CN114039675A - 水下曲线声道传输路由计算方法和装置 - Google Patents

水下曲线声道传输路由计算方法和装置 Download PDF

Info

Publication number
CN114039675A
CN114039675A CN202111404479.1A CN202111404479A CN114039675A CN 114039675 A CN114039675 A CN 114039675A CN 202111404479 A CN202111404479 A CN 202111404479A CN 114039675 A CN114039675 A CN 114039675A
Authority
CN
China
Prior art keywords
time delay
route
sensor node
node
optimal
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
Application number
CN202111404479.1A
Other languages
English (en)
Other versions
CN114039675B (zh
Inventor
任勇
王子源
杜军
夏照越
侯向往
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tsinghua University
Original Assignee
Tsinghua University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tsinghua University filed Critical Tsinghua University
Priority to CN202111404479.1A priority Critical patent/CN114039675B/zh
Publication of CN114039675A publication Critical patent/CN114039675A/zh
Application granted granted Critical
Publication of CN114039675B publication Critical patent/CN114039675B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B13/00—Transmission systems characterised by the medium used for transmission, not provided for in groups H04B3/00 - H04B11/00
    • H04B13/02—Transmission systems in which the medium consists of the earth or a large mass of water thereon, e.g. earth telegraphy
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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
    • 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
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本申请涉及一种水下曲线声道传输路由计算方法和装置。所述方法包括：获取水下的各传感器节点的曲线传播时延；根据AFSA算法，确定并记录第一最优时延路线；根据目标节点和ACOA算法，确定第二最优时延路线；目标节点为各传感器节点中除第一最优时延路线包含的传感器节点以外的节点；根据ACOA算法，在传感器节点集中确定第三最优时延路线，并根据第一最优时延路线、第二最优时延路线和第三最优时延路线，确定目标最优时延路线；传感器节点集由第一最优时延路线的传感器节点和第二最优时延路线的传感器节点构成；在不满足预设迭代停止条件的情况下，根据AFSA算法，确定并记录第一最优时延路线。采用本方法能够有效的提高最优传输时延路线的运算精度。

Description

水下曲线声道传输路由计算方法和装置
技术领域
本申请涉及计算机技术领域，特别是涉及一种水下曲线声道传输路由计算方法和装置。
背景技术
随着对海洋资源的开发，以水下声波作为信息载体组成的水下传感器网络(underwater wireless sensor networks，UWSN)作为水下监测无线传感器网络信息交互的唯一途径也成为研究的热点领域。但水下通信环境恶劣，水声通信的传输距离有限：水声信道具有传播时延长、声波曲线传播等特点给UWSN的声信号传输带来了挑战。
水声信道群体智能路由算法是在UWSN中利用智能体实现路径优化的算法，目前水声信道环境下用于优化的典型群体智能类算法有：基本“蚂蚁”集群优化算法(Basic antcolony optimization algorithm,ACOA)、人工鱼群算法(Artificial fish swarmalgorithm，AFSA)、ACOA-AFSA融合路由算法(ACOA-AFSA Fusion Routing Algorithm)等。
基于上述算法确定水下声道传播最优时延路线，会存在确定出的水下声道传播最优时延路线精度较低的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种水下曲线声道传输路由计算方法和装置，以提高最优时延路线的运算精度。
第一方面，本申请提供了一种路由计算方法。所述方法包括：
获取水下的各传感器节点的节点信息；所述节点信息为各传感器节点间的曲线传播时延；
根据所述节点信息和AFSA算法，确定并记录所述各传感器节点中的第一最优时延路线；
根据所述节点信息和ACOA算法，在目标节点中确定第二最优时延路线；所述目标节点为所述各传感器节点中除所述第一最优时延路线包含的传感器节点以外的节点；
根据所述节点信息和ACOA算法，在传感器节点集中确定第三最优时延路线，并根据所述第一最优时延路线、所述第二最优时延路线和所述第三最优时延路线，确定目标最优时延路线；所述传感器节点集由所述第一最优时延路线包含的传感器节点和所述第二最优时延路线包含的传感器节点构成；
在不满足预设迭代停止条件的情况下，返回执行所述根据所述节点信息和AFSA算法，确定并记录所述各传感器节点中的第一最优时延路线步骤，直到得到满足预设迭代停止条件的目标最优时延路线。
可选的，根据所述节点信息和AFSA算法，确定并记录所述各传感器节点中发送节点与接收节点之间的第一最优时延路线，包括：
根据所述节点信息和AFSA算法，确定所述各传感器节点中的第一最优时延路线；
判断所述第一最优时延路线的时延是否小于记录路线中的时延；
在所述第一最优时延路线的时延小于记录路线中的时延的情况下，更新记录路线为所述第一最优时延路线。
可选的，根据所述节点信息和AFSA算法，确定并记录所述各传感器节点中发送节点与接收节点之间的第一最优时延路线，包括：
根据节点信息，获取若干条所述各传感器节点中的可行路径；
通过路径优化运算策略对所述可行路径进行优化处理，得到优选路径；
在所述优选路径中，确定传输时延最小的路径作为第一最优时延路线。
可选的，路径优化运算策略包括：
多种优化操作以及所述多种优化操作的处理顺序；所述多种优化操作至少包括追尾操作、觅食操作、群聚操作、随机操作中的一种或多种。
可选的，所述获取各传感器节点的节点信息；所述节点信息为各传感器节点间的曲线传播时延包括：
获取各传感器节点的声速和声速梯度；
针对每个传感器节点，根据所述传感器节点的三维坐标信息、以及所述传感器节点的相邻传感器节点的三维坐标信息，确定所述传感器节点与所述相邻传感器节点的相对位置关系；
根据所述相对位置关系确定所述相邻传感器节点对应的目标曲线时延运算策略；
根据所述传感器节点的声速、声速梯度和三维坐标信息、以及所述相邻传感器节点的声速、声速梯度和三维坐标信息，通过所述目标曲线时延运算策略，确定曲线传播时延。
可选的，根据所述相对位置关系确定所述相邻传感器节点对应的目标曲线时延运算策略传感器包括：
在所述相邻传感器节点位于所述传感器节点正上方的情况下，确定第一曲线时延运算策略为目标曲线时延运算策略；
在所述传感器节点初始掠射角为正，且相邻传感器节点不在所述传感器节点正上方的情况下，确定第二曲线时延运算策略为目标曲线时延运算策略；
在所述传感器节点初始掠射角为负，且相邻传感器节点且未过偏转点的情况下，确定所述第二曲线时延运算策略为目标曲线时延运算策略；
在所述传感器节点位于初始掠射角为负，且相邻传感器节点、过偏转点且未触及海底的情况下，确定第三时延曲线运算策略为目标曲线时延运算策略。
第二方面，本申请提供了一种水下曲线声道传输路由计算装置，所述装置包括：
获取模块，用于获取水下的各传感器节点的节点信息；所述节点信息为各传感器节点的曲线传播时延；
第一确定模块，用于根据所述节点信息和AFSA算法，确定所述各传感器节点中的第一最优时延路线，并记录所述第一最优时延路线；
第二确定模块，用于根据所述节点信息和ACOA算法，在目标节点中确定第二最优时延路线；所述目标节点为所述各传感器节点中除所述第一最优时延路线包含的传感器节点以外的节点；
第三确定模块，用于根据所述节点信息和ACOA算法，在传感器节点集中确定第三最优时延路线，并根据所述第一最优时延路线、所述第二最优时延路线和所述第三最优时延路线，确定目标最优时延路线；所述传感器节点集由所述第一最优时延路线包含的传感器节点和所述第二最优时延路线包含的传感器节点构成；
执行模块，用于在不满足预设迭代停止条件的情况下，返回执行所述根据所述节点信息和AFSA算法，确定并记录所述各传感器节点中的第一最优时延路线步骤，直到得到满足预设迭代停止条件的目标最优时延路线。
可选的，所述第一确定模块，具体用于：
判断所述第一最优时延路线的时延是否小于记录路线中的时延；
在所述第一最优时延路线的时延小于记录路线中的时延的情况下，更新记录路线为所述第一最优时延路线。
可选的，所述第一确定模块，具体用于：
根据节点信息，获取若干条所述各传感器节点中的可行路径；
通过路径优化运算策略对所述可行路径进行优化处理，得到优选路径；
在所述优选路径中，确定传输时延最小的路径作为第一最优时延路线。
可选的，所述路径优化运算策略包括多种优化操作以及所述多种优化操作的处理顺序；所述多种优化操作至少包括追尾操作、觅食操作、群聚操作、随机操作中的一种或多种。
可选的，所述获取模块，具体用于：
获取各水下传感器节点的声速、声速梯度；
针对每个传感器节点，根据所述传感器节点的三维坐标信息、以及所述传感器节点的相邻传感器节点的三维坐标信息，确定所述传感器节点与所述相邻传感器节点的相对位置关系；
根据所述相对位置关系确定所述相邻传感器节点对应的目标曲线时延运算策略；
根据所述传感器节点的声速、声速梯度和三维坐标信息、以及所述相邻传感器节点的声速、声速梯度和三维坐标信息，通过所述目标曲线时延运算策略，确定曲线传播时延。
可选的，所述获取模块，具体用于：
在所述相邻传感器节点位于所述传感器节点正上方的情况下，确定第一曲线时延运算策略为目标曲线时延运算策略；
在所述相邻传感器节点位于所述传感器节点上方且不在正上方的情况下，确定第二曲线时延运算策略为目标曲线时延运算策略；
在所述相邻传感器节点位于所述传感器节点下方且未过偏转点的情况下，确定所述第二曲线时延运算策略为目标曲线时延运算策略。
在所述相邻传感器节点位于所述传感器节点下方、过偏转点且未触及海底的情况下，确定第三时延曲线运算策略为目标曲线时延运算策略。
第三方面，本申请提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述第一方面任一项所述的方法的步骤。
第四方面，本申请提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面任一项所述的方法的步骤。
第五方面，本申请提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述第一方面任一项所述的方法的步骤。
上述一种混合路由计算方法、装置、计算机设备和存储介质，获取水下的各传感器节点的节点信息；所述节点信息为各传感器节点的三维坐标信息、声速、声速梯度、深度和各传感器节点间的曲线传播时延；根据所述节点信息和AFSA算法，确定并记录所述各传感器节点中的第一最优时延路线；根据所述节点信息和ACOA算法，在目标节点中确定第二最优时延路线；所述目标节点为所述各传感器节点中除所述第一最优时延路线包含的传感器节点以外的节点；根据所述节点信息和ACOA算法，在传感器节点集中确定第三最优时延路线，并根据所述第一最优时延路线、所述第二最优时延路线和所述第三最优时延路线，确定目标最优时延路线；所述传感器节点集由所述第一最优时延路线包含的传感器节点和所述第二最优时延路线包含的传感器节点构成；在不满足预设迭代停止条件的情况下，返回执行所述根据所述节点信息和AFSA算法，确定并记录所述各传感器节点中的第一最优时延路线步骤，直到得到满足预设迭代停止条件的目标最优时延路线。这样先运用ASFA算法及ACOA算法优化最优时延路线可能经过的节点集，再通过对节点集的再次优化，有效的提高了最优传输时延路线的运算精度。
附图说明
图1为一个实施例中路由器计算方法的应用场景示意图。
图2为一个实施例中路由器计算方法步骤示意图。
图3为一个实施例中判断记录第一最优时延路线的步骤示意图。
图4为一个实施例中AFSA算法步骤示意图。
图5为一个实施例中路径优化策略步骤示意图。
图6为一个实施例中节点间曲线时延算法步骤示意图。
图7为一个实施例中水下声线随掠射角变化圆周轨迹示意图(掠射角为正)。
图8为一个实施例中水下声线随掠射角变化圆周轨迹示意图(掠射角为负)。
图9为一个实施例中路由计算方法整体步骤示意图。
图10为一个实施例中曲线时延计算方法整体步骤示意图。
图11为一个实施例中路由计算装置示意图。
图12为一个实施例中计算机设备示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例提供的路由计算方法，可以应用于如图1所示的应用环境中。该应用环境中包含水下传感器网络系统，具体包括控制设备和设置于水下的多个传感器节点。其中，传感器节点可以是探测器、传感器、信号收发器等；控制设备可以包括但不限于是各种雷达基站、个人计算机、笔记本电脑、智能手机、平板电脑。传感器节点可以用于接收和发送水声信号，并能在一定范围内探测其他传感器节点的距离及位置，各传感器节点之间可以进行相互通信。控制设备可以用于与各传感器节点进行通信，获取各传感器节点的节点信息，然后根据获取到的节点信息确定最优传输时延路径，将最优传输时延路径反馈给各传感器节点，以使各传感器节点按照最优传输时延路径进行通信。其中，声波链路为各传感器节点间传输声波信号的路径，传感器网络系统还包括水面浮漂，水面浮漂用于接收从接收节点传输的声波信号并将声波信号通过无线电等方式发送至控制设备。
在一个实施例中，如图2所示，提供了一种水下曲线声道传输路由计算方法，以该方法应用于图1中的控制设备为例进行说明，包括以下步骤：
步骤S201，获取水下的各传感器节点的节点信息。
其中，节点信息为各传感器节点的曲线传播时延。
本实施例中，控制设备可以获取水下各传感器节点的曲线传播时延，作为节点信息。针对每个传感器节点，该传感器节点对应的曲线传播时延，为该传感器节点与相邻传感器节点之间的曲线传播时延。即，一个传感器节点可以对应有多个曲线传播时延。其中，相邻传感器节点是该传感器节点感知范围内的传感器节点。例如，参照图1，传感器节点A对应的曲线传播时延，包括传感器节点A与传感器节点B之间的曲线传播时延，以及传感器节点A与传感器节点C之间的曲线传播时延。曲线传播时延可以根据各传感器节点的三维信息、声速和声速梯度，通过预设的曲线传播时延计算策略得到，具体的计算过程后续会进行详细说明。
步骤S202，根据节点信息和AFSA算法，确定各传感器节点中的第一最优时延路线，并记录第一最优时延路线。
在本实施例中，各传感器节点中第一个发出水声信号的传感器节点为发送节点，各传感器节点中最终将水声信号反馈至控制设备的传感器节点为接收节点。控制设备根据所获取的各传感器节点间的曲线传播时延(即节点信息)，通过控制设备中预设的AFSA算法，在所有传感器节点间计算从发送节点到接收节点间的传输路径，以及传输路径对应的传输时延。并对比各传输路径对应的传输时延大小，确定传输时延最短的传输路线为第一最优时延路线。控制设备将第一最优时延路线，以及第一最优时延路线对应的时延信息储存到控制设备的缓存空间中。
步骤S203，根据节点信息和ACOA算法，在目标节点中确定第二最优时延路线。
其中，目标节点为各传感器节点中除第一最优时延路线包含的传感器节点以外的节点。
在本实施例中，控制设备将第一最优时延路线经过的传感器节点设置入预设ACOA算法的禁忌表，通过运算预设的ACOA算法，在其他传感器节点间确定第二最优时延路线。
以下详细介绍ACOA算法的运算方式。基于ACOA算法，发送节点需要向相邻传感器节点逐一发送模拟测试信号，该模拟测试信号可称为“蚂蚁”，各模拟测试信号的集合，可称为“蚁群”，具体的处理过程为：
首先初始化“蚁群”的各参数，包括“蚁群”数量M，影响系数μ、
Figure BDA0003371818240000081
γ，以及初始化信息素水平τ、信息素挥发系数ρ、信息素增长水平Q，i代表发送节点，j代表接收节点。
其次通过发送节点向相邻传感器节点随机“蚂蚁”，即启动“蚁群”觅食活动，发送节点根据禁忌表和邻居节点集(即所有相邻传感器节点构成的节点集)，计算每个相邻传感器节点被选择的概率，计算公式如下：
Figure BDA0003371818240000082
其中
Figure BDA0003371818240000083
为两点间直线距离除以所处环境的平均声速的倒数，
Figure BDA0003371818240000084
为两点间曲线传播时延的倒数，使用轮盘赌法选择相邻的传感器节点，传输“蚂蚁”。
当“蚂蚁”到达发送节点的相邻传感器节点之后，控制设备将该传输路线经过的传感器节点设置入禁忌表并记录相应的路径信息。传感器节点重复向相邻传感器节点的相邻传感器节点随机发送“蚂蚁”的操作，在“蚂蚁”到达接收节点的情况下，接收节点发送“蚂蚁”沿原传输路径返回发送节点并将路径经过的传感器节点位置，以及路径经过的各传感器间的传输时延反馈至控制设备。在“蚂蚁”到达的最后一个传感器节点无法探测到相邻传感器节点的情况下，最后一个传感器节点发送“蚂蚁”沿原传输路径返回并将路径经过的传感器节点位置、以及路径经过的各传感器间的传输时延反馈至控制设备，控制设备通过更新每两个点间的信息素从而实现整条路径信息素的更新，k表示蚂蚁k，ij表示路径传播中的前后两点ij，信息素增长的计算公式如下：
Figure BDA0003371818240000091
最后重复上述操作M次直到所有“蚂蚁”均到达接收节点，比较各到达接收节点的“蚂蚁”所经过传输路线的传输时延大小，记录时延路线最小的路线为ACOA算法确定的第二最优时延路线。
步骤S204，根据节点信息和ACOA算法，在传感器节点集中确定第三最优时延路线，并根据第一最优时延路线、第二最优时延路线和第三最优时延路线，确定目标最优时延路线。
其中，传感器节点集由第一最优时延路线包含的传感器节点和第二最优时延路线包含的传感器节点构成。
在实施例中，控制设备将传感器节点集以外的其他传感器节点设置入ACOA算法的禁忌表。控制设备在节点集内运算预设的ACOA算法，确定第三最优时延路线。控制设备通过对比第一最优时延路线、第二最优时延路线和第三最优时延路线的时延大小，确定时延最短的路线为目标最优时延路线。
步骤S205，在不满足预设迭代停止条件的情况下，返回执行根据节点信息和AFSA算法，确定并记录各传感器节点中的第一最优时延路线步骤，直到得到满足预设迭代停止条件的目标最优时延路线。
在实施例中，控制设备运算一次最优时延路线计算方法(即步骤S202-步骤S204)，可以获取到一个目标最优时延路线，然后可以判断该目标最优时延路线是否是最终传输路径。在一个实施例中，可以根据目标时延路线的时延收敛情况，判断目标最优时延路线是否是最终传输路径，在目标时延路线的时延未收敛的情况下，返回步骤S202再次计算目标最优时延路线。在目标时延路线的时延收敛的情况下，控制设备停止运算。
在另一个实施例中，可以根据循环迭代的次数是否符合预定次数，判断目标最优时延路线是否是最终传输路径。在迭代次数未达到预期迭代运算的次数时，返回步骤S202再次计算目标最优时延路线，在迭代次数未达到预期迭代运算的次数时，控制设备停止运算。在控制设备停止运算的情况下，控制设备将最后一次运算得到的目标最优时延路线作为最终传输路径，发送给各传感器节点，控制各传感器节点按照此路径传输信号。
基于上述方案，通过在三维结果下计算曲线传播时延，减小了计算时延与实际时延的误差，提高时延计算精度。通过AFSA算法与ACOA算法的循环处理，有效的提高了最优传输时延路线的运算精度，提升了最优时延传输路线的精确率。
可选的，如图3所示，上述步骤S202中记录第一最优时延路线的处理过程，具体可以包括以下步骤：
步骤S301，判断第一最优时延路线的时延是否小于记录路线中的时延。
本实施例中，基于上述处理过程，每一次循环过程中都可以确定出一个第一最优时延路线、以及该第一最优时延路线的时延，并进行记录。每当控制设备获取到本次循环中的第一最优时延路线的时延后，可以进一步获取缓存空间中已记录的时延(即记录路线中的时延)，将第一最优时延路线的时延与缓存空间中的时延进行对比。在第一最优时延路线的时延小于记录路线中的时延的情况下，执行步骤S302。
步骤S302，在第一最优时延路线的时延小于记录路线中的时延的情况下，更新记录路线为第一最优时延路线。
本实施例中，在第一最优时延路线的时延小于记录路线中的时延的情况下，控制设备可以将缓存空间中的时延，更新为第一最优时延路线的时延。
步骤S303，在第一最优时延路线的时延大于或等于记录路线中的时延的情况下，不进行记录操作，并保留已记录的路线到下一次运算。
本实施例中，在第一最优时延路线的时延大于或等于记录路线中的时延的情况下，控制设备放弃记录第一最优时延路线，并输出缓存空间中记录的路线为第一最优时延路线。
基于上述方案，可以在在第一最优时延路线的时延小于记录路线中的时延的情况下，更新记录路线为第一最优时延路线，从而更新了AFSA算法所得到的最优时延路线，以便通过ACOA算法，在更新后的最优时延路线之外确定最优时延路线，提高了最优时延路线的精确度。
可选的，如图4所示，上述步骤S202中确定第一最优时延路线的过程具体可以包括以下步骤：
步骤S401，根据节点信息，获取若干条各传感器节点中的可行路径。
在实施例中，控制设备先获取各传感器节点到达目标节点所需要进行的跳数(即从传感器节点到达接收节点需要经过的传感器节点个数)以及各传感器节点所在的海水深度，并获取每个传感器节点对应的跳数最小的相邻传感器节点集，各传感器节点在其相邻传感器节点集中随机选择一个传感器节点，循环上述操作直到形成一条到达接收节点的可行路径，多次从发送节点循环上述操作，直到寻找到若干条到达接收节点的可行路径。
步骤S402，通过路径优化运算策略对可行路径进行优化处理，得到优选路径。
在实施例中，路径优化运算策略包括但不限于追尾操作、觅食操作、群聚操作、随机操作，控制设备通过路径优化运算策略对各条可行路径进行优化，得到可行路径的优选路径。
步骤S403，在优选路径中，确定传输时延最小的路径作为第一最优时延路线。
在实施例中，控制设备通过对比所有优化后的可行路径的传输时延，选择传输时延最短的路线，作为此次AFSA算法确定的第一最优时延路线。
基于上述方案，可以通过对比筛选的方式，将所有已经优化的可行路径进行对比，选择时延较短的路线，能够更加有效的选择出最优时延路线。并且对可行路径进行多次优化，有效降低了可行路径的时延，提升了最优时延路线的精度。
可选的，上述步骤S202的处理过程，具体可以包括以下步骤：路径优化运算策略包括多种优化操作以及多种优化操作的处理顺序；多种优化操作至少包括追尾操作、觅食操作、群聚操作、随机操作中的一种或多种。
在实施例中，路径优化运算策略可以是：针对每条可行路径，先对该可行路径进行追尾操作，在追尾操作得到优选路径的情况下，输出该可行路径对应的优选路径；在追尾操作未得到优选路径的情况下，对可行路径进行觅食操作。在觅食操作得到优选路径的情况下，输出该可行路径对应的优选路径；在觅食操作未得到优选路径的情况下，对可行路径再次进行觅食操作。在觅食操作得到优选路径的情况下，输出该可行路径对应的优选路径；在觅食操作未得到优选路径的情况下，对可行路径进行群聚操作。在群聚操作得到优选路径的情况下，输出该可行路径对应的优选路径；在群聚操作未得到优选路径的情况下，对可行路径进行觅食操作。在觅食操作得到优选路径的情况下，输出该可行路径对应的优选路径；在觅食操作未得到优选路径的情况下，对可行路径进行随机操作。在随机操作得到优选路径的情况下，输出该可行路径对应的优选路径；在觅食操作未得到优选路径的情况下，输出该可行路径。参照图5，为本申请实施例提供的一种路径优化示例的流程图。
控制设备通过步骤S402，获取到若干条可行路径，通过将预设AFSA算法中的追尾操作、觅食操作、群聚操作以及随机操作中的一种或者多种优化操作进行排列组合，并对可行路径进行优化。
控制设备以路径曲线时延为食物密度，即适应性函数：
Figure BDA0003371818240000121
(式中dij为两点间实际曲线时延，i代表各传感器节点中某一发送信号的传感器节点，j代表各传感器节点中某一接收信号的传感器节点)，为详细介绍各操作的执行方式，此处我们以“人工鱼”作为可行路径，“鱼群”作为一定范围内若干条可行路径，依据移动策略，更新每条“人工鱼”的状态。
其中，追尾操作(follow)的处理过程为：首先根据当前“鱼群”其他路径，比较各条“人工鱼”与当前待更新“人工鱼”的距离(distance)(即路径不同节点数)，在待更新“人工鱼”的感知范围(Visual)内的称之为伙伴(neighbor)，选择伙伴中适应性函数最小者与待更新“人工鱼”状态比较，在伙伴的适应性函数小于待更新“人工鱼”的适应性函数的情况下，则将原“人工鱼”更新为该条“人工鱼”；在伙伴的适应性函数大于待更新“人工鱼”的适应性函数的情况下，使用觅食操作(prey)寻找新“人工鱼”，在新“人工鱼”的适应性函数小于待更新“人工鱼”的适应性函数，且周围的伙伴密度不超过聚集密度(δ)的情况下，则将待更新“人工鱼”更新为新的“人工鱼”；在其他“人工鱼”的适应性函数大于待更新“人工鱼”的适应性函数，或周围的伙伴密度不超过聚集密度(δ)的情况下，再次执行觅食操作。
其中觅食操作(prey)的处理过程为：随机在待更新“人工鱼”内选取觅食范围DJ(DJ不大于待更新“人工鱼”所经过的路径节点感知范围和路径长度)，作为可改变的节点数，将DJ内的传感器节点传输顺序后移一位形成新的排列顺序，并将修改顺序后的传感器节点放回待更新“人工鱼”，形成新“人工鱼”，在新“人工鱼”的适应性函数小于待更新“人工鱼”的适应性函数，且周围的伙伴密度不超过聚集密度(δ)的情况下，则将待更新“人工鱼”更新为新的“人工鱼”；在新“人工鱼”的适应性函数大于待更新“人工鱼”的适应性函数，或周围的伙伴密度不超过聚集密度(δ)的情况下，循环执行Trynum此上述操作，并判断每次操作获得的新“人工鱼”的适应性函数是否小于待更新“人工鱼”的适应性函数，在新“人工鱼”的适应性函数小于待更新“人工鱼”的适应性函数，且周围的伙伴密度不超过聚集密度(δ)的情况下，则将待更新“人工鱼”更新为新的“人工鱼”，在执行了Trynum此操作后获得的新“人工鱼”的适应性函数大于待更新“人工鱼”的适应性函数的情况下，执行群聚操作。
其中群聚操作(swarm)的处理过程为：依照待更新“人工鱼”感知范围内的伙伴(即“人工鱼”感知范围内的其他“人工鱼”)，寻找伙伴中的中心路径(即以出现次数较多的节点传输的路径)，将待更新“人工鱼”对应的路径改为中心路径，形成第一新“人工鱼”，在第一新“人工鱼”的适应性函数小于待更新“人工鱼”的适应性函数的情况下，则将原“人工鱼”更新为第一新“人工鱼”；在第一新“人工鱼”的适应性函数大于待更新“人工鱼”的适应性函数的情况下，使用觅食操作(prey)寻找第二新“人工鱼”，在第二新“人工鱼”小于待更新“人工鱼”的适应性函数，且周围的伙伴密度不超过聚集密度(δ)的情况下，则将原“人工鱼”更新为第二新的“人工鱼”；在第二新“人工鱼”的适应性函数大于待更新“人工鱼”的适应性函数，或周围的伙伴密度不超过聚集密度(δ)的情况下，执行随机操作。
其中随机操作(random)的处理方式为：随机初始化一条“人工鱼”作为新“人工鱼”将待更新“人工鱼”更新为新的“人工鱼”。
基于上述方案，通过多种优化操作，对可行路径进行优化提升，在满足可行路径优化的前提下，也扩大了优化范围，提升了优化过程的容错率，进一步提高ASFA算法获取最优时延路线的精确度。
可选的，如图6所示，上述步骤S201的处理过程，具体可以包括以下步骤：
步骤S601，获取各水下传感器节点的声速和声速梯度。
在实施例中，控制设备通过水声定位算法MP-PSO(Mobility Prediction and aParticle Swarm Optimization algorithm)和数据包传输获取各传感器节点的自身坐标信息和周围邻居节点信息。记水下各传感器节点(Unknown nodes)集U＝{u1,...,ui,...,uN}，其中N为各传感器节点个数。记每个节点ui存储内容为ui＝{jT,pT,hopT,lopT}，其中j为i通信范围内邻居节点序号的存储向量且长度为J，P为传感器节点的三维坐标，对应的p＝{p1,...,pk,...,pJ}，pk＝{xk,yk,zk}T为对应邻居节点的三维坐标(T为各参数的转置)，hop＝{hop1,...,hopk,...,hopJ}为到目标节点的跳数存储向量，lop＝{lop1,...,lopk,...,lopJ}为邻居节点所在的层数，以及各传感器节点所处深度的水下声速(即声速)及声速传播梯度(即声速梯度)。
步骤S602，针对每个传感器节点，根据传感器节点的三维坐标信息、以及传感器节点的相邻传感器节点的三维坐标信息，确定传感器节点与相邻传感器节点的相对位置关系。
在实施例中，控制设备通过各传感器节点的三维坐标信息，获取各传感器节点到相邻传感器节点的水平距离、垂直距离、深度差和位置信息，通过获取的上述信息，确定各传感器节点和相邻传感器节点上下位置的相对关系。
步骤S603，根据相对位置关系确定相邻传感器节点对应的目标曲线时延运算策略。
在实施例中，控制设备在确定出该传感器节点与相邻传感器节点的相对位置关系之后，针对每个相邻传感器节点，在预先存储有各传感器节点与相邻传感器节点的相对位置和曲线时延运算策略的对应关系，查询确定该传感器节点与该相邻传感器节点的相对位置关系对应的目标曲线时延运算策略。
步骤S604，根据传感器节点的声速、声速梯度和三维坐标信息、以及相邻传感器节点的声速、声速梯度和三维坐标信息，通过目标曲线时延运算策略，确定曲线传播时延。
在实施例中，控制设备根据步骤S401获取的传感器节点信息，通过步骤S402选择的目标曲线时延运算策略，确定各节点间的曲线传播时延。
基于上述方案，通过考虑三维坐标及水下声波曲线传播特性，计算曲线传播时延，提升时延计算精度，确保计算得到的传播时延无限接近于实际传播时延，从而确保获取的最优传输时延路径的精确度。
可选的，针对不同的相对位置关系，可以采用不同的目标曲线时延运算策略计算曲线传输时延，具体包括以下几种情况。
情况一：在相邻传感器节点位于传感器节点正上方的情况下，确定第一曲线时延运算策略为目标曲线时延运算策略。
在实施例中，控制设备可以通过传感器节点与相邻传感器节点的相对位置关系，确定相邻传感器节点是否位于传感器节点的正上方。具体的，控制设备先标记各节点信息，发射点和接收点分别标记为i和接收点j，目的节点深度的声速为cj，声速梯度为g。
通过判断j的纵坐标是否小于
Figure BDA0003371818240000151
若j的纵坐标小于
Figure BDA0003371818240000152
则信号无法传达；若j的纵坐标大于
Figure BDA0003371818240000153
则判别j是否在i的竖直正上方，即xi＝xj,yi＝yj。
在相邻传感器节点位于传感器节点正上方的情况下，确定第一曲线时延运算策略为目标曲线时延运算策略。其中，第一曲线时延运算策略对应的计算公式如下：
Figure BDA0003371818240000154
情况二：在传感器节点初始掠射角为正，且相邻传感器节点不在传感器节点正上方的情况下，确定第二曲线时延运算策略为目标曲线时延运算策略。
在实施例中，控制设备可以通过传感器节点与相邻传感器节点的相对位置关系，确定传感器节点是否初始掠射角为正，且相邻传感器节点不在传感器节点正上方。具体的，控制设备计算j到点
Figure BDA0003371818240000161
的距离，记发射点和接收点掠射角αi、αj，轨迹圆心坐标(x0,y0,z0)，水平传播距离X，K是x和y所在平面的斜率，在j到点
Figure BDA0003371818240000162
距离未超过
Figure BDA0003371818240000163
的情况下(即传感器节点初始掠射角为正，且相邻传感器节点不在传感器节点正上方)，确定第二曲线时延运算策略为目标曲线时延运算策略。其中，第二曲线时延运算策略对应的计算公式如下：
Figure BDA0003371818240000164
进一步得，基于掠射角取值范围
Figure BDA0003371818240000165
和水平传播距离X可通过积分求得时延：
Figure BDA0003371818240000171
参照图7，为本实施例提供的针对情况一和情况二的示意图。
情况三：在传感器节点初始掠射角为负，且相邻传感器节点且未过偏转点的情况下，确定第二曲线时延运算策略为目标曲线时延运算策略。
其中，偏转点为两个传感器节点间曲线传输路径的掠射角度为零的点所对应的三维坐标点。
在实施例中，控制设备可以通过传感器节点与相邻传感器节点的相对位置关系，确定传感器节点是否初始掠射角为负，且相邻传感器节点且未过偏转点。具体的，控制设备判断在j点到i点的水平距离X<R|sinα|的情况下，判断接收点是否经过曲线传输路径的偏转点，在相邻传感器节点位于传感器节点下方且未过偏转点的情况下，确定第二曲线时延运算策略为目标曲线时延运算策略。
情况四：在传感器节点初始掠射角为负，且相邻传感器节点过偏转点且未触及海底的情况下，确定第三时延曲线运算策略为目标曲线时延运算策略。
在实施例中，控制设备可以通过传感器节点与相邻传感器节点的相对位置关系，确定传感器节点是否初始掠射角为负，且相邻传感器节点过偏转点且未触及海底。具体的，控制设备判断在接收点经过曲线传输路径翻转点的情况下，判断传输路径或接收点是否触及海底，在传输路径或接收点触及海底的情况下，传输声线会被海底吸收，则信号传输失败，在传输路径或接收点未触及海底的情况下，确定第三时延曲线运算策略为目标曲线时延运算策略，具体计算方式如下：
将曲线传播路线分为两端，第一段为从发送点到偏转点，第二端为从偏转点到接收点，则记两段的时延为t1、t2，第二段水平跨度X2，偏转点处声速cT，第一段传输时延计算策略应用第二曲线时延运算策略，两段传输总时延的目标曲线时延运算策略为第三曲线时延运算策略，运算公式为：
Figure BDA0003371818240000181
参照图8，为本实施例提供的针对情况三和情况四的示意图。
基于上述方案，通过多方面考虑两传感器节点相对位置的关系，计算两节点间曲线传播的时延，能够更加接近实际传输时延，减少传输时延计算误差，提高时延计算精度，有效改善最优传输时延路径的对比与选择。
本申请还提供了一种路由计算方法的示例，如图9所示，具体处理过程包括以下步骤：
S901，获取水下的各传感器节点的节点信息。
其中，节点信息为各传感器节点的曲线传播时延。
S902，根据节点信息，通过AFSA算法获取若干条各传感器节点中的可行路径。
S903，通过路径优化运算策略对可行路径进行优化处理，得到优选路径。
S904，在优选路径中，确定传输时延最小的路径作为AFSA算法输出的第一最优时延路线。
S905，判断第一最优时延路线的时延是否小于记录路线中的时延。
如果是，则执行S906；如果否，则执行S907。
S906，更新记录路线为第一最优时延路线。
S907，不进行更新，并将记录中的路线修改为第一最优时延路线。
S908，ACOA算法将第一最优时延路线经过的节点列入禁忌表。
S909，根据节点信息和ACOA算法，在目标节点中确定第二最优时延路线。其中，目标节点为各传感器节点中除第一最优时延路线包含的传感器节点以外的节点。
S910，ACOA算法将第一最优时延路线经过的节点和第二最优时延路线经过的节点列入节点集。
S911，根据节点集和ACOA算法，确定第三最优时延路线
S912，对比第一最优时延路线、第二最优时延路线和第三最优时延路线的时延大小，确定目标最优时延路线
S913，判断目标最优时延路线是否满足预设迭代停止条件。
如果是，则结束处理，输出目标最优时延路线，如果否，则返回执行S902。
本申请还提供了一种曲线时延计算方法的示例，如图10所示，具体处理过程包括以下步骤：
S1001，获取水下各传感器节点的三维坐标信息、声速和声速梯度。
S1002，针对每个传感器节点，根据传感器节点的三维坐标信息、以及传感器节点的相邻传感器节点的三维坐标信息，确定传感器节点与相邻传感器节点的相对位置关系。
S1003，判断相邻传感器节点是否位于该传感器节点上方。
如果是，则执行S1007,如果否，则执行S1004。
S1004，判断传感器节点是否初始掠射角为正，且相邻传感器节点不在传感器节点正上方。
如果是，则执行S1008,如果否，则执行S1005。
S1005，判断传感器节点是否初始掠射角为负，且相邻传感器节点且未过偏转点。
如果是，则执行S1008，如果否，则执行S1006。
S1006，判断传感器节点是否位于初始掠射角为负，且相邻传感器节点、过偏转点且未触及海底。
如果是，则执行S1009,如果否，则执行S1010。
S1007，确定使用第一曲线时延运算策略。
S1008，确定使用第二曲线时延运算策略。
S1009，确定使用第三曲线时延运算策略。
S1010，确定两传感器节点无法传播。
S1011，根据传感器节点的声速、声速梯度和三维坐标信息、以及相邻传感器节点的声速、声速梯度和三维坐标信息，通过目标曲线时延运算策略，确定曲线传播时延。
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的水下曲线声道传输路由计算方法的装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个水下曲线声道传输路由计算装置实施例中的具体限定可以参见上文中对于水下曲线声道传输路由计算方法的限定，在此不再赘述。
在实施例中，如图11所示，提供了一种水下曲线声道传输路由计算装置，包括：获取模块1110、第一确定模块1120、第二确定模块1130、第三确定模块1140和执行模块1150，其中：
获取模块1110，用于获取水下的各传感器节点的节点信息；节点信息为各传感器节点的曲线传播时延。
第一确定模块1120，用于根据节点信息和AFSA算法，确定各传感器节点中的第一最优时延路线，并记录第一最优时延路线。
第二确定模块1130，用于根据节点信息和ACOA算法，在目标节点中确定第二最优时延路线；目标节点为各传感器节点中除第一最优时延路线包含的传感器节点以外的节点。
第三确定模块1140，用于根据节点信息和ACOA算法，在传感器节点集中确定第三最优时延路线，并根据第一最优时延路线、第二最优时延路线和第三最优时延路线，确定目标最优时延路线；传感器节点集由第一最优时延路线包含的传感器节点和第二最优时延路线包含的传感器节点构成。
执行模块1150，用于在不满足预设迭代停止条件的情况下，返回执行根据节点信息和AFSA算法，确定并记录各传感器节点中的第一最优时延路线步骤，直到得到满足预设迭代停止条件的目标最优时延路线。
可选的，第一确定模块1120，具体用于：
判断第一最优时延路线的时延是否小于记录路线中的时延。
在第一最优时延路线的时延小于记录路线中的时延的情况下，更新记录路线为第一最优时延路线。
可选的，第一确定模块1120，具体用于：
根据节点信息，获取若干条各传感器节点中的可行路径。
通过路径优化运算策略对可行路径进行优化处理，得到优选路径。
在优选路径中，确定传输时延最小的路径作为第一最优时延路线。
可选的，路径优化运算策略包括多种优化操作以及多种优化操作的处理顺序；多种优化操作至少包括追尾操作、觅食操作、群聚操作、随机操作中的一种或多种。
可选的，获取模块1110，具体用于：
获取各水下传感器节点的声速和声速梯度。
针对每个传感器节点，根据传感器节点的三维坐标信息、以及传感器节点的相邻传感器节点的三维坐标信息，确定传感器节点与相邻传感器节点的相对位置关系。
根据相对位置关系确定相邻传感器节点对应的目标曲线时延运算策略。
根据传感器节点的声速、声速梯度和三维坐标信息、以及相邻传感器节点的声速、声速梯度和三维坐标信息，通过目标曲线时延运算策略，确定曲线传播时延。
可选的，获取模块1110，具体用于：
在相邻传感器节点位于传感器节点正上方的情况下，确定第一曲线时延运算策略为目标曲线时延运算策略。
在传感器节点初始掠射角为正，且相邻传感器节点不在传感器节点正上方的情况下，确定第二曲线时延运算策略为目标曲线时延运算策略；
在传感器节点初始掠射角为负，且相邻传感器节点且未过偏转点的情况下，确定第二曲线时延运算策略为目标曲线时延运算策略；
在传感器节点位于初始掠射角为负，且相邻传感器节点、过偏转点且未触及海底的情况下，确定第三时延曲线运算策略为目标曲线时延运算策略。
基于上述方案，通过在三维结果下计算曲线传播时延，减小了计算时延与实际时延的误差，提高时延计算精度。通过AFSA算法与ACOA算法的循环处理，有效的提高了最优传输时延路线的运算精度，提升了最优时延传输路线的精确率。
上述水下曲线声道传输路由计算装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图12所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种路由计算方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图12中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (10)

1.一种水下曲线声道传输路由计算方法，其特征在于，所述方法包括：
获取水下的各传感器节点的节点信息；所述节点信息为各传感器节点的曲线传播时延；
根据所述节点信息和AFSA算法，确定所述各传感器节点中的第一最优时延路线，并记录所述第一最优时延路线；
根据所述节点信息和ACOA算法，在目标节点中确定第二最优时延路线；所述目标节点为所述各传感器节点中除所述第一最优时延路线包含的传感器节点以外的节点；
根据所述节点信息和ACOA算法，在传感器节点集中确定第三最优时延路线，并根据所述第一最优时延路线、所述第二最优时延路线和所述第三最优时延路线，确定目标最优时延路线；所述传感器节点集由所述第一最优时延路线包含的传感器节点和所述第二最优时延路线包含的传感器节点构成；
在不满足预设迭代停止条件的情况下，返回执行所述根据所述节点信息和AFSA算法，确定并记录所述各传感器节点中的第一最优时延路线步骤，直到得到满足预设迭代停止条件的目标最优时延路线。
2.根据权利要求1所述的方法，其特征在于，所述记录所述第一最优时延路线包括：
判断所述第一最优时延路线的时延是否小于记录路线中的时延；
在所述第一最优时延路线的时延小于记录路线中的时延的情况下，更新记录路线为所述第一最优时延路线。
3.根据权利要求1所述的方法，其特征在于，所述根据所述节点信息和AFSA算法，确定所述各传感器节点中的第一最优时延路线包括：
根据节点信息，获取若干条所述各传感器节点中的可行路径；
通过路径优化运算策略对所述可行路径进行优化处理，得到优选路径；
在所述优选路径中，确定传输时延最小的路径作为第一最优时延路线。
4.根据权利要求3所述的方法，其特征在于，所述路径优化运算策略包括多种优化操作以及所述多种优化操作的处理顺序；所述多种优化操作至少包括追尾操作、觅食操作、群聚操作、随机操作中的一种或多种。
5.根据权利要求1所述的方法，其特征在于，所述获取各传感器节点的节点信息包括：
获取各水下传感器节点的声速和声速梯度；
针对每个传感器节点，根据所述传感器节点的三维坐标信息、以及所述传感器节点的相邻传感器节点的三维坐标信息，确定所述传感器节点与所述相邻传感器节点的相对位置关系；
根据所述相对位置关系确定所述相邻传感器节点对应的目标曲线时延运算策略；
根据所述传感器节点的声速、声速梯度和三维坐标信息、以及所述相邻传感器节点的声速、声速梯度和三维坐标信息，通过所述目标曲线时延运算策略，确定曲线传播时延。
6.根据权利要求5所述的方法，其特征在于，所述根据所述相对位置关系确定所述相邻传感器节点对应的目标曲线时延运算策略传感器包括；
在所述相邻传感器节点位于所述传感器节点正上方的情况下，确定第一曲线时延运算策略为目标曲线时延运算策略；
在所述传感器节点初始掠射角为正，且相邻传感器节点不在所述传感器节点正上方的情况下，确定第二曲线时延运算策略为目标曲线时延运算策略；
在所述传感器节点初始掠射角为负，且相邻传感器节点且未过偏转点的情况下，确定所述第二曲线时延运算策略为目标曲线时延运算策略；
在所述传感器节点位于初始掠射角为负，且相邻传感器节点过偏转点且未触及海底的情况下，确定第三时延曲线运算策略为目标曲线时延运算策略。
7.一种水下曲线声道传输路由计算装置，其特征在于，所述装置包括：
获取模块，用于获取水下的各传感器节点的节点信息；所述节点信息为各传感器节点的曲线传播时延；
第一确定模块，用于根据所述节点信息和AFSA算法，确定所述各传感器节点中的第一最优时延路线，并记录所述第一最优时延路线；
第二确定模块，用于根据所述节点信息和ACOA算法，在目标节点中确定第二最优时延路线；所述目标节点为所述各传感器节点中除所述第一最优时延路线包含的传感器节点以外的节点；
第三确定模块，用于根据所述节点信息和ACOA算法，在传感器节点集中确定第三最优时延路线，并根据所述第一最优时延路线、所述第二最优时延路线和所述第三最优时延路线，确定目标最优时延路线；所述传感器节点集由所述第一最优时延路线包含的传感器节点和所述第二最优时延路线包含的传感器节点构成；
执行模块，用于在不满足预设迭代停止条件的情况下，返回执行所述根据所述节点信息和AFSA算法，确定并记录所述各传感器节点中的第一最优时延路线步骤，直到得到满足预设迭代停止条件的目标最优时延路线。
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
CN202111404479.1A 2021-11-24 2021-11-24 水下曲线声道传输路由计算方法、装置及存储介质 Active CN114039675B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111404479.1A CN114039675B (zh) 2021-11-24 2021-11-24 水下曲线声道传输路由计算方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111404479.1A CN114039675B (zh) 2021-11-24 2021-11-24 水下曲线声道传输路由计算方法、装置及存储介质

Publications (2)

Publication Number Publication Date
CN114039675A true CN114039675A (zh) 2022-02-11
CN114039675B CN114039675B (zh) 2022-09-23

Family

ID=80138799

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111404479.1A Active CN114039675B (zh) 2021-11-24 2021-11-24 水下曲线声道传输路由计算方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN114039675B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040068416A1 (en) * 2002-04-22 2004-04-08 Neal Solomon System, method and apparatus for implementing a mobile sensor network
CN107846719A (zh) * 2017-12-15 2018-03-27 华中科技大学 一种基于改进鲸鱼群算法的无线传感器网络路由方法
CN111049743A (zh) * 2019-12-13 2020-04-21 厦门大学 一种联合优化的水声多跳协作通信网络路由选择方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040068416A1 (en) * 2002-04-22 2004-04-08 Neal Solomon System, method and apparatus for implementing a mobile sensor network
CN107846719A (zh) * 2017-12-15 2018-03-27 华中科技大学 一种基于改进鲸鱼群算法的无线传感器网络路由方法
CN111049743A (zh) * 2019-12-13 2020-04-21 厦门大学 一种联合优化的水声多跳协作通信网络路由选择方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
H. WU等: "An ACOA-AFSA fusion routing algorithm for underwater wireless sensor network", 《INTERNATIONAL JOURNAL OF DISTRIBUTED SENSOR NETWORKS》 *
YOUGAN CHEN等: "ACOA-AFSA Fusion Dynamic Coded Cooperation Routing for Different Scale Multi-Hop Underwater Acoustic Sensor Networks", 《IEEE ACCESS》 *
陈友淦等: "人工智能技术在水声通信中的研究进展", 《哈尔滨工程大学学报》 *

Also Published As

Publication number Publication date
CN114039675B (zh) 2022-09-23

Similar Documents

Publication Publication Date Title
Rajakumar et al. GWO‐LPWSN: grey wolf optimization algorithm for node localization problem in wireless sensor networks
Wang et al. CSI-based fingerprinting for indoor localization: A deep learning approach
US6889053B1 (en) Likelihood-based geolocation prediction algorithms for CDMA systems using pilot strength measurements
Savvides et al. Dynamic fine-grained localization in ad-hoc networks of sensors
US7123925B2 (en) Method and apparatus for locating devices
CN113472419B (zh) 一种基于空基可重构智能表面的安全传输方法及系统
CN104412119B (zh) 估算移动设备位置的装置、系统和方法
Risteska Stojkoska Nodes localization in 3D wireless sensor networks based on multidimensional scaling algorithm
Datta et al. On accurate localization of sensor nodes in underwater sensor networks: A Doppler shift and modified genetic algorithm based localization technique
Sharma et al. Meta-heuristic based optimization of WSNs Localisation Problem-a Survey
Chen et al. TDOA-AOA localization based on improved salp swarm algorithm
Zhu et al. Localisation algorithm with node selection under power constraint in software‐defined sensor networks
Jafri et al. On the optimality of opportunistic routing protocols for underwater sensor networks
CN114039675B (zh) 水下曲线声道传输路由计算方法、装置及存储介质
Garcia Ad hoc positioning for sensors in underwater acoustic networks
Anand et al. Certain investigations of underwater wireless sensors synchronization and funneling effect
Cui et al. Localization of Large‐Scale Wireless Sensor Networks Using Niching Particle Swarm Optimization and Reliable Anchor Selection
Vankayala et al. Deep-learning based proactive handover for 5G/6G mobile networks using wireless information
Cui et al. A high-accuracy and low-energy range-free localization algorithm for wireless sensor networks
Mridula et al. Sound velocity profile estimation using ray tracing and nature inspired meta‐heuristic algorithms in underwater sensor networks
Reza et al. A novel integrated mathematical approach of ray-tracing and genetic algorithm for optimizing indoor wireless coverage
Xu et al. Towards robust routing in three-dimensional underwater wireless sensor networks
Yang et al. Intelligent computation offloading for joint communication and sensing-based vehicular networks
Andreou et al. In-network data acquisition and replication in mobile sensor networks
WO2009088666A1 (en) Method and apparatus for computation of wireless signal diffraction in a three-dimensional space

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