CN118555577A - 一种无人机远程遥控组网方法及系统 - Google Patents
一种无人机远程遥控组网方法及系统 Download PDFInfo
- Publication number
- CN118555577A CN118555577A CN202410987790.0A CN202410987790A CN118555577A CN 118555577 A CN118555577 A CN 118555577A CN 202410987790 A CN202410987790 A CN 202410987790A CN 118555577 A CN118555577 A CN 118555577A
- Authority
- CN
- China
- Prior art keywords
- communication
- data
- unmanned aerial
- aerial vehicle
- path
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 230000006855 networking Effects 0.000 title claims abstract description 44
- 238000004891 communication Methods 0.000 claims abstract description 164
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 95
- 230000005540 biological transmission Effects 0.000 claims abstract description 36
- 238000001228 spectrum Methods 0.000 claims abstract description 36
- 238000012545 processing Methods 0.000 claims abstract description 32
- 230000007613 environmental effect Effects 0.000 claims abstract description 27
- 238000005516 engineering process Methods 0.000 claims abstract description 18
- 238000007726 management method Methods 0.000 claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims abstract description 13
- 230000007246 mechanism Effects 0.000 claims abstract description 9
- 238000005457 optimization Methods 0.000 claims description 35
- 238000001514 detection method Methods 0.000 claims description 22
- 238000011156 evaluation Methods 0.000 claims description 22
- 238000012544 monitoring process Methods 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 19
- 238000003891 environmental analysis Methods 0.000 claims description 13
- 230000008447 perception Effects 0.000 claims description 12
- 230000002159 abnormal effect Effects 0.000 claims description 10
- 238000007781 pre-processing Methods 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 8
- 230000004927 fusion Effects 0.000 claims description 6
- 238000012790 confirmation Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 claims description 3
- 238000003708 edge detection Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000001303 quality assessment method Methods 0.000 claims description 3
- 238000010183 spectrum analysis Methods 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 230000005856 abnormality Effects 0.000 claims 2
- 230000003213 activating effect Effects 0.000 claims 1
- 230000003287 optical effect Effects 0.000 claims 1
- 238000005036 potential barrier Methods 0.000 claims 1
- 230000001360 synchronised effect Effects 0.000 claims 1
- 230000003044 adaptive effect Effects 0.000 description 8
- 238000011084 recovery Methods 0.000 description 8
- 230000002776 aggregation Effects 0.000 description 4
- 238000004220 aggregation Methods 0.000 description 4
- 101001121408 Homo sapiens L-amino-acid oxidase Proteins 0.000 description 2
- 102100026388 L-amino-acid oxidase Human genes 0.000 description 2
- 230000004913 activation Effects 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 238000010921 in-depth analysis Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 235000008694 Humulus lupulus Nutrition 0.000 description 1
- 101100012902 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) FIG2 gene Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004043 responsiveness Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
- G08C17/00—Arrangements for transmitting signals characterised by the use of a wireless electrical link
- G08C17/02—Arrangements for transmitting signals characterised by the use of a wireless electrical link using a radio link
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
- H04W12/009—Security arrangements; Authentication; Protecting privacy or anonymity specially adapted for networks, e.g. wireless sensor networks, ad-hoc networks, RFID networks or cloud networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
- H04W12/03—Protecting confidentiality, e.g. by encryption
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
- H04W12/04—Key management, e.g. using generic bootstrapping architecture [GBA]
- H04W12/041—Key generation or derivation
-
- 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
- H04W16/02—Resource partitioning among network components, e.g. reuse partitioning
- H04W16/10—Dynamic resource partitioning
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/22—Communication route or path selection, e.g. power-based or shortest path routing using selective relaying for reaching a BTS [Base Transceiver Station] or an access point
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W76/00—Connection management
- H04W76/10—Connection setup
- H04W76/19—Connection re-establishment
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Security & Cryptography (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及无人机控制和通信技术领域，具体涉及一种无人机远程遥控组网方法及系统，包括以下步骤：S1：通过控制中心对所有待组网的无人机进行初始配置；S2：收集周围环境数据，包括地理位置、气象条件和信号强度的信息；S3：动态调整通信频谱；S4：自主选择最优的中继节点，并形成网状网络；S5：对任务数据和环境信息进行分布式处理；S6：动态调整数据传输路径；S7：当发现通信链路中断或节点失效时，立即启动异常处理机制。本发明，通过整合环境感知技术、动态频谱管理算法、智能组网技术和边缘计算，显著提高了无人机网络的通信稳定性、数据处理效率和自适应能力，确保了在复杂环境下的高效协同作业。
Description
技术领域
本发明涉及无人机控制和通信技术领域，尤其涉及一种无人机远程遥控组网方法及系统。
背景技术
随着无人机技术的广泛应用于军事、民用和商业领域，其在远程操作和任务执行中的需求日益增长，尤其在复杂的环境中，无人机必须有效组网以实现任务协同、数据共享和通信支持，然而，传统的无人机组网技术面临诸多挑战，包括通信链路的稳定性、网络的可扩展性和数据处理效率等，现有系统通常依赖集中式的控制结构，这在处理大量数据或实时任务时，往往导致网络拥塞和处理延迟，限制了无人机在更广泛应用场景中的效能。
现有技术的主要问题在于其缺乏灵活性和适应性，尤其是在动态变化的环境中无法有效地调整通信频谱和网络结构，导致网络易受干扰且难以优化，此外，大多数现有方案未能充分利用边缘计算能力，未能在无人机本地进行数据预处理和分布式计算，从而过度依赖远程控制中心，增加了任务执行的复杂性和不确定性。
因此，急需一种能够实现高效组网、自主智能化控制和高度自适应的无人机远程遥控组网方法及系统，以提高无人机网络的通信质量、处理效率和系统的整体稳定性。
发明内容
基于上述目的，本发明提供了一种无人机远程遥控组网方法及系统。
一种无人机远程遥控组网方法，包括以下步骤：
S1：通过控制中心对所有待组网的无人机进行初始配置，包括无人机的唯一标识分配、通信频段设置、初始位置信息获取及通信加密密钥生成；
S2：环境感知，各无人机利用搭载的传感器网络收集周围环境数据，包括地理位置、气象条件和信号强度的信息，并通过预设的环境分析算法处理收集的数据，为后续的组网操作提供决策依据；
S3：根据环境感知结果和实时通信需求，各无人机在控制中心的指导下动态调整通信频谱，避免通信冲突和干扰；
S4：调整通信频谱后，根据预设的规则和环境信息，自主选择最优的中继节点，并形成网状网络，同时确保每个节点都能通过至少两个路径与控制中心通信；
S5：在网状网络形成后，各无人机利用预设的边缘计算技术对任务数据和环境信息进行分布式处理，减轻控制中心的计算负担；
S6：在任务执行过程中，实时监测网络的通信质量和节点状态，利用预设的自适应路径优化算法动态调整数据传输路径；
S7：当发现通信链路中断或节点失效时，立即启动预设的异常处理机制，通过重新扫描和路径优化，以快速恢复网络连接。
进一步的，所述S1具体包括：
S11：唯一标识分配，通过控制中心为每架无人机分配一个唯一的标识符，该标识符采用基于哈希算法生成的32位字符串，以确保无人机在整个网络中的唯一性；
S12：初始通信频段设置，控制中心根据当前通信环境和任务需求为每架无人机分配初始通信频段，旨在为后续的动态频谱管理奠定基础；
S13：初始位置信息获取，各无人机启动GPS模块，向控制中心发送实时位置信息，控制中心接收并记录每架无人机的初始位置；
S14：通信加密密钥生成，控制中心利用预设的密钥生成算法为每架无人机生成一对加密密钥，包括公钥和私钥，并将公钥分发给其他网络节点以进行加密通信，确保通信数据的安全。
进一步的，所述S2具体包括：
S21：传感器激活与数据采集，各无人机激活其搭载的多种传感器，包括GPS模块、气象传感器和信号强度探测器，以实时收集地理位置数据、气象条件数据和无线信号强度数据；
S22：收集到的数据经过本地初步处理，包括数据格式化和噪声滤除，以标准化数据格式供后续分析使用；
S23：使用预设的环境分析算法对预处理的数据进行深入分析，该环境分析算法结合地理位置数据用于识别潜在的障碍物和飞行区域的边界，结合气象数据用于评估飞行条件，结合信号强度数据用于评估当前通信环境的质量；
S24：基于S23中的环境分析结果，生成决策支持信息，包括建议的飞行路径调整、通信频道的切换建议以及潜在的飞行风险，并将决策支持信息传送到控制中心，为控制中心的组网决策提供科学依据。
进一步的，所述S23具体包括：
S231：地理位置数据分析，利用GPS模块获取的地理位置数据，通过障碍物识别算法进行处理，该障碍物识别算法基于数字高程模型和地理信息系统数据，使用以下公式计算潜在障碍物位置：
，其中，为坐标处的障碍物高度，为障碍物数据库中的高度信息，为权重因子，表示当前位置相对于障碍物数据库中位置的相关性，为参与计算的数据点数量的总数；
S232：飞行区域边界识别，结合GIS数据和无人机的飞行参数，使用边界检测算法确定安全飞行区域，该边界检测算法利用图像处理中的Canny边缘检测方法计算，公式为：，其中，为边缘强度，为地形图像像素值，和分别为图像在和方向的梯度；
S233：气象条件评估，结合气象传感器收集的数据，通过气象评估算法计算适航性指数，公式为：，其中，为适航性指数，为温度，为湿度，为风速，和为权重因子；
S234：通信环境质量评估，利用信号强度探测器收集的信号强度数据，使用路径损耗模型评估通信环境质量，路径损耗公式为：
，其中，为路径损耗，为参考距离处的路径损耗，为路径损耗指数，为实际传输距离，为环境噪声因子。
进一步的，所述S3具体包括：
S31：利用各无人机搭载的信号强度探测器和频谱分析模块，实时监测当前通信频段的使用情况，包括频段占用率、信号干扰强度和背景噪声水平；
S32：通过预设的频谱评估算法计算各频段的通信质量评分，评估公式为：
，其中，为频段的通信质量评分，为频段的占用率，为频段的信号干扰强度，为频段的背景噪声水平，和为权重因子；
S33：根据频谱评估算法的结果，选择通信质量评分最高的频段作为新的通信频段；
S34：在控制中心的指导下，各无人机协调一致地切换到新选择的通信频段，切换的过程中要确保通信不中断，具体方法包括同步频段切换信号的发送和接收，以及在切换前后短时间内的双频段通信模式，以保证切换的平滑过渡。
进一步的，所述S4具体包括：
S41：邻节点检测，各无人机通过广播信号检测周围的邻近节点，并收集其位置信息、信号强度和剩余电量的参数，设邻近节点的位置信息为；邻近节点的信号强度为；邻近节点的剩余电量为；
S42：利用中继节点评估算法对检测到的邻近节点进行评分，评估公式为：
，其中，为邻近节点的评分，为邻近节点的信号强度，为邻近节点的剩余电量，为当前节点与邻近节点之间的距离，和为权重因子；
S43：根据中继节点评估算法的评分结果，选择评分最高的若干个节点作为最优中继节点，确保每个节点都有多个备选的中继节点以提高通信可靠；
S44：各无人机根据选定的最优中继节点，通过网状网络构建算法形成网状网络，确保网络中每个节点至少通过两个路径与控制中心通信，构建过程包括路径规划和连接建立，其中路径规划公式为：，其中，为节点的路径集合，为连接节点与控制中心的路径，其中确保至少有两个不同的路径。
进一步的，所述S5具体包括：
S51：任务数据分配，各无人机接收到控制中心分发的任务数据包，并根据预设的任务分配算法确定各自的处理任务，任务分配算法为：，其中，为分配给无人机的任务权重，为无人机的当前负载，为无人机的计算能力，为任务的重要性权重；
S52：数据预处理，对接收到的任务数据和环境信息进行预处理，包括数据清洗、格式转换和初步统计分析；
S53：分布式计算，利用预设的边缘计算框架执行分布式计算任务，计算任务通过分布式计算模型进行处理，模型公式为：，其中，为无人机的计算结果，为参与计算的节点数，为任务权重，为节点分配给节点的计算数据量，为节点与节点之间的计算能力比值；
S54：结果汇总，将分布式计算结果汇总并发送回控制中心，汇总过程使用预设的数据融合算法，具体公式为：，其中，为最终的融合结果，为各无人机的计算结果，为结果权重因子。
进一步的，所述S6具体包括：
S61：通信质量监测，利用搭载的通信模块实时监测网络中的通信指标，包括信号强度RSSI、数据传输速率TPR和延迟Latency；
S62：节点状态监测，通过传感器和内置的监测模块，实时监测各无人机的状态参数，包括电池电量、当前位置和任务负载；
S63：根据实时监测的通信质量和节点状态，利用预设的自适应路径优化算法动态调整数据传输路径，路径优化算法公式为：
，其中，为最优路径，为候选路径集合，为候选路径的数量，,和分别为路径上第个节点的信号强度、通信延迟和任务负载，和为权重因子，表示从候选路径集合中找到使目标函数最小化的路径；
S64：路径调整，各无人机根据优化算法的结果，通过控制中心的协调，动态调整数据传输路径，确保数据传输的可靠性和实时性，具体步骤包括路径切换信号的发送和接收以及临时路径的建立和确认；
S65：路径冗余检测，通过定期检查和评估现有数据传输路径的性能，确保路径的冗余性和可靠性。
进一步的，所述S7具体包括：
S71：异常检测，各无人机实时监测自身与其他节点的通信状态，当检测到通信链路中断或节点失效时，立即向控制中心报告异常情况，异常检测的指标包括信号强度突然下降至预设阈值以下，或连续多次数据传输失败；
S72：重新扫描，控制中心指示发生异常的无人机及其邻近节点启动重新扫描程序，以检测周围能用的节点和通信链路；
S73：路径重构，利用重新扫描获得的数据，通过路径重构算法选择新的通信路径；
S74：临时路径建立，在控制中心的协调下，快速建立新的临时通信路径；
S75：路径优化，使用S63中路径优化算法对临时路径进行优化；
S76：恢复确认，控制中心确认网络恢复，并将恢复状态通知所有相关节点，确保网络的正常运行。
一种无人机远程遥控组网系统，用于实现上述的一种无人机远程遥控组网方法，包括以下模块：
控制中心模块：用于对所有待组网的无人机进行初始配置、通信管理和任务指挥；
环境感知模块：用于通过各无人机搭载的传感器网络，收集周围环境数据，包括地理位置、气象条件和信号强度的信息，并通过预设的环境分析算法处理收集的数据；
动态频谱管理模块：结合环境感知模块的数据，各无人机在控制中心模块的指导下动态调整通信频谱，避免通信冲突和干扰；
智能组网模块：在动态频谱管理后，各无人机启动预设的智能组网算法，根据预设的规则和环境信息自主选择最优的中继节点，并形成网状网络，确保每个节点都能通过至少两个路径与控制中心模块通信；
边缘计算模块：在网状网络形成后，利用预设的边缘计算技术对任务数据和环境信息进行分布式处理，减轻控制中心模块的计算负担；
通信质量监测模块：在任务执行过程中，各无人机实时监测网络的通信质量和节点状态，并利用预设的自适应路径优化算法动态调整数据传输路径；
异常处理模块：当发现通信链路中断或节点失效时，立即启动预设的异常处理机制，通过重新扫描和路径优化，以快速恢复网络连接。
本发明的有益效果：
本发明，通过整合先进的环境感知技术、动态频谱管理算法、智能组网算法以及边缘计算技术，显著提升了无人机网络的性能和稳定性，首先，环境感知技术允许无人机实时收集和分析周边环境数据，如地理位置、气象条件和信号强度等，这些信息是通过动态频谱管理算法来优化通信频道的选择，有效减少通信干扰和提高数据传输的稳定性，智能组网算法进一步使无人机能够根据实际环境自主选择最优中继节点，并构建高效的网状网络，确保了每个节点都能通过至少两个路径与控制中心通信，从而增强了网络的鲁棒性。
本发明，通过在无人机上实施边缘计算技术，使得数据处理可以在无人机本地进行，大大减轻了控制中心的计算压力，提高了处理速度，增强了系统的响应能力和实时性，当网络出现通信链路中断或节点失效时，预设的异常处理机制可以快速地通过重新扫描和路径优化恢复网络连接，确保了任务的连续性和网络的高可用性，适应了复杂多变的操作环境，极大地提高了无人机协同作业的能力和效率。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例的无人机远程遥控组网方法示意图；
图2为本发明实施例的无人机远程遥控组网系统示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，对本发明进一步详细说明。
需要说明的是，除非另外定义，本发明使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本发明中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
如图1所示，一种无人机远程遥控组网方法，包括以下步骤：
S1：通过控制中心对所有待组网的无人机进行初始配置，包括无人机的唯一标识分配、通信频段设置、初始位置信息获取及通信加密密钥生成；
S2：环境感知，各无人机利用搭载的传感器网络收集周围环境数据，包括地理位置、气象条件和信号强度的信息，并通过预设的环境分析算法处理收集的数据，为后续的组网操作提供决策依据；
S3：根据环境感知结果和实时通信需求，各无人机在控制中心的指导下动态调整通信频谱，避免通信冲突和干扰，确保通信链路的稳定性；
S4：调整通信频谱后，根据预设的规则和环境信息，自主选择最优的中继节点，并形成网状网络，同时确保每个节点都能通过至少两个路径与控制中心通信；
S5：在网状网络形成后，各无人机利用预设的边缘计算技术对任务数据和环境信息进行分布式处理，减轻控制中心的计算负担，提高数据处理效率；
S6：在任务执行过程中，实时监测网络的通信质量和节点状态，利用预设的自适应路径优化算法动态调整数据传输路径，确保数据传输的可靠性和实时性；
S7：当发现通信链路中断或节点失效时，立即启动预设的异常处理机制，通过重新扫描和路径优化，以快速恢复网络连接，确保任务的连续性和稳定性。
S1具体包括：
S11：唯一标识分配，通过控制中心为每架无人机分配一个唯一的标识符（ID），该标识符采用基于哈希算法生成的32位字符串，以确保无人机在整个网络中的唯一性；
S12：初始通信频段设置，控制中心根据当前通信环境和任务需求为每架无人机分配初始通信频段，该初始频段由频谱扫描技术和预设的静态频谱分配算法确定，旨在为后续的动态频谱管理奠定基础；
S13：初始位置信息获取，各无人机启动GPS模块，向控制中心发送实时位置信息，控制中心接收并记录每架无人机的初始位置，以便后续的组网操作中进行路径规划和网络拓扑构建；
S14：通信加密密钥生成，控制中心利用预设的密钥生成算法为每架无人机生成一对加密密钥，包括公钥和私钥，并将公钥分发给其他网络节点以进行加密通信，确保通信数据的安全；通过上述步骤，控制中心能够高效地完成无人机的初始配置，包括唯一标识分配、初始通信频段设置、初始位置信息获取及通信加密密钥生成，这些措施确保了无人机在组网过程中的身份唯一性、通信频段的初期优化、位置信息的准确获取以及通信数据的安全传输，为后续的动态频谱调整提供了坚实基础，提高了整个组网过程的效率和可靠性。
S2具体包括：
S21：传感器激活与数据采集，各无人机激活其搭载的多种传感器，包括GPS模块、气象传感器（用于测量温度、湿度、风速等）和信号强度探测器，以实时收集地理位置数据、气象条件数据和无线信号强度数据；
S22：收集到的数据经过本地初步处理，包括数据格式化和噪声滤除，以标准化数据格式供后续分析使用；
S23：使用预设的环境分析算法对预处理的数据进行深入分析，该环境分析算法结合地理位置数据用于识别潜在的障碍物和飞行区域的边界，结合气象数据用于评估飞行条件，结合信号强度数据用于评估当前通信环境的质量；
S24：基于S23中的环境分析结果，生成决策支持信息，包括建议的飞行路径调整、通信频道的切换建议以及潜在的飞行风险，并将决策支持信息传送到控制中心，为控制中心的组网决策提供科学依据；上述步骤通过综合分析地理、气象及信号数据，无人机可以更精确地进行自我定位并适应环境变化，提高飞行安全性和通信效率，同时，通过这种方法实现的数据处理和分析为无人机组网操作提供了更为准确的决策支持，从而优化网络布局和增强整个无人机网络的稳定性和效率。
S23具体包括：
S231：地理位置数据分析，利用GPS模块获取的地理位置数据，通过障碍物识别算法进行处理，该障碍物识别算法基于数字高程模型（DEM）和地理信息系统（GIS）数据，使用以下公式计算潜在障碍物位置：
，其中，为坐标处的障碍物高度，为障碍物数据库中的高度信息，为权重因子，表示当前位置相对于障碍物数据库中位置的相关性，为参与计算的数据点数量的总数；
S232：飞行区域边界识别，结合GIS数据和无人机的飞行参数，使用边界检测算法确定安全飞行区域，该边界检测算法利用图像处理中的Canny边缘检测方法计算，公式为：，其中，为边缘强度，为地形图像像素值，和分别为图像在和方向的梯度；
S233：气象条件评估，结合气象传感器收集的数据（温度、湿度、风速），通过气象评估算法计算适航性指数，公式为：，其中，为适航性指数，为温度，为湿度，为风速，和为权重因子，根据飞行器类型和任务需求设定；
S234：通信环境质量评估，利用信号强度探测器收集的信号强度数据，使用路径损耗模型评估通信环境质量，路径损耗公式为：
，其中，为路径损耗，为参考距离处的路径损耗，为路径损耗指数，为实际传输距离，为环境噪声因子；通过上述详细的环境分析算法，各无人机能够精确识别地理位置数据中的潜在障碍物和飞行区域边界，结合气象数据评估飞行条件，并利用信号强度数据评估当前通信环境的质量，这些步骤确保了无人机在飞行过程中的安全性和通信可靠性，为后续的组网操作提供了科学且精准的决策支持，从而优化了网络布局。
S3具体包括：
S31：利用各无人机搭载的信号强度探测器和频谱分析模块，实时监测当前通信频段的使用情况，包括频段占用率、信号干扰强度和背景噪声水平；
S32：通过预设的频谱评估算法计算各频段的通信质量评分，评估公式为：
，其中，为频段的通信质量评分，为频段的占用率，为频段的信号干扰强度，为频段的背景噪声水平，和为权重因子，根据实际需求预设；
S33：根据频谱评估算法的结果，选择通信质量评分最高的频段作为新的通信频段；具体选择公式为：，其中，为新选择的通信频段，表示使函数最大化的频段；
S34：在控制中心的指导下，各无人机协调一致地切换到新选择的通信频段，切换的过程中要确保通信不中断，具体方法包括同步频段切换信号的发送和接收，以及在切换前后短时间内的双频段通信模式，以保证切换的平滑过渡；通过上述步骤，各无人机能够根据环境感知结果和实时通信需求，在控制中心的指导下动态调整通信频谱，有效避免通信冲突和干扰，确保通信链路的稳定性，频谱使用情况监测和频谱评估算法为频段选择提供了科学依据，频段切换过程的协调和同步确保了通信不中断，从而提升了无人机网络的通信质量和可靠性。
S4具体包括：
S41：邻节点检测，各无人机通过广播信号检测周围的邻近节点，并收集其位置信息、信号强度和剩余电量的参数，设邻近节点的位置信息为；邻近节点的信号强度为；邻近节点的剩余电量为；
S42：利用中继节点评估算法对检测到的邻近节点进行评分，评估公式为：
，其中，为邻近节点的评分，为邻近节点的信号强度，为邻近节点的剩余电量，为当前节点与邻近节点之间的距离，和为权重因子，根据实际需求预设；
S43：根据中继节点评估算法的评分结果，选择评分最高的若干个节点作为最优中继节点，确保每个节点都有多个备选的中继节点以提高通信可靠；
S44：各无人机根据选定的最优中继节点，通过网状网络构建算法形成网状网络，确保网络中每个节点至少通过两个路径与控制中心通信，构建过程包括路径规划和连接建立，其中路径规划公式为：，其中，为节点的路径集合，为连接节点与控制中心的路径，其中确保至少有两个不同的路径；通过上述步骤，各无人机能够在调整通信频谱后，启动预设的智能组网算法，根据预设的规则和环境信息自主选择最优的中继节点，并形成网状网络，邻节点检测和中继节点评估算法为最优节点选择提供了科学依据，网状网络构建算法确保了每个节点至少通过两个路径与控制中心通信，从而提升了网络的稳定性和可靠性，确保了多路径通信的冗余性和可靠性，提高了无人机组网的效率和鲁棒性。
S5具体包括：
S51：任务数据分配，各无人机接收到控制中心分发的任务数据包，并根据预设的任务分配算法确定各自的处理任务，任务分配算法为：，其中，为分配给无人机的任务权重，为无人机的当前负载，为无人机的计算能力，为任务的重要性权重；
S52：数据预处理，对接收到的任务数据和环境信息进行预处理，包括数据清洗、格式转换和初步统计分析，以便后续的深度处理，数据预处理步骤的公式为：，其中，为清洗后的数据，为原始数据，为预处理函数；
S53：分布式计算，利用预设的边缘计算框架（例如，基于EdgeX Foundry或类似的开源框架）执行分布式计算任务，计算任务通过分布式计算模型进行处理，模型公式为：，其中，为无人机的计算结果，为参与计算的节点数，为任务权重，为节点分配给节点的计算数据量，为节点与节点之间的计算能力比值；
S54：结果汇总，将分布式计算结果汇总并发送回控制中心，汇总过程使用预设的数据融合算法，具体公式为：，其中，为最终的融合结果，为各无人机的计算结果，为结果权重因子；通过上述步骤，各无人机在网状网络形成后，利用预设的边缘计算技术对任务数据和环境信息进行分布式处理，任务数据分配和数据预处理步骤确保了数据的规范化和分布式处理的高效性，分布式计算框架提供了强大的计算能力，此方法有效减轻了控制中心的计算负担，提高了整个无人机网络的处理效率和响应速度。
S6具体包括：
S61：通信质量监测，利用搭载的通信模块实时监测网络中的通信指标，包括信号强度RSSI、数据传输速率TPR和延迟Latency；
S62：节点状态监测，通过传感器和内置的监测模块，实时监测各无人机的状态参数，包括电池电量、当前位置和任务负载；
S63：根据实时监测的通信质量和节点状态，利用预设的自适应路径优化算法动态调整数据传输路径，路径优化算法公式为：
，其中，为最优路径，为候选路径集合，为候选路径的数量，,和分别为路径上第个节点的信号强度、通信延迟和任务负载，和为权重因子，根据实际需求预设，表示从候选路径集合中找到使目标函数最小化的路径，在这里，目标函数是每个路径的加权和，其中包括接收信号强度的倒数、通信延迟和任务负载的加权值，通过最小化这个目标函数，可以选择出最优的路径，即数据传输最可靠和高效的路径；
S64：路径调整，各无人机根据优化算法的结果，通过控制中心的协调，动态调整数据传输路径，确保数据传输的可靠性和实时性，具体步骤包括路径切换信号的发送和接收以及临时路径的建立和确认；
S65：路径冗余检测，通过定期检查和评估现有数据传输路径的性能，确保路径的冗余性和可靠性，必要时，根据最新的监测数据和优化结果，进一步调整和优化数据传输路径；通过上述步骤，在任务执行过程中，各无人机能够实时监测网络的通信质量和节点状态，并利用预设的自适应路径优化算法动态调整数据传输路径，通信质量监测和节点状态监测确保了数据的及时性和准确性，自适应路径优化算法提供了科学的路径选择依据，路径调整和冗余检测步骤保证了数据传输的可靠性和稳定性，从而提升了无人机网络的整体性能和任务执行效率。
S7具体包括：
S71：异常检测，各无人机实时监测自身与其他节点的通信状态，当检测到通信链路中断或节点失效时，立即向控制中心报告异常情况，异常检测的指标包括信号强度突然下降至预设阈值以下，或连续多次数据传输失败；
S72：重新扫描，控制中心指示发生异常的无人机及其邻近节点启动重新扫描程序，以检测周围能用的节点和通信链路；重新扫描包括以下步骤：
激活无人机的扫描模式，广播探测信号；
接收周围节点的回应信号，记录其位置信息、信号强度和可用通信频段；
S73：路径重构，利用重新扫描获得的数据，通过路径重构算法选择新的通信路径；路径重构算法考虑的因素包括信号强度和通信质量、节点的剩余电量和负载、新路径的距离和跳数；
S74：临时路径建立，在控制中心的协调下，快速建立新的临时通信路径，临时路径建立步骤包括：
向选定的中继节点发送路径建立请求；
中继节点确认路径请求并建立新的通信链路；
确认新的路径是否稳定并开始数据传输；
S75：路径优化，使用S63中路径优化算法对临时路径进行优化，确保长期稳定性和高效性，路径优化包括定期评估新路径的性能，并根据需要进行调整；
S76：恢复确认，控制中心确认网络恢复，并将恢复状态通知所有相关节点，确保网络的正常运行；通过上述步骤，当发现通信链路中断或节点失效时，各无人机能够立即启动预设的异常处理机制，通过重新扫描和路径优化，快速恢复网络连接，异常检测和重新扫描步骤确保了问题的快速识别和环境的重新评估，路径重构和临时路径建立步骤确保了网络的快速恢复，路径优化和恢复确认步骤保证了网络的长期稳定性和高效性，从而提升了无人机网络的整体可靠性和任务执行的连续性。
如图2所示，一种无人机远程遥控组网系统，用于实现上述的一种无人机远程遥控组网方法，包括以下模块：
控制中心模块：用于对所有待组网的无人机进行初始配置、通信管理和任务指挥；
环境感知模块：用于通过各无人机搭载的传感器网络，收集周围环境数据，包括地理位置、气象条件和信号强度的信息，并通过预设的环境分析算法处理收集的数据；
动态频谱管理模块：结合环境感知模块的数据，各无人机在控制中心模块的指导下动态调整通信频谱，避免通信冲突和干扰；
智能组网模块：在动态频谱管理后，各无人机启动预设的智能组网算法，根据预设的规则和环境信息自主选择最优的中继节点，并形成网状网络，确保每个节点都能通过至少两个路径与控制中心模块通信；
边缘计算模块：在网状网络形成后，利用预设的边缘计算技术对任务数据和环境信息进行分布式处理，减轻控制中心模块的计算负担；
通信质量监测模块：在任务执行过程中，各无人机实时监测网络的通信质量和节点状态，并利用预设的自适应路径优化算法动态调整数据传输路径；
异常处理模块：当发现通信链路中断或节点失效时，立即启动预设的异常处理机制，通过重新扫描和路径优化，以快速恢复网络连接。
所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本发明的范围被限于这些例子；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本发明的不同方面的许多其它变化，为了简明它们没有在细节中提供。
本发明旨在涵盖落入权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本发明的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种无人机远程遥控组网方法，其特征在于，包括以下步骤：
S1：通过控制中心对所有待组网的无人机进行初始配置，包括无人机的唯一标识分配、通信频段设置、初始位置信息获取及通信加密密钥生成；
S2：环境感知，各无人机利用搭载的传感器网络收集周围环境数据，包括地理位置、气象条件和信号强度的信息，并通过预设的环境分析算法处理收集的数据，为后续的组网操作提供决策依据；
S3：根据环境感知结果和实时通信需求，各无人机在控制中心的指导下动态调整通信频谱，避免通信冲突和干扰；
S4：调整通信频谱后，根据预设的规则和环境信息，自主选择最优的中继节点，并形成网状网络，同时确保每个节点都能通过至少两个路径与控制中心通信；
S5：在网状网络形成后，各无人机利用预设的边缘计算技术对任务数据和环境信息进行分布式处理；
S6：在任务执行过程中，实时监测网络的通信质量和节点状态，利用预设的自适应路径优化算法动态调整数据传输路径；
S7：当发现通信链路中断或节点失效时，立即启动预设的异常处理机制，通过重新扫描和路径优化，以恢复网络连接。
2.根据权利要求1所述的一种无人机远程遥控组网方法，其特征在于，所述S1具体包括：
S11：唯一标识分配，通过控制中心为每架无人机分配一个唯一的标识符，该标识符采用基于哈希算法生成的32位字符串，以确保无人机在整个网络中的唯一性；
S12：初始通信频段设置，控制中心根据当前通信环境和任务需求为每架无人机分配初始通信频段，旨在为后续的动态频谱管理奠定基础；
S13：初始位置信息获取，各无人机启动GPS模块，向控制中心发送实时位置信息，控制中心接收并记录每架无人机的初始位置；
S14：通信加密密钥生成，控制中心利用预设的密钥生成算法为每架无人机生成一对加密密钥，包括公钥和私钥，并将公钥分发给其他网络节点以进行加密通信。
3.根据权利要求1所述的一种无人机远程遥控组网方法，其特征在于，所述S2具体包括：
S21：传感器激活与数据采集，各无人机激活其搭载的多种传感器，包括GPS模块、气象传感器和信号强度探测器，以实时收集地理位置数据、气象条件数据和无线信号强度数据；
S22：收集到的数据经过本地初步处理，包括数据格式化和噪声滤除，以标准化数据格式供后续分析使用；
S23：使用预设的环境分析算法对预处理的数据进行深入分析，该环境分析算法结合地理位置数据用于识别潜在的障碍物和飞行区域的边界，结合气象数据用于评估飞行条件，结合信号强度数据用于评估当前通信环境的质量；
S24：基于S23中的环境分析结果，生成决策支持信息，包括建议的飞行路径调整、通信频道的切换建议以及潜在的飞行风险，并将决策支持信息传送到控制中心。
4.根据权利要求3所述的一种无人机远程遥控组网方法，其特征在于，所述S23具体包括：
S231：地理位置数据分析，利用GPS模块获取的地理位置数据，通过障碍物识别算法进行处理，该障碍物识别算法基于数字高程模型和地理信息系统数据，使用以下公式计算潜在障碍物位置：
，其中，为坐标处的障碍物高度，为障碍物数据库中的高度信息，为权重因子，表示当前位置相对于障碍物数据库中位置的相关性，为参与计算的数据点数量的总数；
S232：飞行区域边界识别，结合GIS数据和无人机的飞行参数，使用边界检测算法确定安全飞行区域，该边界检测算法利用图像处理中的Canny边缘检测方法计算，公式为：，其中，为边缘强度，为地形图像像素值，和分别为图像在和方向的梯度；
S233：气象条件评估，结合气象传感器收集的数据，通过气象评估算法计算适航性指数，公式为：，其中，为适航性指数，为温度，为湿度，为风速，和为权重因子；
S234：通信环境质量评估，利用信号强度探测器收集的信号强度数据，使用路径损耗模型评估通信环境质量，路径损耗公式为：
，其中，为路径损耗，为参考距离处的路径损耗，为路径损耗指数，为实际传输距离，为环境噪声因子。
5.根据权利要求1所述的一种无人机远程遥控组网方法，其特征在于，所述S3具体包括：
S31：利用各无人机搭载的信号强度探测器和频谱分析模块，实时监测当前通信频段的使用情况，包括频段占用率、信号干扰强度和背景噪声水平；
S32：通过预设的频谱评估算法计算各频段的通信质量评分，评估公式为：
，其中，为频段的通信质量评分，为频段的占用率，为频段的信号干扰强度，为频段的背景噪声水平，和为权重因子；
S33：根据频谱评估算法的结果，选择通信质量评分最高的频段作为新的通信频段；
S34：在控制中心的指导下，各无人机协调一致地切换到新选择的通信频段，切换的过程中要确保通信不中断，具体方法包括同步频段切换信号的发送和接收，以及在切换前后短时间内的双频段通信模式。
6.根据权利要求1所述的一种无人机远程遥控组网方法，其特征在于，所述S4具体包括：
S41：邻节点检测，各无人机通过广播信号检测周围的邻近节点，并收集其位置信息、信号强度和剩余电量的参数，设邻近节点的位置信息为；邻近节点的信号强度为；邻近节点的剩余电量为；
S42：利用中继节点评估算法对检测到的邻近节点进行评分，评估公式为：
，其中，为邻近节点的评分，为邻近节点的信号强度，为邻近节点的剩余电量，为当前节点与邻近节点之间的距离，和为权重因子；
S43：根据中继节点评估算法的评分结果，选择评分最高的若干个节点作为最优中继节点，确保每个节点都有多个备选的中继节点；
S44：各无人机根据选定的最优中继节点，通过网状网络构建算法形成网状网络，确保网络中每个节点至少通过两个路径与控制中心通信，构建过程包括路径规划和连接建立，其中路径规划公式为：，其中，为节点的路径集合，为连接节点与控制中心的路径，其中确保至少有两个不同的路径。
7.根据权利要求1所述的一种无人机远程遥控组网方法，其特征在于，所述S5具体包括：
S51：任务数据分配，各无人机接收到控制中心分发的任务数据包，并根据预设的任务分配算法确定各自的处理任务，任务分配算法为：，其中，为分配给无人机的任务权重，为无人机的当前负载，为无人机的计算能力，为任务的重要性权重；
S52：数据预处理，对接收到的任务数据和环境信息进行预处理，包括数据清洗、格式转换和初步统计分析；
S53：分布式计算，利用预设的边缘计算框架执行分布式计算任务，计算任务通过分布式计算模型进行处理，模型公式为：，其中，为无人机的计算结果，为参与计算的节点数，为任务权重，为节点分配给节点的计算数据量，为节点与节点之间的计算能力比值；
S54：结果汇总，将分布式计算结果汇总并发送回控制中心，汇总过程使用预设的数据融合算法，具体公式为：，其中，为最终的融合结果，为各无人机的计算结果，为结果权重因子。
8.根据权利要求1所述的一种无人机远程遥控组网方法，其特征在于，所述S6具体包括：
S61：通信质量监测，利用搭载的通信模块实时监测网络中的通信指标，包括信号强度RSSI、数据传输速率TPR和延迟Latency；
S62：节点状态监测，通过传感器和内置的监测模块，实时监测各无人机的状态参数，包括电池电量、当前位置和任务负载；
S63：根据实时监测的通信质量和节点状态，利用预设的自适应路径优化算法动态调整数据传输路径，路径优化算法公式为：
，其中，为最优路径，为候选路径集合，为候选路径的数量，,和分别为路径上第个节点的信号强度、通信延迟和任务负载，和为权重因子，表示从候选路径集合中找到使目标函数最小化的路径；
S64：路径调整，各无人机根据优化算法的结果，通过控制中心的协调，动态调整数据传输路径，确保数据传输的可靠性和实时性，具体步骤包括路径切换信号的发送和接收以及临时路径的建立和确认；
S65：路径冗余检测，通过定期检查和评估现有数据传输路径的性能。
9.根据权利要求8所述的一种无人机远程遥控组网方法，其特征在于，所述S7具体包括：
S71：异常检测，各无人机实时监测自身与其他节点的通信状态，当检测到通信链路中断或节点失效时，立即向控制中心报告异常情况，异常检测的指标包括信号强度突然下降至预设阈值以下，或连续多次数据传输失败；
S72：重新扫描，控制中心指示发生异常的无人机及其邻近节点启动重新扫描程序，以检测周围能用的节点和通信链路；
S73：路径重构，利用重新扫描获得的数据，通过路径重构算法选择新的通信路径；
S74：临时路径建立，在控制中心的协调下，快速建立新的临时通信路径；
S75：路径优化，使用S63中路径优化算法对临时路径进行优化；
S76：恢复确认，控制中心确认网络恢复，并将恢复状态通知所有相关节点，确保网络的正常运行。
10.一种无人机远程遥控组网系统，用于实现如权利要求1-9任一项所述的一种无人机远程遥控组网方法，其特征在于，包括以下模块：
控制中心模块：用于对所有待组网的无人机进行初始配置、通信管理和任务指挥；
环境感知模块：用于通过各无人机搭载的传感器网络，收集周围环境数据，包括地理位置、气象条件和信号强度的信息，并通过预设的环境分析算法处理收集的数据；
动态频谱管理模块：结合环境感知模块的数据，各无人机在控制中心模块的指导下动态调整通信频谱，避免通信冲突和干扰；
智能组网模块：在动态频谱管理后，各无人机启动预设的智能组网算法，根据预设的规则和环境信息自主选择最优的中继节点，并形成网状网络，确保每个节点都能通过至少两个路径与控制中心模块通信；
边缘计算模块：在网状网络形成后，利用预设的边缘计算技术对任务数据和环境信息进行分布式处理，减轻控制中心模块的计算负担；
通信质量监测模块：在任务执行过程中，各无人机实时监测网络的通信质量和节点状态，并利用预设的自适应路径优化算法动态调整数据传输路径；
异常处理模块：当发现通信链路中断或节点失效时，立即启动预设的异常处理机制，通过重新扫描和路径优化，以恢复网络连接。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410987790.0A CN118555577B (zh) | 2024-07-23 | 2024-07-23 | 一种无人机远程遥控组网方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410987790.0A CN118555577B (zh) | 2024-07-23 | 2024-07-23 | 一种无人机远程遥控组网方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN118555577A true CN118555577A (zh) | 2024-08-27 |
| CN118555577B CN118555577B (zh) | 2024-10-15 |
Family
ID=92444469
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410987790.0A Active CN118555577B (zh) | 2024-07-23 | 2024-07-23 | 一种无人机远程遥控组网方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118555577B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118921107A (zh) * | 2024-10-11 | 2024-11-08 | 深圳位置网科技有限公司 | 用于无人区或灾区通信恢复的无人机网络系统及方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170295609A1 (en) * | 2016-04-06 | 2017-10-12 | Cisco Technology, Inc. | Dynamic network connectivity using unmanned aerial vehicles |
| US20220124560A1 (en) * | 2021-12-25 | 2022-04-21 | Shu-Ping Yeh | Resilient radio resource provisioning for network slicing |
| US20230072997A1 (en) * | 2021-09-08 | 2023-03-09 | Tianjin Port Second Container Terminal Co., Ltd. | Intelligent horizontal transportation system and method for automatic side-loading/unloading container tarminal |
| CN117749300A (zh) * | 2023-12-18 | 2024-03-22 | 江西欧易科技有限公司 | 一种采用无线通信模块的滚塑机远程操作装置及方法 |
| CN117809205A (zh) * | 2023-12-11 | 2024-04-02 | 杭州中汇通航航空科技有限公司 | 一种无人机机载ai识别及多网融合通信、控制装置 |
-
2024
- 2024-07-23 CN CN202410987790.0A patent/CN118555577B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170295609A1 (en) * | 2016-04-06 | 2017-10-12 | Cisco Technology, Inc. | Dynamic network connectivity using unmanned aerial vehicles |
| US20230072997A1 (en) * | 2021-09-08 | 2023-03-09 | Tianjin Port Second Container Terminal Co., Ltd. | Intelligent horizontal transportation system and method for automatic side-loading/unloading container tarminal |
| US20220124560A1 (en) * | 2021-12-25 | 2022-04-21 | Shu-Ping Yeh | Resilient radio resource provisioning for network slicing |
| CN117809205A (zh) * | 2023-12-11 | 2024-04-02 | 杭州中汇通航航空科技有限公司 | 一种无人机机载ai识别及多网融合通信、控制装置 |
| CN117749300A (zh) * | 2023-12-18 | 2024-03-22 | 江西欧易科技有限公司 | 一种采用无线通信模块的滚塑机远程操作装置及方法 |
Non-Patent Citations (4)
| Title |
|---|
| JINGGAO BAI: ""Relay-dependent_Path_Replanning_for_Disconnected_Drones_Using_Self-organized_Communication_Network"", 《2023 THE 7TH INTERNATIONAL CONFERENCE ON AUTOMATION, CONTROL AND ROBOTS》, 15 November 2023 (2023-11-15) * |
| 吴超宇: "" 无人机集群遥感观测浅析"", 《数字技术与应用》, 25 April 2019 (2019-04-25) * |
| 王海涛;宋丽华;: "具有频谱感知能力的无线传感器网络体系结构及关键技术研究", 集成技术, no. 03, 15 May 2013 (2013-05-15) * |
| 王辛果;张信明;陈国良;: "时延受限且能量高效的无线传感网络跨层路由", 软件学报, no. 07, 15 July 2011 (2011-07-15) * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118921107A (zh) * | 2024-10-11 | 2024-11-08 | 深圳位置网科技有限公司 | 用于无人区或灾区通信恢复的无人机网络系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN118555577B (zh) | 2024-10-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109922162B (zh) | 一种基于区块链的扁平化建筑设备物联网监控系统及方法 | |
| Polese et al. | Machine learning at the edge: A data-driven architecture with applications to 5G cellular networks | |
| Miranda et al. | A survey on rapidly deployable solutions for post-disaster networks | |
| CN107231250B (zh) | 一种基于电网信息物理系统感知数据压缩采样方法及装置 | |
| CN118555577A (zh) | 一种无人机远程遥控组网方法及系统 | |
| US11968696B2 (en) | Resource handling for NR V2X based on split of CU-DU | |
| CN114710437B (zh) | 一种结合区块链的物联网边缘网络路由系统 | |
| KR102300124B1 (ko) | 코어 vms와 엣지 vms를 구비한 모바일 엣지 컴퓨팅 기반의 영상 관제 시스템 | |
| CN107919918A (zh) | 一种移动节点辅助水下物联网数据可靠采集方法 | |
| CN114374969A (zh) | 一种电力物联网环境下的信任评估方法 | |
| CN117692386A (zh) | 自适应灾害现场通信与跨平台数据融合方法及系统 | |
| KR102423415B1 (ko) | 관제 로봇의 네트워크 관리 시스템 및 방법 | |
| CN109005519A (zh) | 电机设备故障智能监测系统 | |
| Pauu et al. | IRS-Aided Federated Learning with Dynamic Differential Privacy for UAVs in Emergency Response | |
| Pirmagomedov et al. | Facilitating mmWave mesh reliability in PPDR scenarios utilizing artificial intelligence | |
| CN117676530A (zh) | 一种基于智能集群的多无人机搜索救援通信方法、系统 | |
| CN118101690A (zh) | 数据处理系统及数据处理方法、存储介质、电子设备 | |
| CN111031503A (zh) | 一种物联网信息的融合控制方法及其操作系统 | |
| Kundu et al. | TCSFANET: trusted communication scheme for fanet system | |
| Basir et al. | Performance analysis of UAV‐enabled disaster recovery networks | |
| CN109996218B (zh) | 提升车联网无线传输安全性能的资源分配方法 | |
| Tang et al. | Semi-Distributed Network Fault Diagnosis Based on Digital Twin Network in Highly Dynamic Heterogeneous Networks | |
| Chandran et al. | Comparative Analysis of Stand-alone and Hybrid Multi-UAV Network Architectures for Disaster Response Missions | |
| Lyu | Advanced Surveillance Capabilities of UAVs Using Machine Learning Based Collaborative Approaches | |
| CN119211960A (zh) | 一种长距离认知无线网络自组织方法、系统及装置 |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20250107 Address after: 518000 South Partition B, 2nd Floor, Building 9, Dongwu Industrial Zone, Longhua Office, Longhua New District, Shenzhen, Guangdong Province, China Patentee after: Shenzhen Boxin Instrument Co.,Ltd. Country or region after: China Address before: 522 R&D Building, No. 3 Sany Yundu, No. 6 Lanqing Second Road, Luhu Community, Guanhu Street, Longhua District, Shenzhen City, Guangdong Province, 518110 Patentee before: GUANGDONG RONGQE INTELLIGENT TECHNOLOGY Co.,Ltd. Country or region before: China |