专利交易市场

基于改进蚁群AODV协议的多机器人通信组网方法，具体包括：S1、源机器人节点查询机器人路由表中是否存在到达目的机器人的路由；S2、判断接收到改进路由请求报文的机器人节点是否为目的机器人节点或具有目的机器人的路由；S3判断中间机器人节点是否有源机器人节点的路由信息；S4、循环步骤S3直到找到目的机器人；S5、根据每条可行路由的参数计算路由性能函数值，设定函数值最大的路由作为主路由，函数值次大的路由作为备用路由。本方法以adhoc网络中AODV协议和蚁群算法为基础，综合考量机器人网络负载及移动速度，建立路由性能函数，获取最优、次优通信路由进行数据传输，有效减少多机器人通信时的端到端时延，增加吞吐量，减少路由开销。

本发明提出了一种针对不同路况的混合型车辆自组织网络路由算法，此混合型路由算法包括三种路由搜索策略：普通转发、局部快传和记忆转发，在搜索策略的执行过程中动态地调整路由搜索策略，最大程度的增强通信效率。每个搜索策略需要对不同的网络环境有一定的适应性，既有适用于节点密度高、节点移动快的VANET的搜索策略，也有适用于节点密度低、节点移动快的VANET，还有适用于节点密度低、节点移动慢VANET的搜索策略，更有适用于节点密度高、节点移动慢的VANET的搜索策略。

本发明提出了一种稀疏自组织监控网络，属于无线通信技术领域。所述监控网络通过移动节点采集目标设备的设备信息，采用扩散方式将信息转发至后台服务器；并由数据服务终端接受后台监控命令，下发命令到系统节点设备中，再扩散至其它节点设备；移动节点之间的路由由基于信息素的稀疏自组织网络路由算法实现。本发明监控网络能监控动态范围目标设备，实现信息快速上传与反馈，同时抑制数据无限制传输带来的数据泛滥，具有良好的推广应用前景。

本发明涉及无人机自组网通信技术领域，具体而言，涉及一种一种无人机自组织网络中的节点轨迹预测方法；所述预测方法包括采集不同类型的无人机飞行数据，并提取出无人机的飞行特征数据；利用K近邻算法对提取出的飞行特征中的缺失数据进行填充以及对异常数据进行删除；将处理后的无人机飞行特征对门控循环单元网络进行训练；采用粒子群优化算法对所述门控循环单元网络中的权值参数进行调优；将待测的无人机飞行数据输入到权值参数调优后的门控循环单元网络中，输出无人机自组织网络中的节点轨迹。本发明通过K近邻算法提取出更为合理的飞行特征；利用数据训练GRU模型对无人机飞行轨迹进行预测；能有效降低路由重构次数，降低系统数据传输时延。