CN112291810B - 无人机网络的网络分裂检测方法和装置 - Google Patents
无人机网络的网络分裂检测方法和装置 Download PDFInfo
- Publication number
- CN112291810B CN112291810B CN202011202635.1A CN202011202635A CN112291810B CN 112291810 B CN112291810 B CN 112291810B CN 202011202635 A CN202011202635 A CN 202011202635A CN 112291810 B CN112291810 B CN 112291810B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- network
- drone
- motion state
- 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
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
-
- 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
- H04B7/18506—Communications with or from aircraft, i.e. aeronautical mobile service
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Astronomy & Astrophysics (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本申请公开了一种无人机网络的网络分裂检测方法和装置,其中方法包括:当需要进行网络分裂检测时,网络中的每架无人机i利用K+1个采样周期,采集与相邻无人机j的相对运动状态值;所述无人机j为所述无人机i的预设相邻无人机监控集合中的无人机;对于每架所述无人机j,所述无人机i根据与该无人机j的所述相对运动状态值,采用迪基‑福勒(Dickey‑Fuller)检验方法,检测是否与所述无人机j相连接;当所述无人机i检测到没有与所述无人机j相连接时,判定当前发生网络分裂。采用本申请,可以快速、准确地检测出无人机网络的网络分裂,且运算开销小。
Description
技术领域
本发明涉及无线移动通信技术,特别是涉及一种无人机网络的网络分裂检测方法和装置。
背景技术
无人机网络具有易部署、高机动性以及低购置和维护成本等优势,与传统基于基础设施的网络相比,可以更高效地完成复杂机动任务。但是,无人机网络中的无人机节点的高移动性,也给无人机网络优势的发挥带来了挑战。网络分裂问题是由无人机高移动性引起的挑战之一。
网络分裂意味着无人机网络已经处在了极坏的状态,在实际中最好能够避免这种情况的发生,但是,目前没有技术解决方案可以保证无人机网络永远不会分裂,所以更现实且有必要的做法是采取适当的措施在无人机网络分裂后立即重新合并。为此,高灵敏度地网络分裂检测变得极为重要。
发明人在实现本发明的过程中发现:现有的网络分裂检测方法不适用于无人机网络,原因分析如下:
现有的分布式网络分裂检测方案,通常是基于网络的拓扑结构相对较稳定的场景实现。即假定网络中的节点具有移动能力,但大部分时间都不移动,基于这种场景,采用发送检测包等方法,来检测节点间链路的连通性。
而在无人机网络中,由于无人机节点具有高移动性,无人机间链路的连通状态会随着无人机的移动而迅速发生变化。这样,如果在无人机网络中,采用发送检测包的方式,来检测无人机间链路的连通性,就会由于无人机的高移动性,而导致:在从发送检测包到根据检测包的反馈情况做出连通性判断这一过程中,链路状态很可以发生变化,从而导致现有的分布式网络分裂检测方案无法适用于拓扑结构动态变化的无人机网络。
发明内容
有鉴于此,本发明的主要目的在于提供一种无人机网络的网络分裂检测方法和装置,可以快速、准确地检测出无人机网络的网络分裂。
为了达到上述目的,本发明实施例提出的技术方案为:
一种无人机网络的网络分裂检测方法,包括:
当需要进行网络分裂检测时,网络中的每架无人机i利用K+1个采样周期,采集与相邻无人机j的相对运动状态值;所述无人机j为所述无人机i的预设相邻无人机监控集合中的无人机;
对于每架所述无人机j,所述无人机i根据与该无人机j的所述相对运动状态值,采用迪基-福勒(Dickey-Fuller)检验方法,检测是否与所述无人机j相连接;
当所述无人机i检测到没有与所述无人机j相连接时,判定当前发生网络分裂。
在一个实施方式中,所述采集与相邻无人机j的相对运动状态值包括:
在每个所述采样周期k,所述无人机i获取自身和所述无人机j分别在所述采样周期k的实际位置,并按照yi,j,k=pi,k-δi-(pj,k-δj),计算所述无人机i与所述无人机j在所述采样周期k的相对运动状态值yi,j,k;
其中,所述pi,k为所述无人机i在所述采样周期k的实际位置;pj,k为所述无人机j在所述采样周期k的实际位置;δi为所述无人机i在网络中的预设相对位置;δj为所述无人机j在网络中的预设相对位置。
在一个实施方式中,所述无人机i检测是否与所述无人机j相连接包括:
根据所述第一估计参数是否在第一拒绝域Γ1中以及所述第二估计参数是否在第二拒绝域Γ2中,判断所述无人机i是否与所述无人机j相连接;其中,所述ct为所述第二估计参数在Dickey-Fuller检验表中对应的门限值。
其中,yi,j,k表示在所述K+1个采样周期中的第k个采样周期中得到的所述无人机i与所述无人机j的相对运动状态值;yi,j,k-1表示在所述K+1个采样周期中的第k-1个采样周期中得到的所述无人机i与所述无人机j的相对运动状态值。
其中,yi,j,k表示在所述K+1个采样周期中的第k个采样周期中得到的所述无人机i与所述无人机j的相对运动状态值;yi,j,k-1表示在所述K+1个采样周期中的第k-1个采样周期中得到的所述无人机i与所述无人机j的相对运动状态值。
在一个实施方式中,判断所述无人机i是否与所述无人机j相连接包括:
在一个实施方式中,判断所述无人机i是否与所述无人机j相连接包括:
本发明实施例中还公开了一种无人机网络的网络分裂检测装置,设置于无人机网络中的每架无人机i中,包括:
采样模块,用于当需要进行网络分裂检测时,利用K+1个采样周期,采集与相邻无人机j的相对运动状态值;所述无人机j为所述无人机i的预设相邻无人机监控集合中的无人机;
检测模块,用于对于每架所述无人机j,根据所述无人机i与该无人机j的所述相对运动状态值,采用迪基-福勒Dickey-Fuller检验方法,检测是否与所述无人机j相连接;
判决模块,用于当所述无人机i检测到没有与所述无人机j相连接时,判定当前发生网络分裂。
本发明实施例还公开了一种无人机网络的网络分裂检测设备,包括处理器和存储器;
所述存储器中存储有可被所述处理器执行的应用程序,用于使得所述处理器执行如上所述的无人机网络的网络分裂检测方法。
本发明实施例还公开了一种计算机可读存储介质,其中存储有计算机可读指令,该计算机可读指令用于执行如上所述的无人机网络的网络分裂检测方法。
由上述技术方案可见,本发明实施例提出的无人机网络的网络分裂检测方案中,在需要检测网络中是否发生网络分裂时,网络中的每架无人机i对于预设的每架相邻无人机j,利用K+1个采样周期,采集与该无人机j的相对运动状态值;然后基于K+1个采样周期中得到的与该无人机j的相对运动状态值,采用迪基-福勒(Dickey-Fuller)检验方法,检测是否与无人机j相连接,并根据检测结果判定当前是否发生网络分裂。如此,网络中的每个节点可以利用Dickey-Fuller检验方法,提取出自身与相邻节点之间状态数据的关联性特征,基于所提取的关联性特征,即可准确地识别出与相邻节点的连接是否发生中断。因此,采用本发明实施例,不需要无人机网络的全局状态信息,只需要在相邻的若干无人机范围内基于较少的状态数据,即可准确、快速地检测出无人机网络是否发生网络分裂,且运算开销少。
附图说明
图1为本发明实施例的方法流程示意图。
图2为本发明实施例的装置结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图及具体实施例对本发明作进一步地详细描述。
发明人考虑到在实际网络中,无人机网络的全局状态信息通常无法获知,本发明中,将基于非全局状态信息进行网络分裂检测方法。为此,本发明实施例中,将引入Dickey-Fuller检验方法,每架无人机,基于与相邻无人机之间最近一段时间内产生的相对运动状态数据,提取出数据关联性特征,基于数据关联性特征是否在Dickey-Fuller检验的相应拒绝域中,来判断两者之间的连接是否发生中断,从而可以基于局部观测信息,以较小的运算开销、及时地检测到网络分裂的发生。
图1为本发明实施例的流程示意图,如图1所示,该实施例实现的无人机网络的网络分裂检测方法,主要包括:
步骤101、当需要进行网络分裂检测时,网络中的每架无人机i利用K+1个采样周期,采集与相邻无人机j的相对运动状态值;所述无人机j为所述无人机i的预设相邻无人机监控集合中的无人机。
本步骤中,无人机i将会在连续采集K+1个采样周期中分别采集与相邻无人机j的相对运动状态值,从而可以获得K+1个与相邻无人机j的相对运动状态值,如此,可以在后续步骤中基于这些相对运动状态值构成的运动状态时间序列,采用Dickey-Fuller检验方法,提取出数据关联特征,并基于数据关联特征,检测是否与无人机j相连接。
所述相邻无人机监控集合用于限定无人机i需要检测的无人机范围。在实际应用中,可以从无人机i的相邻无人机中选择出N架组成所述相邻无人机监控集合,N为大于等于1的整数。
在实际应用中,所述K用于限定对每个相邻无人机j的采样数量,具体可由本领域技术人员设置合适取值,只要能确保所获得的相对运动状态值数量能够准确地反映出相邻无人机之间的连接状态即可。
在一个实施方式中,可以采用下述方法采集与相邻无人机j的相对运动状态值:
在每个所述采样周期k,所述无人机i获取自身和所述无人机j分别在所述采样周期k的实际位置,并按照yi,j,k=pi,k-δi-(pj,k-δj),计算所述无人机i与所述无人机j在所述采样周期k的相对运动状态值yi,j,k。
其中,所述pi,k为所述无人机i在所述采样周期k的实际位置;
pj,k为所述无人机j在所述采样周期k的实际位置;
δi为所述无人机i在网络中的预设相对位置;
δj为所述无人机j在网络中的预设相对位置。
上述实施方式中,无人机i可以采用现有方法,获知所述无人机j在当前采样周期k的实际位置,在此不再赘述。
所述δi为预设的理想拓扑结构中无人机i在网络中的相对位置。
所述δj为预设的理想拓扑结构中无人机j在网络中的相对位置。
在实际应用中,采样周期越短,检测频率越高,检测准确性、及时性越高,同时也会产生更多的检测开销,反之,采样周期越长,检测频率越低,检测准确性、及时性越弱,同时产生的运算开销越少,具体地,本领域技术人员可根据上述规律并结合实际需要,设置合适的采样周期。
步骤102、对于每架所述无人机j,所述无人机i根据与该无人机j的所述相对运动状态值,采用迪基-福勒(Dickey-Fuller)检验方法,检测是否与所述无人机j相连接。
在一个实施方式中,可以采用下述方法检测是否与所述无人机j相连接。
步骤a1、所述无人机i利用在所述K+1个采样周期中得到的所述相对运动状态值yi,j,k,k=0,1,......K,按照最小二乘估计方法,获得当前用于Dickey-Fuller检验的第一估计参数和第二估计参数
其中,yi,j,k表示在所述K+1个采样周期中的第k个采样周期中得到的所述无人机i与所述无人机j的相对运动状态值;yi,j,k-1表示在所述K+1个采样周期中的第k-1个采样周期中得到的所述无人机i与所述无人机j的相对运动状态值。
其中,yi,j,k表示在所述K+1个采样周期中的第k个采样周期中得到的所述无人机i与所述无人机j的相对运动状态值;yi,j,k-1表示在所述K+1个采样周期中的第k-1个采样周期中得到的所述无人机i与所述无人机j的相对运动状态值。
在实际应用中,本领域技术人员可以根据实际应用场景中的虚警性能和检测性能的需求,采用合适的判断机制,来判断所述无人机i是否与所述无人机j相连接。
例如,在一个实施方式中,可以采用下述方法判断所述无人机i是否与所述无人机j相连接:
在另一个实施方式中,还可以采用下述方法判断所述无人机i是否与所述无人机j相连接包括:
上述两种判断方法中,相对于后者,前者的连接判断要求更严格。在实际应用中,不限于上述两种方法,具体地,可由本领域技术人员根据实际需要灵活选择合适的判断机制。
步骤103、当所述无人机i检测到没有与所述无人机j相连接时,判定当前发生网络分裂。
本步骤中,所述无人机i检测到与任一所述无人机j没有连接,即判定当前发生网络分裂。这样,网络中的每架无人机仅对自身与相邻无人机的连接状况进行检测,即可以较少的运算开销,快速、准确地检测出网络中是否发生分裂。
基于上述方法实施例,可以看出采用上述方案,可以获得下述技术效果:
1、利用时间序列策略(包括Dickey-Fuller检验)进行无人机网络分裂检测。如此,可以以较小的样本数,获得良好的检测性能。
2、本发明实施例的无人机网络分裂检测只需要通过对任意两架无人机的运动状态进行局部观测,不需要无人机网络的全局状态信息,大幅度降低了检测开销,并增强了本发明可实施性。
3、本发明实施例通过测试任意两架无人机是否连接,准确地检测出当前是否发生了网络分裂。
需要说明的是,在实际应用中,对于网络分裂的检测可以基于预设的检测事件触发,也可以基于周期性的检测机制触发。进一步地,还可以基于上述方法实施例进行变形,如在每个采样周期,基于最近获取的K+1个周期的相对运动状态值,实时检测当前是否发生网络分裂,在此不再赘述。
与上述方法实施例相对应,本发明实施例还公开了一种无人机网络的网络分裂检测装置,该装置设置于无人机网络中的每架无人机i中,如图2所示包括:
采样模块,用于当需要进行网络分裂检测时,利用K+1个采样周期,采集与相邻无人机j的相对运动状态值;所述无人机j为所述无人机i的预设相邻无人机监控集合中的无人机;
检测模块,用于对于每架所述无人机j,根据所述无人机i与该无人机j的所述相对运动状态值,采用迪基-福勒Dickey-Fuller检验方法,检测是否与所述无人机j相连接;
判决模块,用于当所述无人机i检测到没有与所述无人机j相连接时,判定当前发生网络分裂。
与上述方法实施例相对应,本发明实施例还公开了一种无人机网络的网络分裂检测设备,包括处理器和存储器;
所述存储器中存储有可被所述处理器执行的应用程序,用于使得所述处理器执行如上所述的无人机网络的网络分裂检测方法。
其中,存储器具体可以实施为电可擦可编程只读存储器(EEPROM)、快闪存储器(Flash memory)、可编程程序只读存储器(PROM)等多种存储介质。处理器可以实施为包括一或多个中央处理器或一或多个现场可编程门阵列,其中现场可编程门阵列集成一或多个中央处理器核。具体地,中央处理器或中央处理器核可以实施为CPU或MCU。
需要说明的是,上述各流程和各结构图中不是所有的步骤和模块都是必须的,可以根据实际的需要忽略某些步骤或模块。各步骤的执行顺序不是固定的,可以根据需要进行调整。各模块的划分仅仅是为了便于描述采用的功能上的划分,实际实现时,一个模块可以分由多个模块实现,多个模块的功能也可以由同一个模块实现,这些模块可以位于同一个设备中,也可以位于不同的设备中。
各实施方式中的硬件模块可以以机械方式或电子方式实现。例如,一个硬件模块可以包括专门设计的永久性电路或逻辑器件(如专用处理器,如FPGA或ASIC)用于完成特定的操作。硬件模块也可以包括由软件临时配置的可编程逻辑器件或电路(如包括通用处理器或其它可编程处理器)用于执行特定操作。至于具体采用机械方式,或是采用专用的永久性电路,或是采用临时配置的电路(如由软件进行配置)来实现硬件模块,可以根据成本和时间上的考虑来决定。
本发明实施例还公开了一种计算机可读存储介质,其中存储有计算机可读指令,该计算机可读指令用于执行如上所述的无人机网络的网络分裂检测方法。
具体地,可以提供配有存储介质的系统或者装置,在该存储介质上存储着实现上述实施例中任一实施方式的功能的软件程序代码,且使该系统或者装置的计算机(或CPU或MPU)读出并执行存储在存储介质中的程序代码。此外,还可以通过基于程序代码的指令使计算机上操作的操作系统等来完成部分或者全部的实际操作。还可以将从存储介质读出的程序代码写到插入计算机内的扩展板中所设置的存储器中或者写到与计算机相连接的扩展单元中设置的存储器中,随后基于程序代码的指令使安装在扩展板或者扩展单元上的CPU等来执行部分和全部实际操作,从而实现上述实施方式中任一实施方式的功能。
用于提供程序代码的存储介质实施方式包括软盘、硬盘、磁光盘、光盘(如CD-ROM、CD-R、CD-RW、DVD-ROM、DVD-RAM、DVD-RW、DVD+RW)、磁带、非易失性存储卡和ROM。可选择地,可以由通信网络从服务器计算机或云上下载程序代码。
在本文中,“示意性”表示“充当实例、例子或说明”,不应将在本文中被描述为“示意性”的任何图示、实施方式解释为一种更优选的或更具优点的技术方案。为使图面简洁,各图中的只示意性地表示出了与本发明相关部分,而并不代表其作为产品的实际结构。另外,以使图面简洁便于理解,在有些图中具有相同结构或功能的部件,仅示意性地绘示了其中的一个,或仅标出了其中的一个。在本文中,“一个”并不表示将本发明相关部分的数量限制为“仅此一个”,并且“一个”不表示排除本发明相关部分的数量“多于一个”的情形。在本文中,“上”、“下”、“前”、“后”、“左”、“右”、“内”、“外”等仅用于表示相关部分之间的相对位置关系,而非限定这些相关部分的绝对位置。
以上所述,仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种无人机网络的网络分裂检测方法,其特征在于,包括:
当需要进行网络分裂检测时,网络中的每架无人机i利用K+1个采样周期,采集与相邻无人机j的相对运动状态值;所述无人机j为所述无人机i的预设相邻无人机监控集合中的无人机;
对于每架所述无人机j,所述无人机i根据与该无人机j的所述相对运动状态值,采用迪基-福勒Dickey-Fuller检验方法,检测是否与所述无人机j相连接;其中,所述检测包括:所述无人机i利用在所述K+1个采样周期中得到的所述相对运动状态值,按照最小二乘估计方法,获得当前用于Dickey-Fuller检验的第一估计参数和第二估计参数根据所述第一估计参数是否在第一拒绝域Γ1中以及所述第二估计参数是否在第二拒绝域Γ2中,判断所述无人机i是否与所述无人机j相连接;其中, 所述ct为所述第二估计参数在Dickey-Fuller检验表中对应的门限值;
当所述无人机i检测到没有与所述无人机j相连接时,判定当前发生网络分裂。
2.根据权利要求1所述的方法,其特征在于,所述采集与相邻无人机j的相对运动状态值包括:
在每个所述采样周期k,所述无人机i获取自身和所述无人机j分别在所述采样周期k的实际位置,并按照yi,j,k=pi,k-δi-(pj,k-δj),计算所述无人机i与所述无人机j在所述采样周期k的相对运动状态值yi,j,k;
其中,所述pi,k为所述无人机i在所述采样周期k的实际位置;pj,k为所述无人机j在所述采样周期k的实际位置;δi为所述无人机i在网络中的预设相对位置;δj为所述无人机j在网络中的预设相对位置。
7.一种无人机网络的网络分裂检测装置,其特征在于,设置于无人机网络中的每架无人机i中,包括:
采样模块,用于当需要进行网络分裂检测时,利用K+1个采样周期,采集与相邻无人机j的相对运动状态值;所述无人机j为所述无人机i的预设相邻无人机监控集合中的无人机;
检测模块,用于对于每架所述无人机j,根据所述无人机i与该无人机j的所述相对运动状态值,采用迪基-福勒Dickey-Fuller检验方法,检测是否与所述无人机j相连接;
其中,所述检测包括:所述无人机i利用在所述K+1个采样周期中得到的所述相对运动状态值,按照最小二乘估计方法,获得当前用于Dickey-Fuller检验的第一估计参数和第二估计参数根据所述第一估计参数是否在第一拒绝域Γ1中以及所述第二估计参数是否在第二拒绝域Γ2中,判断所述无人机i是否与所述无人机j相连接;其中,所述ct为所述第二估计参数在Dickey-Fuller检验表中对应的门限值;
判决模块,用于当所述无人机i检测到没有与所述无人机j相连接时,判定当前发生网络分裂。
8.一种无人机网络的网络分裂检测设备,其特征在于,包括处理器和存储器;
所述存储器中存储有可被所述处理器执行的应用程序,用于使得所述处理器执行如权利要求1至6中任一项所述的无人机网络的网络分裂检测方法。
9.一种计算机可读存储介质,其特征在于,其中存储有计算机可读指令,该计算机可读指令用于执行如权利 要 求1至6中任一项所述的无人机网络的网络分裂检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011202635.1A CN112291810B (zh) | 2020-11-02 | 2020-11-02 | 无人机网络的网络分裂检测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011202635.1A CN112291810B (zh) | 2020-11-02 | 2020-11-02 | 无人机网络的网络分裂检测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112291810A CN112291810A (zh) | 2021-01-29 |
CN112291810B true CN112291810B (zh) | 2022-02-08 |
Family
ID=74353850
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011202635.1A Active CN112291810B (zh) | 2020-11-02 | 2020-11-02 | 无人机网络的网络分裂检测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112291810B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104837158A (zh) * | 2015-05-06 | 2015-08-12 | 南昌大学 | 物联网中失效节点的覆盖空洞修复方法、系统 |
CN105575187A (zh) * | 2016-02-04 | 2016-05-11 | 广州极飞电子科技有限公司 | 空中交通网络的描述方法及描述系统 |
CN106993294A (zh) * | 2017-03-30 | 2017-07-28 | 河海大学 | 一种无人机网络最大比合并型融合方法 |
CN108375953A (zh) * | 2018-03-26 | 2018-08-07 | 北京京东尚科信息技术有限公司 | 无人机状态监控方法、装置和系统 |
CN109884902A (zh) * | 2019-04-04 | 2019-06-14 | 南京航空航天大学 | 一种基于区间观测器无人机编队系统故障检测方法 |
CN111028547A (zh) * | 2019-11-13 | 2020-04-17 | 中国电子科技集团公司第二十八研究所 | 一种低空飞行器编队局部通信失效时的解决方法 |
CN111619806A (zh) * | 2020-06-03 | 2020-09-04 | 深圳市道通智能航空技术有限公司 | 一种无人机故障检测方法、无人机及无人机系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11496884B2 (en) * | 2017-05-03 | 2022-11-08 | Qualcomm Incorporated | Exchanging a message including drone-coupled capability information between a drone-coupled user equipment and a component of a terrestrial wireless communication subscriber network |
-
2020
- 2020-11-02 CN CN202011202635.1A patent/CN112291810B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104837158A (zh) * | 2015-05-06 | 2015-08-12 | 南昌大学 | 物联网中失效节点的覆盖空洞修复方法、系统 |
CN105575187A (zh) * | 2016-02-04 | 2016-05-11 | 广州极飞电子科技有限公司 | 空中交通网络的描述方法及描述系统 |
CN106993294A (zh) * | 2017-03-30 | 2017-07-28 | 河海大学 | 一种无人机网络最大比合并型融合方法 |
CN108375953A (zh) * | 2018-03-26 | 2018-08-07 | 北京京东尚科信息技术有限公司 | 无人机状态监控方法、装置和系统 |
CN109884902A (zh) * | 2019-04-04 | 2019-06-14 | 南京航空航天大学 | 一种基于区间观测器无人机编队系统故障检测方法 |
CN111028547A (zh) * | 2019-11-13 | 2020-04-17 | 中国电子科技集团公司第二十八研究所 | 一种低空飞行器编队局部通信失效时的解决方法 |
CN111619806A (zh) * | 2020-06-03 | 2020-09-04 | 深圳市道通智能航空技术有限公司 | 一种无人机故障检测方法、无人机及无人机系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112291810A (zh) | 2021-01-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11443146B2 (en) | Methods, devices, and computer program products for model adaptation | |
CN110808865B (zh) | 一种被动工控网络拓扑发现方法及工控网络安全管理系统 | |
CN109961106B (zh) | 轨迹分类模型的训练方法和装置、电子设备 | |
EP3224991B1 (en) | Anomaly detection in protocol processes | |
KR20140025316A (ko) | 통신 네트워크 내의 노드 상에서 작동되는 운영 시스템을 핑커프린팅하는 방법 및 시스템 | |
US11706236B2 (en) | Autonomous application of security measures to IoT devices | |
CN111368289B (zh) | 一种恶意软件检测方法和装置 | |
US10459066B2 (en) | Self-adaptive system and method for robust Wi-Fi indoor localization in large public site | |
CN112689132B (zh) | 目标对象监控方法和监控设备 | |
WO2014057501A1 (en) | Real-time traffic detection | |
CN114153980A (zh) | 知识图谱构建方法和装置、检查方法、存储介质 | |
CN115277102A (zh) | 网络攻击检测方法、装置、电子设备及存储介质 | |
CN111274084A (zh) | 故障诊断方法、装置、设备及计算机可读存储介质 | |
CN112073988A (zh) | 一种局域网内隐藏摄像头的探测方法 | |
CN112291810B (zh) | 无人机网络的网络分裂检测方法和装置 | |
CN111009136A (zh) | 一种高速公路行驶速度异常车辆检测方法、装置及系统 | |
CN101252477B (zh) | 一种网络故障根源的确定方法及分析装置 | |
KR101741108B1 (ko) | 시스템 결함 분석 장치, 방법 및 시스템 결함을 분석하기 위한 프로그램을 저장하는 저장매체 | |
CN110728229B (zh) | 图像处理方法、装置、设备和存储介质 | |
CN116528149A (zh) | 融合定位方法、系统、电子设备及存储介质 | |
CN107547282B (zh) | 一种信息与通信业务影响分析模型建立方法及系统 | |
CN113874888A (zh) | 信息处理装置、生成方法和生成程序 | |
US20220173980A1 (en) | Ai machine learning technology based fault management system for network equpment that supports sdn open flow protocol | |
CN111835541A (zh) | 一种模型老化检测方法、装置、设备及系统 | |
CN115694848A (zh) | 设备查找方法、装置、系统和计算机可读介质 |
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 |