CN111542020A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN111542020A CN111542020A CN202010372425.0A CN202010372425A CN111542020A CN 111542020 A CN111542020 A CN 111542020A CN 202010372425 A CN202010372425 A CN 202010372425A CN 111542020 A CN111542020 A CN 111542020A
- Authority
- CN
- China
- Prior art keywords
- auv
- cluster
- state
- data
- node
- 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
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]
-
- 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
- H04W40/00—Communication routing or communication path finding
- H04W40/24—Connectivity information management, e.g. connectivity discovery or connectivity update
- H04W40/32—Connectivity information management, e.g. connectivity discovery or connectivity update for defining a routing cluster membership
-
- 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
-
- 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)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种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,包括如下步骤:(1)水下网络的节点状态感知与区域划分;(2)多AUV的状态预测;(3)AUV的数据收集路径规划及更新;(4)调度式数据转发。本发明在网络区域划分的基础上,利用多AUV的空间分布特性和快速灵活的能点,执行有效的数据收集方法,多AUV协作式收集在满足当前业务需求的同时,可以有效提高水下数据收集效率,均衡网络的能量消耗,降低数据收集延迟,延长网络的使用寿命。
Description
技术领域
本发明属于水声传感器网络多AUV数据收集技术领域,具体涉及一种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。
背景技术
水下无线传感器网络中的节点随机部署在应用系统感兴趣的监测区域,节点通过自组织的方式形成水下无线传感器网络。在水下环境中执行数据收集任务,至少需要普通传感器节点、汇聚节点(Sink)和任务管理中心三个模块。普通节点可以通过多跳的方式利用声学通信将感知到的数据发送给Sink,也可以通过成簇机制,利用簇头收集簇内节点的数据,再通过簇间多跳发送给Sink。Sink通过无线波通信将汇聚的信息发送到任务管理中心,使其可以做出及时的应对策略。传感器节点实时监测兴趣区域的动态信息,当某一区域的节点感知到大量相同的数据或者多个节点出现数据溢出等溢出时,说明该区域中有水下紧急事件发生。
水下无线传感器网络在区域监测、自然资源发现、水下目标追踪和敌军侦查等方面具有难以估量的作用。在水下无线传感器网络的研究中,可以大致的分为数据收集、节点定位、网络拓扑控制、安全加密和节点充电等研究方向,而数据收集技术作为基础研究内容中的关键技术,结合水下环境特点对其进行深入地研究具有深远的意义。水下无线传感器网络的显著特点有:
(1)网络规模大。由于水下环境不是静态的环境,无法规划特定的区域边界,很难去控制水下无线传感器网络的大小。同时,普通节点的感知范围与数据传输范围有限,需要在环境中部署大量的传感器节点;
(2)节点能量有限。部署于水下的节点受成本和体积的制约,节点的电量只能由电池提供,更换电池和补充电量都很困难。节点能量耗完即死亡,容易导致不易察觉的路由空洞,影响网络的性能;
(3)水下声学信号衰减严重。由于水下环境的复杂特征且声波在传播过程中存在吸收损失和扩散损失,因此,声学信号传输越远其衰减越严重。这种特性极大限制了水下通信的可选择频率,不可避免的带来了高时延和低传输成功率的问题;
(4)节点定位问题。与陆地传感器节点不同,受水流和海风影响,水下传感器位置是动态变化的,具有不确定性,很难通过GPS来定位,而基于声学信号的定位方式存在精度不高和耗费时间过长等问题。
随着科学技术的不断发展,针对水下无线传感器网络的研究引进了更先进的软硬件设备。自主式水下航行器(AUV)是水下无人航行器(UUV)的一种,当前已经综合了人工智能和其他先进计算技术,在水下数据收集领域发挥着不可替代的作用。部署在水下的AUV由于能量充足、受水流影响小等特点,可以按照一定的路径巡航访问普通节点。多AUV更可以采用集中式和分布式的方式协同工作,大大提高数据收集的效率。部署AUV的网络具备较强的可扩展性,面对不同的应用环境和需求,往往通过设置不同的工作方式来完成任务。
水下无线传感器网络具有很高的研究价值,对全面研究海洋特性,开发和保护海洋具有十分重要的意义。在最近的国际研究进展中,一种新的球形节点能够控制信号的方式来预定所在深度,AUV可以搭载水下节点成为水下移动节点,可以持续不断地收集水下信息。我国对海洋环境深入探索已经开始,但在水下无线传感器网络方面的研究才刚刚起步,主要的研究机构有中国科学院声学研究所、中国科学院海洋研究所、中国科学院自动化研究所、哈尔滨工程大学、厦门大学和中国海洋大学等,主要针对水声通信技术、组网协议、体系结构等展开研究。
发明内容
针对上述问题,本发明提出一种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,在随机部署的水下无线传感器网络中,经过区域划分和多AUV的路径规划,利用多AUV收集子区域的数据,均衡了网络能量,延长了网络寿命。
实现上述技术目的,达到上述技术效果,本发明通过以下技术方案实现:
一种水下无线传感器网络中基于VOI的多AUV高效数据收集方法,包括以下步骤:
(1)水下网络的节点状态感知与区域划分
收集的节点状态信息包括连通性、覆盖范围、剩余能量和存储利用率的数据,同时周期性的监测来评估节点状态的动态变化;在网络完成节点状态感知后,组成队列的AUV通过执行交叉割草机路径访问簇头节点,管理节点利用所有簇的状态信息进行网络的区域划分;
(2)多AUV的状态预测
通过多AUV的状态预测,使多AUV之间的信息实现共享,获取其他AUV的数据收集状态,使整体的多AUV数据收集协作策略均衡;
(3)AUV的数据收集路径规划及更新
每个AUV负责一个子区域的数据收集任务并完成子区域内多个簇的数据收集,根据AUV的状态,及时调整所负责区域内簇的数量。AUV的数据收集路径规划及更新追求降低AUV移动路径和增大数据收集量之间的平衡;
(4)调度式数据转发
当多AUV向移动Sink发送收集的数据时,要保证Sink节点收到的数据不受干扰,或者最大化可能受到干扰的重叠时隙,设计的多AUV分布式调度机制,以提高水下网络的吞吐量。
上述步骤(1)中节点状态感知的具体步骤如下:
在网络中的节点组织成簇后,簇内节点将数据转发给簇头,簇头再将数据转发给AUV;簇头通过节点状态感知得到簇内的状态参数并建立状态参数表,同时,簇内的每个节点在状态感知过程中建立自己的邻居列表,并和簇头节点执行时间同步过程;
簇头节点首先在通信半径内广播PERCEIVE_beacon,簇头通信范围内的节点收到PERCEIVE_beacon后,设置距离簇头跳数为1,并记录自己的剩余能量等信息,向簇头回复PERCEIVE_beacon_reply信标。节点同样广播一个PERCEIVE_beacon,距离簇头跳数加1;簇内的节点陆续收到PERCEIVE_beacon和发送PERCEIVE_beacon_reply的同时,建立并维护自己的邻居表,邻居节点的状态设置为Direct Access或Indirect Access;当节点收到通信范围内的节点信标,将此节点状态设置为Direct Access,同时记录该节点的坐标和能量信息;对于收到的不在自己通信范围的节点信标,会被标记为Indirect Access,只记录该节点的坐标信息。AUV访问簇头并进行数据收集时,同时获取簇头的状态参数,管理节点通过这些状态参数对网络进行合理划分,使多AUV在执行所负责区域的收集任务时达到负载均衡。
上述步骤(2)中多AUV状态预测不借助多AUV的直接通信,以非实时方式预测其他AUV状态,并获取对方执行任务的信息,从而对自身的数据收集任务进行调整,实现多AUV的间接信息交互,加强多AUV之间的协作;通过计算子区域之间的距离,子区域S1和S2的距离为:
dS1,S2=min{d(Ci,S1,Cj,S2)|Ci,S1∈S1,Ci,S2∈S2},其中d(Ci,S1,Cj,S2)表示簇头之间的距离,满足上述公式的簇C1,S1→S2和C1,S2→S1分别表示子区域S1中对子区域S2的AUV进行状态观测的簇和子区域S2中对子区域S1的AUV进行状态观测的簇,通过上述规则选择的两个簇是两个区域中距离最近的相邻簇,也称之为最相邻状态观测簇;在除上述两簇外,再按上述规则寻找第二对最近相邻簇C2,S1→S2和C2,S2→S1,称之为次相邻状态观测簇。同理,按照上述规则选择子区域S1、S2、S3之间的相邻状态观测簇。通过状态观测簇可以获得相邻子区域中AUV的状态信息,状态信息包括AUV编号、该簇收集数据包的信息价值VoIC、该簇数据收集时长TC、数据收集进度ProVoI和能量消耗进度ProE。状态观测簇的簇头立即将本区域的AUV状态信息发送至相邻观测簇,相邻观测簇的簇头等待AUV访问并报告此状态信息。通过公式
对相邻区域AUV的状态进行预测,其中α为调整参数,VoItotal表示AUV一轮收集所获得的数据量,访问簇头的总时间用TCtotal来表示;因此,AUV在对子区域进行一轮数据收集过程中,利用两组状态观测簇,可以两次获得相邻子区域AUV的状态信息,并根据预测函数计算相邻子区域AUV的状态,多AUV通过状态比对和路径更新来调整自身负责子区域中簇的数量,优化数据收集的路径。
上述步骤(3)中AUV利用子区域中的两组状态观测簇和区域中心确定两个基平面,在子区域S1中,簇C1,S1→S2和C2,S1→S2的簇头坐标分别为(x1,S1→S2,y1,S1→S2,z1,S1→S2)和(x2,S1→S2,y2,S1→S2,z2,S1→S2),子区域中心的坐标为(xcentre,S1,ycentre,S1,zcentre,S1),三点确定的基平面PlaneS1→S2表示为同样利用另一组状态观测簇和区域中心确定基平面PlaneS1→S3;对于子区域1中的任一簇Ci,S1,簇头坐标为(xi,S1,yi,S1,zi,S1),计算其到两平面的距离分别为和如果小于则称簇Ci,S1为平面PlaneS1→S2的任务簇,否则为平面PlaneS1→S3的任务簇。在平面PlaneS1→S2的任务簇中,建立集合并将集合K中最外层的簇连接起来构成三维多边形,其构成的路径为PathS1→S2;迭代式的将集合K中的其他簇加入到路径PathS1→S2中,遵循最大回报原则;因此,簇Ci,S1会加入PathS1→S2中使得回报最高的链路,此时重新更新PathS1→S2;重复这一过程直到集合K中所有簇被添加到路径中;对于不在集合K的任务簇,簇头节点基于相邻簇头节点的信息计算权重并选择合适的邻居簇头作为下一跳转发节点,直到将数据转发到PathS1→S2中的簇头;权重计算公式为其中α、β、γ为0到1之间的权重系数,Eres(Ci)和E0表示邻居簇头节点剩余能量和初始能量,Dnetwork表示网络最长水平距离,而Count表示簇头向邻居簇头节点转发数据包的次数,ppackage为转发概率。
上述步骤(4)中多AUV分布式调度机制的具体步骤如下:
当移动Sink周期下潜进行数据收集时,规定AUV在移动Sink完整穿越自身通信区域且独占通信信道时能够及时完成数据转发。当在移动Sink的通信范围内,同一时刻只存在一个AUV进行数据转发;移动Sink在移动过程中按顺序对通信范围内的不同位置的AUV进行数据收集;当在移动Sink的通信范围内,同一时刻存在两个或多个AUV进行数据转发;在每次数据转发开始之前,按照AUV所处深度,由浅至深将AUV命名为A、B、C,移动Sink获取各AUV的数据转发所要消耗的时间为TA、TB、TC,利用AUV的坐标及通信半径计算出三个AUV与移动Sink通信时的时隙重叠区域,每一个时隙重叠区域的垂直距离为dAB、dBC、dAC,移动Sink的通信半径rs与AUV通信半径相同,移动速度为vs;调度式数据转发策略的原则是确保距水面近的AUV优先完成数据转发,减少移动Sink上升阶段的数据收集时长。当dAB×dBC=0且dAB+dBC>0时,仅有两个AUV存在数据转发干扰,则将干扰时段分配给低深度的AUV进行数据转发;当dAB>0,dBC>0,dAC=0时,深度相邻的AUV存在数据转发干扰。在时,干扰时段tAB分配给B,此时若干扰时段tBC也分配给B,否则分配给C。在时,干扰时段tAB分配给A,此时若且时,干扰时段tBC分配给B,否则分配给C;当dAC>0时,三个AUV不仅存在共同的数据转发干扰时段,而且深度相邻的AUV存在数据转发干扰时段较长,在移动Sink下降数据收集阶段,停止B的数据转发,先对A和C进行干扰时段分配,在移动Sink上升阶段,再对B进行完成数据收集。
本发明的有益效果:
本发明通过利用多AUV的空间分布特性以及资源分布的特点,可以有效解决水下无线传感器网络中的复杂数据收集任务,多AUV协作的数据收集方式具有较好的容错能力并提高系统鲁棒性,其高可靠和低延迟的优势是单AUV系统不具备的。三维的水下区域划分与AUV路径规划结合,动态收集网络中的数据,均衡了网络能量消耗,延长了网络寿命。
附图说明
图1为本发明一种实施例的网络模型图;
图2为本发明一种实施例的相邻状态观测簇图;
图3为本发明一种实施例的空间平面构建AUV航行路径图;
图4为本发明一种实施例的多AUV驻留情况图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
下面结合附图对本发明的应用原理作详细的描述。
在部署水下无线传感器网络时,由于水下环境的复杂特性,节点的分布情况往往是随机且密度不均的。为了减少节点的能量消耗,延长网络的寿命,采用特定机制分簇,多AUV将收集到的簇头数据发送给移动Sink。将此网络进行建模处理,如图1所示。
同构节点随机部署在兴趣区域,能量和通信范围有限,地理位置已知。节点按照特定机制成簇。由于声学信号传输速度慢,带宽较低,且受水下路由空洞的影响,多AUV的应用为此种普遍情况的数据收集工作提供了可能。移动Sink作为汇聚中心,在区域的特定位置做恒定速度的垂直运动。应用系统能够对此网络的数据总流量进行预测估计,并按照网络的分布区域大小以及网络的数据总流量确定多AUV的部署数量。因此,本发明提出一种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,包括以下步骤:
步骤一、水下网络的节点状态感知与区域划分
在网络中的节点组织成簇后,簇内节点将数据转发给簇头,簇头再将数据转发给AUV;簇头通过节点状态感知得到簇内的状态参数并建立状态参数表,同时,簇内的每个节点在状态感知过程中建立自己的邻居列表,并和簇头节点执行时间同步过程;簇头节点首先在通信半径内广播PERCEIVE_beacon,簇头通信范围内的节点收到PERCEIVE_beacon后,设置距离簇头跳数为1,并记录自己的剩余能量等信息,向簇头回复PERCEIVE_beacon_reply信标,节点同样广播一个PERCEIVE_beacon,距离簇头跳数加1;簇内的节点陆续收到PERCEIVE_beacon和发送PERCEIVE_beacon_reply的同时,建立并维护自己的邻居表,邻居节点的状态设置为Direct Access或Indirect Access;当节点收到通信范围内的节点信标,将此节点状态设置为Direct Access,同时记录该节点的坐标和能量信息;对于收到的不在自己通信范围的节点信标,会被标记为Indirect Access,只记录该节点的坐标信息;AUV访问簇头并进行数据收集时,同时获取簇头的状态参数,管理节点通过这些状态参数对网络进行合理划分,使多AUV在执行所负责区域的收集任务时达到负载均衡。
步骤二、多AUV的状态预测
三维水下环境中,多AUV状态预测不借助多AUV的直接通信,以非实时方式预测其他AUV状态,并获取对方执行任务的信息,从而对自身的数据收集任务进行调整,实现多AUV的间接信息交互,加强多AUV之间的协作;通过计算子区域之间的距离,子区域S1和S2的距离为:
dS1,S2=min{d(Ci,S1,Cj,S2)|Ci,S1∈S1,Ci,S2∈S2},其中d(Ci,S1,Cj,S2)表示簇头之间的距离,满足上述公式的簇C1,S1→S2和C1,S2→S1分别表示子区域S1中对子区域S2的AUV进行状态观测的簇和子区域S2中对子区域S1的AUV进行状态观测的簇,通过上述规则选择的两个簇是两个区域中距离最近的相邻簇,也称之为最相邻状态观测簇,如图2所示;在除上述两簇外,再按上述规则寻找第二对最近相邻簇C2,S1→S2和C2,S2→S1,称之为次相邻状态观测簇。同理,按照上述规则选择子区域S1、S2、S3之间的相邻状态观测簇。通过状态观测簇可以获得相邻子区域中AUV的状态信息,状态信息包括AUV编号、该簇收集数据包的信息价值VoIC、该簇数据收集时长TC、数据收集进度ProVoI和能量消耗进度ProE。状态观测簇的簇头立即将本区域的AUV状态信息发送至相邻观测簇,相邻观测簇的簇头等待AUV访问并报告此状态信息;通过公式对相邻区域AUV的状态进行预测,其中α为调整参数,VoItotal表示AUV一轮收集所获得的数据量,访问簇头的总时间用来表示;因此,AUV在对子区域进行一轮数据收集过程中,利用两组状态观测簇,可以两次获得相邻子区域AUV的状态信息,并根据预测函数计算相邻子区域AUV的状态,多AUV通过状态比对和路径更新来调整自身负责子区域中簇的数量,优化数据收集的路径。
步骤三、AUV的数据收集路径规划及更新
AUV利用子区域中的两组状态观测簇和区域中心确定两个基平面,在子区域S1中,簇C1,S1→S2和C2,S1→S2的簇头坐标分别为(x1,S1→S2,y1,S1→S2,z1,S1→S2)和(x2,S1→S2,y2,S1→S2,z2,S1→S2),子区域中心的坐标为(xcentre,S1,ycentre,S1,zcentre,S1),三点确定的基平面PlaneS1→S2表示为同样利用另一组状态观测簇和区域中心确定基平面PlaneS1→S3。对于子区域1中的任一簇Ci,S1,簇头坐标为(xi,S1,yi,S1,zi,S1),计算其到两平面的距离分别为和如果小于则称簇Ci,S1为平面PlaneS1→S2的任务簇,否则为平面PlaneS1→S3的任务簇;在平面PlaneS1→S2的任务簇中,建立集合并将集合K中最外层的簇连接起来构成三维多边形,其构成的路径为PathS1→S2,如图3所示;迭代式的将集合K中的其他簇加入到路径PathS1→S2中,遵循最大回报原则;因此,簇Ci,S1会加入PathS1→S2中使得回报最高的链路,此时重新更新PathS1→S2;重复这一过程直到集合K中所有簇被添加到路径中。对于不在集合K的任务簇,簇头节点基于相邻簇头节点的信息计算权重并选择合适的邻居簇头作为下一跳转发节点,直到将数据转发到PathS1→S2中的簇头;权重计算公式为其中α、β、γ为0到1之间的权重系数,Eres(Ci)和E0表示邻居簇头节点剩余能量和初始能量,Dnetwork表示网络最长水平距离,而Count表示簇头向邻居簇头节点转发数据包的次数,ppackage为转发概率。
步骤四、调度式数据转发
当移动Sink周期下潜进行数据收集时,如图4所示,规定AUV在移动Sink完整穿越自身通信区域且独占通信信道时能够及时完成数据转发;当在移动Sink的通信范围内,同一时刻只存在一个AUV进行数据转发;移动Sink在移动过程中按顺序对通信范围内的不同位置的AUV进行数据收集;当在移动Sink的通信范围内,同一时刻存在两个或多个AUV进行数据转发;在每次数据转发开始之前,按照AUV所处深度,由浅至深将AUV命名为A、B、C,移动Sink获取各AUV的数据转发所要消耗的时间为TA、TB、TC,利用AUV的坐标及通信半径计算出三个AUV与移动Sink通信时的时隙重叠区域,每一个时隙重叠区域的垂直距离为dAB、dBC、dAC,移动Sink的通信半径rs与AUV通信半径相同,移动速度为vs;调度式数据转发策略的原则是确保距水面近的AUV优先完成数据转发,减少移动Sink上升阶段的数据收集时长;当dAB×dBC=0且dAB+dBC>0时,仅有两个AUV存在数据转发干扰,则将干扰时段分配给低深度的AUV进行数据转发;当dAB>0,dBC>0,dAC=0时,深度相邻的AUV存在数据转发干扰。在时,干扰时段tAB分配给B,此时若干扰时段tBC也分配给B,否则分配给C。在时,干扰时段tAB分配给A,此时若且时,干扰时段tBC分配给B,否则分配给C;当dAC>0时,三个AUV不仅存在共同的数据转发干扰时段,而且深度相邻的AUV存在数据转发干扰时段较长,在移动Sink下降数据收集阶段,停止B的数据转发,先对A和C进行干扰时段分配,在移动Sink上升阶段,再对B进行完成数据收集。
综上所述:
本发明公开了一种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,节点状态信息包括连通性、覆盖范围、剩余能量和存储利用率等数据。接着,在三维水下环境中根据不同簇的多项属性特征进行网络的区域划分。多AUV场景中通过多AUV的状态预测,获取其他AUV的数据收集状态,并进行路径规划和更新,使整体的多AUV数据收集协作策略均衡,最后,通过调度式转发策略,保证Sink收到的数据不受干扰并最大化可能受到干扰的重叠时隙,以提高水下网络的吞吐量。
以上显示和描述了本发明的基本原理、主要特征以及本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (5)
1.一种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,其特征在于,包括以下步骤:
(1)水下网络的节点状态感知与区域划分
收集的节点状态信息包括连通性、覆盖范围、剩余能量和存储利用率的数据,同时周期性的监测来评估节点状态的动态变化;在网络完成节点状态感知后,组成队列的AUV通过执行交叉割草机路径访问簇头节点,管理节点利用所有簇的状态信息进行网络的区域划分;
(2)多AUV的状态预测
通过多AUV的状态预测,获取其他AUV的数据收集状态,使多AUV之间的信息实现共享,使整体的多AUV数据收集协作策略均衡;
(3)AUV的数据收集路径规划及更新
每个AUV负责一个子区域的数据收集任务并完成子区域内多个簇的数据收集,根据AUV的状态,及时调整所负责区域内簇的数量。AUV的数据收集路径规划及更新追求降低AUV移动路径和增大数据收集量之间的平衡;
(4)调度式数据转发
当多AUV向移动Sink发送收集的数据时,要保证Sink节点收到的数据不受干扰,或者最大化可能受到干扰的重叠时隙,设计多AUV分布式调度机制,以提高水下网络的吞吐量。
2.根据权利要求1所述的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,其特征在于:所述步骤(1)中节点状态感知的具体步骤如下:
在网络中的节点组织成簇后,簇内节点将数据转发给簇头,簇头再将数据转发给AUV;簇头通过节点状态感知得到簇内的状态参数并建立状态参数表,同时,簇内的每个节点在状态感知过程中建立自己的邻居列表,并和簇头节点执行时间同步过程;
簇头节点首先在通信半径内广播PERCEIVE_beacon,簇头通信范围内的节点收到PERCEIVE_beacon后,设置距离簇头跳数为1,并记录自己的剩余能量等信息,向簇头回复PERCEIVE_beacon_reply信标,节点同样广播一个PERCEIVE_beacon,距离簇头跳数加1;簇内的节点陆续收到PERCEIVE_beacon和发送PERCEIVE_beacon_reply的同时,建立并维护自己的邻居表,邻居节点的状态设置为Direct Access或Indirect Access;当节点收到通信范围内的节点信标,将此节点状态设置为Direct Access,同时记录该节点的坐标和能量信息;对于收到的不在自己通信范围的节点信标,会被标记为Indirect Access,只记录该节点的坐标信息;AUV访问簇头并进行数据收集时,同时获取簇头的状态参数,管理节点通过这些状态参数对网络进行合理划分,使多AUV在执行所负责区域的收集任务时达到负载均衡。
3.根据权利要求1所述的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,其特征在于:所述步骤(2)中多AUV状态预测不借助多AUV的直接通信,以非实时方式预测其他AUV状态,并获取对方执行任务的信息,从而对自身的数据收集任务进行调整,实现多AUV的间接信息交互,加强多AUV之间的协作;
通过计算子区域之间的距离,子区域S1和S2的距离为:dS1,S2=min{d(Ci,S1,Cj,S2)|Ci,S1∈S1,Ci,S2∈S2},其中d(Ci,S1,Cj,S2)表示簇头之间的距离,满足上述公式的簇C1,S1→S2和C1,S2→S1分别表示子区域S1中对子区域S2的AUV进行状态观测的簇和子区域S2中对子区域S1的AUV进行状态观测的簇,通过上述规则选择的两个簇是两个区域中距离最近的相邻簇,也称之为最相邻状态观测簇;在除上述两簇外,再按上述规则寻找第二对最近相邻簇C2,S1→S2和C2,S2→S1,称之为次相邻状态观测簇;同理,按照上述规则选择子区域S1、S2、S3之间的相邻状态观测簇;通过状态观测簇可以获得相邻子区域中AUV的状态信息,状态信息包括AUV编号、该簇收集数据包的信息价值VoIC、该簇数据收集时长TC、数据收集进度ProVoI和能量消耗进度ProE;状态观测簇的簇头立即将本区域的AUV状态信息发送至相邻观测簇,相邻观测簇的簇头等待AUV访问并报告此状态信息;通过公式对相邻区域AUV的状态进行预测,其中α为调整参数,VoItotal表示AUV一轮收集所获得的数据量,访问簇头的总时间用TCtotal来表示;因此,AUV在对子区域进行一轮数据收集过程中,利用两组状态观测簇,可以两次获得相邻子区域AUV的状态信息,并根据预测函数计算相邻子区域AUV的状态,多AUV通过状态比对和路径更新来调整自身负责子区域中簇的数量,优化数据收集的路径。
4.根据权利要求3所述的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,其特征在于:所述步骤(3)中AUV利用子区域中的两组状态观测簇和区域中心确定两个基平面,在子区域S1中,簇C1,S1→S2和C2,S1→S2的簇头坐标分别为(x1,S1→S2,y1,S1→S2,z1,S1→S2)和(x2,S1→S2,y2,S1→S2,z2,S1→S2),子区域中心的坐标为(xcentre,S1,ycentre,S1,zcentre,S1),三点确定的基平面PlaneS1→S2表示为同样利用另一组状态观测簇和区域中心确定基平面PlaneS1→S3;对于子区域1中的任一簇Ci,S1,簇头坐标为(xi,S1,yi,S1,zi,S1),计算其到两平面的距离分别为di,PlaneS1→S2和di,PlaneS1→S3,如果di,PlaneS1→S2小于di,PlaneS1→S3,则称簇Ci,S1为平面PlaneS1→S2的任务簇,否则为平面PlaneS1→S3的任务簇;在平面PlaneS1→S2的任务簇中,建立集合K={Ci,S1|di,PlaneS1→S2<rn},并将集合K中最外层的簇连接起来构成三维多边形,其构成的路径为PathS1→S2;迭代式的将集合K中的其他簇加入到路径PathS1→S2中,遵循最大回报原则;因此,簇Ci,S1会加入PathS1→S2中使得回报最高的链路,此时重新更新PathS1→S2;重复这一过程直到集合K中所有簇被添加到路径中;对于不在集合K的任务簇,簇头节点基于相邻簇头节点的信息计算权重并选择合适的邻居簇头作为下一跳转发节点,直到将数据转发到PathS1→S2中的簇头;权重计算公式为其中α、β、γ为0到1之间的权重系数,Eres(Ci)和E0表示邻居簇头节点剩余能量和初始能量,Dnetwork表示网络最长水平距离,而Count表示簇头向邻居簇头节点转发数据包的次数,ppackage为转发概率。
5.根据权利要求1所述的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,其特征在于:所述步骤(4)中多AUV分布式调度机制的具体步骤如下:
当移动Sink周期下潜进行数据收集时,规定AUV在移动Sink完整穿越自身通信区域且独占通信信道时能够及时完成数据转发;当在移动Sink的通信范围内,同一时刻只存在一个AUV进行数据转发;移动Sink在移动过程中按顺序对通信范围内的不同位置的AUV进行数据收集;
当在移动Sink的通信范围内,同一时刻存在两个或多个AUV进行数据转发;在每次数据转发开始之前,按照AUV所处深度,由浅至深将AUV命名为A、B、C,移动Sink获取各AUV的数据转发所要消耗的时间为TA、TB、TC,利用AUV的坐标及通信半径计算出三个AUV与移动Sink通信时的时隙重叠区域,每一个时隙重叠区域的垂直距离为dAB、dBC、dAC,移动Sink的通信半径rs与AUV通信半径相同,移动速度为vs;
调度式数据转发策略的原则是确保距水面近的AUV优先完成数据转发,减少移动Sink上升阶段的数据收集时长;当dAB×dBC=0且dAB+dBC>0时,仅有两个AUV存在数据转发干扰,则将干扰时段分配给低深度的AUV进行数据转发;当dAB>0,dBC>0,dAC=0时,深度相邻的AUV存在数据转发干扰;在时,干扰时段tAB分配给B,此时若干扰时段tBC也分配给B,否则分配给C;在时,干扰时段tAB分配给A,此时若且时,干扰时段tBC分配给B,否则分配给C;当dAC>0时,三个AUV不仅存在共同的数据转发干扰时段,而且深度相邻的AUV存在数据转发干扰时段较长,在移动Sink下降数据收集阶段,停止B的数据转发,先对A和C进行干扰时段分配,在移动Sink上升阶段,再对B进行完成数据收集。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010372425.0A CN111542020B (zh) | 2020-05-06 | 2020-05-06 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010372425.0A CN111542020B (zh) | 2020-05-06 | 2020-05-06 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111542020A true CN111542020A (zh) | 2020-08-14 |
CN111542020B CN111542020B (zh) | 2023-06-13 |
Family
ID=71980264
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010372425.0A Active CN111542020B (zh) | 2020-05-06 | 2020-05-06 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111542020B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112469101A (zh) * | 2020-11-10 | 2021-03-09 | 桂林电子科技大学 | 基于深度与能量加权和转发区域划分的水下机会路由 |
CN113074725A (zh) * | 2021-05-11 | 2021-07-06 | 哈尔滨工程大学 | 一种基于多源信息融合的小型水下多机器人协同定位方法及系统 |
CN113179134A (zh) * | 2021-04-02 | 2021-07-27 | 河海大学 | 一种基于辅助区的水下数据传输方法 |
CN113965948A (zh) * | 2021-12-02 | 2022-01-21 | 辽宁铭钉科技有限公司 | 一种基于自适应分簇网络的传感器数据采集方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106304235A (zh) * | 2016-08-22 | 2017-01-04 | 广东工业大学 | 一种wsn中基于等级区域划分的协作式分簇路由通信方法 |
CN108683468A (zh) * | 2018-04-27 | 2018-10-19 | 河海大学常州校区 | 基于数据预测的水下传感网络中auv移动数据收集算法 |
CN109275099A (zh) * | 2018-09-26 | 2019-01-25 | 河海大学常州校区 | 水下无线传感器网络中基于voi的多auv高效数据收集方法 |
CN110430547A (zh) * | 2019-07-24 | 2019-11-08 | 河海大学常州校区 | UASNs中基于Q-learning的多AUV协作数据收集算法 |
-
2020
- 2020-05-06 CN CN202010372425.0A patent/CN111542020B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106304235A (zh) * | 2016-08-22 | 2017-01-04 | 广东工业大学 | 一种wsn中基于等级区域划分的协作式分簇路由通信方法 |
CN108683468A (zh) * | 2018-04-27 | 2018-10-19 | 河海大学常州校区 | 基于数据预测的水下传感网络中auv移动数据收集算法 |
CN109275099A (zh) * | 2018-09-26 | 2019-01-25 | 河海大学常州校区 | 水下无线传感器网络中基于voi的多auv高效数据收集方法 |
CN110430547A (zh) * | 2019-07-24 | 2019-11-08 | 河海大学常州校区 | UASNs中基于Q-learning的多AUV协作数据收集算法 |
Non-Patent Citations (1)
Title |
---|
高菲等: "基于MFC的AUV多传感器数据采集系统设计及测试", 《现代电子技术》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112469101A (zh) * | 2020-11-10 | 2021-03-09 | 桂林电子科技大学 | 基于深度与能量加权和转发区域划分的水下机会路由 |
CN112469101B (zh) * | 2020-11-10 | 2022-04-22 | 桂林电子科技大学 | 基于深度与能量加权和转发区域划分的水下机会路由 |
CN113179134A (zh) * | 2021-04-02 | 2021-07-27 | 河海大学 | 一种基于辅助区的水下数据传输方法 |
CN113179134B (zh) * | 2021-04-02 | 2023-11-28 | 河海大学 | 一种基于辅助区的水下数据传输方法 |
CN113074725A (zh) * | 2021-05-11 | 2021-07-06 | 哈尔滨工程大学 | 一种基于多源信息融合的小型水下多机器人协同定位方法及系统 |
CN113965948A (zh) * | 2021-12-02 | 2022-01-21 | 辽宁铭钉科技有限公司 | 一种基于自适应分簇网络的传感器数据采集方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111542020B (zh) | 2023-06-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111542020B (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 | |
Arafat et al. | A survey on cluster-based routing protocols for unmanned aerial vehicle networks | |
Nazib et al. | Energy-efficient and fast data collection in UAV-aided wireless sensor networks for hilly terrains | |
Han et al. | District partition-based data collection algorithm with event dynamic competition 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 | |
Ho et al. | Optimization of wireless sensor network and UAV data acquisition | |
Zhang et al. | Cellular clustering-based interference-aware data transmission protocol for underwater acoustic sensor networks | |
Misra et al. | Game-theoretic topology controlfor opportunistic localization in sparse underwater sensor networks | |
CN108684005B (zh) | 基于som的水下传感网中多auv高效数据收集方法 | |
Sun et al. | Energy efficient collaborative beamforming for reducing sidelobe in wireless sensor networks | |
Han et al. | Multi-AUV collaborative data collection algorithm based on Q-learning in underwater acoustic sensor networks | |
CN110430547B (zh) | UASNs中基于Q-learning的多AUV协作数据收集方法 | |
Ma et al. | UAV-aided cooperative data collection scheme for ocean monitoring networks | |
CN113759971B (zh) | 一种面向无人机协同侦察的路径规划方法 | |
Senel et al. | Autonomous deployment of sensors for maximized coverage and guaranteed connectivity in underwater acoustic sensor networks | |
Ovaliadis et al. | Energy efficiency in underwater sensor networks: A research review | |
Ma et al. | UAV-assisted data collection for ocean monitoring networks | |
Rady et al. | Comprehensive survey of routing protocols for Mobile Wireless Sensor Networks | |
Wang et al. | A software-defined clustering mechanism for underwater acoustic sensor networks | |
Iyengar | Scalable infrastructure for distributed sensor networks | |
Senel | Coverage‐aware connectivity‐constrained unattended sensor deployment in underwater acoustic sensor networks | |
Chelbi et al. | A new hybrid routing protocol for wireless sensor networks | |
He et al. | State prediction-based data collection algorithm in underwater acoustic sensor networks | |
Menon et al. | Towards energy-efficient and delay-optimized opportunistic routing in underwater acoustic sensor networks for IoUT platforms: an overview and new suggestions | |
CN109327891B (zh) | 水下传感器网络中基于三维拓扑控制的集群休眠唤醒方法 |
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 |