一种基于时隙划分的无人机接入选择方法
技术领域
本发明属于移动通信领域,涉及一种基于时隙划分的无人机接入选择方法。
背景技术
随着物联网和5G技术快速发展,例如自动驾驶,智能终端,图像识别处理等应用,会产生大量的计算密集型和时延型任务。由于物联网终端设备计算能力有限,往往不能处理大量的数据,移动边缘计算是一种解决终端计算能力受限的关键技术,通过在设备附近部署边缘服务器把终端任务卸载到边缘端达到提高计算能力,节约设备资源和减少时延的目的,大部分边缘服务器是固定到边缘端为终端设备提供卸载服务,这意味这在终端设备与边缘服务器之间可能距离相对较远,也可能有障碍物堵塞产生非视距链路,增大设备能量消耗和时延,影响用户体验,为了进一步减少能量消耗和提高卸载效率,无人机引起了业界关注,由于无人机的高机动性和灵活性,可以采用无人机上携带边缘服务器为终端设备提供计算卸载服务。
利用无人机中继功能或者无人机MEC辅助计算功能,对***能耗,吞吐量,速率等相关问题进行优化,然而无人机同时作为中继和MEC研究较少,对于部分无人机同时做为中继和MEC的研究中,没有考虑到同一个地区设备量有时密集有时稀疏的场景(例如一些游泳池,健身馆地区),不同的设备量需要的计算能力也所不同,在现实情况下,这种场景往往是需要考虑的。针对于设备量较少的场景,无人机作为MEC就足以完成计算服务,不用考虑无人机中继转发,如果此时将无人机直接做为中继和MEC,则会提高了***的通信能耗。
发明内容
有鉴于此,本发明的目的在于提供一种基于时隙划分的无人机接入选择方法,联合考虑***比特量,无人机轨迹,卸载比特量,时隙调度,功率分配来最小化通信相关能耗,计算相关能耗,无人机飞行能耗总和,采用这种无人机接入策略,不仅提高了无人机***的计算能力,还能更好的去适应不同的任务场景,减少***的总能耗。
为达到上述目的,本发明提供如下技术方案:
一种基于时隙划分的无人机(UAV)接入选择方法,包括以下步骤:
S1:结合不同任务场景和需求,通过与设置任务阈值比较,考虑两种无人机接入模式;
S2:结合所述两种无人机接入模式提出一种基于时隙划分的无人机接入策略(M-TDMA);
S3:联合优化比特分配、时隙调度、功率分配和无人机轨迹优化提出最小化***总能耗问题;
S4:基于交替迭代优化算法的两阶段分配算法,解决所述最小化***总能耗问题。
进一步,步骤S1中所述的考虑两种无人机接入模式,具体包括:第一模式,无人机作为边缘服务器,本地数据卸载到无人机上计算;第二模式,无人机同时作为边缘服务器和中继转发器,本地数据同时卸载到无人机计算以及使用无人机中继转发到无线接入点(AP)计算。
进一步,步骤S2中所述基于时隙划分的无人机接入策略,是将任务时间T划分为N个时隙,每个时隙划分为不同的子时隙,在步骤S1的两种接入模式上,进行子时隙的划分,包含两种划分情况:当无人机同时作为边缘服务器和中继转发器时,每个时隙划分为三个子时隙,包括:终端到无人机计算的任务卸载时间,终端到无人机作为中继的任务卸载时间,无人机到AP处的转发任务时间;当无人机仅作为边缘服务器时,每个时隙划分为一个子时隙,即终端到无人机计算的任务卸载时间。
进一步,步骤S3中所述的联合优化比特分配、时隙调度、功率分配和无人机轨迹中,lk,u[n],lk,h[n],lk,a[n]代表分配到本地计算、无人机计算、AP计算的比特分配任务量;分别代表终端到无人机计算的任务卸载时间、终端到无人机作为中继的任务卸载时间、无人机到AP处的转发任务时间;无人机最大发射功率用/>表示;每个时隙中包含三个发射功率,分别为终端(TD)发送给无人机计算、终端发送给无人机中继、无人机发送给AP,分别用/>表示;***总能耗包括通信能耗、计算能耗和无人机飞行能耗,分别用Ecomm,Ecomp,Efly表示。
进一步,则有以下限制条件:
第K个TD的发射功率用Pk表示,TD的最大发射功率用表示,对于每个终端和无人机发射功率应小于最大发射功率,满足如下约束:
用分别表示TD到无人机计算可实现的最大卸载比特数、TD到无人机中继可实现的最大卸载比特数、无人机到AP可实现的最大转发比特数,则满足以下等式:
假设所有TD的CPU周期和电容系数相同,分别用ck,γk表示,无人机的CPU周期和电容系数分别用ch,γh表示,则满足ck>0,ch>0,γk>0,γh>0,假设每个TD的最大CPU频率无人机上MEC服务器最大CPU频率为/>假设把无人机MEC总频率平均分成K份,则每一个TD所分到的频率为/>且TD与无人机MEC服务器均为单核CPU,在任何时隙下终端和无人机所处理的比特数需要小于最大处理资源,有如下式子:
通信能耗包括三个方面能耗,代表每个终端在每个时隙上本地上传到无人机计算的能耗,/>代表每个终端在每个时隙上本地上传到无人机中继的能量,代表每个终端在每个时隙上无人机中继转发给AP的能量,通信总能耗如下式:
计算能耗具体包括两个方面的能耗,代表每个终端在每个时隙本地计算的能量,/>每个终端在每个时隙无人机计算的能量,则满足以下式子:
考虑一种高度固定的旋翼无人机搭载MEC服务器,从初始位置飞到最终位置,无人机飞行速度不能超过其最大飞行速度,则有以下条件约束:
引入一个权重因子来平衡三个能耗,如下所示:
进一步,步骤S4中所述的两阶段分配算法为:将原优化模型的目标问题拆解为两个子问题迭代求解;第一阶段,固定卸载功率,求解无人机轨迹优化,卸载时间分配,比特分配;第二阶段,基于第一阶段的解求解卸载功率分配。交替优化子问题一和子问题二,达到给定的收敛精度,合理的分配资源。
本发明的有益效果在于:本发明能够适应不同的任务场景,显著提高无人机***计算能力的同时,始终保证***能耗较小。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述,并且在某种程度上,基于对下文的考察研究对本领域技术人员而言将是显而易见的,或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作优选的详细描述,其中:
图1为基于时隙划分的无人机选择接入方法的流程示意图;
图2为时隙划分协议图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
其中,附图仅用于示例性说明,表示的仅是示意图,而非实物图,不能理解为对本发明的限制;为了更好地说明本发明的实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;对本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件;在本发明的描述中,需要理解的是,若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此附图中描述位置关系的用语仅用于示例性说明,不能理解为对本发明的限制,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。
如图1基于时隙划分的无人机选择接入方法的流程示意图所示,
对应步骤S1,具体如下:包括以下两种接入模式,第一,无人机作为边缘服务器,本地数据卸载到UAV上计算。第二,无人机同时作为边缘服务器和中继转发器,本地数据同时卸载到UAV计算以及使用无人机中继转发到AP计算。
如图2时隙划分图所示,用户采用的OFDMA方式接入无人机,由于无人机到终端和AP接入点的计算返回的比特数据远小于卸载数据,所以返回结果过程的时延和能耗可忽略不计,将任务时间划分为N个时隙,每个时隙划分为不同的子时隙,当无人机作为边缘服务器接入时,每个时隙包含一个子时隙;当无人机同时作为边缘服务器和中继转发器时,每个时隙划分为三个子时隙。
对应步骤S2—S4,具体如下:子时隙之间采用TDMA技术进行数据传输,用分别代表终端到无人机计算的任务卸载时间,终端到无人机作为中继的任务卸载时间,UAV到AP处的转发任务时间,每一个时隙的总时间为δt,三个子时隙时间需要小于总时间约束。/>则有以下限制条件:
假设总可用带宽B,则需要平均划分k个子载波,每个TD可用带宽大小为B0,则有假设第K个TD的发射功率用Pk表示,最大发射功率用/>表示,无人机最大发射功率用/>表示,每个时隙中包含三个发射功率,分别为TD发送给UAV计算,TD发送给无人机中继,无人机发送给AP,分别用/>表示,对于每个终端和无人机发射功率应小于最大发射功率,满足如下约束:
假设用分别表示TD到UAV计算可实现的最大卸载比特数,TD到UAV中继可实现的最大卸载比特数,UAV到AP可实现的最大转发比特数,则满足以下等式:
假设所有TD的CPU周期和电容系数相同,分别用ck,γk表示,无人机的CPU周期和电容系数分别用ch,γh表示,则满足ck>0,ch>0,γk>0,γh>0,假设每个TD的最大CPU频率无人机上MEC服务器最大CPU频率为/>假设把无人机MEC总频率平均分成K份,则每一个TD所分到的频率为/>且TD与无人机MEC服务器均为单核CPU,由于AP处计算能力强大,我们假设AP处计算时间忽略不计。在任何时隙下终端和无人机所处理的比特数需要小于最大处理资源,所以有如下式子:
问题表述为***总能耗问题,由于在无人机或AP处处理后的数据大小与原始任务数据大小相比通常是可以忽略不计的,所以能耗不考虑数据下传能耗,而且忽略下载过程能够简化***模型而不明显影响***的能耗。所考虑能耗主要由五部分组成,包括本地计算和卸载能耗,上传到无人机MEC上的计算能耗,利用无人机作为中继发送给AP的能耗,无人机的飞行能耗,为了方便,也可考虑成三个方面能耗,即通信能耗,计算能耗,无人机飞行能耗,分别用Ecomm,Ecomp,Efly表示。
通信能耗包括三个方面能耗,代表每个终端在每个时隙上本地上传到无人机计算的能耗,/>代表每个终端在每个时隙上本地上传到无人机中继的能量,代表每个终端在每个时隙上无人机中继转发给AP的能量。通信总能耗如下式:
计算能耗具体包括二个方面的能耗,代表每个终端在每个时隙本地计算的能量,/>每个终端在每个时隙无人机计算的能量,则满足以下式子:
在任务的卸载过程中,考虑无人机一直计算,然而在第一个时隙中由于数据上传所需时间为无人机真正计算时间为/>由于δt极小,所以第一个时隙中计算时间可近似看成δt,在该***中,考虑一种高度固定的旋翼无人机搭载MEC服务器,从初始位置飞到最终位置,而无人机飞行速度不能超过其最大飞行速度,则有以下条件约束:
一般来说,无人机飞行能耗要远大于通信能耗和计算能耗,为了公平性,我们选择引入一个权重因子来平衡三个能耗,如下所示:
由于问题为非凸问题,采用现有的凸优化技术无法对其直接求解,针对这个问题,先将其分解为两个子问题,然后通过一个基于交替优化的两阶段迭代算法来求解原问题的次优解,第一阶段,固定卸载功率,求解无人机轨迹优化,卸载时间分配,比特分配;第二阶段,基于第一阶段的解求解卸载功率分配。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。