【技术实现步骤摘要】
一种无人机辅助的移动边缘计算方法、装置及控制设备
[0001]本专利技术涉及无人机
,尤其涉及一种无人机辅助的移动边缘计算方法、装置及控制设备。
技术介绍
[0002]为了满足移动网络高速发展所需的高带宽、低时延要求,并减轻网络负荷,移动边缘计算(Mobile Edge Computing,MEC)成为5G/6G网络的关键技术之一。
[0003]无人机由于具有操作稳定、移动灵活、环境适应性强等特性,被越来越多地考虑应用于边缘计算领域协助地面设备进行计算。
[0004]现有技术中,在地面用户无法实时完成计算任务时(例如灾后、热点场景),地面用户可以选择将计算任务卸载到无人机端进行计算,无人机完成计算任务后回传。
[0005]然而,考虑无人机的续航时间通常是有限的,计算任务具有较低时延要求,当地面用户众多时,如果无人机与地面用户组成的系统不能充分利用,将导致计算任务无法在规定时延内完成或者耗费无人机过多机载能量。
[0006]其缺点主要体现在:
[0007]1、反应速度慢
[0008]速度慢主要体现在两个部分,一是完成最优决策的算法复杂度高,时间长;二是完成所有计算任务时间长。现有技术多考虑采用枚举法或者对单个用户独立优化其各项指标,前者算法复杂度高(O(2
K
)),对于用户数量较多的情况,计算时间非常长,后者需对每个用户逐一判断,在远端无人机计算资源有限的情况下,单个用户完成任务时间长,导致整体完成任务时间长。
[0009]2、系统效率低< ...
【技术保护点】
【技术特征摘要】
1.一种无人机辅助的移动边缘计算方法,其特征在于,包括以下步骤:S201、初始化用户传输功率、无人机CPU频率、无人机位置;S202、获取上述情况下最优的用户卸载决策;S203、获取当前最优的用户卸载决策下的最优用户传输功率、无人机CPU频率、无人机位置,并计算当前系统效用函数;S204、基于所获取的用户卸载决策、用户传输功率、卸载传输能耗和时延约束、无人机计算资源约束、位置约束,获取系统效用函数最大时的用户传输功率、无人机CPU频率、无人机位置及用户卸载决策;S205、控制无人机飞行到最优位置并以最优计算资源进行分配,控制卸载用户以最优传输功率进行传输。2.根据权利要求1所述的无人机辅助的移动边缘计算方法,其特征在于,步骤S201的具体方法为:定义任意用户的归一化效用函数:效用函数v
n
通过归一化的任务完成时间和能耗两个维度来比较卸载和本地计算两种方式的系统增益;用户效用函数方程为:其中,Z={x
u
,y
u
};S,F,P,Z分别表示卸载决策s
n
、无人机计算资源分配上行传输数据功率无人机坐标(x
n
,y
n
,H)的向量,N表示带宽限制下最多可以卸载的用户集合,K表示地面用户的集合,集合S={n|s
n
=1}表示所有选择卸载用户的集合,s
n
=0表示用户进行本地计算,s
n
=1表示用户将计算任务卸载到无人机上进行计算;将效用函数最大化问题拆解为两个子问题,包括:1)对于一个给定的卸载决策,联合优化计算通信资源和无人机坐标(x
u
,y
u
,H);2)在最优化计算通信资源和无人机坐标(x
u
,y
u
,H)的基础上,使得卸载决策最优。3.根据权利要求2所述的无人机辅助的移动边缘计算方法,其特征在于,步骤S202具体的方法为:对于给定的计算通信资源和无人机坐标(x
u
,y
u
,H),利用次模函数的性质,以系统效用函数增量为指标,将用户进行分类,其中函数增量Δ
i
{v(A)}表示为:
在阶段I,用户首先根据自身情况和设备特性,将用户分为本地计算和卸载两类,分别表示为S
local
,S
offload
,卸载用户向无人机发送卸载请求及其当前系统参数;在阶段II,无人机接收到所有卸载请求信息后,将最优卸载集合初始值设为S=S
offload
;如果集合S内的用户数超过系统可承载最大用户数N,则挑选出系统效用函数最小的用户并删去,直到集合内用户数不超过N为止;否则,继续从不符合上述两种情况的集合S
research
中挑选效用函数最大的用户,同时保证Δ
i
v(S)>0且集合,{S∪{i}}不可压缩;持续挑选集合S
research
的用户进入最优卸载集合,直到集合S不可扩展为止;由此确定当前最优卸载决策。4.根据权利要求1所述的无人机辅助的移动边缘计算方法,其特征在于,步骤S204所述的用户卸载决策、用户传输功率、卸载传输能耗和时延约束满足以下公式:s
n
∈{0,1}∈{0,1}...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。