CN108718459A - 一种基于无人机的无线传感网数据收集方法 - Google Patents

一种基于无人机的无线传感网数据收集方法 Download PDF

Info

Publication number
CN108718459A
CN108718459A CN201810493606.1A CN201810493606A CN108718459A CN 108718459 A CN108718459 A CN 108718459A CN 201810493606 A CN201810493606 A CN 201810493606A CN 108718459 A CN108718459 A CN 108718459A
Authority
CN
China
Prior art keywords
node
unmanned plane
data
key 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.)
Pending
Application number
CN201810493606.1A
Other languages
English (en)
Inventor
杨丽花
周颖
杨龙祥
倪梦
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.)
Nanjing Post and Telecommunication University
Nanjing University of Posts and Telecommunications
Original Assignee
Nanjing Post and Telecommunication 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 Nanjing Post and Telecommunication University filed Critical Nanjing Post and Telecommunication University
Priority to CN201810493606.1A priority Critical patent/CN108718459A/zh
Publication of CN108718459A publication Critical patent/CN108718459A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • H04W40/20—Communication route or path selection, e.g. power-based or shortest path routing based on geographic position or location
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/02—Power saving arrangements
    • H04W52/0203—Power saving arrangements in the radio access network or backbone network of wireless communication networks
    • H04W52/0206—Power saving arrangements in the radio access network or backbone network of wireless communication networks in access points, e.g. base stations
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明揭示了一种基于无人机的无线传感网数据收集方法，包括数据价值估计、关键节点选取、及无人机对关键节点的访问，然后选取关键节点所在位置规划访问路径，直至完成无人机飞行，数据收集完成。本发明与现有技术相比较，本发明利用无人机访问传感器节点，选取关键节点代替网络中所有节点与无人机通信完成数据收集的方法，减少传感器节点的传输能耗，使网络能够在保证汇聚节点的数据恢复精度的前提下，消耗尽可能少的能量，提高能效，具有很高的实用价值。

Description

一种基于无人机的无线传感网数据收集方法
技术领域
本发明涉及一种无线传感网数据收集方法，尤其涉及一种基于无人机的无线传感网数据收集方法，属于无线通信技术领域。
背景技术
随着无线传感器网络的飞速发展，大规模密集分布的无线传感网在环境、工业、军事等领域也有了更广泛的应用。然而，目前传感器设备一般都是电池供电，且无线传感网布置的地方一般不便到达，传感设备一旦电池耗尽即意味着该网络节点的死亡，引起传感网络功能的下降甚至丧失。因此能量成为了制约无线传感器网络的瓶颈问题。无线传感网中，传感器节点的能耗主要集中在数据的无线传输，因而，高能效的数据收集方法成为解决寿命受限问题的关键。
另外，在无线传感器网络中，节点之间感知的范围重叠，使得采集的数据具有很强的相关性。因此利用数据间的相关性减少冗余传输以提高数据收集的能效成为可行的方法。近年来随着无人机技术的发展，以其作为移动汇聚节点访问固定传感器节点从而减少传感器节点传输能耗的方法从众多数据收集方案中脱颖而出。W.Wen等人(Wen，Weimin，etal.“EAPC：Energy-Aware Path Construction for Data Collection using Mobile Sinkin Wireless Sensor Networks.”IEEE Sensors Journal，2017)研究利用无人机访问网络中节点时的路径问题，在减少传感器节点数据传输的同时，尽可能地减少时延。L.Mahdi等人(Lotfinezhad Mahdi，B.Liang，and E.S.Sousa.“Adaptive Cluster-Based DataCollection in Sensor Networks with Direct Sink Access.”IEEE Transactions onMobile Computing，2008)联合多跳传输与无人机方法，利用多跳传输将网络中数据汇聚在部分节点，再通过无人机访问这部分节点。虽然通过无人机技术使得无线传感网的规模得到了壮大，节点分布也呈密集化趋势得到了发展，但是利用单个无人机收集网络中所有节点数据的工作量太大，造成能量利用的浪费。
综上所述，如何改进数据收集方法，提高实用性并进一步提高能效，就本领域技术人员亟待解决的问题。
发明内容
本发明的目的是为了解决现有技术的上述缺陷，提出了一种无人机的无线传感网数据收集方法，通过无人机访问传感器节点以减少传感器节点的传输能耗，同时在保证数据精确度的前提下，选取关键节点代替网络中所有节点与无人机通信以尽可能少的传输次数，延长网络寿命。
本发明的技术解决方案是：
一种基于无人机的无线传感网数据收集方法，包括以下步骤：
S1：数据价值估计，在传输开始前，根据历史数据计算任意节点的数据价值；
S2：关键节点选取，根据步骤S1中的数据价值、经测量获得的节点剩余能量以及地理位置选取关键节点；
S3：无人机访问关键节点，无人机根据步骤S2中选取的关键节点所在位置规划访问路径，直至完成无人机飞行，数据收集完成。
优选地，所述步骤S1中任意节点的数据价值的计算方法包括如下步骤：
S11：初始其中Γi表示节点i的覆盖范围；
S12：计算 若则Γi＝Γi∪{j}，其中T为网络中所有节点的集合，ε为预设的阈值，其中，其中 为节点i在t时刻的观测数据，N为网络中节点总数；
S13：获取数据价值为Vi＝|Γi|，其中|Γi|表示集合Γi中元素的个数。
优选地，所述步骤S2中关键节点选取的方法包括如下步骤：
S21：初始Nr＝A，其中C表示关键节点的集合，Nr表示当前关键节点未能覆盖的节点集合，A表示网络中所有存活节点的集合；
S22：根据公式计算出Nr中每一个节点i的优先参数Pri；
S23：比较步骤S22中的所有优先参数，得到其中最大值Prj，更新C＝C∪{j}，Nr＝Nr-Γj；
S24：重复步骤S22，直到此时C即为选举出的关键节点集合。
优选地，所述步骤S22中的公式为：
其中，λ1与λ2(λ1+λ2＝1)分别为数据价值与剩余能量的权值，与分别为Nr中所有节点的平均价值和平均剩余能量，为节点i到C中所有节点的平均距离。
优选地，所述步骤S3中的关键节点还包括异常节点，当异常节点发送请求访问信号时，需将异常节点加入访问序列，调整访问路径。
本发明提供了一种基于无人机的无线传感网数据收集方法，与现有技术相比较，其优点主要表现在：本发明利用无人机访问传感器节点，选取关键节点代替网络中所有节点与无人机通信完成数据收集的方法，减少传感器节点的传输能耗，使网络能够在保证汇聚节点的数据恢复精度的前提下，消耗尽可能少的能量，提高能效，具有很高的实用价值。
以下便结合实施例附图，对本发明的具体实施方式作进一步的详述，以使本发明技术方案更易于理解、掌握。
附图说明
图1是本发明的系统模型图；
图2是本发明的流程图；
图3是本发明与现有方法的总发送次数比较图。
具体实施方式
一种基于无人机的无线传感网数据收集方法，包括以下步骤：
S1：数据价值估计，在传输开始前，根据历史数据计算任意节点的数据价值；
S2：关键节点选取，根据步骤S1中的数据价值、经测量获得的节点剩余能量以及地理位置选取关键节点；
S3：无人机访问关键节点，无人机根据步骤S2中选取的关键节点所在位置规划访问路径，直至完成无人机飞行，数据收集完成。
其中，步骤S1中任意节点的数据价值的计算方法包括如下步骤：
S11：初始其中Γi表示节点i的覆盖范围；
S12：计算 若则Γi＝Γi∪{j}，其中T为网络中所有节点的集合，ε为预设的阈值，其中，其中 为节点i在t时刻的观测数据，N为网络中节点总数；
S13：获取数据价值为Vi＝|Γi|，其中|Γi|表示集合Γi中元素的个数。
进一步地，所述步骤S2中关键节点选取的方法包括如下步骤：
S21：初始Nr＝A，其中C表示关键节点的集合，Nr表示当前关键节点未能覆盖的节点集合，A表示网络中所有存活节点的集合；
S22：根据公式计算出Nr中每一个节点i的优先参数Pri；
S23：比较步骤S22中的所有优先参数，得到其中最大值Prj，更新C＝C∪{j}，Nr＝Nr-Γj；
S24：重复步骤S22，直到此时C即为选举出的关键节点集合。
更进一步地，所述步骤S22中的公式为：
其中，λ1与λ2(λ1+λ2＝1)分别为数据价值与剩余能量的权值，与分别为Nr中所有节点的平均价值和平均剩余能量，为节点i到C中所有节点的平均距离。
在本发明的技术方案中，所述步骤S3中的关键节点还包括异常节点，当异常节点发送请求访问信号时，需将异常节点加入访问序列，调整访问路径。
以下结合附图说明该无人机的无线传感网数据的收集方法：
图1为本发明的系统模型图。考虑一个包含N个随机分布的传感器节点的无线传感网络，记为集合T，当前存活的节点的集合为A，A＝{a1，a2，…，aK}，K为存活节点个数，A∈N。
得到数据收集命令后，利用本发明方法进行数据收集，数据收集流程如图2所示，具体地步骤为：
S1：数据价值估计，传输开始前，汇聚中心根据历史数据其中 为节点i在t时刻的观测数据，N为网络中节点总数，通过以下方法，计算任意节点i的数据价值Vi，即
S11：初始其中Γi表示节点i的覆盖范围；
S12：计算 若则
Γi＝Γi∪{j}，其中T为网络中所有节点的集合，ε为预设的阈值，
S13：获取数据价值为Vi＝|Γi|，其中|Γi|表示集合Γi中元素的个数；
在本实施例中，记编号为i的节点在t时刻感知到的数据为则原始数据向量为
S2：关键节点选取，根据数据价值Vi、节点剩余能量Eri以及地理位置选取关键节点，即
S21：初始Nr＝A，其中C表示关键节点的集合，Nr表示当前关键节点未能覆盖的节点集合，A表示网络中所有存活节点的集合；
S22：根据以下公式，计算Nr中每一个节点i的优先参数Pri
其中，λ1与λ2(λ1+λ2＝1)分别为数据价值与剩余能量的权值，与分别为Nr中所有节点的平均价值和平均剩余能量，为节点i到C中所有节点的平均距离；
S23：比较步骤S22中的所有优先参数，得到其中最大值Prj，更新C＝C∪{j}，Nr＝Nr-Γj；
S24：重复步骤S22，直到此时C即为选举出的关键节点集合。
S3：无人机访问关键节点，无人机根据关键节点所在位置规划访问路径，若有异常节点发送请求访问信号，则将异常节点加入访问序列，调整访问路径，直至完成飞行，数据收集完成。
在本实施例中，无人机访问的节点集合为S，S＝{s1，s2，…sM}，M为其中节点的个数，无人机访问的节点包括所有关键节点以及异常节点，数据收集完成后，汇聚节点获得数据记为yt，
最终获得的所有存活节点的数据记为zt， 若ah∈S，则否则，等于节点ah对应的关键节点的值，若ah被多个关键节点覆盖，则取多个关键节点的值的平均作为节点ah的估计值。
本发明还结合仿真分析本发明提供的一种基于无人机的无线传感网数据收集方法的性能。在仿真中考虑分簇拓扑下的无线传感网，其中传感器节点的数目N取值范围为[100，500]，数据相似判断误差ε取值为{0.02，0.03}。
图3为本发明中当ε为0.02、及当ε为0.03时的网络寿命性能图，同时在图3中也提供了现有方法的网络寿命性能图，其中，方法1为L.Mahdi，等人所提出的方法，方法2为W.Wen等人所提出的方法。由图3可以看出，本发明所提供的无线传感网数据收集方法与方法1、2相比，大幅延长了网络寿命。这主要是由于在本发明中选取了少量关键节点代替所有网络节点与无人机进行通信来收集数据，而现有方法中并没有考虑。
本发明提供的一种基于无人机的无线传感网数据收集方法，主要解决无线传感器网络寿命有限的问题。具体为利用无人机只收集来自关键节点传输的数据，以减少传感器节点的能量消耗。首先基于数据间的相关性定义数据价值，并用该数据价值来表征节点的重要性，同时根据数据价值、节点剩余能量以及地理位置设计关键节点选取算法，在保证覆盖范围的前提下选取尽可能少的节点完成数据收集，从而最大化网络寿命。
应该注意的是，上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。

Claims (5)

1.一种基于无人机的无线传感网数据收集方法，其特征在于，包括以下步骤：
S1：数据价值估计，在传输开始前，根据历史数据计算任意节点的数据价值；
S2：关键节点选取，根据步骤S1中的数据价值、经测量获得的节点剩余能量以及地理位置选取关键节点；
S3：无人机访问关键节点，无人机根据步骤S2中选取的关键节点所在位置规划访问路径，直至完成无人机飞行，数据收集完成。
2.根据权利要求1中所述的一种基于无人机的无线传感网数据收集方法，其特征在于：所述步骤S1中任意节点的数据价值的计算方法包括如下步骤：
S11：初始其中Γi表示节点i的覆盖范围；
S12：计算若则Γi＝Γi∪{j}，其中T为网络中所有节点的集合，ε为预设的阈值，其中，其中 为节点i在t时刻的观测数据，N为网络中节点总数；
S13：获取数据价值为Vi＝|Γi|,其中|Γi|表示集合Γi中元素的个数。
3.根据权利要求1中所述的一种基于无人机的无线传感网数据收集方法，其特征在于：所述步骤S2中关键节点选取的方法包括如下步骤：
S21：初始Nr＝A，其中C表示关键节点的集合，Nr表示当前关键节点未能覆盖的节点集合，A表示网络中所有存活节点的集合；
S22：根据公式计算出Nr中每一个节点i的优先参数Pri；
S23：比较步骤S22中的所有优先参数，得到其中最大值Prj，更新C＝C∪{j}，Nr＝Nr-Γj；
S24：重复步骤S22，直到此时C即为选举出的关键节点集合。
4.根据权利要求3中所述的一种基于无人机的无线传感网数据收集方法，其特征在于：所述步骤S22中的公式为：
其中，λ1与λ2(λ1+λ2＝1)分别为数据价值与剩余能量的权值，与分别为Nr中所有节点的平均价值和平均剩余能量，为节点i到C中所有节点的平均距离。
5.根据权利要求1中所述的一种基于无人机的无线传感网数据收集方法，其特征在于：所述步骤S3中的关键节点还包括异常节点，当异常节点发送请求访问信号时，需将异常节点加入访问序列，调整访问路径。
CN201810493606.1A 2018-05-22 2018-05-22 一种基于无人机的无线传感网数据收集方法 Pending CN108718459A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810493606.1A CN108718459A (zh) 2018-05-22 2018-05-22 一种基于无人机的无线传感网数据收集方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810493606.1A CN108718459A (zh) 2018-05-22 2018-05-22 一种基于无人机的无线传感网数据收集方法

Publications (1)

Publication Number Publication Date
CN108718459A true CN108718459A (zh) 2018-10-30

Family

ID=63900204

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810493606.1A Pending CN108718459A (zh) 2018-05-22 2018-05-22 一种基于无人机的无线传感网数据收集方法

Country Status (1)

Country Link
CN (1) CN108718459A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110324805A (zh) * 2019-07-03 2019-10-11 东南大学 一种无人机辅助的无线传感器网络数据收集方法
CN110645988A (zh) * 2019-10-11 2020-01-03 广州大学 一种基于最优寿命的无人机路径规划方法
CN110856134A (zh) * 2019-10-16 2020-02-28 东南大学 一种基于无人机的大规模无线传感器网络数据收集方法
CN113260012A (zh) * 2021-05-31 2021-08-13 四川腾盾科技有限公司 一种基于位置轨迹预测的无人机群拓扑控制方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150334768A1 (en) * 2014-05-19 2015-11-19 EpiSys Science, Inc. Method and apparatus for control of multiple autonomous mobile nodes based on dynamic situational awareness data
CN106211256A (zh) * 2016-07-08 2016-12-07 西北大学 一种基于数据关键性节点的无人机数据收集方法
CN106203697A (zh) * 2016-07-08 2016-12-07 西北大学 一种无人机数据收集过程中的路径规划方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150334768A1 (en) * 2014-05-19 2015-11-19 EpiSys Science, Inc. Method and apparatus for control of multiple autonomous mobile nodes based on dynamic situational awareness data
CN106211256A (zh) * 2016-07-08 2016-12-07 西北大学 一种基于数据关键性节点的无人机数据收集方法
CN106203697A (zh) * 2016-07-08 2016-12-07 西北大学 一种无人机数据收集过程中的路径规划方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
V.M.SINEGLAZOV等: "Unmanned aerial vehicle navifation system based on IEEE 802.15.4 standard radiounits", 《2017 IEEE 4TH INTERNATIONAL CONFERENCE ACTUAL PROBLEMS OF UNMANNED AERIAL VEHICLES DEVELOPMENTS (APUAVD)》 *
张重庆等: "数据收集传感器网络的负载平衡网络构建方法", 《软件学报》 *
徐丹等: "基于数据价值的无人机数据收集方法", 《软件学报》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110324805A (zh) * 2019-07-03 2019-10-11 东南大学 一种无人机辅助的无线传感器网络数据收集方法
CN110324805B (zh) * 2019-07-03 2022-03-08 东南大学 一种无人机辅助的无线传感器网络数据收集方法
CN110645988A (zh) * 2019-10-11 2020-01-03 广州大学 一种基于最优寿命的无人机路径规划方法
CN110645988B (zh) * 2019-10-11 2023-08-29 广州大学 一种基于最优寿命的无人机路径规划方法
CN110856134A (zh) * 2019-10-16 2020-02-28 东南大学 一种基于无人机的大规模无线传感器网络数据收集方法
CN110856134B (zh) * 2019-10-16 2022-02-11 东南大学 一种基于无人机的大规模无线传感器网络数据收集方法
CN113260012A (zh) * 2021-05-31 2021-08-13 四川腾盾科技有限公司 一种基于位置轨迹预测的无人机群拓扑控制方法
CN113260012B (zh) * 2021-05-31 2021-09-28 四川腾盾科技有限公司 一种基于位置轨迹预测的无人机群拓扑控制方法

Similar Documents

Publication Publication Date Title
CN108718459A (zh) 一种基于无人机的无线传感网数据收集方法
Huang et al. BD-VTE: A novel baseline data based verifiable trust evaluation scheme for smart network systems
Wei et al. UAV-assisted data collection for Internet of Things: A survey
Liu et al. Performance analysis of UAVs assisted data collection in wireless sensor network
CN101790251B (zh) 基于改进粒子群优化算法的无线传感器节点联盟生成方法
CN105959987A (zh) 一种提高无线传感器网络能量利用率和服务性能的数据融合算法
CN106550422B (zh) 一种基于和声搜索算法的无线传感器网络分簇路由方法
Suman et al. UAV-assisted RFET: A novel framework for sustainable WSN
CN104754683B (zh) 基于多跳路由与移动元素的无线传感器网络数据收集方法
CN107271951A (zh) 基于WiFi指纹定位的无人机导航系统及其导航方法
CN104394566A (zh) 一种基于模糊决策的低功耗自适应分簇多跳无线传感器网络拓扑控制方法
CN109889255B (zh) 一种基于改进蜂群算法的卫星网络重构方法
CN105898789B (zh) 一种无线传感器网络数据聚合方法
CN109451556A (zh) 基于uav对无线传感网充电的方法
CN104284386A (zh) 基于点介数的无线传感器网络簇头选择方法
Khalil et al. A review of routing protocol selection for wireless sensor networks in smart cities
Zhao et al. Sarsa-based trajectory planning of multi-uavs in dense mesh router networks
Li et al. Deep reinforcement learning for real-time trajectory planning in UAV networks
Abuarqoub et al. An overview of information extraction from mobile wireless sensor networks
Qu et al. Obstacle-aware and energy-efficient multi-drone coordination and networking for disaster response
Emami et al. Deep Q-networks for aerial data collection in multi-UAV-assisted wireless sensor networks
Guang et al. A joint optimized data collection algorithm based on dynamic cluster-head selection and value of information in UWSNs
Hu et al. Digital twins-based multi-agent deep reinforcement learning for UAV-assisted vehicle edge computing
Wang et al. Location updating scheme of sink node based on topology balance and reinforcement learning in WSN
CN117270561A (zh) 基于无人机目标跟踪的赋予诸元方法和系统

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20181030