CN106658537A CN 106658537 A CN106658537 A CN 106658537A CN 201611117808 A CN201611117808 A CN 201611117808A CN 106658537 A CN106658537 A CN 106658537A
Authority
CN
China
Prior art keywords
node
speed
angle
pitch
logic centre
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.)
Pending
Application number
CN201611117808.3A
Other languages
English (en)
Inventor
李险峰
张涛
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.)
Peking University Shenzhen Graduate School
Original Assignee
Peking University Shenzhen Graduate School
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 Peking University Shenzhen Graduate School filed Critical Peking University Shenzhen Graduate School
Priority to CN201611117808.3A priority Critical patent/CN106658537A/zh
Publication of CN106658537A publication Critical patent/CN106658537A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/22—Traffic simulation tools or models
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/06—Testing, supervising or monitoring using simulated traffic
    • 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)
  • Signal Processing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种构建无人机自组织网络节点的三维时空相关群组移动模型的方法及系统，该方法包括初始化步骤、选择步骤、成员节点设定步骤、逻辑中心节点设定步骤以及成员节点首先利用GaussMarkov随机过程产生基础速度、方向及俯仰角值；成员节点其次参考逻辑中心节点当前时刻的速度、方向和俯仰角值计算得出当前时刻最终的速度、方向和俯仰角值。本发明的有益效果是：本发明利用GaussMarkov随机过程构建时间相关性移动轨迹；通过设置逻辑中心节点方法来构建节点移动空间相关性；将无人机组织网络节点的移动状态分解为速度、方向、俯仰角三个维度，构建三维空间移动模型，从而能够构建适用于多种场景的移动模型。

Description

构建无人机自组织网络节点的三维时空相关群组移动模型的 方法及系统
技术领域
本发明涉及无线移动自组织网络技术领域，尤其涉及构建无人机自组织网络节点的三维时空相关群组移动模型的方法及系统。
背景技术
移动模型是开展无线移动自组织网络相关研究的基础技术。
移动模型是对节点运动方式的抽象，描述节点的移动模式，包括位置、速度、加速度的变化等，刻画节点如何移动。
移动模型产生的一系列随时间变化的运动轨迹，是构建移动仿真环境的基础，广泛应用于无线网络相关协议和算法的性能评价中。
目前已有的移动模型主要分两类：
1、实体移动模型，侧重描述单个节点的独自运动规律。典型的有随机游走移动模型、随机路径点移动模型、平滑转弯移动模型、半随机圆周运动移动模型等。
2、群组移动模型，侧重描述节点作为群组的成员，节点之间的相互关系，群组整体运动规律。典型的有队列移动模型、群组力移动模型、参考点移动模型等。
已有的移动模型主要存在如下不足：
1、实体移动模型描述单个节点移动规律，不能够反映无人机群组在构建自组织网络时的群组移动场景。另外，已有的实体移动模型，不能充分反映无人机节点的运动规律。比如在随机移动模型中，节点的运动状态是完全随机的，节点的当前运动状态与历史运动状态无关，容易产生突然停止、急转等运动轨迹，而无人机节点由于受到飞行空气动力学、机械约束等限制，通常轨迹比较平滑。
2、已有的群组移动模型是针对地面低速移动自组织网络，不能够反映出无人机自组织网络移动场景。比如在队列移动模型中，所有节点排成纵向或横向队列向前移动，这种移动模型针对的移动场景单一，不适用于无人机自组织网络这种任务导向的网络形态。其次，现有的群组移动模型是描述节点在二维平面上进行运动，不能反映无人机节点在三维空间运动规律。
发明内容
本发明提供了一种构建无人机自组织网络节点的三维时空相关群组移动模型的方法，包括如下步骤：
初始化步骤：设置仿真环境基本参数；
选择步骤：选定逻辑中心节点，将群组中节点角色划分为逻辑中心节点和成员节点；
成员节点设定步骤：设定成员节点的初始化参数；
逻辑中心节点设定步骤：设定逻辑中心节点运动状态的输入向量；
第一处理步骤：成员节点首先利用GaussMarkov随机过程产生基础速度、方向及俯仰角值；
第二处理步骤：成员节点其次参考逻辑中心节点当前时刻的速度、方向和俯仰角值计算得出当前时刻最终的速度、方向和俯仰角值；
重复第一处理步骤和第二处理步骤，直到仿真时间结束。
作为本发明的进一步改进，所述仿真环境基本参数包括节点个数、仿真区域大小、速度变化区间、方向选择范围、俯仰角取值范围、仿真时长。
作为本发明的进一步改进，成员节点的初始化参数包括初始位置、速度、方向、俯仰角。
作为本发明的进一步改进，逻辑中心节点运动状态的输入向量，包括速度、方向和俯仰角。
本发明还提供了一种构建无人机自组织网络节点的三维时空相关群组移动模型的系统，包括：
初始化模块：用于设置仿真环境基本参数；
选择模块：用于选定逻辑中心节点，将群组中节点角色划分为逻辑中心节点和成员节点；
成员节点设定模块：用于设定成员节点的初始化参数；
逻辑中心节点设定模块：用于设定逻辑中心节点运动状态的输入向量；
第一处理模块：成员节点首先利用GaussMarkov随机过程产生基础速度、方向及俯仰角值；
第二处理模块：成员节点其次参考逻辑中心节点当前时刻的速度、方向和俯仰角值计算得出当前时刻最终的速度、方向和俯仰角值；
重复第一处理模块和第二处理模块，直到仿真时间结束。
作为本发明的进一步改进，所述仿真环境基本参数包括节点个数、仿真区域大小、速度变化区间、方向选择范围、俯仰角取值范围、仿真时长。
作为本发明的进一步改进，成员节点的初始化参数包括初始位置、速度、方向、俯仰角。
作为本发明的进一步改进，逻辑中心节点运动状态的输入向量，包括速度、方向和俯仰角。
本发明的有益效果是：本发明利用GaussMarkov随机过程构建时间相关性移动轨迹；通过设置逻辑中心节点方法来构建节点移动空间相关性；通过将无人机组织网络节点的移动状态，分解为速度、方向、俯仰角三个维度，构建三维空间移动模型，从而本发明无人机自组织网络节点构建适用于多种场景的移动模型。
具体实施方式
本发明公开了一种构建无人机自组织网络节点的三维时空相关群组移动模型的方法，包括如下步骤：
初始化步骤：设置仿真环境基本参数，包括节点个数、仿真区域大小、速度变化区间、方向选择范围、俯仰角取值范围、仿真时长；
选择步骤：选定逻辑中心节点，将群组中节点角色划分为逻辑中心节点和成员节点；
成员节点设定步骤：设定成员节点的初始化参数，包括初始位置、速度、方向、俯仰角；
逻辑中心节点设定步骤：设定逻辑中心节点运动状态的输入向量，包括速度、方向和俯仰角；
第一处理步骤：成员节点首先利用GaussMarkov随机过程产生基础速度、方向及俯仰角值；
第二处理步骤：成员节点其次参考逻辑中心节点当前时刻的速度、方向和俯仰角值计算得出当前时刻最终的速度、方向和俯仰角值；
重复第一处理步骤和第二处理步骤，直到仿真时间结束。
本发明提出的三维时空相关移动模型，综合反映出无人机节点运动的时间相关性和空间相关性。其时间相关性特征在于步骤第一处理步骤.利用GaussMarkov过程计算基础速度、方向和俯仰角；其空间相关性特征在于第二处理步骤.利用逻辑中心节点进行参考计算得出当前时刻最终速度、方向和俯仰角值。
其综合反映时空相关性的特征在于参数化计算框架。调整参数可以获得不同时空相关性移动轨迹。
三维时空相关移动模型计算框架：
本发明提出的三维时空相关群组移动模型：
3-Dimension SpatioTemporally correlated Group Mobility model,3DSTGM。
在构建移动仿真环境时候，轨迹是由一系列带时间戳的坐标点表示，连接起来就是一连串轨迹。当已知节点初始坐标点以及方向和速度，那么我们可以计算出后续时刻的位置。在3DSTGM模型计算中，利用GaussMarkov过程模拟时间相关性，利用逻辑中心节点作为参照模拟空间相关性，其方向、速度及俯仰角计算公式如下：
其中，Si(t)、Di(t)和Pi(t)分别表示节点i在时刻t的速度、方向和俯仰角。和分别表示节点i自身的基础Gauss Markov过程。Sl(t)、Dl(t)和Pl(t)分别表示逻辑中心节点在t时刻的的速度、方向和俯仰角。参数β∈[0,1]表示空间相关系数，当β＝0时，表示节点的运动状态与逻辑中心节点无关，节点完全自主运动；当β＝1时，表示节点完全按照逻辑中心节点的轨迹进行移动。
节点自身的Gauss Markov过程Si(t)、Di(t)和Pi(t)的计算方式如下：
其中，和分别代表节点i的速度、方向和俯仰角的均值，s(t-1)和d(t-1)以及p(t-1)分别是符合高斯分布的随机变量。参数α反映Gauss Markov过程当中的随机程度，其取值范围为α∈[0,1].当α＝0时，节点的运动是完全随机的，与之前的运动状态无关。当α＝1时，节点的当前运动状态与之前运动状态保持一致。
在公式(1)、公式(2)以及公式(3)中，逻辑中心节点的速度Sl(t)、方向Dl(t)以及俯仰角Pl(t)影响群组中成员节点的运动方式。在仿真过程中，Sl(t)、Dl(t)和Pl(t)作为已知向量输入：
其中，和作为群组运动状态输入向量是依据不同任务规划策略产生的一系列的随时间变化的速度、方向和俯仰角值。从3DSTGM模型计算原理可以看到，调整参数α和β，设置不同的值可以得到不同时间相关性和空间相关性的运动轨迹，通过调整参数的值可以满足不同应用场景对于时空相关程度的要求。
本发明还提供了一种构建无人机自组织网络节点的三维时空相关群组移动模型的系统，包括：
初始化模块：用于设置仿真环境基本参数，包括节点个数、仿真区域大小、速度变化区间、方向选择范围、俯仰角取值范围、仿真时长；
选择模块：用于选定逻辑中心节点，将群组中节点角色划分为逻辑中心节点和成员节点；
成员节点设定模块：用于设定成员节点的初始化参数，包括初始位置、速度、方向、俯仰角；
逻辑中心节点设定模块：用于设定逻辑中心节点运动状态的输入向量，包括速度、方向和俯仰角；
第一处理模块：成员节点首先利用GaussMarkov随机过程产生基础速度、方向及俯仰角值；
第二处理模块：成员节点其次参考逻辑中心节点当前时刻的速度、方向和俯仰角值计算得出当前时刻最终的速度、方向和俯仰角值；
重复第一处理模块和第二处理模块，直到仿真时间结束。
本发明具有如下技术优势：
本发明所述方法能够为无人机自组织网络节点构建适用于多种场景的移动模型；本发明构建的移动模型能反映出无人机节点平滑轨迹、节点移动具有时间相关性；本发明构建的移动模型能够反映数多个无人机节点作为自组织网络群组移动的一致性、节点移动具有空间相关性；本发明构建的移动模型参数化计算框架，通过调整参数可获得涵盖不同应用场景对于节点移动的时空相关性要求，可广泛应用于无线移动自组织网络相关研究之中。
即，本发明参数化计算框架，涵盖节点移动的时间相关性和空间相关性(一个框架、两种属性)；利用GaussMarkov随机过程构建时间相关性移动轨迹；通过设置逻辑中心节点方法来构建节点移动空间相关性；通过将无人机组织网络节点的移动状态，分解为速度、方向、俯仰角三个维度，构建三维空间移动模型。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (8)

1.一种构建无人机自组织网络节点的三维时空相关群组移动模型的方法，其特征在于，包括如下步骤：
初始化步骤：设置仿真环境基本参数；
选择步骤：选定逻辑中心节点，将群组中节点角色划分为逻辑中心节点和成员节点；
成员节点设定步骤：设定成员节点的初始化参数；
逻辑中心节点设定步骤：设定逻辑中心节点运动状态的输入向量；
第一处理步骤：成员节点首先利用GaussMarkov随机过程产生基础速度、方向及俯仰角值；
第二处理步骤：成员节点其次参考逻辑中心节点当前时刻的速度、方向和俯仰角值计算得出当前时刻最终的速度、方向和俯仰角值；
重复第一处理步骤和第二处理步骤，直到仿真时间结束。
2.根据权利要求1所述的方法，其特征在于，所述仿真环境基本参数包括节点个数、仿真区域大小、速度变化区间、方向选择范围、俯仰角取值范围、仿真时长。
3.根据权利要求2所述的方法，其特征在于，成员节点的初始化参数包括初始位置、速度、方向、俯仰角。
4.根据权利要求3所述的方法，其特征在于，逻辑中心节点运动状态的输入向量，包括速度、方向和俯仰角。
5.一种构建无人机自组织网络节点的三维时空相关群组移动模型的系统，其特征在于，包括：
初始化模块：用于设置仿真环境基本参数；
选择模块：用于选定逻辑中心节点，将群组中节点角色划分为逻辑中心节点和成员节点；
成员节点设定模块：用于设定成员节点的初始化参数；
逻辑中心节点设定模块：用于设定逻辑中心节点运动状态的输入向量；
第一处理模块：成员节点首先利用GaussMarkov随机过程产生基础速度、方向及俯仰角值；
第二处理模块：成员节点其次参考逻辑中心节点当前时刻的速度、方向和俯仰角值计算得出当前时刻最终的速度、方向和俯仰角值；
重复第一处理模块和第二处理模块，直到仿真时间结束。
6.根据权利要求5所述的系统，其特征在于，所述仿真环境基本参数包括节点个数、仿真区域大小、速度变化区间、方向选择范围、俯仰角取值范围、仿真时长。
7.根据权利要求6所述的系统，其特征在于，成员节点的初始化参数包括初始位置、速度、方向、俯仰角。
8.根据权利要求7所述的系统，其特征在于，逻辑中心节点运动状态的输入向量，包括速度、方向和俯仰角。
CN201611117808.3A 2016-12-07 2016-12-07 构建无人机自组织网络节点的三维时空相关群组移动模型的方法及系统 Pending CN106658537A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611117808.3A CN106658537A (zh) 2016-12-07 2016-12-07 构建无人机自组织网络节点的三维时空相关群组移动模型的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611117808.3A CN106658537A (zh) 2016-12-07 2016-12-07 构建无人机自组织网络节点的三维时空相关群组移动模型的方法及系统

Publications (1)

Publication Number Publication Date
CN106658537A true CN106658537A (zh) 2017-05-10

Family

ID=58819868

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611117808.3A Pending CN106658537A (zh) 2016-12-07 2016-12-07 构建无人机自组织网络节点的三维时空相关群组移动模型的方法及系统

Country Status (1)

Country Link
CN (1) CN106658537A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108234316A (zh) * 2017-12-07 2018-06-29 北京邮电大学 一种基于立方体空间区域划分的无人机网络路由选取方法
CN110427046A (zh) * 2019-07-26 2019-11-08 沈阳航空航天大学 一种三维平滑随机游走无人机群移动模型
CN113486451A (zh) * 2021-07-21 2021-10-08 北京航空航天大学 一种基于模型的无人机系统架构设计方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103037390A (zh) * 2012-12-24 2013-04-10 青岛文创科技有限公司 一种用于仿真的移动模型
CN103428747A (zh) * 2013-09-05 2013-12-04 南京航空航天大学 一种航空自组织网络无线链路稳定性预测方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103037390A (zh) * 2012-12-24 2013-04-10 青岛文创科技有限公司 一种用于仿真的移动模型
CN103428747A (zh) * 2013-09-05 2013-12-04 南京航空航天大学 一种航空自组织网络无线链路稳定性预测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
JUSTUN P. ROHRER等: "AeroPR Performance in Highly-Dynamic Airborne Network Using 3D Gauss-Markov Mobility Model", 《IEEE》 *
霍孝义: "基于不同移动模型的移动自组网多播路由协议性能研究", 《电子设计工程》 *
靳超等: "一种高斯-马尔科夫自组网组移动模型", 《通信技术》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108234316A (zh) * 2017-12-07 2018-06-29 北京邮电大学 一种基于立方体空间区域划分的无人机网络路由选取方法
CN108234316B (zh) * 2017-12-07 2019-05-31 北京邮电大学 一种基于立方体空间区域划分的无人机网络路由选取方法
CN110427046A (zh) * 2019-07-26 2019-11-08 沈阳航空航天大学 一种三维平滑随机游走无人机群移动模型
CN110427046B (zh) * 2019-07-26 2022-09-30 沈阳航空航天大学 一种三维平滑随机游走无人机群移动模型
CN113486451A (zh) * 2021-07-21 2021-10-08 北京航空航天大学 一种基于模型的无人机系统架构设计方法
CN113486451B (zh) * 2021-07-21 2023-05-16 北京航空航天大学 一种基于模型的无人机系统架构设计方法

Similar Documents

Publication Publication Date Title
CN108827312B (zh) 一种基于神经网络和人工势场的协同博弈路径规划方法
CN109343345B (zh) 基于qpso算法的机械臂多项式插值轨迹规划方法
CN109116868B (zh) 分布式无人机编队协同控制方法
CN105589470A (zh) 一种多无人机分布式编队控制方法
CN113495578B (zh) 一种基于数字孪生式训练的集群航迹规划强化学习方法
CN110673649B (zh) 基于拓扑优化的时变信道下无人机编队一致性控制方法、系统、装置及存储介质
CN108227735A (zh) 基于视觉飞行自稳定的方法、计算机可读介质和系统
CN104407619A (zh) 不确定环境下的多无人机同时到达多个目标方法
CN106658537A (zh) 构建无人机自组织网络节点的三维时空相关群组移动模型的方法及系统
CN112631335B (zh) 一种基于事件触发的多四旋翼无人机固定时间编队方法
CN103413352A (zh) 基于rgbd多传感器融合的场景三维重建方法
Ren et al. Overview of recent research in distributed multi-agent coordination
CN109144047B (zh) 一种基于多智能体系统的有限时间编队控制方法
CN110989682B (zh) 基于单基站的无人机精准降落方法
CN105843246A (zh) 无人机跟踪方法、系统及无人机
CN104536454A (zh) 一种用于双无人机协同的时空同步匹配方法
CN103970019A (zh) 一种基于加速度动态配置的空间机器人抖动抑制轨迹规划方法
CN105069829B (zh) 一种基于多目视频的人体动画生成方法
US20230297859A1 (en) Method and apparatus for generating multi-drone network cooperative operation plan based on reinforcement learning
CN109254592A (zh) 一种无人机队形变化控制方法及系统
CN117369495A (zh) 一种基于模型预测控制的无人机编队轨迹规划方法
CN114077258B (zh) 一种基于强化学习ppo2算法的无人艇位姿控制方法
Wang et al. Theory and experiments on enclosing control of multi-agent systems
Huo et al. A UAV mobile strategy in mobile ad hoc networks
CN113552898B (zh) 一种非确定干扰环境下的无人机鲁棒轨迹规划方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20170510