认知无人机边缘计算网络中能量效率最大化的优化方法技术

本发明专利技术属于无线电通信技术领域，具体地说，是一种认知无人机边缘计算网络中能量效率最大化的优化方法，该方法将无人机既作为认知用户与源节点进行联合频谱感知，又作为中继节点进行辅助计算与传输数据，在信息因果约束、干扰功率约束、分享数据比特量约束下，以认知无人机边缘计算网络中的能量效率为优化目标，采用粒子群算法，进行速度和位置更新与迭代，对感知时间、计算资源、通信资源进行优化，得到最优的感知时间、数据比特量与中央处理单元频率，最大化认知无人机边缘计算网络中的能量效率。本发明专利技术能够提高边缘计算网络系统的能量效率。率。率。

【技术实现步骤摘要】
认知无人机边缘计算网络中能量效率最大化的优化方法


[0001]本专利技术属于无线电通信
，具体地说，是一种认知无人机边缘计算网络中能量效率最大化的优化方法，采用粒子群算法来搜索获得最佳的通信资源、计算资源和感知时间的分配，使认知无人机边缘计算网络的能量效率达到最大值。

技术介绍

[0002]移动边缘计算(Mobile Edge Computing,MEC)技术是5G和B5G关键技术之一，其核心原理是用户可以通过无线链路将待计算任务卸载到具有强大计算能力的边缘服务器。频谱资源的稀缺性和移动设备的爆炸式增长，为所有用户分配独立的频谱资源是不现实的。因此，频谱资源在边缘计算网络中至关重要。
[0003]认知无线电是一种动态频谱共享技术，可以有效缓解边缘计算网络中频谱资源稀缺问题。在认知无线电网络中，次用户(未授权用户)可在满足主用户(授权用户)干扰温度约束(即对主用户的干扰功率不能超过一个预设的门限)的条件下接入主用户频段。显然，可以将认知无线电技术应用到移动边缘计算中，为次用户提供频谱接入机会用以任务卸载。能量检测易于实现且不需要任何本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种认知无人机边缘计算网络中能量效率最大化的优化方法，其特征在于，包括如下步骤：步骤S1、确定频谱空洞概率；步骤S2、信息收发和任务计算；步骤S3、确定系统平均能量效率目标函数；步骤S4、利用粒子群算法进行优化。2.根据权利要求1所述的认知无人机边缘计算网络中能量效率最大化的优化方法，其特征在于，在所述步骤S1中，协作频谱感知过程是：在T1时隙内，源节点S和无人机中继分别对接收到的来自主发射机PT的信号进行本地能量检测，然后无人机中继将本地感知结果通过专用控制信道传给源节点S，源节点S采用“OR”融合规则对无人机中继的感知结果和本地感知结果进行融合并做出最后的判决；其中感知时隙可分为两个子时隙t
s
和t
r
，第一个子时隙，源节点S和无人机中继分别进行频谱感知，第二个子时隙无人机中继将感知结果传给源节点S，由S进行融合并做出最后的判决，当感知结果报告时间t
r
很短，做忽略处理。3.根据权利要求2所述的认知无人机边缘计算网络中能量效率最大化的优化方法，其特征在于，设定y(n)是源节点S或无人机中继在T1内接收到的PT发送信号，根据二元假设，PT存在或者不存在时的接收信号如下所示：其中，H1表示PT存在，H0表示PT不存在，x
p
(t)是功率为P
p
的主用户发射信号，n(t)为服从N(0，σ2)分布的高斯白噪声，h
ST
是PT
‑
S链路的信道增益；M＝t
s
f
s
为采样点数，f
s
为采样频率；本地感知采用能量检测，S本地感知信号的能量统计值表示为源节点S在能量检测下的本地虚警概率P
f
和本地检测概率P
d
表示为：表示为：其中，Q(
·
)为标准高斯互补分布函数：η是源节点S和无人机中继本地能量检测器的判决门限，γ为S(或无人机中继)接收授权用户信号的平均信噪比：源节点S采用“OR”融合规则对S和无人机中继的本地判决结果进行融合，因此，最终整个系统的协作虚警概率P
fa
和协作检测概率P
de
如下：P
fa
＝1
‑
(1
‑
P
f
)2(1.5)P
de
＝1
‑
(1
‑
P
d
)2(1.6)
由此可得：4.根据权利要求3所述的认知无人机边缘计算网络中能量效率最大化的优化方法，其特征在于，步骤S2中，采用三维笛卡尔坐标系，其中源节点S、目的节点D、无人机中继r、主发射机PT、主接收机PR的三维坐标分别为(0,0,0)、(x
d
，0,0)、(x
r
，y
r
，H)、(x
T
,y
T
，0)、(x
R
，y
R
,0)；将传输时长T2划分成N个等长的时隙，每个时隙的长度为无人机中继与地面通信节点之间的无线信道主要为视距信道，因此，S和无人机、无人机和D、S和PR、无人机和PR、S和PT、无人机和PT之间的信道增益分别表示为和PT、无人机和PT之间的信道增益分别表示为和PT、无人机和PT之间的信道增益分别表示为和PT、无人机和PT之间的信道增益分别表示为和PT、无人机和PT之间的信道增益分别表示为和PT、无人机和PT之间的信道增益分别表示为其中，β0表示在基准距离d0＝1情况下的信道功率增益，d
sr
、d
rd
、d
sR
、d
rR
、d
sT
、d
rT
分别表示S与无人机、无人机与D、S与PR、无人机与PR、S与PT、无人机与PT之间的距离；在快衰落信道模型下，系统涉及的无线信道在时长T内保持稳定状态。5.根据权利要求4所述的认知无人机边缘计算网络中能量效率最大化的优化方法，其特征在于，所述步骤S2中包括以下流程：流程S2.1、确定本地计算中的数据比特量和能耗捕获到原始数据之后，S同步执行任务的本地计算和卸载；针对本地计算，令C表示执行单位比特计算任务所需的CPU循环次数，ρ∈(0,1)表示数据压缩率；为高效利用有限的能量资源，S采用动态电压和频率缩放技术以自适应地控制计算能量消耗；将S在第n时刻的CPU频率表示为f
s
[n]循环每秒；在第n时刻S计算的任务比特量和相应的能耗分别为
其中，γ
s
表示S依赖于芯片结构的有效电容系数；随着本地计算的进行，S在无人机中继的辅助下将计算结果共享给D；当主用户确实空闲，且协作感知未出现虚警时，令表示第n时刻S发送出去的数据比特数，得到第n时刻S相应的信息传输能耗为其中，P
stran
[n]表示信息发送功率，B表示信道带宽，σ2表示无人机的天线噪声功率；当主用户实际忙碌，但协作感知出现漏检时，第n时刻S发送出去的数据比特数表示为通过分析易知，在第n时刻，S只能发送或共享那些已被本地计算处理的数据，有信息因果性约束为(2.11)考虑处理时延的存在，S在第一个和最后一个时隙不再传输计算结果，并且在最后2个时隙不再进行数据的本地计算；有和f
s
[N]＝f
s
[N
‑
1]＝0；接收到来自S的信息之后，无人机充当中继对信息进行解码并转发给D；当主用户确实空闲，且协作感知未出现虚警时，令表示第n时刻无人机中继转发出去的数据比特量，则第n时刻无人机相应的信息转发能耗为其中，P
r(1)for
[n]表示无人机的信息转发功率；当主用户实际忙碌，但协作感知出现漏检时，第n时刻无人机中继转发出去的数据比特量表示为通过分析易知，无人机只能解码转发那些已从S发送过来的信息数据；有信息因果性约...

【专利技术属性】
技术研发人员：岳文静，段永鸾，陈志，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：