CN112333648B - 一种基于无人机的动态数据收集方法 - Google Patents
一种基于无人机的动态数据收集方法 Download PDFInfo
- Publication number
- CN112333648B CN112333648B CN202011255822.6A CN202011255822A CN112333648B CN 112333648 B CN112333648 B CN 112333648B CN 202011255822 A CN202011255822 A CN 202011255822A CN 112333648 B CN112333648 B CN 112333648B
- Authority
- CN
- China
- Prior art keywords
- uav
- data
- modeling
- transmission
- cluster head
- 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
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/20—Services signaling; Auxiliary data signalling, i.e. transmitting data via a non-traffic channel
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W8/00—Network data management
- H04W8/02—Processing of mobility data, e.g. registration information at HLR [Home Location Register] or VLR [Visitor Location Register]; Transfer of mobility data, e.g. between HLR, VLR or external networks
- H04W8/08—Mobility data transfer
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W8/00—Network data management
- H04W8/18—Processing of user or subscriber data, e.g. subscribed services, user preferences or user profiles; Transfer of user or subscriber data
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Databases & Information Systems (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及一种基于无人机的动态数据收集方法,属于无线通信技术领域。该方法包括以下步骤:步骤1)、建模簇头选择变量;2)、建模传感器节点SN与簇头关联变量;3)、建模数据收集模式选择变量;4)、建模直接传输模式时延;5)、建模UAV收集模式时延;6)、建模网络成本;7)、建模SN成簇、数据收集模式选择及数据传输限制条件;8)、基于改进K‑Means算法确定SN成簇策略;9)、确定数据传输策略;10)、建模旅行商问题TSP,确定UAV飞行轨迹;11)、基于网络成本优化确定簇头发送功率及UAV飞行速度。
Description
技术领域
本发明属于无线通信技术领域,涉及一种基于无人机的动态数据收集方法。
背景技术
近年来,无人机(Unmanned Aerial Vehicle,UAV)相关技术得到快速发展,已在多个领域获得广泛应用。特别地,由于UAV可配备通信模块且具有灵活性和移动性,在无线通信系统中使用UAV作为中继、空中基站等,可有效提升系统覆盖范围及容量。此外,随着物联网应用的广泛普及,物联网各类设备采集数据,进而传输至网络或汇聚节点已成为重要应用。在部分物联网数据收集应用中,无线传感器节点(Sensor Node,SN)需采集环境数据并传输至汇聚节点,由于SN能量有限且与汇聚节点之间距离较远,难以高效完成数据收集。因此,可利用UAV的移动性,使用UAV实现SN数据的动态收集,继而由UAV将数据转发至汇聚节点,以提升数据收集效率。
目前已有文献研究SN数据收集问题,如有文献研究UAV从起始点飞行至目标点沿途收集SN的数据,联合优化UAV飞行轨迹及链路调度问题,以最小化数据收集时延;又例如,有文献提出UAV可飞行至目标点悬停继而收集SN的数据,以最小化网络成本;现有研究较少联合考虑SN成簇、UAV收集数据所需成本及UAV可同时飞行并收集数据对网络成本的影响问题,难以实现高效的数据收集性能优化。
发明内容
有鉴于此,本发明的目的在于提供一种基于无人机的动态数据收集方法。针对包含一个汇聚节点、一个UAV以及多个SN的系统,假设SN可成簇,建模数据收集所需总时延及UAV收集数据所需成本的加权和为优化目标,实现簇头选择、数据收集模式选择、簇头发送功率、UAV飞行速度及UAV飞行轨迹的联合优化。
为达到上述目的,本发明提供如下技术方案:
一种基于无人机UAV的动态数据收集方法,该方法包括以下步骤:
步骤1)建模簇头选择变量;
步骤2)建模传感器节点SN与簇头关联变量;
步骤3)建模数据收集模式选择变量;
步骤4)建模直接传输模式时延;
步骤5)建模UAV收集模式时延;
步骤6)建模网络成本;
步骤7)建模SN成簇、数据收集模式选择及数据传输限制条件;
步骤8)基于改进K-Means算法确定SN成簇策略;
步骤9)确定数据传输策略;
步骤10)建模旅行商问题TSP,确定UAV飞行轨迹;
步骤11)基于网络成本优化确定簇头发送功率及UAV飞行速度。
可选的,所述步骤1)中,建模簇头选择变量包括:假设网络内需传输数据的SN数量为K,令SNk表示第k个SN;令δk,j∈{0,1}表示簇头选择变量,若δk,j=1,表示将SNk选为第j个簇的簇头,记作CHj;反之,δk,j=0,1≤k≤K,1≤j≤J,其中,J为簇头的数量;
所述步骤2)中,建模SN与簇头关联变量包括:令αi,j∈{0,1}表示SNi与CHj的关联变量,若αi,j=1,表示SNi与CHj关联;反之,αi,j=0,1≤i≤K,1≤j≤J;
可选的,所述步骤4)中,建模直接传输模式时延包括:建模CHj的直接传输模式对应时延为其中,表示与CHj相关联的SN将数据传输至CHj对应的时延,表示CHj将数据传输至汇聚节点对应的时延;根据公式计算其中,表示SNi传输数据至SNk对应时延,建模为其中,Qi为SNi需传输的数据量,为SNi与SNk之间链路的传输速率,根据公式建模其中,B为链路传输带宽,Pi c为SNi的发送功率,为SNi与SNk之间链路的信道增益,σ2为噪声功率;根据公式计算其中,为CHj需传输的数据量,Rj为CHj与汇聚节点之间链路的传输速率,根据公式建模Rj建模为其中,Pj为CHj传输数据至汇聚节点对应的发送功率,hj为CHj与汇聚节点之间链路的信道增益。
可选的,所述步骤5)中,建模UAV收集模式时延包括:建模UAV收集模式时延Tu为Tu=Tu,n+Tu,co,其中,Tu,n为UAV经过非数据收集区域的时延,Tu,co为UAV收集簇头的数据以及传输数据至汇聚节点所需时延,Tu,n建模为其中,为UAV在第j个非数据收集区域的飞行距离,vmax为UAV的最大飞行速度;Tu,co建模为其中,为UAV收集CHj数据时对应的飞行距离,vj为UAV收集CHj数据的飞行速度,0≤vj≤vmax,为UAV传输数据至汇聚节点时对应的飞行距离,vJ+1为UAV传输数据至汇聚节点的飞行速度,0≤vJ+1≤vmax。
建模数据传输限制条件为 其中,为UAV接收到CHj传输数据的信噪比,为UAV成功接收CH所传输数据的信噪比阈值,表示UAV收集CHj数据的时间,表示CHj与UAV之间链路的传输速率,γ1(t)为汇聚节点接收到UAV所传输数据的信噪比,为汇聚节点接收到UAV传输数据的信噪比阈值,Tu,t为UAV传输所收集数据至汇聚节点所需时延,Qu为UAV收集的数据量;Ru(t)建模为其中,Pu为UAV的发送功率,hu(t)为UAV与汇聚节点之间链路的信道增益;
根据公式计算UAV与汇聚节点之间链路的信道增益hu(t),其中,为平均路损,建模为其中,pL(t)和pN(t)分别表示视距(Line-of-sight,LoS)传输和非视距(Non-line-of-sight,NLoS)传输的概率,和分别表示UAV传输数据至汇聚节点的LoS传输路损和NLoS传输路损,根据公式pL(t)=(1+μexp(-ω[φ(t)-μ]))-1计算pL(t),则pN(t)=1-pL(t),其中,μ和ω是与环境相关的常数,φ(t)为仰角,建模为其中,du(t)为UAV与汇聚节点之间的距离,z为UAV的飞行高度,UAV在时刻t的位置用ω(t)=(x(t),y(t),z)表示,汇聚节点的位置用ωs=(xs,ys)表示,根据公式计算du(t);和分别建模为:
可选的,所述步骤8)中,基于改进K-Means算法确定SN成簇策略具体包括:
①根据SN的传输性能选择合适的候选簇头,给定距离阈值dmax1,若SNk与汇聚节点之间的距离小于dmax1,则选择SNk作为候选簇头;令Φ0表示候选簇头集合,得令J0表示候选簇头的数目,即J0=|Φ0|,其中,|x|表示集合x中元素的数目;令簇头数目为J1,即J1=min{J0,Jmax};
可选的,所述步骤9)中,确定数据传输策略具体为:根据已获得的簇头集合Φch确定每个簇头的数据传输策略选择,假设簇头与汇聚节点之间的距离阈值为dmax2,若CHj与汇聚节点之间的距离则CHj选择直接传输模式;假设有M个簇头满足距离小于阈值的条件,令选择直接传输模式的簇头集合为则剩余J-M个簇头选择UAV收集模式,用集合表示。
可选的,所述步骤10)中,建模TSP,确定UAV飞行轨迹包括:根据TSP建模UAV飞行轨迹问题,具体为UAV从汇聚节点正上方出发,收集所有选择UAV收集模式的簇头的数据后,回到出发点,确定UAV飞行轨迹,以使任务完成时延最小;基于模拟退火算法确定UAV飞行轨迹,步骤如下:
①将UAV的出发点编号为1及J-M+2,簇头依次编号为2,3,...,(J-M+1);
②UAV飞行轨迹的解空间S表示为S={1,2,3,...,(J-M+2)}的所有固定起点和终点的排列顺序,即
S={(π1,...,πJ-M+2)π1=1,(π2,...,πJ-M+1)为{2,3,...,(J-M+1)}的排列顺序,πJ-M+2=J-M+2},其中,每一个排列解表示UAV收集J-M个簇头数据的可能顺序,πi=j表示在第i-1次收集CHj的数据;
③令初始解为{1,2,3,...,(J-M+2)},优化目标为最小化数据收集时延;
④根据变换法产生新解,具体为,任选序号u,l(u<l)交换u与l之间的顺序,此时的新路径为π1...πu-1πlπl-1...πu+1πuπl+1...πJ-M+2;
可选的,所述步骤11)中,在满足SN成簇、数据收集模式选择及数据传输限制条件下,以网络成本最小化为优化目标,确定簇头发送功率及UAV飞行速度,即其中,表示CHj传输数据至UAV的最优发送功率,表示UAV收集CHj数据的最优飞行速度,表示UAV传输数据至汇聚节点的最优飞行速度。
本发明的有益效果在于:
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述,并且在某种程度上,基于对下文的考察研究对本领域技术人员而言将是显而易见的,或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作优选的详细描述,其中:
图1为动态数据收集网络场景示意图;
图2为本发明所述方法的流程示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
其中,附图仅用于示例性说明,表示的仅是示意图,而非实物图,不能理解为对本发明的限制;为了更好地说明本发明的实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;对本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件;在本发明的描述中,需要理解的是,若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此附图中描述位置关系的用语仅用于示例性说明,不能理解为对本发明的限制,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。
本发明所述的一种基于UAV的动态数据收集方法,假设该网络中存在多个SN,且SN可成簇,通过UAV收集模式和直接传输模式收集簇头的数据;建模网络成本为数据收集所需总时延和UAV收集数据所需成本的加权和,基于网络成本最小化实现最优簇头选择、簇头发送功率优化、数据收集模式选择、UAV最优飞行速度及UAV飞行轨迹优化。
图1为动态数据收集网络场景示意图,该网络中存在多个SN,假设SN可成簇,簇头可通过UAV收集模式和直接传输模式传输数据至汇聚节点,假设UAV从汇聚节点正上方出发沿途收集选择UAV收集模式的簇头的数据,继而由UAV将所收集数据传输至汇聚节点;通过优化簇头选择、簇头发送功率、数据收集模式选择、UAV飞行速度及UAV飞行轨迹实现网络成本最小化。
图2为本发明所述方法的流程示意图,本发明所述方法具体包括以下步骤:
1)建模簇头选择变量
建模簇头选择变量包括:假设网络内需传输数据的SN数量为K,令SNk表示第k个SN;令δk,j∈{0,1}表示簇头选择变量,若δk,j=1,表示将SNk选为第j个簇的簇头,记作CHj;反之,δk,j=0,1≤k≤K,1≤j≤J,其中,J为簇头的数量。
2)建模SN与簇头关联变量
建模SN与簇头关联变量包括:令αi,j∈{0,1}表示SNi与CHj的关联变量,若αi,j=1,表示SNi与CHj关联;反之,αi,j=0,1≤i≤K,1≤j≤J。
3)建模数据收集模式选择变量
4)建模直接传输模式时延
建模直接传输模式时延包括:建模CHj的直接传输模式对应时延为其中,表示与CHj相关联的SN将数据传输至CHj对应的时延,表示CHj将数据传输至汇聚节点对应的时延;可根据公式计算其中,表示SNi传输数据至SNk对应时延,可建模为其中,Qi为SNi需传输的数据量,为SNi与SNk之间链路的传输速率,可根据公式建模其中,B为链路传输带宽,Pi c为SNi的发送功率,为SNi与SNk之间链路的信道增益,σ2为噪声功率;可根据公式计算其中,为CHj需传输的数据量,Rj为CHj与汇聚节点之间链路的传输速率,可根据公式建模Rj可建模为其中,Pj为CHj传输数据至汇聚节点对应的发送功率,hj为CHj与汇聚节点之间链路的信道增益。
5)建模UAV收集模式时延
建模UAV收集模式时延包括:建模UAV收集模式时延Tu为Tu=Tu,n+Tu,co,其中,Tu,n为UAV经过非数据收集区域的时延,Tu,co为UAV收集簇头的数据以及传输数据至汇聚节点所需时延,Tu,n可建模为其中,为UAV在第j个非数据收集区域的飞行距离,vmax为UAV的最大飞行速度;Tu,co可建模为其中,为UAV收集CHj数据时对应的飞行距离,vj为UAV收集CHj数据的飞行速度,0≤vj≤vmax,为UAV传输数据至汇聚节点时对应的飞行距离,vJ+1为UAV传输数据至汇聚节点的飞行速度,0≤vJ+1≤vmax。
6)建模网络成本
7)、建模SN成簇、数据收集模式选择及数据传输限制条件
建模数据传输限制条件为 其中,为UAV接收到CHj传输数据的信噪比,为UAV成功接收CH所传输数据的信噪比阈值,表示UAV收集CHj数据的时间,表示CHj与UAV之间链路的传输速率,γ1(t)为汇聚节点接收到UAV所传输数据的信噪比,为汇聚节点接收到UAV传输数据的信噪比阈值,Tu,t为UAV传输所收集数据至汇聚节点所需时延,Qu为UAV收集的数据量;Ru(t)可建模为其中,Pu为UAV的发送功率,hu(t)为UAV与汇聚节点之间链路的信道增益。
根据公式计算UAV与汇聚节点之间链路的信道增益hu(t),其中,为平均路损,可建模为其中,pL(t)和pN(t)分别表示视距(Line-of-sight,LoS)传输和非视距(Non-line-of-sight,NLoS)传输的概率,和分别表示UAV传输数据至汇聚节点的LoS传输路损和NLoS传输路损,可根据公式pL(t)=(1+μexp(-ω[φ(t)-μ]))-1计算pL(t),则pN(t)=1-pL(t),其中,μ和ω是与环境相关的常数,φ(t)为仰角,可建模为其中,du(t)为UAV与汇聚节点之间的距离,z为UAV的飞行高度,UAV在时刻t的位置可用ω(t)=(x(t),y(t),z)表示,汇聚节点的位置可用ωs=(xs,ys)表示,根据公式计算du(t);和可分别建模为 其中,λLoS和λNLoS分别为LoS传输和NLoS传输链路的路损因子,d0为自由空间参考距离,和分别为LoS传输和NLoS传输阴影随机变量。
8)、基于改进K-Means算法确定SN成簇策略
基于改进K-Means算法确定SN成簇策略具体包括:
①根据SN的传输性能选择合适的候选簇头,给定距离阈值dmax1,若SNk与汇聚节点之间的距离小于dmax1,则选择SNk作为候选簇头;令Φ0表示候选簇头集合,可得令J0表示候选簇头的数目,即J0=|Φ0|,其中,|x|表示集合x中元素的数目;令簇头数目为J1,即J1=min{J0,Jmax};
9)、确定数据传输策略
确定数据传输策略具体为:根据已获得的簇头集合Φch确定每个簇头的数据传输策略选择,假设簇头与汇聚节点之间的距离阈值为dmax2,若CHj与汇聚节点之间的距离则CHj选择直接传输模式;假设有M个簇头满足距离小于阈值的条件,令选择直接传输模式的簇头集合为则剩余J-M个簇头选择UAV收集模式,用集合表示。
10)、建模TSP,确定UAV飞行轨迹
建模TSP,确定UAV飞行轨迹包括:根据TSP可建模UAV飞行轨迹问题,具体为UAV从汇聚节点正上方出发,收集所有选择UAV收集模式的簇头的数据后,回到出发点,确定UAV飞行轨迹,以使任务完成时延最小;基于模拟退火算法确定UAV飞行轨迹,步骤如下:
①将UAV的出发点编号为1及J-M+2,簇头依次编号为2,3,...,(J-M+1);
②UAV飞行轨迹的解空间S可表示为S={1,2,3,...,(J-M+2)}的所有固定起点和终点的排列顺序,即
S={(π1,...,πJ-M+2)|π1=1,(π2,...,πJ-M+1)为{2,3,...,(J-M+1)}的排列顺序,πJ-M+2=J-M+2},其中,每一个排列解表示UAV收集J-M个簇头数据的可能顺序,πi=j表示在第i-1次收集CHj的数据;
③令初始解为{1,2,3,...,(J-M+2)},优化目标为最小化数据收集时延;
④根据变换法产生新解,具体为,任选序号u,l(u<l)交换u与l之间的顺序,此时的新路径为π1...πu-1πlπl-1...πu+1πuπl+1...πJ-M+2;
11)、基于网络成本优化确定簇头发送功率及UAV飞行速度
在满足SN成簇、数据收集模式选择及数据传输限制条件下,以网络成本最小化为优化目标,确定簇头发送功率及UAV飞行速度,即其中,表示CHj传输数据至UAV的最优发送功率,表示UAV收集CHj数据的最优飞行速度,表示UAV传输数据至汇聚节点的最优飞行速度。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (7)
1.一种基于无人机UAV的动态数据收集方法,其特征在于:该方法包括以下步骤:
步骤1)建模簇头选择变量;
步骤2)建模传感器节点SN与簇头关联变量;
步骤3)建模数据收集模式选择变量;
步骤4)建模直接传输模式时延;
步骤5)建模UAV收集模式时延;
步骤6)建模网络成本;
其中,建模直接传输模式时延包括:建模CHj的直接传输模式对应时延为其中,表示与CHj相关联的SN将数据传输至CHj对应的时延,表示CHj将数据传输至汇聚节点对应的时延;根据公式计算其中,表示SNi传输数据至SNk对应时延,建模为其中,Qi为SNi需传输的数据量,为SNi与SNk之间链路的传输速率,根据公式建模其中,B为链路传输带宽,为SNi的发送功率,为SNi与SNk之间链路的信道增益,σ2为噪声功率;根据公式计算其中,为CHj需传输的数据量,Rj为CHj与汇聚节点之间链路的传输速率,根据公式建模Rj建模为其中,Pj为CHj传输数据至汇聚节点对应的发送功率,hj为CHj与汇聚节点之间链路的信道增益;
建模UAV收集模式时延包括:建模UAV收集模式时延Tu为Tu=Tu,n+Tu,co,其中,Tu,n为UAV经过非数据收集区域的时延,Tu,co为UAV收集簇头的数据以及传输数据至汇聚节点所需时延,Tu,n建模为其中,为UAV在第j个非数据收集区域的飞行距离,vmax为UAV的最大飞行速度;Tu,co建模为其中,为UAV收集CHj数据时对应的飞行距离,vj为UAV收集CHj数据的飞行速度,0≤vj≤vmax,为UAV传输数据至汇聚节点时对应的飞行距离,vJ+1为UAV传输数据至汇聚节点的飞行速度,0≤vJ+1≤vmax;
步骤7)建模SN成簇、数据收集模式选择及数据传输限制条件;
步骤8)基于改进K-Means算法确定SN成簇策略;
步骤9)确定数据传输策略;
步骤10)建模旅行商问题TSP,确定UAV飞行轨迹;
步骤11)基于网络成本优化确定簇头发送功率及UAV飞行速度。
2.根据权利要求1所述的一种基于无人机UAV的动态数据收集方法,其特征在于:所述步骤1)中,建模簇头选择变量包括:假设网络内需传输数据的SN数量为K,令SNk表示第k个SN;令δk,j∈{0,1}表示簇头选择变量,若δk,j=1,表示将SNk选为第j个簇的簇头,记作CHj;反之,δk,j=0,1≤k≤K,1≤j≤J,其中,J为簇头的数量;
所述步骤2)中,建模SN与簇头关联变量包括:令αi,j∈{0,1}表示SNi与CHj的关联变量,若αi,j=1,表示SNi与CHj关联;反之,αi,j=0,1≤i≤K,1≤j≤J;
3.根据权利要求1所述的一种基于无人机UAV的动态数据收集方法,其特征在于:所述步骤7)中,建模SN成簇、数据收集模式选择及数据传输限制条件具体包括:建模SN成簇限制条件为J≤Jmax,其中,Jmax为网络中的最大簇头数量,M1为CHj可关联的最大SN数量;
建模数据传输限制条件为 其中,为UAV接收到CHj传输数据的信噪比,为UAV成功接收CH所传输数据的信噪比阈值,表示UAV收集CHj数据的时间,表示CHj与UAV之间链路的传输速率,γ1(t)为汇聚节点接收到UAV所传输数据的信噪比,为汇聚节点接收到UAV传输数据的信噪比阈值,Tu,t为UAV传输所收集数据至汇聚节点所需时延,Qu为UAV收集的数据量;Ru(t)建模为其中,Pu为UAV的发送功率,hu(t)为UAV与汇聚节点之间链路的信道增益;
根据公式计算UAV与汇聚节点之间链路的信道增益hu(t),其中,为平均路损,建模为其中,pL(t)和pN(t)分别表示视距(Line-of-sight,LoS)传输和非视距(Non-line-of-sight,NLoS)传输的概率,和分别表示UAV传输数据至汇聚节点的LoS传输路损和NLoS传输路损,根据公式pL(t)=(1+μexp(-ω[φ(t)-μ]))-1计算pL(t),则pN(t)=1-pL(t),其中,μ和ω是与环境相关的常数,φ(t)为仰角,建模为其中,du(t)为UAV与汇聚节点之间的距离,z为UAV的飞行高度,UAV在时刻t的位置用ω(t)=(x(t),y(t),z)表示,汇聚节点的位置用ωs=(xs,ys)表示,根据公式计算du(t);和分别建模为:
4.根据权利要求1所述的一种基于无人机UAV的动态数据收集方法,其特征在于:所述步骤8)中,基于改进K-Means算法确定SN成簇策略具体包括:
①根据SN的传输性能选择合适的候选簇头,给定距离阈值dmax1,若SNk与汇聚节点之间的距离小于dmax1,则选择SNk作为候选簇头;令Φ0表示候选簇头集合,得令J0表示候选簇头的数目,即J0=|Φ0|,其中,|x|表示集合x中元素的数目;令簇头数目为J1,即J1=min{J0,Jmax};
6.根据权利要求1所述的一种基于无人机UAV的动态数据收集方法,其特征在于:所述步骤10)中,建模TSP,确定UAV飞行轨迹包括:根据TSP建模UAV飞行轨迹问题,具体为UAV从汇聚节点正上方出发,收集所有选择UAV收集模式的簇头的数据后,回到出发点,确定UAV飞行轨迹,以使任务完成时延最小;基于模拟退火算法确定UAV飞行轨迹,步骤如下:
①将UAV的出发点编号为1及J-M+2,簇头依次编号为2,3,...,(J-M+1);
②UAV飞行轨迹的解空间S表示为S={1,2,3,...,(J-M+2)}的所有固定起点和终点的排列顺序,即
S={(π1,...,πJ-M+2)π1=1,(π2,...,πJ-M+1)为{2,3,...,(J-M+1)}的排列顺序,πJ-M+2=J-M+2},其中,每一个排列解表示UAV收集J-M个簇头数据的可能顺序,πi=j表示在第i-1次收集CHj的数据;
③令初始解为{1,2,3,...,(J-M+2)},优化目标为最小化数据收集时延;
④根据变换法产生新解,具体为,任选序号u,l,u<l交换u与l之间的顺序,此时的新路径为π1...πu-1πlπl-1...πu+1πuπl+1...πJ-M+2;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011255822.6A CN112333648B (zh) | 2020-11-11 | 2020-11-11 | 一种基于无人机的动态数据收集方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011255822.6A CN112333648B (zh) | 2020-11-11 | 2020-11-11 | 一种基于无人机的动态数据收集方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112333648A CN112333648A (zh) | 2021-02-05 |
CN112333648B true CN112333648B (zh) | 2021-11-02 |
Family
ID=74317660
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011255822.6A Active CN112333648B (zh) | 2020-11-11 | 2020-11-11 | 一种基于无人机的动态数据收集方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112333648B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115550866A (zh) * | 2022-09-20 | 2022-12-30 | 重庆邮电大学 | 一种无人机数据收集方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109922513A (zh) * | 2019-03-06 | 2019-06-21 | 上海交通大学 | 一种基于移动预测和时延预测的olsr路由方法及系统 |
CN110856134A (zh) * | 2019-10-16 | 2020-02-28 | 东南大学 | 一种基于无人机的大规模无线传感器网络数据收集方法 |
CN110868714A (zh) * | 2019-11-15 | 2020-03-06 | 大连理工大学 | 一种UASNs中基于聚类的无权重节点信任评估方法 |
CN111006669A (zh) * | 2019-12-12 | 2020-04-14 | 重庆邮电大学 | 一种无人机系统任务协同及路径规划方法 |
CN111491315A (zh) * | 2019-12-18 | 2020-08-04 | 中国人民解放军陆军工程大学 | 扩展无人机网络中的延时与能耗折中模型及分层学习算法 |
CN111787506A (zh) * | 2020-07-20 | 2020-10-16 | 中南大学 | 一种无线传感网络中基于无人机的可信数据收集方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8368559B2 (en) * | 2009-08-26 | 2013-02-05 | Raytheon Company | Network of traffic behavior-monitoring unattended ground sensors (NeTBUGS) |
CN108271172B (zh) * | 2018-01-11 | 2021-03-16 | 重庆邮电大学 | 一种蜂窝d2d通信联合成簇及内容部署方法 |
CN108769958B (zh) * | 2018-06-14 | 2020-11-06 | 重庆邮电大学 | 基于能耗优化的m2m通信联合成簇及资源分配方法 |
-
2020
- 2020-11-11 CN CN202011255822.6A patent/CN112333648B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109922513A (zh) * | 2019-03-06 | 2019-06-21 | 上海交通大学 | 一种基于移动预测和时延预测的olsr路由方法及系统 |
CN110856134A (zh) * | 2019-10-16 | 2020-02-28 | 东南大学 | 一种基于无人机的大规模无线传感器网络数据收集方法 |
CN110868714A (zh) * | 2019-11-15 | 2020-03-06 | 大连理工大学 | 一种UASNs中基于聚类的无权重节点信任评估方法 |
CN111006669A (zh) * | 2019-12-12 | 2020-04-14 | 重庆邮电大学 | 一种无人机系统任务协同及路径规划方法 |
CN111491315A (zh) * | 2019-12-18 | 2020-08-04 | 中国人民解放军陆军工程大学 | 扩展无人机网络中的延时与能耗折中模型及分层学习算法 |
CN111787506A (zh) * | 2020-07-20 | 2020-10-16 | 中南大学 | 一种无线传感网络中基于无人机的可信数据收集方法 |
Non-Patent Citations (2)
Title |
---|
UAV-assisted Cluster-head Selection Mechanism for Wireless Sensor Network Applications;Syed Kamran Haider et.al;《2019 UK/ China Emerging Technologies (UCET)》;20190822;全文 * |
基于无人机的无线传感器网络优化技术研究;张瑞瑞;《中国优秀硕士学位论文全文数据库(电子期刊)》;20190915;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112333648A (zh) | 2021-02-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109099918B (zh) | 无人机辅助无线能量传输系统及节点调度与路径规划方法 | |
CN110364031B (zh) | 地面传感器网络中无人机集群的路径规划和无线通信方法 | |
CN110730031B (zh) | 一种用于多载波通信的无人机轨迹与资源分配联合优化方法 | |
CN110147040B (zh) | 无人机携能传输的飞行轨迹与功率分配联合优化方法 | |
CN112911537B (zh) | 一种多无人机信息采集系统任务时间最小化的方法 | |
CN114172942B (zh) | 多无人机辅助物联网的协同任务分配与轨迹优化方法 | |
CN113784314B (zh) | 一种智能反射表面辅助下的无人机数据与能量传输方法 | |
CN114389679B (zh) | 基于信息年龄最小化的多天线无人机感知和传输优化方法 | |
CN113255218B (zh) | 无线自供电通信网络的无人机自主导航及资源调度方法 | |
CN113485409B (zh) | 一种面向地理公平性的无人机路径规划分配方法及系统 | |
CN112203310A (zh) | 一种基于无人机协作的数据传输方法 | |
CN112333648B (zh) | 一种基于无人机的动态数据收集方法 | |
CN114035610B (zh) | 一种无人智能集群联合轨迹设计方法 | |
Zhang et al. | Multi-objective optimization for UAV-enabled wireless powered IoT networks: an LSTM-based deep reinforcement learning approach | |
Shi et al. | Age of information optimization with heterogeneous uavs based on deep reinforcement learning | |
CN113625733A (zh) | 一种基于ddpg多目标三维无人机路径规划方法 | |
CN115877870A (zh) | 一种基于机会数据采集的无人机在线路径规划方法 | |
CN116847460A (zh) | 一种无人机辅助的通感一体化系统资源调度方法 | |
CN113885566B (zh) | 面向多无人机数据采集时间最小化的v型轨迹规划方法 | |
CN115550878A (zh) | 支持无线功率传输的无人机通信网络资源分配及部署方法 | |
CN114489146B (zh) | 一种多无人机数据收集系统的调度与轨迹规划方法 | |
Chu et al. | Novel Framework-Based Routing for Task-Adaptive Mobile Networks of Unmanned Aerial Vehicular | |
CN113923675B (zh) | 一种提升地面用户通信性能的空中基站部署方法 | |
Liu et al. | Multi-objective Optimization for Data Collection in UAV-assisted Agricultural IoT | |
CN115550866A (zh) | 一种无人机数据收集方法 |
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 |