RSSI-Controlled担保IoT-Enabled无人机远程通信

文摘

无人机(UAV)最近获得了显著的关注由于其高效结构,成本效益,容易获得,倾向于形成一个特设的无线移动网络。IoT-enabled无人机是一个新的研究领域,使用位置跟踪与航空技术的进步。在这种背景下,3 d航空网络的重要性是最近吸引大量的注意力。它有各种应用程序与信息处理、通信和基于位置的服务。无线节点的位置识别是一项具有挑战性的工作的极端重要性。在这项研究中,我们引入了一个新的技术寻找室内和露天的三维(3 d)区域节点通过测量信号强度。数学公式是基于机器学习路径损耗模型和决策树分类器。我们建造了2 d和3 d模型节点收集更准确的信息。仿真结果表明,提出的基于机器学习模型擅长估计节点位置,不同节点的实际和估计距离,计算天线的接收信号强度特设网络。此外,决策树构造离线阶段控制飞行器的位置提高时间复杂度以及实验的准确性。

1。介绍

由于最近的通信和网络的发展,飞行特设网络(FANET)被认为是一个更可行的选择无线传感器网络(WSN)。满足日益增长的高速网络和通信需求,无人机通信的最佳选择。它们用于不同的手机网络应用,如边界监视、搜索操作,犯罪现场安全、家庭安全、紧急援助,救援行动。无人机使用空对空通信,负责通信)与其他无人机无人机通信和空对地沟通(a2g通信)像无人机通信与地面基站。空对空不同无人机之间的通信通常需要更少的能量比空对地沟通。无人机面临不同的挑战,如权力有限,沟通范围,快速拓扑变化,低带宽和交接。

一般来说,无线电导航传输通信、无线局域网或无线网络被认为是内部但对于远程通信需求,802.15.4用于提供服务。WLAN的开销降水诱发它通常是气馁。单无人机不能创建FANET;因此,需要多个无人机,并不是每个无人机需要连接到基站。无人机通常有30至360公里/小时速度由于在多个无人机出现沟通问题。在飞行特设网络,必须有一个稀疏的密度与大型无人机之间的距离;然而,它也取决于飞行特设网络的本质。无人机之间的通信的影响由于其高速度、变化的拓扑结构,改变位置,连接失败,每次都需要更新处理。定位意味着选择每个无人机的位置甚至在高速度。需要高效、准确定位在短的时间间隔根据高速。

加权质心算法取决于信标帧发送的节点。这些节点要么是表示在2 d或3 d空间。通过接收到的信号强度测定标识符(RSSI)室内和室外环境。本研究提出了一种新颖的战略空中特设网络使用接收信号强度的三维测量功率显示最优结果的位置和节点的距离。执行计算信号强度使用对数正态分布模型。信号强度起着重要的作用,从飞行器的土地站可以部署网络安全攻击入侵者克服和劫持网络造成破坏。最优飞信号传输减轻空中数据拥堵都减少很多问题在智能城市。智能信号系统领域的直接混合智能城市,改善决策,信息的交互,以及智能飞行增加人机交互的行为,能源和环境意识。本研究的主要贡献如下。IoT-based无人机用于提高智能城市的信号强度在飞行安全通信通道ad hoc网络利用双线模型和质心算法的节点定位机器学习框架决策树应用于网络拓扑结构来提高信号强度

其他研究的结构部分1由介绍,而部分2由简短的文学在过去的数据问题。同样的,详细的分类纳入部分3;此外,部分4代表了该模型。部分5演示了算法的结果。理论分析和未来方向讨论部分6,这是结论部分中解释。

2。相关的调查

在[1],Bilal等人讨论的六面体的方法取代了质心定位算法。他们比较该方法与最大似然估计的性能(企业);这是进一步与二维加权质心定位算法。

Syed et al。2)设计了一种新的路由协议可以选择簇头(CH)路径规划和智能路由。协议的设计是基于选择的组长节点。组长必须有特定属性或特征。组长选择节点和感官环境变化;然而,开放协议执行更好的结果比传统路由技术提高能源。

在[3),刘等人相比,最优协议基于ant的距离。分析不同的协议利用主要指标执行。这些路由协议评估在基于仿真的环境中,而不是实时场景。在这项研究中,几乎所有的协议都是基于转移概率,即信息素和heuristic-based,操作水平是能量控制和远程传输控制。

网络拓扑平坦和分层等描述了路由协议基于ant的挑战。这项研究还强调了这一研究领域的最新进展。聚氨酯等。4预计一个新奇的想法。这项研究的动机是由于传感器和通信等技术的快速发展multisized无人机飞行特设网络。因为容易部署的节点和配置,FANET被用在许多应用程序如搜索操作,救援行动和公民家庭功能。由于高拓扑变化的通信链接失败,有一个在无人机故意干扰。这项工作可以进一步延长无人机connectivity-based流动模型。

羌族et al。5)解释的问题单连接飞行特设网络,可以分段,因为无人机的特殊属性。他们还描述了使用不同的动作k希望物理结构;研究了该算法在数值计算三维FANET使用模拟环境。该算法比较与当地的屋顶和短暂的时间,偏移距离,微粒的级联运动,同时还保持原来的链接。

Guillen-Perez和卡诺等。6)想出了一个新领域在飞行的网络通信网络中,我们发现一些来自其他领域的不同属性。本研究提出了简短的文献的流动模型飞行特设网络定位、传播等FANETs提出路径规划。他们用一个纯随机结构的方法。在这项研究中,他们做了两个实验来推进先进的通过测量无人机的机载无线辐射模式。实现,这个实验在受控的环境中执行。不同的无线技术如WiFi, LTE和WiMAX。通过这些技术量化的影响辐射模式上沟通,沟通主要是进行二维边界,但在未来,我们可以用三维边界的实际试验。

茴香酒和巴西7)描述了无人机的技术和实验数据在互联网上。这种技术开辟了新的地平线在智能跟踪无人机通过网络和使用机器人操作系统android应用程序。这项研究解释了对象跟踪通过无人机使用互联网。无人机跟踪器使用无人机地图计划。基于云的系统管理无人机在互联网。实际执行实验,显示了无人机与低快速目标跟踪系统。

在[8),Zhang et al。8]介绍了无人机无线电频率识别技术提供了6自由度。他们在现代审问的超高频率的标签。为此,使用贝叶斯算法。该实验在丰富的内部结构环境中进行了测试。SVD-based算法和贝叶斯过滤器使用,为不同的飞行器和这个方法是有效的。无味卡尔曼滤波机制应用于定向antenna-based天线网络估计无人机的位置(9]。

根据以往的研究,我们发现,大多数的研究工作是对无线传感器网络进行基于二维质心定位算法;然而,我们已经看到许多的局限性在计算基于范围等工作方法;传感器/数据中心的可用性是免费的计算范围的一部分,后来,接收到的信号强度。制定信号强度接收飞行节点上利用无线基础设施提高视线的功能在air-2-ground信号乘法最大化传感器网络。实现最优信号强度直接增加接收信号功率;即,无线广播频道的能量可以维护水平飞行特设网络。有关工业物联网通信工作站安全可靠的数据传输保护信息中心最重要的因素。无处不在的计算提出了边缘安全IIoT [10]。然而,对于轻量级的相互认证,客户机-服务器模型利用加密安全会话中节点(11,12]。恶意软件威胁情报可以最小化在动态分析使用决策树检查行为,克服安全风险(13]。在分散的网络,网络的认知无线电使优化结果采用隐马尔可夫模型把直接短程通信通道传输(14,15]。保持服务质量在多次反射沟通检测女巫攻击;而为此,QoS-aware安全通信技术可以很容易地使用互联网部署什么网络,可以进行大规模数据(16]。

3所示。详细的分类

3.1。航空网络

拓扑结构在航空网络中起着重要的作用。在无人机网络中,每个节点都是一个非静态的节点和三轴移动。我们所做的一项研究从基站节点,有多远有多远的无人机集群头;为解决这些问题,使拓扑结构是很重要的。金(17)讨论,由于未来网络的拓扑参数的快速波动,无人机网络是有前途的技术,由于通用的行为。本研究描述了拓扑的优化管理来最大化性能通过优化无人机的位置和运动。它是通过适应拓扑的变化而进行无人机的任务。因此,为此,提出了两种算法,一个基于群优化拓扑结构和第二个是调整飞行特设网络拓扑变化,基于空中飞行网络。施等。18)引入了一个新领域,是一个drone-assisted车载网络(DAVN),它提供了车辆和未来之间的连接网络的无人机。在[18],他们进一步讨论了一个简单的软件架构定义drone-assisted车载网络(DAVN)配合车辆基础设施可以提高无人机和车辆之间的连通性。移动ad hoc网络的体系结构构造,包括静态节点和远程服务器/节点进行通信;然后,这个过程被更新成飞行特设网络组成一个基站和无人机。DAVN呈现在图的图示1。

3.2。本地化

定位意味着测量节点之间的距离;有两种类型的定位:一是室内定位和第二个是露天/室外本地化。伊夫和彭19)在他们的研究中所描述的,低成本的接收信号强度可以通过简单的实验发现两个设备连接到一个数据库来存储数据。算法适用于一个未知的位置mote利用接收信号强度指示(RSSI)与angle-based定位估计(罗音)。RSSI值附近时就增加了隐藏远离角不可靠的RSSI的工作站。实际实验后的结果表明,罗音只需要RSSI和角度。它不需要复杂的计算昂贵的算法。此外,他们认为,这一研究可以检验节点的位置和高度。无线传感器网络是集群形成的有界区域的沟通工作;一个静态节点的跟踪或集群很容易,可以通过动态规划解决这些问题。随着通信的进步在许多地区,许多异构传感器网络的杂交提供了低功率高的通信网络。一种蛋白激酶等。20.)描述了跟踪和定位算法在无线传感器网络。由于静态集群路由的缺点,本研究逐步更新,创建维护通过在线学习,并显示我们在无线传感器网络节能的跟踪和定位。一些节点减少计算复杂度计算和坐标系统的给我们正确的信息。我们的研究将利用接收信号强度的力量显示多少将对无人机之间的距离。

3.3。定位策略和算法

作为讨论的部分3所示。2、本地化的估计距离从一个节点到另一个节点,如环境监测检查动物的栖息地,火灾监测、水质量检查的来了,搜索操作,以及入侵检测系统。无线传感器定位过程来估计未知位置传感器的位置,时间,距离,到达角,微粒是如何连接的。至于全球定位系统(GPS)是一个问题,这是非常昂贵的实现在每一个微粒;所以这就是为什么我们技术的本地化。传感器与一个已知的位置的位置信息被称为锚。免费定位范围包括模式匹配和hop-count-based本地化。还有另一个分支叫做目标/源定位,包括单个和多个目标本地化。

Yu et al。21)在他们的研究中引入了两种算法,定位节点给我们更好的结果。首先,错误的估计距离锚微粒。第二,QDV-Hop算法最小化误差获得最佳定位。几乎都提出算法实现类似的准确性通过求解无约束最优化问题。后,可以提高定位通过减少计算复杂度,同时提高准确性。

免费范围估计可以表示使用质心算法,DV-Hop, APTI算法。在图2简要介绍,我们的定位分类,包括(i)的目标/源定位,(ii)分布,(iii)流动,(iv)等,(v)坐标,(vi)的位置。图3阐述了节点定位策略的分类802.1等无线技术,主要介绍了集中式和分布式定位。分布定位技术进一步扩展到六个模块如培根,放松,坐标系统,混合动力车,误差传播和干涉仪测距。Bacon-based技术三个模式、扩散、梯度和边界框。传感器的二维视图工作站在飞车的平面视图显示一个三维含义实时网络拓扑的视野。深刻理解的3 d位置飞行节点是有实际应用是利用传感器节点。此外,致力于3 d - base环境对互联网无人机来提高节点的定位是一个艰巨的任务。仿真环境是基于三维质心算法估计不仅节点距离计算,而且两个无人机之间信号功率测量飞行器之间的距离。图2图代表了本地化的分类阶梯3显示无线传感器通信网络的分布集中式或分布式的本地化。

3.4。提出的模型

信号强度功率测量通常被称为接收到的信号强度标识符(RSSI)是一种技术,计算两个无人机或无线节点之间的距离。信号强度随着节点间距离的变化而变化。然而,如果你比较真实的环境中,接收到的信号强度指示器是高度受环境噪声的影响。高et al。22双线模型用于他们提出了节点定位方案。他们测试了该技术在稻田。与无线通信技术的进步,必须有有效的数学模型,可用于改善微粒定位算法的准确性。接收信号强度的测量是基于距离;我们应用这种技术在空中质心算法的节点定位技术。图4阐述了理想的接收信号强度的关系和节点之间的距离。

Syed et al。1]讨论了远程信号无线通信中起着至关重要的作用;所以远程接收信号和微粒的关系给出了以下方程:

我们必须采取双方十倍对数转换成dBm,按照下面的方程。

Syed et al。1]进一步讨论上述方程对于城市环境,并收到了接收端的信号强度的方程是由以下方程。

跟踪模型使用信号强度的力量可以简要说明使用以下方程。

η信号衰减用于一些特定的环境,即使一些障碍的道路上的信号。Xσ的高斯随机变量,较小的值和较大的距离计算误差小的测量信号强度值。

在使用静态访问点无线通信,室内定位有着重要性,通过它可以提高准确性。王等人。23)提出,接入点为室内定位在二维空间除以特殊的访问点。他们建议区域划分到不同的位置,和排名是提供给每个区域的距离在访问点。位置测序获得利用信道状态信息(CSI)之间的访问点。该算法与传统方法相比,即。,received signal strength indicator (RSSI), and the simulations results show us accuracy of about 24.31%.

3.5。无线技术

短程通信主要是用于天线技术利用无线个域网。无线个域网是一个低成本,易于配置IEEE 802.15.4-based规范,通常用于创建个人无线区域网络。它是用于不同的应用程序,如农业、智能家居、军队。玉等人描述三维定位在24]。它使用一个著名的循环不变式的技术部门,参照点锚有界在外部使用参数点称为参数循环部门(骑士),测量的噪音。在图5提出了一种新颖的技术,我们称为三维质心算法和RSSI FANETs框架。

让克_t和G_r团结起来。L不影响

使用之前n1公式-n1^th公式,

基本上,是一个高大的矩阵的逆矩阵不存在;所以,自左乘一个^T:

一个^T一个=方阵。

4所示。数学公式计算三维(3 d)

使用前(n- 1)公式n^th公式,

5。仿真结果

我们使用Matlab的仿真模型。我们9节点随机部署拓扑。拓扑中所有节点使用移动和移动在所有三个同时访问。我们建立两个场景一个二维空间,另一个用于3 d。图示2 d和3 d拓扑的数据6和7,分别。提出了几个重要的仿真参数如下。(1)的节点数量:9。(2)RSSI的计算方法:对数正态分布的方法。(3)路径损耗的参考距离:55分贝。(4)路径损耗指数:1。(5)参考距离:1 m。(6)噪声方差:7。(7)机器学习分类器:决策树。(8)成本函数:均方误差。

数据8和9MATLAB生成的结果,显示了一些参数如估计距离、节点的信号强度,飞行器之间的实际距离。图8利用2 d和图吗9对3 d飞行汽车的使用互联网。

表1显示了建议的解决方案之间的比较和无线传感器节点定位代表最优结果通过使用决策树来改善接收信号强度的动态网络。因此,信号功率提高更多,利用机器学习技术与静态节点定位。

6。结论

航空网络是指特设网络或无人机飞行。无人机的快速变化的动态结构使用不同的移动模型和拓扑使一个挑战在实现一个算法,可以准确地测量信号强度力量。本研究实现了一个理论分析和提供了一个简短的讨论使用三维质心定位技术,一步一步序列只使用9无人机无人机已改善了接收信号。在未来,我们可以利用不同的地方使用不同的拓扑安排在飞行器。仿真结果表明,我们的决策树模型显示好可能解决这个问题。

数据可用性

本研究是基于模拟,表现在模拟器。因此,没有数据集用于这项研究。

的利益冲突

作者宣称没有利益冲突。

引用

1. f·b·s·赛义德z . Chen阴et al .,“3 d加权质心算法和节点RSSI测距模型策略定位在WSN基于智能设备,“可持续城市和社会39卷,第308 - 298页,2018年。视图:谷歌学术搜索
2. b·h·s·赛义德·z . Chen和y .着浮梁,“开放:优化能源效率的路径规划算法和扩展网络−一生,系统”计算和信息技术杂志》上,25卷,不。1、1 - 14,2017页。视图:谷歌学术搜索
3. “x Liu路由协议基于蚁群优化的无线传感器网络:一项调查,“电气和电子工程师学会访问5卷,第26317 - 26303页,2017年。视图:出版商的网站|谷歌学术搜索
4. c Pu、“Jamming-resilient飞行特设网络,多路径路由协议”电气和电子工程师学会访问》第六卷,第3536 - 2169页,2018年。视图:谷歌学术搜索
5. 问:郭、j .燕和w·徐“基于节点的局部容错算法运动自由飞行学位特设网络,”对称,11卷,不。1,p。106年,2019。视图:出版商的网站|谷歌学术搜索
6. 答:Guillen-Perez和医学博士。卡诺,“飞行特设网络:网络通信的新领域,“传感器,18卷,不。10,3571年,页2018。视图:出版商的网站|谷歌学术搜索
7. k .茴香酒,问:巴西Dronetrack:基于云计算的实时跟踪使用无人机在互联网上,“电气和电子工程师学会访问》第六卷,第13824 - 13810页,2018年。视图:谷歌学术搜索
8. j .张x, z . Yu et al .,“强大的基于RFID的6自由度定位无人机,“电气和电子工程师学会访问7卷,第77361 - 77348页,2019年。视图:出版商的网站|谷歌学术搜索
9. j .严h .赵罗x, x关,c . Chen”RSSI-based航向控制无人机的健壮的远程空中通信网络,”电气和电子工程师学会物联网》第六卷,没有。2、1675 - 1689年,2019页。视图:出版商的网站|谷歌学术搜索
10. f·汗·m·A .简答:Rehman, s . Mastorakis m . Alazab p .继续萎缩,“保护和智能通信方案IIoT-enabled无处不在计算边缘,”电气和电子工程师学会工业信息交易,2020卷,2020年。视图:出版商的网站|谷歌学术搜索
11. m·A·扬·汗,汗r . et al .,”一个轻量级的相互身份验证和隐私保护方案智能可穿戴设备industrial-CPS,”电气和电子工程师学会工业信息交易,2020卷,2020年。视图:出版商的网站|谷歌学术搜索
12. j . Li j . Cai f·汗et al .,“安全框架sdn-based边缘计算IOT-enabled医疗保健系统中,“电气和电子工程师学会访问,8卷,第135490 - 135479页,2020年。视图:出版商的网站|谷歌学术搜索
13. n . Usman乌斯曼,f·汗et al .,“智能动态恶意软件检测中使用机器学习IP取证数据分析的声誉,”未来一代计算机系统,第118卷,第124页,2021年。视图:出版商的网站|谷歌学术搜索
14. w .姚明,A . Yahya f·汗et al .,“安全、高效的通信方案同分散的认知网络的车辆,“电气和电子工程师学会访问7卷,第160900 - 160889页,2019年。视图:出版商的网站|谷歌学术搜索
15. f·汗,A·拉赫曼和m·艾哈迈德·简”安全、可靠的通信方案在认知混合ARQ-aided智能城市,“计算机与电气工程,81卷,2020年。视图:出版商的网站|谷歌学术搜索
16. f·汗,A·拉赫曼,A Yahya et al .,“互联网的支持服务的安全通信质量计划什么网络,”传感器,19卷,不。19日,第4321页,2019年。视图:出版商的网站|谷歌学术搜索
17. d - y。金姆和j - w。李,“综合飞行特设网络拓扑管理:拓扑结构和调整,”电气和电子工程师学会访问4卷,第3536 - 2169页,2016年。视图:谷歌学术搜索
18. w·w·史,h .周j . Li, n . Zhang和x沈,“无人机辅助车载网络:架构、挑战和机遇,”电气和电子工程师学会网络,32卷,不。3、130 - 137年,2018页。视图:出版商的网站|谷歌学术搜索
19. a·j·伊夫·h·彭,“RSSI-based室内定位使用RSSI-with-angle-based定位估计算法,”国际期刊的传感器网络和数据通信,4卷,不。1,2015。视图:出版商的网站|谷歌学术搜索
20. a . Mahmuda r . Obaidur Nazrul, m·m·哈桑·a . Alsanad和a . k . Sangaiah”节能跟踪和定位的对象在无线传感器网络中,“IEEE访问》第六卷,第17177 - 17165页,2018年。视图:谷歌学术搜索
21. 江x, y, f,郭y,和d锣,“基于支持向量机分类的双面跨域协同过滤通过推断内在用户和项目特点,“以知识为基础的系统卷,141年,第91 - 80页,2018年。视图:出版商的网站|谷歌学术搜索
22. y z高,w . Li朱et al .,“无线信道传播特性和建模研究稻田传感器网络,”传感器,18卷,不。9,3116年,页2018。视图:出版商的网站|谷歌学术搜索
23. y z . Wang Chen和h·王,“基于室内定位与信道状态信息,传感器,18卷,不。6,1818年,页2018。视图:出版商的网站|谷歌学术搜索
24. j . x Yu Yang, z .谢”训练支持向量机基于费舍尔的一组绑定向量投影,”计算机科学的前沿,8卷,不。5,793 - 806年,2014页。视图:出版商的网站|谷歌学术搜索

版权

版权©2021 Inam Ullah汗等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。