基于终端能效优化的无人机辅助边缘计算的卸载方法技术

本发明专利技术公开了一种基于终端能效优化的无人机辅助边缘计算的卸载方法，通过一种基于块坐标下降的全局优化算法，联合优化了用户终端本地计算的任务量、计算卸载的任务量以及无人机的轨迹，并讨论了不同信道条件下对用户终端能耗的优化效果，最终构建了一个了以最小化用户终端的能耗为目标，以用户的任务量、时延需求以及无人机的能源为约束的无人机辅助边缘计算模型，本发明专利技术充分利用了本地和边缘侧的计算资源，提高了用户终端的能效，并且考虑了用户终端本地计算的时延，保证了任务时间内本地和边缘侧计算的同步完成，提高了方法的有效性。此外，还验证了方法在不同信道条件下都具备有效性和可靠性，具备更广泛的实际应用场景。景。景。

【技术实现步骤摘要】
基于终端能效优化的无人机辅助边缘计算的卸载方法


[0001]本专利技术专利技术涉及计算机无线通信
，特别涉及一种基于终端能效优化的无人机辅助边缘计算的卸载方法。

技术介绍

[0002]随着物联网(Internet of Things，IoT)技术的发展，萌生了许多移动端的应用服务，例如增强现实(AR)、虚拟现实(VR)、人脸识别以及轻量级的深度学习应用等。这些应用服务往往时延敏感且需要用户终端具备较强的计算能力。而对于移动用户的终端设备，其有限的能量和计算能力无法很好的满足用户的应用需求。
[0003]移动边缘计算(Mobile Edge Computing，MEC)技术通过将服务器部署在移动用户的边缘侧，使资源受限的用户终端可以将计算密集型任务卸载到边缘服务器去执行，大大减缓了用户终端的计算压力。但是，复杂的环境会带来高昂的基础设施部署成本。尤其对于农村及偏远地区和抢险救灾的环境，部署大量静态服务器辅助用户终端进行边缘计算显得不切实际。这种复杂环境下，移动服务器的适用性显然比静态服务器更强。
[0004]近来，无人机(Unmanned Aerial Vehicle，UAV)由于在移动性和成本上的优势被应用到无线通信网络中。但是，无人机有限的尺寸与载重会导致其无法保持长时间的高空飞行，其运动姿态和运动速度的改变也会带来额外的能耗。此外，地面用户与无人机之间的信道条件会直接影响用户终端与无人机通信产生的能耗，这就需要根据用户终端的位置合理规划无人机的飞行轨迹。
[0005]基于上述无人机在无线通信网络中应用的前景，近年来相关学者对无人机辅助边缘计算的问题进行了研究。
[0006]S.Jeong,O.Simeone and J.Kang在其发表的论文"Mobile Edge Computing via aUAV-Mounted Cloudlet:Optimization of Bit Allocation and Path Planning"(IEEETransactions on Vehicular Technology,2018.)中提出了无人机作为移动cloudlet辅助地面用户终端执行计算密集型任务。文中采用全卸载的策略，通过联合优化比特分配方案和无人机的飞行轨迹，研究了不同的接入条件下，用户终端能耗最小化的问题。
[0007]Y.Qian,F.Wang,J.Li等人在其发表的论文"User Association and Path Planning forUAV-Aided Mobile Edge Computing With Energy Restriction"(IEEE WirelessCommunications Letters,2019.)对卸载策略做出了改进。文中通过引入二进制变量规定了用户是否进行卸载，是本地计算还是卸载计算。此外，充分考虑了服务质量(QoS)，差异化了用户之间任务的复杂度，以QoS指标以及无人机的能量为约束，最大化用户终端计算卸载的数据量。
[0008]J.Xiong,H.Guo and J.Liu在其发表的论文"Task Offloading in UAV-Aided EdgeComputing:Bit Allocation and Trajectory Optimization,"(IEEE Communications Letters, 2019.)对无人机辅助边缘计算系统做出了改进。文中划分了无人机通信和无人机计算任务的运动状态，通信时沿轨迹飞行而计算时悬停。以时延、无人机
能耗以及用户终端的任务数据量为约束，联合优化比特分配方案和无人机轨迹，最小化用户终端的能耗。
[0009]在上述研究中，存在以下几点问题：1)无论是全卸载策略，还是二进制卸载策略，用户终端的任务在同一时刻只能在本地或边缘侧执行，这导致了同一时刻另一侧的计算资源的浪费。2)忽略了任务过程中用户终端本地计算的时延。这可能会导致用户计算卸载和本地计算不同步完成的后果。3)缺乏对用户终端与无人机之间信道条件优劣的讨论。在信道条件不稳定的情况下，无法保证提出的模型与方案仍具备有效性和可靠性。

技术实现思路

[0010]专利技术目的：本专利技术的目的是提供一种基于终端能效优化的无人机辅助边缘计算的卸载方法，能够构建一个以最小化用户终端的能耗为目标，以用户的任务量、时延需求以及无人机的能源为约束的无人机辅助边缘计算模型。
[0011]技术方案：本专利技术所述的基于终端能效优化的无人机辅助边缘计算的卸载方法，包括有以下步骤：
[0012]S1:初始化用户终端和无人机的配置信息；
[0013]S2:设置迭代次数变量以及初始化无人机轨迹；
[0014]S3:根据初始化的条件，获得初始的目标函数值；
[0015]S4:优化计算卸载任务量的分配；
[0016]S5:优化无人机的轨迹；
[0017]S6:判断第次迭代时得到目标函数值与第次迭代得到的目标函数值的差值是否小于设定的容错阈值ε，若是执行步骤S7，否则迭代次数加一，返回步骤S4；
[0018]S7:获得最优的本地计算的任务量最优的计算卸载的任务量无人机的最优轨迹以及最小的用户终端能耗值。
[0019]作为优选，所述S1中用户终端和无人机配置的信息包括：任务时长T、时间帧用户终端数量K、用户终端k的具体位置z
k
＝(x
k
,y
k
,0),k∈K、用户终端k的任务量L
k
、用户终端k的计算能力f
k
、用户终端k任务的复杂度C
k
、用户终端k处理器的有效开关电容γ
k
、无人机的飞行高度H、无人机的瞬时位置q[n]＝(x[n],y[n],H),n∈N、无人机的起点位置q0和终点位置q
f
、无人机速度无人机速度的上限值 v
max
、无人机的质量M、无人机的计算能力f
c
、无人机的有效开关电容γ
c
、无线信道带宽B、用户终端k与无人机之间的平均信道增益误差阈值ε。
[0020]作为优选，所述S2中设置迭代次数标量以及初始化无人机轨迹包括以下步骤：
[0021]S2.1:设置一个迭代次数变量i，其初始值i＝0；
[0022]S2.2:设置无人机的初始轨迹为起点到终点的一条直线，无人机在飞行过程中保持匀速，由于迭代尚未开始，将初始化的无人机轨迹在第n帧的位置表示为q
n
[i＝0]。
[0023]作为优选，所述S3中获得初始的目标函数值包括有以下步骤：
[0024]S3.1:获取用户终端k在第n帧计算卸载所产生的通信能耗
[0025]S3.2:获取用户终端k在第n帧本地计算的能耗
[0026]S3.3:获取无人机在第n帧处理用户终端k卸载的任务产生的能耗
[0027]S3.4:获取无人机在第n帧飞行产生的推本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于终端能效优化的无人机辅助边缘计算的卸载方法，其特征在于：包括有以下步骤：S1:初始化用户终端和无人机的配置信息；S2:设置迭代次数变量以及初始化无人机轨迹；S3:根据初始化的条件，获得初始的目标函数值；S4:优化计算卸载任务量的分配；S5:优化无人机的轨迹；S6:判断第i次迭代时得到目标函数值与第i-1次迭代得到的目标函数值的差值是否小于设定的容错阈值ε，若是执行步骤S7，否则迭代次数加一，返回步骤S4；S7:获得最优的本地计算的任务量最优的计算卸载的任务量无人机的最优轨迹以及最小的用户终端能耗值。2.根据权利要求1所述的基于终端能效优化的无人机辅助边缘计算的卸载方法，其特征在于：所述S1中用户终端和无人机配置的信息包括：任务时长T、时间帧用户终端数量K、用户终端k的具体位置z
k
＝(x
k
,y
k
,0),k∈K、用户终端k的任务量L
k
、用户终端k的计算能力f
k
、用户终端k任务的复杂度C
k
、用户终端k处理器的有效开关电容γ
k
、无人机的飞行高度H、无人机的瞬时位置q[n]＝(x[n],y[n],H),n∈N、无人机的起点位置q0和终点位置q
f
、无人机速度无人机速度的上限值v
max
、无人机的质量M、无人机的计算能力f
c
、无人机的有效开关电容γ
c
、无线信道带宽B、用户终端k与无人机之间的平均信道增益误差阈值ε。3.根据权利要求1所述的基于终端能效优化的无人机辅助边缘计算的卸载方法，其特征在于：所述S2中设置迭代次数标量以及初始化无人机轨迹包括以下步骤：S2.1:设置一个迭代次数变量i，其...

【专利技术属性】
技术研发人员：余雪勇，朱烨，牛文巾，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：