CN112291795B - 一种基于无人机骨干网分布式组网系统与方法 - Google Patents
一种基于无人机骨干网分布式组网系统与方法 Download PDFInfo
- Publication number
- CN112291795B CN112291795B CN202011143437.2A CN202011143437A CN112291795B CN 112291795 B CN112291795 B CN 112291795B CN 202011143437 A CN202011143437 A CN 202011143437A CN 112291795 B CN112291795 B CN 112291795B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- area
- hot spot
- 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.)
- Active
Links
Images
Classifications
-
- 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
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/34—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering
- H02J7/35—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering with light sensitive cells
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/14—Relay systems
- H04B7/15—Active relay systems
- H04B7/185—Space-based or airborne stations; Stations for satellite systems
- H04B7/18502—Airborne stations
- H04B7/18504—Aircraft used as relay or high altitude atmospheric platform
-
- 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
- H04W40/20—Communication route or path selection, e.g. power-based or shortest path routing based on geographic position or location
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/02—Hierarchically pre-organised networks, e.g. paging networks, cellular networks, WLAN [Wireless Local Area Network] or WLL [Wireless Local Loop]
- H04W84/04—Large scale networks; Deep hierarchical networks
- H04W84/06—Airborne or Satellite 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)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- Astronomy & Astrophysics (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于无人机骨干网分布式组网系统与方法,该方法步骤为:采集地面用户的个数以及热点区域,将热点区域划分为多个子区域,每个子区域构建虚拟力吸引无人机的飞入;热点区域中部署好的无人机关联信息转发的无人机,选举中间区域的信息转发节点,每个信息转发节点负责一片热点区域,每架无人机首先搜索信息转发节点是否在自己的通信范围之内,如果在则直接关联,若不在则通过信息转发节点为中介点进行信息的传输,建立路由;基于太阳能采集功率变化,将区域虚拟力进行实时调整,当太阳能采集功率下降时,增大最优区域无人机数量以及降低无人机最大用户接入数。本发明实现最大化负载均衡,增大覆盖区域的几率,延长骨干网寿命。
Description
技术领域
本发明涉及无线传感器网络技术领域,具体涉及一种基于无人机骨干网分布式组网系统与方法。
背景技术
现有的分布式无人机的部署方案中,引入了虚拟力的概念,无人机节点可在虚拟力牵引下自发移动到合适位置。以及以最大信干燥比接入、满足信干燥比随机接入和满足信干燥比最小度数接入的三种骨干网用户接入控制,在实现按需覆盖的条件和维持骨干网的稳定双连接结构的同时,也增大了整体骨干网的负载均衡以及用户接入。但现有方案中存在以下几点缺陷:1、无人机被各个虚拟力吸引至相应的位置,但根据无人机节点的初始位置的不同,无人机不一定能够准确的到达自己需要的位置,用户成簇区域会出现无人机缺失导致无法实现区域的覆盖,受初始位置和拓扑半径的影响,单个区域覆盖率不高(或溢出),成堆现象严重;2、该骨干网的拓扑结构再无辅助设施的帮助下,要实现簇与簇之间的用户通信也是一件不简单的事情,用户需要发送的信息需要在骨干网里进行泛洪从而寻找所需的目的节点用户。
发明内容
为了克服现有技术存在的缺陷与不足,本发明提供一种基于无人机骨干网分布式组网系统与方法,本发明的无人机节点基于虚拟力的拉动稳定且自发的到达合适的位置,并最大化负载均衡,增大覆盖区域的几率,信息转发无人机充当类骨干节点简化用户之间的通信路径,从而达到负责的区域清楚,寻找最优路径的目的,融入太阳能能量采集充电,延长骨干网寿命。
为了达到上述目的,本发明采用以下技术方案:
本发明提供一种基于无人机骨干网分布式组网方法,包括下述步骤:
汇聚节点通过对地面用户的地理位置信息的收集,确定每个区域所存在的地面用户的个数以及热点区域,将热点区域划分为多个子区域,每个子区域构建虚拟力吸引无人机的飞入;
所述虚拟力包括区域虚拟力、无人机虚拟力和边界虚拟力,所述区域虚拟力、无人机虚拟力和边界虚拟力生成的合力共同部署无人机的落位,所述区域虚拟力用于产生引力吸引无人机进入用户区域,所述无人机虚拟力用于产生无人机之间的相互排斥或吸引力,所述边界虚拟力用于在无人机即将出界的时候网格边界将无人机弹开;
热点区域中部署好的无人机关联信息转发的无人机,选举中间区域的信息转发节点,每个信息转发节点负责一片热点区域,每架无人机首先搜索信息转发节点是否在自己的通信范围之内,如果在则直接关联,若不在则通过信息转发节点为中介点进行信息的传输,建立路由;
基于太阳能采集功率变化,将区域虚拟力进行实时调整,当太阳能采集功率高于设定值时,保持原本的吸引力吸引无人机飞入用户区域内;当太阳能采集功率下降时,增大最优区域无人机数量以及降低无人机最大用户接入数。
作为优选的技术方案,所述将热点区域划分为多个子区域,每个子区域构建虚拟力吸引无人机的飞入,具体步骤包括:
设定热点区域的吸引力与已部署好的无人机数量成反比,单个区域里的无人机搜索所能接触到的地面用户,并将数据反馈回给汇聚节点;
将热点区域划分为m×n个子网格,m取固定值,n的取值为:
其中,floor为向下取整函数,Nu为地面用户总数,Nmax为每架无人机可接入的最大用户数,mod为取余函数;
采用计算距离的方式来判定当前子网格是否被某架无人机所感应,判定公式为:
其中,distance为某一无人机距离网格中心点的距离,Rt为无人机的传感半径;
计算任意子网格被任意无人机节点覆盖的概率:
其中,N为无人机总节点数,Pi(x,y)表示某一网格是否被某一无人机节点覆盖;
当下的实际覆盖概率与无人机所覆盖的概率的关系为:
整体覆盖率表示为:
其中,Scov为无人机实际覆盖的面积,Sall为总面积;
当覆盖率达到设定值时表示该区域无人机数量已满足要求。
作为优选的技术方案,所述区域虚拟力具体计算方式为:
其中,Ka为热点吸引力系数,N为最优无人机数量,Nnow为单个热点区域内现已部署的无人机,dist是无人机与中心点的距离,α为单位向量,且方向指向网格中心,ceil为向上取整函数,n为初步无人机数量解,Nmax为最大无人机接入数量,NUE为单个热点区域总用户数。
作为优选的技术方案,所述无人机虚拟力具体计算方式为:
其中,d1和d2表示两个距离阈值,K为引力或斥力系数,m为无人机质量,dist(i,j)表示两架无人机之间的距离,Rc为无人机节点的通信半径。
作为优选的技术方案,所述边界虚拟力具体计算方式为:
其中,Kb为边界斥力系数,dist(i,bound)为无人机距离边界的距离,db则为距离边界的阈值。
作为优选的技术方案,所述建立路由的具体步骤包括:
源节点将路由请求信息发送给负责当前热点区域的信息转发节点,检查目的节点是否在当前热点区域内,如果在,则直接建立起到目的节点的路由;
如果目的节点不存在于该热点区域内,则信息转发节点将REQ信息转发给负责另外的热点区域的信息转发节点,信息转发节点检查目的节点是否在本热点区域内,如果在,则向源节点返回ADV消息,如果不在,则继续向负责其它热点区域的其它信息转发节点转发该路由请求消息,直到找到目的节点。
作为优选的技术方案,所述当太阳能采集功率下降时,增大最优区域无人机数量以及降低无人机最大用户接入数,具体调节方式为:
单个热点区域的最终最优无人机数量为:
其中,Nmax为最大无人机接入数量,NUE为单个热点区域总用户数,ceil为向上取整函数,Pc为太阳能能量采集功率,Kc和Kco均为太阳能影响因子系数;
接收比特数据的能量耗损如下列式子所示:
其中,Eelec为发射电路的耗损能量,efs,eamp分别是两种信道模型下功率放大所需能耗参数,l为比特数据大小,d0为距离阈值,d为两点之间距离。
本发明还提供一种基于无人机骨干网分布式组网系统,包括:信息采集模块、热点区域划分模块、虚拟力构建模块、信息转发节点选择模块和虚拟力调整模块;
所述信息采集模块用于采用汇聚节点通过对地面用户的地理位置信息的收集,确定每个区域所存在的地面用户的个数以及热点区域,
所述热点区域划分模块用于将热点区域划分为多个子区域,每个子区域构建虚拟力吸引无人机的飞入;
所述虚拟力构建模块用于构建虚拟力,所述虚拟力包括区域虚拟力、无人机虚拟力和边界虚拟力,所述区域虚拟力、无人机虚拟力和边界虚拟力生成的合力共同部署无人机的落位,所述区域虚拟力用于产生引力吸引无人机进入用户区域,所述无人机虚拟力用于产生无人机之间的相互排斥或吸引力,所述边界虚拟力用于在无人机即将出界的时候网格边界将无人机弹开;
所述信息转发节点选择模块用于将热点区域中部署好的无人机关联信息转发的无人机,选举中间区域的信息转发节点,每个信息转发节点负责一片热点区域,每架无人机首先搜索信息转发节点是否在自己的通信范围之内,如果在则直接关联,若不在则通过信息转发节点为中介点进行信息的传输,建立路由;
所述虚拟力调整模块用于基于太阳能采集功率变化,将区域的虚拟力进行实时调整,当太阳能采集功率高于设定值时,保持原本的吸引力吸引无人机飞入用户区域内;当太阳能采集功率下降时,增大最优区域无人机数量以及降低无人机最大用户接入数。
本发明与现有技术相比,具有如下优点和有益效果:
(1)本发明将热点区域给划分为若干个小区域,去除引力线的概念,以此产生中心点吸引力吸引无人机,引入单个区域内限制无人机进入的数量,使得无人机能更加精准的照顾到每一片小区域,减少覆盖空洞的概率。
(2)本发明引入了信息转发无人机充当类骨干节点,每个信息转发无人机都会负责自己的一块特定的热点区域,因此在通信路由建立的时候,路由的建立不再需要进行信息数据包的大面积广播,可以准确的寻找到目的节点的所在区域,减少了传播的信息量,降低网络的负担。
(3)本发明根据太阳能采集功率为基准,改变虚拟力的构成因素,热点区域自行调整虚拟力,调整无人机的部署情况,在需要节能的时候便吸引更多的无人机,并下调最大无人机接入数量,实现了网络的能耗降低,以最合适的分配安排加强了网络寿命。
附图说明
图1为本实施例基于无人机骨干网分布式组网方法的流程示意图;
图2为本实施例虚拟力构建流程示意图;
图3为本实施例区域划分示意图;
图4为本实施例同区域路由建立的流程示意图;
图5为本实施例不同区域路由建立的流程示意图;
图6为本实施例总的路由建立的流程示意图
图7为本实施例太阳能采集WSN节点系统的结构示意图;
图8为本实施例虚拟力随着太阳能变化而变化的调整流程图;
图9为本实施例拓扑的结构示意图;
图10为本实施例覆盖率情况示意图;
图11为本实施例网络中参与数据传输的节点数对比图;
图12为本实施例网络中剩余能量对比图;
图13为本实施例区域内无人机数升降趋势的示意图;
图14为本实施例最大无人机接入数升降趋势的示意图。
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,以下结合附图及实施例,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仅用以解释本发明,并不用于限定本发明。
实施例
如图1所示,本实施例提供一种基于无人机骨干网分布式组网方法,包括下述步骤:
S1:热点区域网格化再吸引无人机,并引入单个区域内限制无人机进入的数量,优化区域覆盖;
由于无人机的初始随机分布,位置不定,热点区域及引力线的吸引没有限制,受初始位置和拓扑半径的影响,单个区域覆盖率不高(或溢出),成堆现象严重,因此,本实施例在热点区域吸引的同时加入限制条件,并进一步合理安排无人机的部署策略;
汇聚节点通过对地面用户的地理位置信息的收集,确定每个区域所存在的地面用户的个数,以及热点所在区域,将单个区域划分为几个小块,以每个小块的拓扑小网格作为力场的模型,无人机则是等价为围绕在力场周围的电子。
假设一块热点区域,等价为一个正方形或者是长方形,将其划分为m×n个小网格,m设定取2,n的取值则与当下热点区域的地面用户数量有关:
其中,floor为向下取整函数,Nu为地面用户总数,Nmax为每架无人机可接入的最大用户数,mod为取余函数。每个小网格是否被无人机照顾到,则可以用计算距离的方式来判定该网格是否被某架无人机所感应,下列是判定式子:
其中,distance为某一无人机距离网格中心点的距离,Rt为无人机的传感半径。
当然,现实情况是有许多的无人机分布在空中,有一定可能会不止一架无人机被同一个中心点所吸引。进一步的,本实施例用式子来表示某个网格至少被一架无人机节点所照顾到的概率:
其中,N为无人机总节点数,Pi(x,y)表示某一网格是否被某一无人机节点覆盖。
考虑到地面用户的分布是随机的,而无人机有时候不一定能联系到某网格内的所有用户,为了合理的限制热点区域的无人机数量,使得无人机在单个区域内的数量最为合适,本实施例设定热点区域的吸引力与已部署好的无人机数量成反比。单个区域里的无人机会持续的搜索自己所能接触到的地面用户,并将数据反馈回给汇聚节点。本实施例用覆盖面积与总面积的关系来表示覆盖率,因此,当下的实际覆盖概率与无人机所覆盖的概率的关系为:
Scov为无人机实际覆盖的面积,Sall为总面积。当覆盖率达到75%以上时则视为该区域无人机数量已满足。
在本实施例中,地面用户区域会根据当前地区的实际用户人数,将地面成簇区域近似为四边形,然后划分网格,每个网格吸引无人机的飞入。
S2:构建虚拟力
根据物理学里的场与周围物质的作用力,以及传感器节点之间的斥力、边界斥力,最终构建节点和锚点之间的虚拟引力模型。将每个小网格的中心点视为固定电荷,无人机则是周围的小电子。从物理中的电磁场的概念所知,周围电子所受到的力是与自身到中心点的距离的平方成反比,方向则是永远指向中心点处。因而无人机所受到的中心点的力可表示为:
其中,Ka为热点吸引系数,dist则是无人机与中心点的距离,α为单位向量,方向与受到的力的方向相同。
在本实施例中,无人机的覆盖率需达到75%以上,每架无人机的覆盖面积为:
SUAV=πRc 2 (17)
其中Rc为无人机节点的通信半径。覆盖率应为:
其中SUAV是每架无人机的覆盖面积,Sarea是单个区域近似为四边形的面积,n为初步待解的最优无人机数量。考虑到每架无人机有最大接入数量限制和当前区域的用户总数的因素,将其融入覆盖率的计算公式中,解出单个热点区域的最终最优无人机数量为:
其中ceil为向上取整函数,n为覆盖率的初步无人机数量解,Nmax为最大无人机接入数量,NUE为单个热点区域总用户数。所以,融入单个区域的无人机数量的限制因素重新制定了热点虚拟力的公式:
其中,Ka为热点吸引力系数,N为最优无人机数量,Nnow为单个热点区域内现已部署的无人机,dist是无人机与中心点的距离,α为单位向量,且方向指向网格中心。对无人机的吸引力会随着部署完成的无人机数量增大而减少,直到区域内部署完成热点吸引力将消失。
为了协调一个区域中若干个吸引点对无人机吸引的效果,本实施例设定一架无人机最多受2个网格中心点的热点吸引力,即距离最近的两个网格,若区域无人机已满足最优数量,则视为受另一区域的。
同时,为了使无人机在同一个区域里之间的距离不需要太近或者太远,这里借助万有引力的模型,加入无人机之间的斥力或者是引力。为了进一步更好地规划好无人机的站点,使得无人机之间的距离处于一个更加合适的位置。进入热点区域的无人机会向周围发送hello信息,以得知附近无人机的位置信息。每个无人机都会储存的信息如下表1的格式:
表1节点信息储存格式表
ID | 坐标 | 身处区域 | 一跳邻居 | 剩余能量 | 所受合力方向 |
在这里需要设定两个距离阈值d1和d2,使得无人机之间的距离处于两个数值之间,两个阈值之间的范围越大则越容易达到平衡,但同时对应的受力也会减少。这里设定Rt为无人机拓扑半径。则最后两个无人机节点的引、斥力公式可为:
其中,K为引力(斥力)系数,m为无人机质量(已提前知道),disy(i,j)则是两架无人机之间的距离,Rc为无人机节点的通信半径。
再而,为了进一步限制住无人机的稳定地点,防止因小误差导致无人机距离热点区域较远,本实施例再加入边界的斥力。从一开始就一架规划好热点区域的分化,大框架则是一个四边形,将加入边界的斥力好将无人机限制在热点区域内。边界斥力公式为:
其中,Kb为边界斥力系数,dist(i,bound)为无人机距离边界的距离,db则为距离边界的阈值。
最后,节点受到x方向上的力可表示为:
Fx=Fax+Fijx+Fbx
受到y方向上的力可表示为:
Fy=Fay+Fijy+Fby
节点所受到的合力可表示为:
如图2所示,本实施例总共是设计了三种虚拟力模型,每种虚拟力都有其作用,由最主要的网格虚拟力产生的引力吸引无人机进入用户区域,再由无人机虚拟力防止无人机之间的距离过远或过近产生的不便,最后靠边界虚拟力使得当无人机即将出界的时候网格边界将无人机弹开,防止无人机出界而导致的通信不便。三种虚拟力共同部署了无人机的落位,根据生成的合力方向进行部署,为下一步决定信息转发节点做好准备。
S3:选择对外通信节点
在实现无人机节点覆盖热点区域的目的之后,进一步的就该考虑热点区域之间的通信方式。根据骨干网的定义,每个区域都至少需要一个节点实现对接外部区域。在本实施例中抛弃了引力线引力的连接,将建立起能充当信息转发的中间节点。此时,需设定与热点区域同数量的无人机,负责该区域对外的信息交接。如图3所示,先将整个区域划分为3个区域,
设定的无人机是停留在区域外围的无人机。此时设定一个差值:
Δdic=|dist(i,center)-dist(i,hotcenter)|
其中,dist(i,center)表示某一架外围无人机距离拓扑中心的距离,dist(i,hotcenter)则表示某一架无人机到所处区域的热点区域的中心的距离。二者之差越小则表明该无人机所处的地理位置最适中,以此可帮助找出距离最适中的无人机,以此最好的充当对接外部的无人机。
热点区域中部署好的无人机将关联信息转发的无人机,若其中的距离超出通信半径或者是超出最大接入数,则将以该无人机与信息转发无人机连线为直径的圆内搜索有无其他无人机(包括在区域内的),有则将其作为中间连接点,关联信息转发无人机。
因此,最优路径的选择便是基于负责信息转发的节点为中心,寻找目的节点,如图4、图5所示,具体步骤如下:
(1)首先,源节点将路由请求信息发送给负责本热点区域的信息转发节点,检查目的节点是否在本热点区域内。如果在,则直接建立起到目的节点的路由。
(2)如果目的节点不存在于该热点区域内,则信息转发节点将REQ信息转发给负责另外的热点区域的信息转发节点,信息转发节点检查目的节点在不在本热点区域内,如果在,则向源节点返回ADV消息。如果不在,则继续向负责其它热点区域的其它信息转发节点转发该路由请求消息,直到找到目的节点。
如图6所示,路由的建立首先需要无人机之间的关联,每架无人机首先得搜索信息转发节点是否在自己的通信范围之内,如果在则直接关联;如果不在则通过关联附近的无人机再由该无人机关联信息转发节点以实现路由通信的基础。关联环节结束后,根据设定的差值Δdic选出信息转发节点,信息转发节点再判断源节点与目的节点是否在同一区域内,若在则直接建立路由,若不在则通过信息转发节点为中介点进行信息的传输以建立路由。
S4:加入能量采集和充电环节
如图7所示,传感器节点的主要组成部分一般分为四个部分,通信、能量、传感和处理。在能量采集的部分中,传感器节点可以利用其太阳能板将太阳能转化为电能,为传感器节点自身所用。如果无线传感器节点对太阳能的采集速率大于节点自身的消耗速率,例如阴天、清晨或者是傍晚,则可以利用晴天时采集的多余的太阳能能量存储于能量存储模块,也就是电池中;当太阳能不充足时,则可以换为电池供电,或者是电池和太阳能同时供电,保证节点的持续性。
由一天中对太阳能的能量采集速率可知,从大概早上六点起会出现阳光,接着阳光慢慢增强,直到在大概中午一点可到达顶峰,并一直持续到大概下午两点,然后便开始呈现下降的趋势,大概在两点到晚上九点之间阳光强度下降,并在超过晚上九点后则采集不到太阳能了。大概从11点到下午3点的时间内,采集功率一直处在顶峰的位置,而其他时间则呈现的是上升或者下降的趋势。因此将太阳能采集功率可近似为以下公式:
其中,KE为能量采集系数。Emax为一天最大的能量采集功率。
因为,在没有阳光的时候,无人机节点无法补充能量,按照原拓扑的方式进行通信对电池能量的消耗则会加快,这不利于延长网络寿命。因此,本实施例从热点区域吸引力入手,结合太阳能能量采集模型改变区域限制的无人机数并改变无人机的最大接入数。
由上述单个热点区域的最终最优无人机数量的计算公式可知,无人机在单个热点区域的最优数量与该区域的用户数量以及最大无人机的接入数有关。为了使得没有阳光的时候无人机能够持续运行,将提高单个区域的最优无人机数,使热点区域吸引力能吸引多一些无人机,以及下调最大无人机的接入数,能让多一些无人机进行部署,分担信息量,每架无人机所需要接收的信息减少,从而提高网络的持续性。
因此,将融入能量采集功率的因素改进单个热点区域的最终最优无人机数量的计算公式,得到:
Nmax=Kc×Pc,Nmax≤10
其中ceil为向上取整函数,n为初步无人机数量解,Nmax为最大无人机接入数量,NUE为单个热点区域总用户数,Pc为太阳能能量采集功率,Kc和Kco均为太阳能影响因子系数。在太阳能采集功率很高的时候,即Nmax为10时,设定N不受Pc的影响。
接收比特数据的能量耗损如下列式子所示:
其中,Eelec为发射电路的耗损能量,efs,eamp分别是两种信道模型下功率放大所需能耗参数,l为比特数据大小,d0为距离阈值,d为两点之间距离。
如图8所示,首先通过对太阳能能量采集功率的进行分析,将区域虚拟力进行随着太阳能变化而变化的调整,依据是判断太阳能是否充足的条件,当太阳能能量采集功率高时,即太阳能充足,将按照原本的吸引力吸引无人机飞入用户区域内;当太阳能能量采集功率下降时,即太阳能不充足,将增大最优区域无人机数量以及降低无人机最大用户接入数根据太阳能的变化进行调整,使更多的无人机可分担信息传输时的能量损耗,延长网络寿命。
在本实施例中,依旧是采用了虚拟力的概念,目的是使无人机节点能够被虚拟力吸引并自行部署,不同的是改变了虚拟力的吸引方式,本实施例引入了单个区域内可存在的无人机的数量限制因素,使得新改进的虚拟力能够使无人机减少扎堆现象,能更加全面地覆盖整片区域;
本实施例改变了拓扑生成的形式,未被吸引进热点区域的无人机将从中选举距离最适中的充当中间区域的信息转发节点管理每块区域,使区域之间的联系不再靠信息的大范围广播,通过进行无人机的关联环节,每块区域的无人机最终将关联的是负责该区域的无人机信息转发节点,即数据的传输路径已经定下,这样能准确地通过信息转发节点寻找目的节点的所在位置,使得信息传输更加精确;
在本实施例中,引入了能量采集的模块。考虑到无人机节点的能量消耗问题,本实施例采用太阳能充电的方式充电,并且将所采集到的能量作为无人机节点预期的能量收入,从而调整无人机的部署环节。以节点对太阳能一天中的采集功率为基准,调整单个区域中可存在的无人机数量,以及单个无人机可,地面用户接入的最大数量,采集功率低时便可以上调无人机在区域内的数量以及下调最大用户接入数,以此降低无人机的能量损耗,直到采集功率升高便可恢复原状。
在本实施例中,采用MATLAB对基于无人机骨干网分布式组网方法进行仿真和分析,采用2000m×2000m的正方形区域,区域内的地面用户成簇分布,分为三个簇,每个簇有60、70、80个地面用户,30架无人机则采用随机分布的形式。其中无人机和地面用户分别用‘Δ’和‘*’表示。各个网格中心点位置会事先告知所有的无人机,每个网格中心的吸引力系数设置为:
Kh=5×UEnum
其中,UEnum为每个区域的用户数,即用户数越多吸引力越大。
如下表2所示,设置仿真参数如下:
表2仿真参数设置表
仿真过程如下:
将三个区域划分为若干个小网格,无人机初步被吸引至热点区域,受合力影响调整位置,无人机开始关联并建立同区域内的路由以及不同区域的路由,如图9所示,得到拓扑分布情况,如图10所示,得到本实施例的覆盖率情况,多组数据表明,在去除引力线,并加入了区域吸引无人机数量的限制条件和细小化区域,使用信息转发节点来通信的条件下,区域覆盖率的波动的可能性大大降低,每个热点区域的覆盖率不会相差太大,能很好的稳定在75%以上,并且也有所提升,很好地解决了存在覆盖空洞的问题。
如图11所示,得到网络中参与数据传输的节点数对比,下方为改进后,上方为改进前。现有网络在建立通信路由的时候,源节点会向附近的邻居节点进行数据包的传输,而这种信息泛洪的方式很明显会加快无人机传感器的能量消耗,并且目的节点也需要接收大量的信息包,这成为了网络的大多数的能量消耗。本实施例通过选择负责特定区域的信息转发节点,很好地解决了这个问题,减少了建立路由时传播数据包会造成向不需要的传播方向传播,降低了网络能耗。
如图12所示,本实施例改用近乎特定的选择传播路径的方法后,在若干次试验次数中,从网络剩余能量的方面来对比,改进算法明显更加平稳且耗能少。
根据太阳能的强度来看,采集速率是近似为一个梯形。因无人机数量限制,根据多次调试之后,将单个区域在能量采集速率低时去支援的无人机数量不超过3架,而最大无人机接入数量的下限阈值则为6。如图13和图14所示,得到区域内无人机数升降趋势和最大无人机接入数升降趋势,根据趋势图判断,可以看出单个区域内的无人机数以及无人机的最大接入数可以根据太阳能采集的速率变化而变化,从而更好的去适应情况,降低网络能耗,延长网络寿命。
由上述仿真实验可知,本实施例将热点区域网格化再吸引无人机并引入单个区域内限制无人机进入的数量,可以很明显的提高了区域面积的覆盖率,使覆盖空洞问题得到一定程度上的解决,同时也不会使无人机因为初始位置的问题而造成的无人机堆积,造成网络运行的负担。
本实施例通过设置安排中间区域的信息转发无人机去负责一个特定的热点区域,可以使通信的问题得到优化,路由的建立不再需要进行信息数据包的大面积广播,可通过信息转发无人机进行检索,从而快速的找到目的节点的位置,并准确的进行路由的建立,很好的降低了网络的能耗,延长了网络的寿命。
本实施例融入太阳能能量采集模块,利用能量采集将能量的收益作为基准,限制或开放热点区域内需存在的无人机数量,同时也调整了最大无人机的接入数,使得太阳能采集速率呈现低的时候,热点区域可自行调整虚拟力,在需要节能的时候便吸引更多的无人机,并下调最大无人机接入数量,很好地平衡了网络的能耗。
本实施例还提供一种基于无人机骨干网分布式组网系统,包括:信息采集模块、热点区域划分模块、虚拟力构建模块、信息转发节点选择模块和虚拟力调整模块;
在本实施例中,信息采集模块用于采用汇聚节点通过对地面用户的地理位置信息的收集,确定每个区域所存在的地面用户的个数以及热点区域,
在本实施例中,热点区域划分模块用于将热点区域划分为多个子区域,每个子区域构建虚拟力吸引无人机的飞入;
在本实施例中,虚拟力构建模块用于构建虚拟力,虚拟力包括区域虚拟力、无人机虚拟力和边界虚拟力,区域虚拟力、无人机虚拟力和边界虚拟力生成的合力共同部署无人机的落位,区域虚拟力用于产生引力吸引无人机进入用户区域,无人机虚拟力用于产生无人机之间的相互排斥或吸引力,边界虚拟力用于在无人机即将出界的时候网格边界将无人机弹开;
在本实施例中,信息转发节点选择模块用于将热点区域中部署好的无人机关联信息转发的无人机,选举中间区域的信息转发节点,每个信息转发节点负责一片热点区域,每架无人机首先搜索信息转发节点是否在自己的通信范围之内,如果在则直接关联,若不在则通过信息转发节点为中介点进行信息的传输,建立路由;
在本实施例中,虚拟力调整模块用于基于太阳能采集功率变化,将区域的虚拟力进行实时调整,当太阳能采集功率高于设定值时,保持原本的吸引力吸引无人机飞入用户区域内;当太阳能采集功率下降时,增大最优区域无人机数量以及降低无人机最大用户接入数。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (8)
1.一种基于无人机骨干网分布式组网方法,其特征在于,包括下述步骤:
汇聚节点通过对地面用户的地理位置信息的收集,确定每个区域所存在的地面用户的个数以及热点区域,将热点区域划分为多个子区域,每个子区域构建虚拟力吸引无人机的飞入;
所述虚拟力包括区域虚拟力、无人机虚拟力和边界虚拟力,所述区域虚拟力、无人机虚拟力和边界虚拟力生成的合力共同部署无人机的落位,所述区域虚拟力用于产生引力吸引无人机进入用户区域,所述无人机虚拟力用于产生无人机之间的相互排斥或吸引力,所述边界虚拟力用于在无人机即将出界的时候网格边界将无人机弹开;
热点区域中部署好的无人机关联信息转发的无人机,选举中间区域的信息转发节点,每个信息转发节点负责一片热点区域,每架无人机首先搜索信息转发节点是否在自己的通信范围之内,如果在则直接关联,若不在则通过信息转发节点为中介点进行信息的传输,建立路由;
基于太阳能采集功率变化,将区域虚拟力进行实时调整,当太阳能采集功率高于设定值时,保持原本的吸引力吸引无人机飞入用户区域内;当太阳能采集功率下降时,增大最优区域无人机数量以及降低无人机最大用户接入数。
2.根据权利要求1所述的基于无人机骨干网分布式组网方法,其特征在于,所述将热点区域划分为多个子区域,每个子区域构建虚拟力吸引无人机的飞入,具体步骤包括:
设定热点区域的吸引力与已部署好的无人机数量成反比,单个区域里的无人机搜索所能接触到的地面用户,并将数据反馈回给汇聚节点;
将热点区域划分为m×n个子网格,m取固定值,n的取值为:
其中,floor为向下取整函数,Nu为地面用户总数,Nmax为每架无人机可接入的最大用户数,mod为取余函数;
采用计算距离的方式来判定当前子网格是否被某架无人机所感应,判定公式为:
其中,distance为某一无人机距离网格中心点的距离,Rt为无人机的传感半径;
计算任意子网格被任意无人机节点覆盖的概率:
其中,N为无人机总节点数,Pi(x,y)表示某一网格是否被某一无人机节点覆盖;
当下的实际覆盖概率与无人机所覆盖的概率的关系为:
整体覆盖率表示为:
其中,Scov为无人机实际覆盖的面积,Sall为总面积;
当覆盖率达到设定值时表示该区域无人机数量已满足要求。
6.根据权利要求1所述的基于无人机骨干网分布式组网方法,其特征在于,所述建立路由的具体步骤包括:
源节点将路由请求信息发送给负责当前热点区域的信息转发节点,检查目的节点是否在当前热点区域内,如果在,则直接建立起到目的节点的路由;
如果目的节点不存在于该热点区域内,则信息转发节点将REQ信息转发给负责另外的热点区域的信息转发节点,信息转发节点检查目的节点是否在本热点区域内,如果在,则向源节点返回ADV消息,如果不在,则继续向负责其它热点区域的其它信息转发节点转发该路由请求信息 ,直到找到目的节点。
8.一种基于无人机骨干网分布式组网系统,其特征在于,包括:信息采集模块、热点区域划分模块、虚拟力构建模块、信息转发节点选择模块和虚拟力调整模块;
所述信息采集模块用于采用汇聚节点通过对地面用户的地理位置信息的收集,确定每个区域所存在的地面用户的个数以及热点区域,
所述热点区域划分模块用于将热点区域划分为多个子区域,每个子区域构建虚拟力吸引无人机的飞入;
所述虚拟力构建模块用于构建虚拟力,所述虚拟力包括区域虚拟力、无人机虚拟力和边界虚拟力,所述区域虚拟力、无人机虚拟力和边界虚拟力生成的合力共同部署无人机的落位,所述区域虚拟力用于产生引力吸引无人机进入用户区域,所述无人机虚拟力用于产生无人机之间的相互排斥或吸引力,所述边界虚拟力用于在无人机即将出界的时候网格边界将无人机弹开;
所述信息转发节点选择模块用于将热点区域中部署好的无人机关联信息转发的无人机,选举中间区域的信息转发节点,每个信息转发节点负责一片热点区域,每架无人机首先搜索信息转发节点是否在自己的通信范围之内,如果在则直接关联,若不在则通过信息转发节点为中介点进行信息的传输,建立路由;
所述虚拟力调整模块用于基于太阳能采集功率变化,将区域的虚拟力进行实时调整,当太阳能采集功率高于设定值时,保持原本的吸引力吸引无人机飞入用户区域内;当太阳能采集功率下降时,增大最优区域无人机数量以及降低无人机最大用户接入数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011143437.2A CN112291795B (zh) | 2020-10-23 | 2020-10-23 | 一种基于无人机骨干网分布式组网系统与方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011143437.2A CN112291795B (zh) | 2020-10-23 | 2020-10-23 | 一种基于无人机骨干网分布式组网系统与方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112291795A CN112291795A (zh) | 2021-01-29 |
CN112291795B true CN112291795B (zh) | 2022-12-23 |
Family
ID=74424241
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011143437.2A Active CN112291795B (zh) | 2020-10-23 | 2020-10-23 | 一种基于无人机骨干网分布式组网系统与方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112291795B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113825172B (zh) * | 2021-07-30 | 2023-08-18 | 西安理工大学 | 一种基于扩散式部署算法的多无人机网络负载均衡方法 |
CN114489147B (zh) * | 2021-12-28 | 2023-10-17 | 中国人民解放军国防科技大学 | 无人机集群自组织区域覆盖方法、装置和设备 |
CN114374951B (zh) * | 2022-01-12 | 2024-04-30 | 重庆邮电大学 | 一种多无人机动态预部署方法 |
CN114641007B (zh) * | 2022-05-18 | 2022-08-26 | 鹏城实验室 | 空中通信平台部署方法、装置、智能终端及存储介质 |
CN115175089B (zh) * | 2022-06-07 | 2024-04-19 | 同济大学 | 一种基于均匀圆阵的无人机协同目标感知网络部署方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107580293A (zh) * | 2017-08-04 | 2018-01-12 | 昆明理工大学 | 一种基于虚拟力的汇聚节点重定位方法 |
CN111601356A (zh) * | 2020-04-17 | 2020-08-28 | 西安理工大学 | 一种无线紫外光协作无人机隐秘动态分簇系统及方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10039114B2 (en) * | 2015-04-14 | 2018-07-31 | Verizon Patent And Licensing Inc. | Radio access network for unmanned aerial vehicles |
CN105530607B (zh) * | 2015-12-14 | 2017-03-22 | 腾讯科技(深圳)有限公司 | 用户推荐方法、装置和系统 |
-
2020
- 2020-10-23 CN CN202011143437.2A patent/CN112291795B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107580293A (zh) * | 2017-08-04 | 2018-01-12 | 昆明理工大学 | 一种基于虚拟力的汇聚节点重定位方法 |
CN111601356A (zh) * | 2020-04-17 | 2020-08-28 | 西安理工大学 | 一种无线紫外光协作无人机隐秘动态分簇系统及方法 |
Non-Patent Citations (1)
Title |
---|
"基于小波变换的集成电路内部缺陷检测方法";刘贵云;《广州大学学报(自然科学版)》;20181215;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112291795A (zh) | 2021-01-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112291795B (zh) | 一种基于无人机骨干网分布式组网系统与方法 | |
Wang et al. | Power control in UAV-supported ultra dense networks: Communications, caching, and energy transfer | |
Zhang et al. | Energy-efficient trajectory optimization for UAV-assisted IoT networks | |
CN110149671B (zh) | 无人机蜂群网络的路由选择方法 | |
CN104540173B (zh) | 一种基于树状簇结构的无线传感器网络移动数据收集方法 | |
CN112564767B (zh) | 无人机网络中基于自组织优化协作的连续覆盖方法 | |
Li et al. | Power allocation and 3-D placement for floating relay supporting indoor communications | |
Gao et al. | A hierarchical routing scheme with load balancing in software defined vehicular ad hoc networks | |
Khan et al. | Intelligent cluster routing scheme for flying ad hoc networks | |
Perera et al. | A WPT-enabled UAV-assisted condition monitoring scheme for wireless sensor networks | |
Chandrasekharan et al. | Clustering approach for aerial base-station access with terrestrial cooperation | |
Busaileh et al. | Tuft: Tree based heuristic data dissemination for mobile sink wireless sensor networks | |
CN113206701A (zh) | 一种无人机飞行基站的三维部署和功率分配联合优化方法 | |
Toorchi et al. | Skeleton-based swarm routing (SSR): Intelligent smooth routing for dynamic UAV networks | |
Sikeridis et al. | Self-adaptive energy efficient operation in UAV-assisted public safety networks | |
Zhu et al. | Aerial data collection with coordinated UAV and truck route planning in wireless sensor network | |
Mittal et al. | Distributed cooperation under uncertainty in drone-based wireless networks: A Bayesian coalitional game | |
Zhao et al. | Transfer learning: A paradigm for dynamic spectrum and topology management in flexible architectures | |
KR20200028645A (ko) | 모바일 센서 네트워크에서 모바일 싱크 기반 에너지 효율적인 클러스터링 기법 | |
Fu et al. | AoI-energy-aware collaborative data collection in UAV-enabled wireless powered sensor networks | |
CN115209425B (zh) | 一种基于无线传感器分布的无人机部署方法 | |
CN115225142B (zh) | 多无人机通信中用户匹配与频谱资源联合优化方法及系统 | |
Wang et al. | An efficient and robust UAVs’ path planning approach for timely data collection in wireless sensor networks | |
Guezouli et al. | Self-organization smart protocol for mobile wireless sensor networks | |
Yanqiu et al. | Research on UAV relay deployment problem for emergency communication |
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 |