CN110312292A - 一种无人机自组网动态加权簇首选举方法 - Google Patents

Abstract

一种无人机自组网动态加权簇首选举方法，涉及自组网领域，为解决现有无人机算法簇首变更率快，网络拓扑频繁变化的问题，包括步骤一：将所有无人机进行编号：步骤二：首先求得每个节点当前节点电池能量、节点相关度、节点移动性、节点距离总和，然后得到每个节点的权值：步骤三：选择权值最大的节点为第一个分簇簇首，其有效通信距离内的节点为簇内成员，除去第一个簇的簇首和簇成员以外，其余的节点再次选举最大权值担任第二簇的簇首，其簇首有效通信距离内的节点为簇内成员，以此类推，直至所有节点均分簇完毕。本发明有效降低无人机自组网的簇首变更率，增强网络性能，均衡无人机的能量消耗。

Description

一种无人机自组网动态加权簇首选举方法

技术领域

本发明涉及自组网领域，具体为一种无人机自组网动态加权簇首选举方法。

背景技术

近年来，我国地震频发，其危害之大，范围之广，引发了人们的极大关注。在近20年中，我国因地震造成的死亡人数达同一段时间内全世界地震致死总人数的约18％。2008年的汶川特大地震，导致了约8.7万人员死亡或失踪，受伤人数高达37万，造成直接经济损失8400亿元，地震灾害给我国经济和社会造成了巨大的影响。在地震灾后救援中，地面固定通信设施被毁，传统无线通信失效，震后的杂乱地形也不利于人员搜救，此时利用无人机机组网可以对灾区环境进行信息采集，寻找生还者，而无人机是资源受限的终端，分簇结构可以有效提升网络性能，但现有技术中无人机算法簇首变更率快，网络拓扑频繁变化影响了无人机自组网络的整体性能。

发明内容

本发明的目的是：针对现有无人机算法簇首变更率快，网络拓扑频繁变化的问题，提出一种无人机自组网动态加权簇首选举方法。

本发明为了解决上述技术问题采取的技术方案是：一种无人机自组网动态加权簇首选举方法，包括以下步骤：

步骤一：将所有无人机进行编号：

步骤二：首先求得每个节点当前节点电池能量、节点相关度、节点移动性、节点距离总和，然后得到每个节点的权值：

步骤三：选择权值最大的节点为第一个分簇簇首，其有效通信距离内的节点为簇内成员，除去第一个簇的簇首和簇成员以外，其余的节点再次选举最大权值担任第二簇的簇首，其簇首有效通信距离内的节点为簇内成员，以此类推，直至所有节点均分簇完毕。

进一步的，所述步骤一的详细步骤为：首先将所有无人机节点逐一分配序号，序号从1开始依次增加，直至所有无人机节点都有编号为止，然后记录无人机节点的坐标，若有无人机中途丢失，则将其序号收回，然后将收回的序号分配给新加入的无人机。

进一步的，所述无人机中途丢失的判定方法为：通过能否接收到无人机间隔时间发送的信号判定无人机是否丢失。

进一步的，所述节点电池能量通过下公式得到：

E＝E₀-e×n×t

其中，E₀是本无人机节点出发时的电池能量，t是在执行本次任务中已度过时长，n为有效通信距离内的无人机个数，e为每个节点与其它单个节点通信单位时间消耗的能量值。

进一步的，所述E₀的初始值为1000焦耳。

进一步的，所述节点相关度具体为：W₁,W₂分别表示簇内、簇间的通信带宽，U代表节点个数，最优簇成员个数为：

将节点i的度数记d_i，节点的相关度为：

D＝|d_i-g|。

进一步的，所述节点移动性通过两节点信号功率的比确定，其公式如下：

其中x_t代表t时刻节点i的横坐标，y_t代表t时刻节点i的纵坐标，x_t-1代表前一秒时刻节点i的横坐标，y_t-1代表前一秒时刻节点i的横坐标。

进一步的，所述节点距离总和通过下式得到：

其中，n代表节点i的所有一跳邻居节点的数目，x_i,y_i分别表点x和节点y的坐标。

进一步的，所述每个节点的权值W为：

W＝λ₁×E-λ₂×D-λ₃×M-λ₄×P

其中，E、D、M和P分别为节点电池能量、节点相关度、节点移动性和节点间距离总和，λ₁，λ₂，λ₃，λ₄分别为E、D、M和P的权重系数。

进一步的，所述步骤三中有效通信距离为150米。

本发明的有益效果是：本发明综合考虑无人机能量，移动性，节点距离和节点度，加权计算每个无人机节点的权值，比较出最优节点担任簇首，建立动态的拓扑结构，使得生成的簇结构具有较强的健壮性，有效降低无人机自组网的簇首变更率，增强网络性能，均衡无人机的能量消耗。

具体实施方式

具体实施方式一：下面具体说明本实施方式，本实施方式所述的一种无人机自组网动态加权簇首选举方法，包括以下步骤：

步骤一：将所有无人机进行编号：

步骤二：首先求得每个节点当前节点电池能量、节点相关度、节点移动性、节点距离总和，然后得到每个节点的权值：

步骤三：选择权值最大的节点为第一个分簇簇首，其有效通信距离内的节点为簇内成员，除去第一个簇的簇首和簇成员以外，其余的节点再次选举最大权值担任第二簇的簇首，其簇首有效通信距离内的节点为簇内成员，以此类推，直至所有节点均分簇完毕。

具体实施方式二：本实施方式是对具体实施方式一所述的作进一步说明，本实施方式与具体实施方式一的区别是所述步骤一的详细步骤为：首先将所有无人机节点逐一分配序号，序号从1开始依次增加，直至所有无人机节点都有编号为止，然后记录无人机节点的坐标，若有无人机中途丢失，则将其序号收回，然后将收回的序号分配给新加入的无人机。

具体实施方式三：本实施方式是对具体实施方式二所述的作进一步说明，本实施方式与具体实施方式二的区别是所述无人机中途丢失的判定方法为：通过能否接收到无人机间隔时间发送的信号判定无人机是否丢失。

无人机每隔一段时间发送一次信号，当间隔时间到达时未收到无人机发送的信号，则判定无人机丢失。

具体实施方式四：本实施方式是对具体实施方式一所述的作进一步说明，本实施方式与具体实施方式一的区别是所述节点电池能量通过下公式得到：

E＝E₀-e×n×t

其中，E₀是本无人机节点出发时的电池能量，t是在执行本次任务中已度过时长，n为有效通信距离内的无人机个数，e为每个节点与其它单个节点通信单位时间消耗的能量值。

根据上述内容可知，节点的当前能量＝节点的总能量-节点用来与周围节点通信的能耗值。

具体实施方式五：本实施方式是对具体实施方式四所述的作进一步说明，本实施方式与具体实施方式四的区别是所述E₀的初始值为1000焦耳。

具体实施方式六：本实施方式是对具体实施方式一所述的作进一步说明，本实施方式与具体实施方式一的区别是所述节点相关度的具体步骤为：首先W₁,W₂分别表示簇内、簇间的通信带宽，U代表节点个数，当U足够大时，则最优簇成员个数为：

将节点i的度数记d_i，节点的相关度为：

D＝|d_i-g|。

具体实施方式七：本实施方式是对具体实施方式一所述的作进一步说明，本实施方式与具体实施方式一的区别是所述节点移动性通过两节点信号功率的比确定，其公式如下：

其中x_t代表t时刻节点i的横坐标，y_t代表t时刻节点i的纵坐标，x_t-1代表前一秒时刻节点i的横坐标，y_t-1代表前一秒时刻节点i的横坐标。

具体实施方式八：本实施方式是对具体实施方式一所述的作进一步说明，本实施方式与具体实施方式一的区别是所述节点距离总和通过下式得到：

其中，n代表节点i的所有一跳邻居节点的数目，x_i,y_i分别表点x和节点y的坐标。

具体实施方式九：本实施方式是对具体实施方式一所述的作进一步说明，本实施方式与具体实施方式一的区别是所述每个节点的权值W为：

W＝λ₁×E-λ₂×D-λ₃×M-λ₄×P

其中：E、D、M和P分别为本发明的四项考虑要素，分别为节点当前能量、节点相关度、节点移动性和节点间距离和，其中要素前所乘对象为权重系数，在本发明中，λ₁，λ₂，λ₃，λ₄分别作为E、D、M和P的权重系数，本发明中四个权重系数由具体系统来确定。在本发明中使用自适应参数设定，随机生成4个0到1的随机数，按照数值大小分别赋权给重要性从高到低的四个考虑因素。

具体实施方式十：本实施方式是对具体实施方式一所述的作进一步说明，本实施方式与具体实施方式一的区别是所述步骤三中有效通信距离为150米。

实施例：

一、首先依次求得下列各值：

①每个无人机节点的当前电池能量；

②每个无人机节点的节点相关度；

③每个无人机节点的节点移动性；

④每个无人机节点的节点距离和；

然后利用上述结果中得到的当前电池能量、节点相关度、节点移动性、节点距离和得到每个节点的权值。比较权值最大的为第一个分簇簇首，其有效通信距离内节点为簇内成员。在除去第一个簇的簇首和簇成员以外其他的节点再次选举最大权值担任第二簇的簇首，簇首有效通信距离内节点为簇内成员，以此类推，直至所有节点均分簇完毕。

二、对本算法的簇首变更率与其它算法簇首变更率比较：

簇首变更率是单位时间内无人机机群簇首更换的次数。取最大速度(Max Speed,MS)从0变化到20m/s的簇首变更率与最小节点ID算法(LID)、最大节点度算法(HCC)对比如下：

本发明簇首变更率比其它算法的簇首变更率有效降低。分类结果表明本发明提出的方法有效。

需要注意的是，具体实施方式仅仅是对本发明技术方案的解释和说明，不能以此限定权利保护范围。凡根据本发明权利要求书和说明书所做的仅仅是局部改变的，仍应落入本发明的保护范围内。

Claims (10)

1.一种无人机自组网动态加权簇首选举方法，其特征在于包括以下步骤：

步骤一：将所有无人机进行编号：

步骤二：首先求得每个节点当前节点电池能量、节点相关度、节点移动性、节点距离总和，然后得到每个节点的权值：

步骤三：选择权值最大的节点为第一个分簇簇首，其有效通信距离内的节点为簇内成员，除去第一个簇的簇首和簇成员以外，其余的节点再次选举最大权值担任第二簇的簇首，其簇首有效通信距离内的节点为簇内成员，以此类推，直至所有节点均分簇完毕。

2.根据权利要求1所述的一种无人机自组网动态加权簇首选举方法，其特征在于所述步骤一的详细步骤为：首先将所有无人机节点逐一分配序号，序号从1开始依次增加，直至所有无人机节点都有编号为止，然后记录无人机节点的坐标，若有无人机中途丢失，则将其序号收回，然后将收回的序号分配给新加入的无人机。

3.根据权利要求2所述的一种无人机自组网动态加权簇首选举方法，其特征在于所述无人机中途丢失的判定方法为：通过能否接收到无人机间隔时间发送的信号判定无人机是否丢失。

4.根据权利要求1所述的一种无人机自组网动态加权簇首选举方法，其特征在于所述节点电池能量通过下公式得到：

E＝E₀-e×n×t

其中，E₀是本无人机节点出发时的电池能量，t是在执行本次任务中已度过时长，n为有效通信距离内的无人机个数，e为每个节点与其它单个节点通信单位时间消耗的能量值。

5.根据权利要求4所述的一种无人机自组网动态加权簇首选举方法，其特征在于所述E₀的初始值为1000焦耳。

6.根据权利要求1所述的一种无人机自组网动态加权簇首选举方法，其特征在于所述节点相关度具体为：W₁,W₂分别表示簇内、簇间的通信带宽，U代表节点个数，最优簇成员个数为：

将节点i的度数记d_i，节点的相关度为：

D＝|d_i-g|。

7.根据权利要求1所述的一种无人机自组网动态加权簇首选举方法，其特征在于所述节点移动性通过两节点信号功率的比确定，其公式如下：

其中x_t代表t时刻节点i的横坐标，y_t代表t时刻节点i的纵坐标，x_t-1代表前一秒时刻节点i的横坐标，y_t-1代表前一秒时刻节点i的横坐标。

8.根据权利要求1所述的一种无人机自组网动态加权簇首选举方法，其特征在于所述节点距离总和通过下式得到：

其中，n代表节点i的所有一跳邻居节点的数目，x_i,y_i分别表点x和节点y的坐标。

9.根据权利要求1所述的一种无人机自组网动态加权簇首选举方法，其特征在于所述每个节点的权值W为：

W＝λ₁×E-λ₂×D-λ₃×M-λ₄×P

其中，E、D、M和P分别为节点电池能量、节点相关度、节点移动性和节点间距离总和，λ₁，λ₂，λ₃，λ₄分别为E、D、M和P的权重系数。

10.根据权利要求1所述的一种无人机自组网动态加权簇首选举方法，其特征在于所述步骤三中有效通信距离为150米。