CN110166110A - 基于边缘计算的无人机路径规划方法 - Google Patents

Abstract

本发明公开了基于边缘计算中无人机路径优化方法。在5G时代，用户移动端的在执行一些延迟敏感程序时，考虑到自身计算能力的局限性以及电池能量的有限性，需要将处理计算的应用程序数据发送到位于网络边缘端的服务器进行数据处理，从而减少数据处理延迟以及节约能耗。本发明考虑将边缘计算服务器架设于无人机上，利用无人机的高速移动性能来快速接近用户为其提供数据迁移处理服务。进一步的，本发明考虑TDMA通信方式，设计出一种优化算法来对用户关联以及无人机飞行路径进行优化，使得在满足用户服务质量以及无人机飞行能耗的基础上最大化用户迁移到无人机服务器上的计算数据量。

Description

基于边缘计算的无人机路径规划方法

技术领域

本发明涉及无线通信技术领域，特别涉及一种边缘计算中，基于能量限制的无人机路径规划的方法。

背景技术

随着5G通信技术的发展，智能移动端应用正逐渐壮大，而如此多的手机应用所产生的巨量网络数据以及计算量也对计算服务以及网络延迟提出了极高的要求。传统的云计算网络由于其间隔用户距离远以及经常出现拥塞，使得一些延迟敏感应用在移动用户端难以运行。目前，一种新兴的计算概念正逐渐出现于公众视野，其就是边缘计算。

边缘计算通过在网络边缘端假设服务器，使得其距离用户更近，而这大大减少用户的传输数据延迟，而由于其分布式架构使得网络出现拥塞的可能性大大减少。用户可以在极短时间内将所需要处理的计算任务上传到边缘服务器进行计算，在服务器利用其远高于用户处理速度的处理器计算用户任务的同时，也为用户移动端的设备节省了能量，因为一般来说用户上传数据的能量远远小于其自身处理器所消耗的能量。

当然，考虑到一般的静态边缘计算服务器部署消耗，使得其在偏远山区难以部署。因此，本发明考虑利用无人机搭载边缘计算服务器，利用无人机高速移动性能，使得其可以在用户之间来回高速移动为用户卸载计算任务。

目前大量基于无人机路径规划的研究仅仅是考虑到用户公平性的限制，而作为一个移动基站，无人机的能耗是需要考虑的极其关键的问题。因为一旦电量耗尽，无人机将没有足够的能量来维持其飞行以及为用户提供通信以及计算服务。本发明考虑到无人机电池能量的限制，确保无人机在计算耗能和飞行耗能小于电池能量的情况下，通过优化无人机与用户之间的关联以及无人机的飞行路径，来使得***总的吞吐量最大，从而大大提高无人机的能效。

发明内容

考虑一种无人机搭载计算服务器的边缘计算***，在能量以及用户服务质量的限制下，本发明通过同时优化用户关联以及无人机飞行轨迹来最大化***的吞吐量。

考虑K个地面用户，其在地面位置分别用坐标表示为(x_k,y_k)。用户上空有一架搭载计算服务器的无人机为地面用户提供计算服务，无人机高度固定为H。整个无人机为用户服务的时长为T，将整个周期T分为N个相等的时隙，每个时隙长度为假设无人机在每个时隙中的位置保持不变，则无人机在第n个时隙的位置可表示为(x[n],y[n],H)。无人机次采用TDMA方式和用户进行通信，即在每个时隙无人机只能和一个用户进行通信，设关联变量α_k[n]＝1表示无人机在第n个时隙和用户k进行通信关联。

当无人机在n与用户k之间建立通信连接时，用户上传速率 其中p₀为用户发射功率，ρ为每m用户增益，σ²为噪声功率。一个周期内单个用户k的上传任务量考虑用户服务质量以及公平性，单个用户任务量需满足最小卸载量限制即S_k≤S₀,其中S₀为常数，表示用户一个周期内最小上传任务量。

另一方面，无人机的飞行能耗可以用动能公式来表示，其与无人机每个时隙的飞行速率成正比，而无人机的计算能量与用户上传的任务量成正比，要求在一个飞行周期内无人机的飞行能量和计算能耗的总和小于无人机的电池能量。

由此，为了最大化无人机总的吞吐量，我们在考虑用户最小卸载量的限制以及无人机电池能量限制的前提下，来优化用户关联变量以及无人机路径。

附图说明

图1为算法流程示意图。

图2是基于边缘计算的无人机***的路径优化算法仿真结果图。

图3是本发明所提出的无人机路径规划算法的吞吐量与其他机制的对比图。

具体实施方式

第一阶段：

本发明首先初始化无人机飞行路径，在用户最小吞吐量限制以及无人机电池能量的限制下通过优化用户关联这一二进制变量来最大化总的吞吐量。该问题是一个整数规划类型的背包问题，即无人机每个时隙的能耗相当于物品体积，而上传任务量为物品价值，该问题即如何规划最优的无人机能量使用来取得极高的效能。为了解决这一整数规划问题，本发明首先将整数变量松弛为连续变量，由此问题变为一个简单的线性规划问题。解决这一连续变量线性规划问题，对所求得的解进行四舍五入近似，最后得到需要优化的二进制关联变量。

第二阶段：

将上一阶段所求得得用户关联变量带入原问题来优化无人机的飞行轨迹。在带入用户关联变量后，由于优化目标方程，最小用户吞吐量以及能量限制函数的非凸性，该问题变为一个非凸优化问题。首先对于目标方程以及最小化吞吐量方程，本发明通过泰勒展开的方式利用其下界来近似替代。而对于计算能量，本发明通过李普利兹连续近似的方式来找到其上界并近似替代。然后将这些近似函数带入原问题，则对于无人机路径优化的问题成为了一个凸优化问题，本发明通过内点法来优化无人机路径从而最大化总的吞吐量。

第三阶段：

重复以上两个阶段步骤，不断通过固定无人机路径来优化用户关联变量，接着固定用户关联变量来优化无人机路径，最终直至所求的吞吐量值稳定(即两次优化的差的绝对值小于所设置的门限值)，此时所优化的无人机用户关联变量以及无人机飞行轨迹即为所求结果。

第四阶段：

根据以上优化算法用matlab进行仿真，绘制出无人机飞行轨迹图以及最终吞吐量与其他机制的比较图。

图2是基于边缘计算的无人机***的路径优化算法仿真结果图，从图中可以看出，随着无人机电池能量不断增大无人机的飞行路径不断扩大，越来越接近用户，最终能够到达用户的正方方使得用户与无人机之间的上传速率最大。而当能量较少时，无人机会优先选择最近的用户服务，并且路径会比较靠近距离较近的几个用户。由此可以看出，本发明所设计的无人机优化算法能很好的根据无人机现有电池能量情况，合理规划无人机路径由此使得能效最大。

图3是本发明所提出的无人机路径规划算法在不同频率下最终优化的吞吐量结果与其他机制的对比图。从图中可以看书，本发明所提出的优化算法相比于其他机制在相同条件下无人机的吞吐量提升了约百分之十六。

Claims (4)

1.基于边缘计算的无人机路径规划方法，其特征在于，包括：

(1)首先初始化无人机的飞行路径，

(2)考虑到用户服务质量需求以及无人机能量限制，将问题转换为整数规划问题，根据已经固定的无人机路径通过线性松弛算法优化用户关联变量，以使得总吞吐量最大，

(3)将步骤(2)所优化的用户关联变量带入问题，通过函数近似的方法将目标函数方程转换为凸函数，通过内点法优化无人机路径以使得总吞吐量最大，

(4)重复步骤(2)-(4)直至所求得得用户吞吐量得解稳定。

2.如权利要求1所述的，无人机得能量限制包括计算能量以及飞行能量的限制，其中计算能量和处理数据量成正比，飞行能量和无人机每个时刻飞行速度有关。

3.如权利要求1所述的，无人机的吞吐量取决于信道容量，而信道容量根据计算公式和无人机与用户距离得平方成反比，无人机可以通过接近用户来提高上传速率。

4.如权利要求1所述的，无人机与用户的通信方式采用TDMA的方式通信，即无人机每个时隙只能和一个用户建立通信连接，并且可以认为每个时隙无人机的位置不变，即和用户之间的传输速率是不变的。