CN107070968A - 对监控区域部署传感器的方法 - Google Patents
对监控区域部署传感器的方法 Download PDFInfo
- Publication number
- CN107070968A CN107070968A CN201611226713.5A CN201611226713A CN107070968A CN 107070968 A CN107070968 A CN 107070968A CN 201611226713 A CN201611226713 A CN 201611226713A CN 107070968 A CN107070968 A CN 107070968A
- Authority
- CN
- China
- Prior art keywords
- sensor
- area
- msub
- mrow
- grid
- 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.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- 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
- H04W16/18—Network planning tools
-
- 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
Abstract
本发明提供了一种对监控区域部署传感器的方法,属于空间技术部署领域,所述方法包括:先对待监控区域进行细分得到多个监控区域,针对每个监控区域进行网格化处理,将监控区域分为多个网格,并通过各监控区域内网格的网格综合效用值得到监控区域内初步部署的传感器数量及位置,然后建立整个传感器网满足覆盖连续性和严密性要求的最优目标函数,进而对各子区域利用最优化的粒子群算法并行优化传感器的部署策略,保证被监控区域需要防御责任区域内不存在造成航迹不连续的探测盲区,同时提高了部署传感器的效率。
Description
技术领域
本发明涉及空间部署技术领域,尤其涉及对监控区域部署传感器的方法。
背景技术
采用多源异质传感器网对空中目标进行探测、跟踪和监视一直是许多研究人员探索研究的重点领域,而传感器网的优化部署又是该领域研究的首要问题。
在实际应用中,多传感器组网探测系统的设备优化部署通常存在监控区域很大但传感器数量有限的问题,因此,如何实现有限传感器资源的合理、有效配置以使组网系统的防御效能得到最大发挥,就成为了传感器优化部署的研究热点方向。
发明内容
本发明实施例提出了一种对监控区域部署传感器的方法,所述方法包括:
将监控区域进行网格化处理得到多个网格;
计算所述监控区域内每个网格的网格综合效用值,根据所述监控区域内大于网格综合效用阈值的网格数量占整个区域网格数量的比例,确定所述监控区域部署传感器的数量;
将所述网格综合效用值从大到小的顺序对应的网格确定为所述传感器的初始位置,获取所述传感器的速度信息;
将所述监控区域内监控的高度层数及所述监控区域部署的传感器数量组成群落,构建粒子群算法,所述粒子群算法中包括每个传感器的初始位置、速度信息、最优位置信息和全局最优位置信息;
根据所述传感器在不同高度层的覆盖系数,确定所述监控区域内优化部署传感器的目标函数;
将所述传感器的初始位置、速度信息、最优位置信息和全局最优位置信息,代入所述目标函数计算优化部署传感器的适应值,并更新所述优化部署传感器的位置信息、速度信息、最优位置信息和全局最优位置信息。
有益效果如下:
本发明通过基于最优化的粒子群提出对监控区域部署传感器的方法,方案先对待监控区域进行细分得到多个监控区域,针对每个监控区域进行网格化处理,将监控区域分为多个网格,并通过各监控区域内网格的网格综合效用值得到监控区域内初步部署的传感器数量及位置,然后建立整个传感器网满足覆盖连续性和严密性要求的最优目标函数,进而对各子区域利用粒子群算法(Particle Swarm Optimization,PSO)并行优化传感器的部署策略,本发明能够保证被监控区域需要防御责任区域内不存在造成航迹不连续的探测盲区,同时采用PSO算法部署传感器的方式提高了部署传感器的效率。
附图说明
下面将参照附图描述本发明的具体实施例,其中:
图1示出了本发明实施例一中监控区域部署传感器的方法流程图;
图2示出了本发明实施例二中监控区域部署传感器的方法流程图;
图3示出了本发明实施例二中综合效用网格化示意图。
具体实施方式
为了使本发明的技术方案及优点更加清楚明白,以下结合附图对本发明的示例性实施例进行进一步详细的说明,显然,所描述的实施例仅是本发明的一部分实施例,而不是所有实施例的穷举。并且在不冲突的情况下,本说明中的实施例及实施例中的特征可以互相结合。
实施例一
本发明基于粒子群算法,提出对监控区域部署传感器的方法,利用综合效用网格化进行传感器的部署,如图1所示,方法包括三个步骤:
1)从监控区域着手,通过区域细分以及子区域网格化的综合效用值分析 与统计,实现传感器分组,目的是将一个复杂、耗时的优化问题分解为多个简单、快速的并行优化问题;
2)从传感器网要求的防御区域和重点区域出发,建立在整个监控区域内部署的传感器满足覆盖连续性和严密性要求的最优目标函数;
3)对步骤1)产生的各区域分别采用PSO算法并行进行优化。
本发明利用PSO算法解决多传感器组网系统的优化部署问题,待监控区域越大,对应优化问题的可行解搜索空间也越大,寻优时间则越长,陷入局部最优的概率也就越大。另外,随着待部署传感器数量的增加,PSO算法的复杂程度将呈指数级增加。为解决该问题,本发明采用基于综合效用网格化的方法,通过区域划分、子区域网格化、网格综合效用分析与统计等处理,将一个大的、复杂的多目标优化问题分解为多个简单的目标优化问题进行并行处理,在保证部署效能的前提下,大大提高了处理效率。
实施例二
图2示出了本发明实施例中监控区域部署传感器的方法流程图,如图所示,包括:
步骤101、对待监控区域划分为多个监控区域;
其中,划分方式包括:同一监控等级的区域划分在一起,且划分后的监控区域在地理空间上连续。
实际应用中,对待监控区域划分为多个监控区域,需要考虑多个因素,如划分的子区域就个体而言其所属的地理范围在空间上应是连续的;按保护区域的重要性等级进行划分,将保护等级相同的连续区域划分在一起;划分的子区域个数与待部署传感器的数量、作用范围、地形条件以及实地安装条件等相关。
步骤102:对各个子区域进行网格化处理;
步骤103、计算监控区域内每个网格的网格综合效用值,将网格综合效用值从大到小的顺序对应的网格确定为传感器的初始位置,获取传感器的速度信息;
对于该步骤,当整个监控区域划分为若干个小区域后,就对小监控区域采用网格划分的方法,将其分成若干个小网格,并对每个小网格按照影响阵地选择的环境条件、技战术效能发挥以及生存概率等因素,同时采用层次分析法 确定上述三类因素在阵地选择中所占的权重,计算每一个小网格的综合效用值。
具体地,计算各网格的网格综合效用值的方法包括:
确定影响阵地选择的关键因素,所述关键因素为一个或多个;
确定所述关键因素在所述阵地选择中的权重,生成判断矩阵,并对所述判断矩阵进行一致性检验;
根据所述判断矩阵建立决策矩阵,采用线性加权法计算各网格的综合效用值。
实际应用中,首先确定影响阵地选择的关键因素,可根据不同情况选择关键因素,关键因素如地球曲率、地形遮蔽、传感器探测范围、遮蔽角、电磁辐射等;然后确定上述因素在阵地选择中的权重,生成判断矩阵;最后建立规范化的决策矩阵,采用线性加权法计算各网格的综合效用值。
在生成判断矩阵之后,还可以对判断矩阵进行一致性检验,检验各元素重要度之间的协调性。
步骤104、根据监控区域内大于网格综合效用阈值的网格数量占整个区域网格数量的比例,确定监控区域部署传感器的数量;
对于上述步骤103和104,没有先后顺序,可以先执行步骤103后执行步骤104,也可以先执行步骤104后执行步骤103。
上述步骤101、102和103的具体实现步骤为:
①将整个监控区域R划分为若干个子区域Ri(i=1,2,...,N);
②将子区域Ri网格化ri,j(j=1,2,...,G),然后计算每个精细化网格对应的综合效用值yi,j。
③给定网格综合效用阈值ymin,统计子区域Ri超出该阈值的精细化网格数量NUMi;将每个子区域内超出该阈值的精细化网格数量相加,即得到整个区域待部署的传感器总数M;
④根据子区域Ri对应的NUMi在整个区域中所占的比重来确定各子区域对应的传感器数量Mi=δiM(其中M为待部署传感器的总数)。
步骤105、将监控区域内监控的高度层数及所述监控区域部署的传感器数量组成群落,构建粒子群算法,粒子群算法中包括每个传感器的初始位置、速度信息、最优位置信息和全局最优位置信息;
具体地,PSO算法具有易实现、计算简单和鲁棒性好等优点,算法种群中 的粒子在解空间中“飞行”搜索最优解,搜索是以迭代方式完成的。假设在一个D维空间中有M个粒子组成一个群落,其中第i个粒子的位置矢量和速度矢量分别为xi=(xi1,xi2,...,xiD)和vi=(xi1,xi2,...,xiD),记pi=(pi1,pi2,...,piD)为第i个粒子迄今为止搜索到的最优位置,i=1,2,...,M,pg=(pg1,pg2,...,pgD)为整个粒子迄今为止搜索到的最优位置,则将每个粒子xi代入目标函数计算其适应值f(xi)。
步骤106、根据传感器在不同高度层的覆盖系数,确定监控区域内优化部署传感器的目标函数;
实际应用中,为了为提高组网探测系统的探测效能,一般会配置不同类型的探测设备(如雷达、光电、无线电等),从而确保能对进入被监测区域的目标进行连续、准确地跟踪和定位。假设组网系统中待部署传感器共有M部,要求防御的区域按覆盖的重要程度分为警戒区域Ωsure和重点探测区域Ωcore,其中在传感器资源有限的情况下,要求组网系统同时满足监控区域覆盖的连续性和严密性(即警戒区域和重点探测区域均达最大)通常是很难的[7]。为此,本发明从多种布站方案进行优选,使获得的警戒区域S接近所要求的警戒区域Ωsure,同时使所获得的重点探测区域C也接近所要求的重点探测区域Ωcore。
本发明将组网系统防御的区域按高度分解为k层,则第i部传感器在该区域各高度层上覆盖的贡献为
式中:xi为第i部传感器所在区域的位置矢量,i=1,2,...,M;wj为各高度层的权重,且Ssure为要求防御区域的总面积;σj=Aj∩Ssure为第i部传感器在第j层对要求防御区域覆盖的面积。Aj为第i部传感器在第j层所获得的探测概率Pd≥0.5的有效覆盖面积,j=1,2,...,K,于是整个组网系统对防御区域覆盖的最大探测能力可简化为求各高度层上的警戒区域平均覆盖系数fsurs和重点区域平均覆盖系数fcore的优化问题。
对于警戒区域,其覆盖系数为
式中,Sj为组网系统对第j层所获得的探测概率Pd≥0.5的有效覆盖面积。
对于重点区域,其覆盖系数为
式中,Cj为组网系统对第j层所获得的探测概率Pd≥0.5的探测面积;Score为组网系统要求的重点探测区域面积。
于是,整个组网系统的优化布站问题的目标函数为:
式中:μ为组网系统对重点探测区内目标的重视程度;CBL为组网系统的盲区系数;为组网系统在第j层探测概率Pd<0.5的盲区面积;ε≥0为用户给定的较小阈值。式(5)为约束条件,目的是要求组网系统在防御的责任区域内不应存在造成航迹不连续的探测盲区。
步骤107、将每个传感器的初始位置、速度信息、最优位置信息和全局最优位置信息,代入目标函数计算每个传感器的适应值,并更新每个传感器的位置信息、速度信息、最优位置信息和全局最优位置信息。
本发明实施例中,利用下述更新方法按更新粒子状态:
式中:i=1,2,...,M,d=1,2,...,D;ω≥0为惯性因子,适用于对解空间进行大范围的搜索;c1、c2为非负的加速系数,r1、r2为在[0,1]内均匀分布的随机数;Δt为时间间隔;粒子的飞行速度vid∈[-vmax,vmax],其中vmax为常数(可由人提前设定)。
另外,本发明实施例还提供了对粒子群算法中的惯性因子进行自适应调整的方法。
较大的惯性因子值ω有利于跳出局部最优,进行全局搜索;较小的ω值有利于局部寻优,加速算法收敛,因此,为克服PSO算法固定参数的不足,本发明提出根据群体自适应调整惯性因子的方法。
设粒子群的大小为n,第i次迭代粒子Pi的适应值为fi,最优粒子的适应值为fm,粒子群的平均适应值为fmean1,所有优于fmean1的适应值求平均得到fmean2,由此,惯性因子的自适应调整公式为:
式中ωmin为ω的最小值,k1和k2为调整因子。
另外,本发明在更新粒子群中的粒子状态后,还可以判断当前粒子群中 是否存在越界粒子,若有则采用xid,t+Δt=xid,t+λ·vid·Δt方式进行处理,其中,λ=2/(γ2+2),其中γ为调整次数。
如果粒子群中粒子i更新后超越了定义域界限,需要把粒子重新放回定义域内,将粒子的速度乘以一个(0,1)之间的调整系数λ,λ的初值比较大。如果调整以后仍然越界,继续减小系数,直到粒子的新位置落到搜索空间内。
这部分可描述为:判断粒子群各传感器的网格综合效用值,是否大于预设网格综合效用阈值的传感器;
对于大于预设网格综合效用阈值的传感器,将传感器的速度乘以第一调整系数得到第一速度,根据第一速度计算传感器调整后的第一网格综合效用值,调整系数在0至1之间;
判断第一网格综合效用值是否大于预设网格综合效用阈值,
若大于,减少第一调整系数得到第二调整系数,将第一速度乘以第二调整系数得到第二速度,根据第二速度计算传感器第二次调整后的第二网格综合效用值,继续判断第二网格综合效用值是否大于预设网格综合效用阈值,直到传感器的网格综合效用值小于等于预设网格综合效用阈值。
本发明提供的方法,通过基于最优化的粒子群提出对监控区域部署传感器的方法,方案首先根据区域细分以及子区域网格化的综合效用值,将监控区域分为多个子区域,并建立整个传感器网满足覆盖连续性和严密性要求的最优目标函数,进而对各子区域利用最优化的粒子群(Particle Swarm Optimization,PSO)算法并行优化传感器的部署策略。另外,本发明还能够对粒子群算法中的惯性因子进行自适应调整,避免算法陷入局部收敛,提高算法的优化效率,能够保证被监控区域需要防御责任区域内不存在造成航迹不连续的探测盲区。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和 /或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
Claims (8)
1.一种对监控区域部署传感器的方法,其特征在于,所述方法包括:
将监控区域进行网格化处理得到多个网格;
计算所述监控区域内每个网格的网格综合效用值,根据所述监控区域内大于网格综合效用阈值的网格数量占整个区域网格数量的比例,确定所述监控区域部署传感器的数量;
将所述网格综合效用值从大到小的顺序对应的网格确定为所述传感器的初始位置,获取所述传感器的速度信息;
将所述监控区域内监控的高度层数及所述监控区域部署的传感器数量组成群落,构建粒子群算法,所述粒子群算法中包括每个传感器的初始位置、速度信息、最优位置信息和全局最优位置信息;
根据所述传感器在不同高度层的覆盖系数,确定所述监控区域内优化部署传感器的目标函数;
将所述传感器的初始位置、速度信息、最优位置信息和全局最优位置信息,代入所述目标函数计算优化部署传感器的适应值,并更新所述优化部署传感器的位置信息、速度信息、最优位置信息和全局最优位置信息。
2.如权利要求1所述的方法,其特征在于,所述将监控区域进行网格化处理得到多个网格之前,所述方法还包括:
根据预设划分方式将待监控区域划分为多个监控区域,所述划分方式包括:
同一监控等级的区域划分在一起,且划分后的监控区域在地理空间上连续。
3.如权利要求1或2所述的方法,其特征在于,所述监控区域内包括警戒区域和重点区域,所述监控区域内优化部署传感器的目标函数为:
且
其中,为所述警戒区域的覆盖系数,Sj为组网系统对第j层所获得的探测概率Pd≥0.5的有效覆盖面积,Ssure为所述监控区域防的总面积;
为所述重点区域的覆盖系统,Cj为组网系统对第j层所获得的探测概率Pd≥0.5的探测面积;Score为组网系统要求的重点探测区域面积;
μ为组网系统对所述监控区域内监控对象的重视程度,CBL为组网系统的盲区系数,为组网系统在第j层探测概率Pd<0.5的盲区面积,ε≥0为用户给定的较小阈值。
4.如权利要求1或2所述的方法,其特征在于,所述粒子群算法中包括惯性因子,所述方法还对惯性因子ω进行自适应调整,具体包括:
其中,ωt为t时刻的惯性因子,ωt+1为t+1时刻的惯性因子,ωmin为ω的最小值,fi为第i次迭代粒子Pi的适应值,fm为最优粒子的适应值,fmean1为粒子群的平均适应值,fmean2为所有优于fmean1的适应值的平均值,k1和k2为调整因子。
5.如权利要求1或2所述的方法,其特征在于,所述更新方法包括:
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>v</mi>
<mrow>
<mi>i</mi>
<mi>d</mi>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>&omega;v</mi>
<mrow>
<mi>i</mi>
<mi>d</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>c</mi>
<mn>1</mn>
</msub>
<msub>
<mi>r</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>p</mi>
<mrow>
<mi>i</mi>
<mi>d</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mi>d</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>c</mi>
<mn>2</mn>
</msub>
<msub>
<mi>r</mi>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>p</mi>
<mrow>
<mi>g</mi>
<mi>d</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mi>d</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mi>d</mi>
<mo>,</mo>
<mi>t</mi>
<mo>+</mo>
<mi>&Delta;</mi>
<mi>t</mi>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mi>d</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>v</mi>
<mrow>
<mi>i</mi>
<mi>d</mi>
</mrow>
</msub>
<mo>&CenterDot;</mo>
<mi>&Delta;</mi>
<mi>t</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
其中,i=1,2,...,M,d=1,2,...,D,ω≥0为惯性因子,c1、c2为非负的加速系数,r1、r2为在[0,1]内均匀分布的随机数,Δt为时间间隔,粒子的飞行速度vid∈[-vmax,vmax],vmax为常数。
6.如权利要求1或2所述的方法,其特征在于,所述更新操作之后,所述方法还包括:
判断粒子群各传感器的网格综合效用值,是否大于预设网格综合效用阈值的传感器;
对于大于预设网格综合效用阈值的传感器,将所述传感器的速度乘以第一调整系数得到第一速度,根据所述第一速度计算传感器调整后的第一网格综合效用值,所述调整系数在0至1之间;
判断所述第一网格综合效用值是否大于预设网格综合效用阈值,
若大于,减少第一调整系数得到第二调整系数,将所述第一速度乘以第二调整系数得到第二速度,根据所述第二速度计算传感器第二次调整后的第二网格综合效用值,继续判断所述第二网格综合效用值是否大于预设网格综合效用阈值,直到所述传感器的网格综合效用值小于等于预设网格综合效用阈值。
7.如权利要求1所述的方法,其特征在于,所述计算各网格的网格综合效用值,具体包括:
确定影响阵地选择的关键因素,所述关键因素为一个或多个;
确定所述关键因素在所述阵地选择中的权重,生成判断矩阵,并对所述判断矩阵进行一致性检验;
根据所述判断矩阵建立决策矩阵,采用线性加权法计算各网格的综合效用值。
8.如权利要求1所述的方法,其特征在于,所述传感器为多源异质传感器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611226713.5A CN107070968B (zh) | 2016-12-27 | 2016-12-27 | 对监控区域部署传感器的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611226713.5A CN107070968B (zh) | 2016-12-27 | 2016-12-27 | 对监控区域部署传感器的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107070968A true CN107070968A (zh) | 2017-08-18 |
CN107070968B CN107070968B (zh) | 2018-05-08 |
Family
ID=59623941
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611226713.5A Expired - Fee Related CN107070968B (zh) | 2016-12-27 | 2016-12-27 | 对监控区域部署传感器的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107070968B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108304605A (zh) * | 2017-11-09 | 2018-07-20 | 清华大学 | 汽车驾驶辅助系统传感器优选配置方法 |
CN109613179A (zh) * | 2018-11-14 | 2019-04-12 | 北京英视睿达科技有限公司 | 累积高值区的确定方法 |
CN110766244A (zh) * | 2018-07-25 | 2020-02-07 | 京东数字科技控股有限公司 | 资源部署方法和装置、计算机可读存储介质 |
CN112163598A (zh) * | 2020-09-07 | 2021-01-01 | 北京北斗天巡科技有限公司 | 一种基于增强型学习算法的非均匀无人机网格化监测方法 |
CN112437272A (zh) * | 2020-11-13 | 2021-03-02 | 珠海大横琴科技发展有限公司 | 一种区域监控的方法和装置 |
CN113380003A (zh) * | 2021-03-15 | 2021-09-10 | 广州数鹏通科技有限公司 | 一种多灾害事件链综合监测预警设备 |
CN113452955A (zh) * | 2020-03-27 | 2021-09-28 | 中国科学院沈阳自动化研究所 | 用于监控区域划分的传感器和调制原件部署可视化方法 |
CN113709670A (zh) * | 2020-05-08 | 2021-11-26 | 深圳云天励飞技术有限公司 | 隔离区域确定方法及相关产品 |
CN115688487A (zh) * | 2022-12-30 | 2023-02-03 | 天津中科谱光信息技术有限公司 | 水质监测节点布设数量确定方法、装置、设备及存储介质 |
CN117690278A (zh) * | 2024-02-02 | 2024-03-12 | 长沙弘汇电子科技有限公司 | 一种基于图像识别的地质灾害预警系统 |
CN117690278B (zh) * | 2024-02-02 | 2024-04-26 | 长沙弘汇电子科技有限公司 | 一种基于图像识别的地质灾害预警系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102065447A (zh) * | 2010-12-30 | 2011-05-18 | 北京林业大学 | 一种无线传感器网络的部署方法 |
CN102647726A (zh) * | 2012-02-17 | 2012-08-22 | 无锡英臻科技有限公司 | 一种无线传感器网络覆盖能耗平衡优化策略 |
CN102752761A (zh) * | 2012-06-19 | 2012-10-24 | 江苏科技大学 | 基于粒子群的无线传感器网络移动节点覆盖优化方法 |
CN103945395A (zh) * | 2014-02-27 | 2014-07-23 | 北京理工大学 | 一种基于粒子群的无线网络传感器的快速优化部署方法 |
CN105228159A (zh) * | 2014-06-18 | 2016-01-06 | 北京邮电大学 | 基于网格化及改进粒子群算法的无线传感网覆盖增强算法 |
-
2016
- 2016-12-27 CN CN201611226713.5A patent/CN107070968B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102065447A (zh) * | 2010-12-30 | 2011-05-18 | 北京林业大学 | 一种无线传感器网络的部署方法 |
CN102647726A (zh) * | 2012-02-17 | 2012-08-22 | 无锡英臻科技有限公司 | 一种无线传感器网络覆盖能耗平衡优化策略 |
CN102752761A (zh) * | 2012-06-19 | 2012-10-24 | 江苏科技大学 | 基于粒子群的无线传感器网络移动节点覆盖优化方法 |
CN103945395A (zh) * | 2014-02-27 | 2014-07-23 | 北京理工大学 | 一种基于粒子群的无线网络传感器的快速优化部署方法 |
CN105228159A (zh) * | 2014-06-18 | 2016-01-06 | 北京邮电大学 | 基于网格化及改进粒子群算法的无线传感网覆盖增强算法 |
Non-Patent Citations (6)
Title |
---|
刘以安: "粒群算法在雷达优化组网中的应用研究", 《兵工学报》 * |
宫玉琳: "基于混沌和多群体的粒子群优化算法", 《长春理工大学学报(自然科学版)》 * |
张彤: "预警网优化组网的网格GT算法研究", 《弹道学报》 * |
皇甫一江,张云雷: "一种对海雷达网探测效能的综合评估方法", 《现代雷达》 * |
首照宇: "基于突防航迹的多探测源优化布站方法", 《战术导弹技术》 * |
首照宇: "多探测源优化布站方法", 《工程设计学报》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108304605B (zh) * | 2017-11-09 | 2019-08-06 | 清华大学 | 汽车驾驶辅助系统传感器优选配置方法 |
CN108304605A (zh) * | 2017-11-09 | 2018-07-20 | 清华大学 | 汽车驾驶辅助系统传感器优选配置方法 |
CN110766244A (zh) * | 2018-07-25 | 2020-02-07 | 京东数字科技控股有限公司 | 资源部署方法和装置、计算机可读存储介质 |
CN110766244B (zh) * | 2018-07-25 | 2024-02-09 | 京东科技控股股份有限公司 | 资源部署方法和装置、计算机可读存储介质 |
CN109613179A (zh) * | 2018-11-14 | 2019-04-12 | 北京英视睿达科技有限公司 | 累积高值区的确定方法 |
CN109613179B (zh) * | 2018-11-14 | 2023-10-20 | 北京英视睿达科技股份有限公司 | 累积高值区的确定方法 |
CN113452955A (zh) * | 2020-03-27 | 2021-09-28 | 中国科学院沈阳自动化研究所 | 用于监控区域划分的传感器和调制原件部署可视化方法 |
CN113709670A (zh) * | 2020-05-08 | 2021-11-26 | 深圳云天励飞技术有限公司 | 隔离区域确定方法及相关产品 |
CN113709670B (zh) * | 2020-05-08 | 2024-03-26 | 深圳云天励飞技术有限公司 | 隔离区域确定方法及相关产品 |
CN112163598A (zh) * | 2020-09-07 | 2021-01-01 | 北京北斗天巡科技有限公司 | 一种基于增强型学习算法的非均匀无人机网格化监测方法 |
CN112437272A (zh) * | 2020-11-13 | 2021-03-02 | 珠海大横琴科技发展有限公司 | 一种区域监控的方法和装置 |
CN113380003A (zh) * | 2021-03-15 | 2021-09-10 | 广州数鹏通科技有限公司 | 一种多灾害事件链综合监测预警设备 |
CN115688487A (zh) * | 2022-12-30 | 2023-02-03 | 天津中科谱光信息技术有限公司 | 水质监测节点布设数量确定方法、装置、设备及存储介质 |
CN115688487B (zh) * | 2022-12-30 | 2023-03-28 | 天津中科谱光信息技术有限公司 | 水质监测节点布设数量确定方法、装置、设备及存储介质 |
CN117690278A (zh) * | 2024-02-02 | 2024-03-12 | 长沙弘汇电子科技有限公司 | 一种基于图像识别的地质灾害预警系统 |
CN117690278B (zh) * | 2024-02-02 | 2024-04-26 | 长沙弘汇电子科技有限公司 | 一种基于图像识别的地质灾害预警系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107070968B (zh) | 2018-05-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107070968B (zh) | 对监控区域部署传感器的方法 | |
CN104867357B (zh) | 面向地震应急响应的多无人机调度与任务规划方法 | |
CN112016812B (zh) | 多无人机任务调度方法、系统及存储介质 | |
Sherali et al. | Optimal location of transmitters for micro-cellular radio communication system design | |
CN107295541A (zh) | 一种基于虚拟力和萤火虫算法的无线传感网络覆盖优化方法 | |
CN110502006A (zh) | 一种矿区废弃地移动机器人全覆盖路径规划方法 | |
Zhu et al. | Multi-UAV rapid-assessment task-assignment problem in a post-earthquake scenario | |
CN106952208A (zh) | 犯罪自动预测方法及系统 | |
CN106792750A (zh) | 一种基于导向粒子群算法的节点部署方法 | |
CN107395433B (zh) | 一种基于烟花算法的无线传感器节点部署方法 | |
Xia et al. | AI-driven and MEC-empowered confident information coverage hole recovery in 6G-enabled IoT | |
Zheng et al. | A compact adaptive particle swarm optimization algorithm in the application of the mobile sensor localization | |
CN108810914A (zh) | 基于改进杂草算法的wsn节点分布优化方法 | |
Li et al. | UAV path planning for target coverage task in dynamic environment | |
CN113115342B (zh) | 一种虚拟力导向麻雀搜索算法的WSNs部署方法及系统 | |
CN111553601B (zh) | 一种城市环境下协同探测系统的目标分配优化方法 | |
Abbasi et al. | Bioinspired evolutionary algorithm based for improving network coverage in wireless sensor networks | |
Zhang et al. | Multi-species evolutionary algorithm for wireless visual sensor networks coverage optimization with changeable field of views | |
CN109784465A (zh) | 基于物联网的森林火灾监测系统节点有效动态覆盖方法 | |
Sun et al. | Study on safe evacuation routes based on crowd density map of shopping mall | |
CN110442138A (zh) | 一种机器人集群的控制及避障方法 | |
Yi et al. | Dynamic modelling of future land-use change: a comparison between CLUE-S and Dinamica EGO models | |
Mishra et al. | OCSSP: Optimal cluster size selection-based clustering protocol using fuzzy logic for wireless sensor network | |
Yao et al. | An efficient anti-intrusion detection algorithm based on MEP for directional sensor networks | |
Liu et al. | Research on breakthrough and innovation of UAV mission planning method based on cloud computing-based reinforcement learning algorithm |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180508 Termination date: 20181227 |