CN108650011B - 多无人机与地面网络协作性数据中继方法及系统 - Google Patents

多无人机与地面网络协作性数据中继方法及系统 Download PDF

Info

Publication number
CN108650011B
CN108650011B CN201810276156.0A CN201810276156A CN108650011B CN 108650011 B CN108650011 B CN 108650011B CN 201810276156 A CN201810276156 A CN 201810276156A CN 108650011 B CN108650011 B CN 108650011B
Authority
CN
China
Prior art keywords
network
unmanned aerial
aerial vehicle
ground
node
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.)
Expired - Fee Related
Application number
CN201810276156.0A
Other languages
English (en)
Other versions
CN108650011A (zh
Inventor
桂兵祥
赵涵捷
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.)
Wuhan Polytechnic University
Original Assignee
Wuhan Polytechnic 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 Wuhan Polytechnic University filed Critical Wuhan Polytechnic University
Priority to CN201810276156.0A priority Critical patent/CN108650011B/zh
Publication of CN108650011A publication Critical patent/CN108650011A/zh
Application granted granted Critical
Publication of CN108650011B publication Critical patent/CN108650011B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/14—Relay systems
    • H04B7/15—Active relay systems
    • H04B7/185—Space-based or airborne stations; Stations for satellite systems
    • H04B7/18502—Airborne stations
    • H04B7/18504—Aircraft used as relay or high altitude atmospheric platform
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/14—Relay systems
    • H04B7/15—Active relay systems
    • H04B7/185—Space-based or airborne stations; Stations for satellite systems
    • H04B7/1851—Systems using a satellite or space-based relay
    • H04B7/18517—Transmission equipment in earth stations
    • 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
    • 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)
  • Physics & Mathematics (AREA)
  • Astronomy & Astrophysics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种多无人机与地面网络高效协作性数据中继方法及系统，本发明的地面现有网络首先对无人机自组网中各无人机结点进行遍历，获取遍历到的无人机结点与地面网络的环境感知、连接时间、以及数据传输时间；再根据环境感知、连接时间和数据传输时间确定遍历到的当前无人机结点与地面网络的之间的适应度导数；最后在对无人机自组网中各无人机结点遍历结束后，将各适应度导数分别与预设适应度导数进行比较，将大于预设适应度导数的适应度导数对应的结点作为中继结点；能够不受网络结点数量变化的影响，在不增加网络整体复杂性的基础上实现地面网络与多无人机中继结点的数据中继，具有更好的容忍度和扩展性。

Description

多无人机与地面网络协作性数据中继方法及系统
技术领域
本发明涉及无人机通讯技术领域，尤其涉及一种多无人机与地面网络高效协作性数据中继方法及系统。
背景技术
无人机自组网络与地面网络的相互协作大大扩展了现有网络的应用，在那些网络基础设施不完善的地区发挥着越来越重要作用，比如野外军事活动、反恐行动和抢险救灾等活动的信息共享。目前有关旨在提高网络之间协作性的算法，如蚁群优化算法(ACO)和人工蜂群优化算法(ABC)，既不能单独使用于复杂的异构移动自组网络，也不能实施于协作性的网络框架之上，以提供高效的、容忍度较高和扩展性好的认知中继，以解决复杂的异构移动自组网络的数据中继；虽然EPLA算法能为无人机自组网络之间的通讯提供中继，但由于该算法过于依赖网络层的路由算法，增加了网络整体的复杂性。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明主要目的在于提供一种多无人机与地面网络高效协作性数据中继方法及系统，旨在解决现有技术中在不增加网络整体复杂性的基础上，如何使地面网络较好地与无人机自组网络形成数据中继的问题。
为实现上述目的，本发明提供一种多无人机与地面网络高效协作性数据中继方法，所述方法包括：
地面现有网络对无人机自组网中各无人机结点进行遍历，获取遍历到的无人机结点与所述地面现有网络的环境感知、连接时间、以及数据传输时间；
根据所述环境感知、所述连接时间和所述数据传输时间确定所述遍历到的当前无人机结点与所述地面现有网络的之间的适应度导数；
在对所述无人机自组网中各无人机结点遍历结束后，将各适应度导数分别与预设适应度导数进行比较，将大于所述预设适应度导数的适应度导数对应的结点作为中继结点，以实现所述地面现有网络与所述中继结点的数据中继。
优选地，所述获取遍历到的无人机结点与所述地面现有网络的环境感知、连接时间、以及数据传输时间之后，所述方法还包括：
根据所述连接时间和所述数据传输时间计算所述当前无人机结点与所述地面现有网络结点之间的认知信任值；
计算所述当前无人机结点与所述地面现有网络之间的连接不确定性，并统计所述当前无人机结点与所述地面现有网络之间的完全连接的迭代次数；
根据所述连接不确定性和所述完全连接的迭代次数确定所述当前无人机结点与所述地面现有网络结点之间的协作性中继值；
相应地，所述根据所述环境感知、所述连接时间和所述数据传输时间确定所述遍历到的当前无人机结点与所述地面现有网络的之间的适应度导数，具体包括：
根据所述认知信任值、协作性中继值以及所述环境感知确定所述当前无人机结点与所述地面现有网络结点的之间的适应度导数。
优选地，所述根据所述连接时间和所述数据传输时间计算所述当前无人机结点与所述地面现有网络结点之间的认知信任值，具体包括：
根据所述连接时间和所述数据传输时间计算所述当前无人机结点与所述地面现有网络之间的连接性能指数以及认知管理费用；
获取所述当前无人机结点与所述地面现有网络的传输不确定指数；
根据所述连接性能指数、所述认知管理费用以及所述传输不确定指数计算所述当前无人机结点与所述地面现有网络之间的认知信任值。
优选地，通过以下公式计算所述遍历到的当前无人机结点与所述地面现有网络之间的认知信任值，
Ctv＝η1Cs+η2Ti+η3Co
其中，Ctv表示认知信任值，Cs表示所述当前无人机结点与所述地面现有网络之间的连接性能指数，Ti表示所述当前无人机结点与所述地面现有网络之间的传输不确定指数，Co表示所述当前无人机结点与所述地面现有网络之间的认知管理费用；η1表示所述连接性能指数的概率决策度量值，η2表示所述传输不确定指数的概率决策度量值，η3表示所述认知管理费用的概率决策度量值。
优选地，所述根据所述连接不确定性和所述完全连接的迭代次数确定所述当前无人机结点与所述地面现有网络结点之间的协作性中继值，具体包括：
计算所述当前无人机结点与所述地面现有网络之间的非相干连接数；
获取所述当前无人机结点与所述地面现有网络之间协作性约束值；
根据所述连接不确定性、所述完全连接的迭代次数、所述非相干连接数、以及所述协作性约束值确定所述当前无人机结点与所述地面现有网络之间的协作性中继值。
优选地，通过以下公式确定所述当前无人机结点与所述地面现有网络之间的协作性中继值，
Figure BDA0001612764650000031
其中，Crv表示协作性中继值，Cin表示所述当前无人机结点与所述地面现有网络之间的连接不确定性，Inet表示所述当前无人机结点与所述地面现有网络之间的完全连接的迭代次数，Ncon表示所述当前无人机结点与所述地面现有网络之间的非相干连接数；γ1表示所述连接不确定性的协作性约束值，γ2表示所述完全连接的迭代次数的协作性约束值，γ3表示所述非相干连接数的协作性约束值。
优选地，所述将各适应度导数分别与预设适应度导数进行比较，将大于所述预设适应度导数的适应度导数对应的结点作为中继结点，以实现所述地面现有网络与所述中继结点的数据中继之后，所述方法还包括：
在所述地面现有网络与所述中继结点的数据中继的持续时长达到预设时长时，对所述预设适应度导数进行更新，并返回所述地面现有网络对无人机自组网中各无人机结点进行遍历的步骤。
优选地，所述地面现有网络对无人机自组网中各无人机结点进行遍历，具体包括：
地面现有网络对预设区域范围内的无人机自组网中的各无人机结点进行遍历。
此外为实现上述目的，本发明还提出一种数据中继系统，其特征在于，所述数据中继系统包括地面现有网络、无人机自组网，以及存储器、处理器及存储在所述存储器上并可在所述处理器上运行的多无人机与地面网络高效协作性数据中继程序，所述多无人机与地面网络高效协作性数据中继程序配置为实现如上所述多无人机与地面网络高效协作性数据中继方法的步骤。
本发明的地面现有网络首先对无人机自组网中各无人机结点进行遍历，获取遍历到的无人机结点与地面网络的环境感知、连接时间、以及数据传输时间；再根据环境感知、连接时间和数据传输时间确定遍历到的当前无人机结点与地面网络的之间的适应度导数；最后在对无人机自组网中各无人机结点遍历结束后，将各适应度导数分别与预设适应度导数进行比较，将大于预设适应度导数的适应度导数对应的结点作为中继结点；能够不受网络结点数量变化的影响，在不增加网络整体复杂性的基础上实现地面网络与多无人机中继结点的数据中继，具有更好的容忍度和扩展性。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的数据中继系统的结构示意图；
图2为本发明一种多无人机与地面网络高效协作性数据中继方法的一实施例的流程示意图。
本发明目的实现、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。
参照图1，图1为本发明实施例方案涉及的数据中继系统结构示意图。
如图1所示，所述数据中继系统包括地面现有网络01和无人机自组网02，所述地面现有网络01类似于数据路由的功能，所述无人机自组网02包括多个无人机。所述地面现有网络01、以及无人机自组网02(中的每个无人机)均可以包括：处理器1001，例如CPU，通信总线1002，用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)和输入单元，可选用户接口1003还可以包括标准的无线接口。网络接口1004可选的可以包括无线接口(如 WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器 (non-volatile memory)，例如磁盘存储器。
本领域技术人员可以理解，图1中示出的设备结构并不构成对地面现有网络的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、用户接口模块、网络通信模块以及多无人机与地面网络高效协作性数据中继。
在图1所示的数据中继系统通过处理器1001调用存储器1005中存储的多无人机与地面网络高效协作性数据中继程序，并执行以下操作：
地面现有网络对无人机自组网中各无人机结点进行遍历，获取遍历到的无人机结点与所述地面现有网络的环境感知、连接时间、以及数据传输时间；
根据所述环境感知、所述连接时间和所述数据传输时间确定所述遍历到的当前无人机结点与所述地面现有网络的之间的适应度导数；
在对所述无人机自组网中各无人机结点遍历结束后，将各适应度导数分别与预设适应度导数进行比较，将大于所述预设适应度导数的适应度导数对应的结点作为中继结点，以实现所述地面现有网络与所述中继结点的数据中继。
进一步地，所述多无人机与地面网络高效协作性数据中继程序在运行时，还执行以下操作：
根据所述连接时间和所述数据传输时间计算所述当前无人机结点与所述地面现有网络结点之间的认知信任值；
计算所述当前无人机结点与所述地面现有网络之间的连接不确定性，并统计所述当前无人机结点与所述地面现有网络之间的完全连接的迭代次数；
根据所述连接不确定性和所述完全连接的迭代次数确定所述当前无人机结点与所述地面现有网络结点之间的协作性中继值；
根据所述认知信任值、协作性中继值以及所述环境感知确定所述当前无人机结点与所述地面现有网络结点的之间的适应度导数。
进一步地，所述多无人机与地面网络高效协作性数据中继程序在运行时，还执行以下操作：
根据所述连接时间和所述数据传输时间计算所述当前无人机结点与所述地面现有网络之间的连接性能指数以及认知管理费用；
获取所述当前无人机结点与所述地面现有网络的传输不确定指数；
根据所述连接性能指数、所述认知管理费用以及所述传输不确定指数计算所述当前无人机结点与所述地面现有网络之间的认知信任值。
进一步地，所述多无人机与地面网络高效协作性数据中继程序在运行时，还执行以下操作：
计算所述当前无人机结点与所述地面现有网络之间的非相干连接数；
获取所述当前无人机结点与所述地面现有网络之间协作性约束值；
根据所述连接不确定性、所述完全连接的迭代次数、所述非相干连接数、以及所述协作性约束值确定所述当前无人机结点与所述地面现有网络之间的协作性中继值。
进一步地，所述多无人机与地面网络高效协作性数据中继程序在运行时，还执行以下操作：
在所述地面现有网络与所述中继结点的数据中继的持续时长达到预设时长时，对所述预设适应度导数进行更新，并返回所述地面现有网络对无人机自组网中各无人机结点进行遍历的步骤。
进一步地，所述多无人机与地面网络高效协作性数据中继程序在运行时，还执行以下操作：
地面现有网络对预设区域范围内的无人机自组网中的各无人机结点进行遍历。
本实施例的地面现有网络首先对无人机自组网中各无人机结点进行遍历，获取遍历到的无人机结点与地面网络的环境感知、连接时间、以及数据传输时间；再根据环境感知、连接时间和数据传输时间确定遍历到的当前无人机结点与地面网络的之间的适应度导数；最后在对无人机自组网中各无人机结点遍历结束后，将各适应度导数分别与预设适应度导数进行比较，将大于预设适应度导数的适应度导数对应的结点作为中继结点；能够不受网络结点数量变化的影响，在不增加网络整体复杂性的基础上实现地面网络与多无人机中继结点的数据中继，具有更好的容忍度和扩展性。
基于上述数据中继系统，提出本发明一种多无人机与地面网络高效协作性数据中继方法实施例。
参照图2，图2为本发明一种多无人机与地面网络高效协作性数据中继方法实施例的流程示意图。
本实施例中，所述方法包括以下步骤：
步骤S10：地面现有网络对无人机自组网中各无人机结点进行遍历，获取遍历到的无人机结点与所述地面现有网络的环境感知、连接时间、以及数据传输时间；
需要的说明是，本实施例的无人机自组网中包括多个无人机结点，所述地面现有网络表征为一个由多个地面网络结点组成的地面网络。本实施例，地面现有网络会对预设区域范围内的无人机自组网中的各无人机结点进行遍历。
可理解的是，所述地面现有网络作为源结点，从无人机自组网中的各无人机结点中选取中继结点，以实现所述地面现有网络与所述中继结点的数据中继。
具体地，所述地面现有网络会实时测试与各无人机结点的环境感知SA、连接时间Ct、以及数据传输时间Bt，然后根据所述连接时间Ct和所述数据传输时间Bt计算所述当前无人机结点与所述地面现有网络之间的认知信任值 Ctv。
其中，所述认知信任值Ctv的计算过程为：根据所述连接时间Ct和所述数据传输时间Bt计算所述当前无人机结点与所述地面现有网络之间的连接性能指数Cs以及认知管理费用CO；获取所述当前无人机结点与所述地面现有网络的传输不确定指数Ti；根据所述连接性能指数Cs、所述认知管理费用CO以及所述传输不确定指数Ti计算所述当前无人机结点与所述地面现有网络之间的认知信任值Ctv。
在无人机自组网络与地面网络协作性的网络中，所述连接性能指数 Cs＝Bt/Ct；传输不确定指数Ti＝(CLId+TdCf+To)/Tcon，其中，CL是认知损失， Id是空闲时间，Td是网络掉线时间，Cf是通讯缺失，To是跟踪管理费用，Tcon是连接时间。所述认知管理费用CO通过以下公式计算，
Figure BDA0001612764650000081
其中，LS是链接速度，Trrate是数据传输率，Ctr是具有认知能力的数据转发。
相应地，通过以下公式计算所述遍历到的当前无人机结点与所述地面现有网络之间的认知信任值Ctv
Ctv＝η1Cs+η2Ti+η3Co；
其中，Ctv表示认知信任值，Cs表示所述当前无人机结点与所述地面现有网络之间的连接性能指数，Ti表示所述当前无人机结点与所述地面现有网络之间的传输不确定指数，Co表示所述当前无人机结点与所述地面现有网络之间的认知管理费用；η1表示所述连接性能指数的概率决策度量值，η2表示所述传输不确定指数的概率决策度量值，η3表示所述认知管理费用的概率决策度量值。
需要说明的是，对单一的网络，例如设Rcmin是认知数据传输请求的最小通道数，C1,C2....Cm分别是n个结点上可获得的传输通道数，空中无人机导向网络的活跃通道总数
Figure BDA0001612764650000082
ACi≥Rcmin，在模糊性网络中，网络密度Netdens＝((Nact*Cmin/An)*Dcon)，An∈n，这里，Nact是活跃网络连接的数量，An是可获得的连接结点，Dcon是每个结点的连接维度。
进一步地，在计算所述当前无人机结点与所述地面现有网络之间的认知信任Ctv值的同时，还会计算所述当前无人机结点与所述地面现有网络之间的协作性中继值Crv，具体地，即所述协作性中继值Crv的计算过程为：首先计算所述当前无人机结点与所述地面现有网络之间的连接不确定性Cin，并统计所述当前无人机结点与所述地面现有网络之间的完全连接的迭代次数Inet；再根据所述连接不确定性Cin和所述完全连接的迭代次数Inet确定所述当前无人机结点与所述地面现有网络之间的协作性中继值Crv；
相应地，所述根据所述连接不确定性Cin和所述完全连接的迭代次数Inet确定所述当前无人机结点与所述地面现有网络之间的协作性中继值Crv，具体包括：
首先计算所述当前无人机结点与所述地面现有网络之间的非相干连接数 Ncoh，再获取所述当前无人机结点与所述地面现有网络之间协作性约束值，最后根据所述连接不确定性Cin、所述完全连接的迭代次数Inet、所述非相干连接数Ncoh以及所述协作性约束值确定所述当前无人机结点与所述地面现有网络之间的协作性中继值Crv。
具体地，通过以下公式计算所述连接不确定性Cin：
Figure BDA0001612764650000091
其中，ND表示网络掉线参数、NL表示缺少参数，Nr是时刻t时含有连接数Scon中继结点。
具体地，通过以下公式计算所述完全连接的迭代次数Inet：
Figure BDA0001612764650000092
其中，α是结点的实际通道连接数与可用的通道连接总数比值且0≤α≤ 1；具体地，通过以下公式计所述非相干连接数Ncoh：
Figure BDA0001612764650000093
进一步地，通过以下公式确定所述当前无人机结点与所述地面现有网络之间的协作性中继值，
Figure BDA0001612764650000094
其中，Crv表示协作性中继值，Cin表示所述当前无人机结点与所述地面现有网络之间的连接不确定性，Inet表示所述当前无人机结点与所述地面现有网络之间的完全连接的迭代次数，Ncon表示所述当前无人机结点与所述地面现有网络之间的非相干连接数；γ1表示所述连接不确定性的协作性约束值，γ2表示所述完全连接的迭代次数的协作性约束值，γ3表示所述非相干连接数的协作性约束值。
步骤S20：根据所述环境感知、所述连接时间和所述数据传输时间确定所述遍历到的当前无人机结点与所述地面现有网络的之间的适应度导数；
需要说明的是，本实施例的场景模拟区域范围为5*5平方公里，网络通讯流量由网络模拟器使用TCP协议产生。本实施使用含有模糊推理引擎的蜂群优化机制，其相关数据存储在云服务器中，能形成一个精确的、可靠的、鲁棒性的导向网络。蜂群优化机制使用3类蜜蜂：引领蜂(employee bee)、侦察蜂(scout bee)和跟随蜂(onlooker bee)。与空中无人机自组网络协作的地面固定式网络扮演引领蜂角色，负责搜索数据中继的结点和方向；空中无人机自组网络扮演侦察蜂角色；连接这两种网络的神经元操作扮演跟随蜂角色。这两种网络的融合使得模糊推理引擎能发挥重要作用，实现异构网络之间的数据高效中继和共享。共享数据中继结点的认知是蜜蜂要找的蜂蜜，整个网络结构的概念都受来自模糊的认知中继值形成的适应度控制器驱动。
在具体实现中，所述连接时间和所述数据传输时间能够确定所述遍历到的当前无人机结点与所述地面现有网络的之间认知信任值Ctv，并结合所述环境感知SA、以及协作性中继值Crv计算出有效的认知中继ECR，协作性中继模糊值有函数依赖关系，通过以下方程表示：
Figure BDA0001612764650000101
该方程式控制着由协作性信任值Ctv、环境感知SA和协作性中继值Crv等定义制定规则的模糊推理引擎，同时该函数是所描述优化算法的控制器，是一个具有控制约束的成本函数，而且，从这个函数获得整个适应度值，它管理着被要求用来计算所述遍历到的当前无人机结点与所述地面现有网络的之间的适应度导数的最终值。某时刻t时的有效认知中继的最终值ECRt＝C’(Ctvt+Crvt)+C”SAt, (C’,C”)∈(0,1)，这里，C’和C”是认知中继的概率控制约束。这个方程式供每一个食物源计算使用和用来计算适应度导数。
步骤S30：在对所述无人机自组网中各无人机结点遍历结束后，将各适应度导数分别与预设适应度导数进行比较，将大于所述预设适应度导数的适应度导数对应的结点作为中继结点，以实现所述地面现有网络与所述中继结点的数据中继。
需要说明的是，在所述步骤S30之前，会预先设置一个适应度导数，即预设适应度导数，优选地本实施例取一个最小值作为预设适应度导数。
在具体实现中，模糊蜂群优化算法描述如下：
Figure BDA0001612764650000111
Figure BDA0001612764650000121
设Gs，As分别是地面和空中食物源数量，(Gs，As)∈Fs，这里Fs是网络协作期间蜜蜂所寻找的食物源数量。设Au，Gu分别是建立结点之间连接通道的更新请求数量，(Au，Gu)∈Su，这里Su是所选择的更新值。最大循环请求控制感知数据，Gc，Ac分别是地面和空中网络循环，(Gc，Ac)∈Sc，这里 Sc是所选择的最大循环值。所述适应性导数
Figure BDA0001612764650000122
适当的网络协作和中继通道的选择基于适应性模糊算法，上述算法控制着协作性中继网络的选择过程和结构形成。为选择空中无人机协作中继结点，这个算法使用了食物源的数量、所选择的更新值，最大选择循环和连接时间作为输入。为了搜索和导向操作的有效进行，尽量减少网络资源的消耗，规定空中无人机结点数量少于地面固定结点。初始化时，适应性导数的最小值设定为0.5，这个值保持迭代更新，模糊算法的迭代和分析次数与被分隔的连接时间间隔相等。
可理解的是，在开始运行时，认知信任值Ctv、环境感知SA、协作性中继值Crv和有效的认知中继值ECR都由单个间隔计算得出。紧接着就是神经网络接口初始化，这些神经元为认知接口结构形成担任跟随蜂角色。针对每一个食物源的变化，对每个结点的适应度导数进行更新，可靠的高效中继通道选择就是基于这个适应度导数。如果网络中某个结点的适应度导数大于初始化最小值，那么这个结点可被当作路径选择，形成通讯起源地和目的地的一个路由，路由中的结点担任蜜蜂。基于最大化适应度导数，这些蜜蜂被分成跟随蜂和侦察蜂，可靠性中继的选择和跟随蜂的标识随着每一次迭代被更新，直到网络连接时间完成为止。
本实施例的地面现有网络首先对无人机自组网中各无人机结点进行遍历，获取遍历到的无人机结点与地面网络的环境感知、连接时间、以及数据传输时间；再根据环境感知、连接时间和数据传输时间确定遍历到的当前无人机结点与地面网络的之间的适应度导数；最后在对无人机自组网中各无人机结点遍历结束后，将各适应度导数分别与预设适应度导数进行比较，将大于预设适应度导数的适应度导数对应的结点作为中继结点；能够不受网络结点数量变化的影响，在不增加网络整体复杂性的基础上实现地面网络与多无人机中继结点的数据中继，具有更好的容忍度和扩展性。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘) 中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上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等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (4)

1.一种多无人机与地面网络协作性数据中继方法，其特征在于，所述方法包括：
地面现有网络对无人机自组网中各无人机结点进行遍历，获取遍历到的无人机结点与所述地面现有网络的环境感知、连接时间、以及数据传输时间；
根据所述环境感知、所述连接时间和所述数据传输时间确定所述遍历到的当前无人机结点与所述地面现有网络的之间的适应度导数；
在对所述无人机自组网中各无人机结点遍历结束后，将各适应度导数分别与预设适应度导数进行比较，将大于所述预设适应度导数的适应度导数对应的结点作为中继结点，以实现所述地面现有网络与所述中继结点的数据中继；
其中，所述获取遍历到的无人机结点与所述地面现有网络的环境感知、连接时间、以及数据传输时间之后，所述方法还包括：
根据所述连接时间和所述数据传输时间计算所述当前无人机结点与所述地面现有网络结点之间的认知信任值；
计算所述当前无人机结点与所述地面现有网络之间的连接不确定性，并统计所述当前无人机结点与所述地面现有网络之间的完全连接的迭代次数；
根据所述连接不确定性和所述完全连接的迭代次数确定所述当前无人机结点与所述地面现有网络结点之间的协作性中继值；
相应地，所述根据所述环境感知、所述连接时间和所述数据传输时间确定所述遍历到的当前无人机结点与所述地面现有网络的之间的适应度导数，具体包括：
根据所述认知信任值、协作性中继值以及所述环境感知确定所述当前无人机结点与所述地面现有网络结点的之间的适应度导数；
所述根据所述连接时间和所述数据传输时间计算所述当前无人机结点与所述地面现有网络结点之间的认知信任值，具体包括：
根据所述连接时间和所述数据传输时间计算所述当前无人机结点与所述地面现有网络之间的连接性能指数以及认知管理费用；
获取所述当前无人机结点与所述地面现有网络的传输不确定指数；
根据所述连接性能指数、所述认知管理费用以及所述传输不确定指数计算所述当前无人机结点与所述地面现有网络之间的认知信任值；
通过以下公式计算所述遍历到的当前无人机结点与所述地面现有网络之间的认知信任值，
Ctv＝η1Cs+η2Ti+η3Co
其中，Ctv表示认知信任值，Cs表示所述当前无人机结点与所述地面现有网络之间的连接性能指数，Ti表示所述当前无人机结点与所述地面现有网络之间的传输不确定指数，Co表示所述当前无人机结点与所述地面现有网络之间的认知管理费用；η1表示所述连接性能指数的概率决策度量值，η2表示所述传输不确定指数的概率决策度量值，η3表示所述认知管理费用的概率决策度量值；
所述根据所述连接不确定性和所述完全连接的迭代次数确定所述当前无人机结点与所述地面现有网络结点之间的协作性中继值，具体包括：
计算所述当前无人机结点与所述地面现有网络之间的非相干连接数；
获取所述当前无人机结点与所述地面现有网络之间协作性约束值；
根据所述连接不确定性、所述完全连接的迭代次数、所述非相干连接数、以及所述协作性约束值确定所述当前无人机结点与所述地面现有网络之间的协作性中继值；
所述协作性约束值包括所述连接不确定性的协作性约束值、所述完全连接的迭代次数的协作性约束值及所述非相干连接数的协作性约束值；
通过以下公式确定所述当前无人机结点与所述地面现有网络之间的协作性中继值；
Figure FDA0002599450420000031
其中，Crv表示协作性中继值，Cin表示所述当前无人机结点与所述地面现有网络之间的连接不确定性，Inet表示所述当前无人机结点与所述地面现有网络之间的完全连接的迭代次数，Ncon表示所述当前无人机结点与所述地面现有网络之间的非相干连接数；γ1表示所述连接不确定性的协作性约束值，γ2表示所述完全连接的迭代次数的协作性约束值，γ3表示所述非相干连接数的协作性约束值。
2.如权利要求1所述的方法，其特征在于，所述将各适应度导数分别与预设适应度导数进行比较，将大于所述预设适应度导数的适应度导数对应的结点作为中继结点，以实现所述地面现有网络与所述中继结点的数据中继之后，所述方法还包括：
在所述地面现有网络与所述中继结点的数据中继的持续时长达到预设时长时，对所述预设适应度导数进行更新，并返回所述地面现有网络对无人机自组网中各无人机结点进行遍历的步骤。
3.如权利要求2所述的方法，其特征在于，所述地面现有网络对无人机自组网中各无人机结点进行遍历，具体包括：
地面现有网络对预设区域范围内的无人机自组网中的各无人机结点进行遍历。
4.一种数据中继系统，其特征在于，所述数据中继系统包括地面现有网络、无人机自组网，以及存储器、处理器及存储在所述存储器上并可在所述处理器上运行的多无人机与地面网络协作性数据中继程序，所述多无人机与地面网络协作性数据中继程序配置为实现如权利要求1至3中任一项所述多无人机与地面网络协作性数据中继方法的步骤。
CN201810276156.0A 2018-03-29 2018-03-29 多无人机与地面网络协作性数据中继方法及系统 Expired - Fee Related CN108650011B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810276156.0A CN108650011B (zh) 2018-03-29 2018-03-29 多无人机与地面网络协作性数据中继方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810276156.0A CN108650011B (zh) 2018-03-29 2018-03-29 多无人机与地面网络协作性数据中继方法及系统

Publications (2)

Publication Number Publication Date
CN108650011A CN108650011A (zh) 2018-10-12
CN108650011B true CN108650011B (zh) 2020-09-18

Family

ID=63744978

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810276156.0A Expired - Fee Related CN108650011B (zh) 2018-03-29 2018-03-29 多无人机与地面网络协作性数据中继方法及系统

Country Status (1)

Country Link
CN (1) CN108650011B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109510656A (zh) * 2018-11-26 2019-03-22 中国人民解放军军事科学院国防科技创新研究院 一种适用于无人机群体的自适应数据分发方法
CN110958661B (zh) * 2019-11-25 2021-11-05 北京邮电大学 一种无人机网络路由选取方法、装置及无人机节点
CN111327355B (zh) * 2020-01-21 2021-03-12 北京大学 无人机边缘感知计算与联合传输方法、装置、介质及设备
CN111405616A (zh) * 2020-03-27 2020-07-10 刘秀萍 智能流量调配和路径更新的传感网路由改进方法
CN113015222B (zh) * 2021-02-25 2023-03-14 国网重庆市电力公司营销服务中心 中继节点和通信方式的选择方法、通信传输方法和系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103384384A (zh) * 2013-07-19 2013-11-06 哈尔滨工程大学 一种基于动态演化的认知中继网络信任管理装置及方法
CN104394581A (zh) * 2014-10-29 2015-03-04 南京南瑞集团公司 一种无线传感器自组网方法
CN106533539A (zh) * 2016-11-29 2017-03-22 西北大学 一种嵌入式北斗卫星短报文通信控制系统
CN106685513A (zh) * 2017-01-05 2017-05-17 清华大学 空间信息网络中时隙的配置方法和装置
CN206195779U (zh) * 2016-11-28 2017-05-24 宁夏冰核科技有限公司 中继无人机无线自组通信系统及飞行式中继设备
CN106788677A (zh) * 2016-12-09 2017-05-31 佛山科学技术学院 一种基于移动数据网络的无人机数据中继装置及其方法
CN106953678A (zh) * 2017-04-17 2017-07-14 燕山大学 一种多中继协作的认知水声系统中继选择和功率优化方法
CN107017938A (zh) * 2017-03-21 2017-08-04 深圳大学 一种干扰最小化的移动组网方法与系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103384384A (zh) * 2013-07-19 2013-11-06 哈尔滨工程大学 一种基于动态演化的认知中继网络信任管理装置及方法
CN104394581A (zh) * 2014-10-29 2015-03-04 南京南瑞集团公司 一种无线传感器自组网方法
CN206195779U (zh) * 2016-11-28 2017-05-24 宁夏冰核科技有限公司 中继无人机无线自组通信系统及飞行式中继设备
CN106533539A (zh) * 2016-11-29 2017-03-22 西北大学 一种嵌入式北斗卫星短报文通信控制系统
CN106788677A (zh) * 2016-12-09 2017-05-31 佛山科学技术学院 一种基于移动数据网络的无人机数据中继装置及其方法
CN106685513A (zh) * 2017-01-05 2017-05-17 清华大学 空间信息网络中时隙的配置方法和装置
CN107017938A (zh) * 2017-03-21 2017-08-04 深圳大学 一种干扰最小化的移动组网方法与系统
CN106953678A (zh) * 2017-04-17 2017-07-14 燕山大学 一种多中继协作的认知水声系统中继选择和功率优化方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
面向无线传感器网络的协作传输技术研究;欧阳键;《中国博士学位论文全文数据库》;20060115(第1期);全文 *

Also Published As

Publication number Publication date
CN108650011A (zh) 2018-10-12

Similar Documents

Publication Publication Date Title
CN108650011B (zh) 多无人机与地面网络协作性数据中继方法及系统
Liu et al. Self-organizing relay selection in UAV communication networks: A matching game perspective
Ferdowsi et al. Neural combinatorial deep reinforcement learning for age-optimal joint trajectory and scheduling design in UAV-assisted networks
e Silva et al. STFANET: SDN-based topology management for flying ad hoc network
US10973083B2 (en) Multiple mesh drone communication
Lin et al. Resource allocation in vehicular cloud computing systems with heterogeneous vehicles and roadside units
CN109990790B (zh) 一种无人机路径规划方法及装置
CN108667734A (zh) 一种基于q学习和lstm神经网络的快速路由决策算法
US20230194277A1 (en) Method and system to share data across network operators to support wireless quality of service (qos) for connected vehicles
CN113259147B (zh) 网元管理方法、装置、计算机设备、介质
Alghamdi et al. Time-optimized task offloading decision making in mobile edge computing
Secinti et al. FOCUS: Fog computing in UAS software-defined mesh networks
Sharma et al. Efficient cooperative relaying in flying ad hoc networks using fuzzy-bee colony optimization
Barbieri et al. Decentralized federated learning for road user classification in enhanced v2x networks
Taleb et al. On supporting uav based services in 5g and beyond mobile systems
Du et al. Virtual relay selection in LTE-V: A deep reinforcement learning approach to heterogeneous data
CN109062677B (zh) 一种无人机系统计算迁移方法
Gupta et al. Toward intelligent resource management in dynamic Fog Computing‐based Internet of Things environment with Deep Reinforcement Learning: A survey
Chen et al. A fast coordination approach for large-scale drone swarm
Shihab et al. Improved Artificial Bee Colony Algorithm-based Path Planning of Unmanned Aerial Vehicle Using Late Acceptance Hill Climbing.
Kasabova et al. On modeling the psychology of wireless node interactions in the context of internet of things
Natalizio et al. Download and fly: An online solution for the UAV 3D trajectory planning problem in smart cities
Meng et al. Intelligent routing orchestration for ultra-low latency transport networks
CN115695280A (zh) 基于边缘节点的路由方法及装置、电子设备、存储介质
Chen et al. Deep reinforcement learning for AoI aware VNF placement in multiple source systems

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

Granted publication date: 20200918

Termination date: 20210329

CF01 Termination of patent right due to non-payment of annual fee