亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Efficient Data Collection Scheme for Multi-Modal Underwater Sensor Networks Based on Deep Reinforcement Learning

弹道 水下 数据收集 强化学习 传输(电信) 情态动词 数据传输 计算机科学 实时计算 遥控水下航行器 能见度 工程类 人工智能 计算机网络 电信 机器人 移动机器人 化学 高分子化学 统计 地质学 物理 光学 海洋学 数学 天文
作者
Shanshan Song,Jun Liu,Jingxue Guo,Bin Lin,Qiang Ye,Jun-Hong Cui
出处
期刊:IEEE Transactions on Vehicular Technology [Institute of Electrical and Electronics Engineers]
卷期号:72 (5): 6558-6570
标识
DOI:10.1109/tvt.2022.3232391
摘要

Autonomous Underwater Vehicles (AUVs) with multi-modal transmission can achieve high efficient data collection for underwater sensor networks. However, multi-modal transmission and trajectory planning impose great challenges on data collection in complex underwater environments. Most prior studies focus on design of multi-modal architecture, but lack of available implementation and consideration of AUVs' trajectory. Meanwhile, existing trajectory planning research cannot work well on data collection with multiple complex tasks simultaneously. In this paper, an efficient Data Collection scheme for Multi-modal underwater sensor networks based on Deep reinforcement learning (DCMD) is proposed to solve the above challenges. We first propose an optimal multi-modal transmission selection algorithm that provides an implementation to improve transmission efficiency. Then we propose a distributed multi-AUVs' trajectory planning algorithm based on deep reinforcement learning by AUVs' collaborations, considering transmission situation, ocean currents and underwater obstacles, to maximize collection rate and energy efficiency. In addition, we joint transmission and trajectory planning in a protocol to improve collection efficiency. Extensive experimental results show that DCMD achieves better performance on efficiency and reliability than four state-of-the-art methods, demonstrating its great advantage on collecting data for USNs.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
PDF的下载单位、IP信息已删除 (2025-6-4)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
量子星尘发布了新的文献求助10
37秒前
从容的水壶完成签到 ,获得积分10
1分钟前
量子星尘发布了新的文献求助10
2分钟前
George完成签到,获得积分10
2分钟前
2分钟前
wang完成签到,获得积分10
3分钟前
欣欣完成签到 ,获得积分10
3分钟前
柳行天完成签到 ,获得积分10
3分钟前
量子星尘发布了新的文献求助10
3分钟前
4分钟前
Djnsbj发布了新的文献求助10
4分钟前
sinan发布了新的文献求助10
5分钟前
WerWu完成签到,获得积分10
5分钟前
5分钟前
5分钟前
5分钟前
科研通AI2S应助科研通管家采纳,获得10
5分钟前
量子星尘发布了新的文献求助10
5分钟前
6分钟前
dara997发布了新的文献求助10
6分钟前
dara997完成签到,获得积分10
6分钟前
辣椒油完成签到,获得积分20
6分钟前
6分钟前
6分钟前
7分钟前
7分钟前
7分钟前
田様应助科研通管家采纳,获得10
7分钟前
量子星尘发布了新的文献求助10
7分钟前
8分钟前
隐形曼青应助noob_采纳,获得10
8分钟前
哈哈哈发布了新的文献求助10
8分钟前
8分钟前
noob_发布了新的文献求助10
8分钟前
科研通AI5应助哈哈哈采纳,获得10
8分钟前
青山完成签到,获得积分10
8分钟前
8分钟前
8分钟前
sunshinelwt发布了新的文献求助10
9分钟前
量子星尘发布了新的文献求助10
9分钟前
高分求助中
A new approach to the extrapolation of accelerated life test data 1000
Picture Books with Same-sex Parented Families: Unintentional Censorship 700
ACSM’s Guidelines for Exercise Testing and Prescription, 12th edition 500
Nucleophilic substitution in azasydnone-modified dinitroanisoles 500
不知道标题是什么 500
Indomethacinのヒトにおける経皮吸収 400
Phylogenetic study of the order Polydesmida (Myriapoda: Diplopoda) 370
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 遗传学 基因 物理化学 催化作用 冶金 细胞生物学 免疫学
热门帖子
关注 科研通微信公众号,转发送积分 3976665
求助须知:如何正确求助?哪些是违规求助? 3520770
关于积分的说明 11204794
捐赠科研通 3257528
什么是DOI,文献DOI怎么找? 1798733
邀请新用户注册赠送积分活动 877897
科研通“疑难数据库(出版商)”最低求助积分说明 806629