CN113179135B - 一种水声传感网中基于信息熵最大化的流体边界提取方法 - Google Patents
一种水声传感网中基于信息熵最大化的流体边界提取方法 Download PDFInfo
- Publication number
- CN113179135B CN113179135B CN202110440796.2A CN202110440796A CN113179135B CN 113179135 B CN113179135 B CN 113179135B CN 202110440796 A CN202110440796 A CN 202110440796A CN 113179135 B CN113179135 B CN 113179135B
- Authority
- CN
- China
- Prior art keywords
- event
- nodes
- boundary
- node
- convex hull
- 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
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B11/00—Transmission systems employing sonic, ultrasonic or infrasonic waves
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种水声传感网中基于信息熵最大化的流体边界提取方法,包括如下步骤:S1:搜索标定最小流体覆盖区域,确定一个覆盖流体区域的凸包P;S2:构造包围凸包P的四条切线,确定最小椭圆形包络;S3:以椭圆形包络为最外层划分得到若干个环形区域,对环形区域进行划分并选取骨干晶胞;S4:根据骨干晶胞中事件节点和非事件节点的分布情况,通过构建事件凸包、非事件凸包以及全局凸包来确定边界搜索区域;S5:获得完整的边界节点集,根据边界节点的坐标进行曲线拟合,得到的曲线即为流体边界线。本发明可以快速部署、快速展开监测任务,具有可以提供长时间、近距离、无缝隙、实时性的流体目标监测追踪服务等优势。
Description
技术领域
本发明涉及一种水声传感网中基于信息熵最大化的流体边界提取方法,属于水声传感器领域。
背景技术
随着人类生活方式对能源需求的不断增长,全球范围内离岸工业活动的次数和规模与日俱增,海岸带区域人类经济活动高度集中,易发生石油、核废水等的意外泄漏以及赤潮、水华等有害藻类的大面积爆发。上述流体目标可形成于沿海、河口、湖泊、水库等多类型水域,并在表面张力、风浪潮流的作用下以薄连续层的形式做漂移运动,其形状、大小随时间连续变化。
目前,对流体目标的监测组网模式按空间区域可分为地、海、空、天四个维度。然而当前存在的对流体目标的监测诸多不足,如遥感观测受重访时间和空间分辨率约束,无法及时捕捉突发形成的流体目标并提供全生命周期的运动监测;如自主水下航行器装备成本较高,只适用于港口、码头等近岸的小规模流体追踪,并需与流体保持同步运动以避免目标丢失。
发明内容
为解决现有的技术问题,本发明提供一种水声传感网中基于信息熵最大化的流体边界提取方法,可以快速部署、快速展开监测任务,具有可以提供长时间、近距离、无缝隙、实时性的流体目标监测追踪服务等优势。
本发明中主要采用的技术方案为:
一种水声传感网中基于信息熵最大化的流体边界提取方法,包括如下步骤:
S1:搜索标定最小流体覆盖区域,确定一个覆盖流体区域的凸包P;
S2:构造包围凸包P的四条切线,获得最小外接矩形,从而确定最小椭圆形包络;
S3:以椭圆形包络为最外层划分得到若干个环形区域,对环形区域进行划分并选取骨干晶胞;
S4:根据骨干晶胞中事件节点和非事件节点的分布情况,通过构建事件凸包、非事件凸包以及全局凸包来确定边界搜索区域,具体确定过程如下:
S4-1:在骨干晶胞内构建凸包,仅由事件节点构成的凸包称为事件凸包,仅由非事件节点构成的凸包称为非事件凸包,由事件节点和非事件节点共同构成的凸包称为全局凸包;根据骨干晶胞内事件节点和非事件节点的凸包构建情况,分以下七种情况确定边界搜索区域:
情况1:骨干晶胞中存在大于等于3个的不共线事件节点和大于等于3个的不共线非事件节点,分别构建事件凸包A、非事件凸包B以及全局凸包C,若凸包A与凸包B不相交,则边界搜索区域为C-(A∪B);若A与B相交,选取凸包A和凸包B相交的最长边ij,在最长边ij所在的凸包中选取节点k使∠ikj最大,节点k将边ij重构为两条较短边ik、jk;重复上述过程,直到两个多边形不再相交或当前最长边所在的多边形的内部不存在节点,得到新的事件多边形E和非事件多边形F;若E和F不相交,则边界搜索区域为C-(E∪F);若E和F相交且相交的最长边位于多边形E中,则边界搜索区域为C-F;若E和F相交且相交的最长边位于多边形F中,则边界搜索区域为C-E;
情况2:骨干晶胞中存在共线的事件节点和共线的非事件节点,构建全局凸包C,则边界搜索区域为C;
情况3:骨干晶胞中存在事件节点的数量小于3且非事件节点的数量小于3,构建全局凸包C,则边界搜索区域为C;
情况4:骨干晶胞中存在大于等于3个的不共线事件节点和存在共线的非事件节点,分别构建事件凸包A和全局凸包C,C-A为边界搜索区域;
情况5:骨干晶胞中存在大于等于3个的不共线非事件节点和存在共线的事件节点,分别构建非事件凸包B和全局凸包C,则边界搜索区域为C-B;
情况6:骨干晶胞中存在事件节点和非事件节点的数量各为1,将其与该骨干晶胞的左右孩子晶胞中的节点一起分别构建非事件凸包B和全局凸包C,则边界搜索区域为C-B;
情况7:骨干晶胞内的节点全部为事件节点,该骨干晶胞的左右孩子中的节点全部为非事件节点,将骨干晶胞和其左右孩子中的节点一起分别构建事件凸包A、非事件凸包B,以及全局凸包C,则边界搜索区域为C-(A∪B);
S4-2:在每个骨干晶胞的边界搜索区域中逐个部署虚拟节点,且当前部署的虚拟节点和现有虚拟节点通信区域的重叠率小于等于给定的阈值Oth,重复部署虚拟节点直到边界搜索区域的覆盖率达到覆盖率阈值Cth;其中,虚拟节点通信半径与真实传感器节点的通信半径相同,虚拟节点的通信区域视为边界节点搜索区域,经数次虚拟节点的部署后,可得到若干边界节点搜索区域;
S5:并行确定每个骨干晶胞中的各个边界节点搜索区域以及位于其搜索区域内的边界节点,获得完整的边界节点集,根据边界节点的坐标进行曲线拟合,得到的曲线即为流体边界线。
优选地,所述S1的具体步骤如下:
S1-1:传感器节点按地理位置分簇,每个簇中至少包含4个传感器节点,根据传感器节点分簇形成不同的监测区域;被流体目标覆盖的传感器节点能感知到流体的存在,则此传感器节点称为事件节点,事件节点所在的簇称为事件簇;
S1-2:所有事件节点向所属的事件簇i的簇头发送通知消息,簇头根据收集到的事件节点ID和坐标,确定该事件簇里所有事件节点中横、纵坐标的最大值和最小值,分别记为Xmin_ia、Xmax_ib、Ymin_ic、Ymax_id,并以横、纵坐标最大值、最小值对应的节点坐标生成本地四元组Quads_i=[U_id,R_ib,D_ic,L_ia],所述四元组用于表示流体在该簇中上、右、下、左四个方向的覆盖范围;
S1-3:传感网范围内的各个事件簇交换各自的本地四元组,每个事件簇根据收到的四元组内的坐标值更新自身的四元组,直至传感网范围中所有事件簇的本地四元组不再发生变化;此时传感网范围中事件簇维持的四元组表示流体在全网上、右、下、左四个方向的覆盖范围;利用更新后的四元组确定一个能包含大部分事件节点的四边形,并将四条边分别标号;
S1-4:每个事件簇内的事件节点计算自身分别到四元组中四个传感器节点所形成的角度,若四个角相加之和为360°,表明该事件节点位于四边形内部,反之,表明该事件节点位于四边形外部;判断事件节点到四边形哪条边的距离最近,从而将位于四边形外的事件节点分为四个候选点集,记为S1、S2、S3、S4;
S1-5:通过位于四边形每条边上两个端点的节点坐标p和q,可以确定每条边的解析式;通过簇头之间的信息交互,候选点集中的所有事件节点计算自身的坐标到其最近边的垂直距离,并将该最近边pq、垂直距离、节点ID和坐标信息报告给所属事件簇的簇头;各事件簇的簇头根据最近边的标号,确定初始的本地顶点元组Tup_Si=[p,q],并确定垂直距离最大的事件节点;通过与候选点集中不同的相邻事件簇交换信息,更新距离最近边最远的事件节点j,在候选点集中删除该节点,并将该节点坐标放入本地顶点元组中该最近边两端点坐标的中间,形成新的本地顶点元组Tup_Si=[p,j,q];根据本地顶点元组可得到一个多边形,候选点集中的其他事件节点继续判断自己是否位于多边形内,重复上述操作,直至候选点集为空,此时候选点集中的所有节点都被包含在多边形内;
S1-6:在传感网范围内更新事件簇的本地顶点元组,直到本地顶点元组中不再增加新的顶点元组;根据顶点元组可确定一个覆盖流体区域的凸包P。
优选地,所述S1-3中,各个事件簇更新自身的四元组的方式如下:各个事件簇将本地四元组与接收到的四元组对比其上下左右四个方向上的坐标,分别以对比后获得的横、纵坐标最大、最小值对应的节点坐标更新自身的四元组。
优选地,所述S2的具体步骤如下:
S2-1:通过S1-3中确定的四元组的节点坐标,构造包围凸包P的四条切线,称该切线为支撑线,记为L_i;记一对平行的支撑线为一个卡壳集合,则四条支撑线形成两个卡壳集合;顺时针同时旋转两个卡壳集合,如果有一条或两条支撑线与凸包P的一条边重合,计算由这两个卡壳集合确定的矩形的面积,并保存为当前最小外接矩形;随后继续旋转卡壳,直到其中一条支撑线和凸包P的一条边重合,继续计算由这两个卡壳集合确定的新的矩形的面积,并和当前最小外接矩形的面积比较,如果小于当前最小外接矩形的面积,则更新新的矩形为当前最小外接矩形,否则继续旋转卡壳;如果卡壳集合的旋转角度大于90°,则停止旋转,此时当前最小外接矩形的面积是最小值;
S2-2:根据当前最小外接矩形的长和宽,确定该外接矩形的最小外接椭圆。
优选地,所述S3的具体步骤如下:
S3-1:设置期望的环形区域层数为H,以S2中确定的最小椭圆形包络为最外层均匀划分出H个同心椭圆,即得到H个环形区域;
S3-2:根据满二叉树的组织方式,对各层环形区域进行划分;第i层环形区域被均匀分割成2i-1个子区域;最终,最小椭圆形包络内将包含2H-1个大小不同的子分区;所述子分区统称为晶胞,位于最外层的2H-1个晶胞称为叶子晶胞;
S3-3:从S3-2形成的晶胞中选择骨干晶胞,其中,满足以下两个条件中的一个的晶胞即为骨干晶胞:
(1)包含事件节点的叶子晶胞;
(2)自身含有事件节点,且其左右孩子晶胞中至少存在一个晶胞中没有任何事件节点。
优选地,所述S3-2中根据满二叉树的组织方式,对各层环形区域进行划分的具体划分方式为:
将最内层环形区域,即第一层环形区域,称为根区域;
第二层环形区域被均匀分割成2个面积相等的区域作为根区域的左右子分区;
第三层环形区域被均匀分割成成4个面积相等的子分区,分别作为第二层中两个分区的左右子分区;
其划分过程等价于满二叉树中父节点生成左右子节点的过程,不断执行直到最小椭圆形包络的最外层,即第H层,该层将被均匀分割为2H-1个子分区;最终,椭圆形包络内包含2H-1个大小不同的子分区。
优选地,所述S5的具体步骤如下:
S5-1:计算各个边界节点搜索区域内需补偿的边界节点数量N,在搜索区域中补偿的虚拟节点统称为候选边界节点,候选边界节点仅在边界搜索区域中进行补偿;若N为0,则不需要补偿边界节点,将该搜索区域内自身存在的虚拟节点作为边界节点;若N不为0,以边界节点搜索区域中的虚拟节点为中心以及起始虚拟节点的横纵坐标方向为基准,将搜索区域分为面积相等的四个扇形区域,在四个扇形区域中分别随机补偿一个候选边界节点,计算这四个候选边界节点的熵值,并和其所属边界节点搜索区域的熵值进行比较;若存在四个候选边界节点的熵值都小于其所属边界节点搜索区域的熵值,表明候选边界节点均落在远离实际边界的方向上;则继续在四个扇形区域内分别补偿一个候选边界节点并计算各自的熵值;若存在Nc个候选边界节点的熵值大于等于其所属边界节点搜索区域的熵值,且Nc≥N,选择熵值较大的N个候选边界节点作为边界节点;若存在Nc个候选边界节点的熵值大于等于其所属边界节点搜索区域的熵值,且Nc<N,则这Nc个候选边界节点为边界节点;继续在四个扇形区域内分别随机补偿一个候选边界节点,计算其熵值,按上述规则,选择合适的N-Nc个候选边界节点作为边界节点,得到N个边界节点;
S5-2:并行确定每个骨干晶胞中的各个边界节点搜索区域以及位于其搜索区域内的边界节点,获得完整的边界节点集;根据边界节点的坐标进行曲线拟合,得到的曲线即为流体边界线。
有益效果:本发明提供一种水声传感网中基于信息熵最大化的流体边界提取方法,具有如下优点:
(1)水声传感器网络因部署区域与流体运动区域处于相同维度,便于监测任务的快速展开;
(2)组网所用的水声感知节点集数据获取、传输、处理、融合等功能为一体,可通过不同的功能配置实现多样化的监测应用需求;
(3)面对突发形成且空间分布随运动进程高度变化的流体目标,水声传感网能够补偿卫星遥感、水下航行器巡航等观测手段的技术短板,提供长时间、近距离、无缝隙、实时性的流体目标监测追踪服务。
附图说明
图1是本发明的最小流体覆盖区域搜索标定的示意图;
图2是本发明的支撑线定义的示意图;
图3是本发明的最小外接矩阵和最小椭圆形包络确定的示意图;
图4是本发明的流体椭圆形包络的环形区域划分和骨干晶胞的选取示意图;
图5是本发明的骨干晶胞中边界搜索区域确定的情况示意图1;
图6是本发明的骨干晶胞中边界搜索区域确定的情况示意图2;
图7是本发明的骨干晶胞中边界搜索区域确定的情况示意图3;
图8是本发明的骨干晶胞中边界搜索区域确定的情况示意图4;
图9是本发明的骨干晶胞中边界搜索区域确定的情况示意图5;
图10是本发明的骨干晶胞中边界搜索区域确定的情况示意图6;
图11是本发明的骨干晶胞中边界搜索区域确定的情况示意图7;
图12是本发明的骨干晶胞中边界搜索区域确定的情况示意图8;
图13是本发明的骨干晶胞中边界搜索区域确定的情况示意图9;
图14是本发明的边界节点搜索区域确定的示意图;
图15是本发明的边界节点确定的示意图;
图16是本发明基于信息熵最大化的流体边界提取示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请中的技术方案,下面对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
一种水声传感网中基于虚拟骨干节点连接的流体边界提取方法,包括了最小流体覆盖区域搜索标定阶段、最小椭圆形包络确定阶段、环形区域划分和骨干晶胞的选取阶段、边界搜索区域确定阶段、边界节点确定阶段。
如图1所示,所述的最小流体覆盖区域搜索标定阶段包括:
S1-1:传感器节点按地理位置分簇,每个簇中至少包含4个节点,根据节点分簇形成不同的监测区域。被流体目标覆盖的传感器节点能感知到流体的存在,则此传感器节点称为事件节点,事件节点所在的簇称为事件簇;如图1所示,存在四个事件簇,簇头节点分别为A0,B0,C0,D0。
S1-2:所有事件节点向所属的事件簇的簇头发送通知消息,簇头根据收集到的事件节点ID和坐标,确定该事件簇里所有事件节点中横、纵坐标的最大值和最小值,分别记为Xmin_ia、Xmax_ib、Ymin_ic、Ymax_id,并以横、纵坐标最大值、最小值对应的节点坐标生成本地四元组Quads_i=[U_id,R_ib,D_ic,L_ia],所述四元组用于表示流体在该簇中上、右、下、左四个方向的覆盖范围。如图1所示,以簇头节点A0所在事件簇为例,簇中存在事件节点A0至A4,该簇中所有事件节点中横纵坐标最大、最小值分别为Xmin_A2、Xmax_A4、Ymin_A3、Ymax_A1,该簇中用于描述流体上、右、下、左四个方向的分布的四元组Quads_A=[U_A1,R_A4,D_A3,L_A2]。
S1-3:水声传感网全网范围内的各个事件簇交换各自的本地四元组,每个事件簇根据收到的四元组内的坐标值更新自身的四元组,直至网络中所有事件簇的本地四元组不再发生变化。此时网络中事件簇维持的四元组表示流体在全网上、右、下、左四个方向的覆盖范围;利用四元组确定一个能包含大部分事件节点的四边形,并将四条边分别标号。如图1所示,图中的四个事件簇彼此交换四元组后,最终描述流体在全网范围上、右、下、左四个方向的分布范围的四元组为[U_A1,R_B4,D_C3,L_C2],由其形成的四边形的四条边为A1B4、B4C3、C3C2、C2A1。
本发明中,各个事件簇更新四元组的方式为,将本地四元组与收到的四元组对比其上下左右四个方向上的坐标,分别以对比后获得的横、纵坐标最大、最小值对应的节点坐标更新自身的四元组。
S1-4:通过位于四边形每条边上两个端点的节点坐标p和q,可以确定每条边的解析式。通过簇头之间的信息交互,候选点集中的所有事件节点计算自己的坐标到其最近边的垂直距离,并将该最近边pq、垂直距离、节点ID和坐标信息报告给所属事件簇的簇头。簇头可根据最近边的标号,确定初始的本地顶点元组Tup_Si=[p,q],并确定垂直距离最大的事件节点。通过与候选点集中不同的相邻事件簇交换信息,更新距离最近边最远的事件节点j,在候选点集中删除该节点,并将该节点坐标放入本地顶点元组中该最近边两端点坐标的中间,形成新的本地顶点元组Tup_Si=[p,j,q]。根据本地顶点元组可得到一个多边形,候选点集中的其他事件节点继续判断自己是否位于多边形内,重复上述操作,直至候选点集为空,此时候选点集中的所有节点都被包含在多边形内。如图1所示,以候选点集S4为例,S4=[D0,D1,D2,D3,D4,D5],这些节点所属事件簇的簇头根据最近边C2A1生成的初始本地顶点元组为Tup_S4=[C2,A1]。事件节点D2到最近边C2A1的垂直距离最大,因此将节点D2放入本地顶点元组中,并在S4中删除该节点,更新后的元组为Tup_S4=[C2,D2,A1],S4=[D0,D1,D3,D4,D5]。由于D0、D3、D4、D5位于本地顶点元组确定的ΔC2D2A1中,可直接将这些节点从S4中删除;仅节点D1位于该三角形外部,且D1的最近边为D2A1,因此将D1放入本地顶点元组中,此时Tup_S4=[C2,D2,D1,A1],S4=[]。同理,由候选点集S1生成的本地顶点元组为Tup_S1=[A1,B4],候选点集S2生成的本地顶点元组为Tup_S2=[B4,B3,C3],候选点集S3生成的本地顶点元组为Tup_S3=[C3,C2]。本发明中,本地顶点元组形成方式为,各事件簇簇头根据最近边的标号,确定初始的本地顶点元组和距离该边的垂直距离最大的事件节点。通过与候选点集中不同的相邻事件簇交换信息,更新距离该最近边最远的事件节点,在候选点集中删除该节点,并将该节点坐标放入本地顶点元组中该最近边两端点坐标的中间,直到候选点集为空。
S1-6:在全网范围内更新事件簇的本地顶点元组,直到本地顶点元组中不再增加新的元组。根据顶点元组可确定一个覆盖流体区域的凸包P。如图1所示,最终形成的顶点元组Tup_S=[A1,B4,B3,C3,C2,D2,D1],根据这些顶点可确定一个凸包P,在图1中用黑色虚线表示。
如图2-3所示,所述的最小椭圆形包络确定阶段包括:
S2-1:通过S1-3中确定的四元组的节点坐标,构造包围凸包P的四条切线,称该切线为支撑线,记为L_i;记一对平行的支撑线为一个卡壳集合,则四条支撑线形成两个卡壳集合;顺时针同时旋转两个卡壳集合,如果有一条或两条支撑线与凸包P的一条边重合,计算由这两个卡壳集合确定的矩形的面积,并保存为当前最小外接矩形;随后继续旋转卡壳,直到其中一条支撑线和凸包P的一条边重合,继续计算由这两个卡壳集合确定的新的矩形的面积(旋转过程两个卡壳集合一直保持相互垂直),并和当前最小外接矩形的面积比较,如果小于当前最小外接矩形的面积,则更新新的矩形为当前最小外接矩形,否则继续旋转卡壳;如果卡壳集合的旋转角度大于90°,则停止旋转,此时当前最小外接矩形的面积是最小值;如图2所示,根据所有事件节点中横纵坐标最大、最小值可得到支撑线L_A1、L_C3、L_B4、L_C2,L_A1和L_C3,L_B4和L_C2分别组成一个卡壳。顺时针旋转卡壳,以支撑线L_A1为例,当L_A1和边A1B4重合时,计算此时由两组卡壳形成的矩形面积,面积最小的矩形则为覆盖流体区域的最小外接矩形,如图3所示。
S2-2:根据当前最小外接矩形的长和宽,确定该外接矩形的最小外接椭圆,如图3所示。
S3:以椭圆形包络为最外层划分得到若干个环形区域,对环形区域进行划分并选取骨干晶胞;具体地:
S3-1:设置期望的环形区域层数为H,以S2中确定的最小椭圆形包络为最外层均匀划分出H个同心椭圆,即得到H个环形区域;
S3-2:根据满二叉树的组织方式,对各层环形区域进行划分;第i层环形区域被均匀分割成2i-1个子区域;最终,最小椭圆形包络内将包含2H-1个大小不同的子分区;所述子分区统称为晶胞,位于最外层的2H-1个晶胞称为叶子晶胞;
S3-3:从S3-2形成的晶胞中选择骨干晶胞,其中,满足以下两个条件中的一个的晶胞即为骨干晶胞:
(1)包含事件节点的叶子晶胞;
(2)自身含有事件节点,且其左右孩子晶胞中至少存在一个晶胞中没有任何事件节点。
如图4所示,将椭圆形包络内划分了6层,对各层进一步划分后,得到了63个子区域,编号为1-63,其中叶子晶胞共32个,编号为32-63。
S4:根据骨干晶胞中事件节点和非事件节点的分布情况,通过构建事件凸包、非事件凸包以及全局凸包来确定边界搜索区域,具体确定过程如下:
S4-1:在骨干晶胞内构建凸包,仅由事件节点构成的凸包称为事件凸包,仅由非事件节点构成的凸包称为非事件凸包,由事件节点和非事件节点共同构成的凸包称为全局凸包。根据骨干晶胞内事件节点和非事件节点的凸包构建情况,分以下七种情况确定边界搜索区域:
情况1:骨干晶胞中存在不少于3个的不共线事件节点和不少于3个的不共线非事件节点,分别构建事件凸包A、非事件凸包B,以及全局凸包C,若A与B不相交,如图5所示,边界搜索区域为C-(A∪B);若A与B相交,选取事件凸包A和非事件凸包B相交的最长边ij,在最长边ij所在的凸包中选取节点k使∠ikj最大,节点k将边ij重构为两条较短边ik、jk;重复上述过程,直到两个多边形不再相交或当前最长边所在的多边形的内部不存在节点,得到新的事件多边形E和非事件多边形F;若E和F不相交,则C-(E∪F)为边界搜索区域;若E和F相交且相交的最长边位于多边形E中,则C-F为边界搜索区域;若E和F相交且相交的最长边位于多边形F中,则C-E为边界搜索区域;具体事例如下:
如图6所示,事件凸包A和非事件凸包B相交,相交的最长边为事件凸包A的边hz,选取节点t使得∠htz最大,将最长边hz重构为两条较短边ht、zt;由于边ht与凸包B相交,且在相交的边中,边ht最长,选取节点w使得∠hwt最大,将当前最长边ht重构为两条较短边hw、tw,得到不相交的事件多边形E和多边形F,如图7所示,边界搜索区域为C-(E∪F)。如图8所示,事件凸包A和非事件凸包B相交,相交的最长边为事件凸包A的边,且没有节点位于凸包A内部,此时,边界搜索区域为C-B。
情况2:如图9所示,骨干晶胞中存在共线的事件节点和共线的非事件节点,构建全局凸包C,C为边界搜索区域;
情况3:如图10所示,骨干晶胞中存在事件节点的数量小于3且非事件节点的数量小于3构建全局凸包C,C为边界搜索区域;
情况4:如图11所示,骨干晶胞中存在不少于3个的不共线事件节点和存在共线的非事件节点,分别构建事件凸包A和全局凸包C,C-A为边界搜索区域;
情况5:骨干晶胞中存在不少于3个的不共线非事件节点和存在共线的事件节点,分别构建非事件凸包B和全局凸包C,C-B为边界搜索区域;
情况6:如图12所示,骨干晶胞中存在事件节点和非事件节点的数量各为1,将其与该骨干晶胞的左右孩子中的节点一起分别构建非事件凸包B和全局凸包C,C-B为边界搜索区域;
情况7:如图13所示,骨干晶胞内的节点全部为事件节点,该骨干晶胞的左右孩子中的节点全部为非事件节点,将骨干晶胞和其左右孩子中的节点一起分别构建事件凸包A、非事件凸包B,以及全局凸包C,C-(A∪B)为边界搜索区域。
S4-2:在每个骨干晶胞的边界搜索区域中逐个部署虚拟节点,且当前部署的虚拟节点和现有虚拟节点通信区域的重叠率不能超过给定的阈值Oth,重复部署虚拟节点直到边界搜索区域的覆盖率达到Cth。虚拟节点通信半径与真实传感器节点的通信半径相同,虚拟节点的通信区域视为边界节点搜索区域。经数次虚拟节点的部署后,可得到若干边界节点搜索区域。如图14所示,在边界搜索区域中共部署了4个虚拟节点,分别为V1、V2、V3、V4;这些虚拟节点的通信区域为边界节点搜索区域。
如图15所示,所述的边界节点确定阶段包括:
S5-1:通过公式(2)计算各个边界节点搜索区域内需补偿的边界节点数量N;
其中,H为熵函数,p为事件节点的概率,T为区域内事件节点和非事件节点的数量总和,N为该区域内需补偿的边界节点数。
在搜索区域中补偿的虚拟节点统称为候选边界节点,候选边界节点仅在边界搜索区域中进行补偿。若N为0,则不需要补偿边界节点,将该搜索区域内自身存在的虚拟节点作为边界节点;若N不为0,以边界节点搜索区域中的虚拟节点为中心以及起始虚拟节点的横纵坐标方向为基准,将搜索区域分为面积相等的四个扇形区域。在四个扇形区域中分别随机补偿一个候选边界节点,计算这四个候选边界节点的熵值,并和其所属边界节点搜索区域的熵值进行比较。若存在四个候选边界节点的熵值都小于其所属边界节点搜索区域的熵值,表明候选边界节点均落在远离实际边界的方向上,四个候选边界节点不会成为边界节点;继续在四个扇形区域内分别补偿一个候选边界节点并计算各自的熵值。若存在Nc(0≤Nc≤4)个候选边界节点的熵值大于等于其所属边界节点搜索区域的熵值,且Nc≥N,选择熵值较大的N个候选边界节点作为边界节点;若存在Nc个候选边界节点的熵值大于等于其所属边界节点搜索区域的熵值,且Nc<N,这Nc个候选边界节点为边界节点;继续在四个扇形区域内分别随机补偿一个候选边界节点,计算其熵值,按上述规则,选择合适的N-Nc个候选边界节点作为边界节点,得到N个边界节点。如图14所示,虚拟节点V1、V2、V3、V4的通信区域均为边界节点搜索区域,V1的通信区域中有1个事件节点和3个非事件节点,需补偿2个边界节点作为事件节点;V2的通信区域中有1事件节点和3个非事件节点,需补偿2个边界节点作为事件节点;V3的通信区域中有2个事件节点和1个非事件节点,需补偿1个边界节点作为非事件节点;V4的通信区域中有3个事件节点和1个非事件节点,需补偿2个边界节点作为非事件节点。如图15所示,将虚拟节点V4所在的边界节点搜索区域四等分,分别记为区域I、II、III、IV,并在搜索区域中补偿2个边界节点。在这四个扇形区域中各补偿一个候选边界节点,分别为CB1、CB2、CB3、CB4。CB1的通信区域内有3个事件节点和3个非事件节点,其熵值大于虚拟节点V4的熵值;CB2的通信区域内有2个事件节点和3个非事件节点,其熵值大于虚拟节点V4的熵值;CB3的通信区域内有3个事件节点和1个非事件节点,其熵值等于虚拟节点V4的熵值;CB4的通信区域内全部为事件节点,其熵值小于虚拟节点V4的熵值,CB4不会成为边界节点;选取熵值较大的且大于等于V4的熵的两个候选边界节点CB1和CB2为边界节点。
本发明中,候选边界节点的熵值可根据下述信息熵公式进行计算:
其中,pi表示某个情况发生的概率,在本方案中只考虑事件节点和非事件节点这两种情况。
S5-2:并行确定每个骨干晶胞中的各个边界节点搜索区域以及位于其搜索区域内的边界节点,获得完整的边界节点集。根据边界节点的坐标进行曲线拟合,得到的曲线即为流体边界线,如图16所示。
本发明中,椭圆形包络确定阶段,由于离心率为0时椭圆变为圆,所以将圆形包络可视为椭圆形包络的一种特例。
本发明中,根据满二叉树的组织方式,对各层环形区域进行划分的具体划分方式为,将最内层环形区域,即第一层环形区域,称为为根区域。第二层环形区域被均匀分割成2个面积相等的区域作为根区域的左右子分区。第三层环形区域被均匀分割成成4个面积相等的子分区,分别作为第二层中两个分区的左右子分区。上述过程等价于满二叉树中父节点生成左右子节点的过程,不断执行直到椭圆形包络所在的第H层,该层将被均匀分割为2H -1个子分区。最终,椭圆形包络内将包含2H-1个大小不同的子分区。
步骤S4-1中所述的边界搜索区域的确定方式为,根据骨干晶胞中事件节点和非事件节点的分布情况,通过构建事件凸包、非事件凸包以及全局凸包来确定边界搜索区域。
步骤S5-1中所述的边界节点的确定方式为,根据各个边界搜索区域中的熵情况来确定搜索区域中边界节点的个数,以及通过划分搜索区域,比较并选取各个区域中熵值较大的候选边界节点作为边界节点。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (7)
1.一种水声传感网中基于信息熵最大化的流体边界提取方法,其特征在于,包括如下步骤:
S1:搜索标定最小流体覆盖区域,确定一个覆盖流体区域的凸包P;
S2:构造包围凸包P的四条切线,获得最小外接矩形,从而确定最小椭圆形包络;
S3:以椭圆形包络为最外层划分得到若干个环形区域,对环形区域进行划分并选取骨干晶胞;
S4:根据骨干晶胞中事件节点和非事件节点的分布情况,通过构建事件凸包、非事件凸包以及全局凸包来确定边界搜索区域,具体确定过程如下:
S4-1:在骨干晶胞内构建凸包,仅由事件节点构成的凸包称为事件凸包,仅由非事件节点构成的凸包称为非事件凸包,由事件节点和非事件节点共同构成的凸包称为全局凸包;根据骨干晶胞内事件节点和非事件节点的凸包构建情况,分以下七种情况确定边界搜索区域:
情况1:骨干晶胞中存在大于等于3个的不共线事件节点和大于等于3个的不共线非事件节点,分别构建事件凸包A、非事件凸包B以及全局凸包C,若凸包A与凸包B不相交,则边界搜索区域为C-(A∪B);若A与B相交,选取凸包A和凸包B相交的最长边ij,在最长边ij所在的凸包中选取节点k使∠ikj最大,节点k将边ij重构为两条较短边ik、jk;重复上述过程,直到两个多边形不再相交或当前最长边所在的多边形的内部不存在节点,得到新的事件多边形E和非事件多边形F;若E和F不相交,则边界搜索区域为C-(E∪F);若E和F相交且相交的最长边位于多边形E中,则边界搜索区域为C-F;若E和F相交且相交的最长边位于多边形F中,则边界搜索区域为C-E;
情况2:骨干晶胞中存在共线的事件节点和共线的非事件节点,构建全局凸包C,则边界搜索区域为C;
情况3:骨干晶胞中存在事件节点的数量小于3且非事件节点的数量小于3,构建全局凸包C,则边界搜索区域为C;
情况4:骨干晶胞中存在大于等于3个的不共线事件节点和存在共线的非事件节点,分别构建事件凸包A和全局凸包C,C-A为边界搜索区域;
情况5:骨干晶胞中存在大于等于3个的不共线非事件节点和存在共线的事件节点,分别构建非事件凸包B和全局凸包C,则边界搜索区域为C-B;
情况6:骨干晶胞中存在事件节点和非事件节点的数量各为1,将其与该骨干晶胞的左右孩子晶胞中的节点一起分别构建非事件凸包B和全局凸包C,则边界搜索区域为C-B;
情况7:骨干晶胞内的节点全部为事件节点,该骨干晶胞的左右孩子中的节点全部为非事件节点,将骨干晶胞和其左右孩子中的节点一起分别构建事件凸包A、非事件凸包B,以及全局凸包C,则边界搜索区域为C-(A∪B);
S4-2:在每个骨干晶胞的边界搜索区域中逐个部署虚拟节点,且当前部署的虚拟节点和现有虚拟节点通信区域的重叠率小于等于给定的阈值Oth,重复部署虚拟节点直到边界搜索区域的覆盖率达到覆盖率阈值Cth;其中,虚拟节点通信半径与真实传感器节点的通信半径相同,虚拟节点的通信区域视为边界节点搜索区域,经数次虚拟节点的部署后,可得到若干边界节点搜索区域;
S5:并行确定每个骨干晶胞中的各个边界节点搜索区域以及位于其搜索区域内的边界节点,获得完整的边界节点集,根据边界节点的坐标进行曲线拟合,得到的曲线即为流体边界线。
2.根据权利要求1所述的水声传感网中基于信息熵最大化的流体边界提取方法,其特征在于:所述S1的具体步骤如下:
S1-1:传感器节点按地理位置分簇,每个簇中至少包含4个传感器节点,根据传感器节点分簇形成不同的监测区域;被流体目标覆盖的传感器节点能感知到流体的存在,则此传感器节点称为事件节点,事件节点所在的簇称为事件簇;
S1-2:所有事件节点向所属的事件簇i的簇头发送通知消息,簇头根据收集到的事件节点ID和坐标,确定该事件簇里所有事件节点中横、纵坐标的最大值和最小值,分别记为Xmin_ia、Xmax_ib、Ymin_ic、Ymax_id,并以横、纵坐标最大值、最小值对应的节点坐标生成本地四元组Quads_i=[U_id,R_ib,D_ic,L_ia],所述四元组用于表示流体在该簇中上、右、下、左四个方向的覆盖范围;
S1-3:传感网范围内的各个事件簇交换各自的本地四元组,每个事件簇根据收到的四元组内的坐标值更新自身的四元组,直至传感网范围中所有事件簇的本地四元组不再发生变化;此时传感网范围中事件簇维持的四元组表示流体在全网上、右、下、左四个方向的覆盖范围;利用更新后的四元组确定一个能包含大部分事件节点的四边形,并将四条边分别标号;
S1-4:每个事件簇内的事件节点计算自身分别到四元组中四个传感器节点所形成的角度,若四个角相加之和为360°,表明该事件节点位于四边形内部,反之,表明该事件节点位于四边形外部;判断事件节点到四边形哪条边的距离最近,从而将位于四边形外的事件节点分为四个候选点集,记为S1、S2、S3、S4;
S1-5:通过位于四边形每条边上两个端点的节点坐标p和q,可以确定每条边的解析式;通过簇头之间的信息交互,候选点集中的所有事件节点计算自身的坐标到其最近边的垂直距离,并将该最近边pq、垂直距离、节点ID和坐标信息报告给所属事件簇的簇头;各事件簇的簇头根据最近边的标号,确定初始的本地顶点元组Tup_Si=[p,q],并确定垂直距离最大的事件节点;通过与候选点集中不同的相邻事件簇交换信息,更新距离最近边最远的事件节点j,在候选点集中删除该节点,并将该节点坐标放入本地顶点元组中该最近边两端点坐标的中间,形成新的本地顶点元组Tup_Si=[p,j,q];根据本地顶点元组可得到一个多边形,候选点集中的其他事件节点继续判断自己是否位于多边形内,重复上述操作,直至候选点集为空,此时候选点集中的所有节点都被包含在多边形内;
S1-6:在传感网范围内更新事件簇的本地顶点元组,直到本地顶点元组中不再增加新的顶点元组;根据顶点元组可确定一个覆盖流体区域的凸包P。
3.根据权利要求2所述的水声传感网中基于信息熵最大化的流体边界提取方法,其特征在于:所述S1-3中,各个事件簇更新自身的四元组的方式如下:各个事件簇将本地四元组与接收到的四元组对比其上下左右四个方向上的坐标,分别以对比后获得的横、纵坐标最大、最小值对应的节点坐标更新自身的四元组。
4.根据权利要求1所述的水声传感网中基于信息熵最大化的流体边界提取方法,其特征在于:所述S2的具体步骤如下:
S2-1:通过S1-3中确定的四元组的节点坐标,构造包围凸包P的四条切线,称该切线为支撑线,记为L_i;记一对平行的支撑线为一个卡壳集合,则四条支撑线形成两个卡壳集合;顺时针同时旋转两个卡壳集合,如果有一条或两条支撑线与凸包P的一条边重合,计算由这两个卡壳集合确定的矩形的面积,并保存为当前最小外接矩形;随后继续旋转卡壳,直到其中一条支撑线和凸包P的一条边重合,继续计算由这两个卡壳集合确定的新的矩形的面积,并和当前最小外接矩形的面积比较,如果小于当前最小外接矩形的面积,则更新新的矩形为当前最小外接矩形,否则继续旋转卡壳;如果卡壳集合的旋转角度大于90°,则停止旋转,此时当前最小外接矩形的面积是最小值;
S2-2:根据当前最小外接矩形的长和宽,确定该外接矩形的最小外接椭圆。
5.根据权利要求1所述的水声传感网中基于信息熵最大化的流体边界提取方法,其特征在于:所述S3的具体步骤如下:
S3-1:设置期望的环形区域层数为H,以S2中确定的最小椭圆形包络为最外层均匀划分出H个同心椭圆,即得到H个环形区域;
S3-2:根据满二叉树的组织方式,对各层环形区域进行划分;第i层环形区域被均匀分割成2i-1个子区域;最终,最小椭圆形包络内将包含2H-1个大小不同的子分区;所述子分区统称为晶胞,位于最外层的2H-1个晶胞称为叶子晶胞;
S3-3:从S3-2形成的晶胞中选择骨干晶胞,其中,满足以下两个条件中的一个的晶胞即为骨干晶胞:
(1)包含事件节点的叶子晶胞;
(2)自身含有事件节点,且其左右孩子晶胞中至少存在一个晶胞中没有任何事件节点。
6.根据权利要求5所述的水声传感网中基于信息熵最大化的流体边界提取方法,其特征在于:所述S3-2中根据满二叉树的组织方式,对各层环形区域进行划分的具体划分方式为:
将最内层环形区域,即第一层环形区域,称为根区域;
第二层环形区域被均匀分割成2个面积相等的区域作为根区域的左右子分区;
第三层环形区域被均匀分割成4个面积相等的子分区,分别作为第二层中两个分区的左右子分区;
其划分过程等价于满二叉树中父节点生成左右子节点的过程,不断执行直到最小椭圆形包络的最外层,即第H层,该层将被均匀分割为2H-1个子分区;最终,椭圆形包络内包含2H-1个大小不同的子分区。
7.根据权利要求6所述的水声传感网中基于信息熵最大化的流体边界提取方法,其特征在于:所述S5的具体步骤如下:
S5-1:计算各个边界节点搜索区域内需补偿的边界节点数量N,在搜索区域中补偿的虚拟节点统称为候选边界节点,候选边界节点仅在边界搜索区域中进行补偿;若N为0,则不需要补偿边界节点,将该搜索区域内自身存在的虚拟节点作为边界节点;若N不为0,以边界节点搜索区域中的虚拟节点为中心以及起始虚拟节点的横纵坐标方向为基准,将搜索区域分为面积相等的四个扇形区域,在四个扇形区域中分别随机补偿一个候选边界节点,计算这四个候选边界节点的熵值,并和其所属边界节点搜索区域的熵值进行比较;若存在四个候选边界节点的熵值都小于其所属边界节点搜索区域的熵值,表明候选边界节点均落在远离实际边界的方向上;则继续在四个扇形区域内分别补偿一个候选边界节点并计算各自的熵值;若存在Nc个候选边界节点的熵值大于等于其所属边界节点搜索区域的熵值,且Nc≥N,选择熵值较大的N个候选边界节点作为边界节点;若存在Nc个候选边界节点的熵值大于等于其所属边界节点搜索区域的熵值,且Nc<N,则这Nc个候选边界节点为边界节点;继续在四个扇形区域内分别随机补偿一个候选边界节点,计算其熵值,按上述规则,选择合适的N-Nc个候选边界节点作为边界节点,得到N个边界节点;
S5-2:并行确定每个骨干晶胞中的各个边界节点搜索区域以及位于其搜索区域内的边界节点,获得完整的边界节点集;根据边界节点的坐标进行曲线拟合,得到的曲线即为流体边界线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110440796.2A CN113179135B (zh) | 2021-04-23 | 2021-04-23 | 一种水声传感网中基于信息熵最大化的流体边界提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110440796.2A CN113179135B (zh) | 2021-04-23 | 2021-04-23 | 一种水声传感网中基于信息熵最大化的流体边界提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113179135A CN113179135A (zh) | 2021-07-27 |
CN113179135B true CN113179135B (zh) | 2023-09-26 |
Family
ID=76924317
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110440796.2A Active CN113179135B (zh) | 2021-04-23 | 2021-04-23 | 一种水声传感网中基于信息熵最大化的流体边界提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113179135B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20230041031A1 (en) * | 2021-08-04 | 2023-02-09 | Motional Ad Llc | Systems and methods for efficient vehicle extent estimation |
CN114662799B (zh) * | 2022-05-18 | 2022-07-26 | 国网四川省电力公司电力科学研究院 | 一种输电线路检修计划优化方法、装置、设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20140064411A (ko) * | 2012-11-20 | 2014-05-28 | 한국전자통신연구원 | 센서 네트워크에서 이벤트가 발생한 영역의 경계선을 검출하는 방법 |
CN105188068A (zh) * | 2015-06-03 | 2015-12-23 | 广东石油化工学院 | 基于平面化算法的边界区域算法 |
CN111970715A (zh) * | 2020-07-16 | 2020-11-20 | 河海大学常州校区 | 水声传感网中基于虚拟骨干节点连接的流体边界提取方法 |
CN111970716A (zh) * | 2020-08-14 | 2020-11-20 | 河海大学常州校区 | 水声传感网中基于分类超平面搜索的流体边界提取方法 |
CN112307685A (zh) * | 2020-10-29 | 2021-02-02 | 河海大学常州校区 | 水声传感网中基于高斯混合模型的流体运动边界预测方法 |
-
2021
- 2021-04-23 CN CN202110440796.2A patent/CN113179135B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20140064411A (ko) * | 2012-11-20 | 2014-05-28 | 한국전자통신연구원 | 센서 네트워크에서 이벤트가 발생한 영역의 경계선을 검출하는 방법 |
CN105188068A (zh) * | 2015-06-03 | 2015-12-23 | 广东石油化工学院 | 基于平面化算法的边界区域算法 |
CN111970715A (zh) * | 2020-07-16 | 2020-11-20 | 河海大学常州校区 | 水声传感网中基于虚拟骨干节点连接的流体边界提取方法 |
CN111970716A (zh) * | 2020-08-14 | 2020-11-20 | 河海大学常州校区 | 水声传感网中基于分类超平面搜索的流体边界提取方法 |
CN112307685A (zh) * | 2020-10-29 | 2021-02-02 | 河海大学常州校区 | 水声传感网中基于高斯混合模型的流体运动边界预测方法 |
Non-Patent Citations (1)
Title |
---|
基于无线传感器网络和线性神经网络的事件边界检测方法;吴鹏飞;李光辉;朱虹;曾松伟;卢文伟;模式识别与人工智能;第28卷(第4期);377-384 * |
Also Published As
Publication number | Publication date |
---|---|
CN113179135A (zh) | 2021-07-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113179135B (zh) | 一种水声传感网中基于信息熵最大化的流体边界提取方法 | |
Chen et al. | Spatiotemporal dynamics of coastal wetlands and reclamation in the Yangtze Estuary during past 50 years (1960s–2015) | |
Yin et al. | Multiple scenario analyses forecasting the confounding impacts of sea level rise and tides from storm induced coastal flooding in the city of Shanghai, China | |
CN111970715B (zh) | 水声传感网中基于虚拟骨干节点连接的流体边界提取方法 | |
Acharya et al. | GIS-based spatio-temporal analysis of marine accidents database in the coastal zone of Korea | |
CN106372367A (zh) | 一种Argo浮标海洋产品的可视化仿真方法 | |
CN111970716B (zh) | 水声传感网中基于分类超平面搜索的流体边界提取方法 | |
CN106714193A (zh) | 一种基于理想图案模型的水下传感器节点沉降部署方法 | |
Purohit et al. | Constructing minimum connected dominating set: Algorithmic approach | |
Zhang et al. | A coverage vulnerability repair algorithm based on clustering in underwater wireless sensor networks | |
CN101320488B (zh) | 全球海洋三角形网格的构建方法 | |
Ducruet et al. | Geography versus topology in the evolution of the global container shipping network (1977–2016) | |
CN113179136B (zh) | 一种水声传感网中基于虚拟节点游走的流体边界追踪方法 | |
Wang et al. | A novel coverage algorithm based on 3D-Voronoi cell for underwater wireless sensor networks | |
Makhoul et al. | Dynamic scheduling of cover-sets in randomly deployed wireless video sensor networks for surveillance applications | |
Liu et al. | Boundary tracking of continuous objects based on feasible region search in underwater acoustic sensor networks | |
CN106919783A (zh) | 一种浮标数据的多目标关联度划分处理方法 | |
Salman et al. | Systematic literature review of wave energy harvesting using triboelectric nanogenerator | |
Guofu et al. | Impacts of human activity and natural change on the wetland landscape pattern along the Yellow River in Henan Province | |
Gonzalez et al. | Semi-automatic extraction of ship lanes and movement corridors from AIS data | |
Bonthu et al. | Offshore wind energy potential along the Indian Coast considering ecological safeguards | |
Amin et al. | Experimental investigation of motion behavior in irregular wave and site selection analysis of a hybrid offshore renewable power station for Egypt | |
CN104883749B (zh) | 一种基于漂浮线缆的海洋立体监测传感器网络部署方法 | |
Walker | Barriers to the deployment of a 100 MW tidal energy array in the UK | |
Priyadarshini et al. | A distributed scalar controller selection scheme for redundant data elimination in sensor 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 |