CN112969188B - 一种基于匈牙利算法的水下传感器网络优化部署方法 - Google Patents
一种基于匈牙利算法的水下传感器网络优化部署方法 Download PDFInfo
- Publication number
- CN112969188B CN112969188B CN202110142965.4A CN202110142965A CN112969188B CN 112969188 B CN112969188 B CN 112969188B CN 202110142965 A CN202110142965 A CN 202110142965A CN 112969188 B CN112969188 B CN 112969188B
- Authority
- CN
- China
- Prior art keywords
- sensor
- row
- elements
- columns
- model
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000005457 optimization Methods 0.000 title claims abstract description 12
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 31
- 238000012544 monitoring process Methods 0.000 claims abstract description 15
- 239000011159 matrix material Substances 0.000 claims description 28
- 239000012530 fluid Substances 0.000 claims description 6
- 230000009471 action Effects 0.000 claims description 5
- 238000005265 energy consumption Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 238000005452 bending Methods 0.000 claims description 4
- 241000287196 Asthenes Species 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 claims description 3
- 238000006748 scratching Methods 0.000 claims description 3
- 230000002393 scratching effect Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 239000000470 constituent Substances 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 2
- 238000001514 detection method Methods 0.000 abstract 1
- 238000011160 research Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 238000003911 water pollution Methods 0.000 description 1
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
- H04W16/20—Network planning tools for indoor coverage or short range network deployment
-
- 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
- H04W16/22—Traffic simulation tools or models
- H04W16/225—Traffic simulation tools or models for indoor or short range network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明提出了一种基于匈牙利算法的水下传感器网络优化部署方法。水下传感器网络广泛应用于水质监测，水下资源探测等领域。传感器节点的部署位置极大影响了网络的监测效果。在水下传感器节点进行初始部署后，由于水流的影响，会使传感器节点偏离初始位置，影响网络的覆盖率。因而，需要一种有效的方法对水下传感器网络进行重部署。首先，根据曲流移动模型建立水下传感器网络节点移动模型，然后利用匈牙利算法对节点进行重新部署，与直接移动传感器节点相比，本发明提出的方法可有效减少传感器移动距离，实现对整个网络的优化重部署，可灵活有效的解决复杂水域的水质监测问题。
Description
技术领域
本发明涉及环境监测和传感器网络领域，尤其涉及一种基于匈牙利算法的水下传感器网络优化部署方法的研究。
背景技术
海洋是人类维持生存繁衍和社会实现可持续发展的重要基地。近年来，随着各沿海国家对领海主权的日益重视和海洋资源争夺的日益白化，以及水下传感器网络在海洋环境监测、海洋数据收集，海洋资源开发与利用、地质灾害预报及海洋国防安全等领域的重要应用价值，水下传感器网络技术的理论研究及应用得到越来越多的关注，已成为当前研究热点之一。
水下传感器部署是水下传感器网络应用的基础,具有重大的研究意义。水下传感器节点的部署位置极大影响了网络的监测效果。在水下传感器节点进行初始部署后，由于水流的影响，会使传感器节点偏离初始位置，影响网络的覆盖率。因而，需要一种有效的算法对水下传感器网络进行重部署。
发明内容
本发明的目的在于提出一种基于匈牙利算法的水下传感器网络优化部署方法，可为水质传感器网络的部署提供理论基础，可广泛应用于水环境监测、水污染的预测和治理等领域。
为达到上述目的，本发明提出一种基于匈牙利算法的水下传感器网络优化部署方法，具体包括建立水流移动模型和水下传感器网络的优化重部署两个基本步骤。
步骤一，在本发明的一个实施例中，所述建立水流移动模型进一步包括：水下的环境多种多样，千差万别，因此没有一个统一的方程用来表述水下环境，在实际过程中，通常是根据水下环境建立特定的节点移动模型，拉格朗日模型的提出考虑了水流，旋涡对节点的影响。这个模型目前比较贴合实际动态网络。该模型表达式如下：
其中，ψ表示二维平面不可压缩的流体，通常假设u为x轴方向上的速度，v为y轴方向上的速度，节点的移动轨迹随着流体而形成，那么节点轨迹由下面的哈密尔顿微分方程来描述：
基于上面的拉格朗日水流模型，给出曲流移动模型，该模型的表达式如下所示：
B(t)＝A+εcos(ωt)
其中，B(t)表示曲线流的宽度，A表示整个流场弯曲的平均宽度，ε表示整个流场的振幅，w表示流场的运动频率，k表示空间中流单位长度的弯曲数目，c表示相速度；
在待监测水域均匀部署水下传感器节点，使各传感器节点间没有重合的监测区域，如说明书附图图2所示，并在此曲流移动模型的作用下进行移动，移动后的结果图如图3所示；
步骤二，在本发明的一个实施例中，所述水下传感器网络的优化重部署进一步包括：在水下环境中，合理移动传感器，优化网络部署是急需解决的问题；传感器移动问题描述为：假定n个传感器要移动到n个目标位置，由于每个传感器到不同目标位置的距离不同，因此传感器消耗的能量也不相同；已知传感器i到目标位置j的距离为Cij，需确定一个移动方案，使n个传感器移动到n个目标位置的总耗能最少；此问题为线性不可微规划问题，令Xij＝1或Xij＝0，Xij＝1表示移动第i个传感器到第j个目标位置，否则Xij＝0，则传感器部署的多目标规划数学模型如下：
满足：
Xij＝1或者Xij＝0
Z为总的移动距离，由Cij组成的矩阵C＝(Cij)n×n为系数矩阵，
所以，该模型等价于从C中选出n个距离,使满足：①每列中只有一个距离被选出,以保证每个目标位置仅有一个传感器；②每行中只有一个距离被选出,以保证每个传感器仅去一个目标位置；③被选出的n个距离之和最小；
上述问题可通过匈牙利算法进行求解；
匈牙利算法移动传感器步骤如下：
(1)标记每一个传感器坐标和目标位置坐标：传感器的坐标为经过曲流移动模型后的传感器实际位置，目标位置坐标为传感器初始均匀部署的位置；
(2)计算第i个传感器到第j个目标位置的距离，组成系数矩阵；
(3)传感器到目标位置的距离矩阵经变换,在各行各列中都出现0元素：
①从系数矩阵的每行元素中减去该行的最小距离；②再从所得系数矩阵的每列元素中减去该列的最小距离，若某行或列中已有0元素,那就不必再减了；
(4)经第(3)步变换后,系数矩阵中每行每列都已有了0元素，但需找出n个独立的0元素，即位于不同行不同列的0元素：
①从只有一个0元素的行开始,给这个0元素作标记,记作
表示这行所代表的传感器只有一个目标位置；然后划去所在列的其它0元素,记作H；②给只有一个0元素列的0元素作标记,记作
然后划去所在行的0元素,记作H；③反复进行(1),(2)两步,直到所有0元素都被标记和划掉为止；④若仍有没有标记的0元素,且同行的0元素至少有两个，从剩有0元素最少的行开始,比较这行各0元素所在列中0元素的数目,选择0元素少的那列的这个0元素标记，然后划掉同行同列的其它0元素；可反复进行,直到所有0元素都已标记和划掉为止；⑤若
的数目等于矩阵的阶数n,则该问题的最优解已得到；
(5)若
的数目小于n,则作最少的直线覆盖所有0元素,以确定该系数矩阵中能找到最多的独立元素：对没有
的行打×号，对已打×号的行中所有含0元素的列打×号；再对打有×号的列中含
的元素的行打×号，直到得不出新的打×号的行和列为止，对没有打×号的行画一条横线，有打×号的列画一条纵线，这就得到覆盖所有0元素的最少直线数；令这条直线数为k，若k＝n，则回到上一步(4)重新计算；
(6)若k<n，则在打×行各元素都减去该行的最小元素，在打×的列都加上这个最小元素，得到新的系数矩阵，若得到n个独立的0元素，则已得最优解，否则回到上一步(5)重复进行。
为说明本发明提出方法的有效性，引入与直接移动传感器节点的对比，直接移动是指将水流作用后的传感器节点直接移动到初始均匀的位置。利用Matlab进行仿真，利用两种方法移动传感器节点后，传感器节点的剩余能量如说明书附图图4所示。由图可以看出，采用匈牙利算法移动传感器节点可有效节约节点剩余能量，提高网络的生命周期。
本发明提出了一种基于匈牙利算法的水下传感器网络优化部署方法。可模拟水流移动对传感器节点部署位置的影响，并通过匈牙利算法实现水下传感器网络的重部署，可灵活有效的解决复杂水域的水质监测问题。
附图说明
图1为本发明实施例的一种基于匈牙利算法的水下传感器网络优化部署方法流程图；
图2为本发明实施例的传感器均匀部署示意图；
图3为本发明实施例的水流移动模型作用下传感器节点位置变化示意图；
图4为本发明实施例的节点剩余能量对比图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的意义。下面所描述的实施例是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
本发明是针对水环境监测过程中，针对复杂的水域环境，提出的一种基于匈牙利算法的水下传感器网络优化部署方法。
为了能够对本发明有更清楚的理解，在此进行简要描述。本发明包括两个基本步骤：步骤一，建立水流移动模型；步骤二，水下传感器网络的优化重部署。
具体的，图1所示为本发明实施例的一种基于匈牙利算法的水下传感器网络优化部署方法的流程图，包括以下步骤：
步骤S101，均匀部署水下传感器节点。
在本发明的一个实施例中，给出二维水域模型，为一个矩形或者正方形，并在其中部署n个水下传感器节点，传感器节点的感知区域为一个圆形，各个传感器节点的感知区域不重叠。
步骤S102，建立水流移动模型。
在本发明的一个实施例中，水下的环境多种多样，千差万别，因此没有一个统一的方程用来表述水下环境，在实际过程中，通常是根据水下环境建立特定的节点移动模型，拉格朗日模型的提出考虑了水流，旋涡对节点的影响。这个模型目前比较贴合实际动态网络。该模型表达式如下：
其中，ψ表示二维平面不可压缩的流体，通常假设u为x轴方向上的速度，v为y轴方向上的速度，节点的移动轨迹随着流体而形成，那么节点轨迹由下面的哈密尔顿微分方程来描述：
基于上面的拉格朗日水流模型，给出曲流移动模型，该模型的表达式如下所示：
B(t)＝A+εcos(ωt) (4)
其中，B(t)表示曲线流的宽度，A表示整个流场弯曲的平均宽度，ε表示整个流场的振幅，w表示流场的运动频率，k表示空间中流单位长度的弯曲数目，c表示相速度。
步骤S101中均匀部署的传感器节点在此曲流移动模型的作用下进行移动，偏离初始位置，不能实现对监测区域的有效监测。
步骤S103，水下传感器网络优化重部署问题描述。
在水下环境中，合理移动传感器，优化网络部署是急需解决的问题；传感器移动问题描述为：假定n个传感器要移动到n个目标位置，由于每个传感器到不同目标位置的距离不同，因此传感器消耗的能量也不相同；已知传感器i到目标位置j的距离为Cij，需确定一个移动方案，使n个传感器移动到n个目标位置的总耗能最少；此问题为线性不可微规划问题，令Xij＝1或Xij＝0，Xij＝1表示移动第i个传感器到第j个目标位置，否则Xij＝0，则传感器部署的多目标规划数学模型如下：
满足：
Xij＝1或者Xij＝0 (8)
Z为总的移动距离，由Cij组成的矩阵C＝(Cij)n×n为系数矩阵，
所以，该模型等价于从C中选出n个距离,使满足：①每列中只有一个距离被选出,以保证每个目标位置仅有一个传感器；②每行中只有一个距离被选出,以保证每个传感器仅去一个目标位置；③被选出的n个距离之和最小。上述问题可通过匈牙利算法进行求解。
步骤S104，基于匈牙利算法移动水下传感器节点。
(1)标记每一个传感器坐标和目标位置坐标：传感器的坐标为经过曲流移动模型后的传感器实际位置，目标位置坐标为传感器初始均匀部署的位置；
(2)计算第i个传感器到第j个目标位置的距离，组成系数矩阵；
(3)传感器到目标位置的距离矩阵经变换,在各行各列中都出现0元素：
①从系数矩阵的每行元素中减去该行的最小距离；②再从所得系数矩阵的每列元素中减去该列的最小距离，若某行或列中已有0元素,那就不必再减了；
(4)经第(3)步变换后,系数矩阵中每行每列都已有了0元素，但需找出n个独立的0元素，即位于不同行不同列的0元素：
①从只有一个0元素的行开始,给这个0元素作标记,记作
，表示这行所代表的传感器只有一个目标位置；然后划去所在列的其它0元素,记作H；②给只有一个0元素列的0元素作标记,记作
然后划去所在行的0元素,记作H；③反复进行(1),(2)两步,直到所有0元素都被标记和划掉为止；④若仍有没有标记的0元素,且同行的0元素至少有两个，从剩有0元素最少的行开始,比较这行各0元素所在列中0元素的数目,选择0元素少的那列的这个0元素标记，然后划掉同行同列的其它0元素；可反复进行,直到所有0元素都已标记和划掉为止；⑤若
的数目等于矩阵的阶数n,则该问题的最优解已得到；
(5)若
的数目小于n,则作最少的直线覆盖所有0元素,以确定该系数矩阵中能找到最多的独立元素：对没有
的行打×号，对已打×号的行中所有含0元素的列打×号；再对打有×号的列中含
的元素的行打×号，直到得不出新的打×号的行和列为止，对没有打×号的行画一条横线，有打×号的列画一条纵线，这就得到覆盖所有0元素的最少直线数；令这条直线数为k，若k＝n，则回到上一步(4)重新计算；
(6)若k<n，则在打×行各元素都减去该行的最小元素，在打×的列都加上这个最小元素，得到新的系数矩阵，若得到n个独立的0元素，则已得最优解，否则回到上一步(5)重复进行；
在水下环境中，曲流移动模型可有效描述传感器节点的移动，使用匈牙利算法可以合理分配传感器进行移动，使传感器总能耗较少，实现对水域的有效监测。
通过本发明提出的一种基于匈牙利算法的水下传感器网络优化部署方法，可在保证网络生命周期的前提下实现对水域的有效监测，为水环境的有效监测和综合治理提供充实的理论依据。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制。本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或对其中部分技术特征进行等同替换，而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，本发明的范围由所附权利要求及其等同限定。
Claims (1)
1.一种基于匈牙利算法的水下传感器网络优化部署方法，其特征在于：包括建立水流移动模型和水下传感器网络的优化重部署两个基本步骤；
所述建立水流移动模型包括：
水下的环境多种多样，千差万别，因此没有一个统一的方程用来表述水下环境，在实际过程中，通常是根据水下环境建立特定的节点移动模型，拉格朗日模型的提出考虑了水流，旋涡对节点的影响，这个模型目前比较贴合实际动态网络，该模型表达式如下：
其中，ψ表示二维平面不可压缩的流体，通常假设u为x轴方向上的速度，v为y轴方向上的速度，节点的移动轨迹随着流体而形成，那么节点轨迹由下面的哈密尔顿微分方程来描述：
基于上面的拉格朗日水流模型，给出曲流移动模型，该模型的表达式如下所示：
B(t)＝A+εcos(ωt) (4)
其中，B(t)表示曲线流的宽度，A表示整个流场弯曲的平均宽度，ε表示整个流场的振幅，w表示流场的运动频率，k表示空间中流单位长度的弯曲数目，c表示相速度；
在待监测水域均匀部署水下传感器节点，使各传感器节点间没有重合的监测区域，并在此曲流移动模型的作用下进行移动；
所述水下传感器网络的优化重部署包括：
在水下环境中，合理移动传感器，优化网络部署是急需解决的问题；传感器移动问题描述为：假定n个传感器要移动到n个目标位置，由于每个传感器到不同目标位置的距离不同，因此传感器消耗的能量也不相同；已知传感器i到目标位置j的距离为Cij，需确定一个移动方案，使n个传感器移动到n个目标位置的总耗能最少；此问题为线性不可微规划问题，令Xij＝1或Xij＝0，Xij＝1表示移动第i个传感器到第j个目标位置，否则Xij＝0，则传感器部署的多目标规划数学模型如下：
满足：
Xij＝1或者Xij＝0 (8)
Z为总的移动距离，由Cij组成的矩阵C＝(Cij)n×n为系数矩阵，
所以，该模型等价于从C中选出n个距离,使满足：①每列中只有一个距离被选出,以保证每个目标位置仅有一个传感器；②每行中只有一个距离被选出,以保证每个传感器仅去一个目标位置；③被选出的n个距离之和最小；
上述问题可通过匈牙利算法进行求解；
基于匈牙利算法移动传感器步骤如下：
(1)标记每一个传感器坐标和目标位置坐标：传感器的坐标为经过曲流移动模型后的传感器实际位置，目标位置坐标为传感器初始均匀部署的位置；
(2)计算第i个传感器到第j个目标位置的距离，组成系数矩阵；
(3)传感器到目标位置的距离矩阵经变换,在各行各列中都出现0元素：
①从系数矩阵的每行元素中减去该行的最小距离；②再从所得系数矩阵的每列元素中减去该列的最小距离，若某行或列中已有0元素,那就不必再减了；
(4)经第(3)步变换后,系数矩阵中每行每列都已有了0元素，但需找出n个独立的0元素，即位于不同行不同列的0元素：
①从只有一个0元素的行开始,给这个0元素作标记,记作
表示这行所代表的传感器只有一个目标位置；然后划去所在列的其它0元素,记作H；②给只有一个0元素列的0元素作标记,记作
然后划去所在行的0元素,记作H；③反复进行(1),(2)两步,直到所有0元素都被标记和划掉为止；④若仍有没有标记的0元素,且同行的0元素至少有两个，从剩有0元素最少的行开始,比较这行各0元素所在列中0元素的数目,选择0元素少的那列的这个0元素标记，然后划掉同行同列的其它0元素；可反复进行,直到所有0元素都已标记和划掉为止；⑤若
的数目等于矩阵的阶数n,则该问题的最优解已得到；
(5)若
的数目小于n,则作最少的直线覆盖所有0元素,以确定该系数矩阵中能找到最多的独立元素：对没有
的行打×号，对已打×号的行中所有含0元素的列打×号；再对打有×号的列中含
的元素的行打×号，直到得不出新的打×号的行和列为止，对没有打×号的行画一条横线，有打×号的列画一条纵线，这就得到覆盖所有0元素的最少直线数；令这条直线数为k，若k＝n，则回到上一步(4)重新计算；
(6)若k<n，则在打×行各元素都减去该行的最小元素，在打×的列都加上这个最小元素，得到新的系数矩阵，若得到n个独立的0元素，则已得最优解，否则回到上一步(5)重复进行；
在水下环境中，曲流移动模型可有效描述传感器节点的移动，使用匈牙利算法可以合理分配传感器进行移动，使传感器总能耗较少，实现对水域的有效监测。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110142965.4A CN112969188B (zh) | 2021-02-02 | 2021-02-02 | 一种基于匈牙利算法的水下传感器网络优化部署方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110142965.4A CN112969188B (zh) | 2021-02-02 | 2021-02-02 | 一种基于匈牙利算法的水下传感器网络优化部署方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112969188A CN112969188A (zh) | 2021-06-15 |
| CN112969188B true CN112969188B (zh) | 2022-08-02 |
Family
ID=76271897
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110142965.4A Expired - Fee Related CN112969188B (zh) | 2021-02-02 | 2021-02-02 | 一种基于匈牙利算法的水下传感器网络优化部署方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112969188B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105657840A (zh) * | 2016-01-05 | 2016-06-08 | 天津大学 | 一种水下传感器网络中获得最大通信容量的信道分配方法 |
| CN110913404A (zh) * | 2019-11-11 | 2020-03-24 | 沈阳理工大学 | 基于节点移动预测的UWSNs节点定位方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11209502B2 (en) * | 2018-02-14 | 2021-12-28 | Foundation Of Soongsil University-Industry Cooperation | System for object position estimation based on magnetic field signal using underwater sensor network and method thereof |
-
2021
- 2021-02-02 CN CN202110142965.4A patent/CN112969188B/zh not_active Expired - Fee Related
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105657840A (zh) * | 2016-01-05 | 2016-06-08 | 天津大学 | 一种水下传感器网络中获得最大通信容量的信道分配方法 |
| CN110913404A (zh) * | 2019-11-11 | 2020-03-24 | 沈阳理工大学 | 基于节点移动预测的UWSNs节点定位方法 |
Non-Patent Citations (2)
| Title |
|---|
| A data forwarding algorithm based on estimated Hungarian method for underwater sensor networks;Dongwei Li等;《2017 12th International Conference on Intelligent Systems and Knowledge Engineering (ISKE)》;20171124;全文 * |
| 基于节点重部署的水下传感器网络三维栅栏覆盖;范兴刚等;《传感技术学报》;20180319(第02期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112969188A (zh) | 2021-06-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Farsi et al. | Deployment techniques in wireless sensor networks, coverage and connectivity: A survey | |
| Singh et al. | Active learning for adaptive mobile sensing networks | |
| Tanaka et al. | Scalability of an unstructured grid continuous Galerkin based hurricane storm surge model | |
| CN108805350B (zh) | 基于多维蒙特卡洛理论的搜救范围预测方法 | |
| Zhang et al. | Node topology effect on target tracking based on UWSNs using quantized measurements | |
| van der Merwe et al. | Fast neural network surrogates for very high dimensional physics-based models in computational oceanography | |
| Huang et al. | Collaborating ray tracing and AI model for AUV-assisted 3-D underwater sound-speed inversion | |
| Gite et al. | Under water motion tracking and monitoring using wireless sensor network and Machine learning | |
| Dong et al. | Scalable asynchronous localization algorithm with mobility prediction for underwater wireless sensor networks | |
| Ma et al. | A deep autoencoder model for pollution map recovery with mobile sensing networks | |
| Vanem et al. | Statistical modelling of the ocean environment–A review of recent developments in theory and applications | |
| Huang et al. | Underwater sound speed inversion by joint artificial neural network and ray theory | |
| Chatterjee | A fletcher–reeves conjugate gradient neural-network-based localization algorithm for wireless sensor networks | |
| CN112969188B (zh) | 一种基于匈牙利算法的水下传感器网络优化部署方法 | |
| Kovitz et al. | Spatial statistics of clustered data | |
| CN112463877B (zh) | 一种三维海洋环境监测数据的压缩感知观测和重构方法 | |
| Bhaskaran et al. | A new approach for deriving temperature and salinity fields in the Indian Ocean using artificial neural networks | |
| Bhattacharjee et al. | Spatial interpolation | |
| Lv et al. | An improved localization scheme based on PMCL method for large-scale mobile wireless aquaculture sensor networks | |
| Shahabi et al. | Significant wave height forecasting using GMDH model | |
| Rani et al. | A Review and Analysis of Localization Techniques in Underwater Wireless Sensor Networks. | |
| Song et al. | Anisotropic active Lagrangian particle swarm control in a meandering jet | |
| Guruprasad | Effectiveness-based Voronoi partition: a new tool for solving a class of location optimization problems | |
| Zhu et al. | Dynamic layered routing protocols based on BP-NN for underwater acoustic sensor networks | |
| Rajasegarar et al. | Sensor network implementation challenges in the great barrier reef marine environment |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220802 |