CN111132079A - 确定自组网连通概率的方法、装置、设备和介质 - Google Patents

确定自组网连通概率的方法、装置、设备和介质 Download PDF

Info

Publication number
CN111132079A
CN111132079A CN201811285934.9A CN201811285934A CN111132079A CN 111132079 A CN111132079 A CN 111132079A CN 201811285934 A CN201811285934 A CN 201811285934A CN 111132079 A CN111132079 A CN 111132079A
Authority
CN
China
Prior art keywords
probability
mapping
hoc network
points
determining
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
CN201811285934.9A
Other languages
English (en)
Inventor
文亚
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.)
China Mobile Communications Group Co Ltd
China Mobile Group Sichuan Co Ltd
Original Assignee
China Mobile Communications Group Co Ltd
China Mobile Group Sichuan Co Ltd
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 China Mobile Communications Group Co Ltd, China Mobile Group Sichuan Co Ltd filed Critical China Mobile Communications Group Co Ltd
Priority to CN201811285934.9A priority Critical patent/CN111132079A/zh
Publication of CN111132079A publication Critical patent/CN111132079A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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]
    • H04W4/42—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for mass transport vehicles, e.g. buses, trains or aircraft
    • 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]
    • H04W4/46—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for vehicle-to-vehicle communication [V2V]
    • 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

Landscapes

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

Abstract

一种确定自组网连通概率的方法、装置、设备和介质。该方法包括：将飞机的航线映射到二维平面中，得到二维平面上的多个位置点。将出现飞机的位置点移动到二维平面上的平面图形的顶点上，得到一个或多个映射点，其中二维平面由平面图形构成。基于一个或多个映射点，得到自组网模型。根据自组网模型，确定平面图形的一个映射点作为映射顶点，并计算在映射顶点的通信覆盖范围内连通节点的数量为设定数值的概率，其中，连通节点是在通信覆盖范围内的映射点。根据连通节点的数量为设定数值的概率，得到自组网连通概率。根据本发明实施例提供的方法、装置、设备和介质，能够确定多条交叉航线下的自组网连通概率。

Description

确定自组网连通概率的方法、装置、设备和介质
技术领域
本发明涉及通信技术领域，尤其涉及一种自组网连通概率的方法、装置、设备和介质。
背景技术
航空移动通信指的是飞机在巡航过程中，飞机与地面之间或飞机与飞机之间进行信息的传输和交换。航空自组网是将移动自组网应用在航空通信的一种异构网络，由空基网、地基网和天基网三个部分组成，具有自组织、无中心以及多跳路由等特点。其中，空基网是飞机与飞机之间的通信网络。地基网是飞机与地面基站之间的通信网络。天基网是飞机与卫星之间的通信网络。
航空自组网高效、灵活和易扩展的组网特性在未来的航空通信发展中起着重要的作用，特别是在军事航空通信和民用航空通信两大领域中得到了广泛的应用。
所以，通过对航空自组网连通性的研究，可以确定航空自组网的组网是否具有可行性，以便后续建立更加可靠的航空自组网。
目前针对于航空自组网连通性，大多数都是基于单航线单航路、单航线双航路和平行航线，得到自组网连通概率，进而能够基于自组网连通概率设置地面基站以及卫星。
但这种基于单航线单航路、单航线双航路和平行航线，得到的自组网连通概率并不适用于多条交叉航线下的航空自组网。
因此，存在难以确定多条交叉航线下的自组网连通概率的技术问题。
发明内容
本发明实施例提供了一种自组网连通概率的方法、装置、设备和介质，能够确定多条交叉航线下的自组网连通概率。
本发明实施例的一方面，提供一种确定自组网连通概率的方法，该方法包括：
将飞机的航线映射到二维平面中，得到二维平面上的多个位置点；
将出现飞机的位置点移动到二维平面上的平面图形的顶点上，得到一个或多个映射点，其中二维平面由平面图形构成；
基于一个或多个映射点，得到自组网模型；
基于自组网模型，确定平面图形的一个映射点作为映射顶点，并计算在映射顶点的通信覆盖范围内连通节点的数量为设定数值的概率，其中，连通节点是在通信覆盖范围内的映射点；
根据连通节点的数量为设定数值的概率，得到自组网连通概率。
本发明实施例的另一方面，提供一种确定自组网连通概率的装置，该装置包括：
位置点模块，用于将飞机的航线映射到二维平面中，得到二维平面上的多个位置点；
自组网模块，用于将出现飞机的位置点移动到二维平面上的平面图形的顶点上，得到一个或多个映射点，其中二维平面由平面图形构成，基于一个或多个映射点，得到自组网模型；
节点概率模块，用于基于自组网模型，确定平面图形的一个映射点作为映射顶点，并计算在映射顶点的通信覆盖范围内连通节点的数量为设定数值的概率，其中，连通节点是在通信覆盖范围内的映射点；
连通概率模块，用于根据连通节点的数量为设定数值的概率，得到自组网连通概率。
根据本发明实施例的另一方面，提供一种确定自组网连通概率的设备，该设备包括：
处理器以及存储有计算机程序指令的存储器；
处理器执行计算机程序指令时实现如上述本发明实施例的任意一方面提供的确定自组网连通概率的方法。
根据本发明实施例的另一方面，提供一种计算机存储介质，计算机存储介质上存储有计算机程序指令，计算机程序指令被处理器执行时实现如上述本发明实施例的任意一方面提供的确定自组网连通概率的方法。
本发明实施例提供的确定自组网连通概率的方法、装置、设备和介质。首先，通过将飞机的航线映射到二维平面中，得到二维平面上的多条交叉航线。其次，基于二维平面上的多条交叉航线，建立自组网模型。最后，根据自组网模型，可以确定多条交叉航线下的自组网连通概率。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单地介绍，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1示出本发明一实施例的确定自组网连通概率的方法的流程图；
图2示出本发明一实施例的二维平面示意图；
图3示出本发明一实施例的自组网模型的示意图；
图4示出本发明一实施例的映射点分布示意图；
图5示出本发明一实施例的确定自组网连通概率的装置的结构示意图；
图6示出了能够实现根据本发明实施例的确定自组网连通概率的方法和装置的计算设备的示例性硬件架构的结构图。
具体实施方式
下面将详细描述本发明的各个方面的特征和示例性实施例，为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细描述。应理解，此处所描述的具体实施例仅被配置为解释本发明，并不被配置为限定本发明。对于本领域技术人员来说，本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更好的理解。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
下面结合附图，详细描述根据本发明实施例的确定自组网连通概率的方法、装置、设备和介质。应注意，这些实施例并不是用来限制本发明公开的范围。
下面通过图1至图4详细介绍根据本发明实施例的确定自组网连通概率的方法。
为了更好的理解本发明，下面结合图1对本发明一实施例的确定自组网连通概率的方法进行详细说明，图1是示出本发明一实施例的确定自组网连通概率的方法的流程图。
如图1所示，本发明实施例中的确定自组网连通概率的方法100包括以下步骤：
应当注意的是，在本发明实施例中，所有飞机都采用全向天线接收和发送信息。所有飞机的发射功率都相等，所有飞机的通信半径也都相等。相邻两架飞机之间的距离小于或等于飞机的通信半径。全向天线是指在水平方向图上表现为360°都均匀辐射，在垂直方向图上表现为有一定宽度的波束的天线。
S110，将飞机的航线映射到二维平面中，得到二维平面上的多个位置点。
具体的，可以选取等边三角形构成二维平面，并且等边三角形的边长小于飞行安全距离。飞行安全距离是指飞机在飞行时需要与相邻飞机保持的安全距离。当然，也可以选取其他平面图形构成二维平面，如：平行四边形或五边形，以及其它多边形。应当理解的是，在本发明实施例中，选取等边三角形构成二维平面，仅是为了方便计算自组网连通概率，并不是对二维平面作具体的限定。
将多条飞行航线按照飞行安全距离划分为多个等长度的线段，使得每个出现飞机的位置点在等边三角形内或在等边三角形的边上或在等边三角形的顶点上。
由此可知，将出现飞机的位置点移动到与位置点距离最近的等边三角形的顶点上时，至多移动的距离为
Figure BDA0001849039880000051
其中D为等边三角形的边长。
作为一个示例，当D＝1/10Sr时，Sr为飞行安全距离，可得到至多移动的距离为
Figure BDA0001849039880000052
所以，当选取的等边三角形的边长D越是小于飞行安全距离时，移动的距离也就会越小。所以，由移动的距离造成的飞机通信覆盖范围的误差可以忽略不计。
在本发明的一个实施例中，如图2所示，图2是示出本发明一实施例的二维平面示意图。首先，将飞机的航线映射到二维平面中，使飞机的航线转换为二维平面上的直线，如图2中H1-H7，同时飞机的通信覆盖范围也由一个球体转换为二维平面上的一个圆。
其次，将得到的飞行航线H1-H7，按照飞行安全距离Sr划分为多个等长度的线段。最后，将多个等长度的线段的端点作为二维平面上的多个位置点。
在本发明实施例中，通过将飞机的航线映射到二维平面上，使飞机在三维空间里的航线和飞机的通信覆盖范围分别转换为二维平面上的直线和圆，将三维空间的航空自组网转换为二维平面的航空自组网，简化了自组网连通概率的计算。
通过将多条飞行航线按照飞行安全距离划分为多个等长度的线段，并将多个等长度的线段的端点作为二维平面上的多个位置点。由于飞机在飞行过程中，会保持Sr的飞行安全距离，所以可以保证飞机只能出现在二维平面的位置点上，并且每个位置点上出现飞机的概率相同。
S120，将出现飞机的位置点移动到二维平面上的平面图形的顶点上，得到一个或多个映射点，其中二维平面由平面图形构成。
在本发明的一个实施例中，首先，将出现飞机的位置点移动到与位置点距离最近的平面图形的顶点上，得到一个或多个映射点。
作为一个示例，如图3所示，图3是示出本发明一实施例的自组网模型的示意图。首先，以H3和H5航线为例，将出现飞机的位置点：F52、F53、F54、F33、F34和F35，移动到与位置点距离最近的平面图形的顶点上，得到映射点：Y52、Y53、Y54、Y33、Y34和Y35。
S130，基于一个或多个映射点，得到自组网模型。
在本发明的一个实施例中，继续参见图3，由上述得到的映射点：Y52、Y53、Y54、Y33、Y34和Y35，构成自组网模型。
S140，基于自组网模型，确定平面图形的一个映射点作为映射顶点，并计算在映射顶点的通信覆盖范围内连通节点的数量为设定数值的概率，其中，连通节点是在通信覆盖范围内的映射点。
在本发明的一个实施例中，首先，任意选取平面图形的一个映射点作为映射顶点，并按照映射顶点的通信覆盖范围内的不同航线，划分为m个集合，其中，m为自然数，其中m个集合中的映射点的数量之和等于连通节点的数量。应当理解的是，通过将出现飞机的位置点移动得到一个或多个映射点，因此每条航线上都会包括一个或多个映射点，即每个集合中都会包括一个或多个映射点。
由于在计算自组网连通概率时，会计算每个映射点作为映射顶点时在通信覆盖范围内，连通节点的数量为设定数值的概率。然后将所有映射点对应的概率相加得到概率的总和，并将得到的概率的总和作为自组网的连通概率。所以在本发明实施例中对映射顶点的选取方式不作限定。
应当注意的是，鉴于在航空自组网中，在任意一架飞机的通信覆盖范围内，至少存在一架飞机，才能使自组网处于连通状态。所以，当m为0时，表示在映射顶点的通信覆盖范围内不存在航线，即位于该映射顶点的飞机在其通信覆盖范围内，没有其它的飞机可以与其进行通信连接。由此可知，该自组网处于不连通状态，即该飞机所在的自组网连通概率为0。
其次，可以通过表1确定集合中映射点的数量范围。
表1
Figure BDA0001849039880000061
其中，ka为第a(a＝1，2，…，m)个集合中映射点的数量，Na(a＝1，2，…，m)为第a个集合中位置点的数量，K为设定数值，且K满足
Figure BDA0001849039880000071
应当理解的是，设定数值
Figure BDA0001849039880000072
其中，C为在映射顶点的通信覆盖范围内映射点的数量。
在现实场景中，飞机的通信半径一般为50海里至300海里，飞机的最小飞行安全距离为20海里至30海里。由此可知，飞机的通信半径至少为飞行安全距离的2.5倍。在本发明实施例中，为了便于计算自组网连通概率，选取飞机的通信半径为飞行安全距离的整数倍。由此得到，飞机的通信半径至少为飞行安全距离的3倍。
作为一个示例，如图4所示，图4是示出本发明一实施例的映射点分布示意图。飞机的通信半径都相等且为等边三角形边长的3倍。以Y34作为映射顶点为例，在映射顶点Y34的通信覆盖范围内，可以通过表达式(1)计算得到在映射顶点Y34的通信覆盖范围内映射点的数量。
C＝3R2+3R (1)
其中，C为在映射顶点的通信覆盖范围内映射点的数量，R为映射顶点的通信半径。
在通过上述表1确定的集合中映射点的数量范围内，可以通过表达式(2)计算得到集合中的映射点的数量的概率之和。
Figure BDA0001849039880000073
其中，Na为第a(a＝1，2，…，m)个集合中的位置点的数量,ka为第a(a＝1，2，...，m)个集合中映射点的数量，P为每个位置点出现飞机的概率。
最后，基于m个集合中的映射点的数量的概率之和，可以通过表达式(3)计算得到连通节点的数量为设定数值K的概率。
Figure BDA0001849039880000074
其中，
Figure BDA0001849039880000075
Pij(K)为位于第i条航线上的第j个位置点的映射顶点的连通节点的数量为设定数值K的概率，P为每个位置点出现飞机的概率，Na为第a(a＝1，2，…，m)个集合中位置点的数量。
S150，根据连通节点的数量为设定数值的概率，得到自组网连通概率。
在本发明的一个实施例中，首先，可以通过表达式(4)计算得到具有设定数值K的连通节点的映射顶点，在预设航线的预设位置点的概率。
Figure BDA0001849039880000081
其中，M表示一共有M条航线，P为每个位置点出现飞机的概率，Ni为航线i上的位置点的数量，Pij(K)为位于第i条航线上的第j个位置点的映射顶点的连通节点的数量为设定数值K的概率。
接下来，基于上述表达式(4)得到的具有设定数值K的连通节点的映射顶点在预设航线的预设位置点的概率，可以通过表达式(5)计算得到自组网连通概率。
Figure BDA0001849039880000082
其中，P0为自组网的连通概率，M表示一共有M条航线，Ni为第i条航线上的位置点的数量，Pij(K≥1)为位于第i条航线上的第j个位置点的映射顶点的连通节点的数量为设定数值K(K≥1)的概率，P为每个位置点出现飞机的概率。
通过上述实施例所述的确定自组网连通概率的方法，基于得到的多条交叉航线下的自组网模型，计算自组网连通概率，可以解决难以计算多条交叉航线下的自组网连通概率的技术问题。得到的多条交叉航线的自组网连通概率，可以有效指导地面基站以及卫星的部署，使得航空移动通信处于良好的通信状态。
下面通过图5详细介绍根据本发明实施例的确定自组网连通概率的装置，确定自组网连通概率的装置与确定自组网连通概率的方法相对应。
图5示出了根据本发明一实施例的确定自组网连通概率的装置的结构示意图。
如图5所示，确定自组网连通概率的装置500包括：
位置点模块510，用于将飞机的航线映射到二维平面中，得到二维平面上的多个位置点。
自组网模块520，用于将出现飞机的位置点移动到二维平面上的平面图形的顶点上，得到一个或多个映射点，其中二维平面由平面图形构成，基于一个或多个映射点，得到自组网模型。
节点概率模块530，用于基于自组网模型，确定平面图形的一个映射点作为映射顶点，并计算在映射顶点的通信覆盖范围内连通节点的数量为设定数值的概率，其中，连通节点是在通信覆盖范围内的映射点。
连通概率模块540，用于根据连通节点的数量为设定数值的概率，得到自组网连通概率。
通过上述实施例所述的确定自组网连通概率的装置，通过位置点模块510和自组网模块520，构建自组网模型，可以保证飞机只能出现在二维平面的多个位置点上，并且每个位置点上出现飞机的概率相同。通过节点概率模块530和连通概率模块540，可以计算多条交叉航线的自组网连通概率，从而可以有效指导地面基站以及卫星的部署，使得航空移动通信处于良好的通信状态。
在本发明的一个实施例中，位置点模块510，具体用于通过将飞机的航线映射到二维平面中，得到多条飞行航线。基于飞行安全距离，将多条飞行航线划分为多个等长度的线段。将多个等长度的线段的端点作为二维平面上的多个位置点，其中，每个位置点出现飞机的概率相同。
通过位置点模块510，将多条飞行航线按照飞行安全距离划分为多个等长度的线段，并将多个等长度的线段的端点作为二维平面上的多个位置点。由于飞机在飞行过程中，会保持Sr的飞行安全距离，所以可以保证飞机只能出现在二维平面的位置点上，并且每个位置点上出现飞机的概率相同。
在本发明的一个实施例中，位置点模块510，还用于由等边三角形作为平面图形构成二维平面，并且等边三角形的边长小于飞行安全距离。通过将飞机的航线映射到二维平面中，得到多条飞行航线。基于飞行安全距离，将多条飞行航线划分为多个等长度的线段。将多个等长度的线段的端点作为二维平面上的多个位置点，其中，每个位置点出现飞机的概率相同。
在本发明实施例中，通过位置点模块510，由等边三角形作为平面图形构成二维平面，并且等边三角形的边长小于飞行安全距离。使得移动到与位置点距离最近的等边三角形的顶点上时移动的距离造成的飞机通信覆盖范围的误差可以忽略不计。
在本发明的一个实施例中，自组网模块520，具体用于将出现飞机的位置点移动到与位置点距离最近的平面图形的顶点上，得到一个或多个映射点。基于一个或多个映射点，得到自组网模型。
在本发明的一个实施例中，节点概率模块530，具体用于按照映射顶点的通信覆盖范围内的不同的航线，划分为m个集合，m为自然数，其中m个集合中的映射点的数量之和等于连通节点的数量。确定集合中映射点的数量范围。在数量范围内，确定集合中的映射点的数量的概率之和。m个集合中的映射点的数量的概率之和的乘积等于连通节点的数量为设定数值的概率。
在本发明的一个实施例中，连通概率模块540，具体用于基于连通节点的数量为设定数值的概率，确定具有设定数值的连通节点的映射顶点，在预设航线的预设位置点的概率。基于映射顶点位于预设航线的预设位置点的概率，得到自组网连通概率。
在本发明实施例中，通过连通概率模块540，得到的多条交叉航线的自组网连通概率，可以有效指导地面基站以及卫星的部署，使得航空移动通信处于良好的通信状态。
图6示出了能够实现根据本发明实施例的确定自组网连通概率的方法和装置的计算设备的示例性硬件架构的结构图。
如图6所示，计算设备600包括输入设备601、输入接口602、中央处理器603、存储器604、输出接口605、以及输出设备606。其中，输入接口602、中央处理器603、存储器604、以及输出接口605通过总线610相互连接，输入设备601和输出设备606分别通过输入接口602和输出接口605与总线610连接，进而与计算设备600的其他组件连接。
具体地，输入设备601接收来自外部的输入信息，并通过输入接口602将输入信息传送到中央处理器603；中央处理器603基于存储器604中存储的计算机可执行指令对输入信息进行处理以生成输出信息，将输出信息临时或者永久地存储在存储器604中，然后通过输出接口605将输出信息传送到输出设备606；输出设备606将输出信息输出到计算设备600的外部供用户使用。
也就是说，图6所示的计算设备也可以被实现确定自组网连通概率的设备，该确定自组网连通概率的设备可以包括：存储有计算机可执行指令的存储器；以及处理器，该处理器在执行计算机可执行指令时可以实现结合图1至图5描述的确定自组网连通概率的方法和装置。
本发明实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现本发明实施例提供的确定自组网连通概率的方法。
需要明确的是，本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本发明的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本发明的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时，本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
本发明可以以其他的具体形式实现，而不脱离其精神和本质特征。例如，特定实施例中所描述的算法可以被修改，而设备体系结构并不脱离本发明的基本精神。因此，当前的实施例在所有方面都被看作是示例性的而非限定性的，本发明的范围由所附权利要求而非上述描述定义，并且，落入权利要求的含义和等同物的范围内的全部改变从而都被包括在本发明的范围之中。

Claims (10)

1.一种确定自组网连通概率的方法，其特征在于，包括：
将飞机的航线映射到二维平面中，得到所述二维平面上的多个位置点；
将出现飞机的位置点移动到所述二维平面上的平面图形的顶点上，得到一个或多个映射点，其中所述二维平面由所述平面图形构成；
基于所述一个或多个映射点，得到自组网模型；
根据所述自组网模型，确定所述平面图形的一个映射点作为映射顶点，并计算在所述映射顶点的通信覆盖范围内连通节点的数量为设定数值的概率，其中，所述连通节点是在所述通信覆盖范围内的映射点；
根据所述连通节点的数量为设定数值的概率，得到所述自组网连通概率。
2.根据权利要求1所述确定自组网连通概率的方法，其特征在于，所述将飞机的航线映射到二维平面中，得到所述二维平面上的多个位置点，包括：
通过将飞机的航线映射到二维平面中，得到多条飞行航线；
基于飞行安全距离，将所述多条飞行航线划分为多个等长度的线段；
将所述多个等长度的线段的端点作为所述二维平面上的多个位置点。
3.根据权利要求1所述确定自组网连通概率的方法，其特征在于，所述将出现飞机的位置点移动到所述二维平面上的平面图形的顶点上，得到一个或多个映射点，包括：
将所述出现飞机的位置点移动到与所述位置点距离最近的平面图形的顶点上，得到一个或多个所述映射点。
4.根据权利要求1所述确定自组网连通概率的方法，其特征在于，所述计算在所述映射顶点的通信覆盖范围内连通节点的数量为设定数值的概率，包括：
按照所述映射顶点的通信覆盖范围内的不同航线，划分为m个集合，m为自然数，其中m个所述集合中的映射点的数量之和等于连通节点的数量；
确定所述集合中映射点的数量范围；
在所述数量范围内，确定所述集合中的映射点的数量的概率之和；
m个所述集合中的映射点的数量的概率之和的乘积等于所述连通节点的数量为设定数值的概率。
5.根据权利要求1所述确定自组网连通概率的方法，其特征在于，所述根据所述连通节点的数量为设定数值的概率，得到所述自组网连通概率，包括：
基于所述连通节点的数量为设定数值的概率，确定具有所述设定数值的所述连通节点的所述映射顶点，在预设航线的预设位置点的概率；
基于所述映射顶点位于所述预设航线的预设位置点的概率，得到所述自组网连通概率。
6.根据权利要求1所述确定自组网连通概率的方法，其特征在于，所述平面图形是等边三角形。
7.根据权利要求6所述确定自组网连通概率的方法，其特征在于，所述等边三角形的边长小于飞行安全距离。
8.一种确定自组网连通概率的装置，其特征在于，包括：
位置点模块，用于将飞机的航线映射到二维平面中，得到所述二维平面上的多个位置点；
自组网模块，用于将出现飞机的位置点移动到所述二维平面上的平面图形的顶点上，得到一个或多个映射点，其中所述二维平面由所述平面图形构成，基于所述一个或多个映射点，得到自组网模型；
节点概率模块，用于基于所述自组网模型，确定所述平面图形的一个映射点作为映射顶点，并计算在所述映射顶点的通信覆盖范围内连通节点的数量为设定数值的概率，其中，所述连通节点是在所述通信覆盖范围内的映射点；
连通概率模块，用于根据所述连通节点的数量为设定数值的概率，得到所述自组网连通概率。
9.一种确定自组网连通概率的设备，其特征在于，所述设备包括：处理器以及存储有计算机程序指令的存储器；
所述处理器执行所述计算机程序指令时实现如权利要求1-7任意一项所述确定自组网连通概率的方法。
10.一种计算机存储介质，其特征在于，所述计算机存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如权利要求1-7任意一项所述确定自组网连通概率的方法。
CN201811285934.9A 2018-10-31 2018-10-31 确定自组网连通概率的方法、装置、设备和介质 Pending CN111132079A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811285934.9A CN111132079A (zh) 2018-10-31 2018-10-31 确定自组网连通概率的方法、装置、设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811285934.9A CN111132079A (zh) 2018-10-31 2018-10-31 确定自组网连通概率的方法、装置、设备和介质

Publications (1)

Publication Number Publication Date
CN111132079A true CN111132079A (zh) 2020-05-08

Family

ID=70485439

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811285934.9A Pending CN111132079A (zh) 2018-10-31 2018-10-31 确定自组网连通概率的方法、装置、设备和介质

Country Status (1)

Country Link
CN (1) CN111132079A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103259744A (zh) * 2013-03-26 2013-08-21 北京航空航天大学 一种基于分簇的移动虚拟网络映射方法
US20140226985A1 (en) * 2013-02-14 2014-08-14 Nec Laboratories America, Inc. Virtual Networking Embedding Procedure in an Optical Wavelength Division Multiplexing (WDM) Network
US20150111591A1 (en) * 2005-10-04 2015-04-23 Steven M. Hoffberg Multifactorial optimization system and method
CN106900026A (zh) * 2017-03-24 2017-06-27 南京邮电大学 一种基于网络连通的路由骨干路径的选择方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150111591A1 (en) * 2005-10-04 2015-04-23 Steven M. Hoffberg Multifactorial optimization system and method
US20140226985A1 (en) * 2013-02-14 2014-08-14 Nec Laboratories America, Inc. Virtual Networking Embedding Procedure in an Optical Wavelength Division Multiplexing (WDM) Network
CN103259744A (zh) * 2013-03-26 2013-08-21 北京航空航天大学 一种基于分簇的移动虚拟网络映射方法
CN106900026A (zh) * 2017-03-24 2017-06-27 南京邮电大学 一种基于网络连通的路由骨干路径的选择方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
文亚: "基于三角模型的航空自组网地空通信连通性研究", 《万方学位论文库》 *

Similar Documents

Publication Publication Date Title
Bulut et al. Trajectory optimization for cellular-connected UAVs with disconnectivity constraint
Cetin et al. Establishing obstacle and collision free communication relay for UAVs with artificial potential fields
CN102395193B (zh) 一种用于无线传感器网络的定位方法
CN111479216B (zh) 基于uwb定位的无人机货物运送方法
CN113543066B (zh) 感通导指一体化交互与多目标应急组网方法及系统
CN112947548B (zh) 一种基于频谱地图的无人机编队规划方法及系统
Yuheng et al. 3-D deployment optimization of UAVs based on particle swarm algorithm
CN104363654A (zh) 基于Tunneling method的无线传感器网络三维节点定位方法
Yang et al. Connectivity-aware UAV path planning with aerial coverage maps
US11751076B2 (en) Operation of sectorized communications from aerospace platforms using reinforcement learning
Dong et al. Battlefield situation awareness and networking based on agent distributed computing
Li et al. Wireless sensor network localization algorithm using dynamic path of mobile beacon
Yu et al. 3D deployment of Multi-UAV for energy-saving: A game-based learning approach
Ji et al. Economy: Point clouds-based energy-efficient autonomous navigation for UAVs
He et al. Radio map assisted multi-uav target searching
Warrier et al. Future 6G communications powering vertical handover in non-terrestrial networks
Newton et al. Analysis of topology algorithms for commercial airborne networks
CN111132079A (zh) 确定自组网连通概率的方法、装置、设备和介质
CN116033437A (zh) 一种通信服务覆盖率最大的网络部署方法
Akbulut et al. Modeling, simulation and optimization of a wireless ad hoc network's communication performance with regard to node deployment
CN107241692A (zh) 一种自主移动设备的定位方法
CN114598721A (zh) 基于轨迹与资源联合优化的高能效数据收集方法及系统
Aruna et al. An adaptive-based predicted nodes behavior algorithm in flying ad hoc networks
Ma et al. Optimizing 3-D Placement of Multiple UAVs Based on Taguchi's Method
Hamdi et al. Resource allocation and edge computing for dual hop communication in satellite assisted UAVs enabled VANETs

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: 20200508