一种无人机系统计算迁移方法技术方案

本发明专利技术公开一种无人机系统计算迁移方法及服务器，该方法包括：接收来自于无人机的计算任务；对计算任务内部的函数进行识别，获得函数依赖关系；据此将函数分为本地依赖和可迁移；并对计算任务进行分层建立层次化模型；通过迭代运算在模型运行所耗资源最小时获得最佳划分点，输出划分点给无人机；接收来自于无人机的迁移任务；迁移任务为位于划分点之后的节点包含的计算任务；在迁移任务内部的函数为可迁移时，根据当前信道稳定性和服务器负载状况选择执行或拒绝迁移任务。该方案解决了组件关系复杂、难以划分粒度、受宽带动态影响的问题，实现了根据实时变化的无线信道环境，划分计算迁移点，提高无人机执行计算任务实时处理和续航能力。

【技术实现步骤摘要】
一种无人机系统计算迁移方法
本专利技术涉及无人机移动通信
，尤其是一种无人机系统计算迁移方法。
技术介绍
无人机作为现代高科技装备之一，其在军事和民用中被广泛用于目标跟踪、灾后探测等任务，无人机在飞行高度、飞行距离、飞行时间和任务载荷等方面具有无可比拟的优越性，但是无人机续航能力较差，无法有效支撑敏感型计算任务，如视频处理、图片识别等。因此需要合理的方法来扩展无人机计算资源和提高无人机计算任务的执行续航能力。目前的主要方法是将计算任务进行迁移，无人机计算任务的迁移的常见方法是将部分计算任务迁移到远端服务器，由服务器完成全部或部分计算任务，并将计算结果和指令返回给无人机。计算迁移是通过将计算任务从无人机迁移到拥有强大计算能力和存储能力的远端服务器，以增强无人机资源功能的技术。对于将全部计算任务迁移到远端服务器的方法，系统将输入数据全部发送到远端服务器，由远端服务器完成全部计算任务，这种方法由于输入数据量较大，无人机与远端服务器之间的数据传输会产生大量的延迟和能耗。而将部分计算任务迁移到远端服务器的方法，系统对计算任务进行分解，将其中一部分计算量大的任务迁移到远端服务器执行，由于没有对计算任务进行合理的粒度划分，迁移的部分计算任务与其他计算任务之间存在大量依赖关系和交互数据，同样会产生大量的数据传输交互延迟和能耗。由于环境的复杂性，无人机在空中执行任务过程中，无线环境的信道质量在不断变化，当信道质量不佳时，无人机与远端服务器之间的数据传输会产生大量的延迟和能耗，对系统总体的性能影响较大。对比文件1(CN106909449A)，名称为“一种移动终端程序的计算迁移方法与装置”的中国专利，公开了一种移动终端程序的计算迁移方法与装置包括：将移动终端程序分割为多个组件，并剔除不支持计算迁移的组件；根据剩余组件以及剩余组件之间的数据交互关系，构建组件关系无向图；根据组件关系无向图与当前带宽迭代扩大可迁移单元，直到迁移计算权重比满足当前带宽的最小值；在当前带宽稳定时，继续迭代扩大可迁移单元并在时延允许范围内进行计算迁移；在当前带宽不稳定时，立即在时延允许范围内进行计算迁移。对比文件1能够实现移动终端程序的计算迁移，降低终端的能耗与时耗。但存在以下不足之处：将移动终端程序分割为多个组件，剔除不支持计算迁移的组件是困难的，程序内部各组件有复杂的交互关系，并不能对程序进行合理的粒度划分，受动态带宽的变化影响较大，无法实现最佳的计算迁移。
技术实现思路
本专利技术提供一种无人机系统计算迁移方法及服务器，用于克服现有技术中组件关系复杂、难以划分粒度、受宽带动态影响较大等缺陷，能扩展无人机计算资源，并根据实时变化的无线信道环境，划分计算迁移点，从而提高无人机执行计算任务的实时处理能力和续航能力。为实现上述目的，本专利技术提出一种为实现上述目的，本专利技术提供的一种无人机系统计算迁移方法，包括：步骤1，接收来自于无人机的计算任务；步骤2，对所述计算任务内部的函数进行识别，获得函数的依赖关系；根据所述函数之间的依赖关系将所述函数分为本地依赖和可迁移；步骤3，根据所述函数之间的依赖关系对所述计算任务进行分层并建立计算任务层次化模型；通过迭代运算在所述计算任务层次化模型运行所耗资源最小时获得最佳划分点，输出所述划分点的数据给所述无人机；步骤4，接收来自于所述无人机的迁移任务；所述迁移任务为位于所述划分点之后的节点包含的计算任务；步骤5，在所述迁移任务包含的计算任务内部的函数为可迁移时，根据当前信道的稳定性和服务器的负载状况选择执行所述迁移任务或拒绝执行所述迁移任务。为实现专利技术目的，本专利技术还提供一种无人机系统计算迁移方法，包括：步骤1，发出计算任务给服务器；步骤2，接收服务器根据所述计算任务反馈的最佳划分点的数据；步骤3，将最佳所述划分点之后的节点包含的计算任务作为迁移任务，并输出给所述服务器；步骤4，执行所述划分点之前的节点包含的计算任务；步骤5，在执行到迁移任务时，根据服务器的反馈选择是否执行所述迁移任务。为实现专利技术目的，本专利技术还提供一种服务器，包括：接收模块，用于接收来自于无人机的计算任务；识别模块，用于对所述计算任务内部的函数进行识别，获得函数的依赖关系；根据所述函数之间的依赖关系将所述函数分为本地依赖和可迁移；迁移点获取模块，用于根据所述函数之间的依赖关系对所述计算任务进行分层并建立计算任务层次化模型；通过迭代运算在所述计算任务层次化模型运行所耗资源最小时获得最佳划分点，输出所述划分点的数据给所述无人机；迁移任务获取模块，用于接收来自于所述无人机的迁移任务；所述迁移任务为位于所述划分点之后的节点包含的计算任务；迁移模块，用于在所述迁移任务包含的计算任务内部的函数为可迁移时，根据当前信道的稳定性和服务器的负载状况选择执行所述迁移任务或拒绝执行所述迁移任务。本专利技术提供的无人机系统计算迁移方法及服务器，首先通过对计算任务内部的函数的识别，根据依赖关系将计算任务划分为只能在无人机端执行的本地依赖任务和可以在服务器端执行的可迁移任务；通过函数之间的依赖关系优化无人机计算任务的层次划分，对计算任务进行分解，并根据各函数之间的依赖关系建立层次化模型，通过迭代运算在所述计算任务层次化模型运行所耗资源最小时获得最佳划分点，把划分点之后的节点包含的计算认为作为计算任务迁移层，并根据动态信道质量、宽带稳定性以及远端服务器负载情况对计算任务进行动态迁移，将部分计算任务迁移到远端服务器，远端服务器为无人机提供克隆环境，可在远端服务器继续执行需要迁移的计算任务，并将最终的计算结果和克隆环境的缓存区数据返回给无人机，有效的扩展了无人机资源并提高了无人机执行计算任务的实时处理能力和无人机续航能力。附图说明为了更清楚地说明本专利技术实施例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专利技术的一些实施例，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示出的结构获得其他的附图。图1是本专利技术实施例提供的一种无人机系统计算迁移方法的流程图；图2是本专利技术实施例提供的一种无人机系统计算迁移方法的离线数据处理流程图；图3是本专利技术实施例提供的一种无人机系统计算迁移方法的图像识别任务各计算层；图4是本专利技术实施例提供的一种无人机系统计算迁移方法的总能耗和总延迟。本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术的一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。需要说明，本专利技术实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。另外，在本专利技术中如涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括本文档来自技高网...

【技术保护点】
1.一种无人机系统计算迁移方法，其特征在于，包括：步骤1，接收来自于无人机的计算任务；步骤2，对所述计算任务内部的函数进行识别，获得函数的依赖关系；根据所述函数之间的依赖关系将所述函数分为本地依赖和可迁移；步骤3，根据所述函数之间的依赖关系对所述计算任务进行分层并建立计算任务层次化模型；通过迭代运算在所述计算任务层次化模型运行所耗资源最小时获得最佳划分点，输出所述划分点的数据给所述无人机；步骤4，接收来自于所述无人机的迁移任务；所述迁移任务为位于所述划分点之后的节点包含的计算任务；步骤5，在所述迁移任务包含的计算任务内部的函数为可迁移时，根据当前信道的稳定性和服务器的负载状况选择执行所述迁移任务或拒绝执行所述迁移任务。

【技术特征摘要】
1.一种无人机系统计算迁移方法，其特征在于，包括：步骤1，接收来自于无人机的计算任务；步骤2，对所述计算任务内部的函数进行识别，获得函数的依赖关系；根据所述函数之间的依赖关系将所述函数分为本地依赖和可迁移；步骤3，根据所述函数之间的依赖关系对所述计算任务进行分层并建立计算任务层次化模型；通过迭代运算在所述计算任务层次化模型运行所耗资源最小时获得最佳划分点，输出所述划分点的数据给所述无人机；步骤4，接收来自于所述无人机的迁移任务；所述迁移任务为位于所述划分点之后的节点包含的计算任务；步骤5，在所述迁移任务包含的计算任务内部的函数为可迁移时，根据当前信道的稳定性和服务器的负载状况选择执行所述迁移任务或拒绝执行所述迁移任务。2.根据权利要求1所述的无人机系统计算迁移方法，其特征在于，所述步骤2包括：步骤21，对计算任务内部的函数代码予以标记，实现对计算任务内部的各函数进行识别；步骤22，通过函数的代码量和采用的算法确定函数的所述计算复杂度，通过输入参数和输出参数确定所述数据传输量，通过函数的输入参数、静态字段和调用关系确定函数的所述依赖关系；步骤23，根据所述函数之间的依赖关系，在所述函数依赖于只能在无人机端获取的数据时，将所述函数定义为本地依赖；其余函数定义为可迁移。3.根据权利要求1所述的无人机系统计算迁移方法，其特征在于，所述步骤3包括：步骤31，根据所述函数之间的调用频率和依赖关系对所述计算任务进行分层；步骤32，根据各层之间的数据传递关系建立计算任务层次化模型；步骤33，根据无人机的计算能力和各层参数评估运行各层所需的计算资源，所述计算资源包括时间消耗和能源消耗；步骤34，以各层为节点，各层之间的数据传输关系作为边，各层之间传输的数据量作为边的权值，对所述计算任务层次化模型进行迭代计算，获得时间消耗和能源消耗最小时划分点，并输出所述划分点的数据给所述无人机。4.根据权利要求3所述的无人机系统计算迁移方法，其特征在于，所述步骤31还包括：所述层参数包含输入数据量iin、输出数据量iout和计算复杂度Vi；所述步骤32还包括：根据每层的输入数据量iin、输出数据量iout获得各层之间的数据传递关系，根据各层之间的数据传递关系建立计算任务层次化模型G＝(V,E)，每层V＝{vi,i＝1,2...n}；所述步骤33包括：步骤331，对于任一层v∈V，根据有向图G中各层的计算复杂度Vi、无人机计算性能Ic、服务器计算性能Is，获得各层在无人机执行计算任务时的时耗各层在服务器执行计算任务时的时耗根据首个层的输入数据量iin、最后一个层的输出数据量iout和当前带宽B稳定性预测将该层进行迁移后，无人机与服务器之间传输数据时耗：运行各层所需的总时间消耗为：T＝∑ts(v)+∑tc(v)+tb(1)无人机在执行计算任务状态下的功耗为Qc，预测各层的能量消耗：PC(v)＝QC×tC(v)；根据无人机传输数据时的功耗为：Qb，无人机传输数据的能量消耗为：Pb＝Qb×tb；运行各层所需的总能量消耗为：P＝∑Pc(v)+Pb(2)5.根据权利要求1～4任一项所述的无人机系统计算迁移方法，其特征在于，所述步骤5包括：步骤51，接收来自于无人机的迁移请求；步骤52，在信道质量不好且...

【专利技术属性】
技术研发人员：李修建，董洛兵，王菲，刘吉英，朱炬波，朱梦均，衣文军，
申请(专利权)人：中国人民解放军国防科技大学，西安电子科技大学，
类型：发明
国别省市：湖南,43