CN108307444B - 基于优化粒子群算法的无线传感网无人机系统通信方法 - Google Patents

基于优化粒子群算法的无线传感网无人机系统通信方法 Download PDF

Info

Publication number
CN108307444B
CN108307444B CN201810051019.7A CN201810051019A CN108307444B CN 108307444 B CN108307444 B CN 108307444B CN 201810051019 A CN201810051019 A CN 201810051019A CN 108307444 B CN108307444 B CN 108307444B
Authority
CN
China
Prior art keywords
node
cluster head
aerial vehicle
unmanned aerial
network
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
CN201810051019.7A
Other languages
English (en)
Other versions
CN108307444A (zh
Inventor
王进
季欢
居春伟
王凯
牛俊明
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.)
Yangzhou University
Original Assignee
Yangzhou University
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 Yangzhou University filed Critical Yangzhou University
Priority to CN201810051019.7A priority Critical patent/CN108307444B/zh
Publication of CN108307444A publication Critical patent/CN108307444A/zh
Application granted granted Critical
Publication of CN108307444B publication Critical patent/CN108307444B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/08—Load balancing or load distribution
    • H04W28/082—Load balancing or load distribution among bearers or channels
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W40/00—Communication routing or communication path finding
    • H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
    • H04W40/04—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources
    • H04W40/10—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources based on available power or energy
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W40/00—Communication routing or communication path finding
    • H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
    • H04W40/22—Communication route or path selection, e.g. power-based or shortest path routing using selective relaying for reaching a BTS [Base Transceiver Station] or an access point
    • 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)

Abstract

本发明公开一种基于优化粒子群算法的无线传感网无人机系统通信方法，用于由移动节点无人机(1)、地面通信站(2)和多个地面无线传感器节点(3)组成的无线传感器无人机系统网络，包括如下步骤：(10)网络区域划分：采用优化粒子群算法，将整个网络区域划分为多个子区域；(20)子区域簇头选择：每个子区域中的传感器节点(3)计算加权和，选择簇头节点；(30)下一跳访问节点选择：移动节点访问剩余溢出缓存时间最大的簇头节点，然后选择移动节点下一跳所要访问的簇头节点；(40)数据传输：无人机(1)将数据传输给地面通信站(2)。本发明的无线传感网无人机通信方法，能量消耗少，网络负载平衡性好，网络寿命长。

Description

基于优化粒子群算法的无线传感网无人机系统通信方法
技术领域
本发明属于无线传感器网络技术领域，特别是一种能量消耗少，网络负载平衡性好，网络寿命长的基于优化粒子群算法的无线传感网无人机系统通信方法。
背景技术
无线传感网(WSNs)是由大量部署在特定监测区域内的微型廉价的传感器节点组成，这些节点可以感知监测区域中的信息，并且把采集到的数据发送给汇聚节点。这些节点通过无线通信的方式构建一个自组织的网络，节点之间可以相互通信并且可以进行数据传输。
无线传感网无人机系统是一种移动汇聚节点的数据收集系统，体系结构如图1所示。其由无人机、若干地面无线传感器和地面通信站组成。无线传感网无人机系统中，无人机被视为系统中的移动节点，其主要负责系统初始化、数据收集等工作。通过采用无人机系统，可以减少每个传感器节点之间传输数据时所消耗的能量，延长网络寿命。
然而，现有无线传感网无人机系统通信采用划分多个区域且设立多个基站进行通信的方法但由于基站只能收集固定区域内的数据、无人机的能量有限等原因，导致簇间通信时所消耗的能量多，网络能量不均衡，存在所谓的“热点问题”，即距离基站越近的传感器节点因为转发其他节点的数据而引起的节点能量消耗过快的问题，同时，由于每个区域的基站都是固定不变的，还存在网络寿命不够长的问题。
发明内容
本发明的目的在于提供一种基于优化粒子群算法的无线传感网无人机通信方法，能量消耗少，网络负载平衡性好，网络寿命长。
实现本发明目的的技术解决方案为：
一种基于优化粒子群算法的无线传感网无人机系统通信方法，用于由无人机(1)、地面通信站(2)和多个地面无线传感器节点(3)组成的无线传感器无人机系统网络，其中无人机(1)为移动节点，其特征在于，包括如下步骤：
(10)网络区域划分：根据网络区域中无线传感器节点(3)的负载以及剩余能量，采用优化粒子群算法，将整个无人机系统网络区域划分为多个子区域；
(20)子区域簇头选择：在所述多个子区域中，每个传感器节点(3)根据自身的剩余能量以及本节点的位置，计算加权和，选择加权和最小的传感器节点作为无人机系统网络中的簇头节点，负责收集该子区域内的数据；
(30)下一跳访问节点选择：作为移动节点的无人机(1)，首先访问剩余溢出缓存时间最大的簇头节点，然后根据每个簇头节点的剩余缓存溢出时间、移动节点移动到每个簇头的时间以及可用消息的生存时间的加权和，选择移动节点下一跳所要访问的簇头节点；
(40)数据传输：无人机(1)访问完所有的簇头节点后，将所采集的数据传输给地面通信站(2)。
本发明与现有技术相比，其显著优点为：
(1)能量消耗少：在划分网络区域时，引入优化粒子群算法，考虑传感器节点的负载及剩余能量两个因素，减少了簇间通信时所消耗的能量；
(2)网络负载平衡性好：在选择簇头节点时，考虑了节点的剩余能量和位置，有效地避免了网络能量不均衡的问题，同时避免了“热点问题”；
(3)网络寿命长：在无人机选择下一跳访问节点时，考虑到节点的剩余缓存溢出时间、移动时间及可用消息的生存时间，使得无人机的移动轨迹缩短，减少了数据传输的时延，同时也减少了数据收集时的能量消耗，节约了更多的时间用于数据收集，提高了数据收集的效率。
下面结合附图和具体实施方式对本发明作进一步的详细描述。
附图说明
图1为无线传感网无人机系统体系结构示意图。
图2为本发明基于优化粒子群算法的无线传感网无人机通信方法的主流程图。
图3为图2中网络区域划分步骤的流程图。
图4为图2中下一跳访问节点选择步骤的流程图。
具体实施方式
本发明基于优化粒子群算法的无线传感网无人机系统通信方法，用于如图1所示的由无人机(1)、地面通信站(2)和多个地面无线传感器节点(3)组成的无线传感器无人机系统网络，其中无人机(1)为移动节点。
如图2所示，本发明方法包括如下步骤：
(10)网络区域划分：根据网络区域中无线传感器节点(3)的负载以及剩余能量，采用优化粒子群算法，将整个无人机系统网络区域划分为多个子区域；
如图3所示，所述(10)网络区域划分步骤包括：
(11)粒子适应值计算：设定粒子群的最大迭代次数为Tmax，在网络中产生两个随机数a和b，计算每个粒子的适应值；
所述(11)粒子适应值计算步骤中，按下式计算每个粒子的适应值：
F＝βf1+(1-β)f2， (1)
Figure BDA0001552370920000031
其中,
Figure BDA0001552370920000032
式中，β为加权系数；E(i)表示传感器节点i的剩余能量；CHk表示第k个簇的簇头节点；d(CHk,CHj)表示簇头节点k到簇头节点j的距离，k个粒子组成一个群体。
(12)粒子状态更新：比较粒子的适应值和自身最优值pBest，若粒子的当前值比pBest小，则更新为当前值；将当前值与整个网络区域的全局最优值gBest比较，若当前值比gBest小，则更新为当前值然后按照粒子更新式更新粒子的速度和位置方向；直至搜索到全局最优值或达到最大迭代次数时算法终止。
(13)重复且划分整个网络区域：区域首次被划分后，按照以上方法对整个区域进行划分，直至C个子区域划分完成。
(20)子区域簇头选择：在所述多个子区域中，每个传感器节点(3)根据自身的剩余能量以及本节点的位置，计算加权和，选择加权和最小的传感器节点作为无人机系统网络中的簇头节点，负责收集该子区域内的数据；
所述(20)选择簇头步骤中，按照下式计算加权和S，
Figure BDA0001552370920000033
其中，
Figure BDA0001552370920000041
Figure BDA0001552370920000042
式中，S表示区域中传感器节点i的加权和，d表示传感器节点i与其他传感器节点的距离和占所有传感器节点间距离的比重；E表示传感器节点i的剩余能量占所有传感器节点剩余能量总和的比重，θ为加权系数。
(30)下一跳访问节点选择：作为移动节点的无人机(1)，首先访问剩余溢出缓存时间最大的簇头节点，然后根据每个簇头节点的剩余缓存溢出时间、移动节点移动到每个簇头的时间以及可用消息的生存时间的加权和，选择移动节点下一跳所要访问的簇头节点；
如图4所示，所述(30)下一跳访问节点选择步骤包括：
(31)访问首个簇头节点：将无人机看作是移动节点，首先访问剩余溢出缓存时间最大的簇头节点；
(32)选择下一跳访问节点：按照以下公式计算加权和，选择移动节点下一跳需要访问的簇头节点，
Wij＝α×Tij+β×Sij+γ×TTLsum，
式中，i表示当前无人机节点所在的簇头节点位置，j表示无人机节点下一跳所要访问的簇头节点位置；Tij表示无人机节点移动到没给簇头节点的移动时间，Sij表示每个簇头节点的剩余缓存溢出时间，TTLsum表示可用消息的总生存时间；α、β、γ取值范围为0～1，且满足条件α+β+γ＝1，用来调整缓存溢出时间；
(33)无人机节点收集数据：计算出每一个簇头节点的加权和后，选择加权和值最小的簇头节点为无人机节点下一跳所要访问的节点，并且无人机节点进行数据收集；
(34)无人机节点访问所有簇头节点：无人机节点收集簇头节点数据完成后，继续步骤(32)计算加权和公式选择下一跳访问的簇头节点，直至所有的簇头节点访问完毕。
(40)数据传输：无人机(1)访问完所有的簇头节点后，将所采集的数据传输给地面通信站(2)。
本发明提供了一种基于优化粒子群算法的无线传感网无人机系统。首先引入优化粒子群算法根据区域中无线传感器节点的负载以及其剩余能量对网络进行合理划分，将系统网络划分为C个区域；区域中，每个传感器节点根据自己的剩余能量及位置计算加权和，选择加权和最小的传感器节点最为无人机系统中的簇头节点，且负责区域内的数据收集；簇头节点选举完成后，无人机首先访问剩余溢出时间最大的簇头节点，然后根据每个簇头节点的剩余缓存溢出时间、无人机移动到每个簇头的时间以及可用消息的生存时间计算加权和，选择加权和值最小的簇头作为下一跳访问节点，最终形成一条最优无人机移动路径；无人机访问完所有的区域后，将采集到的所有数据传输给地面通信站。
由于在划分网络区域时，引入优化粒子群算法，考虑传感器节点的负载及剩余能量两个因素，减少了簇间通信时所消耗的能量；
同时，在选择簇头节点时，考虑了节点的剩余能量和位置，有效地避免了网络能量不均衡的问题，同时避免了“热点问题”；
最后，在无人机选择下一跳访问节点时，考虑到节点的剩余缓存溢出时间、移动时间及可用消息的生存时间，使得无人机的移动轨迹缩短，减少了数据传输的时延，同时也减少了数据收集时的能量消耗，节约了更多的时间用于数据收集，提高了数据收集的效率。

Claims (3)

1.一种基于优化粒子群算法的无线传感网无人机系统通信方法，用于由无人机(1)、地面通信站(2)和多个地面无线传感器节点(3)组成的无线传感器无人机系统网络，其中无人机(1)为移动节点，包括如下步骤：
(10)网络区域划分：根据网络区域中无线传感器节点(3)的负载以及剩余能量，采用优化粒子群算法，将整个无人机系统网络区域划分为多个子区域；
(20)子区域簇头选择：在所述多个子区域中，每个传感器节点(3)根据自身的剩余能量以及本节点的位置，计算加权和，选择加权和最小的传感器节点作为无人机系统网络中的簇头节点，负责收集该子区域内的数据；
(30)下一跳访问节点选择：作为移动节点的无人机(1)，首先访问剩余溢出缓存时间最大的簇头节点，然后根据每个簇头节点的剩余缓存溢出时间、移动节点移动到每个簇头的时间以及可用消息的生存时间的加权和，选择移动节点下一跳所要访问的簇头节点；
(40)数据传输：无人机(1)访问完所有的簇头节点后，将所采集的数据传输给地面通信站(2)；
所述(10)网络区域划分步骤包括：
(11)粒子适应值计算：设定粒子群的最大迭代次数为Tmax，在网络中产生两个随机数a和b，计算每个粒子的适应值；
(12)粒子状态更新：比较粒子的适应值和自身最优值pBest，若粒子的当前值比pBest小，则更新为当前值；将当前值与整个网络区域的全局最优值gBest比较，若当前值比gBest小，则更新为当前值然后按照粒子更新式更新粒子的速度和位置方向；直至搜索到全局最优值或达到最大迭代次数时算法终止；
(14)区域首次被划分后，按照以上方法对整个区域进行划分，直至C个子区域划分完成；
其特征在于，所述(11)粒子适应值计算步骤中，按下式计算每个粒子的适应值：
F＝βf1+(1-β)f2， (1)
其中,
Figure FDA0002715930030000011
Figure FDA0002715930030000021
式中，β为加权系数；E(i)表示传感器节点i的剩余能量；CHk表示第k个簇的簇头节点；d(CHk,CHj)表示簇头节点k到簇头节点j的距离，k个粒子组成一个群体。
2.根据权利要求1所述的通信方法，其特征在于，所述(20)选择簇头步骤中，按照下式计算加权和S，
Figure FDA0002715930030000022
其中，
Figure FDA0002715930030000023
Figure FDA0002715930030000024
式中，S表示区域中传感器节点i的加权和，d表示传感器节点i与其他传感器节点的距离和占所有传感器节点间距离的比重；E表示传感器节点i的剩余能量占所有传感器节点剩余能量总和的比重，θ为加权系数。
3.根据权利要求1所述的通信方法，其特征在于，所述(30)下一跳访问节点选择步骤包括：
(31)访问首个簇头节点：将无人机看作是移动节点，首先访问剩余溢出缓存时间最大的簇头节点；
(32)选择下一跳访问节点：按照以下公式计算加权和，选择移动节点下一跳需要访问的簇头节点，
Wij＝α×Tij+β×Sij+γ×TTLsum，
式中，i表示当前无人机节点所在的簇头节点位置，j表示无人机节点下一跳所要访问的簇头节点位置；Tij表示无人机节点移动到没给簇头节点的移动时间，Sij表示每个簇头节点的剩余缓存溢出时间，TTLsum表示可用消息的总生存时间；α、β、γ取值范围为0～1，且满足条件α+β+γ＝1，用来调整缓存溢出时间；
(33)无人机节点收集数据：计算出每一个簇头节点的加权和后，选择加权和值最小的簇头节点为无人机节点下一跳所要访问的节点，并且无人机节点进行数据收集；
(34)无人机节点访问所有簇头节点：无人机节点收集簇头节点数据完成后，继续步骤(32)计算加权和公式选择下一跳访问的簇头节点，直至所有的簇头节点访问完毕。
CN201810051019.7A 2018-01-19 2018-01-19 基于优化粒子群算法的无线传感网无人机系统通信方法 Active CN108307444B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810051019.7A CN108307444B (zh) 2018-01-19 2018-01-19 基于优化粒子群算法的无线传感网无人机系统通信方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810051019.7A CN108307444B (zh) 2018-01-19 2018-01-19 基于优化粒子群算法的无线传感网无人机系统通信方法

Publications (2)

Publication Number Publication Date
CN108307444A CN108307444A (zh) 2018-07-20
CN108307444B true CN108307444B (zh) 2020-12-04

Family

ID=62865703

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810051019.7A Active CN108307444B (zh) 2018-01-19 2018-01-19 基于优化粒子群算法的无线传感网无人机系统通信方法

Country Status (1)

Country Link
CN (1) CN108307444B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109041160B (zh) * 2018-08-04 2020-11-17 浙江农林大学 提高城市综合管廊中无线传感器网络数据传输质量的方法
CN110049500B (zh) * 2019-04-19 2022-03-22 广州大学 基于模拟退火算法的无线可充电传感网中uav能量补偿方法
CN110286699B (zh) * 2019-05-28 2020-12-15 东南大学 一种无线传感网数据采集中基于实际模型的无人机最优速度调度方法
CN110290476B (zh) * 2019-06-10 2022-03-25 河南创仕航空科技有限公司 无人机集群通信方法及系统
CN110418390B (zh) * 2019-06-17 2020-12-29 华南农业大学 低空遥感和地面传感的数据传输优化方法及系统
CN110324788B (zh) * 2019-07-04 2020-09-25 河南牧业经济学院 基于航迹的航空自组网分簇方法及计算机可读存储介质
CN110336637A (zh) * 2019-07-15 2019-10-15 北京航空航天大学 一种无人机干扰信号特征选择方法
CN110602633B (zh) * 2019-08-02 2021-03-30 广东工业大学 一种面向爆发性流量的移动边缘计算无人机群辅助通信方法
CN110471445B (zh) * 2019-08-22 2023-02-21 合肥工业大学 多无人平台通信能耗的多阶段多目标优化方法和装置
CN111061299B (zh) * 2020-01-21 2020-12-29 南京智能信通科技发展有限公司 一种基于无人机飞行轨迹的地面传感器数据采集方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103269507A (zh) * 2013-03-05 2013-08-28 江苏科技大学 双簇头无线传感器网络路由方法
CN106304234A (zh) * 2016-08-09 2017-01-04 南京邮电大学 一种基于聚类路由协议的无线传感器网络能耗优化方法
CN106937352A (zh) * 2015-12-29 2017-07-07 扬州大学 基于粒子群算法的移动汇聚节点无线传感器网络路由协议

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103200598A (zh) * 2013-04-25 2013-07-10 青岛农业大学 一种基于粒子群优化的无线传感器网络分簇方法
CN103298005B (zh) * 2013-05-06 2016-09-14 南京邮电大学 基于粒子群算法的无线传感网多目标跟踪节点任务分配方法
CN107277830B (zh) * 2017-08-03 2020-11-13 扬州大学 一种基于粒子群优化和变异算子的无线传感器网络节点部署方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103269507A (zh) * 2013-03-05 2013-08-28 江苏科技大学 双簇头无线传感器网络路由方法
CN106937352A (zh) * 2015-12-29 2017-07-07 扬州大学 基于粒子群算法的移动汇聚节点无线传感器网络路由协议
CN106304234A (zh) * 2016-08-09 2017-01-04 南京邮电大学 一种基于聚类路由协议的无线传感器网络能耗优化方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"一种结合粒子群和虚拟力的动态节点部署策略";周剑波，刘宏立，徐琨;《计算机工程与应用》;20150216;全文 *
"无线传感网络覆盖的粒子进化优化策略研究";林祝亮，冯远静，俞立;《传感技术学报》;20090620;第22卷(第6期);全文 *

Also Published As

Publication number Publication date
CN108307444A (zh) 2018-07-20

Similar Documents

Publication Publication Date Title
CN108307444B (zh) 基于优化粒子群算法的无线传感网无人机系统通信方法
CN112469100B (zh) 基于可充电多基站式无线异构传感器网络的分层路由算法
CN102149160B (zh) 一种用于无线传感网络的能量感知路由算法
Li et al. Design and analysis of an MST-based topology control algorithm
CN106900025A (zh) 一种基于双簇首的无线传感器网络分簇路由方法
Liu et al. A new multi-path routing protocol based on cluster for underwater acoustic sensor networks
CN103974367B (zh) 无线传感器网络中基于heed算法的错误容忍和多路径优化方法
CN108566664B (zh) 一种分布式高能效的wsn分簇路由优化方法
CN102497679B (zh) 一种无线传感器网络静态分簇算法
CN109309620B (zh) 一种面向边缘计算的轻量级异构网络分簇方法
CN103781148A (zh) 车载自组织网络中基于链路感知的稳定成簇路由方法
CN102438298B (zh) 一种可信的无线传感网数据节能汇聚方法
CN103228023A (zh) 基于粒子群蚁群优化的无线传感器网络分簇路由方法
CN104301965A (zh) 一种无线传感器网络非均匀分簇节点调度方法
CN103200598A (zh) 一种基于粒子群优化的无线传感器网络分簇方法
CN101835099B (zh) 基于分簇与rrep广播的大规模传感器网络路由方法
CN105517093A (zh) 一种无线传感器网络中基于网络均衡性的节能路由方法
Wan et al. AHP based relay selection strategy for energy harvesting wireless sensor networks
CN113141592A (zh) 一种长生命周期的水声传感器网络自适应多路径路由机制
CN103945508A (zh) 一种基于概率比较的无线传感网拓扑构建方法
CN110177351B (zh) 一种用于低占空比无线传感器网络的高效数据传输方法
Hossain et al. Energy efficient deployment of HetNets: Impact of power amplifier and delay
CN103188758A (zh) 一种无线传感网络的节能方法
Wang et al. Energy efficient beaconing control strategy based on time-continuous Markov model in DTNs
CN112867169A (zh) 一种综合管廊异构网络自组网通信方法及其系统

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