CN110213771B - 一种基于多探测无人机协同搜索的无人机中继部署方法 - Google Patents

一种基于多探测无人机协同搜索的无人机中继部署方法 Download PDF

Info

Publication number
CN110213771B
CN110213771B CN201910285212.1A CN201910285212A CN110213771B CN 110213771 B CN110213771 B CN 110213771B CN 201910285212 A CN201910285212 A CN 201910285212A CN 110213771 B CN110213771 B CN 110213771B
Authority
CN
China
Prior art keywords
unmanned aerial
aerial vehicle
detection
time slot
network capacity
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
CN201910285212.1A
Other languages
English (en)
Other versions
CN110213771A (zh
Inventor
郭艳
钟锡健
李宁
李珊凌
陈彦成
孙晓丽
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.)
Army Engineering University of PLA
Original Assignee
Army Engineering University of PLA
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 Army Engineering University of PLA filed Critical Army Engineering University of PLA
Priority to CN201910285212.1A priority Critical patent/CN110213771B/zh
Publication of CN110213771A publication Critical patent/CN110213771A/zh
Application granted granted Critical
Publication of CN110213771B publication Critical patent/CN110213771B/zh
Active 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
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/18—Network planning tools
    • 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]
    • H04W84/04—Large scale networks; Deep hierarchical networks
    • H04W84/06—Airborne or Satellite 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

本发明公开了一种基于多探测无人机协同搜索的无人机中继部署方法。该方法为：首先将时间离散化成时隙的形式，使探测无人机能够在特定的时隙内执行相应的动作；然后在目标区域内随机部署多架探测无人机，各探测无人机依次探测当前所处位置的网络容量，并交互各探测无人机之间的位置信息和网络容量信息，根据获取的位置信息和网络容量信息对探测无人机位置进行更新；最后循环进行网络容量探测、信息交互和探测位置更新迭代，直至所有探测无人机收敛至同一位置，该位置即为最优部署位置。本发明能够通过实时的容量探测进行无人机中继部署，具有操作简单、实用性强的优点。

Description

一种基于多探测无人机协同搜索的无人机中继部署方法
技术领域
本发明属于无人机通信技术领域，特别是一种基于多探测无人机协同搜索的无人机中继部署方法。
背景技术
由于小型化无人机具有造价低、灵活性强等诸多优点，在军用和民用领域都得到了广泛应用，如巡逻监控、搜索营救等。在无人机上装配通信设备并部署于空中，为地面用户提供通信服务，是当前的研究热点之一。无人机能够灵活地部署于高度为几十米到几百米的空中，与地面节点建立链路时，可以获得更大概率的视距传输，从而提高通信质量。例如，当地面用户与基站的通信距离太远或由于受遮挡物遮挡时，由用户到基站的直接链路将难以满足传输速率需求，此时可在空中部署配备通信设备的无人机作为中继节点，为用户和基站提供中继服务。
无人机中继部署的位置决定了基站到无人机中继以及无人机中继到用户的链路状态，直接影响到中继网络的性能。因此，无人机中继的部署位置十分重要。在当前的研究中，已有一些无人机中继的部署方法，这些方法均需要以用户位置信息和信道状态信息作为先验信息，通过凸优化等方法求出部署位置。然而在实际中，用户位置信息和信道状态信息可能是先验未知的，而且获取困难，因此这些方法的适用范围具有较大的局限性。
发明内容
本发明的目的在于提供一种方法简单、实用性强的基于多探测无人机协同搜索的无人机中继部署方法，从而在用户位置信息和信道状态信息未知的情况下实现无人机中继的部署。
实现本发明目的的技术解决方案为：一种基于多探测无人机协同搜索的无人机中继部署方法，包括以下步骤：
步骤1、定义时隙：将时间离散化成时隙的形式，将时隙编号与无人机编号一一对应，使探测无人机能够在相应的时隙内执行相应的动作；
步骤2、初始化探测位置：在目标区域内随机部署多架探测无人机；
步骤3、探测网络容量：各探测无人机依次探测当前所处位置的网络容量；
步骤4、交互信息：各探测无人机之间交互位置信息和网络容量信息；
步骤5、更新探测位置：根据获取的位置信息和网络容量信息对探测无人机位置进行更新；
步骤6、获得最优部署位置：循环迭代步骤3～步骤5直至所有探测无人机收敛至同一位置，该位置即为最优部署位置。
进一步地，步骤1所述的定义时隙，具体如下：
步骤1.1、将时间离散化成时隙的形式，每个时隙的时间长度相等，将当前时隙记为t；
步骤1.2、对于任意时隙，将其划分为四个部分，第一部分为探测时隙，用于探测无人机探测网络容量，记为TD；第二部分为交互时隙，用于探测无人机之间交互位置和网络容量信息，记为TE；第三部分为学习时隙，用于计算下一个探测位置，记为TL；第四部分为位置更新时隙，用于探测无人机飞行至下一个探测位置，记为TU；
步骤1.3、将探测时隙TD和交互信息时隙TE分别划分为N个等长度的小时隙，为{σ1,σ2,…,σN}和{ρ1,ρ2,…,ρN}，其中N为探测无人机的数量。
进一步地，步骤3所述的探测网络容量，具体如下：
步骤3.1、各个探测无人机探测当前位置的网络容量：设定探测无人机集合为u＝{U1,U2,…,UN}，下标为探测无人机的编号；在当前时隙t，对于任意探测无人机Un∈u，其在探测时隙TD中对应的小时隙σn内探测网络容量，记为
Figure GDA0002145735360000021
步骤3.2、标记个体历史最优容量及相应位置：对于任意探测无人机Un∈u，在当前探测容量结束后，更新其自身历史容量CL,n和相应位置矢量
Figure GDA0002145735360000022
更新公式如下：
Figure GDA0002145735360000023
Figure GDA0002145735360000024
其中，
Figure GDA0002145735360000025
为探测无人机Un在时隙τ的位置矢量。
进一步地，步骤4所述的交互信息，具体如下：
探测无人机之间使用同一信道进行发送和接收，在交互信息时隙TE内，对于任意探测无人机Un∈u，其在对应的小时隙ρn内发送位置信息和网络容量信息，在其它小时隙内接收其它探测无人机的消息；在时隙TE结束时，所有探测无人机完成位置信息和网络容量信息的交互。
进一步地，步骤5所述的更新探测位置，具体如下：
步骤5.1、计算下一个探测网络容量的位置；
步骤5.2、所有探测无人机飞行至下一个探测网络容量位置。
进一步地，步骤5.1所述的计算下一个探测网络容量的位置，具体如下：
步骤5.1.1、根据获取的位置和网络容量信息，更新当前全局容量CG和相应的位置矢量
Figure GDA0002145735360000031
更新公式如下：
CG＝max(CL,1,CL,2,…,CL,N) (3)
Figure GDA0002145735360000032
步骤5.1.2、对于任意探测无人机Un∈u，计算下一个探测网络容量的位置
Figure GDA0002145735360000033
计算公式如下：
Figure GDA0002145735360000034
Figure GDA0002145735360000035
其中，
Figure GDA0002145735360000036
为探测无人机Un在时隙t内的速度矢量；ω为惯性权重系数，决定当前速度对下一时间步的速度的影响；δ1和δ2为0到1之间的随机数，决定局部最优位置
Figure GDA0002145735360000037
和全局历史最优位置
Figure GDA0002145735360000038
对下一个速度矢量的影响。
进一步地，步骤6所述的获得部署位置，具体如下：
步骤6.1、循环迭代步骤3～步骤5直至所有探测无人机收敛至同一位置，该位置即为搜索到的无人机中继部署位置；
步骤6.2、将无人机中继部署于所搜索到的最优部署位置，探测无人机撤回。
本发明与现有技术相比，其显著优点为：(1)在用户位置信息和信道状态信息未知的情况下，通过对中继网络容量的实时测量以及对测量位置的实时更新，在所有无人机的探测位置收敛至同一位置时，即可获取无人机中继的最优部署位置，适用范围广泛，实用性强；(2)利用了多无人机协同的技术，实现了对无人机中继最优部署位置的“群智”搜索，达到了搜索速度快、搜索准确度高的效果。
附图说明
图1为本发明基于多探测无人机协同搜索的无人机中继部署方法的场景示意图。
图2为本发明基于多探测无人机协同搜索的无人机中继部署方法的流程示意图。
图3为本发明中时隙划分的流程示意图。
图4为本发明实施例中δ1和δ2的值为1时探测位置更新示意图。
图5为本发明实施例中不同数量探测无人机下当前全局最优容量随迭代次数增加的变化情况图。
图6为本发明实施例中探测无人机数量为6时的轨迹随迭代收敛图。
具体实施方式
本发明基于多探测无人机协同搜索的无人机中继部署方法，包括以下步骤：
步骤1、定义时隙：将时间离散化成时隙的形式，将时隙编号与无人机编号一一对应，使探测无人机能够在相应的时隙内执行相应的动作；
步骤2、初始化探测位置：在目标区域内随机部署多架探测无人机；
步骤3、探测网络容量：各探测无人机依次探测当前所处位置的网络容量；
步骤4、交互信息：各探测无人机之间交互位置信息和网络容量信息；
步骤5、更新探测位置：根据获取的位置信息和网络容量信息对探测无人机位置进行更新；
步骤6、获得最优部署位置：循环迭代步骤3～步骤5直至所有探测无人机收敛至同一位置，该位置即为最优部署位置。
进一步地，步骤1所述的定义时隙，具体如下：
步骤1.1、将时间离散化成时隙的形式，每个时隙的时间长度相等，将当前时隙记为t；
步骤1.2、对于任意时隙，将其划分为四个部分，第一部分为探测时隙，用于探测无人机探测网络容量，记为TD；第二部分为交互时隙，用于探测无人机之间交互位置和网络容量信息，记为TE；第三部分为学习时隙，用于计算下一个探测位置，记为TL；第四部分为位置更新时隙，用于探测无人机飞行至下一个探测位置，记为TU；
步骤1.3、将探测时隙TD和交互信息时隙TE分别划分为N个等长度的小时隙，为{σ1,σ2,…,σN}和{ρ1,ρ2,…,ρN}，其中N为探测无人机的数量。
进一步地，步骤3所述的探测网络容量，具体如下：
步骤3.1、各个探测无人机探测当前位置的网络容量：设定探测无人机集合为u＝{U1,U2,…,UN}，下标为探测无人机的编号；在当前时隙t，对于任意探测无人机Un∈u，其在探测时隙TD中对应的小时隙σn内探测网络容量，记为
Figure GDA0002145735360000051
步骤3.2、标记个体历史最优容量及相应位置：对于任意探测无人机Un∈u，在当前探测容量结束后，更新其自身历史容量CL,n和相应位置矢量
Figure GDA0002145735360000052
更新公式如下：
Figure GDA0002145735360000053
Figure GDA0002145735360000054
其中，
Figure GDA0002145735360000055
为探测无人机Un在时隙τ的位置矢量。
进一步地，步骤4所述的交互信息，具体如下：
探测无人机之间使用同一信道进行发送和接收，在交互信息时隙TE内，对于任意探测无人机Un∈u，其在对应的小时隙ρn内发送位置信息和网络容量信息，在其它小时隙内接收其它探测无人机的消息；在时隙TE结束时，所有探测无人机完成位置信息和网络容量信息的交互。
进一步地，步骤5所述的更新探测位置，具体如下：
步骤5.1、计算下一个探测网络容量的位置；
步骤5.2、所有探测无人机飞行至下一个探测网络容量位置。
进一步地，步骤5.1所述的计算下一个探测网络容量的位置，具体如下：
步骤5.1.1、根据获取的位置和网络容量信息，更新当前全局容量CG和相应的位置矢量
Figure GDA0002145735360000056
更新公式如下：
CG＝max(CL,1,CL,2,…,CL,N) (3)
Figure GDA0002145735360000061
步骤5.1.2、对于任意探测无人机Un∈u，计算下一个探测网络容量的位置
Figure GDA0002145735360000062
计算公式如下：
Figure GDA0002145735360000063
Figure GDA0002145735360000064
其中，
Figure GDA0002145735360000065
为探测无人机Un在时隙t内的速度矢量；ω为惯性权重系数，决定当前速度对下一时间步的速度的影响；δ1和δ2为0到1之间的随机数，决定局部最优位置
Figure GDA0002145735360000066
和全局历史最优位置
Figure GDA0002145735360000067
对下一个速度矢量的影响。
进一步地，步骤6所述的获得部署位置，具体如下：
步骤6.1、循环迭代步骤3～步骤5直至所有探测无人机收敛至同一位置，该位置即为搜索到的无人机中继部署位置；
步骤6.2、将无人机中继部署于所搜索到的最优部署位置，探测无人机撤回。
下面结合附图和具体实施例对本发明作进一步详细说明。
实施例
结合图1、图2，本发明基于多探测无人机协同搜索的无人机中继部署方法，包括以下步骤：
步骤1、定义时隙：将时间离散化成时隙的形式，使探测无人机能够在特定的时隙内执行相应的动作，结合图3，具体如下：
步骤1.1、将时间离散化成时隙的形式，每个时隙的时间长度相等，将当前时隙记为t；
步骤1.2、对于任意时隙，将其划分为四个部分，第一部分为探测时隙，用于探测无人机探测网络容量，记为TD；第二部分为交互时隙，用于探测无人机之间交互位置和网络容量信息，记为TE；第三部分为学习时隙，用于计算下一个探测位置，记为TL；第四部分为位置更新时隙，用于探测无人机飞行至下一个探测位置，记为TU；
步骤1.3、将探测时隙TD和交互信息时隙TE分别划分为N个等长度的小时隙，为{σ1,σ2,…,σN}和{ρ1,ρ2,…,ρN}，其中N为无人机的数量。
步骤2、初始化探测位置：在目标区域内内随机部署多架小型化探测无人机；
步骤3、探测网络容量：各个探测无人机依次探测当前所处位置的网络容量，具体如下：
步骤3.1、各个探测无人机探测当前位置的网络容量：设定探测无人机集合为u＝{U1,U2,…,UN}，下标为探测无人机的编号；在当前时隙t，对于任意探测无人机Un∈u，其在探测时隙TD中对应的小时隙σn内探测网络容量，记为
Figure GDA0002145735360000071
步骤3.2、标记个体历史最优容量及相应位置：对于任意探测无人机Un∈u，它在当前探测容量结束后，更新其自身历史容量CL,n和相应位置矢量
Figure GDA0002145735360000072
更新公式如下：
Figure GDA0002145735360000073
Figure GDA0002145735360000074
其中，
Figure GDA0002145735360000075
为探测无人机Un在时隙τ的位置矢量。
步骤4、交互信息：各探测无人机之间交互位置信息和网络容量信息，具体如下：
各探测无人机之间使用同一信道进行发送和接收，在交互信息时隙TE内，对于任意探测无人机Un∈u，其在对应的小时隙ρn内发送位置信息和网络容量信息，在其它小时隙内接收其它探测无人机的消息；在时隙TE结束时，所有探测无人机完成位置信息和网络容量信息的交互。
步骤5、更新探测位置：根据获取的位置信息和网络容量信息对探测无人机位置进行更新，具体如下：
步骤5.1、计算下一个探测网络容量的位置，具体如下：
步骤5.1.1、根据交互获取的位置和网络容量信息，更新当前全局容量CG和相应的位置矢量
Figure GDA0002145735360000076
更新公式如下：
CG＝max(CL,1,CL,2,…,CL,N) (3)
Figure GDA0002145735360000077
步骤5.1.2、于任意探测无人机Un∈u，计算一个探测网络容量的位置
Figure GDA0002145735360000078
计算公式如下：
Figure GDA0002145735360000081
Figure GDA0002145735360000082
其中，
Figure GDA0002145735360000083
为探测无人机Un在时隙t内的速度矢量，δ1和δ2为0到1之间的随机数，决定局部最优位置
Figure GDA0002145735360000084
和全局历史最优位置
Figure GDA0002145735360000085
对下一个速度矢量的影响。图4为δ1和δ2的值为1时探测位置更新示意图。
步骤5.2、对于任意探测无人机Un∈u，在位置更新时隙TU内飞行至下一个探测网络容量的位置
Figure GDA0002145735360000086
步骤6、获得最优部署位置：循环迭代步骤3～步骤5直至所有探测无人机收敛至同一位置，该位置即为最优部署位置。图5为不同数量探测无人机下当前全局最优容量随迭代次数增加的变化情况图；图6为探测无人机数量为6时的轨迹随迭代收敛图；表1为不同数量探测无人机下搜索陷入局部最优的统计表。
表1
无人机数量 非最优部署次数 非最优部署概率 平均收敛步数
10 0 0％ 40
8 0 0％ 45
6 0 0％ 50
5 2 0.2％ 55
4 31 3.1％ 60
3 142 14.2％ 70
2 579 57.9％ 100
由图5、图6、表1可以看出，本发明基于多探测无人机协同搜索的无人机中继部署方法，能够在用户位置信息和信道状态信息未知的情况下，利用多个探测无人机对不同位置的网络容量进行协同探测和位置更新，通过在线的循环迭代方式使得探测无人机的轨迹最终收敛至同一位置，获取无人机中继的最优部署位置，适用范围广泛，并且方法简单，易于实现，实用性强。

Claims (4)

1.一种基于多探测无人机协同搜索的无人机中继部署方法，其特征在于，包括以下步骤：
步骤1、定义时隙：将时间离散化成时隙的形式，将时隙编号与无人机编号一一对应，使探测无人机能够在相应的时隙内执行相应的动作；
步骤2、初始化探测位置：在目标区域内随机部署多架探测无人机；
步骤3、探测网络容量：各探测无人机依次探测当前所处位置的网络容量，具体如下：
步骤3.1、各个探测无人机探测当前位置的网络容量：设定探测无人机集合为
Figure FDA0003319907910000011
下标为探测无人机的编号；在当前时隙t，对于任意探测无人机
Figure FDA0003319907910000012
其在探测时隙TD中对应的小时隙σn内探测网络容量，记为
Figure FDA0003319907910000013
步骤3.2、标记个体历史最优容量及相应位置：对于任意探测无人机
Figure FDA0003319907910000014
在当前探测容量结束后，更新其自身历史容量CL,n和相应位置矢量
Figure FDA0003319907910000015
更新公式如下：
Figure FDA0003319907910000016
Figure FDA0003319907910000017
其中，
Figure FDA0003319907910000018
为探测无人机Un在时隙τ的位置矢量；
步骤4、交互信息：各探测无人机之间交互位置信息和网络容量信息；
步骤5、更新探测位置：根据获取的位置信息和网络容量信息对探测无人机位置进行更新，具体如下：
步骤5.1、计算下一个探测网络容量的位置，具体如下：
步骤5.1.1、根据获取的位置和网络容量信息，更新当前全局容量CG和相应的位置矢量
Figure FDA0003319907910000019
更新公式如下：
CG＝max(CL,1,CL,2,…,CL,N) (3)
Figure FDA00033199079100000110
步骤5.1.2、对于任意探测无人机
Figure FDA00033199079100000111
计算下一个探测网络容量的位置
Figure FDA00033199079100000112
计算公式如下：
Figure FDA0003319907910000021
Figure FDA0003319907910000022
其中，
Figure FDA0003319907910000023
为探测无人机Un在时隙t内的速度矢量；ω为惯性权重系数，决定当前速度对下一时间步的速度的影响；δ1和δ2为0到1之间的随机数，决定局部最优位置
Figure FDA0003319907910000024
和全局历史最优位置
Figure FDA0003319907910000025
对下一个速度矢量的影响；
步骤5.2、所有探测无人机飞行至下一个探测网络容量位置；
步骤6、获得最优部署位置：循环迭代步骤3～步骤5直至所有探测无人机收敛至同一位置，该位置即为最优部署位置。
2.根据权利要求1所述的基于多探测无人机协同搜索的无人机中继部署方法，其特征在于，步骤1所述的定义时隙，具体如下：
步骤1.1、将时间离散化成时隙的形式，每个时隙的时间长度相等，将当前时隙记为t；
步骤1.2、对于任意时隙，将其划分为四个部分，第一部分为探测时隙，用于探测无人机探测网络容量，记为TD；第二部分为交互时隙，用于探测无人机之间交互位置和网络容量信息，记为TE；第三部分为学习时隙，用于计算下一个探测位置，记为TL；第四部分为位置更新时隙，用于探测无人机飞行至下一个探测位置，记为TU；
步骤1.3、将探测时隙TD和交互信息时隙TE分别划分为N个等长度的小时隙，为{σ1,σ2,…,σN}和{ρ1,ρ2,…,ρN}，其中N为探测无人机的数量。
3.根据权利要求1所述的基于多探测无人机协同搜索的无人机中继部署方法，其特征在于，步骤4所述的交互信息，具体如下：
探测无人机之间使用同一信道进行发送和接收，在交互信息时隙TE内，对于任意探测无人机
Figure FDA0003319907910000026
其在对应的小时隙ρn内发送位置信息和网络容量信息，在其它小时隙内接收其它探测无人机的消息；在时隙TE结束时，所有探测无人机完成位置信息和网络容量信息的交互。
4.根据权利要求1所述的基于多探测无人机协同搜索的无人机中继部署方法，其特征在于，步骤6所述的获得最优部署位置，具体如下：
步骤6.1、循环迭代步骤3～步骤5直至所有探测无人机收敛至同一位置，该位置即为搜索到的无人机中继部署位置；
步骤6.2、将无人机中继部署于所搜索到的最优部署位置，探测无人机撤回。
CN201910285212.1A 2019-04-10 2019-04-10 一种基于多探测无人机协同搜索的无人机中继部署方法 Active CN110213771B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910285212.1A CN110213771B (zh) 2019-04-10 2019-04-10 一种基于多探测无人机协同搜索的无人机中继部署方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910285212.1A CN110213771B (zh) 2019-04-10 2019-04-10 一种基于多探测无人机协同搜索的无人机中继部署方法

Publications (2)

Publication Number Publication Date
CN110213771A CN110213771A (zh) 2019-09-06
CN110213771B true CN110213771B (zh) 2022-02-18

Family

ID=67785241

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910285212.1A Active CN110213771B (zh) 2019-04-10 2019-04-10 一种基于多探测无人机协同搜索的无人机中继部署方法

Country Status (1)

Country Link
CN (1) CN110213771B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112636811B (zh) * 2020-12-08 2021-11-30 北京邮电大学 一种中继无人机部署方法及装置
CN114237275A (zh) * 2021-09-30 2022-03-25 中国人民解放军陆军工程大学 基于感知-锁定-发现的多无人机博弈协同搜索方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2938117A1 (en) * 2014-04-24 2015-10-28 Alcatel Lucent Adjusting geographical position of a drone base station
CN106454739A (zh) * 2016-11-07 2017-02-22 北京佰才邦技术有限公司 一种基站部署方法、网络服务器及无人机
CN108419286A (zh) * 2018-01-18 2018-08-17 北京邮电大学 一种面对5g无人机通信联合波束与功率的分配算法
CN108882201A (zh) * 2018-06-12 2018-11-23 中国人民解放军陆军工程大学 一种面向能量效率的无人机集群网络中继传输选择方法
WO2018219443A1 (en) * 2017-05-31 2018-12-06 Telefonaktiebolaget Lm Ericsson (Publ) Planning deployment of a node in a communications network with a drone
CN109275094A (zh) * 2018-11-02 2019-01-25 北京邮电大学 一种高能效无人机覆盖点连续覆盖方法和装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10054939B1 (en) * 2012-09-22 2018-08-21 Paul G. Applewhite Unmanned aerial vehicle systems and methods of use

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2938117A1 (en) * 2014-04-24 2015-10-28 Alcatel Lucent Adjusting geographical position of a drone base station
CN106454739A (zh) * 2016-11-07 2017-02-22 北京佰才邦技术有限公司 一种基站部署方法、网络服务器及无人机
WO2018219443A1 (en) * 2017-05-31 2018-12-06 Telefonaktiebolaget Lm Ericsson (Publ) Planning deployment of a node in a communications network with a drone
CN108419286A (zh) * 2018-01-18 2018-08-17 北京邮电大学 一种面对5g无人机通信联合波束与功率的分配算法
CN108882201A (zh) * 2018-06-12 2018-11-23 中国人民解放军陆军工程大学 一种面向能量效率的无人机集群网络中继传输选择方法
CN109275094A (zh) * 2018-11-02 2019-01-25 北京邮电大学 一种高能效无人机覆盖点连续覆盖方法和装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
《A 3D Placement of Unmanned Aerial Vehicle Base Station Based on Multi-Population Genetic Algorithm for Maximizing Users with Different QoS Requirements》;Yancheng Chen，et.al;《2018 IEEE 18th International Conference on Communication Technology》;20190103;全文 *
《面向异构无人机中继网络的负载均衡:一种分层博弈方法》;杨婷婷，等;《通信技术》;20181110;第51卷(第11期);全文 *

Also Published As

Publication number Publication date
CN110213771A (zh) 2019-09-06

Similar Documents

Publication Publication Date Title
Peng et al. A unified framework for joint mobility prediction and object profiling of drones in UAV networks
CN107071743B (zh) 一种基于随机森林的快速KNN室内WiFi定位方法
Danoy et al. Connectivity stability in autonomous multi-level UAV swarms for wide area monitoring
Brust et al. A networked swarm model for UAV deployment in the assessment of forest environments
Li et al. A particle swarm mobility model for flying ad hoc networks
Yu et al. Cloud-orchestrated physical topology discovery of large-scale IoT systems using UAVs
Esrafilian et al. 3D city map reconstruction from UAV-based radio measurements
CN110213771B (zh) 一种基于多探测无人机协同搜索的无人机中继部署方法
CN109000651B (zh) 一种路径规划方法及路径规划装置
Wang et al. Machine learning based rapid 3D channel modeling for UAV communication networks
Masiero et al. UAV positioning and collision avoidance based on RSS measurements
Hasanzade et al. Localization and tracking of RF emitting targets with multiple unmanned aerial vehicles in large scale environments with uncertain transmitter power
Duangsuwan et al. Comparison of Path Loss Prediction Models for UAV and IoT Air-to-Ground Communication System in Rural Precision Farming Environment.
Li et al. Fine-grained indoor tracking by fusing inertial sensor and physical layer information in WLANs
Hasanzade et al. RF source localization using unmanned aerial vehicle with particle filter
US11963130B2 (en) Device type state estimation
CN108226912A (zh) 一种定位方法及定位系统
Shahbazi et al. Federated reinforcement learning UAV trajectory design for fast localization of ground users
Saputra et al. UAV-based localization for distributed tactical wireless networks using archimedean spiral
CN110673645A (zh) 一种无人机群的自动飞行控制方法、系统及存储介质
Lu et al. Trajectory design for unmanned aerial vehicles via meta-reinforcement learning
CN113919188A (zh) 一种基于上下文-mab的中继无人机路径规划方法
Khodaparast et al. Deep reinforcement learning based data collection in IoT networks
KR101894242B1 (ko) 위치 예측기법을 이용한 추적 장비간 비행 위치 정보 연동장치 및 방법
Carfang et al. Integrating nonparametric learning with path planning for data-ferry communications

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