[发明专利]一种基于无人机的移动数据采集方法、装置和终端

权利要求书

1.一种基于无人机的移动数据采集方法，其特征在于，包括以下步骤：

步骤1，建立无线传感器网络的至少一个备选充电节点集合，每个备选充电节点集合包括至少一个待充电的无线传感器节点；

步骤2，构建每个备选充电节点集合分别对应的初始网络拓扑，并根据预期寿命均衡原则选择多跳中继方式和/或直接通信方式对当前网络拓扑进行更新，生成每个备选充电节点集合分别对应的目标网络拓扑，并计算所述目标网络拓扑的预期能耗；

步骤3，基于每个备选充电节点集合的预期能耗建立协同收益函数，构建线性规划问题并求解所述线性规划问题生成每个备选充电节点集合对应的协同收益以及充电时长分配方案；

步骤4，选择协同收益最大的备选充电节点集合作为目标充电节点集合，并根据所述目标充电节点集合对应的目标网络拓扑以及充电时长分配方案控制无人机运动以对所述无线传感器网络进行可充电式移动数据采集；

其中，步骤1中根据无线传感器网络中每个无线传感器节点的当前剩余能量以及无人机的性能参数建立至少一个备选充电节点集合为：

其中，CNS包含了所有备选充电节点集合；RP为根据当前剩余能量由低到高的顺序对所有节点排列的序列，RP(1:m)代表集合RP记录的前m个无线传感器节点，为无人机从储能站ESS出发，遍历备选充电节点集合CN_m中所有无线传感器节点，完成任务并返回所需要的最小移动时间；t^o为无人机在每个悬停位置的最小悬停时间；T为无人机每周期的最大工作时长；N为所述无线传感器网络的节点数量；

步骤2中构建每个备选充电节点集合分别对应的初始网络拓扑如下：

其中CN为备选充电节点集合，包括至少一个待充电的无线传感器节点；NT_CN(v_i)为面向备选充电节点集合CN的初始网络拓扑中节点v_i的下一跳；H_i为CN中距离节点v_i最近的节点上方所对应的悬停位置，即无人机面向备选充电节点集合CN距离节点v_i最近的悬停位置，即为到达悬停点H_i并保持悬停的无人机，所有节点初始默认直接同无人机通信；

所述根据预期寿命均衡原则选择多跳中继方式和/或直接通信方式对当前网络拓扑进行更新，具体包括：

S201，选择任一无线传感器节点为源节点，并对所述源节点构建每个备选充电节点集合分别对应的可用前向邻居集合；

S202，判断所述可用前向邻居集合是否为空集，若是，则执行S205，若否，则遍历所述可用前向邻居集合中每个无线传感器节点并分别作为中继节点，且针对当前网络拓扑计算采用所述中继节点进行中继后对应的预更新网络拓扑中所述中继节点的第一预期寿命以及源节点的第二预期寿命，选择所述第一预期寿命以及所述第二预期寿命中的较小值作为对应中继节点的传输能效，并将传输能效最大的中继节点作为目标中继节点；

S203，计算所述源节点采用直接通信方式向无人机进行数据传输后所述源节点的第三预期寿命；

S204，判断所述目标中继节点的传输能效是否大于所述源节点的第三预期寿命，若是，则采用所述目标中继节点作为所述源节点的目标下一跳传感器节点，并更新对应的当前网络拓扑；若否，则执行S205；

S205，采用直接通信方式向无人机上传数据，并更新对应的当前网络拓扑；

其中，步骤S201中对所述源节点构建每个备选充电节点集合分别对应的可用前向邻居集合为：

其中，为源节点v_i的可用前向邻居集合，CN为备选充电节点集合，包含了无人机本周期计划进行充电的无线传感器节点；为节点v_i和节点v_k之间的距离；为节点v_i和节点v_j之间的距离；H_j为CN中距离节点v_j最近的待充电节点上方所对应的悬停位置，即无人机面向节点v_j的最近悬停位置；为节点v_j和所述悬停位置之间的距离；为节点v_i和所述悬停位置之间的距离；

步骤S202和步骤S203中面向当前网络拓扑计算预期寿命的公式如下：

其中，le^NT(v_i)为节点v_i面向当前网络拓扑NT的预设寿命估计函数，为节点v_i的当前剩余能量；EC^NT(v_i)为节点v_i面向当前网络拓扑NT的预期能耗函数；其中，

其中，NT(v_i)为当前网络拓扑中节点v_i的下一跳节点；DN为单个数据包所含比特数；ec^s、ec^r及ec^p分别代表无线传感器采集、接收及处理1比特数据的能耗；为节点v_i面向当前网络拓扑NT传输1比特数据的能耗；ε_fs和ε_mp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；为节点v_i根据当前网络拓扑NT和其下一跳之间的距离；tl^NT(v_i)为节点v_i面向当前网络拓扑NT的流量负载函数，代表节点v_i每轮产生的数据包数量；BP^NT(v_i)为节点v_i面向当前网络拓扑NT的父节点集，该集合记录了当前网络拓扑中所有将节点v_i作为下一跳的节点；

所述步骤3中基于每个备选充电节点集合的预期能耗建立协同收益函数，构建线性规划问题并求解所述线性规划问题生成每个备选充电节点集合对应的协同收益以及充电时长分配方案，具体为：

S301，建立备选充电节点集合的预期能耗以及充电时长的协同收益函数：

其中，为节点v_i面向备选充电节点集合以及对应目标网络拓扑的预期能耗得到的充电时长的协同收益函数；为节点v_i的当前剩余能量；η为无人机无线充电效率；p为无人机充电功率；t^o为无人机在每个悬停位置的最小悬停时间；为备选充电节点集合CN对应的目标网络拓扑；为目标网络拓扑对应的预期能耗；

S302，基于所述协同收益函数，以协同收益最大化为目标构建线性规划问题如下：

其中，T为无人机每周期的最大工作时长；为无人机从储能站ESS出发，遍历备选充电节点集合CN中所有节点，完成任务并返回所需要的最小移动时间；E为传感器电池容量；

S303，求解所述线性规划问题，生成所述备选充电节点集合的充电时长分配方案以及对应的协同收益其中为根据所述充电时长分配方案为节点v_i分配的充电时长。