CN110049448B - 一种基于无人机群的无线传感网数据收集方法 - Google Patents
一种基于无人机群的无线传感网数据收集方法 Download PDFInfo
- Publication number
- CN110049448B CN110049448B CN201910325095.7A CN201910325095A CN110049448B CN 110049448 B CN110049448 B CN 110049448B CN 201910325095 A CN201910325095 A CN 201910325095A CN 110049448 B CN110049448 B CN 110049448B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- sensor
- waypoint
- candidate
- 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
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000013480 data collection Methods 0.000 title claims abstract description 9
- 230000005540 biological transmission Effects 0.000 claims abstract description 17
- 238000004891 communication Methods 0.000 claims abstract description 9
- 238000012544 monitoring process Methods 0.000 claims description 27
- 230000008569 process Effects 0.000 claims description 4
- 238000012790 confirmation Methods 0.000 claims description 3
- 238000005265 energy consumption Methods 0.000 abstract description 7
- 230000002776 aggregation Effects 0.000 abstract description 6
- 238000004220 aggregation Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
-
- 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
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
-
- 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)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及一种基于无人机群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,无人机之间通过无线通信交换数据,离数据汇聚点较远的无人机通过其他无人机的中继将数据上传到数据汇聚点,每个无人机根据传感器节点的位置规划访问路径,以实现在满足时延的要求下,所有无人机访问的总的传感器节点个数尽可能多。
Description
技术领域
本发明涉及无线传感技术领域,特别是一种基于无人机群的无线传感网数据收集方法。
背景技术
目前,无线传感网在环境监测、军事等领域已得到了广泛的应用。由于传感器设备一般采用电池供电,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。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。此外,在实际应用中,由于地形环境的阻隔、部分节点故障都可能导致网络连通性丧失,使传感网络无法继续完成数据传输。近年来随着无人机技术的发展,将其作为移动收集器访问传感器节点,从而减少传感器节点传输能耗,且在传感网络不连通时仍能有效收集数据,使其从众多数据收集方案中脱颖而出。
在无线传感网的实际应用中,许多情况下对实时性有一定要求,如在灾后应急环境监测中需要传感器周期性地上传检测数据,虽然允许有时间延迟,但延迟的长短是一定的,收集的数据过了规定时限将失去效用。在大范围的应用中,单个无人机往往无法在时延要求时间内访问足够多的传感器节点,而如果将部分传感器节点的数据通过其他传感器节点进行中继传递给无人机,会导致中继节点能量消耗过快,因此,一些应用已采用多个无人机进行数据收集,以在规定时延内访问更多传感器。然而,当前的研究或技术通常聚焦于在访问所有传感器节点的情况下如何最小化时延或最小化无人机数量。而在实际应用中,无人机个数往往有限,无法做到在规定时延内访问所有传感器。所以在满足时延的要求下,有限个数的无人机如何尽可能多地访问传感器节点成为了一个需要解决的新课题。
发明内容
有鉴于此,本发明的目的是提出一种基于无人机群的无线传感网数据收集方法,以实现在满足时延的要求下,所有无人机访问的总的传感器节点个数尽可能多。
本发明采用以下方案实现:一种基于无人机群的无线传感网数据收集方法,具体包括以下步骤:
步骤S1:设置监测任务;传感器节点部署后,根据无人机个数将待监测区域划分成包括同样个数无人机的子区域,每个无人机在其对应的子区域内按照预设路线探查整个子区域,并周期性广播监测任务(如传感器采样间隔);传感器收到监测任务后返回带自身当前位置信息的确认消息,传感器配置监测任务后开始监测数据;
步骤S2:每个无人机通过无线自组网交换各自子区域内的传感器节点的位置信息,使得每个无人机都得到整个监测区域的传感器节点的位置信息;
步骤S3:计算无人机无线传输范围;计算每个无人机与各自子区域中传感器的最大通信距离,将所有无人机的最大通信距离取平均值作为无人机在该区域的无线传输范围R;
步骤S4:计算整个监测区域中每个传感器节点在半径R范围内的传感器节点个数,作为该传感器节点在R邻域内的密度值;
步骤S5:根据S4中每个传感器节点的位置及其R邻域内的密度值选取无人机的候选航路点,并得到无人机候选航路点集合P;
步骤S6:设Lmax是无人机在时延内的最长飞行距离,根据步骤S5中的候选航路点、每个候选航路点的密度值、候选航路点之间的距离以及Lmax,生成每个无人机的飞行路径回路;
步骤S7:每个无人机根据各自的飞行路径回路进行飞行,并在飞行过程根据传感器的最新位置调整飞行路线。
进一步地,步骤S3具体包括以下步骤:
步骤S31:假设无人机i收到传感器节点j返回确认消息时的位置为ULij(ux,uy),确认消息中传感器的位置为Lj(lx,ly),根据欧几里得公式计算ULij和Lj之间的距离dij;对于每个无人机,计算它与自身收到的每个确认消息中传感器的距离;
进一步地,步骤S5具体包括以下步骤:
步骤S51:设整个监测区域所有传感器节点集合为S,将每个传感器节点按其密度值降序排列;
步骤S52:从S中将密度值最大的传感器节点作为第一个候选航路点,并将其R邻域内的传感器节点从S中删除;
步骤S53:继续从S中将密度值最大的传感器节点作为下一个候选航路点,并将其R邻域内的传感器节点从S中删除;
步骤S54:重复步骤S4,直至S为空集,得到无人机候选航路点集合P。
进一步地,步骤S6具体包括以下步骤:
步骤S61:从无人机候选航路点集合P中选择第一个无人机的航路点,并通过旅行商问题的近似算法生成第一个无人机的飞行路径回路,再将飞行路径回路上的航路点从P中删除;
步骤S62:继续从P中选择下一个无人机的航路点,并通过旅行商问题的近似算法生成下一个无人机的飞行路径回路,将该飞行路径回路上的航路点从P中删除;
步骤S63:重复步骤S62,直至所有无人机的飞行路径回路都已被生成。
进一步地,步骤S61中,从P中选择第一个无人机航路点的方法是:将P中密度值最大的候选航路点选为起点,若起点的半径为的邻域内有其他候选航路点,则将它们按其密度值降序排列并从起点开始依次连接它们,直到路径长度大于则第一个无人机航路点为路径上不包括最后一个连接的候选航路点的节点集合。
进一步地,所述传感器节点为固定传感器节点或移动传感器节点。
本发明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,无人机之间通过无线通信交换数据,离数据汇聚点较远的无人机通过其他无人机的中继将数据上传到数据汇聚点,每个无人机根据传感器节点的位置规划访问路径,以实现在满足时延的要求下,所有无人机访问的总的传感器节点个数尽可能多。
与现有技术相比,本发明有以下有益效果:本发明自组网的无人机群与传感器节点直接通信,减少传感器传输能耗,也不用担心无线传感网的连通性问题。本发明提出的无人机飞行路线规划算法能够使得有限个数的无人机在规定时延内能尽可能多地访问传感器节点。对于大范围的监测区域,以及数据有时延要求而无人机数量又不足的情况,通过本发明的基于无人机群的无线传感网数据收集方法,可以最大限度地收集监测区域的数据。
附图说明
图1为本发明实施例的方法流程示意图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
应该指出,以下详细说明都是示例性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
如图1所示,本实施例提供了一种基于无人机群的无线传感网数据收集方法,具体包括以下步骤:
步骤S1:设置监测任务;传感器节点部署后,根据无人机个数将待监测区域划分成包括同样个数无人机的子区域,每个无人机在其对应的子区域内按照预设路线探查整个子区域,并周期性广播监测任务(如传感器采样间隔);传感器收到监测任务后返回带自身当前位置信息的确认消息,传感器配置监测任务后开始监测数据;
步骤S2:每个无人机通过无线自组网交换各自子区域内的传感器节点的位置信息,使得每个无人机都得到整个监测区域的传感器节点的位置信息;
步骤S3:计算无人机无线传输范围;计算每个无人机与各自子区域中传感器的最大通信距离,将所有无人机的最大通信距离取平均值作为无人机在该区域的无线传输范围R;
步骤S4:计算整个监测区域中每个传感器节点在半径R范围内的传感器节点个数,作为该传感器节点在R邻域内的密度值;
步骤S5:根据S4中每个传感器节点的位置及其R邻域内的密度值选取无人机的候选航路点,并得到无人机候选航路点集合P;
步骤S6:设Lmax是无人机在时延内的最长飞行距离,根据步骤S5中的候选航路点、每个候选航路点的密度值、候选航路点之间的距离以及Lmax,生成每个无人机的飞行路径回路;
步骤S7:每个无人机根据各自的飞行路径回路进行飞行,并在飞行过程根据传感器的最新位置调整飞行路线。
在本实施例中,步骤S3具体包括以下步骤:
步骤S31:假设无人机i收到传感器节点j返回确认消息时的位置为ULij(ux,uy),确认消息中传感器的位置为Lj(lx,ly),根据欧几里得公式计算ULij和Lj之间的距离dij;对于每个无人机,计算它与自身收到的每个确认消息中传感器的距离;
在本实施例中,步骤S5具体包括以下步骤:
步骤S51:设整个监测区域所有传感器节点集合为S,将每个传感器节点按其密度值降序排列;
步骤S52:从S中将密度值最大的传感器节点作为第一个候选航路点,并将其R邻域内的传感器节点从S中删除;
步骤S53:继续从S中将密度值最大的传感器节点作为下一个候选航路点,并将其R邻域内的传感器节点从S中删除;
步骤S54:重复步骤S4,直至S为空集,得到无人机候选航路点集合P。
在本实施例中,步骤S6具体包括以下步骤:
步骤S61:从无人机候选航路点集合P中选择第一个无人机的航路点,并通过旅行商问题的近似算法生成第一个无人机的飞行路径回路,再将飞行路径回路上的航路点从P中删除;
步骤S62:继续从P中选择下一个无人机的航路点,并通过旅行商问题的近似算法生成下一个无人机的飞行路径回路,将该飞行路径回路上的航路点从P中删除;
步骤S63:重复步骤S62,直至所有无人机的飞行路径回路都已被生成。
在本实施例中,步骤S61中,从P中选择第一个无人机航路点的方法是:将P中密度值最大的候选航路点选为起点,若起点的半径为的邻域内有其他候选航路点,则将它们按其密度值降序排列并从起点开始依次连接它们,直到路径长度大于则第一个无人机航路点为路径上不包括最后一个连接的候选航路点的节点集合。
在本实施例中,所述传感器节点为固定传感器节点或移动传感器节点(如单兵身上携带的传感设备)。
本实施例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,无人机之间通过无线通信交换数据,离数据汇聚点较远的无人机通过其他无人机的中继将数据上传到数据汇聚点,每个无人机根据传感器节点的位置规划访问路径,以实现在满足时延的要求下,所有无人机访问的总的传感器节点个数尽可能多。
特别的,在本实施例中,各个无人机在预定位置升空,组成空中路由系统。指挥中心根据需求制定监测任务,并将任务信息通过无人机集群的空中路由系统下发给各个传感节点。传感节点根据监测任务的要求开始监测数据,并对数据进行存储,放入数据传输队列。各个无人机根据飞行路线规划算法生成的飞行路径回路进行飞行并收集传感节点的数据。各个无人机将数据通过空中路由系统发送往数据汇聚点。各个无人机根据传感节点的最新位置调整飞行路线。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述,仅是本发明的较佳实施例而已,并非是对本发明作其它形式的限制,任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例。但是凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型,仍属于本发明技术方案的保护范围。
Claims (6)
1.一种基于无人机群的无线传感网数据收集方法,其特征在于:包括以下步骤:
步骤S1:设置监测任务;传感器节点部署后,根据无人机个数将待监测区域划分成包括同样无人机个数的子区域,每个无人机在其对应的子区域内按照预设路线探查整个子区域,并周期性广播监测任务;传感器收到监测任务后返回带自身当前位置信息的确认消息,传感器配置监测任务后开始监测数据;
步骤S2:每个无人机通过无线自组网交换各自子区域内的传感器节点的位置信息,使得每个无人机都得到整个监测区域的传感器节点的位置信息;
步骤S3:计算无人机无线传输范围;计算每个无人机与各自子区域中传感器的最大通信距离,将所有无人机的最大通信距离取平均值作为无人机在该区域的无线传输范围R;
步骤S4:计算整个监测区域中每个传感器节点在半径R范围内的传感器节点个数,作为该传感器节点在R邻域内的密度值;
步骤S5:根据S4中每个传感器节点的位置及其R邻域内的密度值选取无人机的候选航路点,并得到无人机候选航路点集合P;
步骤S6:设Lmax是无人机在时延内的最长飞行距离,根据步骤S5中的候选航路点、每个候选航路点的密度值、候选航路点之间的距离以及Lmax,生成每个无人机的飞行路径回路;
步骤S7:每个无人机根据各自的飞行路径回路进行飞行,并在飞行过程根据传感器的最新位置调整飞行路线。
3.根据权利要求1所述的一种基于无人机群的无线传感网数据收集方法,其特征在于:步骤S5具体包括以下步骤:
步骤S51:设整个监测区域所有传感器节点集合为S,将每个传感器节点按其密度值降序排列;
步骤S52:从S中将密度值最大的传感器节点作为第一个候选航路点,并将其R邻域内的传感器节点从S中删除;
步骤S53:继续从S中将密度值最大的传感器节点作为下一个候选航路点,并将其R邻域内的传感器节点从S中删除;
步骤S54:重复步骤S53,直至S为空集,得到无人机候选航路点集合P。
4.根据权利要求1所述的一种基于无人机群的无线传感网数据收集方法,其特征在于:步骤S6具体包括以下步骤:
步骤S61:从无人机候选航路点集合P中选择第一个无人机的航路点,并通过旅行商问题的近似算法生成第一个无人机的飞行路径回路,再将飞行路径回路上的航路点从P中删除;
步骤S62:继续从P中选择下一个无人机的航路点,并通过旅行商问题的近似算法生成下一个无人机的飞行路径回路,将该飞行路径回路上的航路点从P中删除;
步骤S63:重复步骤S62,直至所有无人机的飞行路径回路都已被生成。
6.根据权利要求1所述的一种基于无人机群的无线传感网数据收集方法,其特征在于:所述传感器节点为固定传感器节点或移动传感器节点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910325095.7A CN110049448B (zh) | 2019-04-22 | 2019-04-22 | 一种基于无人机群的无线传感网数据收集方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910325095.7A CN110049448B (zh) | 2019-04-22 | 2019-04-22 | 一种基于无人机群的无线传感网数据收集方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110049448A CN110049448A (zh) | 2019-07-23 |
CN110049448B true CN110049448B (zh) | 2021-04-27 |
Family
ID=67278412
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910325095.7A Active CN110049448B (zh) | 2019-04-22 | 2019-04-22 | 一种基于无人机群的无线传感网数据收集方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110049448B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111443731B (zh) * | 2020-04-15 | 2021-06-18 | 北京邮电大学 | 一种无人机控制方法、装置及控制设备 |
CN112188429A (zh) * | 2020-10-09 | 2021-01-05 | 北京邮电大学 | 地面数据处理采集方法、电子设备及存储介质 |
WO2024036529A1 (en) * | 2022-08-17 | 2024-02-22 | Intel Corporation | System for path-aware mobility management and mobility-management-aware path planning for robots |
CN115066003B (zh) * | 2022-08-18 | 2022-11-04 | 香港中文大学(深圳) | 一种避免通信感知路径被遮挡的空间节点位置确定方法 |
CN115515077B (zh) * | 2022-11-22 | 2023-02-14 | 广东海洋大学 | 一种基于uav的wsn数据采集轨迹动态生成方法及系统 |
CN116318346B (zh) * | 2023-03-07 | 2024-04-16 | 中国科学院软件研究所 | 多无人机间数据实时汇聚路径选择方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN107548029A (zh) * | 2017-08-21 | 2018-01-05 | 河海大学常州校区 | 一种基于海水分层的水下传感网络中auv数据收集方法 |
CN108235273A (zh) * | 2017-12-30 | 2018-06-29 | 山东省科学院海洋仪器仪表研究所 | 一种基于集心环机制的海上移动传感器网络路由维护方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9692827B2 (en) * | 2012-03-28 | 2017-06-27 | International Business Machines Corporation | Systems and methods for provisioning sensing resources for mobile sensor networks |
CN105828345B (zh) * | 2016-05-06 | 2020-03-27 | 华南农业大学 | 一种兼容uav的地空无线传感网络通信装置与方法 |
-
2019
- 2019-04-22 CN CN201910325095.7A patent/CN110049448B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN107548029A (zh) * | 2017-08-21 | 2018-01-05 | 河海大学常州校区 | 一种基于海水分层的水下传感网络中auv数据收集方法 |
CN108235273A (zh) * | 2017-12-30 | 2018-06-29 | 山东省科学院海洋仪器仪表研究所 | 一种基于集心环机制的海上移动传感器网络路由维护方法 |
Non-Patent Citations (1)
Title |
---|
基于ZigBee无线传感器网络的林区局地环境监测系统;颜建辉,陈崇成,魏一丁,唐丽玉;《中国农业科技导报》;20170615;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110049448A (zh) | 2019-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110049448B (zh) | 一种基于无人机群的无线传感网数据收集方法 | |
Jawhar et al. | UAV-based data communication in wireless sensor networks: Models and strategies | |
Dong et al. | UAV-assisted data gathering in wireless sensor networks | |
Takaishi et al. | Toward energy efficient big data gathering in densely distributed sensor networks | |
KR101795935B1 (ko) | 센서를 사용한 무인 자율 비행체에서 최적 경로를 탐색하는 방법 및 시스템 | |
Romaniuk et al. | Increasing the efficiency of data gathering in clustered wireless sensor networks using UAV | |
Tariq et al. | IMOC: optimization technique for drone‐assisted VANET (DAV) based on moth flame optimization | |
Ammad-Udin et al. | UAV routing protocol for crop health management | |
Sujit et al. | Joint route planning for UAV and sensor network for data retrieval | |
Labib et al. | A multilayer low-altitude airspace model for UAV traffic management | |
Li et al. | Employing intelligent aerial data aggregators for the internet of things: Challenges and solutions | |
Boccadoro et al. | A dual-stack communication system for the internet of drones | |
Han et al. | Scheduling rechargeable UAVs for long time barrier coverage | |
Sharma et al. | Ant based cluster head election algorithm in wireless sensor network to avoid redundancy | |
CN115599123A (zh) | 一种用于无人机集群多着陆区协同着陆的分布式方法 | |
Hadj et al. | A cloud of UAVs for the delivery of a sink as a service to terrestrial WSNs | |
Jawhar et al. | Architectures and strategies for efficient communication in wireless sensor networks using unmanned aerial vehicles | |
Ragab et al. | A Drones Optimal Path Planning Based on Swarm Intelligence Algorithms. | |
Bakirci | A Novel Swarm Unmanned Aerial Vehicle System: Incorporating Autonomous Flight, Real-Time Object Detection, and Coordinated Intelligence for Enhanced Performance. | |
Lysenko et al. | The Method of Using a Telecommunication Air Platform as a Flying Info-Communication Robots | |
Gong et al. | Throughput maximization for uav-enabled data collection | |
Lim et al. | An energy efficient rendezvous node selection approach | |
Huang et al. | Wireless Communication Networks Supported by Autonomous UAVs and Mobile Ground Robots | |
Nicolae et al. | Scheduling mechanism for energy-efficient communication in hybrid wireless sensor networks | |
Wang et al. | Intentional mobility in wireless sensor networks |
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 |