CN114845315B - 基于容量有限基站的传感器的目标覆盖的移动平衡方法 - Google Patents
基于容量有限基站的传感器的目标覆盖的移动平衡方法 Download PDFInfo
- Publication number
- CN114845315B CN114845315B CN202210422338.0A CN202210422338A CN114845315B CN 114845315 B CN114845315 B CN 114845315B CN 202210422338 A CN202210422338 A CN 202210422338A CN 114845315 B CN114845315 B CN 114845315B
- Authority
- CN
- China
- Prior art keywords
- array
- base station
- mid
- distance
- ordered
- 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
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000003491 array Methods 0.000 claims abstract description 31
- 238000013178 mathematical model Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000005265 energy consumption Methods 0.000 abstract description 5
- 238000013138 pruning Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
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
- H04W16/18—Network planning tools
-
- 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
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/02—Power saving arrangements
- H04W52/0209—Power saving arrangements in terminal devices
-
- 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
本发明涉及一种基于容量有限基站的传感器的目标覆盖的移动平衡方法,该方法首先根据基站i在直线上的投影位置,将目标点POIs划分到基站i的左右阵列中,其次选取每一个阵列的中位数来计算候选距离,并将所有候选距离排序形成两个有序数组D l 、D r ;对有序数组D l 、D r 利用扩展的中位数中值算法找到中心距离,通过距离决策算法来判断中心距离是否为可行解,并以此为依据更新最小移动距离、左右阵列,以及数组D l 、D r ;直至数组D l 、D r 元素个数为空,即得到符合要求的传感器最小移动距离。该方法有利于使移动传感器的最大能量消耗最小化。
Description
技术领域
本发明属于移动传感器领域,具体涉及一种基于容量有限基站的传感器的目标覆盖的移动平衡方法。
背景技术
在使用移动传感器进行覆盖时,能源效率问题变得至关重要。由于移动传感器的能量是由电池(或其他种类的燃料)提供的,而电池在传感器的运行或移动阶段会被消耗掉。因此,每个传感器只能在其使用寿命有限的一段时间内处于活动状态。一旦覆盖范围内的某个传感器失效,该覆盖范围可能会被破坏,覆盖范围的寿命显然是由寿命最短的传感器决定的,因此延长覆盖范围(或传感器网络)的寿命的任务是使寿命最短的传感器的寿命最大化。与用于监视和通信的能量消耗差异相比,移动传感器由于其不同的运动而遭受更严重的能量失衡,即最小和最大传感器的移动距离可能存在巨大的差距。因此,当使用移动传感器时,优化目标是使传感器的最大移动最小化,从而使移动传感器的最大能量消耗最小化。
发明内容
本发明的目的在于提供一种基于容量有限基站的传感器的目标覆盖的移动平衡方法,该方法有利于使移动传感器的最大能量消耗最小化。
为实现上述目的,本发明采用的技术方案是:一种基于容量有限基站的传感器的目标覆盖的移动平衡方法,包括以下步骤:
步骤S1:根据基站、传感器、目标点POIs建立数学模型;
步骤S2:根据基站i在直线上的投影位置划分目标点POIs,将每一个目标点j分入基站i的左右阵列中;
步骤S3:通过基站i和在基站i的左右阵列中处于中间位置的目标点POI的坐标,根据距离公式来计算候选距离d(i,j=mid),并将左右阵列中所有的候选距离进行排序,形成两个有序数组Dl,Dr;
步骤S4:对有序数组Dl,Dr利用扩展的中位数中值算法找到中心距离dmid;
步骤S5:利用距离决策算法对中心距离dmid进行判断,根据距离决策算法的返回值,更新最小移动距离dmin,然后对基站i的左右阵列中的元素进行删减,并利用删减后阵列/>重新计算候选距离,更新数组Dl,Dr;
步骤S6:判断数组Dl,Dr中元素个数是否为空,若不是,则转至步骤S4;若是,则说明当前dmin的值,即为基于容量有限基站的移动传感器完全覆盖目标点POIs所需最大移动距离的最小值,计算结束,输出最小距离和传感器的最终位置。
进一步地,在步骤S1中,建立的数学模型为:设Λ为分布在平面上的,容量有限的k个基站的集合;每一个基站i具有各自独立的坐标位置(xi,yi),i∈Λ,并且每个基站最多可以发射具有相同半径r≥0的ki个传感器;设Π为分布在一条线上的m个目标点POIs的集合,每一个目标点j也具有各自独立的坐标位置(xj,0),j∈Π。
进一步地,在步骤S2中,设一个基站i在直线上的投影位置为x(i),则存在一个目标点ji,满足条件ji=max{ji|p(ji)≤x(i)};则距离d(i,l)|l∈{1,2,......,ji}随着l的增加而减少,{1,2,......,ji}设为基站i的左阵列;而距离d(i,l)|l∈{ji+1,ji+2,......,m}随着l的增加而增加,{ji+1,ji+2,......,m}设为基站i的右阵列;二者均为有序的元素数组。
进一步地,在步骤S3中,在划分完左右阵列后,通过基站i和在基站i的左右阵列中处于中间位置的目标点POI的坐标,根据以下距离公式来计算候选距离d(i,j=mid):
然后将左右阵列中所有的候选距离进行排序,形成两个有序数组Dl,Dr。
进一步地,在步骤S4中,对于有序数组D,定义设第imid个元素为有序数组D中的元素,当imid满足条件:
则称第imid个元素对应的距离为所述有序数组D的中心距离dmid。
进一步地,在步骤S5中,采用同样的方法对基站i的左右阵列中的元素进行删减,并利用删减后阵列/>重新计算候选距离,更新数组Dl,Dr;对于数组Dl:
若数组Dl中的第imid个元素的值dmid是可行解,则数组Dl中大于等于该值的候选距离d(i,j=mid)均为可行解,可去除;已知可行解d(i,j=mid)所对应的是阵列的中位数,则阵列/>中大于d(i,j=mid)的候选距离同样均为可行解,均可去除;而后更新/>的中位数,重新放入数组Dl中排序;
若数组Dl中的第imid个元素的值dmid是不可行解,则数组Dl中小于等于该值的候选距离d(i,j=mid)均为不可行解,可去除;已知不可行解d(i,j=mid)所对应的是阵列的中位数,则阵列/>中小于d(i,j=mid)的候选距离同样均为不可行解,均可去除;而后更新的中位数重新放入数组Dl中排序。
进一步地,在步骤S6中,当数组Dl,Dr中元素个数为空时,记dmid为最小化传感器的最大移动距离,能够在容量有限的基站中,找到一组传感器在该移动距离下,完全覆盖给定的目标点POIs,并得到这组传感器移动后的坐标位置。
与现有技术相比,本发明具有以下有益效果:提供了一种基于容量有限基站的传感器的目标覆盖的移动平衡方法,该方法构造最优解的候选数组,采取扩展的中位数中值算法减少数组的实际计算侯选数,从而找到真正的最优解。该方法具有准线性运行时间O(mlog m log k+k log2 k)(其中m是目标点的数量,k是基站的数量),与仅在ki≡1的情况下,运行时间复杂度为O(km(log m+log k))的现有算法相比具有更大的优势,降低了时间复杂度,也更适用于ki一般的情况。该方法具有可扩展性,并且能够在几秒钟内解决具有数百万个基站和目标点的基于容量有限基站的线性目标点覆盖问题。
附图说明
图1是本发明实施例的方法实现流程图。
图2是本发明实施例中基站i在直线上的投影位置划分目标点POIs的示意图。
图3是本发明实施例中基站i与其左阵列中处于中间位置的POI计算候选距离d(i,j=mid)示意图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
应该指出,以下详细说明都是示例性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
本发明提供了一种基于容量有限基站的传感器的目标覆盖的移动平衡方法,通过中位数中值算法的扩展来改进在候选距离中寻找最优解的方法,不再直接计算整个候选距离矩阵,扩展的中位数中值算法是一种减少候选距离个数的改进算法。本发明对中位数中值算法的扩展基于两点:首先是根据基站i(i∈Λ)的位置划分目标点后,基站i(i∈Λ)与每个目标点POIj(j∈Π)之间的距离可以形成两个有序的元素数组,称为左右阵列其次,本发明不需要真正计算候选距离中的所有元素,只需要计算左右阵列的一些中值,找到阵列的中位数,即由基站i和处于该阵列中间位置的目标点j计算出的候选距离;来更新数组Dl,Dr,反复迭代删减左右阵列。最终数组Dl,Dr中剩余最后一个元素,即为符合要求的传感器最小移动距离。
如图1所示,本实施例提供的基于容量有限基站的传感器的目标覆盖的移动平衡方法,包括以下步骤:
步骤S1:根据基站、传感器、目标点POIs建立数学模型。
步骤S2:根据基站i在直线上的投影位置划分目标点POIs,将每一个目标点j分入基站i的左右阵列中。
步骤S3:通过基站i和在基站i的左右阵列中处于中间位置的目标点POI的坐标,根据距离公式来计算候选距离d(i,j=mid),并将左右阵列中所有的候选距离进行排序,形成两个有序数组Dl,Dr。
步骤S4:对有序数组Dl,Dr利用扩展的中位数中值算法找到中心距离dmid。
步骤S5:利用距离决策算法对中心距离dmid进行判断,根据距离决策算法的返回值,更新最小移动距离dmin,然后对基站i的左右阵列中的元素进行删减,并利用删减后阵列/>重新计算候选距离,更新数组Dl,Dr。
步骤S6:判断数组Dl,Dr中元素个数是否为空,若不是,则转至步骤S4;若是,则说明当前dmin的值,即为基于容量有限基站的移动传感器完全覆盖目标点POIs所需最大移动距离的最小值,计算结束,输出最小距离和传感器的最终位置。
在步骤S1中,建立的数学模型描述如下:
设Λ为分布在平面上的,容量有限的k个基站的集合;每一个基站i具有各自独立的坐标位置(xi,yi),i∈Λ,并且每个基站最多可以发射具有相同半径r≥0的ki个传感器。设Π为分布在一条线上的m个目标点POIs的集合,每一个目标点j也具有各自独立的坐标位置(xj,0),j∈Π。设Γ是最终覆盖所有POIs的一组传感器的集合,Γ中每一个传感器s都来自基站σ(s)。
在本实施例中,本方法的目标是使传感器的最大运动最小化,以达到快速覆盖范围或平衡能量消耗的目的,其满足以下约束条件:
1)每个基站i∈Λ最多发射ki个传感器,即:|{σ(s)=i|s∈Γ}|≤ki。
2)每个POIj∈Π必须至少被一个传感器覆盖,即对于每一个POIj∈Π,必须存在一个传感器s∈σ(s),满足:
3)使传感器的最大移动距离最小化,即:
并且最终能够得到:(1)移动传感器完全覆盖目标点POIs所需的最大移动距离的最小值,(2)所使用的传感器编号,以及每个传感器i的最终位置(x'i,y'i)。
在步骤S2中,设一个基站i在直线上的投影位置为x(i),则存在一个目标点ji,满足条件ji=max{ji|p(ji)≤x(i)};则距离d(i,l)|l∈{1,2,......,ji}随着l的增加而减少,{1,2,......,ji}设为基站i的左阵列;而距离d(i,l)|l∈{ji+1,ji+2,......,m}随着l的增加而增加,{ji+1,ji+2,......,m}设为基站i的右阵列;二者均为有序的元素数组,如图2所示。
在步骤S3中,在划分完左右阵列后,通过基站i和在基站i的左右阵列中处于中间位置的目标点POI的坐标,根据以下距离公式来计算候选距离d(i,j=mid),如图3所示,并将左右阵列中所有的候选距离进行排序,形成两个有序数组Dl,Dr。
假设每个传感器Sensor所对应左阵列的POIs如下:
j1=3 Sensor1 POIs{1,2,3} d(i,j=mid)=d(1,2)
j2=7 Sensor2 POIs{1,2,3,4,5,6,7} d(i,j=mid)=d(2,4)
j3=3 Sensor3 POIs{1,2,3} d(i,j=mid)=d(3,2)
j4=5 Sensor4 POIs{1,2,3,4,5} d(i,j=mid)=d(4,3)
则数组Dl:
Dl=sort({d(1,2),d(2,4),d(3,2),d(4,3)})={d(3,2),d(2,4),d(4,3),d(1,2)}
在步骤S4中,对有序数组Dl,Dr利用扩展的中位数中值算法找到中心距离dmid,以有序数组Dl为例,定义设第imid个元素为数组Dl中的元素,当imid满足条件:
则称第imid个元素对应的距离为所述有序数组D的中心距离dmid。
假设每个传感器Sensor所对应左阵列的POIs如下:
j1=3 Sensor1 POIs{1,2,3} d(i,j=mid)=d(1,2)
j2=7 Sensor2 POIs{1,2,3,4,5,6,7} d(i,j=mid)=d(2,4)
j3=3 Sensor3 POIs{1,2,3} d(i,j=mid)=d(3,2)
j4=5 Sensor4 POIs{1,2,3,4,5} d(i,j=mid)=d(4,3)
设数组Dl经排序后:
Dl=sort({d(1,2),d(2,4),d(3,2),d(4,3)})={d(3,2),d(2,4),d(4,3),d(1,2)}
则:T=3+7+3+5=18;在有序数组中imid=2,dmid=d(2,4)。
在步骤S5中,采用同样的方法对基站i的左右阵列中的元素进行删减,并利用删减后阵列/>重新计算候选距离,更新数组Dl,Dr;以数组Dl为例:
1)若数组Dl中的第imid个元素的值dmid是可行解,则数组Dl中大于等于该值的候选距离d(i,j=mid)均为可行解,可去除;已知可行解d(i,j=mid)所对应的是阵列的中位数,则阵列/>中大于d(i,j=mid)的候选距离同样均为可行解,均可去除;而后更新/>的中位数,重新放入数组Dl中排序。
Dl={d(3,2),d(2,4),d(4,3),d(1,2)},dmid=d(2,4),且为可行解
If dmid<dmin?then dmin=dmid
删减后:Dl={d(3,2)}
删减后:每个传感器Sensor所对应左阵列的POIs如下:
j1=3 Sensor1 POIs{1} d(i,j=mid)=d(1,1)
j2=7 Sensor2 POIs{1,2,3} d(i,j=mid)=d(2,2)
j3=3 Sensor3 POIs{1,2,3} d(i,j=mid)=d(3,2)
j4=5 Sensor4 POIs{1,2} d(i,j=mid)=d(4,1)
更新后:Dl=sort({d(3,2),d(2,2),d(4,1),d(1,1)})
2)若数组Dl中的第imid个元素的值dmid是不可行解,则数组Dl中小于等于该值的候选距离d(i,j=mid)均为不可行解,可去除;已知不可行解d(i,j=mid)所对应的是阵列的中位数,则阵列/>中小于d(i,j=mid)的候选距离同样均为不可行解,均可去除;而后更新/>的中位数重新放入数组Dl中排序。
Dl={d(3,2),d(2,4),d(4,3),d(1,2)},dmid=d(2,4)且为不可行解
删减后:Dl={d(4,3),d(1,2)}
删减后:每个传感器Sensor所对应左阵列的POIs如下:
j1=3 Sensor1 POIs{1,2,3} d(i,j=mid)=d(1,2)
j2=7 Sensor2 POIs{5,6,7} d(i,j=mid)=d(2,6)
j3=3 Sensor3 POIs{3} d(i,j=mid)=d(3,3)
j4=5 Sensor4 POIs{1,2,3,4,5} d(i,j=mid)=d(4,3)
更新后:Dl=sort({d(3,3),d(2,6)d(4,3),d(1,2)})
在步骤S6中,当数组Dl,Dr中元素个数为空时,记dmid为最小化传感器的最大移动距离,能够在容量有限的基站中,找到一组传感器在该移动距离下,完全覆盖给定的目标点POIs,并得到这组传感器移动后的坐标位置。
以上所述,仅是本发明的较佳实施例而已,并非是对本发明作其它形式的限制,任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例。但是凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型,仍属于本发明技术方案的保护范围。
Claims (4)
1.一种基于容量有限基站的传感器的目标覆盖的移动平衡方法,其特征在于,包括以下步骤:
步骤S1:根据基站、传感器、目标点POIs建立数学模型;
步骤S2:根据基站i在直线上的投影位置划分目标点POIs,将每一个目标点j分入基站i的左右阵列中;
步骤S3:通过基站i和在基站i的左右阵列中处于中间位置的目标点POI的坐标,根据距离公式来计算候选距离d(i,j=mid),并将左右阵列中所有的候选距离进行排序,形成两个有序数组Dl,Dr;
步骤S4:对有序数组Dl,Dr利用扩展的中位数中值算法找到中心距离dmid;
步骤S5:利用距离决策算法对中心距离dmid进行判断,根据距离决策算法的返回值,更新最小移动距离dmin,然后对基站i的左右阵列中的元素进行删减,并利用删减后阵列重新计算候选距离,更新数组Dl,Dr;
步骤S6:判断数组Dl,Dr中元素个数是否为空,若不是,则转至步骤S4;若是,则说明当前dmin的值,即为基于容量有限基站的移动传感器完全覆盖目标点POIs所需最大移动距离的最小值,计算结束,输出最小距离和传感器的最终位置;
在步骤S1中,建立的数学模型为:设Λ为分布在平面上的,容量有限的k个基站的集合;每一个基站i具有各自独立的坐标位置(xi,yi),i∈Λ,并且每个基站最多可以发射具有相同半径r≥0的ki个传感器;设Π为分布在一条线上的m个目标点POIs的集合,每一个目标点j也具有各自独立的坐标位置(xj,0),j∈Π;
在步骤S3中,在划分完左右阵列后,通过基站i和在基站i的左右阵列中处于中间位置的目标点POI的坐标,根据以下距离公式来计算候选距离d(i,j=mid):
然后将左右阵列中所有的候选距离进行排序,形成两个有序数组Dl,Dr;
在步骤S4中,对于有序数组D,定义设第imid个元素为有序数组D中的元素,当imid满足条件:
则称第imid个元素对应的距离为所述有序数组D的中心距离dmid。
2.根据权利要求1所述的基于容量有限基站的传感器的目标覆盖的移动平衡方法,其特征在于,在步骤S2中,设一个基站i在直线上的投影位置为x(i),则存在一个目标点ji,满足条件ji=max{ji|p(ji)≤x(i)};则距离d(i,l)|l∈{1,2,......,ji}随着l的增加而减少,{1,2,......,ji}设为基站i的左阵列;而距离d(i,l)|l∈{ji+1,ji+2,......,m}随着l的增加而增加,{ji+1,ji+2,......,m}设为基站i的右阵列;二者均为有序的元素数组。
3.根据权利要求1所述的基于容量有限基站的传感器的目标覆盖的移动平衡方法,其特征在于,在步骤S5中,采用同样的方法对基站i的左右阵列中的元素进行删减,并利用删减后阵列/>重新计算候选距离,更新数组Dl,Dr;对于数组Dl:
若数组Dl中的第imid个元素的值dmid是可行解,则数组Dl中大于等于该值的候选距离d(i,j=mid)均为可行解,可去除;已知可行解d(i,j=mid)所对应的是阵列的中位数,则阵列/>中大于d(i,j=mid)的候选距离同样均为可行解,均可去除;而后更新/>的中位数,重新放入数组Dl中排序;
若数组Dl中的第imid个元素的值dmid是不可行解,则数组Dl中小于等于该值的候选距离d(i,j=mid)均为不可行解,可去除;已知不可行解d(i,j=mid)所对应的是阵列的中位数,则阵列/>中小于d(i,j=mid)的候选距离同样均为不可行解,均可去除;而后更新/>的中位数重新放入数组Dl中排序。
4.根据权利要求1所述的基于容量有限基站的传感器的目标覆盖的移动平衡方法,其特征在于,在步骤S6中,当数组Dl,Dr中元素个数为空时,记dmid为最小化传感器的最大移动距离,能够在容量有限的基站中,找到一组传感器在该移动距离下,完全覆盖给定的目标点POIs,并得到这组传感器移动后的坐标位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210422338.0A CN114845315B (zh) | 2022-04-21 | 2022-04-21 | 基于容量有限基站的传感器的目标覆盖的移动平衡方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210422338.0A CN114845315B (zh) | 2022-04-21 | 2022-04-21 | 基于容量有限基站的传感器的目标覆盖的移动平衡方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114845315A CN114845315A (zh) | 2022-08-02 |
CN114845315B true CN114845315B (zh) | 2024-03-26 |
Family
ID=82565654
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210422338.0A Active CN114845315B (zh) | 2022-04-21 | 2022-04-21 | 基于容量有限基站的传感器的目标覆盖的移动平衡方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114845315B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007002286A2 (en) * | 2005-06-22 | 2007-01-04 | The Board Of Trustees Of The Leland Stanford Jr. University | Scalable sensor localization for wireless sensor networks |
JP2009065394A (ja) * | 2007-09-05 | 2009-03-26 | Meiji Univ | センサネットワーク用減衰定数推定システム、ノード位置推定システム、推定方法、及びそのプログラム |
KR20100078360A (ko) * | 2008-12-30 | 2010-07-08 | 서울대학교산학협력단 | 쓰리-커버리지를 위한 센서 배치 시스템 |
WO2010119230A1 (fr) * | 2009-04-17 | 2010-10-21 | Universite De Technologie De Troyes | Systeme et procede de localisation de cible par un reseau d'emetteurs/recepteurs |
CN103856952A (zh) * | 2014-02-27 | 2014-06-11 | 上海大学 | 一种工业无线传感器网络Pareto多目标部署优化方法 |
CN105898700A (zh) * | 2016-05-19 | 2016-08-24 | 中山大学 | 二维平面上移动传感节点的节能栅栏覆盖方法 |
CN110139286A (zh) * | 2019-05-21 | 2019-08-16 | 西安邮电大学 | 面向三维环境的无线传感器网络覆盖增强方法及*** |
CN110856184A (zh) * | 2019-11-26 | 2020-02-28 | 西安航空学院 | 基于k均值算法的双层结构无线传感器网络节点部署方法 |
KR20200028645A (ko) * | 2018-09-07 | 2020-03-17 | 동명대학교산학협력단 | 모바일 센서 네트워크에서 모바일 싱크 기반 에너지 효율적인 클러스터링 기법 |
CN114219333A (zh) * | 2021-12-20 | 2022-03-22 | 中国空气动力研究与发展中心计算空气动力研究所 | 一种三维地形中传感器部署点规划方法、***及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140357281A1 (en) * | 2013-06-04 | 2014-12-04 | King Abdulaziz City For Science And Technology | Method of optimizing locations of cellular base stations |
-
2022
- 2022-04-21 CN CN202210422338.0A patent/CN114845315B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007002286A2 (en) * | 2005-06-22 | 2007-01-04 | The Board Of Trustees Of The Leland Stanford Jr. University | Scalable sensor localization for wireless sensor networks |
JP2009065394A (ja) * | 2007-09-05 | 2009-03-26 | Meiji Univ | センサネットワーク用減衰定数推定システム、ノード位置推定システム、推定方法、及びそのプログラム |
KR20100078360A (ko) * | 2008-12-30 | 2010-07-08 | 서울대학교산학협력단 | 쓰리-커버리지를 위한 센서 배치 시스템 |
WO2010119230A1 (fr) * | 2009-04-17 | 2010-10-21 | Universite De Technologie De Troyes | Systeme et procede de localisation de cible par un reseau d'emetteurs/recepteurs |
CN103856952A (zh) * | 2014-02-27 | 2014-06-11 | 上海大学 | 一种工业无线传感器网络Pareto多目标部署优化方法 |
CN105898700A (zh) * | 2016-05-19 | 2016-08-24 | 中山大学 | 二维平面上移动传感节点的节能栅栏覆盖方法 |
KR20200028645A (ko) * | 2018-09-07 | 2020-03-17 | 동명대학교산학협력단 | 모바일 센서 네트워크에서 모바일 싱크 기반 에너지 효율적인 클러스터링 기법 |
CN110139286A (zh) * | 2019-05-21 | 2019-08-16 | 西安邮电大学 | 面向三维环境的无线传感器网络覆盖增强方法及*** |
CN110856184A (zh) * | 2019-11-26 | 2020-02-28 | 西安航空学院 | 基于k均值算法的双层结构无线传感器网络节点部署方法 |
CN114219333A (zh) * | 2021-12-20 | 2022-03-22 | 中国空气动力研究与发展中心计算空气动力研究所 | 一种三维地形中传感器部署点规划方法、***及存储介质 |
Non-Patent Citations (7)
Title |
---|
Energy Efficient Algorithms for k -Sink Minimum Movement Target Coverage Problem in Mobile Sensor Network;Xiaofeng Gao et al.;《IEEE/ACM Transactions on Networking 》;全文 * |
Improved Fast Algorithms for Optimal Min-Max Line Barrier Coverage with Mobile Sensors on the Plane;Pei Yao et al.;《MSWiM’21》;全文 * |
Optimizing Movement for Maximizing Lifetime of Mobile Sensors for Covering Targets on a Line;Peihuang Huang et al.;《sensors》;全文 * |
一种无线传感器网络覆盖能耗平衡优化策略;顾晓燕 等;《传感技术学报》;20101120;全文 * |
基于传感器移动距离最小化的路径覆盖算法;陈硒 等;《计算机工程》;20171201;全文 * |
最小化移动传感器最大迁移距离的快速栅栏覆盖算法;姚培;《小型微型计算机***》;全文 * |
物联网传感器的受限部署与数据采集关键技术研究;谢明山;《中国优秀硕士学位论文全文数据库》;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114845315A (zh) | 2022-08-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111695776B (zh) | 无人机集群分布式在线协同区域侦察方法及装置 | |
CN111193540B (zh) | 一种基于双曲几何的天空地信息网络统一路由方法 | |
CN111432368B (zh) | 一种适用于稀疏锚节点wsn的测距定位方法 | |
CN111479218B (zh) | 一种基于dqpso算法的定位性能优化方法 | |
CN109902711B (zh) | 一种时间依赖路网上的移动对象k近邻查询算法 | |
CN104135752A (zh) | 一种无线传感器网络簇头节点选择方法及分簇方法 | |
CN116223973A (zh) | 基于改进灰狼优化算法的分布式配电网故障定位方法 | |
Wang et al. | Improved DV-Hop based on parallel and compact whale optimization algorithm for localization in wireless sensor networks | |
CN110351735B (zh) | 一种基于贪心算法的无线可充电传感网基站部署方法 | |
CN114845315B (zh) | 基于容量有限基站的传感器的目标覆盖的移动平衡方法 | |
CN104219682B (zh) | 农田混合供电无线传感器网络的网络层次构建方法及*** | |
CN116050540A (zh) | 一种基于联合双维度用户调度的自适应联邦边缘学习方法 | |
Huang et al. | Supply distribution center planning in UAV-based logistics networks for post-disaster supply delivery | |
CN113063419B (zh) | 一种无人机路径规划方法及*** | |
CN110636437A (zh) | 一种基于指纹对的辅助定位方法 | |
CN112217558B (zh) | 一种基于资源互换的空间信息网络任务规划方法 | |
CN114885379B (zh) | 一种大规模无人机集群自适应分簇组网方法 | |
CN108614889B (zh) | 基于混合高斯模型的移动对象连续k近邻查询方法及*** | |
CN116647890A (zh) | 一种适用于移动AdHoc网络的多属性多度量路由决策方法 | |
CN113810916B (zh) | 一种5g/6g边缘计算场景下的多服务器混合部署架构及方法 | |
Duraimurugan et al. | Energy Efficient Nodes Clustering and Routing Using Multi-Objective Spider Monkey Optimization Algorithm in Wireless Sensor Network | |
CN113036841B (zh) | 一种基于成本最小化的空洞缓解移动充电方法及*** | |
CN114216466B (zh) | 一种基于动态信任机制的群体智能仿生导航方法 | |
CN113139774A (zh) | 一种面向多仓库运输的车辆路径优化方法 | |
CN114679212B (zh) | 一种卫星网络的拓扑控制方法及其*** |
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 |