CN113329434B - 一种无线传感器网络位置优化和资源管理方法及应用 - Google Patents
一种无线传感器网络位置优化和资源管理方法及应用 Download PDFInfo
- Publication number
- CN113329434B CN113329434B CN202110701144.XA CN202110701144A CN113329434B CN 113329434 B CN113329434 B CN 113329434B CN 202110701144 A CN202110701144 A CN 202110701144A CN 113329434 B CN113329434 B CN 113329434B
- Authority
- CN
- China
- Prior art keywords
- access point
- constructing
- sensor
- optimization
- air access
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/382—Monitoring; Testing of propagation channels for resource allocation, admission control or handover
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/06—Testing, supervising or monitoring using simulated traffic
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
-
- 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)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Quality & Reliability (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明属于传感器网络通信技术领域,公开了一种无线传感器网络位置优化和资源管理方法及应用,针对现有技术存在的问题,将功率优化问题形式化为一个与空中接入点位置部署、信道资源分配和功率控制相关的多目标优化问题,联合优化信道资源分配与功率控制和在保证空中安全的前提下优化无人机位置,利用空中接入点来为传感器设备提供近距离良好通信链路,可有效降低设备发射功率、延长设备使用寿命,相较于其他优化方法更加适合于无线传感器网络。
Description
技术领域
本发明属于物联网通信技术领域,尤其涉及一种无线传感器网络位置优化和资源管理方法及应用。
背景技术
目前,最接近的现有技术:作为物联网(Internet of Things)的一大组成部分,无线传感器网络(Wireless Sensor Networks)的应用越来越广泛。无线传感器网络易于部署、网络拓扑灵活、节点分布密集,可以满足诸多领域的数据收集需求,为用户提供可靠的优质服务。例如在智能家居、环境监测、交通监测、医疗监测和战场监测等方面,无线传感器网络都发挥了重要作用。在未来万物互联的时代,要求无线传感器网络的节点数目更多、数据收集量更大,从而更好地实现物联网感知、决策和联动,这给当前的通信技术带来了新的挑战。传感器设备与数据收集器之间距离较远,为达到信干噪比门限会需要较大的发射功率;而传感器设备多采用电池供电,会由于高传输功率而过早地耗尽能量,进而大大提高网络的维护成本。
现有技术一提出了一种非正交多址双级传输体系结构,在蜂窝网中加入了数据聚合器来辅助设备数据的收集和转发,并共同优化了用户调度和资源分配,但是该技术假设设备只要处于基站或数据聚合器的覆盖范围内即视为建立稳定连接,没有考虑到信道数量以及设备的信道分配问题。因为在实际应用中基站或数据聚合器的信道数目是有限的,因此当设备数目增多可能会存在较为严重的干扰,从而影响设备的信干噪比,增大设备功耗。
现有技术二通过非正交多址技术(NOMA)和时分多址技术(TDMA),联合功率控制和时间分配策略使M2M蜂窝网络的总能耗最小化,但是该技术假设通信设备已经分簇并连接到对应的通信网关,没有考虑设备分簇策略以及通信网关的位置,而设备分簇策略会影响到NOMA的性能,进而影响设备之间的干扰,此外通信网关位置不仅影响覆盖的设备数目,而且会影响设备到网关的链路质量与路径损耗,如果传输距离较长,传输过程中的损耗将会很大。
现有技术三使用无人机作为中继在有限个最优位置上以不同的持续时间悬停来辅助地面无线通信网络,对设备的调度、功率控制和无人机轨迹进行了优化,但是该技术没有考虑多个无人机的情况,单无人机在多个点位之间往返移动会增大数据传输时延,且在设备数目较多的情况下,单无人机带来的优化效果有限,不能有效改善网络中设备的整体功耗。
综上所述,现有技术存在的问题是:
(1)现有技术一为一种非正交多址双级传输体系结构存在没有考虑到信道数量以及设备的信道分配问题,可能会存在较为严重的干扰。
(2)现有技术二通过非正交多址技术(NOMA)和时分多址技术(TDMA)存在没有考虑设备分簇策略以及通信网关的位置,影响设备之间的干扰以及链路质量与路径损耗。
(3)现有技术三使用无人机作为中继来辅助地面无线通信网络没有考虑多个无人机的情况,会增大数据传输时延,且带来的优化效果有限。
解决上述技术问题的难度:现有技术一:在无线传感器网络中基站或数据聚合器的信道数目是有限的,因此当设备数目增多可能会存在较为严重的干扰,从而影响设备的信干噪比,增大设备功耗。现有技术二:该技术假设通信设备已经分簇并连接到对应的通信网关,没有考虑设备分簇策略以及通信网关的位置,而设备分簇策略会影响到NOMA的性能,进而影响设备之间的干扰,此外通信网关位置不仅影响覆盖的设备数目,而且会影响设备到网关的链路质量与路径损耗,如果传输距离较长,传输过程中的损耗将会很大。现有技术三:该技术没有考虑多个无人机的情况,单无人机在多个点位之间往返移动会增大数据传输时延,且在设备数目较多的情况下,单无人机带来的优化效果有限,不能有效改善网络中设备的整体功耗。
发明内容
本发明的目的在于提供一种无线传感器网络位置优化和资源管理方法及应用,以解决上述问题。
为实现上述目的,本发明采用以下技术方案:
一种无人机辅助的无线传感器网络位置优化和资源管理方法,包括以下步骤:
构建由1个地面接入点、N个空中接入点和M个传感器设备组成的无线传感器网络模型;
基于无线传感器网络模型,构建地面接入点与传感器设备之间以及无人机可部署位置与传感器设备之间的通信模型;
基于节点之间的通信模型,构建空中接入点部署的目标与优化条件;
基于空中接入点部署的目标与优化条件,通过最大加权独立集求解,构建空中接入点最佳部署位置集合;
基于空中接入点的位置,构建传感器设备信道分配的目标与优化条件;
基于设备信道分配的目标与优化条件,通过K-CUT求解,构建传感器设备信道分配策略;
基于设备的信道分配策略,构建传感器设备功率控制的目标与优化条件;
基于设备的功率控制策略,通过不动点方程求解,构建联合优化方法。
进一步的,构建由1个地面接入点、N个空中接入点、M个传感器设备的无线传感器网络模型具体包括:
(1)构建包含1+N+M个通信节点的无线传感器网络,传感器设备向地面接入点发送数据;
(2)空中接入点作为辅助接入点,空中接入点覆盖下的传感器设备向空中接入点发送数据。
进一步的,构建地面接入点与传感器设备之间以及无人机可部署位置与传感器设备之间的通信模型具体包括:
(1)空中接入点用集合表示,传感器设备用集合表示;地面接入点的覆盖半径用R表示,空中接入点的覆盖半径用r表示,且r<R;空中接入点可位于区域中,点n的位置用ωn表示,彼此之间的距离应大于安全距离L;空中接入点共有K1个正交信道,地面接入点共有K2个正交信道,且K1<M<K2;每个设备最多分配一个信道,用表示信道分配情况,表示设备m接入信道ki,否则
(2)通信节点之间传播信道的路径损失模型PL可定义为
PL=32.4+20log(d[m])+20log(fc[GHz])
其中,d表示发射机到接收机之间的距离,fc表示载波频率;
(4)设备m受到的干扰可定义为
(5)设备m的信干噪比可定义为
其中,ηm~N(0,σ2)表示设备m的加性高斯白噪声,σ2表示噪声功率。进一步的,构建空中接入点部署的目标与优化条件具体包括:功率表示设备m到空中接入点n的无干扰最小传输功率,功率表示设备m到地面接入点的最小传输功率,计算二者之差得到进而空中接入点部署的目标与优化条件可形式化为:
构造无向图G=(V,E,W),其中V表示所有可部署点的集合,E表示边的集合,W表示所有点的权重;若du,v<L则点u和v之间存在边(u,v),权重表示空中接入点在点v处可节省的发射功率,表示在空中接入点v覆盖下的设备的集合;求解G的最大加权独立集即可得到空中接入点最佳部署位置集合。
进一步的,构建传感器设备信道分配的目标与优化条件具体包括:设备信道分配的目标与优化条件可形式化为:
进一步的,通过K-CUT求解,构建传感器设备信道分配策略具体包括:信道分配问题等同于K-CUT问题,用迭代方法来求解;
构造方向图为:
G=(V,E)
其中,V表示所有可部署点的集合,E表示边的集合,每两点u和v之间存在边(u,v),权重表示v对u的潜在干扰;按照K-CUT解法将G根据信道总数分成K份,使得去除的边权重之和最大,剩余的干扰之和最小,得到设备信道分配策略。
进一步的,构建传感器设备功率控制的目标与优化条件具体包括:设备功率控制的目标与优化条件可形式化为:
进一步的,通过不动点方程求解,构建联合优化方法具体包括:构造信道增益矩阵G,并根据设备的信道分配情况计算每个设备所受到的干扰I,功率表示设备m满足信干噪比的最小传输功率;迭代计算设备的发射功率并与上一次计算的值比较,直至功率收敛。
进一步的,一种无线传感器网络位置优化和资源管理方法的应用,无线传感器网络位置优化和资源管理方法应用在物联网中。
与现有技术相比,本发明有以下技术效果:
本发明采用位置优化和资源管理方法,针对现有技术存在的问题,将功率优化问题形式化为一个与空中接入点位置部署、信道资源分配和功率控制相关的多目标优化问题,联合优化信道资源分配与功率控制和在保证空中安全的前提下优化无人机位置,利用空中接入点来为传感器设备提供近距离良好通信链路,可有效降低设备发射功率、延长设备使用寿命。
本发明通过构建无人机辅助的无线传感器网络,设计了一种联合位置优化和资源管理方法,与已有机制相比,可有效降低设备功耗,延长设备使用寿命。随着物联网的发展,智能家居、环境监测、工业检测等新型应用场景不断涌现,传统无线传感器网络依靠自身受限的网络结构和资源管理策略难以支持这些具有大规模传感器的应用场景。联合优化方法通过将空中接入点部署在网络中,可有效减小传感器设备到接入点的路径损耗,通过信道分配和功率控制,可有效缓解设备之间的干扰、降低设备的功耗。
本发明的技术效果与直接连接的无线传感器网络(Direct Connection)、采用随机部署空中接入点的无线传感器网络(Random AAP)、采用随机信道分配的无线传感器网络(Random Channel)的技术效果对比如图2、图3、图4所示。图2、图3、图4分别显示了本发明与Direct Connection、Random AAP、Random Channel的总功率随信干噪比门限、传感器设备数目、空中接入点覆盖半径及安全距离方面的变化。
附图说明
图1是本发明实施例提供的无人机辅助的无线传感器网络位置优化和资源管理方法的流程图。
图2是本发明实施例提供的与直接连接的无线传感器网络(Direct Connection)、采用随机部署空中接入点的无线传感器网络(Random AAP)、采用随机信道分配的无线传感器网络(Random Channel)进行总功率随信干噪比门限变化的性能对比图。
图3是本发明实施例提供的与直接连接的无线传感器网络(Direct Connection)、采用随机部署空中接入点的无线传感器网络(Random AAP)、采用随机信道分配的无线传感器网络(Random Channel)进行总功率随传感器设备数目变化的性能对比图。
图4是本发明实施例提供的与直接连接的无线传感器网络(Direct Connection)、采用随机部署空中接入点的无线传感器网络(Random AAP)、采用随机信道分配的无线传感器网络(Random Channel)进行总功率随空中接入点覆盖半径及安全距离变化的性能对比图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
针对现有技术存在的问题,本发明提供了一种无人机辅助的无线传感器网络位置优化和资源管理方法,下面结合附图对本发明作详细的描述。
如图1所示,本发明实施例提供的一种无人机辅助的无线传感器网络位置优化和资源管理方法包括以下步骤:
S101:构建由1个地面接入点、N个空中接入点、M个传感器设备组成的无线传感器网络模型;
S102:基于无线传感器网络模型,构建地面接入点与传感器设备之间以及无人机可部署位置与传感器设备之间的通信模型;
S103:基于节点之间的通信模型,构建空中接入点部署的目标与优化条件;
S104:基于空中接入点部署的目标与优化条件,通过最大加权独立集求解,构建空中接入点最佳部署位置集合;
S105:基于空中接入点的位置,构建传感器设备信道分配的目标与优化条件;
S106:基于设备信道分配的目标与优化条件,通过K-CUT求解,构建传感器设备信道分配策略;
S107:基于设备的信道分配策略,构建传感器设备功率控制的目标与优化条件;
S108:基于设备的功率控制策略,通过不动点方程求解,构建联合优化方法。
下面结合具体实施例对本发明的技术方案作进一步的描述。
本发明实施例提供的一种无人机辅助的无线传感器网络位置优化和资源管理方法包括以下步骤:
第一步,构建由1个地面接入点、N个空中接入点、M个传感器设备的无线传感器网络模型;具体步骤如下:
(1)构建包含1+N+M个通信节点的无线传感器网络,传感器设备向地面接入点发送数据;
(2)空中接入点作为辅助接入点,空中接入点覆盖下的传感器设备向空中接入点发送数据。
第二步,基于无线传感器网络模型,构建地面接入点与传感器设备之间以及无人机可部署位置与传感器设备之间的通信模型;具体步骤如下:
(1)空中接入点用集合表示,传感器设备用集合表示;地面接入点的覆盖半径用R表示,空中接入点的覆盖半径用r表示,且r<R;空中接入点可位于区域中,点n的位置用ωn表示,彼此之间的距离应大于安全距离L;空中接入点共有K1个正交信道,地面接入点共有K2个正交信道,且K1<M<K2;每个设备最多分配一个信道,用表示信道分配情况,表示设备m接入信道ki,否则
(2)通信节点之间传播信道的路径损失模型PL可定义为
PL=32.4+20log(d[m])+20log(fc[GHz]),
其中,d表示发射机到接收机之间的距离,fc表示载波频率;
(4)设备m受到的干扰可定义为
(5)设备m的信干噪比可定义为
其中,ηm~N(0,σ2)表示设备m的加性高斯白噪声,σ2表示噪声功率。
第三步,基于节点之间的通信模型,构建空中接入点部署的目标与优化条件;具体包括:功率表示设备m到空中接入点n的无干扰最小传输功率,功率表示设备m到地面接入点的最小传输功率,计算二者之差得到进而空中接入点部署的目标与优化条件可形式化为:
进而空中接入点部署问题转化为:
该问题可重构为最大加权独立集问题来求解。构造无向图G=(V,E,W),其中V表示所有可部署点的集合,E表示边的集合,W表示所有点的权重。若du,v<L则点u和v之间存在边(u,v),权重表示空中接入点在点v处可节省的发射功率,表示在空中接入点v覆盖下的设备的集合。求解G的最大加权独立集即可得到空中接入点最佳部署位置集合。
第五步,基于空中接入点的位置,构建传感器设备信道分配的目标与优化条件;具体包括:设备信道分配的目标与优化条件可形式化为:
第六步,基于设备信道分配的目标与优化条件,通过K-CUT求解,构建传感器设备信道分配策略;具体包括:信道分配问题等同于K-CUT问题,可使用迭代方法来求解。构造方向图G=(V,E),其中V表示所有可部署点的集合,E表示边的集合,每两点u和v之间存在边(u,v),其权重表示v对u的潜在干扰。按照K-CUT解法将G根据信道总数分成K份,使得去除的边权重之和最大,即剩余的干扰之和最小,可得到设备信道分配策略。
第七步,基于设备的信道分配策略,构建传感器设备功率控制的目标与优化条件;具体包括:设备功率控制的目标与优化条件可形式化为:
第八步,基于设备的功率控制策略,通过不动点方程求解,构建联合优化方法;具体包括:构造信道增益矩阵G,并根据设备的信道分配情况计算每个设备所受到的干扰I,功率表示设备m满足信干噪比的最小传输功率。迭代计算设备的发射功率并与上一次计算的值比较,直至功率收敛。
下面结合仿真对本发明的技术效果作详细的描述。
本实验对无线传感器网络中一种无人机辅助的位置优化和资源管理方法和基于相同网络参数的已有机制进行仿真,验证本发明方法的优越性。具体地步骤如下:相同网络参数为2Km*2Km的区域,传感器设备在仿真区域内呈泊松分布,地面接入点覆盖半径为2Km,地面接入点高度为40m,地面接入点的信道数目为300,空中接入点高度为50m,空中接入点的信道数目为40;在该环境中信干噪比阈值在10到200之间变化,传感器设备数目在50到250之间变化,空中接入点覆盖半径在15m到125m之间变化,安全距离在2*r到4.5*r之间变化。统计所有传感器设备的总发射功率。结果为仿真100次后的平均值。
将本发明与直接连接的无线传感器网络(DirectConnection)、采用随机部署空中接入点的无线传感器网络(Random AAP)、采用随机信道分配的无线传感器网络(RandomChannel)进行性能对比,如图2-图4所示。
综上,本发明实施例提供的无线传感器网络中一种无人机辅助的位置优化和资源管理方法,针对现有技术存在的问题,将功率优化问题形式化为一个与空中接入点位置部署、信道资源分配和功率控制相关的多目标优化问题,联合优化信道资源分配与功率控制和在保证空中安全的前提下优化无人机位置,利用空中接入点来为传感器设备提供近距离良好通信链路,可有效降低设备发射功率、延长设备使用寿命。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (1)
1.一种无人机辅助的无线传感器网络位置优化和资源管理方法,其特征在于,包括以下步骤:
构建由1个地面接入点、N个空中接入点和M个传感器设备组成的无线传感器网络模型;
基于无线传感器网络模型,构建地面接入点与传感器设备之间以及无人机可部署位置与传感器设备之间的通信模型;
基于节点之间的通信模型,构建空中接入点部署的目标与优化条件;
基于空中接入点部署的目标与优化条件,通过最大加权独立集求解,构建空中接入点最佳部署位置集合;
基于空中接入点的位置,构建传感器设备信道分配的目标与优化条件;
基于传感器设备信道分配的目标与优化条件,通过K-CUT求解,构建传感器设备信道分配策略;
基于传感器设备的信道分配策略,构建传感器设备功率控制的目标与优化条件;
基于传感器设备的功率控制策略,通过不动点方程求解,构建联合优化方法;
构建由1个地面接入点、N个空中接入点、M个传感器设备的无线传感器网络模型具体包括:
(1)构建包含1+N+M个通信节点的无线传感器网络,传感器设备向地面接入点发送数据;
(2)空中接入点作为辅助接入点,空中接入点覆盖下的传感器设备向空中接入点发送数据;
构建地面接入点与传感器设备之间以及无人机可部署位置与传感器设备之间的通信模型具体包括:
(1)空中接入点用集合表示,传感器设备用集合表示;地面接入点的覆盖半径用R表示,空中接入点的覆盖半径用r表示,且r<R;空中接入点n可位于区域中,位置用ωn表示,彼此之间的距离应大于安全距离L;空中接入点共有K1个正交信道,地面接入点共有K2个正交信道,且K1<M<K2;每个传感器设备最多分配一个信道,用表示信道分配情况,表示传感器设备m接入信道ki,否则
(2)通信节点之间传播信道的路径损失模型PL可定义为
PL=32.4+20log(d[m])+20log(fc[GHz])
其中,d表示发射机到接收机之间的距离,fc表示载波频率;
(4)传感器设备m受到的干扰可定义为
(5)设备m的信干噪比可定义为
其中,ηm~N(0,σ2)表示传感器设备m的加性高斯白噪声,σ2表示噪声功率;
构建空中接入点部署的目标与优化条件具体包括:功率表示传感器设备m到空中接入点n的无干扰最小传输功率,功率表示传感器设备m到地面接入点的最小传输功率,计算二者之差得到进而空中接入点部署的目标与优化条件可形式化为:
构造无向图G=(V,E,W),其中V表示所有可部署点的集合,E表示边的集合,W表示所有点的权重;若du,v<L则可部署点u和可部署点v之间存在边(u,v),权重表示空中接入点在可部署点v处可节省的发射功率,表示在空中接入点在可部署点v覆盖下的传感器设备的集合;求解G的最大加权独立集即可得到空中接入点最佳部署位置集合;
构建传感器设备信道分配的目标与优化条件具体包括:传感器设备信道分配的目标与优化条件可形式化为:
通过K-CUT求解,构建传感器设备信道分配策略具体包括:信道分配问题等同于K-CUT问题,用迭代方法来求解;
构造方向图为:
G=(V,E)
其中,V表示方向图中所有顶的集合,E表示边的集合,每两个顶点u和v之间存在边(u,v),用顶点表示用户,边表示用户之间的潜在干扰,权重表示v对u的潜在干扰;按照K-CUT解法将G根据信道总数分成K份,使得去除的边权重之和最大,剩余的干扰之和最小,得到设备信道分配策略;
构建传感器设备功率控制的目标与优化条件具体包括:设备功率控制的目标与优化条件可形式化为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110701144.XA CN113329434B (zh) | 2021-06-23 | 2021-06-23 | 一种无线传感器网络位置优化和资源管理方法及应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110701144.XA CN113329434B (zh) | 2021-06-23 | 2021-06-23 | 一种无线传感器网络位置优化和资源管理方法及应用 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113329434A CN113329434A (zh) | 2021-08-31 |
CN113329434B true CN113329434B (zh) | 2022-12-27 |
Family
ID=77424464
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110701144.XA Active CN113329434B (zh) | 2021-06-23 | 2021-06-23 | 一种无线传感器网络位置优化和资源管理方法及应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113329434B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105828345A (zh) * | 2016-05-06 | 2016-08-03 | 华南农业大学 | 一种兼容uav的地空无线传感网络通信装置与方法 |
KR101931803B1 (ko) * | 2017-11-09 | 2018-12-21 | 한림대학교 산학협력단 | 무선 센서 네트워크에서 무인기를 이용한 데이터 수집 방법 및 이 방법이 적용된 기기 |
CN110958619A (zh) * | 2019-11-18 | 2020-04-03 | 北京邮电大学 | 一种基于无线能量传输的无人机辅助网络中资源分配方法 |
CN111083758A (zh) * | 2019-12-18 | 2020-04-28 | 华南理工大学 | 一种高能效声电协同传输网络路由***及方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008141719A1 (en) * | 2007-05-21 | 2008-11-27 | University College Dublin, National University Of Ireland, Dublin | Energy-driven cluster aggregation point re-election in a wireless sensor network |
CN101808289B (zh) * | 2010-04-07 | 2012-09-05 | 上海交通大学 | 基于移动汇聚节点的无线传感器网络的数据收集方法 |
US10911926B2 (en) * | 2019-03-29 | 2021-02-02 | Rapidsos, Inc. | Systems and methods for emergency data integration |
CN112153593B (zh) * | 2020-06-22 | 2021-08-31 | 北京航空航天大学 | 一种无人机辅助的高能效物联网数据收集方法 |
-
2021
- 2021-06-23 CN CN202110701144.XA patent/CN113329434B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105828345A (zh) * | 2016-05-06 | 2016-08-03 | 华南农业大学 | 一种兼容uav的地空无线传感网络通信装置与方法 |
KR101931803B1 (ko) * | 2017-11-09 | 2018-12-21 | 한림대학교 산학협력단 | 무선 센서 네트워크에서 무인기를 이용한 데이터 수집 방법 및 이 방법이 적용된 기기 |
CN110958619A (zh) * | 2019-11-18 | 2020-04-03 | 北京邮电大学 | 一种基于无线能量传输的无人机辅助网络中资源分配方法 |
CN111083758A (zh) * | 2019-12-18 | 2020-04-28 | 华南理工大学 | 一种高能效声电协同传输网络路由***及方法 |
Non-Patent Citations (3)
Title |
---|
Environmental Monitoring Using a Drone-Enabled Wireless Sensor Network;rooke Potter,Gina Valentino,etc.;《 2019 Systems and Information Engineering Design Symposium (SIEDS)》;20190613;全文 * |
The Energy-Efficient UAV-Based BS Coverage in Air-to-Ground Communications;Bin Li,Chao Chen,etc.;《2018 IEEE 10th Sensor Array and Multichannel Signal Processing Workshop (SAM)》;20180830;578-581 * |
无线传感网络中容错连通和覆盖优化问题研究;王槐元;《中国优秀博硕士学位论文全文数据库(博士)信息科技辑》;20190715;1-53 * |
Also Published As
Publication number | Publication date |
---|---|
CN113329434A (zh) | 2021-08-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wu et al. | Cooperative UAV cluster-assisted terrestrial cellular networks for ubiquitous coverage | |
US20210297877A1 (en) | Optimization method for uav-based wireless information and energy transmission | |
Uddin et al. | Agriculture internet of things: AG-IoT | |
CN112532300B (zh) | 单无人机反向散射通信网络轨迹优化与资源分配方法 | |
CN112947548B (zh) | 一种基于频谱地图的无人机编队规划方法及*** | |
CN110798851B (zh) | 无线异构网络的能量效率和负载均衡的联合优化方法 | |
CN111988762A (zh) | 一种基于无人机d2d通信网络的能效最大资源分配方法 | |
CN105744628A (zh) | 一种数能一体化通信网络的资源分配最优化方法 | |
CN113258989B (zh) | 一种使用强化学习获得无人机中继轨迹的方法 | |
Yu et al. | Air–ground integrated deployment for UAV‐enabled mobile edge computing: A hierarchical game approach | |
Tchouankem et al. | Impact of buildings on vehicle-to-vehicle communication at urban intersections | |
Liu et al. | Deployment and movement for multiple aerial base stations by reinforcement learning | |
Rady et al. | Comprehensive survey of routing protocols for Mobile Wireless Sensor Networks | |
Liu et al. | Multiobjective optimization for improving throughput and energy efficiency in UAV-enabled IoT | |
CN103269506A (zh) | 一种干扰感知的移动无线传感器网络路由方法 | |
Huo et al. | A UAV mobile strategy in mobile ad hoc networks | |
Sasikumar et al. | A novel method for the optimization of Spectral-Energy efficiency tradeoff in 5 G heterogeneous Cognitive Radio Network | |
Maluleke et al. | Efficient airborne network clustering for 5G backhauling and fronthauling | |
Chenxiao et al. | Energy-efficiency maximization for fixed-wing UAV-enabled relay network with circular trajectory | |
CN116113025A (zh) | 一种无人机协能通信网络中轨迹设计和功率分配方法 | |
CN104853425A (zh) | 一种用于异构网络上行链路的功率控制方法 | |
CN113329434B (zh) | 一种无线传感器网络位置优化和资源管理方法及应用 | |
CN102413471A (zh) | 一种基于链路稳定性估算的无线栅格传感器网络组网方法 | |
AlSheyab et al. | Interference minimization algorithms for fifth generation and beyond systems | |
Say et al. | Partnership and data forwarding model for data acquisition in UAV-aided 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 |