CN111542016B - 一种基于滑翔机的水下传感网络数据收集方法 - Google Patents

一种基于滑翔机的水下传感网络数据收集方法 Download PDF

Info

Publication number
CN111542016B
CN111542016B CN202010429714.XA CN202010429714A CN111542016B CN 111542016 B CN111542016 B CN 111542016B CN 202010429714 A CN202010429714 A CN 202010429714A CN 111542016 B CN111542016 B CN 111542016B
Authority
CN
China
Prior art keywords
glider
state
sensor
node
underwater
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
CN202010429714.XA
Other languages
English (en)
Other versions
CN111542016A (zh
Inventor
李鑫滨
徐向琳
闫磊
韩赵星
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.)
Yanshan University
Original Assignee
Yanshan 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 Yanshan University filed Critical Yanshan University
Priority to CN202010429714.XA priority Critical patent/CN111542016B/zh
Publication of CN111542016A publication Critical patent/CN111542016A/zh
Application granted granted Critical
Publication of CN111542016B publication Critical patent/CN111542016B/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
    • H04B11/00—Transmission systems employing sonic, ultrasonic or infrasonic waves
    • 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
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/06—Selective distribution of broadcast services, e.g. multimedia broadcast multicast service [MBMS]; Services to user groups; One-way selective calling services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W40/00—Communication routing or communication path finding
    • H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
    • H04W40/04—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources
    • H04W40/10—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources based on available power or energy
    • 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)
  • Multimedia (AREA)
  • Arrangements For Transmission Of Measured Signals (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明涉及一种基于滑翔机的水下传感网络数据收集方法，包括：滑翔机在沿锯齿形轨迹运行过程中，在通信范围内选择适当的传感器节点收集数据；数据收集过程中，滑翔机对传感器节点进行动态规划，最优化传感器节点调度；采用离线计算，在线调度的方式，减少计算负荷；改进基廷斯指数算法，设置阈值，减少广播频率和广播所带来的能量消耗，减少通信负荷，延长水下传感网络的使用寿命。所述水下数据收集方法利用滑翔机作为数据收集平台，能够实现大范围、长时间的数据收集任务；采用带阈值的指数算法降低了求解动态规划的计算复杂度，在保证数据收集质量的基础上减少通信消耗，优化传感器调度，最大化水下传感网络寿命。

Description

一种基于滑翔机的水下传感网络数据收集方法
技术领域
本发明涉及一种基于滑翔机的水下传感网络数据收集方法，属于水下声学通信及数据收集技术领域。
背景技术
随着海洋强国战略的提出和海洋科技的快速发展，水下传感网络广泛应用于水下资源探测、灾害防治、海洋数据收集等方面。以水下传感网络为基础的海洋开发和利用是一个融合了水下通信技术、水下航行器控制技术、数据收集技术等多种技术的交叉领域，其中，数据收集是海洋开发利用的基础和关键。水下环境复杂多变，水声信道面临着诸多挑战，比如多径传输、多普勒频移等，具有不可靠性。此外，水下声信号缓慢的传播速度使得反馈信号具有较大延时性，进而会影响到数据收集的效率和准确性。
现阶段利用水下航行器作为数据收集平台进行水下数据收集已经得到广泛关注和研究。在数据收集中经常使用的水下航行器主要是AUV和滑翔机。其中，AUV在水下数据收集任务中的应用和算法已日趋成熟，但与此同时，AUV也暴露了它的耗能大、成本高、噪声大、持续时间短等缺点。与AUV不同，滑翔机采取了通过调整浮力和姿态获取驱动力的方式，这种独特的驱动模式使滑翔机具有耗能低、成本低、噪声低和航程远的优势，常被应用于大范围、长时间的海洋开发与利用任务中。因此，在长时间、大范围的水下数据收集任务中，滑翔机是作为数据收集平台的理想选择。
因此，本专利提出利用滑翔机在水下传感网络中收集海洋数据，感知海洋变化，并且结合自身运动特性实现高效高质量的水下数据收集任务。
发明内容
本发明的目的是利用滑翔机实现长时间、大范围的水下传感网络数据收集，并针对水下环境特有的水下节点网络生存时间短以及数据收集质量差的技术缺点和不足，提出一种基于滑翔机的水下传感网络数据收集方法。
本发明的解决方案是，
一种基于滑翔机的水下传感网络数据收集方法，依托的水下传感网络包括水下传感节点和滑翔机，其特征在于：包括以下步骤：
步骤A、在海域中部署多个水下传感器节点监测和收集数据；
步骤B、滑翔机首次通过传感器节点部署水域，与通信范围内所有传感器节点握手，唤醒传感器节点，滑翔机离线计算所有传感器节点的可能状态的状态指数，构建状态指数表,滑翔机将离线计算得到的状态指数表发送给所有节点并获取当前所有节点的初始状态指数；
步骤C、滑翔机将获取的各传感器节点的初始状态指数进行排序，选择初始状态指数最大的传感器节点i*收集感应到的海洋数据，并在收集完成后更新相应的状态指数；
步骤D、当步骤C中选择的传感器节点i*更新后的指数高于或等于阈值T，则检查节点i*的电量是否能继续通信，若电量允许，则继续选择当前传感器，若电量不允许，则滑翔机选择当前除节点i*外状态指数最大的节点收集数据；当i*的指数低于阈值T时，该传感器节点向滑翔机和其他节点广播其状态指数；其他节点接收到广播信息后向滑翔机发送当前状态指数信息，跳至步骤C，即滑翔机根据所获取的当前各传感器节点的状态指数进行排序并选取当前状态指数最大的传感器节点收集数据；
利用阈值T进行选择的表达式如下(1)：
Figure BDA0002500077990000021
步骤E、当传感器节点的电量都耗尽或剩余电量无法支持下一次通信，即节点死亡，当所有传感器节点均已死亡，则水下传感网络数据收集过程结束。
本发明技术方案的进一步改进在于：水下传感器节点具有水声通信模块和多种传感器模块，且水下传感器节点能够与滑翔机实现水声通信。
本发明技术方案的进一步改进在于：节点的状态指数由节点根据当前的状态搜索状态指数表所得；节点所有可能状态所组成的状态空间
Figure BDA0002500077990000031
由三部分组成：包括水声信道状态
Figure BDA0002500077990000034
节点与滑翔机之间的相对距离状态
Figure BDA0002500077990000032
和节点的剩余能量状态ε三部分，表达式为：
Figure BDA0002500077990000033
本发明技术方案的进一步改进在于：步骤B中，状态指数表中包含所有传感器节点的所有可能状态的状态指数,节点的状态空间包含了节点所有可能的状态。
本发明技术方案的进一步改进在于：步骤B中，传感器节点的状态指数是离线计算,滑翔机以离线的方式计算所有传感器节点的所有状态相对应的状态指数，构建状态指数表，并储存。
本发明技术方案的进一步改进在于：步骤B中，传感器节点的状态指数通过查表得到,传感器节点根据自身状态从状态指数表中搜索相对应的状态指数并发送给滑翔机,数据收集时，当周围环境发生变化，传感器节点能够快速、准确地探测信道状况和电量状况。
本发明技术方案的进一步改进在于：步骤C中，传感器节点的状态指数是在线更新，在线规划的。
本发明技术方案的进一步改进在于：步骤D中，阈值的大小可以根据任务要求设定。
由于采用了上述技术方案，本发明取得的技术进步是：
本发明提出的一种基于滑翔机的水下传感网络数据收集方法，与现有水下数据收集方法相比，具有如下有益效果：
1.将滑翔机作为水下传感网络数据收集的平台：水下传感网络数据收集任务通常使用AUV作为数据收集平台，然而AUV有耗能大、持续工作时间短、成本高、噪声大的缺点，无法实现较大水域或较长时间的数据收集任务，本发明所述数据收集方法将滑翔机作为水下数据收集的平台，凭借滑翔机独特的驱动模式可以降低噪声、提高数据质量；降低成本；并实现AUV所无法实现的长时间、大范围的持续性水下数据收集任务，是理想的水下数据收集平台；
2.采用指数化方法：在应对水下复杂的环境时，滑翔机需要对通信范围内的传感器进行调度，优化决策；滑翔机通过对传感器节点进行动态规划，可以根据环境变化和传感器自身状态动态调整决策，最优化调度。动态规划会带来大量计算，造成计算负荷，尤其在水下数据收集系统中，求解动态规划会大大缩减传感网络寿命，因此步骤B和步骤C中使用的指数策略以及离线计算在线调度方法，大大简化计算，减少计算复杂度，降低能量消耗，延长水下传感网络的使用寿命；
3.设立阈值：步骤D中在指数方法的基础上设立阈值，减少传感器之间的切换和广播频率，从而延长水下传感网络的使用寿命；同时所述方法可以根据需求设置阈值的大小，平衡精确度和能量消耗，即以少量的精确度为代价大幅度降低广播频率，进而减少能耗。
附图说明
图1是本发明一种基于滑翔机的水下传感网络数据收集方法依托的系统模型示意图；
图2是本发明一种基于滑翔机的水下传感网络数据收集方法依托系统中的滑翔机的锯齿形运动轨迹示意图；
图3是本发明提供的基于滑翔机的水下传感网络数据收集方法流程图。
其中：1、滑翔机，2、传感器节点。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。
实施例1
本实施例描述了一种以滑翔机作为水下数据收集平台，在水下传感网络中收集数据信息的一种基于滑翔机的水下传感网络数据收集方法的具体实施。
如图1所示，为本发明所述的水下传感网络的组成。从图中可以看出，水下传感网络主要由一个滑翔机1和多个布设在水下的传感器节点2组成。水下传感器节点2借助缆绳悬置于不同的高度，构成一个三维的水下传感网络。其中，每个传感器节点2都配备有声学调制解调器和多种传感器(如地震传感器、温度传感器等，在具体实施中可以根据任务需要提前布设)，同时传感器节点采用电池作为唯一供电源，电池一次性使用，不可充电。在具体实施时，水下传感器节点总数N一般在10到100左右，记为：传感器节点1，传感器节点2，…,传感器节点i,…,传感器节点N,N∈{10，100}。传感器节点的满电量为100J。
在具体实施时，滑翔机1以图2所示的锯齿形轨迹运行。滑翔机1在水面以下滑行时从传感器节点2收集的数据保存在滑翔机内存中，当滑翔机1浮出水面准备下一次下潜时，将收集到的数据通过卫星传输到地面基站中，在此过程中使用无线通信信道。滑翔机的速度为0.6knots，下潜深度最高为1500m，运行覆盖长度大于500km,噪声低于6500Hz。
本发明提供的基于滑翔机1的水下传感网络数据收集方法包括按顺序进行的下列步骤：
步骤A、在感兴趣海域中构建如图1所示的水下传感网络，网络中部署的水下传感器节点2用于监测和收集数据，其中，水下传感器节点2具有水声通信模块和多种传感器模块，能够与滑翔机实现水声通信。
步骤B、滑翔机1通过传感网络部署水域的运动路径如图2所示，是一个在垂直面上的锯齿状轨迹。这种轨迹的形成是由于滑翔机利用自身浮力变化，通过下潜或上浮产生向前的推动力，并且滑翔机运行速度慢、噪声低。滑翔机1首次通过传感器节点部署水域时，与通信范围内所有传感器节点握手，唤醒传感器节点2。同时，滑翔机以离线的方式计算所有传感器节点的所有状态相对应的状态指数，构建状态指数表，并储存。唤醒传感器节点2后滑翔机1将状态指数表发送给所有节点，而传感器节点2根据自身状态从状态指数表中搜索相对应的状态指数发送回滑翔机1，则滑翔机1获取当前所有节点的初始状态指数；
其中，节点的状态指数由节点根据当前的状态搜索状态指数表所得；节点所有可能状态所组成的状态空间
Figure BDA0002500077990000066
由三部分组成：包括水声信道状态
Figure BDA0002500077990000068
节点与滑翔机1的相对距离状态
Figure BDA0002500077990000067
和节点的剩余能量状态ε三部分，表达式如下：
Figure BDA0002500077990000061
其中，
Figure BDA0002500077990000062
代表每个节点的状态空间，
Figure BDA0002500077990000063
代表水声信道的状态，
Figure BDA0002500077990000064
为节点与滑翔机之间的相对距离状态，ε则代表传感器节点的剩余能量的状态；
传感器周围环境对水下声信号的传输信道的影响可以分为大范围影响和小范围影响。小范围影响由多普勒频移和散射造成，长约几个波长，在本发明中对应信道状态
Figure BDA0002500077990000069
而大范围影响的影响范围涉及多个波长，是相对距离和信号传输频率的函数，如下(2)：
LS(l，f)＝n×10logl+α(f)l (2)
其中，n是度量常数，可以是1，1.5或2，在具体实施例中设为1.5；l是相对距离的变量，α(·)是关于传输频率f的吸收系数函数，用Thorp经验公式(3)来获得：
Figure BDA0002500077990000065
在实施例中我们假设调制解调器工作在同一传输频率下，因此大范围影响函数LS(·)是距离变量的函数，由节点与滑翔机的相对距离决定，因此大范围影响在本发明中由距离状态
Figure BDA0002500077990000076
来表示。
步骤C、滑翔机1对步骤B中所得节点状态指数信息进行排序，选择其中状态指数最大的传感器节点i*收集感应到的海洋数据并在收集完成后在线更新相应的状态指数信息。状态指数的计算基于基廷斯指数策略。本发明的整个过程是一个对传感器节点进行动态规划的过程，在求解动态规划最优解的过程中往往需要大量的计算，出现“维数灾难”即计算复杂度成维数的指数倍增长，在实际应用中造成巨大的消耗。但是应用基廷斯指数策略则可以将n维的求解动态规划最优解分解成n个1维的最优化过程，大大减少了计算复杂度。基廷斯指数策略的总目标是最大化期望总折扣回值：
Figure BDA0002500077990000071
其中，V(x0)是以x0为初始状态的期望总折扣回值；x0是t＝0时刻所有传感器的初始状态向量；E是数学期望；β是折扣因子，β∈(0，1)；在具体实施例中取β＝0.9；
Figure BDA0002500077990000072
代表任意传感器节点i∈{1，...，N}在t时刻的状态，N为传感器节点总数；ri(·)是节点i的由状态决定的回值函数，
Figure BDA0002500077990000077
是选择函数,t时刻传感器节点i是否被选中，表达式如下(5)：
Figure BDA0002500077990000073
因此,
Figure BDA0002500077990000074
通过公式(6)计算传感器节点i的状态指数：
Figure BDA0002500077990000075
其中，vi(xi)是传感器节点i对其任一状态xi的状态指数函数，xi指传感器节点i的状态；
Figure BDA0002500077990000082
指传感器节点i在时刻t的状态；τ是定义在状态空间
Figure BDA0002500077990000083
上的停止时间；
节点的状态指数信息是离线计算，在线更新的，相比于在线计算的方式，本发明中使用的计算方式可以大大减少计算负荷，尤其对于受限于水下环境的硬件设备，可以减少能耗，提高效率。
步骤D、当步骤C中选择的传感器节点i*更新后的指数高于或等于阈值T，则检查节点i*的电量是否能继续通信，若电量允许，则继续选择当前传感器，若电量不允许，则滑翔机选择当前除节点i*外状态指数最大的节点收集数据；当i*的指数低于阈值T时，该传感器节点向滑翔机和其他节点广播其状态指数；其他节点接收到广播信息后向滑翔机发送当前状态指数信息，跳至步骤C，即滑翔机根据所获取的当前各传感器节点的状态指数进行排序并选取当前状态指数最大的传感器节点收集数据；利用阈值T进行选择过的程表达式如下(7)：
Figure BDA0002500077990000081
阈值的添加能够通过减少部分冗余的精准度来大幅度地降低广播频率,平衡数据收集的质量与消耗，延长水下传感网络的使用寿命。而阈值的大小可以根据任务要求设定。
步骤E、当传感器节点的电量都耗尽或剩余电量无法支持下一次通信，即节点死亡，当所有传感器节点2均已死亡，则水下传感网络数据收集过程结束。
利用步骤C、D、E即可得到滑翔机1在水下传感网络中的数据收集方法。具体方法过程如图3所示。
本发明将滑翔机1作为数据收集的平台，相比于现有的利用AUV作为收集平台的方法，从平台的本身设计上就有能耗低和长时间运行的优势；AUV通常使用的路径规划方法的能耗主要产生于对AUV的运动控制上，而在本发明中则避免了维持运动和强行变更路径上的能耗；对于收集数据时产生的通信消耗，本发明使用了步骤C中离线计算、在线更新的方式，考虑了水下设备的受限性，减少了能耗，并且步骤D中进一步地在指数方法上设立阈值，在保证了数据收集质量的同时减少了调度传感器所产生的广播频率，最大化了网络的使用寿命。下表1中比较了现有的三种数据收集方法和本发明所述方法：
表1本发明所述方法与现有典型方法性能比较
Figure BDA0002500077990000091
以上所述为本发明的较佳实施例而已，本发明不应该局限于该实施例和附图所公开的内容。凡是不脱离本发明所公开的精神下完成的等效或修改，都落入本发明保护的范围。

Claims (6)

1.一种基于滑翔机的水下传感网络数据收集方法，依托的水下传感网络包括水下传感节点(2)和滑翔机(1)，其特征在于：包括以下步骤：
步骤A、在海域中部署多个水下传感器节点监测和收集数据；
步骤B、滑翔机首次通过传感器节点部署水域，与通信范围内所有传感器节点握手，唤醒传感器节点，滑翔机离线计算所有传感器节点的可能状态的状态指数，构建状态指数表，滑翔机将离线计算得到的状态指数表发送给所有节点并获取当前所有节点的初始状态指数；滑翔机获取当前所有节点的初始状态指数的方式为传感器节点根据自身状态从滑翔机发送的状态指数表中搜索对应的状态指数，并发送给滑翔机；
其中，所述状态指数的计算基于基廷斯指数策略，基廷斯指数策略的总目标是最大化期望总折扣回值：
Figure FDA0003505676450000011
其中，V(x0)是以x0为初始状态的期望总折扣回值；x0是t＝0时刻所有传感器的初始状态向量；E是数学期望；β是折扣因子，β∈(0，1)；
Figure FDA0003505676450000012
代表任意传感器节点i∈{1，...，N}在t时刻的状态，N为传感器节点总数；ri(·)是节点i的由状态决定的回值函数，
Figure FDA0003505676450000013
是选择函数，t时刻传感器节点i是否被选中，所述选择函数包括：
Figure FDA0003505676450000014
因此，
Figure FDA0003505676450000015
计算传感器节点i的状态指数：
Figure FDA0003505676450000021
其中，vi(xi)是传感器节点i对其任一状态xi的状态指数函数，xi指传感器节点i的状态；
Figure FDA0003505676450000022
指传感器节点i在时刻t的状态；τ是定义在状态空间
Figure FDA0003505676450000023
上的停止时间；
步骤C、滑翔机将获取的各传感器节点的初始状态指数进行排序，选择初始状态指数最大的传感器节点i*收集感应到的海洋数据，并在收集完成后更新相应的状态指数；传感器节点的状态指数是在线更新，在线规划的；
步骤D、当步骤C中选择的传感器节点i*更新后的指数高于或等于阈值T，则检查节点i*的电量是否能继续通信，若电量允许，则继续选择当前传感器，若电量不允许，则滑翔机选择当前除节点i*外状态指数最大的节点收集数据；当i*的指数低于阈值T时，该传感器节点向滑翔机和其他节点广播其状态指数；其他节点接收到广播信息后向滑翔机发送当前状态指数信息，跳至步骤C，即滑翔机根据所获取的当前各传感器节点的状态指数进行排序并选取当前状态指数最大的传感器节点收集数据；
利用阈值T进行选择的表达式如下(1)：
Figure FDA0003505676450000024
步骤E、当传感器节点的电量都耗尽或剩余电量无法支持下一次通信，即节点死亡，当所有传感器节点均已死亡，则水下传感网络数据收集过程结束；节点的状态指数由节点根据当前的状态搜索状态指数表所得；节点所有可能状态所组成的状态空间x由三部分组成：包括水声信道状态
Figure FDA0003505676450000031
节点与滑翔机之间的相对距离状态
Figure FDA0003505676450000032
和节点的剩余能量状态ε三部分，表达式为：
Figure FDA0003505676450000033
2.根据权利要求1所述的一种基于滑翔机的水下传感网络数据收集方法，其特征在于：水下传感器节点具有水声通信模块和多种传感器模块，且水下传感器节点能够与滑翔机实现水声通信。
3.根据权利要求1所述的一种基于滑翔机的水下传感网络数据收集方法，其特征在于：步骤B中，状态指数表中包含所有传感器节点的所有可能状态的状态指数，节点的状态空间包含了节点所有可能的状态。
4.根据权利要求1所述的一种基于滑翔机的水下传感网络数据收集方法，其特征在于：步骤B中，传感器节点的状态指数是离线计算，滑翔机以离线的方式计算所有传感器节点的所有状态相对应的状态指数，构建状态指数表，并储存。
5.根据权利要求1所述的一种基于滑翔机的水下传感网络数据收集方法，其特征在于：步骤B中，传感器节点的状态指数通过查表得到，传感器节点根据自身状态从状态指数表中搜索相对应的状态指数并发送给滑翔机，数据收集时，当周围环境发生变化，传感器节点能够快速、准确地探测信道状况和电量状况。
6.根据权利要求1所述的一种基于滑翔机的水下传感网络数据收集方法，其特征在于：步骤D中，阈值的大小可以根据任务要求设定。
CN202010429714.XA 2020-05-20 2020-05-20 一种基于滑翔机的水下传感网络数据收集方法 Active CN111542016B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010429714.XA CN111542016B (zh) 2020-05-20 2020-05-20 一种基于滑翔机的水下传感网络数据收集方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010429714.XA CN111542016B (zh) 2020-05-20 2020-05-20 一种基于滑翔机的水下传感网络数据收集方法

Publications (2)

Publication Number Publication Date
CN111542016A CN111542016A (zh) 2020-08-14
CN111542016B true CN111542016B (zh) 2022-04-19

Family

ID=71977915

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010429714.XA Active CN111542016B (zh) 2020-05-20 2020-05-20 一种基于滑翔机的水下传感网络数据收集方法

Country Status (1)

Country Link
CN (1) CN111542016B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113162698B (zh) * 2021-03-10 2022-10-04 中国人民解放军海军潜艇学院 一种水下无人航行器异构体组网探测系统及其探测方法
CN115529247B (zh) * 2022-08-22 2024-03-26 天津大学 一种基于时变水声信道的传感器探测网络拓扑控制方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102079373A (zh) * 2009-11-27 2011-06-01 中国科学院沈阳自动化研究所 一种水下滑翔机用低功耗控制系统及其控制方法
CN107276684B (zh) * 2017-07-19 2020-10-09 河海大学常州校区 水下传感器网络中基于auv位置预测的数据收集方法
CN107548029B (zh) * 2017-08-21 2020-05-15 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
KR101994105B1 (ko) * 2018-11-14 2019-06-28 엘아이지넥스원 주식회사 바운스 경로를 결정하는 수중 글라이더 및 이를 이용하는 방법

Also Published As

Publication number Publication date
CN111542016A (zh) 2020-08-14

Similar Documents

Publication Publication Date Title
CN111542016B (zh) 一种基于滑翔机的水下传感网络数据收集方法
Nam Data-gathering protocol-based AUV path-planning for long-duration cooperation in underwater acoustic sensor networks
CN109275099B (zh) 水下无线传感器网络中基于voi的多auv高效数据收集方法
CN112738752B (zh) 一种基于强化学习的wrsn多移动充电器优化调度方法
CN112866911B (zh) 基于q学习的自主水下航行器协助下水下数据收集方法
CN110430547B (zh) UASNs中基于Q-learning的多AUV协作数据收集方法
CN111787500B (zh) 一种基于能量优先的移动充电车辆多目标充电调度方法
Li et al. Online velocity control and data capture of drones for the internet of things: An onboard deep reinforcement learning approach
CN115086915A (zh) 一种高速轨道客车无线感知系统信息传输方法
CN112469103A (zh) 基于强化学习Sarsa算法的水声协作通信路由方法
Khan et al. AUV-assisted energy-efficient clustering in underwater wireless sensor networks
CN107623901B (zh) 一种WRSNs中联合数据收集及能量补给方法
Wen et al. Intelligent multi-AUG ocean data collection scheme in maritime wireless communication network
CN114521023A (zh) Swipt辅助noma-mec系统资源分配建模方法
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
CN110662175B (zh) 一种基于无线可充电传感器网络的移动车速度控制方法
CN112911519A (zh) 一种基于目标距离的wsn线性覆盖休眠调度的路由方法
CN116896777A (zh) 基于强化学习的无人机群通感一体能耗优化方法
CN110544968A (zh) 一种水下无线传感器网络中基于节点移动的协同充电方法
CN111565430A (zh) 一种基于预测轨迹的海洋船舶无线网络路由方法
Zhao et al. A Transmission-Reliable Topology Control Framework Based on Deep Reinforcement Learning for UWSNs
CN113115355B (zh) 一种d2d系统中基于深度强化学习的功率分配方法
Yeow et al. A novel target movement model and energy efficient target tracking in sensor networks
CN115061482A (zh) 一种波浪滑翔器全局路径规划方法及系统
CN112613640A (zh) 异构auv协同的水下信息采集系统及能量优化方法

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
GR01 Patent grant
GR01 Patent grant