CN111314873A - 一种稳定的高精度网络协同探测方法 - Google Patents

一种稳定的高精度网络协同探测方法 Download PDF

Info

Publication number
CN111314873A
CN111314873A CN202010092666.XA CN202010092666A CN111314873A CN 111314873 A CN111314873 A CN 111314873A CN 202010092666 A CN202010092666 A CN 202010092666A CN 111314873 A CN111314873 A CN 111314873A
Authority
CN
China
Prior art keywords
detection
different
parameters
initial conditions
models
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.)
Granted
Application number
CN202010092666.XA
Other languages
English (en)
Other versions
CN111314873B (zh
Inventor
孙旋迪
申晓红
王海燕
花飞
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.)
Northwestern Polytechnical University
Original Assignee
Northwestern Polytechnical University
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 Northwestern Polytechnical University filed Critical Northwestern Polytechnical University
Priority to CN202010092666.XA priority Critical patent/CN111314873B/zh
Publication of CN111314873A publication Critical patent/CN111314873A/zh
Application granted granted Critical
Publication of CN111314873B publication Critical patent/CN111314873B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B13/00—Transmission systems characterised by the medium used for transmission, not provided for in groups H04B3/00 - H04B11/00
    • H04B13/02—Transmission systems in which the medium consists of the earth or a large mass of water thereon, e.g. earth telegraphy
    • 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
    • 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)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)

Abstract

本发明提供了一种稳定的高精度网络协同探测方法，针对不同网络，根据网络以及探测时外部环境的不同，选取通过优化最能准确做出决策的参数，根据节点分布的远近、所处环境、以及设备差异不同参数，对网络节点进行分簇，在每一簇内单独选取初始条件及探测模型，用ATC或者CTA的多任务扩散策略完成参数估计，用估计到的参数做出探测判决，得出最终的判决结果。本发明使得在同一个探测任务中，可以选取使用多个初始条件和探测模型进行探测，改进了以往单一初始条件和探测模型由于与环境不适配造成的探测精度差，不稳定的弊端，由于使用了多个初始条件和探测模型，能够更好地适应水声环境的变化，具有更强的鲁棒性。

Description

一种稳定的高精度网络协同探测方法
技术领域
本发明涉及自组织无线传感器网络技术领域，尤其是一种适用于水下分布式无线网络的探测方法，通过优化初始条件的设置和探测模型的选择，以提高探测的精度及其稳定性。
背景技术
随着人类对海洋资源开发、海洋科学研究、海洋战略地位认识的不断深化，世界各国对海洋的关注前所未有。对某一重点海域进行有效防御和作战监视以应对水中入侵目标威胁，是海洋空间安全的核心任务，如何对水中目标进行有效可靠的探测一直是水声信息科学领域研究的焦点。海洋是生命的摇篮，也是人类赖以生存的基础。水声网络不仅能够通过海洋开发，灾害预警等对国家的经济发展做出贡献，也能够用于军事情报的监听收集，港口、近岸的探测以及水下侦察与作战群体的管理、指挥、调度等等，是国家战略安全的重要保障。海洋时代的到来，使得以水声通信和网络技术为基础的水下信息网络技术得到了快速发展。
水声网络作为一种典型的长时延无线传感器网络，相比于现代陆地网络来说还很落后。目前，在水声网络中进行探测得到了越来越多的关注，并且已经取得了很多研究进展，主要集中在针对通信信道中量化误差的目标协同探测，如传感器节点能量有限的目标协同跟踪，量化观测下节点选择策略等等。在对目标进行探测的过程中，初始条件的设置，模型的选择往往对精度有很大影响。如何减少由于这些条件的选取而对探测结果的稳定性造成影响是急需要解决的问题。
发明内容
为了克服现有技术的不足，本发明提供一种稳定的高精度网络协同探测方法。针对网络探测过程中单一初始条件设置和模型的不恰当选取可能给探测精度及稳定性带来负面影响的问题，提出一种稳定的高精度网络协同探测方法。本发明旨在解决初始条件设置的不合理和模型的不恰当选取所造成探测稳定性变差的问题，同时使得探测方法能够适应环境的变化，减少因为初始条件设置和模型不匹配给探测任务带来的精度降低、波动变大等问题。
本发明解决其技术问题所采用的技术方案的详细步骤如下：
第一步：参数选择；
在不同环境下，针对不同网络，根据网络以及探测时外部环境的不同，选取通过优化最能准确做出决策的参数；
第二步：分簇；
根据节点分布的远近、所处环境、以及设备差异不同参数，对网络节点进行分簇；
第三步：簇内单独选择初始条件及探测模型；
在第一步的基础上，根据探测需求，环境制约等条件，在每一簇内单独选取初始条件及探测模型，以备参数估计；
第四步：用ATC(Adapt then combine)或者CTA(Combine then adapt)的多任务扩散策略完成参数估计；
在优化过程中不做预先假设认定参数的最优值是相同的，将不同的簇看作不同的的任务区间，假设优化的是不同参数；由于不同的簇所处环境和分布拓扑的不同，在不同簇内选取不同的初始条件和探测模型，然后运行CTA或ATC多任务模型，每个节点做出的探测判决都更少的制约于所处环境的不同；
第五步：用估计到的参数做出探测判决；
把第四步求得的当前时刻最优参数值代入探测判决结果计算中，对探测结果做出决策，得出最终的判决结果。
本发明的有益效果在于提出了一种网络整体对目标进行探测的方法，使得在同一个探测任务中，可以选取使用多个初始条件和探测模型进行探测。这种方法改进了以往单一初始条件和探测模型由于与环境不适配造成的探测精度差，不稳定的弊端。与此同时，由于使用了多个初始条件和探测模型，本发明能够更好地适应水声环境的变化，具有更强的鲁棒性。
附图说明
图1为本发明的总体方法框图。
图2为本发明的适用环境图。
图3为本发明扩散策略的多任务探测模型。
具体实施方式
下面结合附图和实施例对本发明进一步说明。
针对网络探测过程中单一初始条件设置和模型的选取可能给探测精度及稳定性带来的负面影响的问题，本发明提出一种稳定的高精度网络协同探测方法。
如图1所示，本发明的详细步骤如下：
第一步：参数选择；
决定探测结果的参数有很多，但在不同环境下，针对不同网络，起决定性因素的参数是不同的。根据网络以及探测时外部环境的不同，选取通过优化最能准确做出决策的进行优化；
第二步：分簇；
根据节点分布的远近、所处环境、以及设备差异等不同参数，对网络节点进行分簇；如图2所示，本发明的探测方法广泛适用于各种有探测能力的水声网络，对节点的存在形式并没有提出要求，不局限于浮标潜标或是海底节点。
第三步：簇内单独选择初始条件及探测模型；
在第一步的基础上，根据探测需求，环境制约等条件，在每一簇内单独选取初始条件及探测模型进行接下来的参数估计；
第四步：用ATC(Adapt then combine)或者CTA(Combine then adapt)的多任务扩散策略完成参数估计；
传统的ATC或者CTA的多任务扩散策略完考虑多个最佳参数矢量的同时，它们是面向多任务的，以协作的方式，在网络覆盖的区域内采用扩散策略进行参数优化，并通过最小化均方误差来解决分布式多任务问题。
在ATC和CTA的多任务模型中，不同的任务区间可以对不同的参数进行优化。本发明将ATC或CTA的多任务探测模型应用到探测任务中去。理论上，因为探测的是同一目标，所以不同分簇内，参数的最优值是相同的。但在本发明中，在优化过程中不做预先假设认定参数的最优值是相同的，甚至不把它当作同一参数进行优化，而是把不同的簇看作不同的的任务区间，假设它们优化的是不同参数；由于不同的簇所处环境和分布拓扑的不同，在不同簇内选取不同的初始条件和探测模型，然后运行CTA或ATC多任务模型，这样每个节点做出的探测判决都更少的制约于所处环境的不同。探测结果对环境的适配程度也更高。
如图3所示，被曲线分在一起的为一簇，簇内的初始条件和探测模型的选取是相同的。在用ATC(Adapt then combine)或者CTA(Combine then adapt)的多任务扩散策略对参数进行优化的过程中，每个节点不仅仅与簇内节点进行信息交互，也会与相邻簇的节点进行信息交互，图3中，实线连接的两个节点都能进行信息交互。
第五步：用估计到的参数做出探测判决；
把第四步求得的当前时刻最优参数值代入探测判决结果计算中，对探测结果做出决策，得出最终的判决结果。

Claims (1)

1.一种稳定的高精度网络协同探测方法，其特征在于包括下述步骤：
第一步：参数选择；
在不同环境下，针对不同网络，根据网络以及探测时外部环境的不同，选取通过优化最能准确做出决策的参数；
第二步：分簇；
根据节点分布的远近、所处环境、以及设备差异不同参数，对网络节点进行分簇；
第三步：簇内单独选择初始条件及探测模型；
在第一步的基础上，根据探测需求，环境制约等条件，在每一簇内单独选取初始条件及探测模型，以备参数估计；
第四步：用ATC或者CTA的多任务扩散策略完成参数估计；
在优化过程中不做预先假设认定参数的最优值是相同的，将不同的簇看作不同的的任务区间，假设优化的是不同参数；由于不同的簇所处环境和分布拓扑的不同，在不同簇内选取不同的初始条件和探测模型，然后运行CTA或ATC多任务模型，每个节点做出的探测判决都更少的制约于所处环境的不同；
第五步：用估计到的参数做出探测判决；
把第四步求得的当前时刻最优参数值代入探测判决结果计算中，对探测结果做出决策，得出最终的判决结果。
CN202010092666.XA 2020-02-14 2020-02-14 一种稳定的高精度网络协同探测方法 Active CN111314873B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010092666.XA CN111314873B (zh) 2020-02-14 2020-02-14 一种稳定的高精度网络协同探测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010092666.XA CN111314873B (zh) 2020-02-14 2020-02-14 一种稳定的高精度网络协同探测方法

Publications (2)

Publication Number Publication Date
CN111314873A true CN111314873A (zh) 2020-06-19
CN111314873B CN111314873B (zh) 2022-05-17

Family

ID=71147094

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010092666.XA Active CN111314873B (zh) 2020-02-14 2020-02-14 一种稳定的高精度网络协同探测方法

Country Status (1)

Country Link
CN (1) CN111314873B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111784211A (zh) * 2020-08-04 2020-10-16 中国人民解放军国防科技大学 一种基于分簇的群体多任务分配方法及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103856952A (zh) * 2014-02-27 2014-06-11 上海大学 一种工业无线传感器网络Pareto多目标部署优化方法
US20160085606A1 (en) * 2014-09-19 2016-03-24 Netapp Inc. Cluster-wide outage detection
EP3364157A1 (en) * 2017-02-16 2018-08-22 Fundación Tecnalia Research & Innovation Method and system of outlier detection in energy metering data
CN108650634A (zh) * 2018-05-18 2018-10-12 南京邮电大学 一种基于轨迹预测的无线传感器网络目标跟踪方法
CN110248393A (zh) * 2019-06-17 2019-09-17 西北工业大学 一种基于业务量权重的分簇方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103856952A (zh) * 2014-02-27 2014-06-11 上海大学 一种工业无线传感器网络Pareto多目标部署优化方法
US20160085606A1 (en) * 2014-09-19 2016-03-24 Netapp Inc. Cluster-wide outage detection
EP3364157A1 (en) * 2017-02-16 2018-08-22 Fundación Tecnalia Research & Innovation Method and system of outlier detection in energy metering data
CN108650634A (zh) * 2018-05-18 2018-10-12 南京邮电大学 一种基于轨迹预测的无线传感器网络目标跟踪方法
CN110248393A (zh) * 2019-06-17 2019-09-17 西北工业大学 一种基于业务量权重的分簇方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
申晓红: "Target localization based on weighted total least squares in underwater acoustic networks", 《IEEE》 *
花飞: "On the Semidefinite Programming Algorithm for Energy-Based Acoustic Source Localization in Sensor Networks", 《IEEE》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111784211A (zh) * 2020-08-04 2020-10-16 中国人民解放军国防科技大学 一种基于分簇的群体多任务分配方法及存储介质
CN111784211B (zh) * 2020-08-04 2021-04-27 中国人民解放军国防科技大学 一种基于分簇的群体多任务分配方法及存储介质

Also Published As

Publication number Publication date
CN111314873B (zh) 2022-05-17

Similar Documents

Publication Publication Date Title
CN109803291B (zh) 基于水声传感器网络的健壮拓扑生成方法
CN110288165A (zh) 基于快速聚类和优化分配的多目标无人监测跟踪方法
CN108684005B (zh) 基于som的水下传感网中多auv高效数据收集方法
CN108489491A (zh) 一种水下自主航行器的三维航迹智能规划方法
CN111314873B (zh) 一种稳定的高精度网络协同探测方法
CN106226732B (zh) 基于tof及迭代无迹滤波的室内无线定位跟踪方法
CN109362048B (zh) 基于无线传感器网络的地下管廊检测方法
CN101257424B (zh) 基于表面均匀配置的水下无线传感器网络覆盖控制方法
Du Method for the optimal sensor deployment of WSNs in 3D terrain based on the DPSOVF algorithm
CN109379780A (zh) 基于自适应差分进化算法的无线传感器网络定位方法
CN111310323B (zh) 一种基于matlab软件的深海管道综合风险指标评价方法
CN111542020A (zh) 水声传感器网络中基于区域划分的多auv协作数据收集方法
He et al. State prediction-based data collection algorithm in underwater acoustic sensor networks
CN112654001B (zh) 面向多无人艇协同控制的混合通信网络架构、管理方法及通信质量评价
CN109872384B (zh) 一种基于机载lidar点云数据的杆塔自动化建模方法
Li et al. Coverage blind area repair based on perceived multimedia data driven in mobile wireless sensor networks
Zhou et al. Compressing AIS trajectory data based on the multi-objective peak douglas–peucker algorithm
CN109640333B (zh) 基于集群划分的水下无线传感器网络覆盖漏洞修复算法
CN108882332A (zh) 一种UWSNs中基于分簇的信任云数据迁移方法
CN110336631B (zh) 一种基于深度学习的信号检测方法
CN110518497A (zh) 一种用于船舶的电缆自动敷设优化方法
CN106301627A (zh) 一种认知自组织网络中分布式协作频谱感知方法
CN109302201A (zh) 一种小型海洋通讯转换装置及其应用
CN112882058B (zh) 一种基于变尺寸栅格地图的船载激光雷达障碍物检测方法
CN111314934B (zh) 一种统一最优判决的网络协同探测方法

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
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Wang Haiyan

Inventor after: Sun Xuandi

Inventor after: Shen Xiaohong

Inventor after: Hua Fei

Inventor before: Sun Xuandi

Inventor before: Shen Xiaohong

Inventor before: Wang Haiyan

Inventor before: Hua Fei

GR01 Patent grant
GR01 Patent grant