欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2023103186459
申请人: 南京邮电大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于用户协作与无线功率传输的无人机辅助移动边缘计算系统的优化方法,其特征在于,包括:获取的无人机辅助移动边缘计算系统的系统数据和待处理计算任务;其中,所述无人机辅助移动边缘计算系统包括卫星、无人机、地面活动用户和地面空闲用户;其中,所述无人机辅助移动边缘计算系统的系统数据,包括:无人机u、卫星s、I个地面活动用户和K个地面空闲用户,I<K;

无人机在任务完成时间T内以固定高度H飞行,卫星在任务完成时间T内以固定高度Hs飞行;

任务完成时间T被划分为N个时隙,每个时隙的宽度为τ=T/N;

地面用户在任务完成时间T内保持位置不变,第个地面活动用户的位置为si=(xi,yi),表示地面活动用户的集合,第个地面空闲用户的位置为sk=(xk,yk),表示地面空闲用户的集合;

无人机的水平坐标表示为u[n]=(x[n],y[n]),无人机速度表示为无人机在任务完成时间T内从初始点u0飞行至终点uN,u0=u[0],uN=u[N];

在第n个时隙,第i个地面活动用户与无人机之间的信道增益为β0为空中参考距离为1m时的信道功率增益;在第n个时隙,第k个地面空闲用户与无人机之间的信道增益为第i个地面活动用户与第k个地面空闲用户的信道增益为hii,k=g0||si-sk||-θ,g0为地面参考距离为1m时的信道功率增益,θ为损耗常数;

无人机与卫星之间的信道增益为在第n个时隙,第i个地面活动用户收集到的能量为其中0≤η≤1是将接收到的射频信号转换为直流信号的能量转换效率,Pu是无人机的广播功率;在第n个时隙,第k个地面空闲用户收集到的能量为用户关联变量ai,k[n]∈{0,1},ai,k[n]=1表示在第n个时隙第i个地面活动用户被第k个地面空闲用户服务,ai,k[n]=0表示在第n个时隙第i个地面活动用户未被第k个地面空闲用户服务;

基于获取到的系统数据和待处理计算任务,对预设的联合优化模型进行求解,得到优化结果;所述优化结果包括:最优的无人机飞行轨迹、最优的用户关联变量、最优地面活动用户卸载的数据量以及地面用户、无人机和卫星的CPU计算频率的最优分配;其中,所述预设的联合优化模型,以最大化所有地面活动用户任务完成量为目标,在任务完成时间和无人机最大能耗的限制下,建立的无人机飞行轨迹、地面活动用户卸载的数据量、用户关联变量以及地面用户、无人机和卫星的CPU计算频率的分配的联合优化模型,通过下式表示:C12:u0=u[0],uN=u[N]

其中,u[n]表示无人机轨迹,目标函数中的优化变量L表示为L={Li,k[n],Li,u[n],Li,s[n]},Li,k[n]为第i个地面活动用户在第n个时隙卸载给第k个地面空闲用户的比特数,Li,u[n]为第i个地面活动用户在第n个时隙卸载给无人机的比特数,Li,s[n]为无人机在第n个时隙将第i个地面活动用户的任务中继至卫星的比特数,Li[n]为第i个地面活动用户在第n个时隙本地计算的比特数,Li[n]=τfi[n]/Ci,Ci为第i个地面活动用户计算一比特输入位所需要的计算资源;目标函数中的优化变量F为地面用户、无人机以及卫星的CPU计算频率F={fi[n],fi,k[n],fi,u[n],fi,s[n]},fi[n]为第i个地面活动用户在第n个时隙的CPU频率,最大值为fi,max,fi,k[n]为第k个地面空闲用户在第n个时隙用于计算第i个地面活动用户任务的CPU频率,最大值为fk,max,fi,u[n]为无人机在第n个时隙用于计算第i个地面活动用户任务的CPU频率,最大值为fu,max,fi,s[n]为卫星在第n个时隙用于计算无人机中继的第i个地面活动用户任务的CPU频率,最大值为fs,max;

C1-C2用于保证每个时隙内每个地面活动用户至多被一个地面空闲用户服务;

C3-C4用于保证地面活动用户和地面空闲用户所消耗的能量不超过所收集的能量,m为求和计算中的临时变量,Ei[n]为第i个地面活动用户在第n个时隙本地计算的能耗,Ei[n]=τκifi3[n],κi是地面活动用户i的有效电容系数;Ei,k[n]为第i个地面活动用户在第n个时隙将任务卸载给第k个地面空闲用户的能耗,B为通信带宽,为第k个地面空闲用户的接收噪声功率,τ0=τ/(2I)为第i个地面活动用户卸载任务给第k个地面空闲用户的时间;Ei,u[n]为第i个地面活动用户在第n个时隙将任务卸载给无人机的能耗,表示无人机的接收噪声功率,τu=τ/(4I)为第i个地面活动用户卸载任务给无人机和无人机将地面活动用户任务中继给卫星的时间;为第k个地面空闲用户在第n个时隙计算来自第i个地面活动用户对应能耗,κk是地面空闲用户k的有效电容系数;

C5-C6用于保证地面空闲用户只能计算在前一个时隙中已经接收到的任务输入数据,为第k个地面空闲用户在第n个时隙计算来自第i个地面活动用户的任务量,C7-C8用于保证无人机只能计算或卸载在前一个时隙中已经接收到的任务输入数据,为无人机在第n个时隙计算来自第i个地面活动用户的任务量,κu是无人机的有效电容系数;

C9-C10用于保证卫星只能计算在前一个时隙中已经接收到的任务输入数据,为卫星计算来自第i个地面活动用户的任务量,C11表示无人机的最大能耗限制,为无人机在第n个时隙计算来自第i个地面活动用户对应能耗,Ei,s[n]为无人机在第n个时隙将地面活动用户i的任务中继至卫星的能耗,表示为卫星端的接收噪声功率;Eu为无人机在第n个时隙的广播能耗,Eu=τPu;Efly[n]为无人机在第n个时隙的推进能量消耗,Efly[n]=c||v[n]||2,c=0.5Mτ,M为无人机的质量;Euav为人机在任务完成时间T内的最大能量消耗;

C12表示无人机在任务完成时间内从初始点飞行至终点;

C13-C17为各个变量的取值限制条件;

基于优化结果,控制无人机按最优的无人机飞行轨迹飞行,将最优地面活动用户卸载的数据量卸载至地面空闲用户和无人机,根据最优分配将待处理计算任务分配给地面活动用户、地面空闲用户、无人机和卫星进行计算。

2.根据权利要求1所述的基于用户协作与无线功率传输的无人机辅助移动边缘计算系统的优化方法,其特征在于,所述对预设的联合优化模型进行求解,包括:步骤a:初始化迭代次数变量ξ=1,迭代终止精度ψ,初始化无人机轨迹u[n]和用户关联变量ai,k[n];

步骤b:给定无人机飞行轨迹和用户关联变量的条件下,计算所述联合优化模型,优化地面活动用户卸载的数据量以及地面用户、无人机和卫星的CPU计算频率的分配,迭代执行直至子问题目标函数值E满足收敛条件|Eξ-Eξ-1|≤ψ,迭代终止,得到最优地面活动用户卸载的数据量以及地面用户、无人机和卫星的CPU计算频率的最优分配;

步骤c:给定用户关联变量、地面活动用户卸载的数据量以及地面用户、无人机和卫星的CPU计算频率的分配的条件下,计算所述联合优化模型,优化无人机飞行轨迹;迭代执行直至子问题目标函数值E满足收敛条件|Eξ-Eξ-1|≤ψ,迭代终止,得到最优的无人机飞行轨迹;

步骤d:给定无人机飞行轨迹、地面活动用户卸载的数据量以及地面用户、无人机和卫星的CPU计算频率的分配的条件下,计算所述联合优化模型,优化用户关联变量;迭代执行直至子问题目标函数值E满足收敛条件|Eξ-Eξ-1|≤ψ,迭代终止,得到最优的用户关联变量。

3.根据权利要求2所述的基于用户协作与无线功率传输的无人机辅助移动边缘计算系统的优化方法,其特征在于,所述步骤b包括:步骤b-1:给定无人机飞行轨迹u[n]和用户关联变量ai,k[n]的条件下,优化地面活动用户卸载的数据量L以及地面用户、无人机和卫星的CPU计算频率的分配F,所述联合优化模型转化为:步骤b-2:初始化与不等式约束C3、C4、C5、C7、C9和C11相对应的对偶变量γ={γi,n},μ={μk,n},ζ={ζi,k,n},λ={λi,n},η={ηi,n}和δ,的值;

步骤b-3:根据给定的对偶变量γ,μ,ζ,λ,η和δ的值,使用二分查找法确定与等式约束C6、C8和C10相对应的对偶变量ρ={ρi,k},ν={νi}和的值;

步骤b-4:利用Karush-Kuhn-Tucker条件,求解得到步骤b-1中模型子问题的闭式解为fi[n],fi,k[n],fi,u[n],Li,k[n],Li,u[n],Li,s[n],fi,s[n],通过下式表示:其中,[x]+=max{x,0},

步骤b-5:采用基于次梯度的算法对对偶变量γ,μ,ζ,λ,η和δ进行迭代更新,如下所示:其中,j为次梯度算法迭代的迭代索引变量;分别表示在第j次迭代中获得对偶变量γ,μ,ζ,λ,η,δ的步长;

步骤b-6:重复执行步骤b-3到步骤b-5,直到步骤b-1中模型子问题目标函数值E收敛,迭代终止,得到最优地面活动用户卸载的数据量以及地面用户、无人机和卫星的CPU计算频率的最优分配。

4.根据权利要求2所述的基于用户协作与无线功率传输的无人机辅助移动边缘计算系统的优化方法,其特征在于,所述步骤c包括:步骤c-1:给定用户关联变量ai,k[n]、地面活动用户卸载的数据量L以及地面用户、无人机和卫星的CPU计算频率的分配F的条件下,优化无人机飞行轨迹u[n],所述联合优化模型转化为:步骤c-2:对于限制条件C3和C4,非凹项hi,u[n]和hk,u[n]分别近似于它们的凹下界和通过下式表示:其中,r为迭代索引变量,u(r)[n]为无人机轨迹的局部点;

将步骤c-2的非凸优化问题转换为如下凸优化问题:

步骤c-3:利用初始的无人机轨迹u[n]作为局部点,采用内点法更新迭代无人机轨迹u[n]直到步骤c-2中模型子问题目标函数值E收敛,迭代终止,得到最优的无人机飞行轨迹。

5.根据权利要求2所述的基于用户协作与无线功率传输的无人机辅助移动边缘计算系统的优化方法,其特征在于,所述步骤d包括:步骤d-1:给定无人机飞行轨迹u[n]、地面活动用户卸载的数据量L以及地面用户、无人机和卫星的CPU计算频率的分配F的条件下,优化用户关联变量ai,k[n],所述联合优化模型转化为:步骤d-2:将二进制变量ai,k[n]松弛为连续变量则步骤d-1中的模型子问题转化为:步骤d-3:初始化与不等式约束C20、C23和C23相对应的对偶变量α={αi,n},β={βi,n}和ω={ωi,k,n},的值;

步骤d-4:利用Karush-Kuhn-Tucker条件,求解得到步骤d-2中子问题的闭式解为如下所示:其中,为步骤d-2中子问题的拉格朗日对偶函数对的偏导;

步骤d-5:采用基于次梯度的算法对对偶变量α,β和ω进行迭代更新,如下所示:

其中,j为次梯度算法迭代的迭代索引变量,分别表示在第j次迭代中获得对偶变量α,β,ω的步长;

步骤d-6:重复执行步骤d-4到步骤d-5,直到步骤d-2中模型子问题目标函数值E收敛,迭代终止;

步骤d-7:将迭代终止时的值修改为0或1的整数,在满足约束条件C20和C21的条件下将中较大的赋值为1,其于的赋值为0,到最优的用户关联变量。

6.基于权利要求1所述的基于用户协作与无线功率传输的无人机辅助移动边缘计算系统的优化方法的一种基于用户协作与无线功率传输的无人机辅助移动边缘计算系统的优化装置,其特征在于,包括:获取模块:用于获取的无人机辅助移动边缘计算系统的系统数据和待处理计算任务;其中,所述无人机辅助移动边缘计算系统包括卫星、无人机、地面活动用户和地面空闲用户;

优化计算模块:用于基于获取到的系统数据和待处理计算任务,对预设的联合优化模型进行求解,得到优化结果;所述优化结果包括:最优的无人机飞行轨迹、最优的用户关联变量、最优地面活动用户卸载的数据量以及地面用户、无人机和卫星的CPU计算频率的最优分配;

计算分配模块:用于基于优化结果,控制无人机按最优的无人机飞行轨迹飞行,将最优地面活动用户卸载的数据量卸载至地面空闲用户和无人机,根据最优分配将待处理计算任务分配给地面活动用户、地面空闲用户、无人机和卫星进行计算。

7.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时,实现如权利要求1-5中任一所述的基于用户协作与无线功率传输的无人机辅助移动边缘计算系统的优化方法。

8.一种计算机设备,其特征在于,包括:

存储器,用于存储指令;

处理器,用于执行所述指令,使得所述设备执行实现如权利要求1-5任一项所述的基于用户协作与无线功率传输的无人机辅助移动边缘计算系统的优化方法的操作。