CN116963228A - 一种面向无人机自组网的分簇路由方法及装置 - Google Patents
一种面向无人机自组网的分簇路由方法及装置 Download PDFInfo
- Publication number
- CN116963228A CN116963228A CN202311219314.6A CN202311219314A CN116963228A CN 116963228 A CN116963228 A CN 116963228A CN 202311219314 A CN202311219314 A CN 202311219314A CN 116963228 A CN116963228 A CN 116963228A
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- cluster
- node
- clusters
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 241000854291 Dianthus carthusianorum Species 0.000 claims abstract description 44
- 238000004891 communication Methods 0.000 claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims abstract description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 230000001133 acceleration Effects 0.000 claims description 3
- 230000004083 survival effect Effects 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000003064 k means clustering Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000005381 potential energy Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/24—Connectivity information management, e.g. connectivity discovery or connectivity update
- H04W40/32—Connectivity information management, e.g. connectivity discovery or connectivity update for defining a routing cluster membership
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/46—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for vehicle-to-vehicle communication [V2V]
-
- 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
- H04W40/026—Route selection considering the moving speed of individual devices
-
- 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
- H04W40/04—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources
-
- 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
- H04W40/04—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources
- H04W40/10—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources based on available power or energy
-
- 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
- H04W40/20—Communication route or path selection, e.g. power-based or shortest path routing based on geographic position or location
-
- 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)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种面向无人机自组网的分簇路由方法及装置,该方法为:结合无人机节点的地理位置和飞行速度两个因素,将所有无人机节点进行子簇的划分;在划分的子簇中,通过综合无人机节点的剩余能量、存储容量和载荷承重三个因素,选出负载能力最大的无人机节点作为簇头;基于所形成的子簇和簇头,依据已有的路由协议进行子簇间和簇内的路由通信。所述装置包括子簇划分模块、簇头确定模块和路由通信模块。本发明综合多个因素进行分簇和簇头的选举,有效提高了簇头的生存时间,降低了网络计算的开销,提高了路由效率。
Description
技术领域
本发明属于无人机自组网技术领域,特别是一种面向无人机自组网的分簇路由方法及装置。
背景技术
随着无人机技术的发展,无人机自组网成为了当前一个热门的研究领域。当无人机的密度较大时,一般会采用簇的形式对无人机进行组网,其中每个簇分别由簇头和簇内成员节点组成。工作时,簇内成员节点将监测到的数据发送到簇头,然后簇头将监测到的数据和接收到的所有数据进行数据融合后发送给下一跳节点或者基站。这个过程中,如何分簇以及簇头的选举尤为重要。
现有的一些分簇路由方法,大多是针对无人机的单个因素,比如无人机节点在网络中的中心度或者与其他无人机节点的联通性,进行分簇和簇头的选举,这将导致簇头的生存时间较低。此外,由于无人机自组网中节点的高移动性和拓扑的高动态性,可能会导致频繁地重新配置簇头,从而增加网络计算的开销,影响路由的可靠性,导致路由效率低下。
发明内容
本发明的目的在于提供一种面向无人机自组网的分簇路由方法及装置,通过综合多个因素进行分簇和簇头的选举,可有效提高簇头的生存时间,降低网络计算的开销,提高路由效率。
实现本发明目的的技术解决方案为:一种面向无人机自组网的分簇路由方法,包括以下步骤:
步骤1、结合无人机节点的地理位置和飞行速度两个因素,将所有无人机节点进行子簇的划分;
步骤2、在划分的子簇中,通过综合无人机节点的剩余能量、存储容量和载荷承重三个因素,选出负载能力最大的无人机节点作为簇头;
步骤3、基于所形成的子簇和簇头,依据已有的路由协议进行子簇间和簇内的路由通信。
一种面向无人机自组网的分簇路由装置,用于实现所述的面向无人机自组网的分簇路由方法,该装置包括子簇划分模块、簇头确定模块和路由通信模块,其中:
所述子簇划分模块,结合无人机节点的地理位置和飞行速度两个因素,将所有无人机节点进行子簇的划分;
所述簇头确定模块,在划分的子簇中,通过综合无人机节点的剩余能量、存储容量和载荷承重三个因素,选出负载能力最大的无人机节点作为簇头;
所述路由通信模块,基于所形成的子簇和簇头,依据已有的路由协议进行子簇间和簇内的路由通信。
一种移动终端,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现所述的面向无人机自组网的分簇路由方法。
一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现所述的面向无人机自组网的分簇路由方法中的步骤。
本发明与现有技术相比,其显著优点为:
(1)基于层次k-means聚类的分簇方法,解决了无人机自组网中的分簇路由问题;
(2)在所采用的层次k-means算法中,综合无人机节点的位置和速度,进行簇的划分,有效提高了聚类的效果;
(3)综合考虑无人机的剩余能量、存储容量和载荷承重三个因素来选出负载能力大的节点作为簇头,可有效提高簇头节点的生存时间,降低网络计算的开销,提高路由效率。
附图说明
图1为本发明的分簇路由实现流程示意图。
图2为本发明的基于层次k-means聚类实现子簇划分的原理示意图。
图3为本发明的簇头选举流程示意图。
具体实施方式
容易理解,依据本发明的技术方案,在不变更本发明的实质精神的情况下,本领域的一般技术人员可以想象出本发明的多种实施方式。因此,以下具体实施方式和附图仅是对本发明的技术方案的示例性说明,而不应当视为本发明的全部或者视为对本发明技术方案的限制或限定。
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
在这里示出和讨论的所有例子中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它例子可以具有不同的值。
结合图1,本发明一种面向无人机自组网的分簇路由方法,包括以下步骤:
步骤1、结合无人机节点的地理位置和飞行速度两个因素,将所有无人机节点进行子簇的划分;
步骤2、在划分的子簇中,通过综合无人机节点的剩余能量、存储容量和载荷承重三个因素,选出负载能力最大的无人机节点作为簇头;
步骤3、基于所形成的子簇和簇头,依据已有的路由协议进行子簇间和簇内的路由通信。
作为一种具体示例,步骤1中,结合无人机节点的地理位置和飞行速度两个因素,将所有无人机节点进行子簇的划分,具体如下:
步骤1.1、对无人机群初始化,设定无人机节点的个数为N,n=1,2,…N表示无人机节点的编号,将初始的无人机群看作一个簇C,随机选择多个无人机节点作为初始的聚类中心节点;
步骤1.2、在簇C中,利用k-means算法,将所有无人机节点划分成指定数量的第一层级的子簇;
步骤1.3、针对每个子簇,利用k-means算法,将子簇中的无人机节点划分为更小层级的子簇;
步骤1.4、重复步骤1.3,直到达到预设数量的子簇,最终得到k个子簇,k为小于N的正整数。
作为一种具体示例,利用k-means算法,将一个簇内的无人机节点划分为子簇的过程,如图2所示,具体如下:
(1)定义集合A代表聚类中心节点,集合B代表簇内成员节点;p表示聚类中心节点的编号,p=1,2,…,P;q表示簇内成员节点的编号;用l表示无人机节点的地理位置,v表示无人机节点的飞行速度;
(2)计算每一个簇内成员节点与所有聚类中心节点之间的距离,所述距离不是实际上的距离,而是代表簇内成员节点与聚类中心节点的相似度,第q个簇内成员节点与第p个聚类中心节点之间的距离表示为:
其中,表示第p个聚类中心节点的地理位置,/>表示第q个簇内成员节点的地理位置,/>表示第p个聚类中心节点的飞行速度,/>表示第q个簇内成员节点的飞行速度;
(3)求得簇内成员节点与所有聚类中心节点之间的距离后,比较这些距离值的大小,然后将簇内成员节点分配到距离最近的聚类中心节点所处的子簇中,此时一个簇变成了P个子簇。
作为一种具体示例,步骤2中,在划分的子簇中,通过综合无人机节点的剩余能量、存储容量和载荷承重三个因素,选出负载能力最大的无人机节点作为簇头,如图3所示,具体如下:
步骤2.1、在子簇内,用有效因子/>度量第n个无人机节点的剩余能量,第n个无人机节点的存储容量记为/>,第n个无人机节点的载荷承重记为/>,/>和/>由第n个无人机节点的硬件条件所决定;
步骤2.2、按任务所需,设定剩余能量的权重、存储容量的权重/>、载荷承重的权重/>,则第n个无人机节点的负载能力/>为:
其中,由公式/>求得,/>为第n个无人机节点的初始能量,/>为第n个无人机节点在任意时刻t消耗的能量,由无人机节点本身的电池使用情况获得;
步骤2.3、比较子簇内,所有无人机节点的负载能力大小,选出负载能力最大的无人机节点作为簇头。
作为一种具体示例,第n个无人机节点的初始能量,计算公式如下:
其中,是无人机节点的电池电压,/>是无人机节点的电池容量。
作为一种具体示例,第n个无人机节点在任意时刻t消耗的能量,计算公式如下:
无人机节点在时刻t的动能、势能/>,以及风阻力F,分别如下:
,/>,/>
其中,m是无人机节点的质量,是重力加速度,h是无人机节点的飞行高度,/>是空气密度,/>是面积,/>是风速,/>是飞行系数。
作为一种具体示例,剩余能量的权重、存储容量的权重/>、载荷承重的权重分配如下/>、/>、/>。
本发明还提供一种面向无人机自组网的分簇路由装置,用于实现所述的面向无人机自组网的分簇路由方法,该装置包括子簇划分模块、簇头确定模块和路由通信模块,其中:
所述子簇划分模块,结合无人机节点的地理位置和飞行速度两个因素,将所有无人机节点进行子簇的划分;
所述簇头确定模块,在划分的子簇中,通过综合无人机节点的剩余能量、存储容量和载荷承重三个因素,选出负载能力最大的无人机节点作为簇头;
所述路由通信模块,基于所形成的子簇和簇头,依据已有的路由协议进行子簇间和簇内的路由通信。
本发明还提供一种移动终端,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现所述的面向无人机自组网的分簇路由方法。
本发明还提供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,所述程序被处理器执行时实现所述的面向无人机自组网的分簇路由方法中的步骤。
下面结合附图及具体实施例对本发明做进一步详细说明。
实施例
本实施例提供一种面向无人机自组网的分簇路由方法,结合图1~图3,具体如下:
假设有10个无人机u0~u9,即N=10,现用两轮层次k-means对其进行分簇;
第一步:对无人机群初始化,将初始的无人机群看作一个簇C,随机选择2个无人机作为初始的聚类中心节点,设这两个无人机为u1,u2;
第二步:定义集合A代表聚类中心节点,集合B代表簇内成员节点,此时p=1,2∈A,q=0,3…8∈B。用一组二维数据(l,v)标记u1、u2,其他成员节点也是如此,则u1(l,v),u2(l,v)分别表示其对应的地理位置和飞行速度。无人机的地理位置和飞行速度均可由内置的GPS模块获得。
将所获得的无人机地理位置和飞行速度带入公式:
求得无人机u0,u3…u9分别到聚类中心u1,u2的距离,比较这两个距离值,将对应的无人机分配到距离较小的那个聚类中心所在的类中。比如,若</>,则无人机u0被分配到聚类中心u1所在的类中;经过该步骤,簇C被分成2个子簇/>和/>。
第三步:在簇和/>中分别重复第一步和第二步,也就是进行第二轮层次k-means。
第四步:第二轮层次k-means结束后,原簇C被划分成四个子簇。假设/>中所分得的无人机是u0,u3,/>中所分得的无人机是u1,u5,/>中分得的无人机是u2 ,u7,u8,/>中分得的无人机是u4,u6,u9;
接下来,在每个子簇中,从无人机的能量剩余、存储容量、载荷承载三个方面衡量无人机的负载能力,选择出负载能力最强的无人机担任各簇的簇头。
负载能力由以下公式计算得到:
由于本发明所需计算数据来源复杂,所以以下仅给出上述公式中变量的获取方法。
(1)用度量无人机的剩余能量,/>由公式/>求得,/>为第n个无人机节点的初始能量,/>为第n个无人机节点在任意时刻t消耗的能量,n为无人机的编号。
其中无人机的初始能量,V是电池电压,Ah是电池容量;
无人机飞行消耗的能量,/>,/>分别是无人机t时刻的动能和势能,F是风阻力;
其中:
,/>,/>
其中,m是无人机节点的质量,g是重力加速度,h是无人机节点的飞行高度,是空气密度,/>是面积,/>是风速,/>是飞行系数。
(2)为无人机的存储容量。无人机的存储容量一般是指它的内部存储空间,用来存储飞行记录、执行任务的数据等信息,一般在几GB到几百GB不等。
(3)为无人机的载荷承重。无人机的载荷承重能力是在其被生产出来之后,由实际测试得到。一般来说在载荷承重的计算中要考虑到飞机本身的重量和尺寸、载荷物的重量和尺寸、飞机的机动性能等条件,甚至好包括执行任务的环境因素,包括气压、温度等。在测试之后即可得到每个无人机的载荷承重数据,这个数据作为无人机固有的属性信息,一般不会变化。
(4)得到上述变量信息后,现给能量剩余、存储容量、载荷承载分配权重、/>、,由于无人机的能量剩余在执行任务中可能占据更主导的力量,所以权重分配如下、/>、/>。
(5)将上述所有变量数据带入到中,即可求出无人机节点的负载能力,选出四个簇中的最优簇头。
第五步:簇划分和簇头选举完成后,即可依据现有协议实现簇内和簇间的通信。
综上所述,本发明综合了多个因素进行分簇和簇头的选举,可有效提高簇头的生存时间,降低网络计算的开销,提高路由效率。
Claims (10)
1.一种面向无人机自组网的分簇路由方法,其特征在于,包括以下步骤:
步骤1、结合无人机节点的地理位置和飞行速度两个因素,将所有无人机节点进行子簇的划分;
步骤2、在划分的子簇中,通过综合无人机节点的剩余能量、存储容量和载荷承重三个因素,选出负载能力最大的无人机节点作为簇头;
步骤3、基于所形成的子簇和簇头,依据已有的路由协议进行子簇间和簇内的路由通信。
2.根据权利要求1所述的面向无人机自组网的分簇路由方法,其特征在于,步骤1中,结合无人机节点的地理位置和飞行速度两个因素,将所有无人机节点进行子簇的划分,具体如下:
步骤1.1、对无人机群初始化,设定无人机节点的个数为N,n=1,2,…N表示无人机节点的编号,将初始的无人机群看作一个簇C,随机选择多个无人机节点作为初始的聚类中心节点;
步骤1.2、在簇C中,利用k-means算法,将所有无人机节点划分成指定数量的第一层级的子簇;
步骤1.3、针对每个子簇,利用k-means算法,将子簇中的无人机节点划分为更小层级的子簇;
步骤1.4、重复步骤1.3,直到达到预设数量的子簇,最终得到k个子簇,k为小于N的正整数。
3.根据权利要求2所述的面向无人机自组网的分簇路由方法,其特征在于,利用k-means算法,将一个簇内的无人机节点划分为子簇的过程具体如下:
(1)定义集合A代表聚类中心节点,集合B代表簇内成员节点;p表示聚类中心节点的编号,p=1,2,…,P;q表示簇内成员节点的编号;用l表示无人机节点的地理位置,v表示无人机节点的飞行速度;
(2)计算每一个簇内成员节点与所有聚类中心节点之间的距离,该距离代表簇内成员节点与聚类中心节点的相似度,第q个簇内成员节点与第p个聚类中心节点之间的距离表示为:
;
其中,表示第p个聚类中心节点的地理位置,/>表示第q个簇内成员节点的地理位置,表示第p个聚类中心节点的飞行速度,/>表示第q个簇内成员节点的飞行速度;
(3)求得簇内成员节点与所有聚类中心节点之间的距离后,比较这些距离值的大小,然后将簇内成员节点分配到距离最近的聚类中心节点所处的子簇中,此时一个簇变成了P个子簇。
4.根据权利要求3所述的面向无人机自组网的分簇路由方法,其特征在于,步骤2中,在划分的子簇中,通过综合无人机节点的剩余能量、存储容量和载荷承重三个因素,选出负载能力最大的无人机节点作为簇头,具体如下:
步骤2.1、在子簇内,用有效因子/>度量第n个无人机节点的剩余能量,第n个无人机节点的存储容量记为/>,第n个无人机节点的载荷承重记为/>;
步骤2.2、按任务所需,设定剩余能量的权重、存储容量的权重/>、载荷承重的权重,则第n个无人机节点的负载能力/>为:
;
其中,由公式/>求得,/>为第n个无人机节点的初始能量,/>为第n个无人机节点在任意时刻t消耗的能量;
步骤2.3、比较子簇内,所有无人机节点的负载能力大小,选出负载能力最大的无人机节点作为簇头。
5.根据权利要求4所述的面向无人机自组网的分簇路由方法,其特征在于,第n个无人机节点的初始能量,计算公式如下:
;
其中,是无人机节点的电池电压,/>是无人机节点的电池容量。
6.根据权利要求4所述的面向无人机自组网的分簇路由方法,其特征在于,第n个无人机节点在任意时刻t消耗的能量,计算公式如下:
;
无人机节点在时刻t的动能、势能/>,以及风阻力F,分别如下:
,/>,/>;
其中,m是无人机节点的质量,是重力加速度,h是无人机节点的飞行高度,/>是空气密度,/>是面积,/>是风速,/>是飞行系数。
7.根据权利要求4所述的面向无人机自组网的分簇路由方法,其特征在于,剩余能量的权重、存储容量的权重/>、载荷承重的权重/>分配如下/>、/>、/>。
8.一种面向无人机自组网的分簇路由装置,其特征在于,用于实现权利要求1~7中任一项所述的面向无人机自组网的分簇路由方法,该装置包括子簇划分模块、簇头确定模块和路由通信模块,其中:
所述子簇划分模块,结合无人机节点的地理位置和飞行速度两个因素,将所有无人机节点进行子簇的划分;
所述簇头确定模块,在划分的子簇中,通过综合无人机节点的剩余能量、存储容量和载荷承重三个因素,选出负载能力最大的无人机节点作为簇头;
所述路由通信模块,基于所形成的子簇和簇头,依据已有的路由协议进行子簇间和簇内的路由通信。
9.一种移动终端,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1~7中任一项所述的面向无人机自组网的分簇路由方法。
10.一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,所述程序被处理器执行时实现如权利要求1~7中任一项所述的面向无人机自组网的分簇路由方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311219314.6A CN116963228B (zh) | 2023-09-21 | 2023-09-21 | 一种面向无人机自组网的分簇路由方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311219314.6A CN116963228B (zh) | 2023-09-21 | 2023-09-21 | 一种面向无人机自组网的分簇路由方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116963228A true CN116963228A (zh) | 2023-10-27 |
CN116963228B CN116963228B (zh) | 2023-12-19 |
Family
ID=88442932
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311219314.6A Active CN116963228B (zh) | 2023-09-21 | 2023-09-21 | 一种面向无人机自组网的分簇路由方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116963228B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018165930A (ja) * | 2017-03-28 | 2018-10-25 | 株式会社ゼンリンデータコム | ドローンナビゲーション装置、ドローンナビゲーション方法及びドローンナビゲーションプログラム |
CN111954281A (zh) * | 2020-07-28 | 2020-11-17 | 西安理工大学 | 一种基于无线紫外光通信的蜂群无人机编队分簇路由方法 |
CN113271643A (zh) * | 2021-03-06 | 2021-08-17 | 南京航空航天大学 | 一种多节点协作无人机自组网分簇拓扑重构方法 |
CN116528320A (zh) * | 2023-04-10 | 2023-08-01 | 中国电子科技南湖研究院 | 可控簇规模的无人机自组网簇首推举方法、系统及介质 |
-
2023
- 2023-09-21 CN CN202311219314.6A patent/CN116963228B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018165930A (ja) * | 2017-03-28 | 2018-10-25 | 株式会社ゼンリンデータコム | ドローンナビゲーション装置、ドローンナビゲーション方法及びドローンナビゲーションプログラム |
CN111954281A (zh) * | 2020-07-28 | 2020-11-17 | 西安理工大学 | 一种基于无线紫外光通信的蜂群无人机编队分簇路由方法 |
CN113271643A (zh) * | 2021-03-06 | 2021-08-17 | 南京航空航天大学 | 一种多节点协作无人机自组网分簇拓扑重构方法 |
CN116528320A (zh) * | 2023-04-10 | 2023-08-01 | 中国电子科技南湖研究院 | 可控簇规模的无人机自组网簇首推举方法、系统及介质 |
Non-Patent Citations (1)
Title |
---|
徐意祥等: "无人机系统编队分簇网络仿真研究", 电子设计工程, no. 15 * |
Also Published As
Publication number | Publication date |
---|---|
CN116963228B (zh) | 2023-12-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109286913B (zh) | 基于蜂窝网联的无人机移动边缘计算系统能耗优化方法 | |
CN107801195B (zh) | 一种车联网定位中的路边单元优化部署方法 | |
Liu et al. | AUV-aided hybrid data collection scheme based on value of information for Internet of Underwater Things | |
CN113131985B (zh) | 一种基于信息年龄最优路径规划的多无人机数据收集方法 | |
CN109447410A (zh) | 一种考虑城市路网交通运行状态的充电站选址方法 | |
CN110009037B (zh) | 一种基于物理信息耦合的工程风速短时预测方法及系统 | |
CN101820676B (zh) | 传感器节点定位方法 | |
CN107480180A (zh) | 道路数据的处理方法、道路定位方法、装置及系统 | |
CN113507492B (zh) | 物联网三维空间智能定位与分布式边缘计算支援方法 | |
CN107016451B (zh) | 基于聚类分析的换电站选址方法 | |
CN113759971A (zh) | 一种面向无人机协同侦察的路径规划方法 | |
CN114007231B (zh) | 异构无人机数据卸载方法、装置、电子设备及存储介质 | |
Bilen et al. | Customized k-means based topology clustering for aeronautical ad-hoc networks | |
CN103294912A (zh) | 一种面向移动设备基于预测的缓存优化方法 | |
CN116963228B (zh) | 一种面向无人机自组网的分簇路由方法及装置 | |
Xie et al. | An energy-efficient high definition map data distribution mechanism for autonomous driving | |
Guttenberg et al. | INCEPTS: Software for high-fidelity electric vehicle en route state of charge estimation, fleet analysis and charger deployment | |
Balzano et al. | A smart compact traffic network vision based on wave representation | |
Jurík et al. | Energy optimal real-time navigation system: application to a hybrid electrical vehicle | |
CN114783215B (zh) | 无人机分簇方法、装置和电子设备 | |
CN114598721B (zh) | 基于轨迹与资源联合优化的高能效数据收集方法及系统 | |
CN107239559B (zh) | 一种基于矢量网格进行空间动目标位置计算的方法 | |
Gu et al. | Energy efficiency optimization of cognitive UAV‐assisted edge communication for semantic internet of things | |
Nghiem et al. | Bichromatic reverse nearest neighbors in mobile peer-to-peer networks | |
CN111190438B (zh) | 一种基于分布式优化的无人机群协同定位气体泄漏源方法 |
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 |