【技术实现步骤摘要】
基于密集边界优先服务的无人机部署方法及系统
[0001]本专利技术属于移动边缘计算
,具体涉及基于密集边界优先服务的无人机部署方法及系统。
技术介绍
[0002]移动边缘计算通过向用户提供高可靠、低时延的服务,缓解了用户设备压力,被设想为下一代移动网络的关键技术之一。有关MEC的研究,例如:计算卸载、资源分配、网络部署等,收到了越来越多的关注。传统的MEC因为体系结构固定,不能够灵活部署,随着用户数据指数级的增长,移动边缘服务器的部署成本成为一个值得考虑的问题,并且,在荒漠、森林等偏远区域难以部署。因此,传统的MEC难以应对用户位置和服务需求不断变化的场景。
[0003]近年来,无人机(UAV)因为其机动性高,部署灵活,成本低等优点,弥补了移动边缘服务器在部署上的劣势,越来越多的研究将无人机作为空中基站来辅助传统的MEC协同工作。由于无人机具有较高的移动性,因此可以与附近的移动边缘服务器协同工作,大大降低了用户设备因远距离传输消耗的额外通信时延。此外,无人机还可以作为移动中继,进一步提高网络吞吐量以及覆盖范围。 ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.基于密集边界优先服务的无人机部署方法,其特征在于,包括如下步骤:S1,初始化阶段:获取当前场景下相关信息,包括地面用户位置信息,当前环境下对应的城市模型信息以及当前环境下可通信的最小信道增益;S2,建立优化模型:根据优化的总目标,建立以无人机位置与可通信信道增益为约束,以最大化平均传输速率为目标的系统优化模型;S3,将优化问题分解为最大服务半径与垂直位置子问题和区域划分与水平位置子问题;S4,基于KKT条件求解最大服务半径与垂直位置子问题;S5,基于密集边界优先服务的区域划分方法,求解无人机水平位置子问题。2.根据权利要求1所述的基于密集边界优先服务的无人机部署方法,其特征在于,步骤S1包括如下步骤:S11,定义无人机集合表示为A={A1,A2,...,A
m
,...,A
M
},用户集合表示为U={u1,u2,...,u
k
,...,u
K
};设定所有无人机垂直高度都相同,使用三维笛卡尔坐标系表示第m个无人机的坐标表示为(x
m
,y
m
,h),第k个用户的坐标表示为(a
k
,b
k
,0),设定所有用户位置都是固定的;对无人机位置有如下限制:X
min
≤x
m
≤X
max
(1)Y
min
≤y
m
≤Y
max
(2)H
min
≤h≤H
max
(3)其中X
min
、X
max
、Y
min
、Y
max
、H
min
、H
max
分别表示无人机水平位置与垂直位置的最小最大范围;S12,建立城市环境下LoS信道模型,在LoS信道下,无人机A
m
与移动用户u
k
之间的通信概率为:其中,a和b是取决于当前环境的常量值,表示无人机A
m
与移动用户u
k
之间的夹角;LoS信道下,无人机A
m
与移动用户u
k
之间的路径损耗表示为:其中,表示无人机A
m
与移动用户u
k
之间的距离,f
c
表示载波频率,c表示光速,η
LoS
表示LoS信道下对应的额外路径损耗,是一个取决于环境的常量值;S13,在NLoS信道下,无人机A
m
与移动用户u
k
之间的通信概率为:
NLoS信道下,通信路径损耗表示为:其中,η
NLoS
表示NLoS信道下对应的额外路径损耗,是一个取决于环境的常量值;得出,无人机A
m
与移动用户u
k
之间的路径损耗表示为:得出,无人机A
m
与移动用户u
k
的传输速率表示为其中,B表示系统传输带宽,P表示用户平均发送功率,σ2表示高斯白噪声;使用最小信道增益g0表示信道可通信的条件,当满足条件时,无人机A
m
与移动用户u
k
之间可建立通信。3.根据权利要求2所述的基于密集边界优先服务的无人机部署方法,其特征在于,步骤S2包括如下步骤:S21,系统优化模型建模如下:s.t.X
min
≤x
m
≤X
max
(12)Y
min
≤y
m
≤Y
max
(13)H
min
≤h≤H
max
(14)4.根据权利要求3所述的基于密集边界优先服务的无人机部署方法,其特征在于,步骤S4包括如下步骤:S41,由无人机与移动用户之间可通信的最小信道增益推出:PL
m,k
技术研发人员:郭明宇,冯维,齐崇信,朱芳,夏晓威,姚英彪,许晓荣,
申请(专利权)人:杭州电子科技大学,
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。