一种基于智能反射面辅助的无人机移动边缘计算网络系统的任务卸载资源分配方法技术方案

本发明专利技术属于无人机任务卸载和资源分配技术领域，具体涉及一种基于智能反射面辅助的无人机移动边缘计算网络系统的任务卸载资源分配方法，包括：构建智能反射面辅助的无人机移动边缘计算网络系统模型；构建智能反射面辅助的无人机移动边缘计算网络通信模型；根据通信模型获得时延模型和能耗模型；以最小化无人机能耗为目标建立多变量联合优化模型；利用深度强化学习方法求解所述目标优化模型；本发明专利技术通过智能反射面辅助、联合优化卸载决策和资源分配，有效降低了无人机能耗，提升了无人机网络系统性能。系统性能。系统性能。

【技术实现步骤摘要】
一种基于智能反射面辅助的无人机移动边缘计算网络系统的任务卸载资源分配方法


[0001]本专利技术属于无人机任务卸载和资源分配
，具体涉及一种基于智能反射面辅助的无人机移动边缘计算网络系统的任务卸载资源分配方法。

技术介绍

[0002]移动边缘计算网络被认为是一项很有前途的关键技术，可以提高计算密集型和延迟关键型任务的服务质量。配备无人机的移动边缘计算网络可以充分利用无人机的灵活部署，及时为移动用户提供扩展的通信覆盖和可靠的连接，特别是当地面通信基础设施被摧毁或大量用户激增时。然而，由于无人机的能源和计算资源的限制，在移动边缘计算网络中部署更多的无人机需要较高的成本和功耗。幸运的是，一种被称为智能反射面的新技术能够提供一种节能的替代方案来提高网络容量。
[0003]智能反射面具有低成本、节能、高增益的超表面，可以重新配置无线传播环境，从而提高通信能力，降低移动边缘计算网络的能耗，以及提高MEC网络的传输可靠性，并扩大无线覆盖范围。
[0004]用户共享无人机的计算资源和通信资源。由于无人机的资源和能量有限，用户的计算任务不能在无人机上同时充分完成。因此，有必要共同优化任务卸载和资源分配。然而，联合优化问题是一种复杂的非凸问题，用传统的方法难以快速地得到多维决策矩阵的最优解。幸运的是，深度强化学习最近已经被用作一种新兴的工具，可以有效地解决无线通信网络中的各种优化问题。

技术实现思路

[0005]为解决以上现有技术存在的问题，本专利技术提出了一种基于智能反射面辅助的无人机移动边缘计算网络系统的任务卸载资源分配方法，该方法包括：
[0006]S1：构建智能反射面辅助的无人机移动边缘计算网络系统模型；
[0007]S2：根据智能反射面辅助的无人机移动边缘计算网络系统模型构建通信模型、时延模型和能耗模型；
[0008]S3：根据通信模型、时延模型和能耗模型构建最小无人机能耗问题；
[0009]S4：根据深度强化学习方法对最小无人机能耗问题进行优化；对优化后的问题进行求解，得到最优任务卸载决策和资源分配结果。
[0010]优选的，构建通信模型包括：根据用户与无人机的位置信息获得用户与无人机间链路的信道增益；根据无人机与智能反射面的位置信息获得无人机与智能反射面链路间的信道增益；根据智能反射面与网络接入点的位置信息获得网络接入点与智能反射面链路间的信道增益；根据网络接入点与无人机的位置信息获取无人机与网络接入点链路间的信道增益；根据智能反射面元件的幅值系数与相移系数获得智能反射面的相移矩阵。
[0011]进一步的，通信模型的表达式为：
[0012]Θ＝[θ1(n),θ2(n),...,θ
M
(n)]T
[0013][0014][0015][0016][0017]优选的，时延模型的表达式为：
[0018][0019][0020][0021]优选的，能耗模型表达式为：
[0022][0023][0024]优选的，最小无人机能耗问题的表达式为：
[0025][0026]优选的，最小无人机能耗优化问题的表达式为：
[0027][0028]s.t.C1:
[0029]C2:
[0030]C3:
[0031]C4:
[0032]C5:
[0033]C6:
[0034]C7:
[0035]C8:
[0036]本专利技术的有益效果：
[0037]本专利技术提出了一个智能反射面辅助的无人机移动边缘计算网络系统联合任务卸载与资源分配方法，降低无人机的能耗。本专利技术通过联合优化无人机计算资源分配和无人机卸载决策，智能反射面相移，发送功率分配来最小化无人机能耗。通过对最小无人机能耗问题进行求解，从而得到最佳的任务卸载与资源分配方案；与现有的基线方法相比，本专利技术提出的方法有效地节约了无人机能耗，提升了系统的性能。本专利技术以无人机作为空中基站和空中中继站，同时考虑将智能反射面应用于无人机网络系统，合理调度无人机资源，做出实时最优卸载决策和资源分配方案。
附图说明
[0038]图1为本专利技术中智能反射面辅助的无人机移动边缘计算的任务卸载和资源分配方法流程图；
[0039]图2为本专利技术中智能反射面辅助的无人机移动边缘计算网络系统模型示意图；
[0040]图3为无人机总能耗随用户数量变化关系图；
[0041]图4为用户计算任务处理总时延随用户数量变化关系图。
具体实施方式
[0042]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0043]一种基于智能反射面辅助的无人机移动边缘计算网络系统的任务卸载资源分配方法，如图1所示，该方法包括：
[0044]S1：构建智能反射面辅助的无人机移动边缘计算网络系统模型；
[0045]S2：根据智能反射面辅助的无人机移动边缘计算网络系统模型构建通信模型、时延模型和能耗模型；
[0046]S3：根据通信模型、时延模型和能耗模型构建最小无人机能耗问题；
[0047]S4：根据深度强化学习方法对最小无人机能耗问题进行优化；对优化后的问题进行求解，得到最优任务卸载决策和资源分配结果。
[0048]如图2所示，本专利技术构建的智能反射面辅助的无人机移动边缘计算网络系统模型，模型包括：一架无人机，一个智能反射面板，和多位用户。无人机、智能反射面以及网络接入点的位置分别为[600,0,50],[400,300,30],[0,600,0]，用户的位置随机分布在以[0,600,0]为中心，半径100米的圆内。
[0049]构建通信模型包括：根据用户与无人机的位置信息获得用户与无人机间链路的信道增益；根据无人机与智能反射面的位置信息获得无人机与智能反射面链路间的信道增
益；根据智能反射面与网络接入点的位置信息获得网络接入点与智能反射面链路间的信道增益；根据网络接入点与无人机的位置信息获取无人机与网络接入点链路间的信道增益；根据智能反射面元件的幅值系数与相移系数获得智能反射面的相移矩阵。通信模型的表达式为：
[0050]Θ＝[θ1(n)，θ2(n)，...，θ
M
(n)]T
[0051][0052][0053][0054][0055]其中，是RIS在第n个时隙第m个反射单元的反射系数，其中φ
m
[n]∈[0，2π)和λ
m
∈[0，1]是分别表示相移和振幅反射系数；G
k
(n)，分别为在第n个时隙从用户k到UAV，从UAV到RIS，从RIS到AP，和从UAV到AP的信道增益；β0表示参考距离为1米的路径损失；d是RIS的元件距离，是信号到达角(AOA)的余弦值；β1是Ri本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于智能反射面辅助的无人机移动边缘计算网络系统的任务卸载资源分配方法，其特征在于，包括：S1：构建智能反射面辅助的无人机移动边缘计算网络系统模型；S2：根据智能反射面辅助的无人机移动边缘计算网络系统模型构建通信模型、时延模型和能耗模型；S3：根据通信模型、时延模型和能耗模型构建最小无人机能耗问题；S4：根据深度强化学习方法对最小无人机能耗问题进行优化；对优化后的问题进行求解，得到最优任务卸载决策和资源分配结果。2.根据权利要求1所述的一种基于智能反射面辅助的无人机移动边缘计算网络系统的任务卸载资源分配方法，其特征在于，构建智能反射面辅助的无人机移动边缘计算网络系统模型包括：包括无人机、智能反射面板以及用户终端；其中用户终端用于生成计算任务；计算任务通过智能反射面板上传到无人机。3.根据权利要求1所述的一种基于智能反射面辅助的无人机移动边缘计算网络系统的任务卸载资源分配方法，其特征在于，构建通信模型包括：根据用户与无人机的位置信息获得用户与无人机间链路的信道增益；根据无人机与智能反射面的位置信息获得无人机与智能反射面链路间的信道增益；根据智能反射面与网络接入点的位置信息获得网络接入点与智能反射面链路间的信道增益；根据网络接入点与无人机的位置信息获取无人机与网络接入点链路间的信道增益；根据智能反射面元件的幅值系数与相移系数获得智能反射面的相移矩阵。4.根据权利要求3所述的一种基于智能反射面辅助的无人机移动边缘计算网络系统的任务卸载资源分配方法，其特征在于，通信模型的表达式为：Θ＝[θ1(n),θ2(n),...,θ
M
(n)]
TTTT
其中，θ
m
(n)为RIS在第n个时隙第m个反射单元的反射系数；G
k
(n)为第n个时隙从用户k到UAV的信道增益，为在第n个时隙从UAV到RIS的信道增益，为在第n个时隙从RIS到AP的信道增益，为在第n个时隙从UAV到AP的信道增益；β0表示参考距离为1米的路径损失；d是RIS的元件距离，为信号到达角的余弦值；β1为Rician因子，为确LoS分量；NLoS分量是具有零均值和单位方差为1的高斯分布。
5.根据权利要求1所述的一种基于智能反射面辅助的无人机移动边缘计算网络系统的任务卸载资...

【专利技术属性】
技术研发人员：刘倩，韩婕，刘期烈，李云，肖光彬，胡方霞，庄宏成，王毅，李松浓，刘竟成，黄东，刘苡村，代祥光，邱建，汪亮，周郑钢，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：