CN107509234B - 基于有限路由信息的飞行自组网关键节点检测方法及系统 - Google Patents
基于有限路由信息的飞行自组网关键节点检测方法及系统 Download PDFInfo
- Publication number
- CN107509234B CN107509234B CN201710591918.1A CN201710591918A CN107509234B CN 107509234 B CN107509234 B CN 107509234B CN 201710591918 A CN201710591918 A CN 201710591918A CN 107509234 B CN107509234 B CN 107509234B
- Authority
- CN
- China
- Prior art keywords
- node
- algorithm
- hop
- target node
- nodes
- 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
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/24—Connectivity information management, e.g. connectivity discovery or connectivity update
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/24—Connectivity information management, e.g. connectivity discovery or connectivity update
- H04W40/246—Connectivity information discovery
-
- 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)
- Mobile Radio Communication Systems (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种基于有限路由信息的飞行自组网关键节点检测方法及系统,其方法包括:获取目标节点的1跳子图中所有节点的邻接信息;基于邻接信息,执行LCND算法,判断目标节点是否为LC节点;在目标节点不为LC节点时,判断所述目标节点是否为1跳关键节点;在目标节点为1跳关键节点时,基于目标节点预先构建的k跳路由参考信息表执行C2CND算法,检测其是否为C2C节点。本发明有效避免了大量的拓扑探测开销,有效解决了传统方法算法开销大,收敛速度慢的问题。
Description
技术领域
本发明涉及集群无人机飞行自组网技术领域,尤其涉及一种基于有限路由信息的飞行自组网关键节点检测方法及系统。
背景技术
在飞行自组网技术中,相比于单架无人机作业系统,集群无人机系统具有更强的生存性,更好的可扩展性以及更高的作业效率。随着小型无人飞行器技术的成熟,其设备的小型化,低成本化使得多无人机系统的开发与应用成为现实,近年来引发了研究者的广泛关注,无论在军用还是民用领域都展现出了广阔的应用前景。集群无人机的集群智能和任务协同特性高度依赖于成员机之间高效、可靠的信息交换。例如在基于蜂群战术的联合侦察或军事打击等应用场景中,不同节点将装备不同的传感器和载荷,并要求节点间共享彼此数据,协同完成任务规划与决策。一般来说,这种信息交换基于飞行自组网(Flying AdHoc Networks,FANET)实现,网络中所有节点同时充当主机和路由器的角色,彼此之间以多跳的方式进行通信,因此网络的整体连通性至关重要。
对于大规模分布式移动网络,底层拓扑的构建既要考虑网络整体的连通性,又要考虑节点功率受限,节点间互干扰等因素,要求网络拓扑应兼顾连通性和稀疏性。然而,由于无线自组织网中不存在固定的网络基础设施,节点和链路具有高动态,易失效等特点,拓扑中容易出现一些独自连通网络两片或多片区域的关键节点,与普通节点相比,关键节点具有更高的能耗,也承担更多的网络流量,而且这些节点的失效将直接导致网络分割,造成通信中断。因此及时有效的发现网络中的关键节点对于消除网络的分割隐患以及均衡负载和能量消耗具有十分重要的意义。
针对无线自组网络,现有研究提出了多种网络拓扑关键节点的探测方法,大体可以分为中心式和分布式。
1)中心式:
中心式方法中,要求中心节点获取网络拓扑的全局信息,然后基于图论等一些经典方法建立问题模型,并设计判定规则完成对关键节点的检测。比如基于深度优先遍历(DFS,depth first search)的关键节点检测算法,首先要获取网络中所有节点的邻接关系构建网络拓扑的邻接矩阵,然后基于邻接矩阵运行DFS算法生成DFS树,最终根据两条规则实现对关键节点的检测。而基于连通支配集(CDS,connected dominating set)的方法则要求首先构造网络的最小连通支配集,然后同样基于有限的判定规则判断节点的类型。
2)分布式:
分布式算法只需要获取局部的拓扑信息(邻接关系,相对位置关系),然后借助一些辅助手段间接的推断出全局关键节点。现有的基于严格意义的分布式关键节点检测算法很少,而且大都基于概率性预测或需要借助链路探测包对拓扑进行探测。
现有成熟的关键节点检测方法一般面向无线传感器网络(WSN,wireless sensingnetwork)或者二维拓扑下的网络设计,这些网络一般具有较低的移动性或者简单的拓扑结构,对于算法的收敛速度或者通信开销等性能要求较低。因此,将现有算法应用于FANET中时,往往表现出明显的缺陷。
中心式关键节点探测算法需要获取全局的网络拓扑或者节点的地理位置信息,虽然能够实现较高的检测准确性,然而在动态的场景下,周期性的获取全局的网络拓扑或者节点位置信息势必导致数据交换周期过长,使得探测结果和实际网络拓扑不同步。同时还将引入较大的探测开销,进而占用过多的信道资源。因此不适合用于大规模动态无线网络中。基于DFS(depth first search)算法及其衍生的关键节点检测算法是比较典型的中心式算法,此类算法首先要构建DFS树,所需的平均探测开销为O(n2)(n为网络节点数),当网络节点数量增加时,显然算法开销将急剧上升。
分布式关键节点探测算法基于局部的网络拓扑信息或者节点位置信息完成网络中关键节点的探测,其分布式特性与FANET网络本身的分布式结构一致,理论上,分布式关键节点探测算法的准确性要劣于中心式方法。但考虑其探测开销小,收敛速度快等特点,在实际应用中有很大优势。然而现有的全分布式关键节点探测算法较少,且应用场景往往有较大的局限性。目前有一种分布式拓扑分割探测算法(Distributed Partition DetectionProtocol,DPDP),该算法给出了决定关键节点的两条因素,邻节点度Ni和基本回路度Mi,从理论层面给出了一种全分布式关键节点检测方法,然而,此算法只适用于不存在交叉链路的平面拓扑,大大限制了算法的应用场景。近年来还有一些基于连通支配集(CDS)的关键节点探测算法被提出,如CDSCUT,PADRA。这些算法大致思想首先构建最小连通支配集,在此基础上提出若干判定规则进而判断网络拓扑中节点的类型,然而,对于高动态的FANET网络来说,如何实时有效的构建最小连通支配集,其本身就是一个尚未解决的问题。因此这类算法同样不适用于FANET网络。
发明内容
本发明针对现有算法的不足和面向FANET的局限性,结合FANET无中心控制,高动态性等特点,提供一种基于有限路由信息的飞行自组网关键节点检测方法及系统,有效解决传统方法算法开销大,收敛速度慢的问题。
为实现上述目的,本发明提供的一种基于有限路由信息的飞行自组网关键节点检测方法,包括:
获取目标节点的1跳子图中所有节点的邻接信息;
基于所述邻接信息,执行LCND算法,判断所述目标节点是否为LC节点;
在所述目标节点不为LC节点时,基于所述邻接信息判断所述目标节点是否为1跳关键节点;
在所述目标节点为1跳关键节点时,基于目标节点预先构建的k跳路由参考信息表执行C2CND算法,检测其是否为C2C节点。
其中,所述基于所述邻接信息,执行LCND算法,判断所述目标节点是否为LC节点的步骤包括:
从所述邻接信息中读取目标节点v的邻节点类型,如果存在节点度为1的邻节点,则算法结束并返回目标节点v为LC节点;否则判断所述目标节点v不为LC节点。
其中,所述在所述目标节点不为LC节点时,基于所述邻接信息判断所述目标节点是否为1跳关键节点的步骤包括:
在所述目标节点v不为LC节点时,在LCND算法的初始化阶段创建两个数组:Ab和Ac,Ac内存放v的任一个邻节点,Ab中存放剩余的邻节点,若Ab中存在节点w包含于NS中,则将节点w加入到数组Ac,并从Ab中删除,重复以上步骤直到Ab中没有新的节点可以转移到Ac中,迭代结束,此时如果Ac为空数组,则v不是1跳关键节点;否则,若Ac为非空数组,则执行C2CND算法,检测其是否为C2C节点。
其中,所述方法还包括:
对算法时延和计算开销进行分析。
其中,所述方法还包括:
对算法进行仿真与性能分析。
其中,所述目标节点构建k跳路由参考信息表的步骤包括:
在判断目标节点可能为C2C节点时,目标节点向其所有邻节点发送路由信息请求包,然后邻节点返回其k跳路由信息表(k-RIT),在目标节点接收到所有邻节点的k跳路由信息表后,构建k跳路由参考信息表。
本发明还提出一种基于有限路由信息的飞行自组网关键节点检测系统,其特征在于,包括存储器、处理器以及存储在所述存储器上的计算机程序,所述计算机程序被所述处理器运行时实现如上所述的方法的步骤。
本发明的有益效果为:
本发明提出了一种针对大规模高动态无线网络(如FANET)的分布式关键节点检测算法,给出了详细的问题模型,相关定义以及完整的算法描述。算法通过利用网络中现有的路由信息有效避免了大量的拓扑探测开销,有效解决了传统方法算法开销大,收敛速度慢的问题。通过对算法时延和计算开销的分析,得出本文算法适用于大规模高动态无线网络。通过仿真,发现算法在可用路由信息有限的条件下依然有较好的检测性能。最终,经过推论,通过选取合理的k值,本发明所提算法对全局关键节点的检测有十分高的准确性。
附图说明
图1是现有技术中FANET拓扑示例图;
图2是k-RRIT数据建立流程示意图;
图3是CNDLR算法的整体执行流程框图;
图4是全局关键节点和有限跳关键节点的关系示意图;
图5是CNDLR算法检出率示意图;
图6是CNDLR算法漏检率示意图;
图7是CNDLR算法误检率示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明针对飞行自组网节点移动性高,拓扑变化频繁的特点,提出一种基于有限路由信息下的分布式关键节点检测方法,实现对网络拓扑中关键节点的快速、准确检测。
本发明提出一种基于有限路由信息的飞行自组网关键节点检测方法,包括:
步骤S1,获取目标节点的1跳子图中所有节点的邻接信息;
步骤S2,基于所述邻接信息,执行LCND算法,判断所述目标节点是否为LC节点;
步骤S3,在所述目标节点不为LC节点时,基于所述邻接信息判断所述目标节点是否为1跳关键节点;
步骤S4,在所述目标节点为1跳关键节点时,基于目标节点预先构建的k跳路由参考信息表执行C2CND算法,检测其是否为C2C节点。
其中,所述基于所述邻接信息,执行LCND算法,判断所述目标节点是否为LC节点的步骤包括:
从所述邻接信息中读取目标节点v的邻节点类型,如果存在节点度为1的邻节点,则算法结束并返回目标节点v为LC节点;否则判断所述目标节点v不为LC节点。
所述在所述目标节点不为LC节点时,基于所述邻接信息判断所述目标节点是否为1跳关键节点的步骤包括:
在所述目标节点v不为LC节点时,在LCND算法的初始化阶段创建两个数组:Ab和Ac,Ac内存放v的任一个邻节点,Ab中存放剩余的邻节点,若Ab中存在节点w包含于NS中,则将节点w加入到数组Ac,并从Ab中删除,重复以上步骤直到Ab中没有新的节点可以转移到Ac中,迭代结束,此时如果Ac为空数组,则v不是1跳关键节点;否则,若Ac为非空数组,则执行C2CND算法,检测其是否为C2C节点。
进一步地,所述方法还包括:
步骤S5,对算法时延和计算开销进行分析。
进一步地,所述方法还包括:
步骤S6,对算法进行仿真与性能分析。
以下对本发明实施例方案进行详细阐述:
1.定义
首先给出本发明涉及的若干概念定义:
全局关键节点:如果移除网络中某节点后,网络拓扑被分割成了两个及以上互不连通的部分,则此节点为全局关键节点。
k-hop关键节点:如果移除网络中某节点后,其k跳子图无法连通,则此节点为k-hop关键节点。
LC节点:如果一个关键节点存在节点度为1的邻节点,称此节点为LC节点。
C2C节点:如果一个关键节点不存在节点度为1的邻节点,称此节点为C2C节点。
如图1中所示的简单拓扑示例中,C2,C3为全局关键节点,其中C3为LC节点,C2为C2C节点。C1为2-hop关键节点。其余非关键节点称为普通节点。
在FANET的网络层中,为了有效的发送和转发数据,每个节点需要维护更新自身的路由表(RT)以及一个记录邻居节点集的元组NT(基于周期性的hello消息建立)。以OLSR(Optimized Link State Routing)路由协议为例,图1中C2节点的路由表格式如表1:
表1 C2节点路由表格式
R_dest_addr | R_next_addr | R_dist | R_iface_addr |
1 | 4 | 3 | -- |
2 | 4 | 2 | -- |
3 | 5 | 3 | -- |
... | … | … | … |
1)R_dest_addr:本路由条目指向的目的地址。
2)R_next_addr:本路由条目的下一跳节点地址。
3)R_dist:由当前节点到达目的地址所经过的跳数
4)R_iface_addr:本条路径对应的本地接口地址。
在CNDLR算法初始阶段,如果算法判断目标节点可能为C2C节点,则目标节点将会向其所有邻节点发送路由信息请求包(RRQ),然后邻节点返回其k跳路由信息表(k-RIT),在目标节点接收到所有邻节点的k-RIT数据后,将构建k跳路由参考信息表(k-RRIT)。k-RRIT为CNDPR算法的基本输入参数,其构造过程如图2所示,图2是k-RRIT数据建立流程:
其中,邻节点的k-RIT数据是其完整路由表条目经删减后得到的一个子集,其删减规则如下:
1)删除多径路由(如果存在)并保留最小跳数路由条目。
2)删除目的地址或者下一跳地址为目标节点的路由条目。
3)删除跳数大于k的路由条目。
基于所有邻节点的k-RIT信息,可以完成k-RRIT数据的构造,以图2中C2节点为例,其2-RRIT格式如表2:
表2 C2节点的2-RRIT数据格式
邻节点 | 4 | 5 | 9 |
dest_set* | {1,2,4,5,6} | {2,3,4,5,6} | {8,9,10,11,12} |
*:dest_set:对应邻节点的IP以及邻节点k-RIT数据中‘R_dest_addr’的集合。
2.本发明CNDLR算法描述
对于任意节点v,如果v不是1跳关键节点,容易推断其同样不为多跳关键节点。另外,1跳关键节点的检测远比多跳关键节点简单,其只需要获取目标节点的1跳子图中所有节点的邻接信息便可实现准确检测。因此,令CNDLR首先执行LC节点检测(LCND)算法,具体的步骤为:算法首先读取v的邻节点类型,如果存在节点度为1邻节点,算法结束并返回v为LC节点。否则,在LCND的初始化阶段创建两个数组:Ab和Ac,Ac内存放v的任一个邻节点,Ab中存放剩余的邻节点,若Ab中存在节点w包含于NS(Ac中所有节点的邻节点的并集)中,则将节点w加入到数组Ac,并从Ab中删除。重复以上步骤直到Ab中没有新的节点可以转移到Ac中,迭代结束,此时如果Ac为空数组,则v不是1跳关键节点,显然也不为k(k≥2)跳关键节点。若Ac为非空数组,则执行C2CND算法,检测其是否为C2C节点。算法的伪代码描述如表3:
表3 C2CND算法
CNDLR算法的整体执行流程框图如图3所示:
3、算法计算开销和时延分析
考虑到飞行节点能量受限和计算能力受限等因素,对于在线算法的计算开销进行评估是十分必要的。此外FANET具有较高的动态性,为了适应网络拓扑的高时变特点,要求关键节点检测算法的收敛速度越快越好。在CNDPR算法中,目标节点需要处理和计算其邻节点的NT和k-RRIT,因此CNDPR的计算开销为O(d)(d为网络中节点的平均节点度)。算法时延的定义为算法从初始化阶段到执行结束的时间间隔,可以用算法的通信时延加上计算时延表示,鉴于本问题中计算时延相比通信时延较小,本发明对算法时延的分析只考虑通信时延。在CNDPR算法中,目标节点只和其1跳邻节点通信,因此其算法时延为O(1)。参考现有技术中给出的DFS和CVD算法的计算开销和算法时延,与本发明所提算法进行对比,结果如表4所示。其中n为网络中节点数量。
表4几种算法开销的对比
算法 | 计算开销 | 算法时延 |
DFS | O(dn) | O(dn2) |
CVD | O(d2) | O(dn) |
CNDLR | O(d) | O(1) |
显然,相比其他两种算法,CNDLR具有更低的计算开销和时延,其中计算开销只和网络平均节点密度线性相关,而与网络规模无关,因此CNDLR非常适用于大规模动态无线网络,如FANET。
4、仿真与性能分析
首先,将仿真实验部分涉及的若干概念定义如下:
平均节点密度dmean:网络中节点的平均节点度。
路由信息完备度r:可用路由条目占完备路由条目的比例。
检出率:检出节点中真实关键节点的比例。
漏检率:未检关键节点占总关键节点的比例。
误检率:检出节点中非关键节点的比例。
为了模拟集群无人机节点的集群飞行特征,采用改进的Boid运动模型生成仿真拓扑样本,此处不对模型细节进行描述,所生成拓扑的相关参数如表5。为了验证有限跳关键节点和全局关键节点间的一致性,在此基于DFS算法获得拓扑中真实的全局和有限跳关键节点,给出了不同节点密度dmean下,k-hop关键节点和全局关键节点的关系。为了评估CNDPR算法的性能,在此选取dmean=6.5,其它参数同表5,给出了不同路由信息完备度r下,算法对于k-hop关键节点的检出率,漏检率以及误检率。
表5仿真移动模型参数
图4展示了有限跳关键节点和全局关键节点的一致性,可以看出,k-hop关键节点和全局关键节点的重合比例随k值变大快速提升,同时和网络平均节点密度成正相关。当k值为4时,对于不同的节点密度,其重合比例基本在98%以上。
图5-7描述了在不同路由信息完备度下,算法对有限跳关键节点的检测性能。其中,从图5可以看出,对于不同的k值,即使在较低的路由信息完备度下,算法依然可以实现较高的检出率,例如r取0.4时,检出率可以达到80%左右。另外检出率随k值增大逐渐提高。由图6可知,漏检率随r升高而上升,这是由于在一些特殊情况下,本算法中用到的路由信息对于检测k-hop关键节点是有冗余的,此时如果一个节点是k-hop关键节点但非(k+1)-hop关键节点,容易发生漏检情况,而当算法用于全局关键节点检测时,这种特性应视为增益。图7指出当r较小时,算法容易将普通节点判定为关键节点,但随着r的升高此问题能得到很好改善,而1-hop关键节点的检测不会用到路由信息,故不受影响。
根据仿真结果可以看出,本发明提出的算法具有良好的检测性能,以本发明仿真场景为例,可以推论,对于不同的网络节点密度,选取k≥4,r≥0.6,CNDLR算法对于全局关键节点的正确检测概率可达95%以上。
相比现有技术,本发明设计了一种针对大规模高动态无线网络(如FANET)的分布式关键节点检测算法,给出了详细的问题模型,相关定义以及完整的算法描述。算法通过利用网络中现有的路由信息有效避免了大量的拓扑探测开销,有效解决了传统方法算法开销大,收敛速度慢的问题。通过对算法时延和计算开销的分析,得出本文算法适用于大规模高动态无线网络。通过仿真,发现算法在可用路由信息有限的条件下依然有较好的检测性能。最终,经过推论,通过选取合理的k值,本文所提算法对全局关键节点的检测有十分高的准确性。
此外,本发明还提出一种基于有限路由信息的飞行自组网关键节点检测系统,包括存储器、处理器以及存储在所述存储器上的计算机程序,所述计算机程序被所述处理器运行时实现如上所述的方法的步骤,在此不再赘述。
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或流程变换,或直接或间接运用在其它相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (6)
1.一种基于有限路由信息的飞行自组网关键节点检测方法,其特征在于,包括:
获取目标节点的1跳子图中所有节点的邻接信息;
基于所述邻接信息,执行LCND算法,判断所述目标节点是否为LC节点;
在所述目标节点不为LC节点时,基于所述邻接信息判断所述目标节点是否为1跳关键节点;
在所述目标节点为1跳关键节点时,基于目标节点预先构建的k跳路由参考信息表执行C2CND算法,检测其是否为C2C节点;
所述基于所述邻接信息,执行LCND算法,判断所述目标节点是否为LC节点的步骤包括:
从所述邻接信息中读取目标节点的邻节点类型,如果存在节点度为1的邻节点,则算法结束并返回目标节点为LC节点;否则判断所述目标节点不为LC节点;
其中,所述C2CND算法的具体步骤为:
首先给定目标节点的1-跳邻节点的NT元组和RRIT元组,其中,所述NT元组是所有邻节点的集合,所述RRIT元组是路由参考信息表,并初始化两个数组Qc和Rs,分别初始化其内容为NT(1)和RRIT(Qc)并执行以下循环迭代过程,如果NT元组中存在节点v满足条件:RRIT(v)和Rs的交集为空集,则将节点v添加到数组Qc,将v的一跳邻节点RRIT信息加入到Rs集合,并且从NT元组中删除节点v;当NT元组中没有其他节点可以添加到Qc,则结束迭代过程;如果结果返回的NT元组为空数组,则表示节点v是C2C关键节点,若NT元组为空数组,则代表v是普通节点。
2.根据权利要求1所述的基于有限路由信息的飞行自组网关键节点检测方法,其特征在于,所述在所述目标节点不为LC节点时,基于所述邻接信息判断所述目标节点是否为1跳关键节点的步骤包括:
在所述目标节点不为LC节点时,在LCND算法的初始化阶段创建两个数组:Ab和Ac,Ac内存放所述目标节点的任一个邻节点,Ab中存放剩余的邻节点,若Ab中存在节点w包含于NS中,所述NS为Ac中所有邻节点的并集,则将节点w加入到数组Ac,并从Ab中删除,重复以上步骤直到Ab中没有新的节点可以转移到Ac中,迭代结束,此时如果Ac为空数组,则所述目标节点不是1跳关键节点;否则,若Ac为非空数组,则执行C2CND算法,检测其是否为C2C节点。
3.根据权利要求1或2所述的基于有限路由信息的飞行自组网关键节点检测方法,其特征在于,所述方法还包括:
对算法时延和计算开销进行分析。
4.根据权利要求1或2所述的基于有限路由信息的飞行自组网关键节点检测方法,其特征在于,所述方法还包括:
对算法进行仿真与性能分析。
5.根据权利要求1或2所述的基于有限路由信息的飞行自组网关键节点检测方法,其特征在于,所述目标节点构建k跳路由参考信息表的步骤包括:
在判断目标节点可能为C2C节点时,目标节点向其所有邻节点发送路由信息请求包,然后邻节点返回其k跳路由信息表(k-RIT),在目标节点接收到所有邻节点的k跳路由信息表后,构建k跳路由参考信息表。
6.一种基于有限路由信息的飞行自组网关键节点检测系统,其特征在于,包括存储器、处理器以及存储在所述存储器上的计算机程序,所述计算机程序被所述处理器运行时实现如权利要求1-5中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710591918.1A CN107509234B (zh) | 2017-07-19 | 2017-07-19 | 基于有限路由信息的飞行自组网关键节点检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710591918.1A CN107509234B (zh) | 2017-07-19 | 2017-07-19 | 基于有限路由信息的飞行自组网关键节点检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107509234A CN107509234A (zh) | 2017-12-22 |
CN107509234B true CN107509234B (zh) | 2021-02-19 |
Family
ID=60678759
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710591918.1A Active CN107509234B (zh) | 2017-07-19 | 2017-07-19 | 基于有限路由信息的飞行自组网关键节点检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107509234B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114518772B (zh) * | 2022-02-25 | 2023-02-28 | 中发国研信息技术研究院(北京)有限公司 | 一种拒止环境下无人机蜂群自组织方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1889467A (zh) * | 2006-07-28 | 2007-01-03 | 西安电子科技大学 | 分布式无线网络关键节点探测方法 |
WO2010148500A1 (en) * | 2009-06-23 | 2010-12-29 | Nortel Networks Limited | Utilizing betweenness to determine forwarding state in a routed network |
CN102413540A (zh) * | 2011-08-25 | 2012-04-11 | 西安电子科技大学 | 基于认知的网络编码与路由相结合的自组织网络单播方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130163407A1 (en) * | 2011-12-21 | 2013-06-27 | Honeywell International Inc. | System and method for determining network element criticality |
-
2017
- 2017-07-19 CN CN201710591918.1A patent/CN107509234B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1889467A (zh) * | 2006-07-28 | 2007-01-03 | 西安电子科技大学 | 分布式无线网络关键节点探测方法 |
WO2010148500A1 (en) * | 2009-06-23 | 2010-12-29 | Nortel Networks Limited | Utilizing betweenness to determine forwarding state in a routed network |
CN102413540A (zh) * | 2011-08-25 | 2012-04-11 | 西安电子科技大学 | 基于认知的网络编码与路由相结合的自组织网络单播方法 |
Non-Patent Citations (2)
Title |
---|
Distributed detection of critical nodes in wireless sensor networks using connected dominating set;Orhan Dagdeviren等;《2016 IEEE SENSORS》;20170109;第1-3页 * |
Localized detection of k-connectivity in wireless ad hoc, actuator and sensor networks;Milenko Jorgic等;《2007 16th International Conference on Computer Communications and Networks》;20070924;第33-38页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107509234A (zh) | 2017-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | A communication strategy of proactive nodes based on loop theorem in wireless sensor networks | |
Arafat et al. | Routing protocols for unmanned aerial vehicle networks: A survey | |
Sharma et al. | DPTR: Distributed priority tree-based routing protocol for FANETs | |
Park et al. | DroneNetX: Network reconstruction through connectivity probing and relay deployment by multiple UAVs in ad hoc networks | |
US7752332B2 (en) | Geometric routing in wireless networks | |
Yanmaz et al. | A discrete stochastic process for coverage analysis of autonomous UAV networks | |
Chandrashekar et al. | Providing full connectivity in large ad-hoc networks by dynamic placement of aerial platforms | |
Senturk et al. | Towards realistic connectivity restoration in partitioned mobile sensor networks | |
Gavalas et al. | Energy-efficient multiple itinerary planning for mobile agents-based data aggregation in WSNs | |
Wu et al. | Energy‐conserving data gathering by mobile mules in a spatially separated wireless sensor network | |
Arya et al. | Optimization approach for energy minimization and bandwidth estimation of WSN for data centric protocols | |
Hemalatha et al. | Analysis on energy consumption in smart grid WSN using path operator calculus centrality based HSA-PSO algorithm | |
Wu et al. | Data gathering by mobile mules in a spatially separated wireless sensor network | |
Yu et al. | Distributed soft clustering algorithm for IoT based on finite time average consensus | |
Banerjee et al. | A modified mathematical model for life-time enhancement in wireless sensor network | |
CN107509234B (zh) | 基于有限路由信息的飞行自组网关键节点检测方法及系统 | |
Bharany et al. | Energy Efficient Clustering Protocol for FANETS Using Moth Flame Optimization. Sustainability 2022, 14, 6159 | |
Maglaras et al. | Layered backpressure scheduling for delay reduction in ad hoc networks | |
Sun et al. | Efficient articulation point collaborative exploration for reliable communications in wireless sensor networks | |
Li et al. | Trajectory-aware spatio-temporal range query processing for unmanned aerial vehicle networks | |
Ghabri et al. | New fault tolerant strategy of wireless sensor network | |
Singh et al. | Constructing topographic maps in networked sensor systems | |
Hussen et al. | Stateless and predictive geographic multicast scheme in flying ad-hoc networks | |
Qing et al. | Efficient cluster routing design under the environment of internet of things based on location | |
Kumar et al. | UAV Clustering Scheme for FANETs using Elbow-Hybrid Metaheuristic Techniques. |
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 |