基于策略梯度的WRSN公平能量补充方案

无线可充电传感网络（WRSN）中节点能耗是动态变化的，在调度移动充电器（MC）为传感器充电时，估算节点的实时能耗来计算节点的剩余生存时间十分重要。针对WRSN的问题，提出一种基于策略梯度的公平能量补充策略（PFSS），利用过往的节点能量记录对节点实时能耗进行估算，采用seq2seq结合Attention的网络结构求解待充电序列，为节点充电获得一个充电权重来评估该次充电的质量，其由MC到节点间的距离、节点等待时间和节点剩余生存时间组成，利用策略梯度对网络进行训练，从而求得具有最优充电质量的充电序列近似解，仿真结果表明，与现有的算法相比，PFSS能够有效降低网络中传感器节点失效数量、MC的移动成本和充电延迟。     

基于选址机制与深度强化学习的WRSN移动能量补充

无线充电已成为彻底解决无线传感器网络能量受限问题最有前景的技术之一。针对传感器网络应用场景中的高能量补充需求,提出一种基于选址机制与深度强化学习的一对多充电策略MSRL,利用带权集合覆盖问题求解移动充电装置（MC）的近似最优充电驻点集;基于Dueling DQN算法,综合考虑传感器的能量消耗率、地理位置、剩余能量等因素确定MC访问充电驻点的顺序。通过捕捉充电动作在时间序列中的关系,使用奖励反馈评估充电决策的质量,自适应调整充电路径,实现MC充电调度的优化。进一步对Dueling DQN算法进行改进,利用Gradient Bandit策略提高奖励值高的样本被采样的概率,加快算法训练速度。大量仿真实验结果表明,MSRL策略不仅可以显著减少传感器节点的死亡数和网络平均能量消耗,延长网络的生存时间,并且优于其他比较方法。     

基于效用最大化的无线可充电传感器网络有向充电调度方案

针对当前无线可充电传感器网络(WRSNs)一对一移动充电方式存在充电效率低、定向充电模型缺乏问题,该文提出了一种基于充电效用最大化(MUC)的一对多有向充电调度方案。方案首先筛选网络中充电增益最大的有向覆盖子集;然后根据有向覆盖子集确定充电锚点,并进而规划充电器的移动路径;最后在满足移动充电器能量和充电周期约束条件下优化移动充电器的充电时间。实验结果表明,该方案与平均能量充电(AEC)、固定能量充电(FEC)相比,充电效率分别提高了13.7%和32.7%;与最多节点覆盖(MNC)、最大平均增益覆盖(MAGC)子集筛选方案相比,充电效率分别提高了4.4%和35.9%;同时在网络饿死节点数目上与MNC, MAGC方案相比也显著降低。     

无人机集群通信的应用现状及展望

近年来,随着无人机(Unmanned Aerial Vehicle, UAV)逐渐自主化和智能化,单UAV已无法满足日益复杂的任务需求,UAV集群技术的提出能够有效提高UAV的生存能力和任务效率,引起了国内外的广泛关注。当前UAV集群技术面临着极具挑战性的通信问题,严重影响到UAV间的协同作业与信息处理能力。基于UAV集群的概念,通过与多UAV系统对比,系统分析了UAV集群的优点及挑战,并结合近年来不同的通信场景,总结了UAV集群通信的架构和路径规划的解决方案。讨论了集群通信仍面临的开放问题,对未来的研究方向进行了展望。     

基于效用最大化的无线可充电传感器网络有向充电调度方案

针对当前无线可充电传感器网络(WRSNs)一对一移动充电方式存在充电效率低、定向充电模型缺乏问题,该文提出了一种基于充电效用最大化(MUC)的一对多有向充电调度方案.方案首先筛选网络中充电增益最大的有向覆盖子集;然后根据有向覆盖子集确定充电锚点,并进而规划充电器的移动路径;最后在满足移动充电器能量和充电周期约束条件下优化移动充电器的充电时间.实验结果表明,该方案与平均能量充电(AEC)、固定能量充电(FEC)相比,充电效率分别提高了13.7%和32.7%;与最多节点覆盖(MNC)、最大平均增益覆盖(MAGC)子集筛选方案相比,充电效率分别提高了4.4%和35.9%;同时在网络饿死节点数目上与MNC, MAGC方案相比也显著降低.     

一种基于风险感知策略的多节点任务调度方法

为解决无人机(UAV)集群任务调度时面临各节点动态、不稳定的情况,该文提出一种面向多计算节点的可尽量避免任务中断且具有容错性的任务调度方法。该方法首先为基于多计算节点构建了一个以最小化任务平均完成时间为优化目标的任务分配策略;然后基于任务的完成时间和边缘计算节点的存留时间两者的概率分布,将任务计算节点上的执行风险量化成额外开销时间;最后以任务的完成时间与额外开销时间之和替换原本的完成时间,设计了风险感知的任务分配策略。在仿真环境下将该文提出的任务调度方法与3种基准调度方法进行了对比实验,实验结果表明该方法能够有效地降低任务平均响应时间、任务平均执行次数以及任务截止时间错失率。证明该文提出的方法降低了任务重调度和重新执行带来的额外开销,可实现分布式协同计算任务的调度工作,为复杂场景下的无人机集群网络提供新的技术支持。     

应急搜索UAV集群协同任务规划策略

目前应急搜索无人机(UAV)集群存在搜索效率低、覆盖完整性低、多机组网稳定性差等问题。对此,该文提出一种基于优化模糊C聚类算法(O-FCMA)结合优化混合粒子群算法(O-HPSO)的终端-路由UAV区域搜索任务规划策略。以UAV监测区域范围为基础,通过建立搜索区域的空间模型,进一步运用O-FCMA进行区域几何划分,并采用O-HPSO实现划分区域内的路径规划,以实现多UAV集群搜索总体任务的规划。仿真实验结果表明,采用O-HPSO结合O-FCMA进行无源UAV区域搜索任务较ACO或模拟退火算法结合K聚类算法或FCMA相比,在保证搜索区域全覆盖条件下,有源搜索与无源搜索过程中UAV决策时间分别降低了7%～21%和16%～31%,搜索效率分别提升了7%～13%和3%～7%。结果表明所提方法有效降低了UAV集群的决策时间,提升了搜索效率。     

RWSNs中基于效用最大化的数据收集方案研究

无线传感器网络在恶劣环境下的各种应用受到传感器电池的约束,且在数据收集方面存在多种困难。这里提出利用无线能量传输技术来补充传感器集群的能量,同时针对部署于恶劣环境下的无线可充电传感器集群提出一种高效的数据收集方案。面对恶劣环境,该方案利用无人机(UAV)到达传感器集群位置,然后采集数据并对相应集群的传感器充电。定义了数据收集效用函数,将数据收集问题描述为一种以数据收集效用最大化为目标的优化问题,并提出单边偏好匹配算法和基于双边偏好匹配的贪婪算法解决上述问题。理论分析和仿真实验表明,利用贪婪算法确定的UAV和传感器集群间的匹配关系可生成使数据收集效用最大化的最优解,且可实现传感器数据的高效收集。     

CPU和GPU混合集群的负载均衡策略

为了充分利用GPU集群(Cluster)中各节点的资源,提高GPU集群(Cluster)整体的计算效率.本文以3G网络中海量视频质量分析为研究背景,提出了一种面向CPU和GPU集群的负载均衡策略,构建了一个GPU异构集群系统.实验表明,该负载均衡策略能很好地利用GPU和CPU计算资源、提高集群计算效率.     

基于剩余负载率的动态负载均衡研究

为进一步提高集群系统服务的性能,在对静态负载均衡和动态负载均衡的优缺点分析的基础上,提出一种基于剩余负载率的动态均衡机制.该均衡机制采用剩余负载率作为负载状态的评价标准;针对服务器各节点性能的不同,提出采用BP神经网络训练节点;并设计了一种基于流表的静态分配策略和基于负载预测的动态分配策略相结合的任务分配策略来实现任务在集群系统各节点间的动态分配,从而降低了服务器各节点之问任务重新调度的次数,提高了集群系统的服务性能.实验结果表明,该均衡机制是可行的、有效的.     

基于openmv的无人机定点降落视觉识别技术研究

无人机广泛应用于军事、农业、交通运输等方面,具有巨大的应用潜力和广阔前景.受电池能量密度和能量利用效率等因素的制约,无人机机载电池没有足够的续航能力,发挥不了最大优势.为提高无人机的飞行续航能力,采用无线充电基站对无人机进行充电.为达到无线充电的最大充电效率,需要实现无人机精确降落.为了实现无人机的定点降落,提高定点飞...     

Square partition‐based node scheduling algorithm for wireless passive sensor networks

Wireless passive sensor networks play an important role in solving the energy limitation of nodes in the Internet of Things, and node scheduling is a significant method used to improve the energy utilization of nodes. In this work, an unused energy model based on analyzing the energy consumption characteristics of passive nodes is proposed because no unified model of passive sensor nodes is reported in previous studies. A rapid square partition clustering method is proposed according to the analysis of the relation between the sensing and communication radii of nodes, and the secondary grouping and node scheduling in each cluster are implemented to ensure the coverage rate of networks. Experimental results show that the state distribution of nodes in the proposed algorithm is favorable. The performance of the proposed algorithm is significantly affected by the P ratio between the working and charging powers of nodes. When the value of P is less than 100, the network coverage and connectivity rate are maintained at more than 95% and 90%, respectively, and are both higher than the existing algorithm.     

无人机激光充电跟踪瞄准精度分析

无人机激光充电相比于太阳光充电,能够提高充电能量功率及改善持续充电性能。自动跟踪瞄准精度是无人机激光充电的关键指标。结合激光充电系统的工作原理及组成部件,分析了无人机激光充电跟踪瞄准精度。通过建立无人机激光充电跟踪瞄准模型,分析了对跟踪瞄准精度产生影响的各项误差因素,以及各单项误差变化分别对方位角和天顶角瞄准综合误差的影响。在此基础上进行合理的误差分配,通过误差综合计算得出激光充电跟踪瞄准的方位角和天顶角综合误差。通过对系统瞄准精度的分析,为后续标定提供了理论参考依据。     

A new method for distributing power usage across a sensor network

We present a method for more uniformly distributing the energy burden across a wireless ground-based sensor network communicating with an overhead unmanned aerial vehicle (UAV). A subset of sensor nodes, termed a transmit cluster, receives and aggregates data gathered by the entire network, and forms a distributed antenna array, concentrating the radiated transmission into a narrow beam aimed towards the UAV. Because these duties are power-intensive, the role of transmit cluster must be shifted to different nodes as time progresses. We present an algorithm to reassign the transmit cluster, specifying the time that should elapse between reassignments and the number of hops that should be placed between successive transmit clusters in order to achieve three competing goals: first, we wish to better and more broadly spread the energy load across the sensor network while, second, minimizing the energy expended in moving the transmit cluster, all the while, third, reducing to the extent practicable the time to bring the UAV and the sensor network’s beam into alignment. Additionally, we present a method for reconfiguring the communication burden between the ground-based sensor network and the UAV. We describe and analyze two alternative strategies to bring the UAV and the sensor network’s beam into alignment, while minimizing the energy expended by the sensor network. The performance of the two strategies is compared in terms of probability of beam-UAV alignment as a function of time, and the expected time to alignment. We examine the performance tradeoff between the choice of strategy and parameters of the sensor network that affect power conservation.     

认知无人机辅助边缘通信的能效优化

针对无人机辅助边缘通信中的频谱资源紧缺与无人机能量受限问题,研究了最大化该场景下无人机认知通信的能量效率问题.首先,构建了无人机辅助边缘节点的认知通信网络模型;其次,提出了一种最大化无人机能效的算法,通过联合优化无人机的认知通信感知时间、飞行速度和通信距离阈值,显著提升了无人机认知通信过程中的能效;最后,通过仿真实验对...     

基于深度强化学习的无人机间通信链路智能决策

由于无人机组网灵活、快速、低成本的特性,空中基站被视为在未来无线通信中有前景的技术。无人机集群可以通过相互协调和合作,完成的复杂任务,具有重大的研究和实用价值,而无人机间的高效通信是当下面临的重大挑战。为了在满足无人机间通信速率的前提下,尽可能节省发射功率,本文提出基于深度强化学习的集群方案和功率控制的智能决策算法。首先,本文设计了三种无人机集群方案,以对地面用户提供无缝的无线覆盖;然后,本文提出了基于深度Q网络（Deep Q-network）算法的集群方案和功率控制决策算法,用深度神经网络输出不同条件下联合决策的无人机集群方案和发射功率,并研究了重要性采样技术,提高训练效率。仿真结果表明,本文提出的深度强化学习算法能够正确决策无人机集群方案和发射功率,与不带强化学习的深度学习（Deep Learning Without Reinforcement Learning, DL-WO-RL）算法相比,用更低的发射功率满足无人机之间的通信速率要求,并且重要性采样技术能够缩短DQN算法的收敛时间。      

基于强化学习的能量受限无人机通信感知轨迹规划方法

针对能量受限下无人机（Unmanned Aerial Vehicle,UAV）辅助通信感知中的无人机轨迹规划问题,采用激光无线充电的方式为无人机额外提供能量,同时考虑了无人机动力学和感知通信速率等约束,以对移动目标感知互信息量最大化为目标,建立了移动目标感知通信轨迹规划问题。为了求解建立的包含大量复杂约束的优化问题,将原优化问题建立为马尔可夫决策过程,把无人机运动、能量变化、目标感知、基站通信等过程建模为环境空间,无人机电机转速设计为动作空间,并采用深度强化学习方法进行训练,实现无人机的轨迹规划。由于考虑了无人机动力学,规划得到的轨迹更符合无人机运动特性,并且训练得到的最优控制序列可以直接作用于无人机电机转速,降低了无人机控制难度。在设计的实验场景下,相较于传统最优控制方法,所提方法对移动目标感知互信息量提升了约3倍。     

无线传感器网络自适应目标跟踪节点调度算法

在无线传感器网络中,设计合理的节点调度算法是提高网络感知能力、降低系统能耗的关键。在分析节点能耗模型的基础上,针对移动目标跟踪型网络应用,提出一种高能效的无线传感器网络自适应节点调度算法ANSTT。该算法根据节点对移动目标的感知能力,以及节点的相对剩余能量水平,自动调整节点工作模式。仿真实验表明,ANSTT算法在维持低感知延时、高目标感知率的同时,可有效降低系统能耗,延长网络寿命。     

基于无线紫外光隐秘通信的侦察无人机蜂群分簇算法

针对复杂战场环境下无人机(UAV)蜂群的渗透侦察任务,考虑无人机间信息传输时能量消耗的不均匀性,影响侦察任务的高效实施,该文提出一种基于无线紫外光隐秘通信的侦察UAV蜂群分簇算法。该算法结合无线紫外光散射通信的优点,通过分簇拓扑管理机制对UAV蜂群进行能耗平衡。仿真结果表明,与现有算法相比,所提算法能够有效均衡网络能量消耗,提高网络的传输效率,并且选取合适的数据包长度及节点密度可延长UAV蜂群的生存周期。