本发明专利技术提供一种基于移动边缘计算的数据卸载方法及装置，其中，该方法包括：获取至少一个待检测的视频序列，将至少一个待检测的视频序列分为至少一个调度周期；对于每个调度周期，获取与预设数量的无人机对应的预设数量的信道增益，根据预设数量的信道增益，通过预设的优化模型确定对应的卸载情况和视频序列压缩比，根据对应的卸载情况和视频序列压缩比将数据卸载至无人机。在频谱算力双重受限的应急场景下，本发明专利技术考虑由无人机辅助检测并压缩卸载数据，而压缩比的大小影响着任务完成时延和检测精度，因此如何对传算资源进行实时调度以满足任务检测精度与完成时延的均衡是本发明专利技术要解决的关键问题。要解决的关键问题。要解决的关键问题。
【技术实现步骤摘要】
一种基于移动边缘计算的数据卸载方法及装置
[0001]本专利技术涉及计算机网络
，尤其涉及一种基于移动边缘计算的数据卸载方法及装置。
技术介绍
[0002]灾情感知是保障应急救援的基础与关键，特别是由于地面通信设施损毁导致带宽极大地受限，并且有限的电池能量和较低的计算能力使得地面采集设备难以仅依靠自己的计算资源进行智能化的灾情检测，给指挥中心精准决策带来了极大的困难。因此，亟需提出一种具有低时延与高精度的灾情感知方法，辅助地面采集装置对采集数据进行高效检测，将结果实时回传至指挥端，提升应急救援体系的精准时效性。
[0003]近年来，多数研究利用计算卸载缓解终端算力不足的弊端，在针对移动边缘计算场景下对任务协同计算进而有效感知信息的研究中，大致分为三种目标的优化策略，首先是以最小化获取有效信息的时延为目标，考虑基于李雅普诺夫(Lyapunov)函数的资源调度算法，降低通信时延与计算时延；另外，也存在以最小化系统能耗为目标，采用人工鱼群算法或遗传算法(Genetic Algorithm)进行系统频谱、计算资源的分配，降低通信能耗与计算能耗；最后，是以降低系统能耗并满足时延要求为目标进行协作计算，联合优化传算资源的分配、数据调度决策等变量，考虑强化学习(Reinforcement Learning)的方法进行有效信息的获取。但是，随着目标检测、视觉定位等计算密集型任务越来越多，上述方法已无法满足图像、视频等多媒体数据在节点间迁移的时延需求。
[0004]另外，数据压缩作为一种即能保留有用信息又能有效减少数据量的技术受到了广泛应用，在边缘计算系统中，可对卸载数据量进行压缩，联合优化卸载决策和传算资源，最小化用户的能耗和服务时延。虽然针对移动边缘计算问题已提出了大量的解决方案，但关于无人机与终端节点协同计算的研究较少，并且忽略了智能场景下人们对业务精度的要求。
技术实现思路
[0005]本专利技术提供一种基于移动边缘计算的数据卸载方法及装置。本专利技术主要解决应急场景下的边端架构中，智能检测任务的完成时延与推演精度的均衡问题。地面数据采集设备(或称地面终端)对灾况信息采集并进行智能检测，但考虑到救援小车的算力、电池等设备条件受限，无法进行高效的作业，而无人机作为应急指挥现场下一种有效的灾情感知载体，可接收集地面采集数据执行灾情检测等计算密集型的模型推演任务。然而，现场频谱不足，链路状态时变，为在地面终端与无人机之间进行图像、视频等多媒体数据的迁移卸载带来了巨大的挑战。本专利技术引入了数据压缩技术，指派无人机辅助灾情信息的智能检测，缓解了现场算力不足的压力，突破了应急场景中通信资源受限的瓶颈，同时考虑终端在向无人机卸载待检测数据的过程中的数据准确率和传输时延的问题，引入数据压缩技术，以缓解通信链路负担，提高传输数据的准确率，并且通过控制数据的压缩比，使传输时延降低。以
实现在传算资源调度过程中，任务完成时延与检测精度的均衡。
[0006]重点解决了智能检测任务的完成时延与推演精度的均衡问题。
[0007]第一方面，本专利技术提供了一种基于移动边缘计算的数据卸载方法，应用于地面终端，包括：获取至少一个待检测的视频序列，将所述至少一个待检测的视频序列分为至少一个调度周期，每个调度周期包括预设数量的待检测的视频序列，所述预设数量的待检测的视频序列与预设数量的无人机一一对应，所述无人机用于为检测所述待检测的视频序列提供算力支持；对于每个调度周期，获取与所述预设数量的无人机对应的预设数量的信道增益，根据所述预设数量的信道增益，通过预设的优化模型确定对应的卸载情况和视频序列压缩比，根据所述对应的卸载情况和视频序列压缩比将数据卸载至无人机，所述预设的优化模型是基于检测所述待检测的视频序列的时延最小化和检测所述待检测的视频序列的检测精度最大化的双层优化问题的模型。
[0008]进一步地，所述对于每个调度周期，获取与所述预设数量的无人机对应的预设数量的信道增益，包括：对于每个调度周期，根据瑞利分布方法，生成与所述预设数量的无人机对应的预设数量的信道增益。
[0009]进一步地，所述通过预设的优化模型确定对应的卸载情况和视频序列压缩比，包括：根据所述预设数量的信道增益和预设数量的预设视频序列压缩比，通过所述优化模型，结合第一预设条件和第二预设条件，确定所述对应的卸载情况；根据所述预设数量的信道增益和所述对应的卸载情况，通过所述优化模型，结合第二预设条件和第三预设条件，确定对应的所述视频序列压缩比。
[0010]进一步地，所述第一预设条件表示卸载情况的参数为离散变量，所述第二预设条件表示每个调度周期的推演时延小于或等于第一阈值，所述第三预设条件表示所述视频序列压缩比与数据精度的拟合函数的值大于或等于第二阈值。
[0011]第二方面，本专利技术还提供了一种基于移动边缘计算的数据卸载装置，应用于地面终端，包括：第一处理模块，用于获取至少一个待检测的视频序列，将所述至少一个待检测的视频序列分为至少一个调度周期，每个调度周期包括预设数量的待检测的视频序列，所述预设数量的待检测的视频序列与预设数量的无人机一一对应，所述无人机用于为检测所述待检测的视频序列提供算力支持；第二处理模块，用于对于每个调度周期，获取与所述预设数量的无人机对应的预设数量的信道增益，根据所述预设数量的信道增益，通过预设的优化模型确定对应的卸载情况和视频序列压缩比，根据所述对应的卸载情况和视频序列压缩比将数据卸载至无人机，所述预设的优化模型是基于检测所述待检测的视频序列的时延最小化和检测所述待检测的视频序列的检测精度最大化的双层优化问题的模型。
[0012]第三方面，本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述基于移动边缘计算的数据卸载方法的步骤。
[0013]第四方面，本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于移动边缘计算的数据卸载方法的步骤。
[0014]第五方面，本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述基于移动边缘计算的数据卸载方法的步骤。
[0015]本专利技术提供的一种基于移动边缘计算的数据卸载方法及装置，在数据需要卸载到无人机时，考虑到智能检测任务的完成时延与推演精度的均衡问题，通过预设的优化模型，确定了对应的卸载情况和视频序列压缩比。根据得到的卸载情况和视频序列压缩比最小化整体任务的数据推演时延，在保证了灾情检测精度的情况下，还提升了无人机与地面终端的协同检测任务的完成效率，降低系统开销。
附图说明
[0016]为了更清楚地说明本专利技术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一简单地介绍，显而易见地，下面描述中的附图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获得其他的附图。
[0017]图1本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于移动边缘计算的数据卸载方法，其特征在于，应用于地面终端，包括：获取至少一个待检测的视频序列，将所述至少一个待检测的视频序列分为至少一个调度周期，每个调度周期包括预设数量的待检测的视频序列，所述预设数量的待检测的视频序列与预设数量的无人机一一对应，所述无人机用于为检测所述待检测的视频序列提供算力支持；对于每个调度周期，获取与所述预设数量的无人机对应的预设数量的信道增益，根据所述预设数量的信道增益，通过预设的优化模型确定对应的卸载情况和视频序列压缩比，根据所述对应的卸载情况和视频序列压缩比将数据卸载至无人机，所述预设的优化模型是基于检测所述待检测的视频序列的时延最小化和检测所述待检测的视频序列的检测精度最大化的双层优化问题的模型。2.根据权利要求1所述的基于移动边缘计算的数据卸载方法，其特征在于，所述对于每个调度周期，获取与所述预设数量的无人机对应的预设数量的信道增益，包括：对于每个调度周期，根据瑞利分布方法，生成与所述预设数量的无人机对应的预设数量的信道增益。3.根据权利要求1至2任一所述的基于移动边缘计算的数据卸载方法，其特征在于，所述通过预设的优化模型确定对应的卸载情况和视频序列压缩比，包括：根据所述预设数量的信道增益和预设数量的预设视频序列压缩比，通过所述优化模型，结合第一预设条件和第二预设条件，确定所述对应的卸载情况；根据所述预设数量的信道增益和所述对应的卸载情况，通过所述优化模型，结合第二预设条件和第三预设条件，确定对应的所述视频序列压缩比。4.根据权利要求3所述的基于移动边缘计算的数据卸载方法，其特征在于，所述第一预设条件表示卸载情况的参数为离散变量，所述第二预设条件表示每个调度周期的推演时延小于或等于第一阈值，所述第三预设条件表示所述视频序列压缩比与数据精度的拟合函数的值大于或等于第二阈值。5.一种基于移动边缘计算的数据卸载装置，其特征在于，应用于地面终端，包括：第一处理模块，用于获取至少一个待检测的...
【专利技术属性】
技术研发人员：王莉，徐连明，费爱国，袁铭蔚，李靓，张宇明，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：
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。