CN109218980A - 一种基于群体智能的移动无线局域网通信技术 - Google Patents

一种基于群体智能的移动无线局域网通信技术 Download PDF

Info

Publication number
CN109218980A
CN109218980A CN201811309970.4A CN201811309970A CN109218980A CN 109218980 A CN109218980 A CN 109218980A CN 201811309970 A CN201811309970 A CN 201811309970A CN 109218980 A CN109218980 A CN 109218980A
Authority
CN
China
Prior art keywords
node
wlan
mobile
unmanned systems
intelligent
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
CN201811309970.4A
Other languages
English (en)
Inventor
陈鸣
张昭
陈兵
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 University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
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 University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN201811309970.4A priority Critical patent/CN109218980A/zh
Publication of CN109218980A publication Critical patent/CN109218980A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/029—Location-based management or tracking services
    • 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
    • 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
    • H04W84/00—Network topologies
    • H04W84/02—Hierarchically pre-organised networks, e.g. paging networks, cellular networks, WLAN [Wireless Local Area Network] or WLL [Wireless Local Loop]
    • H04W84/10—Small scale networks; Flat hierarchical networks
    • H04W84/12—WLAN [Wireless Local Area Networks]

Landscapes

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

Abstract

本发明的技术方法能够使移动的无人系统智能节点具有群集性，从而能够利用无线局域网(WLAN)为该移动无人系统中的智能节点之间提供一种经济高效、有服务质量保证的无线宽带通信技术。本发明提出了一种使无人系统中节点具有集群性的模型以及实现该模型的技术方法。本发明基于群体智能技术解决了为移动无人系统中智能节点之间提供经济有效、有QoS保证的无线宽带通信手段的技术难题，使移动WLAN中智能节点集合能够自主随AP节点移动，满足这些节点利用WLAN正常通信的必要条件。

Description

一种基于群体智能的移动无线局域网通信技术
技术领域
本发明属于无人系统和网络通信领域，具体地说是一种能够使移动的无人系统智能节点具有群集性(flocking)的技术，从而利用无线局域网(WLAN)能够为该移动无人系统的智能节点提供一种经济高效、有服务质量保证的无线宽带通信。
背景技术
随着无人系统的智能化、网络化、体系化和敏捷化等技术的发展，由多个机器人构成的无人系统集群已经成为一个重要发展方向。在协同的多机器人系统中，每个机器人是通信网络的一个智能节点。为了满足智能协作和传输多媒体信息的需求，通常要求节点间进行无线宽带通信。当系统的所有节点都能在位于以接入点(AP)为中心的通信半径R的范围内移动时，以IEEE 802.11为标准的无线局域网(WLAN)能够为该系统提供一种经济高效的通信解决方案。而当这些节点需要根据无人系统的任务进行整体移动时，这些节点很可能会移动出WLAN的范围，此时节点间的通信就会中断。而在无人系统实际工作的情况下，智能节点间的协同要求它们之间往往要位于一个相对集中的地理范围内。显然，此时如果我们要求所有智能节点能够自行控制自己的移动行为，使其始终位于以AP为中心的通信半径R的范围内，那么WLAN技术仍能为该移动的无人系统提供有QoS保证的通信支持。我们称所有移动节点都能位于以AP为中心的通信半径R的范围内为移动WLAN正常通信的必要条件。然而，如何使这些智能节点能够自行跟随移动的AP进行移动是个技术挑战。
群集性(flocking)是大量为了一个共同的群体目标而相互作用的智能体所表现出来的一种集体行为。在自然界中，鸟群中的个体往往只需要遵循简单的行为规则，通过相邻个体之间的交互过程即可表现出聚集、不碰撞、同步等群体效应，从而保持鸟群在高速飞行中实现某种行为。因此，如果我们设法使无人系统的智能节点运行人工智能算法而其具有这种群集性，跟随AP节点一道移动，该移动WLAN就能够自动满足WLAN正常通信必要条件的约束。这样，具有这种群集性机制的无人系统能够继续采用原先只能在静止条件下才能采用的WLAN，使得经济高效的WLAN技术能够用于移动的无人系统，从而极大地提升了无人系统的性能价格比。具有群集性的移动WLAN能够为移动的无人系统节点之间的互联互通提供经济高效的带宽通信支持。这种技术能够应用的领域包括：基于移动传感器网络进行大规模分布式感测，多无人机协作执行侦查，监视和作战，多智能体协同控制和自动并行平衡有效载荷等。
发明内容
[发明目的]：本发明的技术方法能够使移动的无人系统智能节点具有群集性，，从而能够利用无线局域网(WLAN)为该移动无人系统中的智能节点之间提供一种经济高效、有服务质量保证的无线宽带通信技术。
[技术方案]：
本发明针对当前工作于地理范围有限、需要不断移动的无人系统缺乏经济有效的宽带通信技术的问题，提出了一种为无人系统节点增加群集性的方法和技术，从而使得该节点集合能够利用经济实用的WLAN技术。这种技术保证无人系统所有节点能够自主随AP节点移动并能够保障智能节点之间进行有QoS保证的无线宽带通信。
本发明的技术方案是：
1、一种基于群体智能的移动无人系统，其特征是它包括：移动无人系统的智能节点使用WLAN通信；
所述的移动无人系统是指该无人系统需要在移动过程中执行特定任务，无人系统的智能节点均具有自主移动能力、执行智能算法程序的能力、获取自身定位信息的能力和利用WLAN通信的能力，并且这些节点均位于以接入点(AP)为中心、以r2为半径的地理范围(高质量通信区域)内；
所述WLAN是指符合IEEE 802.11标准的无线局域网；
2、一种使移动无人系统中的智能节点具有集群性的方法，其特征是它包括：
A.所有节点能够运行智能算法，自主控制自身移动行为以满足如图1所示的模型，即所有节点在移动过程中应当位于以AP为中心的阴影环形区域内；
B.所有节点都能避免和其他节点碰撞，节点之间自动保持大于安全距离r3，当节点进入最内圈时，它应当立即向远离AP的方向移动；
C.当节点位于以AP为中心、以r2为半径的范围内(阴影区域)时，它可以保持原有状态不变；
D.当节点进入最外圈的区域时，它应当立即向靠近AP的方向移动；
E.当AP运行方向和运动速度变化时，所有节点都应当趋于与它一致；
3、一种实现移动无人系统中的智能节点具有集群性的分布式技术，其特征是它执行下列步骤：
每个智能节点执行的工作流程如图2所示，节点通过检测来自AP和周边节点通信信号的RSSI值，计算感知本节点与AP之间的距离；智能节点通过接收AP通过WLAN发送的定位信息，并结合自身定位和运动信息，计算得到本节点与AP之间的方位；
A.本节点受到AP节点的影响总和(用虚拟力表示)为：
其中，式中(xi，yi)为当前节点的坐标，(xt，yt)为临近节点坐标，γ为常数系数，表示本节点受到的AP节点的虚拟力吸引力矢量，取值范围是[0，+∞]，i表示本节点在WLAN中的索引标志；α和β是分别对应r3和r2的通信信号的RSSI值，这通常要由实际测量来确定；其中矢量相加等价于相应的坐标系下标分别相加。
B.当ri≤r3时，这种相互作用虚拟为力为节点受到的周围节点对其的排斥力总和：
式中μ为常数系数，(xt，yt)为相邻节点的位置坐标，(xi，yi)为本节点的位置坐标，Δit表示节点i和节点t之间的欧氏距离。
C.当r2≤ri≤r1时，则节点受到吸引力为：
式中为本节点受到的AP节点的吸引力，而为本节点受到的周围节点对其的排斥力，即为本节点在此刻受到的虚拟力的总和。
D.该节点在下一个时间段内的速度为：
其中，为本节点受到的虚拟力总和，为本节点下一个时间段内的速度矢量，而代表本时刻AP节点的速度矢量。
4、一种移动无人系统中的智能节点执行的分布式WLAN集群性(DistributedMoving WLAN with Flocking，DMWF)算法，其特征是它执行下列步骤：
[有益效果]：本发明的有益效果是：提供了一种方法和技术使得无人系统中的智能节点能够自主随AP节点移动，从而能够利用经济高效的WLAN技术，以保证移动的智能节点集合之间能够进行有QoS保证的无线宽带通信。
[附图说明]
图1为无人系统节点模型图；
图2为整体流程图；
图3移动WLAN群集直线移动时的节点变化；
图4WLAN群体圆周移动过程；
图5移动WLAN与静态WLAN的吞吐量性能比较；
图6移动WLAN与静态WLAN相比的丢包率性能；
[具体实施方式]
以下结合附图和具体实例对本发明做具体的介绍。
如图1所示，WLAN由1个AP和12个移动节点组成；通信覆盖范围的半径r2是100米，安全距离r3是3米；AP广播报文的周期为5秒；传输带宽是2MHz；AP的发射功率为1mW，WLAN移动的范围为2km。
1.当AP做匀速直线运动
在试验中，当AP做匀速直线运动时，所有其他节点都能围绕AP左右，跟随AP前行。图3显示了在WLAN节点群集移动过程的不同时刻，WLAN节点位置快照。其中，实心标记为AP所在位置，空心标记为群体内的其余节点，圆表示以AP为圆心、r1为半径的范围。由图3可见，虽然在WLAN群集移动过程中，各个节点的位置较之初始位置都发生了变化，但是它们始终聚集在AP节点附近，保持在AP的通信范围之内，没有发现任何节点移动越过r1。这表明了当移动WLAN群集沿直线移动时，能够保持其群集性。
2.AP做圆周运动
在试验中，AP做圆周运动，此时AP在运动过程中其速度始终发生变化。我们截取了WLAN群体移动过程中不同时刻的WLAN群体状态如图4所示。由图4可以看出，WLAN群体移动过程中，个体始终保持在AP通信覆盖范围之内，且各个个体之间保持一定的安全距离，体现了移动WLAN的群集性。
3.移动WLAN的丢包率和吞吐量
在试验中，通过发送UDP分组来测试该移动WLAN的吞吐量和丢包率。发送方的发送速率为8Mbps，发送持续时间为20s，试验期间移动WLAN整体进行圆周运动。图5中显示了移动WLAN与静态WLAN的吞吐量的多次测量结果的平均值。从图5可见，当发送比特率为8Mbps时，移动WLAN的吞吐量与静态时的WLAN吞吐量相近，这表明本文的DMWF算法取得了理想的控制效果。同时，我们在上述情况下测量了移动和静止WLAN的丢包率。如图6所示，在发送速率为8Mbps时，两种场景均有低于10％的丢包率。而当发送速率小于等于5.5Mbps时，两种场景下的丢包率均几乎为零。
上面对本发明作了详细的说明，但是本发明并不限于上述的实施方式，在本领域的技术人员可以根据自己所具备的知识，对本发明做各种变化以达到更优的效果。

Claims (4)

1.一种基于群体智能的移动无人系统，其特征是它包括：移动无人系统的智能节点使用WLAN通信；
所述的移动无人系统是指该无人系统需要在移动过程中执行特定任务，无人系统的智能节点均具有自主移动能力、执行智能算法程序的能力、获取自身定位信息的能力和利用WLAN通信的能力，并且这些节点均位于以接入点(AP)为中心、以r2为半径的地理范围内；
所述WLAN是指符合IEEE 802.11标准的无线局域网。
2.一种使移动无人系统中的智能节点具有集群性的方法，其特征是它包括：
A.所有节点能够运行智能算法，自主控制自身移动行为以满足群体模型，即所有节点在移动过程中应当位于以AP为中心的高质量通信区域内；
B.所有节点都能避免和其他节点碰撞，节点之间自动保持大于安全距离r3，当节点进入安全区域时，它应当立即向远离AP的方向移动；
C.当节点位于以AP为中心、以r2为半径的范围内(高质量通信区域)时，它可以保持原有状态不变；
D.当节点进入不稳定通信的区域时，它应当立即向靠近AP的方向移动；
E.当AP运行方向和运动速度变化时，所有节点都应当趋于与它一致。
3.一种实现移动无人系统中的智能节点具有集群性的分布式技术，其特征是它执行下列步骤：
每个智能节点执行的工作流程为：节点通过检测来自AP和周边节点通信信号的RSSI值，计算感知本节点与AP之间的距离；智能节点通过接收AP通过WLAN发送的定位信息，并结合自身定位和运动信息，计算得到本节点与AP之间的方位；根据以上获得的信息动态调整自身的速度和方向从而实现群集性。
A.本节点受到AP节点的影响总和(用虚拟力表示)为：
其中，式中(xi，yi)为当前节点的坐标，(xt，yt)为临近节点坐标，γ为常数系数，表示本节点受到的AP节点的虚拟力吸引力矢量，取值范围是[0，+∞]，i表示本节点在WLAN中的索引标志；α和β是分别对应r3和r2的通信信号的RSSI值，这通常要由实际测量来确定；其中矢量相加等价于相应的坐标系下标分别相加；
B.当ri≤r3时，这种相互作用虚拟为力为节点受到的周围节点对其的排斥力总和：
式中μ为常数系数，(xt，yt)为相邻节点的位置坐标，(xi，yi)为本节点的位置坐标，Δit表示节点i和节点t之间的欧氏距离；
C.当r2≤ri≤r1时，则节点受到吸引力为：
式中为本节点受到的AP节点的吸引力，而为本节点受到的周围节点对其的排斥力，即为本节点在此刻受到的虚拟力的总和；
D.该节点在下一个时间段内的速度为：
其中，为本节点受到的虚拟力总和，为本节点下一个时间段内的速度矢量，而代表本时刻AP节点广播的AP的速度矢量。
4.一种移动无人系统中的智能节点执行的分布式WLAN集群性(Distributed MovingWLAN with Flocking，DMWF)算法，其特征是它执行算法1的步骤。
CN201811309970.4A 2018-10-30 2018-10-30 一种基于群体智能的移动无线局域网通信技术 Pending CN109218980A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811309970.4A CN109218980A (zh) 2018-10-30 2018-10-30 一种基于群体智能的移动无线局域网通信技术

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811309970.4A CN109218980A (zh) 2018-10-30 2018-10-30 一种基于群体智能的移动无线局域网通信技术

Publications (1)

Publication Number Publication Date
CN109218980A true CN109218980A (zh) 2019-01-15

Family

ID=64995142

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811309970.4A Pending CN109218980A (zh) 2018-10-30 2018-10-30 一种基于群体智能的移动无线局域网通信技术

Country Status (1)

Country Link
CN (1) CN109218980A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109839955A (zh) * 2019-02-25 2019-06-04 南京航空航天大学 一种无人机与多个地面终端进行无线通信的轨迹优化方法
CN112332540A (zh) * 2020-10-28 2021-02-05 上海交通大学 微电网、以及仿真装置和方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103501232A (zh) * 2013-09-11 2014-01-08 西安交通大学 一种移动环境下基于虚拟终端的群组协作系统及方法
CN105763230A (zh) * 2016-05-03 2016-07-13 中国科学院自动化研究所 可移动式多旋翼无人机自主基站系统
CN105892472A (zh) * 2015-02-13 2016-08-24 Lg电子株式会社 移动终端及其控制方法
CN107454609A (zh) * 2017-03-28 2017-12-08 亿航智能设备（广州）有限公司 通过移动网络与无人机进行远距离通信的装置及方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103501232A (zh) * 2013-09-11 2014-01-08 西安交通大学 一种移动环境下基于虚拟终端的群组协作系统及方法
CN105892472A (zh) * 2015-02-13 2016-08-24 Lg电子株式会社 移动终端及其控制方法
CN105763230A (zh) * 2016-05-03 2016-07-13 中国科学院自动化研究所 可移动式多旋翼无人机自主基站系统
CN107454609A (zh) * 2017-03-28 2017-12-08 亿航智能设备（广州）有限公司 通过移动网络与无人机进行远距离通信的装置及方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109839955A (zh) * 2019-02-25 2019-06-04 南京航空航天大学 一种无人机与多个地面终端进行无线通信的轨迹优化方法
CN109839955B (zh) * 2019-02-25 2021-02-12 南京航空航天大学 一种无人机与多个地面终端进行无线通信的轨迹优化方法
CN112332540A (zh) * 2020-10-28 2021-02-05 上海交通大学 微电网、以及仿真装置和方法
CN112332540B (zh) * 2020-10-28 2022-10-14 上海交通大学 微电网、以及仿真装置和方法

Similar Documents

Publication Publication Date Title
CN112237035B (zh) 用于在无线通信系统中获得定位信息的方法及其设备
Dai et al. Swarm intelligence-inspired autonomous flocking control in UAV networks
US8494689B1 (en) Autonomous coordination of agents
Chen et al. DFM: A distributed flocking model for UAV swarm networks
de Souza et al. Coordinating movement within swarms of UAVs through mobile networks
CN109218980A (zh) 一种基于群体智能的移动无线局域网通信技术
Lu et al. A cost-efficient elastic UAV relay network construction method with guaranteed QoS
Shi et al. A review on communication protocols for autonomous unmanned aerial vehicles for inspection application
Moysiadis et al. Extending ADR mechanism for LoRa enabled mobile end-devices
Reynaud et al. Design of a force-based controlled mobility on aerial vehicles for pest management
Uusitalo et al. Ultra-reliable and low-latency 5G systems for port automation
Lin et al. Reinforcement learning based UAV trajectory and power control against jamming
Chen et al. Decentralized trajectory and power control based on multi-agent deep reinforcement learning in UAV networks
Hu et al. NeXT: A Software-Defined Testbed with Integrated Optimization, Simulation and Experimentation
Lakas et al. An adaptive multi-clustered scheme for autonomous UAV swarms
Ghaffarkhah et al. Dynamic coverage of time-varying environments using a mobile robot—A communication-aware perspective
Alliance Verticals URLLC use cases and requirements
Li et al. Edge intelligence enabled heterogeneous multi-robot networks: Hybrid framework, communication issues, and potential solutions
Chen et al. Flocking control algorithms based on the diffusion model for unmanned aerial vehicle systems
Vashisht et al. Software defined UAV-based location aware deployment scheme for optimal wireless coverage
Yang et al. Networking of Internet of UAVs: Challenges and intelligent approaches
Kudo et al. Experimental validation of link quality prediction using exact self-status of mobility robots in wireless LAN systems
Grünblatt et al. A distributed antenna orientation solution for optimizing communications in a fleet of UAVs
Prosvirov et al. Simulation-based analysis of mobility models for wireless UAV-to-X networks
CN111614394A (zh) 一种使无人机网络具有群集性的分布式双层群集控制技术

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20190115