CN116260734B - 面向频谱侦察的无人机集群自适应数据采集方法和系统 - Google Patents

面向频谱侦察的无人机集群自适应数据采集方法和系统 Download PDF

Info

Publication number
CN116260734B
CN116260734B CN202310288256.6A CN202310288256A CN116260734B CN 116260734 B CN116260734 B CN 116260734B CN 202310288256 A CN202310288256 A CN 202310288256A CN 116260734 B CN116260734 B CN 116260734B
Authority
CN
China
Prior art keywords
data acquisition
acquisition period
source node
sampling
current data
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
Application number
CN202310288256.6A
Other languages
English (en)
Other versions
CN116260734A (zh
Inventor
董超
吴佳婧
朱小军
屈毓锛
张磊
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.)
Nanjing University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
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 Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN202310288256.6A priority Critical patent/CN116260734B/zh
Publication of CN116260734A publication Critical patent/CN116260734A/zh
Application granted granted Critical
Publication of CN116260734B publication Critical patent/CN116260734B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/02—Capturing of monitoring data
    • H04L43/022—Capturing of monitoring data by sampling
    • H04L43/024—Capturing of monitoring data by sampling by adaptive sampling
    • 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
    • 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)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明提供一种面向频谱侦察的无人机集群自适应数据采集方法和系统，其中方法包括判断当前数据采集周期内采样点数的上限和下限的差是否大于1；如果大于，判断当前数据采集周期内汇聚节点的数据交付率是否小于预设交付率；如果不大于1，判断当前数据采集周期内采样点数的下限和上限是否分别等于第一个数据采集周期内采样点数的下限和上限；如果否，根据当前数据采集周期内各源节点的采样点数的下限计算各源节点采集数据的最终采样频率；本发明利用通信状态参数和数据状态参数调整采样频率，无人机能够动态调整频谱采样频率，使得采样频率达到网络承载的最大值。

Description

面向频谱侦察的无人机集群自适应数据采集方法和系统
技术领域
本发明属于无人机自组网技术领域，尤其涉及一种面向频谱侦察的无人机集群自适应数据采集方法和系统。
背景技术
随着电磁技术的不断发展，以及无线电秩序管控，天地一体化信息网络、电磁频谱作战等领域的跨越式发展，无线用频设备持续增长，电磁频谱资源已成为自然界中最宝贵的资源之一。电磁频谱侦察可分析通信频谱数据中所包含的通信信息，是实现电磁频谱可见、可控、可用的核心和基础，是加强电磁频谱管理和维护电磁频谱安全的前提。近年来，无人机凭其体积小、造价低、易部署、机动性强等优势在军事和民用领域得到越来越多的应用。其中无人机集群通过多架无人机点对点构建网络相互协作完成任务，比单架无人机行动更具优势。因此，军用、民用场景中多采用了无人机集群实现频谱侦察，从而提高频谱侦察的机动性和效率。
无人机自组网是指一定数量的无人机作为网络节点通过自组织、自管理的方式组成的无线移动通信网络，这些节点既可以作为源节点、汇聚节点也可以作为中间节点，节点可以自己对数据进行转发。数据回传是无人机集群侦察频谱态势的关键任务，可以采用自组织网络的形式对数据进行传输。
然而，目前为无人机开放使用的频谱资源稀缺，自组网中可使用的通信信道带宽有限，同时由于节点配置、路由选择、网络堵塞程度的不同以及无线环境的不稳定以及链路的不稳定，会导致网络中出现丢包，从而对后续分析造成影响。因此需合理设置源节点的频谱采样频率使集群对数据的收集更为高效、全面。在带宽有限、源节点频谱采样速度相同的情况下，如何设计动态调整频谱采样频率的方法，使得采样频率达到网络能够承载的最大值，是目前无人机集群频谱侦察研究中迫切需要解决的问题之一。
发明内容
本发明针对现有技术中的不足，提供一种面向频谱侦察的无人机集群自适应数据采集方法和系统。
第一方面，本发明提供一种面向频谱侦察的无人机集群自适应数据采集方法，所述无人机集群包括多个源节点和一个汇聚节点；每个源节点完成数据采集并发送数据包；汇聚节点为每个源节点数据包发送的目标节点；
所述无人机集群自适应数据采集方法包括：
S1，获取当前数据采集周期内汇聚节点中设置的寻找采样频率的范围、数据采集周期时长和频率分辨率；
S2，根据当前数据采集周期内汇聚节点中设置的寻找采样频率的范围的上限和下限，以及频率分辨率，计算当前数据采集周期内各源节点采样频率对应的采样点数的上限和下限；
S3，判断当前数据采集周期内采样点数的上限和下限的差是否大于1；
S4，如果大于1，则根据当前数据采集周期内采样点数的上限和下限计算各源节点进行数据采集时的采样点数，依据采样点数确定各源节点在当前数据采集周期内采集数据时的目标采样频率；
S5，在汇聚节点将包含各源节点采样频率、数据采集周期时长以及数据采集开始时间的报文发送至对应的源节点，控制源节点以目标采样频率发送数据包后，获取当前数据采集周期内汇聚节点接收各源节点发送的对应的数据包数量；
S6，根据当前数据采集周期内各源节点进行数据采集时各源节点采样频率对应的采样点数、频率分辨率和数据采集周期时长计算当前数据采集周期内各源节点发送数据包总数的理论值；
S7，根据当前数据采集周期内汇聚节点接收各源节点发送的对应的数据包数量和各源节点发送数据包总数的理论值计算当前数据采集周期内各源节点的数据交付率；
S8，根据当前数据采集周期内各源节点的数据交付率计算当前数据采集周期内汇聚节点的数据交付率；
S9，判断当前数据采集周期内汇聚节点的数据交付率是否小于预设交付率；
S10，如果小于预设交付率，则将当前数据采集周期内各源节点的采样点数作为下一个数据采集周期内各源节点采样点数的上限，将当前数据采集周期内各源节点的采样点数的下限作为下一个数据采集周期内各源节点的采样点数的下限，并返回执行步骤S3的操作；
S11，如果不小于预设交付率，则将当前数据采集周期内各源节点的采样点数作为下一个数据采集周期内各源节点的采样点数的下限，将当前数据采集周期内各源节点的采样点数的上限作为下一个数据采集周期内各源节点的采样点数的上限，并返回执行步骤S3的操作；
S12，如果不大于1，则判断当前数据采集周期内采样点数的下限和上限是否分别等于第一个数据采集周期内采样点数的下限和上限；
S13，如果是，则调整寻找采样频率的范围，并返回执行步骤S1的操作；
S14，如果否，则根据当前数据采集周期内各源节点的采样点数的下限计算各源节点采集数据的最终采样频率。
进一步地，根据当前数据采集周期内汇聚节点中设置的寻找采样频率的范围的上限和下限，以及频率分辨率，计算当前数据采集周期内各源节点采样频率对应的采样点数的上限和下限，包括：
根据以下公式计算当前数据采集周期内各源节点采样频率对应的采样点数的的上限：
根据以下公式计算当前数据采集周期内各源节点采样频率对应的采样点数的的下限：
其中，hm为第m个数据采集周期内各源节点采样频率对应的采样点数的上限；lm为第m个数据采集周期内各源节点采样频率对应的采样点数的下限；lowm为第m个数据采集周期内寻找采样频率的范围的下限；highm为第m个数据采集周期内寻找采样频率的范围的上限；ε为频率分辨率；为向下取整运算符。
进一步地，所述根据当前数据采集周期内采样点数的上限和下限计算各源节点进行数据采集时的采样点数，依据采样点数确定各源节点在当前数据采集周期内采集数据时的目标采样频率，包括：
根据以下公式计算各源节点进行数据采集时的采样点数：
其中，cm为第m个数据采集周期内各源节点进行数据采集时的采样点数；hm为第m个数据采集周期内各源节点采样频率对应的采样点数的上限；lm为第m个数据采集周期内寻找采样频率的范围的下限；为向下取整运算符。
进一步地，所述根据当前数据采集周期内各源节点进行数据采集时各源节点采样频率对应的采样点数、频率分辨率和数据采集周期时长计算当前数据采集周期内各源节点发送数据包总数的理论值，包括：
根据以下公式计算当前数据采集周期内各源节点发送数据包总数的理论值：
其中，为第m个数据采集周期内第i个源节点发送数据包总数的理论值；cm为第m个数据采集周期内各源节点进行数据采集时的采样点数；ε为频率分辨率；τ为数据采集周期时长。
进一步地，所述根据当前数据采集周期内汇聚节点接收各源节点发送的对应的数据包数量和各源节点发送数据包总数的理论值计算当前数据采集周期内各源节点的数据交付率，包括：
根据以下公式计算当前数据采集周期内各源节点的数据交付率：
其中，为第m个数据采集周期内第i个源节点的数据交付率；/>为第m个数据采集周期内汇聚节点接收第i个源节点发送的数据包数量；/>为第m个数据采集周期内第i个源节点发送数据包总数的理论值。
进一步地，所述根据当前数据采集周期内各源节点的数据交付率计算当前数据采集周期内汇聚节点的数据交付率，包括：
根据以下公式计算当前数据采集周期内汇聚节点的数据交付率：
其中，pm为第m个数据采集周期内汇聚节点的数据交付率；为第m个数据采集周期内第i个源节点的数据交付率。
进一步地，所述根据当前数据采集周期内各源节点的采样点数的下限计算各源节点采集数据的最终采样频率，包括：
根据以下公式计算各源节点采集数据的最终采样频率：
vi＝lm×ε；
其中，vi为第i个源节点采集数据的最终采样频率；lm为第m个数据采集周期内采样频率对应的采样点数的下限；ε为频率分辨率。
进一步地，第一方面还包括：
根据第一个数据采集周期内各源节点采样频率对应的采样点数的上限和下限计算各源节点采集数据的最终采样频率所需数据采集周期的个数。
进一步地，所述根据第一个数据采集周期内各源节点采样频率对应的采样点数的上限和下限计算各源节点采集数据的最终采样频率所需数据采集周期的个数，包括：
根据以下公式计算各源节点采集数据的最终采样频率所需数据采集周期的个数：
其中，ki为第i个源节点采集数据的最终采样频率所需数据采集周期的个数；h1为第一个数据采集周期内各源节点采样频率对应的采样点数的上限；l1为根据第一个数据采集周期内各源节点采样频率对应的采样点数的下限。
第二方面，本发明提供一种面向频谱侦察的无人机集群自适应数据采集系统，所述无人机集群包括多个源节点和一个汇聚节点；每个源节点完成数据采集并发送数据包；汇聚节点为每个源节点数据包发送的目标节点；
所述无人机集群自适应数据采集系统包括：
第一获取模块，用于获取当前数据采集周期内汇聚节点中设置的寻找采样频率的范围、数据采集周期时长和频率分辨率；
第一计算模块，用于根据当前数据采集周期内汇聚节点中设置的寻找采样频率的范围的上限和下限，以及频率分辨率，计算当前数据采集周期内各源节点采样频率对应的采样点数的上限和下限；
第一判断模块，用于判断当前数据采集周期内采样点数的上限和下限的差是否大于1；
第二计算模块，用于在第一判断模块确定当前数据采集周期内采样点数的上限和下限的差大于1的情况下，根据当前数据采集周期内采样点数的上限和下限计算各源节点进行数据采集时的采样点数，依据采样点数确定各源节点在当前数据采集周期内采集数据时的目标采样频率；
第二获取模块，用于在汇聚节点将包含各源节点采样频率、数据采集周期时长以及数据采集开始时间的报文发送至对应的源节点，控制源节点以目标采样频率发送数据包后，获取当前数据采集周期内汇聚节点接收各源节点发送的对应的数据包数量；
第三计算模块，用于根据当前数据采集周期内各源节点进行数据采集时各源节点采样频率对应的采样点数、频率分辨率和数据采集周期时长计算当前数据采集周期内各源节点发送数据包总数的理论值；
第四计算模块，用于根据当前数据采集周期内汇聚节点接收各源节点发送的对应的数据包数量和各源节点发送数据包总数的理论值计算当前数据采集周期内各源节点的数据交付率；
第五计算模块，用于根据当前数据采集周期内各源节点的数据交付率计算当前数据采集周期内汇聚节点的数据交付率；
第二判断模块，用于判断当前数据采集周期内汇聚节点的数据交付率是否小于预设交付率；
第一赋值模块，用于在第二判断模块确定当前数据采集周期内汇聚节点的数据交付率小于预设交付率的情况下，将当前数据采集周期内各源节点的采样点数作为下一个数据采集周期内各源节点采样点数的上限，将当前数据采集周期内各源节点的采样点数的下限作为下一个数据采集周期内各源节点的采样点数的下限，并返回执行第一判断模块的操作；
第二赋值模块，用于在第二判断模块确定当前数据采集周期内汇聚节点的数据交付率不小于预设交付率的情况下，将当前数据采集周期内各源节点的采样点数作为下一个数据采集周期内各源节点的采样点数的下限，将当前数据采集周期内各源节点的采样点数的上限作为下一个数据采集周期内各源节点的采样点数的上限，并返回执行第一判断模块的操作；
第三判断模块，用于在第一判断模块确定当前数据采集周期内采样点数的上限和下限的差不大于1的情况下，判断当前数据采集周期内采样点数的下限和上限是否分别等于第一个数据采集周期内采样点数的下限和上限；
第三获取模块，用于在第三判断模块确定当前数据采集周期内采样点数的下限和上限分别等于第一个数据采集周期内采样点数的下限和上限的情况下，调整寻找采样频率的范围，并返回执行第一获取模块的操作；
第六计算模块，用于在第三判断模块确定当前数据采集周期内采样点数的下限和上限不分别等于第一个数据采集周期内采样点数的下限和上限的情况下，根据当前数据采集周期内各源节点的采样点数的下限计算各源节点采集数据的最终采样频率。
本发明提供一种面向频谱侦察的无人机集群自适应数据采集方法和系统，其中方法包括S1，获取当前数据采集周期内汇聚节点中设置的寻找采样频率的范围、数据采集周期时长和频率分辨率；S2，根据当前数据采集周期内汇聚节点中设置的寻找采样频率的范围的上限和下限，以及频率分辨率，计算当前数据采集周期内各源节点采样频率对应的采样点数的上限和下限；S3，判断当前数据采集周期内采样点数的上限和下限的差是否大于1；S4，如果大于1，则根据当前数据采集周期内采样点数的上限和下限计算各源节点进行数据采集时的采样点数，依据采样点数确定各源节点在当前数据采集周期内采集数据时的目标采样频率；S5，在汇聚节点将包含各源节点采样频率、数据采集周期时长以及数据采集开始时间的报文发送至对应的源节点，控制源节点以目标采样频率发送数据包后，获取当前数据采集周期内汇聚节点接收各源节点发送的对应的数据包数量；S6，根据当前数据采集周期内各源节点进行数据采集时各源节点采样频率对应的采样点数、频率分辨率和数据采集周期时长计算当前数据采集周期内各源节点发送数据包总数的理论值；S7，根据当前数据采集周期内汇聚节点接收各源节点发送的对应的数据包数量和各源节点发送数据包总数的理论值计算当前数据采集周期内各源节点的数据交付率；S8，根据当前数据采集周期内各源节点的数据交付率计算当前数据采集周期内汇聚节点的数据交付率；S9，判断当前数据采集周期内汇聚节点的数据交付率是否小于预设交付率；S10，如果小于预设交付率，则将当前数据采集周期内各源节点的采样点数作为下一个数据采集周期内各源节点采样点数的上限，将当前数据采集周期内各源节点的采样点数的下限作为下一个数据采集周期内各源节点的采样点数的下限，并返回执行步骤S3的操作；S11，如果不小于预设交付率，则将当前数据采集周期内各源节点的采样点数作为下一个数据采集周期内各源节点的采样点数的下限，将当前数据采集周期内各源节点的采样点数的上限作为下一个数据采集周期内各源节点的采样点数的上限，并返回执行步骤S3的操作；S12，如果不大于1，则判断当前数据采集周期内采样点数的下限和上限是否分别等于第一个数据采集周期内采样点数的下限和上限；S13，如果是，则调整寻找采样频率的范围，并返回执行步骤S1的操作；S14，如果否，则根据当前数据采集周期内各源节点的采样点数的下限计算各源节点采集数据的最终采样频率。
相较于现有技术中无法自主确定网络能够承载的最大采样频率，本发明在通信信道带宽有限且汇聚节点唯一的情况下，巧妙地利用通信状态参数和数据状态参数作为采样频率的调整依据，无人机能够在应用层动态、一致地调整频谱采样频率，使得采样频率达到网络能够承载的最大值；本发明能够充分考虑节点以及节点之间的各方面因素，实现源节点采样频率相同，使得无人机集群总体效用的最大化。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种面向频谱侦察的无人机集群自适应数据采集方法的流程图；
图2为本发明实施例提供的一种面向频谱侦察的无人机集群自适应数据采集方法的应用场景图；
图3为本发明实施例提供的确定最大采样频率随数据采集周期的变化图；
图4为本发明实施例提供的一种面向频谱侦察的无人机集群自适应数据采集系统的结构图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在一实施例中，如图1所示，本发明实施例提供一种面向频谱侦察的无人机集群自适应数据采集方法，所述无人机集群包括多个源节点和一个汇聚节点；每个源节点完成数据采集并发送数据包；汇聚节点为每个源节点数据包发送的目标节点。
所述无人机集群自适应数据采集方法包括：
S1，获取当前数据采集周期内汇聚节点中设置的寻找采样频率的范围、数据采集周期时长和频率分辨率。
在一定区域内，用户设置源节点、汇聚节点和中间节点三种无人机节点。其中源节点完成数据采集工作并发送数据包，汇聚节点是源节点数据发送的目标节点，中间节点可以对源节点和汇聚节点传输的数据进行转发。用户确定源节点、中间节点的个数和位置参数，以及汇聚节点的位置参数，其中位置参数包括距离、高度等，选择节点的发射功率和无人机自组网使用的路由协议。
用户在第一个数据采集周期内向汇聚节点输入寻找采样频率的范围low1和high1，数据采集周期时长τ以及用户所期望的频率分辨率(频率精度)ε。在设定寻找采样频率的范围low1和high1时，根据发射功率查询已建立的经验值数据库。
经验值数据库的建立和更新是通过记录每次仿真实验中不同发射功率对应可行的采样频率实现的，设定的寻找采样频率范围需将最大可行采样频率包含在内。若设定发射功率不在已建立的经验值数据库中，则设置low1＝1Hz，high1＝100Hz。
示例性地，在一个200m*200m的区域内构建无人机自组网，路由协议选择为OLSR协议。设置三个无人机作为源节点和一个无人机作为汇聚节点，没有中间节点，则源节点的个数n＝3。节点的高度都为20m，具体部署位置如附图2所示。同时设置每个节点的发射功率为3dBm。用户设置low1＝1Hz，high1＝100Hz，所期望的查询频率分辨率为ε＝0.2Hz，数据采集周期时长τ＝100s。
S2，根据当前数据采集周期内汇聚节点中设置的寻找采样频率的范围的上限和下限，以及频率分辨率，计算当前数据采集周期内各源节点采样频率对应的采样点数的上限和下限。
示例性地，根据以下公式计算当前数据采集周期内各源节点采样频率对应的采样点数的上限：
根据以下公式计算当前数据采集周期内各源节点采样频率对应的采样点数的下限：
其中，hm为第m个数据采集周期内各源节点采样频率对应的采样点数的上限；lm为第m个数据采集周期内各源节点采样频率对应的采样点数的下限；lowm为第m个数据采集周期内寻找采样频率的范围的下限；highm为第m个数据采集周期内寻找采样频率的范围的上限；ε为频率分辨率；为向下取整运算符。第一个数据采集周期内各源节点采样频率对应的采样点数的上限h1＝500，下限l1＝5。
S3，判断当前数据采集周期内采样点数的上限和下限的差是否大于1。
S4，如果大于1，则根据当前数据采集周期内采样点数的上限和下限计算各源节点进行数据采集时的采样点数，依据采样点数确定各源节点在当前数据采集周期内采集数据时的目标采样频率。
示例性地，根据以下公式计算各源节点进行数据采集时的采样点数：
其中，cm为第m个数据采集周期内各源节点进行数据采集时的采样点数。
计算完当前数据采集周期内各源节点进行数据采集时的采样点数后，汇聚节点向每个源节点发送的广播udp报文；广播udp报文包括当前数据采集周期内各源节点采样频率、数据采集周期时长和源节点数据采集开始时间t1。
汇聚节点发送完广播udp报文后，在接收源节点数据包之前，将统计的汇聚节点接收数据包数量清零。源节点接收到广播udp报文后，将其数据包发送数量清零。间隔时间t1＝5s后源节点以采样频率cm×ε发送数据包，持续τ＝100s。汇聚节点接收到数据包后，实时记录来自不同源节点对应的数据包接受数量。
S5，在汇聚节点将包含各源节点采样频率、数据采集周期时长以及数据采集开始时间的报文发送至对应的源节点，控制源节点以目标采样频率发送数据包后，获取当前数据采集周期内汇聚节点接收各源节点发送的对应的数据包数量。
S6，根据当前数据采集周期内各源节点进行数据采集时各源节点采样频率对应的采样点数、频率分辨率和数据采集周期时长计算当前数据采集周期内各源节点发送数据包总数的理论值。
示例性地，根据以下公式计算当前数据采集周期内各源节点发送数据包总数的理论值：
其中，为第m个数据采集周期内第i个源节点发送数据包总数的理论值。
S7，根据当前数据采集周期内汇聚节点接收各源节点发送的对应的数据包数量和各源节点发送数据包总数的理论值计算当前数据采集周期内各源节点的数据交付率。
示例性地，根据以下公式计算当前数据采集周期内各源节点的数据交付率：
其中，为第m个数据采集周期内第i个源节点的数据交付率；/>为第m个数据采集周期内汇聚节点接收第i个源节点发送的数据包数量。
S8，根据当前数据采集周期内各源节点的数据交付率计算当前数据采集周期内汇聚节点的数据交付率。
示例性地，根据以下公式计算当前数据采集周期内汇聚节点的数据交付率：
其中，pm为第m个数据采集周期内汇聚节点的数据交付率。
S9，判断当前数据采集周期内汇聚节点的数据交付率是否小于预设交付率。
S10，如果小于预设交付率，则将当前数据采集周期内各源节点的采样点数作为下一个数据采集周期内各源节点采样点数的上限，将当前数据采集周期内各源节点的采样点数的下限作为下一个数据采集周期内各源节点的采样点数的下限，并返回执行步骤S3的操作。
S11，如果不小于预设交付率，则将当前数据采集周期内各源节点的采样点数作为下一个数据采集周期内各源节点的采样点数的下限，将当前数据采集周期内各源节点的采样点数的上限作为下一个数据采集周期内各源节点的采样点数的上限，并返回执行步骤S3的操作。
示例性地，步骤S7-S11中，汇聚节点在数据采集周期结束且间隔时间t1＝5s后，统计第m个数据采集周期内各源节点的数据交付率和汇聚节点的数据交付率。当pm＜90％时，节点丢包率过大，无法满足数据回传需求，因此源节点的采样频率比当前小，将当前数据采集周期内各源节点的采样点数作为下一个数据采集周期内各源节点采样点数的上限；否则节点丢包率满足数据回传需求，采样频率可适当增大，将当前数据采集周期内各源节点的采样点数作为下一个数据采集周期内各源节点的采样点数的下限；各源节点更新完寻找采样频率的上限和下限后，返回执行步骤S3的操作。
S12，如果不大于1，则判断当前数据采集周期内采样点数的下限和上限是否分别等于第一个数据采集周期内采样点数的下限和上限。
S13，如果是，则调整寻找采样频率的范围，并返回执行步骤S1的操作。
如果hm-lm≤1，且lm＝l1，则说明当前设置的lowm过小，需重新调整寻找采样频率的范围；如果hm-lm≤1，且hm＝h1，则说明设置的highm过大，需重新调整寻找采样频率的范围。
S14，如果否，则根据当前数据采集周期内各源节点的采样点数的下限计算各源节点采集数据的最终采样频率。
示例性地，根据以下公式计算各源节点采集数据的最终采样频率：
vi＝lm×ε。
其中，vi为第i个源节点采集数据的最终采样频率。
本发明实施例还包括根据第一个数据采集周期内各源节点采样频率对应的采样点数的上限和下限计算各源节点采集数据的最终采样频率所需数据采集周期的个数。
示例性地，根据以下公式计算各源节点采集数据的最终采样频率所需数据采集周期的个数：
其中，ki为第i个源节点采集数据的最终采样频率所需数据采集周期的个数；h1为第一个数据采集周期内各源节点采样频率对应的采样点数的上限；l1为根据第一个数据采集周期内各源节点采样频率对应的采样点数的下限。
h1＝500，l1＝5，ki＝10，即第i个源节点采集数据的最终采样频率所需数据采集周期的个数为10。
本发明的效果可以用以下仿真实验进一步说明。
在EXata5.1仿真平台中，构建200m*200m的无人机自组网区域，设置3个无人机源节点和1个汇聚节点，节点的高度都为20m。无人机节点的发射功率设定为3dBm，路由协议选择为OLSR协议。如图3所示，给出了最大采样频率随数据采集周期的变化图。当数据采集周期时长τ确定后，可以找到最大采样频率。应当指出，数据采集周期时长τ越长，找到的最终采样频率越准确。
相较于现有技术中无法自主确定网络能够承载的最大采样频率，本发明在通信信道带宽有限且汇聚节点唯一的情况下，巧妙地利用通信状态参数和数据状态参数作为采样频率的调整依据，无人机能够在应用层动态、一致地调整频谱采样频率，使得采样频率达到网络能够承载的最大值；本发明能够充分考虑节点以及节点之间的各方面因素，实现源节点采样频率相同，使得无人机集群总体效用的最大化；在传输层使用UDP协议，因此传输开销小，速度快，且更为简单。
基于同一发明构思，本发明实施例还提供了一种面向频谱侦察的无人机集群自适应数据采集系统，由于该系统解决问题的原理与前述面向频谱侦察的无人机集群自适应数据采集方法相似，因此该系统的实施可以参见面向频谱侦察的无人机集群自适应数据采集方法的实施，重复之处不再赘述。
在另一实施例中，本发明实施例提供的面向频谱侦察的无人机集群自适应数据采集系统，所述无人机集群包括多个源节点和一个汇聚节点；每个源节点完成数据采集并发送数据包；每个汇聚节点为每个源节点数据包发送的目标节点。
如图4所示，所述无人机集群自适应数据采集系统包括：
第一获取模块10，用于获取当前数据采集周期内汇聚节点中设置的寻找采样频率的范围、数据采集周期时长和频率分辨率。
第一计算模块20，用于根据当前数据采集周期内汇聚节点中设置的寻找采样频率的范围的上限和下限，以及频率分辨率，计算当前数据采集周期内各源节点采样频率对应的采样点数的上限和下限。
第一判断模块30，用于判断当前数据采集周期内采样点数的上限和下限的差是否大于1。
第二计算模块40，用于在第一判断模块确定当前数据采集周期内采样点数的上限和下限的差大于1的情况下，根据当前数据采集周期内采样点数的上限和下限计算各源节点进行数据采集时的采样点数，依据采样点数确定各源节点在当前数据采集周期内采集数据时的目标采样频率。
第二获取模块50，用于在汇聚节点将包含各源节点采样频率、数据采集周期时长以及数据采集开始时间的报文发送至对应的源节点，控制源节点以目标采样频率发送数据包后，获取当前数据采集周期内汇聚节点接收各源节点发送的对应的数据包数量。
第三计算模块60，用于根据当前数据采集周期内各源节点进行数据采集时各源节点采样频率对应的采样点数、频率分辨率和数据采集周期时长计算当前数据采集周期内各源节点发送数据包总数的理论值。
第四计算模块70，用于根据当前数据采集周期内汇聚节点接收各源节点发送的对应的数据包数量和各源节点发送数据包总数的理论值计算当前数据采集周期内各源节点的数据交付率。
第五计算模块80，用于根据当前数据采集周期内各源节点的数据交付率计算当前数据采集周期内汇聚节点的数据交付率。
第二判断模块90，用于判断当前数据采集周期内汇聚节点的数据交付率是否小于预设交付率。
第一赋值模块100，用于在第二判断模块确定当前数据采集周期内汇聚节点的数据交付率小于预设交付率的情况下，将当前数据采集周期内各源节点的采样点数作为下一个数据采集周期内各源节点采样点数的上限，将当前数据采集周期内各源节点的采样点数的下限作为下一个数据采集周期内各源节点的采样点数的下限，并返回执行第一判断模块的操作。
第二赋值模块110，用于在第二判断模块确定当前数据采集周期内汇聚节点的数据交付率不小于预设交付率的情况下，将当前数据采集周期内各源节点的采样点数作为下一个数据采集周期内各源节点的采样点数的下限，将当前数据采集周期内各源节点的采样点数的上限作为下一个数据采集周期内各源节点的采样点数的上限，并返回执行第一判断模块的操作。
第三判断模块120，用于在第一判断模块确定当前数据采集周期内采样点数的上限和下限的差不大于1的情况下，判断当前数据采集周期内采样点数的下限和上限是否分别等于第一个数据采集周期内采样点数的下限和上限。
第三获取模块130，用于在第三判断模块确定当前数据采集周期内采样点数的下限和上限分别等于第一个数据采集周期内采样点数的下限和上限的情况下，调整寻找采样频率的范围，并返回执行第一获取模块的操作。
第六计算模块140，用于在第三判断模块确定当前数据采集周期内采样点数的下限和上限不分别等于第一个数据采集周期内采样点数的下限和上限的情况下，根据当前数据采集周期内各源节点的采样点数的下限计算各源节点采集数据的最终采样频率。
关于上述各个模块更加具体的工作过程可以参考前述实施例公开的相应内容，在此不再进行赘述。
在另一实施例中，本发明提供一种计算机设备，包括处理器和存储器；其中，处理器执行存储器中保存的计算机程序时实现上述面向频谱侦察的无人机集群自适应数据采集方法的步骤。
关于上述方法更加具体的过程可以参考前述实施例中公开的相应内容，在此不再进行赘述。
在另一实施例中，本发明提供一种计算机可读存储介质，用于存储计算机程序；计算机程序被处理器执行时实现上述面向频谱侦察的无人机集群自适应数据采集方法的步骤。
关于上述方法更加具体的过程可以参考前述实施例中公开的相应内容，在此不再进行赘述。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的系统、设备和存储介质而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本领域的技术人员可以清楚地了解到本发明实施例中的技术可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明实施例中的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
以上结合具体实施方式和范例性实例对本发明进行了详细说明，不过这些说明并不能理解为对本发明的限制。本领域技术人员理解，在不偏离本发明精神和范围的情况下，可以对本发明技术方案及其实施方式进行多种等价替换、修饰或改进，这些均落入本发明的范围内。本发明的保护范围以所附权利要求为准。

Claims (10)

1.一种面向频谱侦察的无人机集群自适应数据采集方法，其特征在于，所述无人机集群包括多个源节点和一个汇聚节点；每个源节点完成数据采集并发送数据包；汇聚节点为每个源节点数据包发送的目标节点；
所述无人机集群自适应数据采集方法包括：
S1，获取当前数据采集周期内汇聚节点中设置的寻找采样频率的范围、数据采集周期时长和频率分辨率；
S2，根据当前数据采集周期内汇聚节点中设置的寻找采样频率的范围的上限和下限，以及频率分辨率，计算当前数据采集周期内各源节点采样频率对应的采样点数的上限和下限；
S3，判断当前数据采集周期内采样点数的上限和下限的差是否大于1；
S4，如果大于1，则根据当前数据采集周期内采样点数的上限和下限计算各源节点进行数据采集时的采样点数，依据采样点数确定各源节点在当前数据采集周期内采集数据时的目标采样频率；
S5，在汇聚节点将包含各源节点采样频率、数据采集周期时长以及数据采集开始时间的报文发送至对应的源节点，控制源节点以目标采样频率发送数据包后，获取当前数据采集周期内汇聚节点接收各源节点发送的对应的数据包数量；
S6，根据当前数据采集周期内各源节点进行数据采集时各源节点采样频率对应的采样点数、频率分辨率和数据采集周期时长计算当前数据采集周期内各源节点发送数据包总数的理论值；
S7，根据当前数据采集周期内汇聚节点接收各源节点发送的对应的数据包数量和各源节点发送数据包总数的理论值计算当前数据采集周期内各源节点的数据交付率；
S8，根据当前数据采集周期内各源节点的数据交付率计算当前数据采集周期内汇聚节点的数据交付率；
S9，判断当前数据采集周期内汇聚节点的数据交付率是否小于预设交付率；
S10，如果小于预设交付率，则将当前数据采集周期内各源节点的采样点数作为下一个数据采集周期内各源节点采样点数的上限，将当前数据采集周期内各源节点的采样点数的下限作为下一个数据采集周期内各源节点的采样点数的下限，并返回执行步骤S3的操作；
S11，如果不小于预设交付率，则将当前数据采集周期内各源节点的采样点数作为下一个数据采集周期内各源节点的采样点数的下限，将当前数据采集周期内各源节点的采样点数的上限作为下一个数据采集周期内各源节点的采样点数的上限，并返回执行步骤S3的操作；
S12，如果不大于1，则判断当前数据采集周期内采样点数的下限和上限是否分别等于第一个数据采集周期内采样点数的下限和上限；
S13，如果是，则调整寻找采样频率的范围，并返回执行步骤S1的操作；
S14，如果否，则根据当前数据采集周期内各源节点的采样点数的下限计算各源节点采集数据的最终采样频率。
2.根据权利要求1所述的面向频谱侦察的无人机集群自适应数据采集方法，其特征在于，根据当前数据采集周期内汇聚节点中设置的寻找采样频率的范围的上限和下限，以及频率分辨率，计算当前数据采集周期内各源节点采样频率对应的采样点数的上限和下限，包括：
根据以下公式计算当前数据采集周期内各源节点采样频率对应的采样点数的的上限：
根据以下公式计算当前数据采集周期内各源节点采样频率对应的采样点数的的下限：
其中，hm为第m个数据采集周期内各源节点采样频率对应的采样点数的上限；lm为第m个数据采集周期内各源节点采样频率对应的采样点数的下限；lowm为第m个数据采集周期内寻找采样频率的范围的下限；highm为第m个数据采集周期内寻找采样频率的范围的上限；ε为频率分辨率；为向下取整运算符。
3.根据权利要求1所述的面向频谱侦察的无人机集群自适应数据采集方法，其特征在于，所述根据当前数据采集周期内采样点数的上限和下限计算各源节点进行数据采集时的采样点数，依据采样点数确定各源节点在当前数据采集周期内采集数据时的目标采样频率，包括：
根据以下公式计算各源节点进行数据采集时的采样点数：
其中，cm为第m个数据采集周期内各源节点进行数据采集时的采样点数；hm为第m个数据采集周期内各源节点采样频率对应的采样点数的上限；lm为第m个数据采集周期内寻找采样频率的范围的下限；为向下取整运算符。
4.根据权利要求1所述的面向频谱侦察的无人机集群自适应数据采集方法，其特征在于，所述根据当前数据采集周期内各源节点进行数据采集时各源节点采样频率对应的采样点数、频率分辨率和数据采集周期时长计算当前数据采集周期内各源节点发送数据包总数的理论值，包括：
根据以下公式计算当前数据采集周期内各源节点发送数据包总数的理论值：
其中，为第m个数据采集周期内第i个源节点发送数据包总数的理论值；cm为第m个数据采集周期内各源节点进行数据采集时的采样点数；ε为频率分辨率；τ为数据采集周期时长。
5.根据权利要求1所述的面向频谱侦察的无人机集群自适应数据采集方法，其特征在于，所述根据当前数据采集周期内汇聚节点接收各源节点发送的对应的数据包数量和各源节点发送数据包总数的理论值计算当前数据采集周期内各源节点的数据交付率，包括：
根据以下公式计算当前数据采集周期内各源节点的数据交付率：
其中，为第m个数据采集周期内第i个源节点的数据交付率；/>为第m个数据采集周期内汇聚节点接收第i个源节点发送的数据包数量；/>为第m个数据采集周期内第i个源节点发送数据包总数的理论值。
6.根据权利要求1所述的面向频谱侦察的无人机集群自适应数据采集方法，其特征在于，所述根据当前数据采集周期内各源节点的数据交付率计算当前数据采集周期内汇聚节点的数据交付率，包括：
根据以下公式计算当前数据采集周期内汇聚节点的数据交付率：
其中，pm为第m个数据采集周期内汇聚节点的数据交付率；为第m个数据采集周期内第i个源节点的数据交付率。
7.根据权利要求1所述的面向频谱侦察的无人机集群自适应数据采集方法，其特征在于，所述根据当前数据采集周期内各源节点的采样点数的下限计算各源节点采集数据的最终采样频率，包括：
根据以下公式计算各源节点采集数据的最终采样频率：
vi＝lm×ε；
其中，vi为第i个源节点采集数据的最终采样频率；lm为第m个数据采集周期内采样频率对应的采样点数的下限；ε为频率分辨率。
8.根据权利要求1所述的面向频谱侦察的无人机集群自适应数据采集方法，其特征在于，还包括：
根据第一个数据采集周期内各源节点采样频率对应的采样点数的上限和下限计算各源节点采集数据的最终采样频率所需数据采集周期的个数。
9.根据权利要求8所述的面向频谱侦察的无人机集群自适应数据采集方法，其特征在于，所述根据第一个数据采集周期内各源节点采样频率对应的采样点数的上限和下限计算各源节点采集数据的最终采样频率所需数据采集周期的个数，包括：
根据以下公式计算各源节点采集数据的最终采样频率所需数据采集周期的个数：
其中，ki为第i个源节点采集数据的最终采样频率所需数据采集周期的个数；h1为第一个数据采集周期内各源节点采样频率对应的采样点数的上限；l1为根据第一个数据采集周期内各源节点采样频率对应的采样点数的下限。
10.一种面向频谱侦察的无人机集群自适应数据采集系统，其特征在于，所述无人机集群包括多个源节点和一个汇聚节点；每个源节点完成数据采集并发送数据包；汇聚节点为每个源节点数据包发送的目标节点；
所述无人机集群自适应数据采集系统包括：
第一获取模块，用于获取当前数据采集周期内汇聚节点中设置的寻找采样频率的范围、数据采集周期时长和频率分辨率；
第一计算模块，用于根据当前数据采集周期内汇聚节点中设置的寻找采样频率的范围的上限和下限，以及频率分辨率，计算当前数据采集周期内各源节点采样频率对应的采样点数的上限和下限；
第一判断模块，用于判断当前数据采集周期内采样点数的上限和下限的差是否大于1；
第二计算模块，用于在第一判断模块确定当前数据采集周期内采样点数的上限和下限的差大于1的情况下，根据当前数据采集周期内采样点数的上限和下限计算各源节点进行数据采集时的采样点数，依据采样点数确定各源节点在当前数据采集周期内采集数据时的目标采样频率；
第二获取模块，用于在汇聚节点将包含各源节点采样频率、数据采集周期时长以及数据采集开始时间的报文发送至对应的源节点，控制源节点以目标采样频率发送数据包后，获取当前数据采集周期内汇聚节点接收各源节点发送的对应的数据包数量；
第三计算模块，用于根据当前数据采集周期内各源节点进行数据采集时各源节点采样频率对应的采样点数、频率分辨率和数据采集周期时长计算当前数据采集周期内各源节点发送数据包总数的理论值；
第四计算模块，用于根据当前数据采集周期内汇聚节点接收各源节点发送的对应的数据包数量和各源节点发送数据包总数的理论值计算当前数据采集周期内各源节点的数据交付率；
第五计算模块，用于根据当前数据采集周期内各源节点的数据交付率计算当前数据采集周期内汇聚节点的数据交付率；
第二判断模块，用于判断当前数据采集周期内汇聚节点的数据交付率是否小于预设交付率；
第一赋值模块，用于在第二判断模块确定当前数据采集周期内汇聚节点的数据交付率小于预设交付率的情况下，将当前数据采集周期内各源节点的采样点数作为下一个数据采集周期内各源节点采样点数的上限，将当前数据采集周期内各源节点的采样点数的下限作为下一个数据采集周期内各源节点的采样点数的下限，并返回执行第一判断模块的操作；
第二赋值模块，用于在第二判断模块确定当前数据采集周期内汇聚节点的数据交付率不小于预设交付率的情况下，将当前数据采集周期内各源节点的采样点数作为下一个数据采集周期内各源节点的采样点数的下限，将当前数据采集周期内各源节点的采样点数的上限作为下一个数据采集周期内各源节点的采样点数的上限，并返回执行第一判断模块的操作；
第三判断模块，用于在第一判断模块确定当前数据采集周期内采样点数的上限和下限的差不大于1的情况下，判断当前数据采集周期内采样点数的下限和上限是否分别等于第一个数据采集周期内采样点数的下限和上限；
第三获取模块，用于在第三判断模块确定当前数据采集周期内采样点数的下限和上限分别等于第一个数据采集周期内采样点数的下限和上限的情况下，调整寻找采样频率的范围，并返回执行第一获取模块的操作；
第六计算模块，用于在第三判断模块确定当前数据采集周期内采样点数的下限和上限不分别等于第一个数据采集周期内采样点数的下限和上限的情况下，根据当前数据采集周期内各源节点的采样点数的下限计算各源节点采集数据的最终采样频率。
CN202310288256.6A 2023-03-23 2023-03-23 面向频谱侦察的无人机集群自适应数据采集方法和系统 Active CN116260734B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310288256.6A CN116260734B (zh) 2023-03-23 2023-03-23 面向频谱侦察的无人机集群自适应数据采集方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310288256.6A CN116260734B (zh) 2023-03-23 2023-03-23 面向频谱侦察的无人机集群自适应数据采集方法和系统

Publications (2)

Publication Number Publication Date
CN116260734A CN116260734A (zh) 2023-06-13
CN116260734B true CN116260734B (zh) 2023-10-13

Family

ID=86679338

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310288256.6A Active CN116260734B (zh) 2023-03-23 2023-03-23 面向频谱侦察的无人机集群自适应数据采集方法和系统

Country Status (1)

Country Link
CN (1) CN116260734B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019052273A1 (zh) * 2017-09-15 2019-03-21 北京京东尚科信息技术有限公司 无人驾驶装置通信控制方法、终端和无人驾驶系统
CN110334591A (zh) * 2019-05-24 2019-10-15 西华大学 一种基于聚类分析的无人机跳频信号检测及识别方法
CN111104303A (zh) * 2019-12-13 2020-05-05 苏州浪潮智能科技有限公司 一种服务器指标数据采集方法、装置和介质
CN111740793A (zh) * 2020-08-25 2020-10-02 北京邮电大学 基于自适应采样的无人机检测方法和系统
CN113891329A (zh) * 2021-10-20 2022-01-04 南京航空航天大学 一种基于无人机多跳转发的频谱监测方法和系统
CN114841211A (zh) * 2022-05-17 2022-08-02 西安电子科技大学 基于频域数据增强扩充的无人机时频图谱数据库构建方法
US11405297B1 (en) * 2021-08-24 2022-08-02 Juniper Networks, Inc. Adaptive flow monitoring
CN115333964A (zh) * 2022-08-16 2022-11-11 中国银行股份有限公司 一种数据采集方法、装置、设备及可读存储介质

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11539632B2 (en) * 2014-12-30 2022-12-27 Research Electronics International, Llc System and method for detecting constant-datagram-rate network traffic indicative of an unmanned aerial vehicle
CN108259095B (zh) * 2018-01-29 2020-10-27 中国科学技术大学 联合sfft与coa的无线传感器网络部署结构及频谱重建方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019052273A1 (zh) * 2017-09-15 2019-03-21 北京京东尚科信息技术有限公司 无人驾驶装置通信控制方法、终端和无人驾驶系统
CN110334591A (zh) * 2019-05-24 2019-10-15 西华大学 一种基于聚类分析的无人机跳频信号检测及识别方法
CN111104303A (zh) * 2019-12-13 2020-05-05 苏州浪潮智能科技有限公司 一种服务器指标数据采集方法、装置和介质
CN111740793A (zh) * 2020-08-25 2020-10-02 北京邮电大学 基于自适应采样的无人机检测方法和系统
US11405297B1 (en) * 2021-08-24 2022-08-02 Juniper Networks, Inc. Adaptive flow monitoring
CN113891329A (zh) * 2021-10-20 2022-01-04 南京航空航天大学 一种基于无人机多跳转发的频谱监测方法和系统
CN114841211A (zh) * 2022-05-17 2022-08-02 西安电子科技大学 基于频域数据增强扩充的无人机时频图谱数据库构建方法
CN115333964A (zh) * 2022-08-16 2022-11-11 中国银行股份有限公司 一种数据采集方法、装置、设备及可读存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Exploiting UAV for Air-Ground Integrated Federated Learning:A Joint UAV Location and Resource Optimization Approach;Yuqian Jing等;IEEE;全文 *
用于作物表型信息边缘计算采集的认知无线传感器网络分簇路由算法;汪进鸿;韩宇星;;智慧农业(中英文)(02);全文 *
面向频谱监测的无人机感知数据回传方法;刘仕杰等;移动通信;全文 *

Also Published As

Publication number Publication date
CN116260734A (zh) 2023-06-13

Similar Documents

Publication Publication Date Title
Abd-Elmagid et al. On the role of age of information in the Internet of Things
CN110809306B (zh) 一种基于深度强化学习的终端接入选择方法
CN114690799B (zh) 基于信息年龄的空天地一体化无人机物联网数据采集方法
Jiang et al. Traffic prediction and random access control optimization: Learning and non-learning-based approaches
CN110650487B (zh) 基于数据隐私保护的物联网边缘计算配置方法
Fragkos et al. Artificial intelligence enabled distributed edge computing for Internet of Things applications
Ioannou et al. A novel Distributed AI framework with ML for D2D communication in 5G/6G networks
Zorbas et al. Collision-free sensor data collection using lorawan and drones
Ahmed et al. A QoS-aware MAC protocol for IEEE 802.11 ah-based Internet of Things
Ruan et al. An adaptive channel division MAC protocol for high dynamic UAV networks
Guo et al. Resource allocation for aerial assisted digital twin edge mobile network
CN116260734B (zh) 面向频谱侦察的无人机集群自适应数据采集方法和系统
Aldeen et al. Data communication for drone-enabled internet of things
Fu et al. Joint speed and bandwidth optimized strategy of UAV-assisted data collection in post-disaster areas
Alsaif et al. Evaluating the performance of nodes mobility for Zigbee wireless sensor network
Desogus et al. Remiot: Reputation-based network selection in multimedia iot
Mehta Genetic algorithm based bi-objective optimization of sigmoidal utility and throughput in ad-hoc wireless networks
Wang et al. A deep learning assisted approach for minimizing the age of information in a WiFi network
CN106603140A (zh) 无线能量采集认知无线电的最优中继协作传输方法
CN116437310A (zh) 一种无线可充电传感器网络的关键设备部署方法
CN104022807B (zh) 一种协作通信中协作建立的判断方法
Yuhua et al. A research on age of information minimization scheme of wireless sensor network assisted by UAV
CN113316156B (zh) 免授权频段上的一种智能共存方法
Alkhawlani et al. Hybrid approach for radio network selection in heterogeneous wireless networks
Alenezi et al. Energy-efficient power control and resource allocation based on deep reinforcement learning for D2D communications in cellular networks

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