System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及通信,具体涉及一种无人机辅助自适应双模数据采集方法。
技术介绍
1、无线传感器网络由一组可充电的传感器节点和基站组成,,作为连接物理世界和人类社会的桥梁,广泛收集数据以支持物联网系统上层进行数据挖掘和决策。随着信息技术的高速发展以及现代无线通信技术日益成熟,物联网技术和5g技术的应用场景不断拓宽,网络中使用传感器的网络节点的数量日益增长。在大型应用场景中,地面传感器和储能站等等构成传感网,但体积小、电池容量十分有限,其整体性能与有效运行时长受电池容量的限制,无法支撑传感器长时间持续获取信息。因此,延长网络寿命以支持数据长时间不间断传输成为无线可充电传感网络的主要研究热点之一。
2、目前在无线可充电传感网络的数据采集过程中,路由优化是提高其能量效率的主要方法之一。当基站固定时,多跳路由和集群路由被广泛应用于固定数据采集模式,但固定数据采集的平均上传距离较长,数据传输过程所消耗的能量过大,汇聚节点往往消耗更多的能量,当网络中有一个节点处于“死亡”状态时,整个网络将会处于瘫痪状态,数据传输间断,这不利于延长网络生命周期。
3、因此,如何解决现有技术中固定数据采集模式带来的问题,是本领域技术人员亟待解决的技术问题。
技术实现思路
1、为实现本专利技术目的,本申请提供了一种无人机辅助自适应双模数据采集方法,包括:
2、步骤s1:根据当前的网络状态,计算网络节点平均剩余能量水平和储能站能量水平;
3、步骤s2:根据所述网络节点平均剩
4、步骤s3:若确定采用移动数据采集模式,则计算并构建无人机的最优接入点集合;
5、步骤s4:根据所述最优接入点集合确定高能效网络拓扑结构;
6、步骤s5:根据所述高能效网络拓扑结构采集网络节点数据。
7、在其中一个具体实施例中,步骤s1中,所述网络节点平均剩余能量水平根据下式确定:
8、
9、式中,δ当前网络状态下的网络节点平均剩余能量水平,ei为网络节点i的剩余能量;enode,b为地面传感器的电池容量,n为网络节点总数。
10、在其中一个具体实施例中,步骤s1中,所述储能站能量水平根据下式确定:
11、
12、式中,μ为网络储能站能量水平,eθ为网络储能站的剩余能量,eθ,b为网络储能站的容量。
13、在其中一个具体实施例中,在步骤s3中,所述最优接入点集合的构建方法如下:
14、
15、式中,c为最优接入点集合,γ为根据当前剩余能量由低到高的顺序记录对所有网络节点排列产生的序列,γi代表其中前i个网络节点。
16、在其中一个具体实施例中,当i=nmax时,对应的接入点集为无人机的最优接入点集合,如下所示:
17、
18、式中,nmax为面向集合γ的最大接入点数量,为当接入点集合为γi时无人机的预估剩余能量。
19、在其中一个具体实施例中,当i=nmax时,预估剩余能量的值最小,预估剩余能量如下所示:
20、
21、式中,为当接入点集合为γi时无人机的预估剩余能量,euav,b为无人机的总能量;θuav,com为无人机通信能耗,为无人机移动能耗。
22、在其中一个具体实施例中,所述无人机移动能耗θuav,com通过下式计算:
23、
24、式中,m为单个数据包所包含比特数,er为无人机接收比特数据的能耗,ep为无人机处理比特数据的能耗,li为无人机从网络节点i处需采集的数据包总数,euav,t为无人机采集完所有数据后从储能站向基站传输比特数据的能耗。
25、在其中一个具体实施例中,所述无人机采集完所有数据后从储能站向基站传输比特数据的能耗euav,t通过下式计算:
26、
27、式中,eb,t、εfs和εmp为一阶无线通信能量消耗模型的能耗参数,duav,s为无人机与基站之间的距离,d0为一阶无线通信能量消耗模型的距离阈值。
28、在其中一个具体实施例中,所述步骤s4包括:基于所述高能效网络拓扑结构,通过下式确定网络节点i的路由选择模式:
29、
30、式中,i为网络节点,g为网络节点i所有可用的前向邻居的记录点集,g={j|dj,s<di,s,di.j<di,s,j∈v},ri为网络节点路由模式。
31、在其中一个具体实施例中,当ri=0时表示网络节点选择直传路由模式;当ri=1时表示网络节点选择多跳路由模式,网络节点i的下一跳为面向实时网络拓扑υ时使得传输效率最大时的网络节点j,ωi,j,υ为对应传输能效,如下所示:
32、
33、为网络节点的预期剩余能量,如下所示:
34、
35、式中,ei,c,υ为网络节点i在网络拓扑为υ时的通信能耗,如下所示:
36、ei,c,υ=m[(es-er)·l0+(er+ep+ei,t)·li,υ]
37、式中,l0为网络节点产生的数据包的数量,es、er及ep分别代为无线传感器采集、接收及处理比特数据的能耗,ei,t为网络节点i面向当前网络拓扑υ传输比特数据的能耗,其计算公式为:
38、
39、式中,eb,t、εfs和εmp为一阶无线通信能量消耗模型的能耗参数,d0为一阶无线通信能量消耗模型的距离阈值,为当前网络节点i与其在网络拓扑为υ时的下一跳υi之间的距离;
40、li,υ为网络节点i的业务负载,计算公式如下:
41、
42、式中,代表网络节点i需要转接的来自其他节点的数据包数,γi,υ为当网络拓扑为υ时网络节点i的父节点集。
43、上述技术方案的有益效果:
44、(1)本专利技术提供的应用于无信号区的无人机辅助自适应双模高能效数据采集方法通过判断节点和储能站的能量水平选择合适的数据采集模式进行数据采集。比起单一的固定数据采集模式,无人机的加入使得网络数据采集的灵活性大大提高,减少了固定数据采集模式因传播路径过长而消耗的能量,进而延长了网络的生命周期。
45、(2)本专利技术提供的应用于无信号区的无人机辅助自适应双模高能效数据采集方法,综合考虑了节点只能通过多跳路由上传数据的局限性。通过确定无人机的接入点集降低节点死亡的概率,利用预估剩余能量确定节点数据传输的下一跳,进而确定高能效网络拓扑,在进行数据传输的同时实现网络能效的最大化。
本文档来自技高网...【技术保护点】
1.一种无人机辅助自适应双模数据采集方法,其特征在于,包括:
2.根据权利要求1所述的无人机辅助自适应双模数据采集方法,其特征在于,步骤S1中,所述网络节点平均剩余能量水平根据下式确定:
3.根据权利要求1所述的无人机辅助自适应双模数据采集方法,其特征在于,步骤S1中,所述储能站能量水平根据下式确定:
4.根据权利要求1所述的无人机辅助自适应双模数据采集方法,其特征在于,在步骤S3中,所述最优接入点集合的构建方法如下:
5.根据权利要求4所述的无人机辅助自适应双模数据采集方法,其特征在于,当i=Nmax时,对应的接入点集为无人机的最优接入点集合,如下所示:
6.根据权利要求5所述的无人机辅助自适应双模数据采集方法,其特征在于,当i=Nmax时,预估剩余能量的值最小,预估剩余能量如下所示:
7.根据权利要求6所述的无人机辅助自适应双模数据采集方法,其特征在于,所述无人机移动能耗θUAV,com通过下式计算:
8.根据权利要求7所述的无人机辅助自适应双模数据采集方法,其特征在于,所述无人机采集完所有数
9.根据权利要求1所述的无人机辅助自适应双模数据采集方法,其特征在于,所述步骤S4包括:基于所述高能效网络拓扑结构,通过下式确定网络节点i的路由选择模式:
10.根据权利要求9所述的无人机辅助自适应双模数据采集方法,其特征在于,当ri=0时表示网络节点选择直传路由模式;当ri=1时表示网络节点选择多跳路由模式,网络节点i的下一跳为面向实时网络拓扑γ时使得传输效率最大时的网络节点j,ωi,j,γ为对应传输能效,如下所示:
...【技术特征摘要】
1.一种无人机辅助自适应双模数据采集方法,其特征在于,包括:
2.根据权利要求1所述的无人机辅助自适应双模数据采集方法,其特征在于,步骤s1中,所述网络节点平均剩余能量水平根据下式确定:
3.根据权利要求1所述的无人机辅助自适应双模数据采集方法,其特征在于,步骤s1中,所述储能站能量水平根据下式确定:
4.根据权利要求1所述的无人机辅助自适应双模数据采集方法,其特征在于,在步骤s3中,所述最优接入点集合的构建方法如下:
5.根据权利要求4所述的无人机辅助自适应双模数据采集方法,其特征在于,当i=nmax时,对应的接入点集为无人机的最优接入点集合,如下所示:
6.根据权利要求5所述的无人机辅助自适应双模数据采集方法,其特征在于,当i=nmax时,预估剩余能量的值最小,预估剩余能量如下所...
【专利技术属性】
技术研发人员:郭昊博,李林,吴润泽,陈科良,付宇,李跃,
申请(专利权)人:华北电力大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。