CN106211196A - 基于马尔科夫随机场的多无人航行体协同一致性方法 - Google Patents
基于马尔科夫随机场的多无人航行体协同一致性方法 Download PDFInfo
- Publication number
- CN106211196A CN106211196A CN201610458438.3A CN201610458438A CN106211196A CN 106211196 A CN106211196 A CN 106211196A CN 201610458438 A CN201610458438 A CN 201610458438A CN 106211196 A CN106211196 A CN 106211196A
- Authority
- CN
- China
- Prior art keywords
- node
- variable
- prime
- sigma
- cooperation
- 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
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
- H04W16/22—Traffic simulation tools or models
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W56/00—Synchronisation arrangements
- H04W56/001—Synchronization between nodes
- H04W56/0015—Synchronization between nodes one node acting as a reference for the others
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W56/00—Synchronisation arrangements
- H04W56/001—Synchronization between nodes
- H04W56/002—Mutual synchronization
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W56/00—Synchronisation arrangements
- H04W56/004—Synchronisation arrangements compensating for timing error of reception due to propagation delay
- H04W56/0045—Synchronisation arrangements compensating for timing error of reception due to propagation delay compensating for timing error by altering transmission time
-
- 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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Radio Relay Systems (AREA)
Abstract
本发明公开了一种基于马尔科夫随机场的多无人航行体协同一致性方法,用于解决现有多无人航行体协同一致性难以确定的技术问题。技术方案是引入邻居***,基于马尔科夫随机场场理论,通过邻居之间的协作信息的交互产生全网参考基准;将节点之间的协作偏差映射为团势能,在此基础上建立了基于伊辛模型的能量函数;最后,采用并行能量最小化的方法实现全网一致性。
Description
技术领域
本发明涉及一种多无人航行体协同一致性方法,特别涉及一种基于马尔科夫随机场的多无人航行体协同一致性方法。
背景技术
无人航行体,包括无人机、无人飞艇、水下无人航行器等,在现代战争中的地位越来越重要。基于多无人航行体的协同作战将在未来战争中发挥重要作用,这一点已经成为世界各军事强国的共识。随着计算及通讯设备的小型化,小型无人航行器机载计算机和通讯设备的计算能力和功能越来越强,这使得多无人航行体执行协同作战任务成为可能。在协同作战任务中,协同信息的共享和一致性是保障协同作战任务有效执行的关键。
多无人航行体网络中,缺乏网络基础设施,网络拓扑是时变的,通信链路是不可靠的,并且每个无人航行体节点的对周围节点的局部感知是动态变化的。因此,需要研究新的一致性算法,使无人航行体编队在执行任务时能够适应无线通信链路的特性、对感知到的环境变化做出合理响应、对不断变化的各节点状态信息进行统筹规划,逐步达到一致性。多无人航行体通常采用无线自组织网络进行通信,存在没有网络中心节点、无线链路丢包、时延不确定、网络拓扑频繁变化等不利因素,多无人航行体的协同一致性算法一直是一个难题。
目前对一致性的研究大多是基于固定网络拓扑、无时延的条件设计的一、二阶的一致性算法,而实际环境中往往的是异步网络、动态拓扑并存在多种时延的非线性***,在这种复杂网络环境中想达成一致性往往需要高阶的算法。专利“基于二阶滞后信息的无线传感器网络一致性方法”(申请公布号:CN 103945534 A),其特征在于通过节点信息交互建立一跳和两跳的邻居列表,利用贪婪算法为节点提供定向邻居列表,各节点利用定向邻居列表获取二阶滞后的信息,利用两跳邻居节点的滞后信息,对当前数据进行更新操作,加速获取网络一致性的收敛速度。专利“一种卫星导航信号模拟多通道一致性方法及装置”(申请公布号:CN 102944885 A),该发明在数字部分加入基带成形环节,该环节对数字基带信号进行数字滤波,将其频谱限制在一定范围内,去除了射频调制输出后的带通滤波器,在DAC输出后加入低通滤波器,加入闭环自校接收机,对最终的射频信号进行接收处理,将不同通道残余误差输入延迟环节,消除不一致的误差,最终达到所有通道均一致。
发明内容
为了克服现有多无人航行体协同一致性难以确定的不足,本发明提供一种基于马尔科夫随机场的多无人航行体协同一致性方法。该方法不维护特殊节点,基于平均场理论,通过节点之间的共同作用建立虚拟参考基准;将节点之间的协作变量偏差映射为团势能,在此基础上建立了基于伊辛模型能量函数描述的全网一致性平均场模型;最后,采用并行能量最小化的方法实现全网协同信息一致性。本发明克服了多无人航行体***中协同变量难以准确测定和全网参考基准如何确定这两个关键技术难题,实现了从两两节点的协同一致性到全网节点的快速收敛的协同一致性。有效降低了网络通信消息量,降低了能耗,在协同精度、协同时间及偏移误差上达到较高的指标。并具有收敛时间稳定,对拓扑规模变化不敏感等优点。
本发明解决其技术问题所采用的技术方案:一种基于马尔科夫随机场的多无人航行体协同一致性方法,其特点是包括以下步骤:
1)对相邻节点加入本地节点的一跳邻居列表进行初始化,节点的协作变量偏差初始化为0。
2)设置同步周期计时器。
3)迭代计算直到满足收敛精度。
4)第k次迭代。
5)M个节点在每个同步周期内都以数据报文的方式与邻居进行双向变量数据交换。
6)第k次迭代中,节点将本地第k-1次的发送协作变量以及第k-1次迭代后收到所有邻居报文的协作变量打包成同步数据包。
7)节点广播同步数据包到一跳邻居,并记录发送的变量。
8)接收到一跳邻居的广播报文,并记录接收的变量。
9)根据接收获得的数据,基于卡尔曼滤波算法计算与单个一跳邻居之间的协作变量的偏差。
10)判断同步计时器是否超时,若超时则执行第11)步,否则回到第8)步操作。
11)同步计时器超时,同步计时器复位,节点i基于平均场理论计算虚拟参考基准,虚拟参考基准计算公式如下:
12)基于虚拟参考基准计算能量函数,计算公式为:
13)计算本地协作变量与参考基准的偏差调整量,使能量函数逐渐最小化,从而修正节点协作变量,计算公式为:
14)检查同步采样定时器是否超时,如果超时,则进行新一轮的设置同步计时器,然后继续循环一致性算法过程,否则本地循环等待直到计时器超时。
上式中,fi为节点i的本地协作变量,<fR>i为由平均场定义的虚拟参考基准;fi'为节点i的一跳邻居的协作变量,P(fi')表示节点i的一跳邻居节点i'的协作变量取值为的f概率,由平均场的吉布斯分布确定,U(f)为能量函数,(fi-<fR>i)2为邻居***的单节点团C1的团势能;(fi-fi′)2为双邻居节点团C2的团势能,μ为较小的常数。
本发明的有益效果是:该方法不维护特殊节点,基于平均场理论,通过节点之间的共同作用建立虚拟参考基准;将节点之间的协作变量偏差映射为团势能,在此基础上建立了基于伊辛模型能量函数描述的全网一致性平均场模型;最后,采用并行能量最小化的方法实现全网协同信息一致性。本发明克服了多无人航行体***中协同变量难以准确测定和全网参考基准如何确定这两个关键技术难题,实现了从两两节点的协同一致性到全网节点的快速收敛的协同一致性。有效降低了网络通信消息量,降低了能耗,在协同精度、协同时间及偏移误差上达到较高的指标。并具有收敛时间稳定,对拓扑规模变化不敏感等优点。
下面结合附图和具体实施方式对本发明作详细说明。
附图说明
图1是本发明基于马尔科夫随机场的多无人航行体协同一致性方法的流程图。
具体实施方式
参照图1。本发明基于马尔科夫随机场的多无人航行体协同一致性方法具体步骤如下:
假设多无人航行体网络包含M个节点,基于马尔科夫随机场的多无人航行体一致性方法可描述如下:
1)相邻节点加入本地节点的一跳邻居列表进行初始化,节点的协作变量偏差初始化为0。
2)设置同步周期计时器。
3)迭代计算直到满足收敛精度。
4)第k次迭代。
5)M个节点在每个同步周期内都以数据报文的方式与邻居进行双向变量数据交换。
6)第k次迭代中,节点将本地第k-1次的发送协作变量以及第k-1次迭代后收到所有邻居报文的协作变量打包成同步数据包。
7)节点广播同步数据包到一跳邻居,并记录发送的变量。
8)接收到一跳邻居的广播报文,并记录接收的变量。
9)根据接收获得的数据,基于卡尔曼滤波算法计算与单个一跳邻居之间的协作变量的偏差。
10)判断同步计时器是否超时,若超时则执行第11)步,否则回到第8)步操作。
11)同步计时器超时,同步计时器复位,节点i基于平均场理论计算虚拟参考基准,虚拟参考基准计算公式如下:
12)基于虚拟参考基准计算能量函数,计算公式为:
13)计算本地协作变量与参考基准的偏差调整量,使能量函数逐渐最小化,从而修正节点协作变量,计算公式为:
14)检查同步采样定时器是否超时,如果超时,则进行新一轮的设置同步计时器,然后继续循环一致性算法过程,否则本地循环等待直到计时器超时。
上式中,fi为节点i的本地协作变量,<fR>i为由平均场定义的虚拟参考基准;fi'为节点i的一跳邻居的协作变量,P(fi')表示节点i的一跳邻居节点i'的协作变量取值为的f概率,由平均场的吉布斯分布确定,U(f)为能量函数,(fi-<fR>i)2为邻居***的单节点团C1的团势能;(fi-fi′)2为双邻居节点团C2的团势能,μ为较小的常数。
Claims (1)
1.一种基于马尔科夫随机场的多无人航行体协同一致性方法,其特征在于包括以下步骤:
1)对相邻节点加入本地节点的一跳邻居列表进行初始化,节点的协作变量偏差初始化为0;
2)设置同步周期计时器;
3)迭代计算直到满足收敛精度;
4)第k次迭代;
5)M个节点在每个同步周期内都以数据报文的方式与邻居进行双向变量数据交换;
6)第k次迭代中,节点将本地第k-1次的发送协作变量以及第k-1次迭代后收到所有邻居报文的协作变量打包成同步数据包;
7)节点广播同步数据包到一跳邻居,并记录发送的变量;
8)接收到一跳邻居的广播报文,并记录接收的变量;
9)根据接收获得的数据,基于卡尔曼滤波算法计算与单个一跳邻居之间的协作变量的偏差;
10)判断同步计时器是否超时,若超时则执行第11)步,否则回到第8)步操作;
11)同步计时器超时,同步计时器复位,节点i基于平均场理论计算虚拟参考基准,虚拟参考基准计算公式如下:
12)基于虚拟参考基准计算能量函数,计算公式为:
13)计算本地协作变量与参考基准的偏差调整量,使能量函数逐渐最小化,从而修正节点协作变量,计算公式为:
14)检查同步采样定时器是否超时,如果超时,则进行新一轮的设置同步计时器,然后继续循环一致性算法过程,否则本地循环等待直到计时器超时;
上式中,fi为节点i的本地协作变量,<fR>i为由平均场定义的虚拟参考基准;fi'为节点i的一跳邻居的协作变量,P(fi')表示节点i的一跳邻居节点i'的协作变量取值为的f概率,由平均场的吉布斯分布确定,U(f)为能量函数,(fi-<fR>i)2为邻居***的单节点团C1的团势能;(fi-fi′)2为双邻居节点团C2的团势能,μ为较小的常数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610458438.3A CN106211196B (zh) | 2016-06-22 | 2016-06-22 | 基于马尔科夫随机场的多无人航行体协同一致性方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610458438.3A CN106211196B (zh) | 2016-06-22 | 2016-06-22 | 基于马尔科夫随机场的多无人航行体协同一致性方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106211196A true CN106211196A (zh) | 2016-12-07 |
CN106211196B CN106211196B (zh) | 2019-05-10 |
Family
ID=57460814
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610458438.3A Active CN106211196B (zh) | 2016-06-22 | 2016-06-22 | 基于马尔科夫随机场的多无人航行体协同一致性方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106211196B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109756946A (zh) * | 2018-12-19 | 2019-05-14 | 北京交通大学 | 一种多智能体协同调控编队方法 |
CN110555821A (zh) * | 2018-01-26 | 2019-12-10 | 腾讯科技(深圳)有限公司 | 模型训练方法、装置和存储介质 |
CN111512332A (zh) * | 2019-02-20 | 2020-08-07 | 北京大学深圳研究生院 | 一种联盟链共识下满足分区容忍性的拓扑构造方法及*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100106398A1 (en) * | 2008-10-10 | 2010-04-29 | Eads Deutschland Gmbh | Computing-Time-Efficient Route Determination Along Several Preset Path Points with Given Connecting Routes In-Between |
CN103759730A (zh) * | 2014-01-16 | 2014-04-30 | 南京师范大学 | 一种基于导航信息双向融合的行人与智能移动载体的协同导航***及其导航方法 |
CN104536454A (zh) * | 2014-12-05 | 2015-04-22 | 中国运载火箭技术研究院 | 一种用于双无人机协同的时空同步匹配方法 |
CN105188126A (zh) * | 2015-08-04 | 2015-12-23 | 西北工业大学 | 基于平均场的分布式多跳无线网络时钟同步方法 |
-
2016
- 2016-06-22 CN CN201610458438.3A patent/CN106211196B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100106398A1 (en) * | 2008-10-10 | 2010-04-29 | Eads Deutschland Gmbh | Computing-Time-Efficient Route Determination Along Several Preset Path Points with Given Connecting Routes In-Between |
CN103759730A (zh) * | 2014-01-16 | 2014-04-30 | 南京师范大学 | 一种基于导航信息双向融合的行人与智能移动载体的协同导航***及其导航方法 |
CN104536454A (zh) * | 2014-12-05 | 2015-04-22 | 中国运载火箭技术研究院 | 一种用于双无人机协同的时空同步匹配方法 |
CN105188126A (zh) * | 2015-08-04 | 2015-12-23 | 西北工业大学 | 基于平均场的分布式多跳无线网络时钟同步方法 |
Non-Patent Citations (1)
Title |
---|
高庆文等: "具有随机时延的多智能体***的一致性研究", 《计算机技术与发展》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110555821A (zh) * | 2018-01-26 | 2019-12-10 | 腾讯科技(深圳)有限公司 | 模型训练方法、装置和存储介质 |
CN110555821B (zh) * | 2018-01-26 | 2022-04-05 | 腾讯科技(深圳)有限公司 | 模型训练方法、装置和存储介质 |
CN109756946A (zh) * | 2018-12-19 | 2019-05-14 | 北京交通大学 | 一种多智能体协同调控编队方法 |
CN109756946B (zh) * | 2018-12-19 | 2021-03-19 | 北京交通大学 | 一种多智能体协同调控编队方法 |
CN111512332A (zh) * | 2019-02-20 | 2020-08-07 | 北京大学深圳研究生院 | 一种联盟链共识下满足分区容忍性的拓扑构造方法及*** |
WO2020168477A1 (zh) * | 2019-02-20 | 2020-08-27 | 北京大学深圳研究生院 | 一种联盟链共识下满足分区容忍性的拓扑构造方法及*** |
CN111512332B (zh) * | 2019-02-20 | 2022-12-09 | 北京大学深圳研究生院 | 一种联盟链共识下满足分区容忍性的拓扑构造方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN106211196B (zh) | 2019-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107248877B (zh) | 基于实测数据的MassiveMIMO信道建模方法 | |
Meyer et al. | A scalable algorithm for network localization and synchronization | |
CN101695190B (zh) | 一种基于神经网络的三维无线传感器网络节点自定位方法 | |
Mikhaylov | Simulation of network-level performance for Bluetooth Low Energy | |
CN108024329A (zh) | 一种基于uwb标签自定位的多基站扩展方法和设备 | |
TWI592679B (zh) | 決定有界區域中行動裝置之位置之方法及處理器電路 | |
CN103152817A (zh) | 基于广播Gossip算法的分布式时钟同步方法 | |
CN106211196A (zh) | 基于马尔科夫随机场的多无人航行体协同一致性方法 | |
Du et al. | Green deep reinforcement learning for radio resource management: Architecture, algorithm compression, and challenges | |
CN103841641A (zh) | 一种基于到达角度和Gossip算法的无线传感器网络分布式协作定位方法 | |
CN105188126A (zh) | 基于平均场的分布式多跳无线网络时钟同步方法 | |
CN103108387A (zh) | 一种应用于农业的多跳无线自组织网络的建立方法 | |
CN103068033A (zh) | 一种无线网络分布式网同步退避参数优化方法 | |
CN107004953A (zh) | 一种控制波束稳定的方法及天线设备 | |
Lemic et al. | Localization in power-constrained terahertz-operating software-defined metamaterials | |
Swain et al. | A weighted average–based external clock synchronisation protocol for wireless sensor networks | |
CN106933093A (zh) | 一种基于zigbee通信和北斗双模授时的无线校时*** | |
CN104392595A (zh) | 一种自动跳频的无线组网抄表方法 | |
WO2023143572A1 (zh) | 基于人工智能ai模型的定位方法及通信设备 | |
CN101820640A (zh) | 一种阴影衰落仿真方法和装置 | |
CN106792982B (zh) | 一种基于自适应分簇策略的多目标直接定位方法 | |
WO2022151900A1 (zh) | 一种基于神经网络的信道估计方法及通信装置 | |
CN110022541A (zh) | 一种基于NB-IoT和FPGA的WSN农作物生长环境信息稀疏采集与传输方法 | |
CN104066173A (zh) | 基于不对称到达角的分布式无线传感网节点自定位方法 | |
Liu et al. | Study on autonomous and distributed time synchronization method for formation UAVs |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |