CN111711974A - 基于轨迹预测的飞行自组织网络能量有效型机会路由方法 - Google Patents
基于轨迹预测的飞行自组织网络能量有效型机会路由方法 Download PDFInfo
- Publication number
- CN111711974A CN111711974A CN202010661558.XA CN202010661558A CN111711974A CN 111711974 A CN111711974 A CN 111711974A CN 202010661558 A CN202010661558 A CN 202010661558A CN 111711974 A CN111711974 A CN 111711974A
- Authority
- CN
- China
- Prior art keywords
- node
- trajectory
- nodes
- neighbor
- energy
- 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
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
-
- 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
-
- 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
-
- 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
- H04W40/22—Communication route or path selection, e.g. power-based or shortest path routing using selective relaying for reaching a BTS [Base Transceiver Station] or an access point
-
- 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
-
- 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)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
基于轨迹预测的飞行自组织网络能量有效型机会路由方法,在选择中继节点时考虑了三个因素:节点轨迹度量值、剩余能量和缓冲空间。通过对节点轨迹的预测,可以进一步计算节点的轨迹度量值,作为我们确定候选节点的依据。首先介绍节点轨迹预测的方法,然后给出轨迹度量值的计算公式。最后,我们设计一个效用函数来综合考虑以上三个因素,并在此基础上描述中继节点的选择策略。合理布置飞行自组织网络的网络路由方案,减少节点能量消耗。
Description
技术领域
本发明涉及无人机侦探技术,具体说的是基于轨迹预测的飞行自组织网络能量有效型机会路由方法。
背景技术
目前用于军事侦察和目标监视的方法主要包含卫星遥感侦察、载人飞机侦察、无人机侦察等。其中,卫星遥感侦查技术主要利用遥感卫星进行大范围的环境侦查,使用成本较高。相比于无人机侦查,载人飞机侦查法不仅存在人员伤亡的风险,而且飞行时间有限,侦查效率低。无人机侦查由于其部署灵活,反应快捷,而且不易被敌人发现等优势受到了广泛关注。然而,无人机的生存力低,执行空中任务时应变能力不强。因此,如何设计高效的路由来提高由多个无人机组成的飞行自组织网络的网络性能成为了关键性问题。
发明内容
为解决上述技术问题,本发明提供一种基于轨迹预测的飞行自组织网络能量有效型机会路由方法,合理布置飞行自组织网络的网络路由方案,减少节点能量消耗。
为实现上述技术目的,所采用的技术方案是,基于轨迹预测的飞行自组织网络能量有效型机会路由方法,包括以下步骤:
步骤1、飞行自组织网络中具有N架无人机,N架无人机充当飞行自组织网络的所有节点,每个节点包括自己的ID、预测的轨迹度量值、剩余能量和缓冲空间;
步骤2、当侦察任务开始执行时,其中一架无人机作为源节点收集到了敏感信息,选择敏感信息传输到目标节点的最佳路径;
步骤2.1、假设节点i携带要发送的数据并遇到了邻居节点j,邻居节点j为候选节点,首先,节点i判断邻居节点j是否为目标接收节点,如果是,便直接执行转发操作完成敏感信息数据传递;如果邻居节点j不是目的节点,则需要使用轨迹度量值、剩余能量和缓冲空间构成的效用函数,计算相邻节点j的效用函数值,并选择效用函数值较大的那个相邻节点作为中继节点,执行步骤2.2;
步骤2.2、将敏感信息转发给中继节点后,将该中继节点作为新的源节点按步骤2.1执行,重新选择新的中继节点,直到把数据包成功发送给目标节点,完成敏感信息的传输。
效用函数的公式为
W=lg(αΩ+1)*lg(βEres+1)*lg(γBres+1) (12)
其中,Ω是轨迹度量值,Eres,Brse分别是剩余能量和缓冲空间,α、β和γ是权重因子。
缓冲空间Bres=B0-Bm+Bs,其中,B0是每个飞行节点具有相等且有限的初始缓冲空间,Bm是节点接收一个数据包m所占用的空间,BS是节点丢弃一个数据包S增加的空间。
剩余能量Eres=E0-Ec×P,其中,E0是每架无人机的初始能量,Ec表示节点发送或接收一个数据包时消耗的能量,P表示被这个节点发送和接收的数据包总数。
轨迹度量值的计算方法为
其中,τa是距离因子,τb是角度因子,τc是邻居节点因子,d表示邻居节点与目标节点之间的欧几里得距离,d0表示当前节点与目标节点的欧几里得距离,n表示此节点拥有的邻居节点的数量,N表示网络中所有节点的总数量,Φ(θA)为当前节点和邻居节点之间的偏转角,
当前节点和邻居节点之间的偏转角为
A为当前节点,B为邻居节点,D为目标节点,dB-AD表示节点B到直线AD的距离,dAB表示节点A和节点B之间的距离。
节点A和节点B之间的距离表示为ΔD
本发明有益效果是:
1、选择中继节点时,不仅考虑了预测的节点轨迹属性(节点轨迹度量值),还考虑了节点本身的属性(能量,缓冲),提高了数据传输的效率,减少了网络延时和路由开销。
2、在计算节点轨迹度量值时,考虑了节点密度和飞行角度的因素,有效避免了边缘节点的过度消耗。
附图说明
图1为战场中飞行自组织网络模型图;
图2为飞行自组织网络中的节点分布图。
具体实施方式
一、整体规划
如图1所示,我们假设有N架无人机被部署在军事区域以探测战场信息,所有的无人机都充当网络中的节点,每个无人机节点都有自己的身份标识(N=1,2,3...N)。节点之间通过多跳传输进行信息传递。我们将这些无人机组成的网络结构视为一个动态图G(V,E),其中V表示无人机节点集,E表示网络连接集。每架无人机都装备了照相机、图像编码器、无线电收发器、定位系统、有限的能量资源和缓冲空间。当一个无人机发现一个敏感事件,这时它成为源节点,并通过机会传输将事件信息发送到目标节点,目标节点会在网络中预先设置好位置。每个无人机都可以通过自身配备的全球定位系统(GPS)来实时的获取所有节点的位置信息。假设所有无人机的飞行速度和方向都是随机的,并且它们在三维空间中移动。无人机能量有限的缺点一直是航路设计中的挑战,特别是当无人机在空中执行任务时,对能源的需求非常迫切。因此,我们考虑多无人机网络时必须重视能量因素。我们假设无人机在执行任务期间的能量消耗主要来源于数据包的转发和接收,并且每个无人机节点的初始能量相等。另外,无人机的存储容量不可忽略。我们假设所有节点具有相同的初始缓冲区大小,并通过可存储数据包的总数进行量化。
二、FANET中基于轨迹预测的能量有效型机会路由(EORB-TP)
在本节中,我们将详细介绍EORB-TP协议。该协议的核心是选择最佳的下一跳中继节点进行数据转发。从实际的角度出发,我们在选择中继节点时考虑了三个因素:节点轨迹度量值、剩余能量和缓冲空间。通过对节点轨迹的预测,可以进一步计算节点的轨迹度量值,作为我们确定候选节点的依据。节点的剩余能量和缓冲空间是节点自身的属性,可以随着任务进程的变化而动态变化。因此,效用函数的形成必须考虑节点自身属性的因素。在这一部分中,我们首先介绍节点轨迹预测的方法,然后给出轨迹度量值的计算公式。最后,我们设计一个效用函数来综合考虑以上三个因素,并在此基础上描述中继节点的选择策略。
A、轨迹预测
1)速度预测
假设可以通过GPS获得网络中所有无人机节点的位置,速度和方向。通过对节点携带的位置信息进行分析,可以构建合适的节点移动模型。第一步,通过分析节点的移动速度,可以计算出长时间内节点的平均移动速度。
根据飞行自组织网络三维环境的特点,我们假设无人机节点的运动呈现高斯分布,并且可以根据节点历史飞行情况推断节点的未来运动状态。节点的未来运动状态可以描述为
λ是状态因子,0≤λ≤1,它的值反映了节点速度的变化程度,并代表节点本身的运动性能。N是网络中所有节点的总数量。当无人机在敏感区域执行侦察任务时,由于无法控制环境因素(例如天气和地形),因此环境因素对无人机飞行状态的影响超出了我们的考虑范围。在这里我们只分析无人机的自身运动。无人机的飞行状态主要受到速度和方向的影响。节点未来的移动速度不仅与节点长期移动的平均速度有关,而且与节点未来的随机移动状态有关。另外,运动状态因子λ也将影响节点的速度变化。因此,我们建立了节点的速度状态模型:
其中,Δt表示节点运动的一个时间段。vt表示节点在t时刻的速度,vt+Δt表示节点在t+Δt时刻的速度。
第二,我们假设所有节点的vi都可以通过状态因子λ的转换得到,转换的公式为:Λλ+μ,Λ是高斯过程的信息矩阵,μ是高斯分布的均值。由于从GPS获得的历史轨迹信息通常会出现噪声项,而高斯白噪声过程是一个独立的随机过程,表示为:η~N(0,ψ),ψ是方差。所以我们预测的数据可以表示为:Λλ+μ+η。节点j的轨迹概率模型可以通过获得,其中,k是高斯过程的个数,σj代表节点j的高斯过程权值,是高斯过程概率密度函数。在这里我们引入高斯混合模型(GMM)来估计参数。通常,如果需要估计GMM的参数值,通常选择期望最大化算法(EM)来迭代地评估函数。分别获得参数σ,μ,Λ,的估计值后,我们可以预测节点j未来的速度概率。
2)位置预测
只要我们得到了节点在下一时刻的速度,就可以预测节点的未来位置。节点在t时刻的坐标用(xt,yt,zt)表示,在未来的某一时间t+Δt,节点的位置可以根据节点在t时刻的速度,位置,方向(速度矢量改变角)和节点在t+Δt时刻的速度来获得。由于无人机在实际场景中的运动状态基本上是由速度和方向决定的,因此我们将节点的速度矢量划分为速度项和方向项,并表示为:
其中,vt是在t时刻的节点速度,ωθ(t)是节点在t时刻的角速度,反映了节点在方向上的改变,θ表示运动角度。我们将vt和ωθ(t)表示在x-y平面,并认为节点在z轴方向的移动是独立于x-y平面的。在这里,我们假设所有无人机都在固定高度飞行,满足飞行的安全高度并且能避开地面的障碍物,那么无人机的速度和方向与飞行高度无关,并且运动过程可以简化为二维运动。假设无人机的飞行高度用H表示,在实际情况下,节点位置的计算可分为两种情况:
1)当节点在下一刻改变运动方向时:
2)当节点在下一时刻保持相同的运动方向时:
t表示当前时刻,t+Δt表示节点移动经历了Δt之后的这一时刻。在获得下一时刻节点的位置坐标后,可以计算出节点在一段特定时间内的移动距离。节点在t时刻和t+Δt时刻的坐标分别表示为(xi,yi),(xj,yj)。我们将节点从时间t到时间t+Δt的移动长度定义为节点移动距离,用ΔD表示:
通过以上讨论我们可以得出节点的预测位置信息。
B、效用函数的表达
1)轨迹度量值的计算
如图2所示,节点D是目标节点,节点A为源节点,节点B为其中一个邻居节点,假设节点A在下一时刻到达了B的位置。图中节点B和节点A之间的偏转角计算为:
dB-AD表示节点B到直线AD的距离,dAB表示节点A和节点B之间的距离,dAB可以根据上述公式(7)求出,表示节点从A处到B处的移动距离。然后,邻居节点均为候选节点,基于预测的位置信息计算候选节点的度量值。
度量值较大的节点更适合作为下一跳转发节点。τa是距离因子,τb是角度因子,τc是邻居节点因子。d表示候选节点与目标节点之间的欧几里得距离,d0表示当前节点与目标节点的欧几里得距离。n表示此节点拥有的邻居节点的数量,N表示网络中所有节点的总数量。根据轨迹度量值的计算公式可以得出,我们选择的候选节点具有以下优势:
1.从距离的角度来看,我们可以选择距离目标节点更近的节点,以减少路由跳数。
2.从方向的角度,我们选择偏转角最小的相邻节点,以防止出现边界效应。
3.从节点密度的角度来看,可以避免我们选择的候选节点没有下一跳进行传输,从而降低了数据传输中路由无效的可能性。
从上面的讨论中,我们可以发现Ω的值表示候选节点的适当程度,然后我们可以使用它来评估节点的轨迹特性。
2)节点能量
无人机的能量对FANET网络性能的影响至关重要,因为每架无人机都配备了有限的能量。然而,网络中节点的行为也在无时无刻地消耗能量。实际中无人机的能量主要用于支持在空中的运动和通讯,然而,无人机的运动所需的推进能量占主要部分,而且与飞机重量、机翼面积、空气密度等因素息息相关,不在本文的研究范围内。我们只考虑无人机在通信时传输数据所消耗的能量。如果无人机的能源用尽,则该节点将无法支持数据包的传输,其携带的数据包也将丢失。这些节点会被视为无效节点并退出网络。如果网络中的无效节点数超过了80%,网络容易出现中断或分割,导致任务失败,网络性能急剧下降。由此可以看出,在路由设计过程中,考虑无人机节点之间的能量平衡对于延长网络寿命至关重要。
为了简化这个问题,我们假设无人机节点的能耗主要包括两部分:数据的接收和转发,忽略存储数据包和收集邻居信息所消耗的能量。假设每架无人机的初始能量为E0,接收和转发每个数据包消耗的能量是相等的。我们可以根据节点转发和接收数据包的总数来计算每个节点的剩余能量:
Eres=E0-Ec×P (10)
其中,Ec表示节点发送或接收一个数据包时消耗的能量,P表示被这个节点发送和接收的数据包总数。
3)节点缓冲区
缓冲区的大小决定了节点可以存储多少数据包。在实际应用场景中,无人机节点的缓冲区通常是有限的。如果节点由于缓冲区占用已满而不再接收数据包,将导致网络资源浪费,降低网络性能。如果一个节点频繁地收到数据包将会导致缓冲区占用率很高,此时如果再想接收新的数据包就会造成原有数据包的丢失,也会降低数据包的传递质量。因此,我们不能忽略节点缓冲区状态对路由性能的影响。假设网络中每个飞行节点具有相等且有限的初始缓冲空间,表示为B0,当节点接收一个数据包m,它的剩余缓冲区占用空间将会减少Bm。相反,当节点丢弃一个数据包n时,它的剩余缓冲区占用空间将会增加Bs。综上,节点的剩余缓冲空间可以表示为:
Bres=B0-Bm+Bs (11)
通过上面的等式,我们可以得到节点缓冲区的剩余空间,当携带数据包的节点遇到其他节点时,可以根据可用缓冲空间大小来判断是否可以交换数据。
C、效用函数
选择中继节点的两个非常重要的因素是:轨迹度量值和自身的属性。根据邻居节点信息表,可以计算出每个节点的轨迹度量值。该值越大,该节点越有可能成为下一跳中继转发的候选节点。另外,还必须考虑节点本身的属性(剩余能量和缓冲空间)。更确切地说,选择预测的轨迹最合适的节点不仅可以有效降低边界丢包率,避免边界节点过度消耗,而且也减少了遭遇路由空洞的可能性。而且,如果节点具有足够的剩余能量,它就可以处理更多的数据包,任务效率将得到提高。如果节点的剩余能量为0,它将失去执行任务的能力,并且对网络没有任何价值,因此不能被选作中继节点。对于缓冲区而言,如果节点有足够的剩余缓冲空间,意味着它能携带更多的数据包,对于网络中的数据传输就有更大的存在价值。
然而,如果连续选择同一个无人机节点作为中继来帮助其他节点传输数据包,那么它很可能会过早用尽能量并失去中继的能力,最终它将退出网络。因此,在路由设计中,我们必须充分考虑这三个因素来平衡节点的性能。我们量化并整合了每个节点的三个属性并设计一个效用函数:
W=lg(αΩ+1)*lg(βEres+1)*lg(γBres+1) (12)
其中,Ω是轨迹度量值,E,B分别是节点剩余能量和缓冲空间。α,β和γ是权重因子,分别被分配给当前节点的轨迹度量值、剩余能量和可用缓冲区大小,在执行路由时用于调整中继节点选择中不同加权因子的权重。从这个函数我们可以得出,如果这些因素中的任何一个值为0,则整个效用函数值将为0。根据我们的路由方案,当节点之间相遇时,具有较高效用值的节点将被选作下一跳中继节点完成数据转发。
D、中继选择
本文提出的EORB-TP协议是一种基于轨迹预测的中继节点选择方案。在这种方案中,每个节点都知道自己的位置,所有的无人机节点都有一个信息表,其中包含自己的ID(身份标识)、轨迹度量值、剩余能量和缓冲空间。当侦察任务开始执行时,一旦源节点收集到了敏感信息,它便开始考虑将信息传输到目标节点的最佳路径。关键问题是选择最佳的中继转发节点以实现更高的数据包传递率。假设节点i携带要发送的数据并遇到了节点j。首先,节点i需要确定节点j是否为目标接收节点。如果是,便直接执行转发操作以完成数据传递。相反,如果节点j不是目的节点,则需要使用公式(12)计算节点i和j的效用函数值,并选择效用函数值较大的节点来完成数据包的转发,直到把数据包成功发送给目标节点,这个数据包的传输才算完成。
Claims (7)
1.基于轨迹预测的飞行自组织网络能量有效型机会路由方法,其特征在于:包括以下步骤:
步骤1、飞行自组织网络中具有N架无人机,N架无人机充当飞行自组织网络的所有节点,每个节点包括自己的ID、预测的轨迹度量值、剩余能量和缓冲空间;
步骤2、当侦察任务开始执行时,其中一架无人机作为源节点收集到了敏感信息,选择敏感信息传输到目标节点的最佳路径;
步骤2.1、假设节点i携带要发送的数据并遇到了邻居节点j,邻居节点j为候选节点,首先,节点i判断邻居节点j是否为目标接收节点,如果是,便直接执行转发操作完成敏感信息数据传递;如果邻居节点j不是目的节点,则需要使用轨迹度量值、剩余能量和缓冲空间构成的效用函数,计算相邻节点j的效用函数值,并选择效用函数值较大的那个相邻节点作为中继节点,执行步骤2.2;
步骤2.2、将敏感信息转发给中继节点后,将该中继节点作为新的源节点按步骤2.1执行,重新选择新的中继节点,直到把数据包成功发送给目标节点,完成敏感信息的传输。
2.如权利要求1所述的基于轨迹预测的飞行自组织网络能量有效型机会路由方法,其特征在于:效用函数的公式为
W=lg(αΩ+1)*lg(βEres+1)*lg(γBres+1) (12)
其中,Ω是轨迹度量值,Eres,Brse分别是剩余能量和缓冲空间,α、β和γ是权重因子。
3.如权利要求2所述的基于轨迹预测的飞行自组织网络能量有效型机会路由方法,其特征在于:缓冲空间Bres=B0-Bm+Bs,其中,B0是每个飞行节点具有相等且有限的初始缓冲空间,Bm是节点接收一个数据包m所占用的空间,BS是节点丢弃一个数据包S增加的空间。
4.如权利要求2所述的基于轨迹预测的飞行自组织网络能量有效型机会路由方法,其特征在于:剩余能量Eres=E0-Ec×P,其中,E0是每架无人机的初始能量,Ec表示节点发送或接收一个数据包时消耗的能量,P表示被这个节点发送和接收的数据包总数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010661558.XA CN111711974B (zh) | 2020-07-10 | 2020-07-10 | 基于轨迹预测的飞行自组织网络能量有效型机会路由方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010661558.XA CN111711974B (zh) | 2020-07-10 | 2020-07-10 | 基于轨迹预测的飞行自组织网络能量有效型机会路由方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111711974A true CN111711974A (zh) | 2020-09-25 |
CN111711974B CN111711974B (zh) | 2023-03-17 |
Family
ID=72545285
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010661558.XA Active CN111711974B (zh) | 2020-07-10 | 2020-07-10 | 基于轨迹预测的飞行自组织网络能量有效型机会路由方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111711974B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113347598A (zh) * | 2021-06-18 | 2021-09-03 | 郑州航空工业管理学院 | 一种基于态势感知的无人机自组网路由实现方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060031576A1 (en) * | 2002-11-13 | 2006-02-09 | Geoffrey Canright | Method for routing messages from a source node to a destination node in a dynamic network |
CN105407516A (zh) * | 2015-10-23 | 2016-03-16 | 中国人民解放军总参谋部第六十三研究所 | 基于链路质量因子的多跳自组网络抗干扰路由方法 |
US20180323862A1 (en) * | 2015-04-10 | 2018-11-08 | SZ DJI Technology Co., Ltd. | Method, apparatus and system of providing communication coverage to an unmanned aerial vehicle |
CN109682380A (zh) * | 2019-01-16 | 2019-04-26 | 北京邮电大学 | 一种通信无人机路径优化方法及设备 |
CN110062345A (zh) * | 2019-04-09 | 2019-07-26 | 深圳大学 | 一种无人机-物联网数据采集方法和系统 |
CN110579214A (zh) * | 2019-10-16 | 2019-12-17 | 中国人民解放军国防科技大学 | 无人机路径规划方法和装置 |
CN111050296A (zh) * | 2019-11-07 | 2020-04-21 | 电子科技大学 | 一种面向无线传感器网络的数据传输方法 |
-
2020
- 2020-07-10 CN CN202010661558.XA patent/CN111711974B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060031576A1 (en) * | 2002-11-13 | 2006-02-09 | Geoffrey Canright | Method for routing messages from a source node to a destination node in a dynamic network |
US20180323862A1 (en) * | 2015-04-10 | 2018-11-08 | SZ DJI Technology Co., Ltd. | Method, apparatus and system of providing communication coverage to an unmanned aerial vehicle |
CN105407516A (zh) * | 2015-10-23 | 2016-03-16 | 中国人民解放军总参谋部第六十三研究所 | 基于链路质量因子的多跳自组网络抗干扰路由方法 |
CN109682380A (zh) * | 2019-01-16 | 2019-04-26 | 北京邮电大学 | 一种通信无人机路径优化方法及设备 |
CN110062345A (zh) * | 2019-04-09 | 2019-07-26 | 深圳大学 | 一种无人机-物联网数据采集方法和系统 |
CN110579214A (zh) * | 2019-10-16 | 2019-12-17 | 中国人民解放军国防科技大学 | 无人机路径规划方法和装置 |
CN111050296A (zh) * | 2019-11-07 | 2020-04-21 | 电子科技大学 | 一种面向无线传感器网络的数据传输方法 |
Non-Patent Citations (3)
Title |
---|
BO YANG; XIANGYU BAI: "A Review of UAV Ferry Algorithms in Delay Tolerant Network", 《 2019 12TH INTERNATIONAL SYMPOSIUM ON COMPUTATIONAL INTELLIGENCE AND DESIGN (ISCID)》 * |
司琛芝: "基于地理位置的无人机自组织网络路由协议研究", 《CNKI-硕士论文》 * |
曹芳波等: "航空集群网络可靠性估计路由选择策略", 《计算机工程与应用》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113347598A (zh) * | 2021-06-18 | 2021-09-03 | 郑州航空工业管理学院 | 一种基于态势感知的无人机自组网路由实现方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111711974B (zh) | 2023-03-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Srivastava et al. | Future FANET with application and enabling techniques: Anatomization and sustainability issues | |
Lakew et al. | Routing in flying ad hoc networks: A comprehensive survey | |
Goudarzi et al. | Data collection using unmanned aerial vehicles for Internet of Things platforms | |
Arafat et al. | Bio-inspired approaches for energy-efficient localization and clustering in UAV networks for monitoring wildfires in remote areas | |
Ho et al. | Optimization of wireless sensor network and UAV data acquisition | |
Sang et al. | An energy-efficient opportunistic routing protocol based on trajectory prediction for FANETs | |
Alam et al. | Topology control algorithms in multi-unmanned aerial vehicle networks: An extensive survey | |
Alam et al. | Joint topology control and routing in a UAV swarm for crowd surveillance | |
Malhotra et al. | A comprehensive review on recent advancements in routing protocols for flying ad hoc networks | |
CN111132258A (zh) | 一种基于虚拟势场法的无人机集群协同机会路由方法 | |
Ho et al. | Cluster-based communication topology selection and UAV path planning in wireless sensor networks | |
CN113507492B (zh) | 物联网三维空间智能定位与分布式边缘计算支援方法 | |
Ouyang et al. | Trust based task offloading scheme in UAV-enhanced edge computing network | |
Gong et al. | Bayesian optimization enhanced deep reinforcement learning for trajectory planning and network formation in multi-UAV networks | |
Hussain et al. | Co-DLSA: Cooperative delay and link stability aware with relay strategy routing protocol for flying Ad-hoc network | |
Bhardwaj et al. | An efficient routing protocol for FANET based on hybrid optimization algorithm | |
Jung et al. | Adaptive offloading with MPTCP for unmanned aerial vehicle surveillance system | |
CN111711974B (zh) | 基于轨迹预测的飞行自组织网络能量有效型机会路由方法 | |
Zhang et al. | Deep Neural Network Routing with Dynamic Space Division for 3D UAV FANETs | |
Nawaz et al. | Implementation of cross layer design for efficient power and routing in UAV communication networks | |
Zhao et al. | Sarsa-based trajectory planning of multi-uavs in dense mesh router networks | |
CN112672398B (zh) | 一种基于自适应kalman预测的3D-GPSR路由方法 | |
Swain et al. | An effective data routing for dynamic area coverage using multidrone network | |
Romaniuk et al. | Development of methods of positioning, localization and data collection from nodes of a free mobile sensor network using intelligent adaptive telecommunication aeroplatforms | |
Say et al. | Cooperative path selection framework for effective data gathering in UAV-aided wireless sensor networks |
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 |