基于优化粒子群算法的无线传感网无人机系统通信方法与流程

文档序号:14993896发布日期:2018-07-20 23:10阅读:516来源:国知局

本发明属于无线传感器网络技术领域,特别是一种能量消耗少,网络负载平衡性好,网络寿命长的基于优化粒子群算法的无线传感网无人机系统通信方法。



背景技术:

无线传感网(wsns)是由大量部署在特定监测区域内的微型廉价的传感器节点组成,这些节点可以感知监测区域中的信息,并且把采集到的数据发送给汇聚节点。这些节点通过无线通信的方式构建一个自组织的网络,节点之间可以相互通信并且可以进行数据传输。

无线传感网无人机系统是一种移动汇聚节点的数据收集系统,体系结构如图1所示。其由无人机、若干地面无线传感器和地面通信站组成。无线传感网无人机系统中,无人机被视为系统中的移动节点,其主要负责系统初始化、数据收集等工作。通过采用无人机系统,可以减少每个传感器节点之间传输数据时所消耗的能量,延长网络寿命。

然而,现有无线传感网无人机系统通信采用划分多个区域且设立多个基站进行通信的方法但由于基站只能收集固定区域内的数据、无人机的能量有限等原因,导致簇间通信时所消耗的能量多,网络能量不均衡,存在所谓的“热点问题”,即距离基站越近的传感器节点因为转发其他节点的数据而引起的节点能量消耗过快的问题,同时,由于每个区域的基站都是固定不变的,还存在网络寿命不够长的问题。



技术实现要素:

本发明的目的在于提供一种基于优化粒子群算法的无线传感网无人机通信方法,能量消耗少,网络负载平衡性好,网络寿命长。

实现本发明目的的技术解决方案为:

一种基于优化粒子群算法的无线传感网无人机系统通信方法,用于由无人机(1)、地面通信站(2)和多个地面无线传感器节点(3)组成的无线传感器无人机系统网络,其中无人机(1)为移动节点,其特征在于,包括如下步骤:

(10)网络区域划分:根据网络区域中无线传感器节点(3)的负载以及剩余能量,采用优化粒子群算法,将整个无人机系统网络区域划分为多个子区域;

(20)子区域簇头选择:在所述多个子区域中,每个传感器节点(3)根据自身的剩余能量以及本节点的位置,计算加权和,选择加权和最小的传感器节点作为无人机系统网络中的簇头节点,负责收集该子区域内的数据;

(30)下一跳访问节点选择:作为移动节点的无人机(1),首先访问剩余溢出缓存时间最大的簇头节点,然后根据每个簇头节点的剩余缓存溢出时间、移动节点移动到每个簇头的时间以及可用消息的生存时间的加权和,选择移动节点下一跳所要访问的簇头节点;

(40)数据传输:无人机(1)访问完所有的簇头节点后,将所采集的数据传输给地面通信站(2)。

本发明与现有技术相比,其显著优点为:

(1)能量消耗少:在划分网络区域时,引入优化粒子群算法,考虑传感器节点的负载及剩余能量两个因素,减少了簇间通信时所消耗的能量;

(2)网络负载平衡性好:在选择簇头节点时,考虑了节点的剩余能量和位置,有效地避免了网络能量不均衡的问题,同时避免了“热点问题”;

(3)网络寿命长:在无人机选择下一跳访问节点时,考虑到节点的剩余缓存溢出时间、移动时间及可用消息的生存时间,使得无人机的移动轨迹缩短,减少了数据传输的时延,同时也减少了数据收集时的能量消耗,节约了更多的时间用于数据收集,提高了数据收集的效率。

下面结合附图和具体实施方式对本发明作进一步的详细描述。

附图说明

图1为无线传感网无人机系统体系结构示意图。

图2为本发明基于优化粒子群算法的无线传感网无人机通信方法的主流程图。

图3为图2中网络区域划分步骤的流程图。

图4为图2中下一跳访问节点选择步骤的流程图。

具体实施方式

本发明基于优化粒子群算法的无线传感网无人机系统通信方法,用于如图1所示的由无人机(1)、地面通信站(2)和多个地面无线传感器节点(3)组成的无线传感器无人机系统网络,其中无人机(1)为移动节点。

如图2所示,本发明方法包括如下步骤:

(10)网络区域划分:根据网络区域中无线传感器节点(3)的负载以及剩余能量,采用优化粒子群算法,将整个无人机系统网络区域划分为多个子区域;

如图3所示,所述(10)网络区域划分步骤包括:

(11)粒子适应值计算:设定粒子群的最大迭代次数为tmax,在网络中产生两个随机数a和b,计算每个粒子的适应值;

所述(11)粒子适应值计算步骤中,按下式计算每个粒子的适应值:

f=βf1+(1-β)f2,(1)

其中,

式中,β为加权系数;e(i)表示传感器节点i的剩余能量;chk表示第k个簇的簇头节点;d(chk,chj)表示簇头节点k到簇头节点j的距离,k个粒子组成一个群体。

(12)粒子状态更新:比较粒子的适应值和自身最优值pbest,若粒子的当前值比pbest小,则更新为当前值;将当前值与整个网络区域的全局最优值gbest比较,若当前值比gbest小,则更新为当前值然后按照粒子更新式更新粒子的速度和位置方向;直至搜索到全局最优值或达到最大迭代次数时算法终止。

(13)重复且划分整个网络区域:区域首次被划分后,按照以上方法对整个区域进行划分,直至c个子区域划分完成。

(20)子区域簇头选择:在所述多个子区域中,每个传感器节点(3)根据自身的剩余能量以及本节点的位置,计算加权和,选择加权和最小的传感器节点作为无人机系统网络中的簇头节点,负责收集该子区域内的数据;

所述(20)选择簇头步骤中,按照下式计算加权和s,

其中,

式中,s表示区域中传感器节点i的加权和,d表示传感器节点i与其他传感器节点的距离和占所有传感器节点间距离的比重;e表示传感器节点i的剩余能量占所有传感器节点剩余能量总和的比重,θ为加权系数。

(30)下一跳访问节点选择:作为移动节点的无人机(1),首先访问剩余溢出缓存时间最大的簇头节点,然后根据每个簇头节点的剩余缓存溢出时间、移动节点移动到每个簇头的时间以及可用消息的生存时间的加权和,选择移动节点下一跳所要访问的簇头节点;

如图4所示,所述(30)下一跳访问节点选择步骤包括:

(31)访问首个簇头节点:将无人机看作是移动节点,首先访问剩余溢出缓存时间最大的簇头节点;

(32)选择下一跳访问节点:按照以下公式计算加权和,选择移动节点下一跳需要访问的簇头节点,

wij=α×tij+β×sij+γ×ttlsum,

式中,i表示当前无人机节点所在的簇头节点位置,j表示无人机节点下一跳所要访问的簇头节点位置;tij表示无人机节点移动到没给簇头节点的移动时间,sij表示每个簇头节点的剩余缓存溢出时间,ttlsum表示可用消息的总生存时间;α、β、γ取值范围为0~1,且满足条件α+β+γ=1,用来调整缓存溢出时间;

(33)无人机节点收集数据:计算出每一个簇头节点的加权和后,选择加权和值最小的簇头节点为无人机节点下一跳所要访问的节点,并且无人机节点进行数据收集;

(34)无人机节点访问所有簇头节点:无人机节点收集簇头节点数据完成后,继续步骤(32)计算加权和公式选择下一跳访问的簇头节点,直至所有的簇头节点访问完毕。

(40)数据传输:无人机(1)访问完所有的簇头节点后,将所采集的数据传输给地面通信站(2)。

本发明提供了一种基于优化粒子群算法的无线传感网无人机系统。首先引入优化粒子群算法根据区域中无线传感器节点的负载以及其剩余能量对网络进行合理划分,将系统网络划分为c个区域;区域中,每个传感器节点根据自己的剩余能量及位置计算加权和,选择加权和最小的传感器节点最为无人机系统中的簇头节点,且负责区域内的数据收集;簇头节点选举完成后,无人机首先访问剩余溢出时间最大的簇头节点,然后根据每个簇头节点的剩余缓存溢出时间、无人机移动到每个簇头的时间以及可用消息的生存时间计算加权和,选择加权和值最小的簇头作为下一跳访问节点,最终形成一条最优无人机移动路径;无人机访问完所有的区域后,将采集到的所有数据传输给地面通信站。

由于在划分网络区域时,引入优化粒子群算法,考虑传感器节点的负载及剩余能量两个因素,减少了簇间通信时所消耗的能量;

同时,在选择簇头节点时,考虑了节点的剩余能量和位置,有效地避免了网络能量不均衡的问题,同时避免了“热点问题”;

最后,在无人机选择下一跳访问节点时,考虑到节点的剩余缓存溢出时间、移动时间及可用消息的生存时间,使得无人机的移动轨迹缩短,减少了数据传输的时延,同时也减少了数据收集时的能量消耗,节约了更多的时间用于数据收集,提高了数据收集的效率。

当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1