CN108810849B - 一种无人机计算任务的迁移方法、装置及无人机 - Google Patents

一种无人机计算任务的迁移方法、装置及无人机 Download PDF

Info

Publication number
CN108810849B
CN108810849B CN201810628804.4A CN201810628804A CN108810849B CN 108810849 B CN108810849 B CN 108810849B CN 201810628804 A CN201810628804 A CN 201810628804A CN 108810849 B CN108810849 B CN 108810849B
Authority
CN
China
Prior art keywords
unmanned aerial
aerial vehicle
task
base station
constraint
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810628804.4A
Other languages
English (en)
Other versions
CN108810849A (zh
Inventor
曹晓雯
许杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong University of Technology
Original Assignee
Guangdong University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangdong University of Technology filed Critical Guangdong University of Technology
Priority to CN201810628804.4A priority Critical patent/CN108810849B/zh
Publication of CN108810849A publication Critical patent/CN108810849A/zh
Application granted granted Critical
Publication of CN108810849B publication Critical patent/CN108810849B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/50—Service provisioning or reconfiguring

Abstract

本发明公开了一种无人机计算任务的迁移方法、装置及无人机，包括：预先获取任务指令，其中，任务指令包括无人机在规定时间内从起始位置飞行至终止位置的过程中，完成下发的计算任务；在无人机飞行期间，将计算任务按照当前通信信道，对应迁移至无人机对应的通信地面上包含移动边缘计算服务器的各基站；在满足无人机的最大飞行位移约束、起始位置及终止位置约束、任务完全迁移约束及各基站的计算能力约束的前提下，在规定时间内获取各基站利用其包含的移动边缘计算服务器计算对应的子计算任务的任务结果，以完成计算任务。可见，本申请借助通信地面上各移动边缘计算服务器的计算资源，间接增加了无人机的计算资源，从而扩大了无人机的应用范围。

Description

一种无人机计算任务的迁移方法、装置及无人机
技术领域
本发明涉及无人机无线通信领域，特别是涉及一种无人机计算任务的迁移方法、装置及无人机。
背景技术
随着无人机技术的进步和发展，无人机已应用到货物传输、航拍、搜索救援等各行各业。现有技术中，无人机在执行自身任务的过程中，会利用自身的计算资源完成任务中的各计算环节。但是，由于无人机受自身尺寸、重量及功耗的限制，导致无人机的本地计算资源受限，从而无法处理计算密集型和时延敏感型的任务(即计算量大且时间要求紧迫的任务)，应用范围较窄。
因此，如何提供一种解决上述技术问题的方案是本领域的技术人员目前需要解决的问题。
发明内容
本发明的目的是提供一种无人机计算任务的迁移方法、装置及无人机，借助无人机通信地面上各移动边缘计算服务器的计算资源，间接增加了无人机的计算资源，使无人机不再受本地计算资源的限制，所以无人机可以顺利处理计算密集型和时延敏感型的任务，从而扩大了自身的应用范围。
为解决上述技术问题，本发明提供了一种无人机计算任务的迁移方法，包括：
预先获取任务指令，其中，所述任务指令包括无人机在规定时间内从起始位置飞行至终止位置的过程中，完成下发的计算任务；
在所述无人机飞行期间，将所述计算任务按照当前通信信道，对应迁移至所述无人机对应的通信地面上包含移动边缘计算服务器的各基站；
在满足所述无人机的最大飞行位移约束、起始位置及终止位置约束、任务完全迁移约束及各所述基站的计算能力约束的前提下，在所述规定时间内获取各所述基站利用其包含的移动边缘计算服务器计算对应的子计算任务的任务结果，以完成所述计算任务。
优选地，确定所述无人机的最大飞行位移约束、起始位置及终止位置约束的具体过程为：
确定所述无人机在固定高度的最大飞行速度约束
Figure GDA0002941444220000021
其中，
Figure GDA0002941444220000022
为所述无人机在三维空间x轴上的实时坐标，
Figure GDA0002941444220000023
为
Figure GDA0002941444220000024
的一阶导数，
Figure GDA0002941444220000025
为所述无人机在所述三维空间y轴上的实时坐标，
Figure GDA0002941444220000026
为
Figure GDA0002941444220000027
的一阶导数，Vmax为所述无人机的最大飞行速度，t为当前飞行时间，T为所述规定时间；
获取在所述无人机固定高度飞行期间，所述无人机与第k个基站之间的距离关系式
Figure GDA0002941444220000028
其中，
Figure GDA0002941444220000029
Figure GDA00029414442200000210
为所述无人机在所述三维空间的实时坐标，H为所述固定高度，uI为所述起始位置在所述三维空间的坐标，uF为所述终止位置在所述三维空间的坐标，νk为第k个基站在所述三维空间的坐标；
将所述规定时间离散成T＝Nδt，则确定所述无人机的最大飞行位移约束
Figure GDA00029414442200000211
其中，
Figure GDA00029414442200000212
Smax＝δtVmax，u[0]＝uI,u[N]＝uF，δt为每个离散的时隙的长度，δt足够小以保持每个所述时隙中所述无人机的位置接近不变，N为时隙数，u[n]为所述无人机在第n个时隙的坐标，Smax为所述无人机在每个所述时隙的最大飞行位移，u[0]＝uI,u[N]＝uF为所述无人机的起始位置及终止位置约束。
优选地，确定所述无人机的任务完全迁移约束及各所述基站的计算能力约束的具体过程为：
基于自由空间衰落信道模型，确定所述无人机与第k个基站的通信信道的信道功率增益
Figure GDA00029414442200000213
其中，β0为在单位距离为1米的条件下的信道功率增益；
基于时分多址协议，将每个所述时隙分割成K个长度为τk[n]的子时隙以满足
Figure GDA00029414442200000214
其中，
Figure GDA00029414442200000215
Figure GDA00029414442200000216
为基站集合；
在第k个子时隙，所述无人机使用固定的传输功率迁移对应的子计算任务到第k个基站的条件下，获取所述无人机到第k个基站的迁移速率关系式
Figure GDA0002941444220000031
其中，
Figure GDA0002941444220000032
B为基站带宽，P为所述传输功率，σ2为基站噪声功率，ρ为参考距离为1米时的信噪比；
确定所述无人机的任务完全迁移约束
Figure GDA0002941444220000033
以保证所述计算任务完全迁移至各所述基站，并确定第k个基站的计算能力约束
Figure GDA0002941444220000034
以保证第k个基站完成分配的子计算任务的计算，其中，L为所述无人机携带的总计算任务量，ck为第k个基站执行每比特任务所需要的中央处理器的运转周期，fk为所述中央处理器的最大运行频率，则fkδt为第k个基站在每个所述时隙的计算能力。
优选地，该迁移方法还包括：
基于所述规定时间的模型：
公式一:
Figure GDA0002941444220000035
Figure GDA0002941444220000036
共同优化所述无人机的飞行轨迹及时隙分配策略，以最小化所述规定时间，其中，
Figure GDA0002941444220000037
为正整数集合。
优选地，所述共同优化所述无人机的飞行轨迹及时隙分配策略，以最小化所述规定时间的过程具体为：
给定N任意正整数值，将公式一变成可行性求解问题：
公式二:find{u[n]}and{τk[n]}
Figure GDA0002941444220000041
将公式二等效为在任意给定N的情况下最大化所述计算任务的任务量的问题：
公式三:
Figure GDA0002941444220000042
Figure GDA0002941444220000043
Figure GDA0002941444220000044
其中，
Figure GDA0002941444220000045
为所述计算任务的最大任务量；
优化所述无人机的飞行轨迹及时隙分配策略，以得到公式三的局部最优解；
根据所述公式三的局部最优解求取公式二的解，并利用二分法搜寻N，得到公式一的局部最优解，以最小化所述规定时间。
优选地，所述优化所述无人机的飞行轨迹及时隙分配策略，以得到公式三的局部最优解的过程具体为：
利用CVX工具求解基于所述无人机飞行轨迹的时隙分配策略的优化问题：
公式四:
Figure GDA0002941444220000051
Figure GDA0002941444220000052
通过迭代使用连续凸近似算法求解基于时隙分配策略的无人机的飞行轨迹的优化问题：
公式五:
Figure GDA0002941444220000053
Figure GDA0002941444220000054
以将公式五转化为凸近似问题：
公式六:
Figure GDA0002941444220000055
Figure GDA0002941444220000056
并迭代使用所述CVX工具求解公式六，以得到公式五的局部最优解，其中，
Figure GDA0002941444220000057
为第一个所述约束中Rk(u[n])在每次迭代的上界，
Figure GDA0002941444220000058
为第二个所述约束中的Rk(u[n])在每次迭代的下界；
根据公式四及公式五的优化结果，得到公式三的局部最优解。
为解决上述技术问题，本发明还提供了一种无人机计算任务的迁移装置，包括：
任务获取模块，用于预先获取任务指令，其中，所述任务指令包括无人机在规定时间内从起始位置飞行至终止位置的过程中，完成下发的计算任务；
任务迁移模块，用于在所述无人机飞行期间，将所述计算任务按照当前通信信道，对应迁移至所述无人机对应的通信地面上包含移动边缘计算服务器的各基站；
控制模块，用于确定所述无人机的最大飞行位移约束、起始位置及终止位置约束、任务完全迁移约束及各所述基站的计算能力约束，并在满足所有约束的前提下触发任务计算模块；
所述任务计算模块，用于在所述规定时间内获取各所述基站利用其包含的移动边缘计算服务器计算对应的子计算任务的任务结果，以完成所述计算任务。
优选地，所述控制模块包括：
飞行控制子模块，用于确定所述无人机的最大飞行位移约束、起始位置及终止位置约束；
迁移控制子模块，用于确定所述无人机任务完全迁移约束及各所述基站的计算能力约束；
计算控制子模块，用于在同时满足所述飞行控制子模块和所述迁移控制子模块的前提下触发任务计算模块；
其中，所述飞行控制子模块包括：
约束速度单元，用于确定所述无人机在固定高度的最大飞行速度约束
Figure GDA0002941444220000061
其中，
Figure GDA0002941444220000062
为所述无人机在三维空间x轴上的实时坐标，
Figure GDA0002941444220000063
为
Figure GDA0002941444220000064
的一阶导数，
Figure GDA0002941444220000065
为所述无人机在所述三维空间y轴上的实时坐标，
Figure GDA0002941444220000066
为
Figure GDA0002941444220000067
的一阶导数，Vmax为所述无人机的最大飞行速度，t为当前飞行时间，T为所述规定时间；
距离获取单元，用于获取在所述无人机固定高度飞行期间，所述无人机与第k个基站之间的距离关系式
Figure GDA0002941444220000068
其中，
Figure GDA0002941444220000069
Figure GDA00029414442200000610
为所述无人机在所述三维空间的实时坐标，H为所述固定高度，uI为所述起始位置在所述三维空间的坐标，uF为所述终止位置在所述三维空间的坐标，νk为第k个基站在所述三维空间的坐标；
约束位移单元，用于将所述规定时间离散成T＝Nδt，则确定所述无人机的最大飞行位移约束
Figure GDA0002941444220000071
其中，
Figure GDA0002941444220000072
Smax＝δtVmax，u[0]＝uI,u[N]＝uF，δt为每个离散的时隙的长度，δt足够小以保持每个所述时隙中所述无人机的位置接近不变，N为时隙数，u[n]为所述无人机在第n个时隙的坐标，Smax为所述无人机在每个所述时隙的最大飞行位移，u[0]＝uI,u[N]＝uF为所述无人机的起始位置及终止位置约束。
优选地，所述迁移控制子模块包括：
增益确定单元，用于基于自由空间衰落信道模型，确定所述无人机与第k个基站的通信信道的信道功率增益
Figure GDA0002941444220000073
其中，β0为在单位距离为1米的条件下的信道功率增益；
时隙分割单元，用于基于时分多址协议，将每个所述时隙分割成K个长度为τk[n]的子时隙以满足
Figure GDA0002941444220000074
其中，
Figure GDA0002941444220000075
Figure GDA0002941444220000076
为基站集合；
速率获取单元，用于在第k个子时隙，所述无人机使用固定的传输功率迁移对应的子计算任务到第k个基站的条件下，获取所述无人机到第k个基站的迁移速率关系式
Figure GDA0002941444220000077
其中，
Figure GDA0002941444220000078
B为基站带宽，P为所述传输功率，σ2为基站噪声功率，ρ为参考距离为1米时的信噪比；
迁移约束单元，用于确定所述无人机的任务完全迁移约束
Figure GDA0002941444220000079
以保证所述计算任务完全迁移至各所述基站，其中，L为所述无人机的总计算任务量；
基站约束单元，用于确定第k个基站的计算能力约束
Figure GDA00029414442200000710
以保证第k个基站完成分配的子计算任务的计算，其中，ck为第k个基站执行每比特任务所需要的中央处理器的运转周期，fk为所述中央处理器的最大运行频率，则fkδt为第k个基站在每个所述时隙的计算能力。
为解决上述技术问题，本发明还提供了一种无人机，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现上述任一种无人机计算任务的迁移方法的步骤。
本发明提供了一种无人机计算任务的迁移方法，与现有技术中的无人机处理计算任务相比，本申请提前获取无人机的任务：在规定时间内从起始位置飞行至终止位置的过程中，完成所下发的计算任务。由于无人机与对应的通信地面上的各基站可以建立通信，而且各基站均包含可以为无线设备提供计算资源的移动边缘计算服务器，所以在无人机飞行期间，本申请可以将计算任务按照当前通信信道对应迁移至各基站，由各基站利用其包含的移动边缘计算服务器计算对应的子计算任务，并将各自计算的任务结果返回至无人机，从而使无人机完成任务。
可见，本申请借助无人机通信地面上各移动边缘计算服务器的计算资源，间接增加了无人机的计算资源，使无人机不再受本地计算资源的限制，所以无人机可以顺利处理计算密集型和时延敏感型的任务，从而扩大了自身的应用范围。
本发明还提供了一种无人机计算任务的迁移装置及无人机，与上述迁移方法具有相同的有益效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对现有技术和实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的一种无人机计算任务的迁移方法的流程图；
图2为本发明提供的一种无人机计算任务迁移的结构示意图；
图3为本发明提供的一种无人机在不同任务量下最优轨迹的仿真图；
图4为本发明提供的一种无人机的输入任务量与任务完成时间的关系仿真图；
图5为本发明提供的一种无人机计算任务的迁移装置的结构示意图。
具体实施方式
本发明的核心是提供一种无人机计算任务的迁移方法、装置及无人机，借助无人机通信地面上各移动边缘计算服务器的计算资源，间接增加了无人机的计算资源，使无人机不再受本地计算资源的限制，所以无人机可以顺利处理计算密集型和时延敏感型的任务，从而扩大了自身的应用范围。
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
请参照图1，图1为本发明提供的一种无人机计算任务的迁移方法的流程图。
该迁移方法包括：
步骤S1：预先获取任务指令，其中，任务指令包括无人机在规定时间内从起始位置飞行至终止位置的过程中，完成下发的计算任务；
具体地，本申请中无人机的处理器提前获取任务指令，任务指令可以由用户下发，任务指令标示着无人机所需执行的任务：无人机在规定时间内从起始位置飞行至终止位置的过程中，完成下发的任务指令中包含的计算任务。此外，本申请也可以实时下发至无人机任务指令，比如智能导航、实时航拍等，本申请在此不做特别的限定，根据实际情况而定。
步骤S2：在无人机飞行期间，将计算任务按照当前通信信道，对应迁移至无人机对应的通信地面上包含移动边缘计算服务器的各基站；
具体地，本申请考虑到地面上的基站包括移动边缘计算服务器，移动边缘计算服务器应用的是移动边缘计算技术，移动边缘计算技术在无线网络的边缘(如蜂窝基站、无线接入点等)提供云计算服务，即在无线网络的边缘，将云计算资源下沉至无线接入网络，以拉近无线设备与计算资源的物理距离；而且，移动边缘计算技术可有效融合无线通信网络和互联网技术，以强化无线接入网络的计算、存储和处理等功能；
本申请还考虑到无人机能够连接到蜂窝网络，以具有蜂窝通信功能，连接到蜂窝网络的无人机具有较强和较可靠的视距信道，使无人机能够同时连接多个基站，从而利用各基站的分布式计算资源，所以，无人机的处理器可以在无人机飞行期间，将所需完成的计算任务按照当前通信信道(无人机与当前连接的基站形成的通信信道，由无人机的飞行轨迹决定)，对应迁移至当前连接的基站，以便于利用当前连接的基站包含的移动边缘计算服务器进行远程计算，以间接提高无人机的计算能力。
而且，地面上的基站部署密集且覆盖范围大，可以为无人机提供无缝的通信连接和指掌可取的计算服务，有助于扩大无人机的操作范围，增加其应用场景。
步骤S3：在满足无人机的最大飞行位移约束、起始位置及终止位置约束、任务完全迁移约束及各基站的计算能力约束的前提下，在规定时间内获取各基站利用其包含的移动边缘计算服务器计算对应的子计算任务的任务结果，以完成计算任务。
具体地，在无人机飞行期间，其飞行速度不能超过其限定的最高速度，，应满足自身的最大飞行位移约束；其飞行路径的起点和终点应满足起始位置及终止位置约束；其所需迁移的计算任务应满足任务完全迁移约束及各基站的计算能力约束，即在各基站可以顺利处理自身接收的子计算任务的基础上，无人机的处理器将所需迁移的计算任务完全迁移至各基站。
此外，各基站包含的移动边缘计算服务器应在规定时间内，完成自身接收的子计算任务的计算，并将计算的任务结果返回至无人机的处理器，从而协助无人机在规定时间内完成任务，使无人机不再受本地计算资源的限制，扩大了自身的应用范围。
为便于理解，请参照图2，图2为本发明提供的一种无人机计算任务迁移的结构示意图。图2中，在多基站组成的移动边缘计算系统中，无人机需要从初始位置飞行至终止位置，期间完成特定的计算任务。无人机的处理器能将计算任务分割成更小的子计算任务，便可以结合自身的飞行轨迹，将子计算任务对应迁移至当前连接的基站进行远程计算。
而且，在无人机飞行期间，无人机会与距离越来越远的基站断开连接，与距离越来越近的基站建立连接，所以无人机的处理器在迁移计算任务的过程中，随着连接基站的变动，任务迁移策略中计算任务的迁移基站也在相应变动，以最终实现任务完全迁移。
本发明提供了一种无人机计算任务的迁移方法，与现有技术中的无人机处理计算任务相比，本申请提前获取无人机的任务：在规定时间内从起始位置飞行至终止位置的过程中，完成所下发的计算任务。由于无人机与对应的通信地面上的各基站可以建立通信，而且各基站均包含可以为无线设备提供计算资源的移动边缘计算服务器，所以在无人机飞行期间，本申请可以将计算任务按照当前通信信道对应迁移至各基站，由各基站利用其包含的移动边缘计算服务器计算对应的子计算任务，并将各自计算的任务结果返回至无人机，从而使无人机完成任务。
可见，本申请借助无人机通信地面上各移动边缘计算服务器的计算资源，间接增加了无人机的计算资源，使无人机不再受本地计算资源的限制，所以无人机可以顺利处理计算密集型和时延敏感型的任务，从而扩大了自身的应用范围。
在上述实施例的基础上：
作为一种优选地实施例，确定无人机的最大飞行位移约束、起始位置及终止位置约束的具体过程为：
确定无人机在固定高度的最大飞行速度约束
Figure GDA0002941444220000111
其中，
Figure GDA0002941444220000112
为无人机在三维空间x轴上的实时坐标，
Figure GDA0002941444220000113
为
Figure GDA0002941444220000114
的一阶导数，
Figure GDA0002941444220000115
为无人机在三维空间y轴上的实时坐标，
Figure GDA0002941444220000116
为
Figure GDA0002941444220000117
的一阶导数，Vmax为无人机的最大飞行速度，t为当前飞行时间，T为规定时间；
获取在无人机固定高度飞行期间，无人机与第k个基站之间的距离关系式
Figure GDA0002941444220000118
其中，
Figure GDA0002941444220000119
Figure GDA00029414442200001110
为无人机在三维空间的实时坐标，H为固定高度，uI为起始位置在三维空间的坐标，uF为终止位置在三维空间的坐标，νk为第k个基站在三维空间的坐标；
将规定时间离散成T＝Nδt，则确定无人机的最大飞行位移约束
Figure GDA0002941444220000121
其中，
Figure GDA0002941444220000122
Smax＝δtVmax，u[0]＝uI,u[N]＝uF，δt为每个离散的时隙的长度，δt足够小以保持每个时隙中无人机的位置接近不变，N为时隙数，u[n]为无人机在第n个时隙的坐标，Smax为无人机在每个时隙的最大飞行位移，u[0]＝uI,u[N]＝uF为无人机的起始位置及终止位置约束。
具体地，为使本申请的迁移方法所依附的整个迁移系统的模型更加清晰，本实施例提出以下条件：
1)该迁移系统包含K个已集成移动边缘计算服务器的基站，K为正整数，则基站集合表示为
Figure GDA0002941444220000123
且每个基站拥有独立的计算资源，K个基站中第k个基站分布在三维空间的坐标表示为
Figure GDA0002941444220000124
2)下发至无人机的计算任务，需要在规定时间T内完成(T意味着无人机从起始位置飞行至终止位置的时间，T是一个优化变量)；此外，出于飞行安全限制，无人机固定飞行在高度为H米的空中，在每个时间点t∈[0,T]，无人机在同一三维空间的实时坐标为
Figure GDA0002941444220000125
其起始位置的坐标为
Figure GDA0002941444220000126
终止位置的坐标为
Figure GDA0002941444220000127
且无人机的最高飞行速度表示为Vmax，其中，Vmax>0；
3)无人机的处理器能准确获取其到所有基站的信道状态信息、与计算相关的信息，基于此，其能结合自身的飞行轨迹合理利用各基站的计算与通信资源，完成计算任务迁移；
4)由于移动边缘计算服务器处理之后的任务结果的比特数目远远小于自身输入的数据，所以从基站下载任务结果至无人机的时间，将远小于计算任务从无人机迁移至基站的时间，本实施例将忽略从基站下载任务结果至无人机的时间。
在上述条件的基础上，无人机的处理器确定无人机的最大飞行位移约束、起始位置及终止位置约束的具体过程为：
首先，确定无人机在固定高度的最大飞行速度约束
Figure GDA0002941444220000131
获取在无人机固定高度飞行期间的每一个时刻t∈[0,T]，无人机与第k个基站之间的距离关系式
Figure GDA0002941444220000132
其中，距离关系式中‖·‖表示向量的欧几里得范数；
然后，将规定时间T离散成N个长度为δt的时隙，即T＝Nδt，因此，在每个时隙
Figure GDA0002941444220000133
无人机的水平坐标为
Figure GDA0002941444220000134
且满足
Figure GDA0002941444220000135
和
Figure GDA0002941444220000136
此外，无人机在每个时隙的最大位移为Smax＝δtVmax；所以，无人机的最大飞行位移约束可表示为
Figure GDA0002941444220000137
起始位置及终止位置约束可表示为u[0]＝uI,u[N]＝uF。
作为一种优选地实施例，确定无人机的任务完全迁移约束及各基站的计算能力约束的具体过程为：
基于自由空间衰落信道模型，确定无人机与第k个基站的通信信道的信道功率增益
Figure GDA0002941444220000138
其中，β0为在单位距离为1米的条件下的信道功率增益；
基于时分多址协议，将每个时隙分割成K个长度为τk[n]的子时隙以满足
Figure GDA0002941444220000139
其中，
Figure GDA00029414442200001310
Figure GDA00029414442200001311
为基站集合；
在第k个子时隙，无人机使用固定的传输功率迁移对应的子计算任务到第k个基站的条件下，获取无人机到第k个基站的迁移速率关系式
Figure GDA00029414442200001312
其中，
Figure GDA00029414442200001313
B为基站带宽，P为传输功率，σ2为基站噪声功率，ρ为参考距离为1米时的信噪比；
确定无人机的任务完全迁移约束
Figure GDA00029414442200001314
以保证计算任务完全迁移至各基站，并确定第k个基站的计算能力约束
Figure GDA00029414442200001315
以保证第k个基站完成分配的子计算任务的计算，其中，L为无人机携带的总计算任务量，ck为第k个基站执行每比特任务所需要的中央处理器的运转周期，fk为中央处理器的最大运行频率，则fkδt为第k个基站在每个时隙的计算能力。
进一步地，无人机的处理器确定无人机的任务完全迁移约束及各基站的计算能力约束的具体过程为：
首先，基于自由空间衰落信道模型，确定无人机与第k个基站的通信信道的信道功率增益
Figure GDA0002941444220000141
其次，基于时分多址协议，将每个时隙
Figure GDA0002941444220000142
分割成K个长度为τk[n]≥0的子时隙以满足
Figure GDA0002941444220000143
在第k个子时隙无人机使用固定的传输功率P>0迁移对应的子计算任务到第k个基站的条件下，获取无人机到第k个基站的迁移速率关系式
Figure GDA0002941444220000144
基于此，无人机的处理器若要将任务量为L Mbits的计算任务完全迁移到K个基站上，则需要满足任务完全迁移约束
Figure GDA0002941444220000145
再次，当第k个基站在任意时隙n接收到无人机迁移的子计算任务后，要在下一时隙n+1开始时在移动边缘计算服务器处理该部分子计算任务，也就是说，对于第k个基站在第n个时隙结束之前累计接收到的子计算任务，不能超过该基站的移动边缘计算服务器在剩余时间内的总计算能力，即该基站的计算能力约束
Figure GDA0002941444220000146
作为一种优选地实施例，该迁移方法还包括：
基于规定时间的模型：
公式一:
Figure GDA0002941444220000147
Figure GDA0002941444220000148
共同优化无人机的飞行轨迹及时隙分配策略，以最小化规定时间，其中，
Figure GDA0002941444220000149
为正整数集合。
进一步地，考虑到无人机可在三维空域内控制其移动性，所以本申请可利用无人机的移动性和地面各基站的计算资源，共同优化设计其飞行轨迹和时隙分配策略，从而减少任务完成时间，提高计算性能。
具体地，基于规定时间的模型：
公式一:
Figure GDA0002941444220000151
Figure GDA0002941444220000152
共同优化无人机的飞行轨迹及时隙分配策略，以最小化规定时间。
作为一种优选地实施例，共同优化无人机的飞行轨迹及时隙分配策略，以最小化规定时间的过程具体为：
给定N任意正整数值，将公式一变成可行性求解问题：
公式二:find{u[n]}and{τk[n]}
Figure GDA0002941444220000153
将公式二等效为在任意给定N的情况下最大化计算任务的任务量的问题：
公式三:
Figure GDA0002941444220000161
Figure GDA0002941444220000162
Figure GDA0002941444220000163
其中，
Figure GDA0002941444220000164
为计算任务的最大任务量；
优化无人机的飞行轨迹及时隙分配策略，以得到公式三的局部最优解；
根据公式三的局部最优解求取公式二的解，并利用二分法搜寻N，得到公式一的局部最优解，以最小化规定时间。
具体地，考虑到优化变量N为先验未知的正整数，导致上述公式一的优化问题为非凸优化问题，难以得到最优解，接下来介绍其优化过程，以得到次优解：
首先，给定N任意正整数值，将公式一变成可行性求解问题：
公式二:find{u[n]}and{τk[n]}
Figure GDA0002941444220000165
其次，将公式二等效为在任意给定N的情况下最大化计算任务的任务量的问题：
公式三:
Figure GDA0002941444220000171
Figure GDA0002941444220000172
Figure GDA0002941444220000173
其中，
Figure GDA0002941444220000174
为计算任务的最大任务量；
再次，优化无人机的飞行轨迹及时隙分配策略，以得到公式三的局部最优解；根据公式三的局部最优解求取公式二的解，若公式二可行，则公式一中最优的N*将小于等于N，反之则N*>N；利用二分法搜寻N，得到公式一的局部最优解，以最小化规定时间。
作为一种优选地实施例，优化无人机的飞行轨迹及时隙分配策略，以得到公式三的局部最优解的过程具体为：
利用CVX工具求解基于无人机飞行轨迹的时隙分配策略的优化问题：
公式四:
Figure GDA0002941444220000175
Figure GDA0002941444220000176
通过迭代使用连续凸近似算法求解基于时隙分配策略的无人机的飞行轨迹的优化问题：
公式五:
Figure GDA0002941444220000181
Figure GDA0002941444220000182
以将公式五转化为凸近似问题：
公式六:
Figure GDA0002941444220000183
Figure GDA0002941444220000184
并迭代使用CVX工具求解公式六，以得到公式五的局部最优解，其中，
Figure GDA0002941444220000185
为第一个约束中Rk(u[n])在每次迭代的上界，
Figure GDA0002941444220000186
为第二个约束中的Rk(u[n])在每次迭代的下界；
根据公式四及公式五的优化结果，得到公式三的局部最优解。
具体地，由于公式三仍是个非凸优化问题，本实施例将迭代优化无人机的飞行轨迹{u[n]}和时隙分配策略{τk[n]}，以得到公式三的局部最优解，具体迭代算法如下：
首先，求解无人机飞行轨迹的时隙分配策略的优化问题：
公式四:
Figure GDA0002941444220000187
Figure GDA0002941444220000188
Figure GDA0002941444220000189
Figure GDA00029414442200001810
Figure GDA00029414442200001811
此问题为线性规划问题，直接通过CVX工具求解；
其次，求解基于时隙分配策略的无人机的飞行轨迹的优化问题：
公式五:
Figure GDA0002941444220000191
Figure GDA0002941444220000192
Figure GDA0002941444220000193
Figure GDA0002941444220000194
u[0]＝uI,u[N]＝uF
由于该问题的前两个约束为非凸约束，因此公式五为非凸问题，通过迭代使用连续凸近似算法求解公式五，以将公式五转化为凸近似问题；
具体地，对公式五第一个非凸约束作针对‖u[n]-νk‖2的一阶泰勒展开，得到其关于局部最优解u(i)[n]的下界，并对公式五中第二个非凸约束中的Rk(u[n])作针对‖u[n]-νk‖2的一阶泰勒展开，得到其下界
Figure GDA0002941444220000195
将‖u[n]-νk‖2关于u(i)[n]的下界代入第一个非凸约束中的Rk(u[n])，得到其上界
Figure GDA0002941444220000196
并将
Figure GDA0002941444220000197
代入第二个非凸约束，从而将第一个非凸约束转变为
Figure GDA0002941444220000198
第二个非凸约束转变为
Figure GDA0002941444220000199
基于得到的局部最优解进行迭代，以通过泰勒展开得到一系列近似的凸约束形式，将公式五转化为凸近似问题：
公式六:
Figure GDA00029414442200001910
Figure GDA00029414442200001911
Figure GDA00029414442200001912
Figure GDA00029414442200001913
u[0]＝uI,u[N]＝uF
根据公式四及公式五的优化结果，得到公式三的局部最优解。
针对以上设计模型，本申请分别对不同参数的无人机的飞行轨迹进行分析，并设计了对照实验进行仿真，下面进行详细说明：
请参照图3及图4，图3为本发明提供的一种无人机在不同任务量下最优轨迹的仿真图；图4为本发明提供的一种无人机的输入任务量与任务完成时间的关系仿真图。
本申请对仿真实验进行参数设置：在1*1平方千米的区域内部署有5个已集成移动边缘计算服务器的智能基站，无人机的飞行高度固定为50米，最大飞行速度为Vmax＝50米每秒，传输功率为P＝30dBm，参考距离对应的信道功率增益β0＝-30dB，带宽为B＝1MHz，噪声功率为σ2＝-60dB，基站的最大中央处理器频率为fk＝2.5GHz，每比特位需要的中央处理器转数为ck＝103cycles/bit。
本申请设置了一个对照实验—直飞方案，即无人机径直从起始位置飞行至终止位置，以验证飞行轨迹及时隙分配策略优化方案的性能，另外，无人机的初始路径为该直飞方案的直飞路径。
首先，参照图3，本实施例针对在迁移系统中，无人机的计算任务大小对无人机的飞行轨迹的影响进行了参数仿真。无人机的飞行轨迹的采样点间隔为δt＝1秒，当L＝100Mbits时，无人机以最大速度从初始位置直接飞到终止位置，意味着此时无人机的耗时主要受到初始位置和终止位置之间的距离限制；当L＝200Mbits时，为了更好地实现计算迁移性能，无人机偏离了初始路径，向第一基站、第四基站及第五基站靠拢；然而当无人机的任务数据达到L＝500Mbits时，无人机更倾向于逐一访问每个基站且在所有基站上方盘旋，甚至在第四基站和第五基站之间来回飞行以实现更好的计算迁移性能。
其次，参照图4，本实施例针对无人机的计算任务大小对任务完成时间的影响进行了参数仿真，可知，随着计算任务数据量的加大，明显能看到飞行轨迹及时隙分配策略优化方案能在减少时延方面的优势。
请参照图5，图5为本发明提供的一种无人机计算任务的迁移装置的结构示意图。
该迁移装置包括：
任务获取模块1，用于预先获取任务指令，其中，任务指令包括无人机在规定时间内从起始位置飞行至终止位置的过程中，完成下发的计算任务；
任务迁移模块2，用于在无人机飞行期间，将计算任务按照当前通信信道，对应迁移至无人机对应的通信地面上包含移动边缘计算服务器的各基站；
控制模块3，用于确定无人机的最大飞行位移约束、起始位置及终止位置约束、任务完全迁移约束及各基站的计算能力约束，并在满足所有约束的前提下触发任务计算模块4；
任务计算模块4，用于在规定时间内获取各基站利用其包含的移动边缘计算服务器计算对应的子计算任务的任务结果，以完成计算任务。
作为一种优选地实施例，控制模块3包括：
飞行控制子模块，用于确定无人机的最大飞行位移约束、起始位置及终止位置约束；
迁移控制子模块，用于确定无人机任务完全迁移约束及各基站的计算能力约束；
计算控制子模块，用于在同时满足飞行控制子模块和迁移控制子模块的前提下触发任务计算模块；
其中，飞行控制子模块包括：
约束速度单元，用于确定无人机在固定高度的最大飞行速度约束
Figure GDA0002941444220000211
其中，
Figure GDA0002941444220000212
为无人机在三维空间x轴上的实时坐标，
Figure GDA0002941444220000213
为
Figure GDA0002941444220000214
的一阶导数，
Figure GDA0002941444220000215
为无人机在三维空间y轴上的实时坐标，
Figure GDA0002941444220000216
为
Figure GDA0002941444220000217
的一阶导数，Vmax为无人机的最大飞行速度，t为当前飞行时间，T为规定时间；
距离获取单元，用于获取在无人机固定高度飞行期间，无人机与第k个基站之间的距离关系式
Figure GDA0002941444220000218
其中，
Figure GDA0002941444220000219
Figure GDA00029414442200002110
Figure GDA00029414442200002111
为无人机在三维空间的实时坐标，H为固定高度，uI为起始位置在三维空间的坐标，uF为终止位置在三维空间的坐标，νk为第k个基站在三维空间的坐标；
约束位移单元，用于将规定时间离散成T＝Nδt，则确定无人机的最大飞行位移约束
Figure GDA00029414442200002112
其中，
Figure GDA00029414442200002113
Smax＝δtVmax，u[0]＝uI,u[N]＝uF，δt为每个离散的时隙的长度，δt足够小以保持每个时隙中无人机的位置接近不变，N为时隙数，u[n]为无人机在第n个时隙的坐标，Smax为无人机在每个时隙的最大飞行位移，u[0]＝uI,u[N]＝uF为无人机的起始位置及终止位置约束。
作为一种优选地实施例，迁移控制子模块包括：
增益确定单元，用于基于自由空间衰落信道模型，确定无人机与第k个基站的通信信道的信道功率增益
Figure GDA00029414442200002114
其中，β0为在单位距离为1米的条件下的信道功率增益；
时隙分割单元，用于基于时分多址协议，将每个时隙分割成K个长度为τk[n]的子时隙以满足
Figure GDA0002941444220000221
其中，
Figure GDA0002941444220000222
Figure GDA0002941444220000223
为基站集合；
速率获取单元，用于在第k个子时隙，无人机使用固定的传输功率迁移对应的子计算任务到第k个基站的条件下，获取无人机到第k个基站的迁移速率关系式
Figure GDA0002941444220000224
其中，
Figure GDA0002941444220000225
B为基站带宽，P为传输功率，σ2为基站噪声功率，ρ为参考距离为1米时的信噪比；
迁移约束单元，用于确定无人机的任务完全迁移约束
Figure GDA0002941444220000226
以保证计算任务完全迁移至各基站，其中，L为无人机的总计算任务量；
基站约束单元，用于确定第k个基站的计算能力约束
Figure GDA0002941444220000227
以保证第k个基站完成分配的子计算任务的计算，其中，ck为第k个基站执行每比特任务所需要的中央处理器的运转周期，fk为中央处理器的最大运行频率，则fkδt为第k个基站在每个时隙的计算能力。
本申请提供的迁移装置的介绍请参考上述迁移方法实施例，本申请在此不再赘述。
本发明还提供了一种无人机，包括：
存储器，用于存储计算机程序；
处理器，用于执行计算机程序时实现上述任一种无人机计算任务的迁移方法的步骤。
本申请提供的无人机的介绍请参考上述迁移方法实施例，本申请在此不再赘述。
还需要说明的是，在本说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其他实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (5)

1.一种无人机计算任务的迁移方法，其特征在于，包括：
预先获取任务指令，其中，所述任务指令包括无人机在规定时间内从起始位置飞行至终止位置的过程中，完成下发的计算任务；
在所述无人机飞行期间，将所述计算任务按照当前通信信道，对应迁移至所述无人机对应的通信地面上包含移动边缘计算服务器的各基站；
在满足所述无人机的最大飞行位移约束、起始位置及终止位置约束、任务完全迁移约束及各所述基站的计算能力约束的前提下，在所述规定时间内获取各所述基站利用其包含的移动边缘计算服务器计算对应的子计算任务的任务结果，以完成所述计算任务；
确定所述无人机的最大飞行位移约束、起始位置及终止位置约束的具体过程为：
确定所述无人机在固定高度的最大飞行速度约束
Figure FDA0002941444210000011
其中，
Figure FDA0002941444210000012
为所述无人机在三维空间x轴上的实时坐标，
Figure FDA0002941444210000013
为
Figure FDA0002941444210000014
的一阶导数，
Figure FDA0002941444210000015
为所述无人机在所述三维空间y轴上的实时坐标，
Figure FDA0002941444210000016
为
Figure FDA0002941444210000017
的一阶导数，Vmax为所述无人机的最大飞行速度，t为当前飞行时间，T为所述规定时间；
获取在所述无人机固定高度飞行期间，所述无人机与第k个基站之间的距离关系式
Figure FDA0002941444210000018
其中，
Figure FDA0002941444210000019
Figure FDA00029414442100000110
为所述无人机在所述三维空间的实时坐标，H为所述固定高度，uI为所述起始位置在所述三维空间的坐标，uF为所述终止位置在所述三维空间的坐标，νk为第k个基站在所述三维空间的坐标；
将所述规定时间离散成T＝Nδt，则确定所述无人机的最大飞行位移约束
Figure FDA00029414442100000111
其中，
Figure FDA00029414442100000112
Smax＝δtVmax，u[0]＝uI,u[N]＝uF，δt为每个离散的时隙的长度，δt足够小以保持每个所述时隙中所述无人机的位置接近不变，N为时隙数，u[n]为所述无人机在第n个时隙的坐标，Smax为所述无人机在每个所述时隙的最大飞行位移，u[0]＝uI,u[N]＝uF为所述无人机的起始位置及终止位置约束；
确定所述无人机的任务完全迁移约束及各所述基站的计算能力约束的具体过程为：
基于自由空间衰落信道模型，确定所述无人机与第k个基站的通信信道的信道功率增益
Figure FDA0002941444210000021
其中，β0为在单位距离为1米的条件下的信道功率增益；
基于时分多址协议，将每个所述时隙分割成K个长度为τk[n]的子时隙以满足
Figure FDA0002941444210000022
其中，τk[n]≥0，
Figure FDA0002941444210000023
Figure FDA0002941444210000024
为基站集合；
在第k个子时隙，所述无人机使用固定的传输功率迁移对应的子计算任务到第k个基站的条件下，获取所述无人机到第k个基站的迁移速率关系式
Figure FDA0002941444210000025
其中，
Figure FDA0002941444210000026
B为基站带宽，P为所述传输功率，σ2为基站噪声功率，ρ为参考距离为1米时的信噪比；
确定所述无人机的任务完全迁移约束
Figure FDA0002941444210000027
以保证所述计算任务完全迁移至各所述基站，并确定第k个基站的计算能力约束
Figure FDA0002941444210000028
以保证第k个基站完成分配的子计算任务的计算，其中，L为所述无人机携带的总计算任务量，ck为第k个基站执行每比特任务所需要的中央处理器的运转周期，fk为所述中央处理器的最大运行频率，则fkδt为第k个基站在每个所述时隙的计算能力；
该迁移方法还包括：
基于所述规定时间的模型：
公式一:
Figure FDA0002941444210000029
Figure FDA00029414442100000210
共同优化所述无人机的飞行轨迹及时隙分配策略，以最小化所述规定时间，其中，
Figure FDA00029414442100000211
为正整数集合。
2.如权利要求1所述的无人机计算任务的迁移方法，其特征在于，所述共同优化所述无人机的飞行轨迹及时隙分配策略，以最小化所述规定时间的过程具体为：
给定N任意正整数值，将公式一变成可行性求解问题：
公式二:find{u[n]}and{τk[n]}
Figure FDA0002941444210000031
将公式二等效为在任意给定N的情况下最大化所述计算任务的任务量的问题：
公式三:
Figure FDA0002941444210000032
Figure FDA0002941444210000033
其中，
Figure FDA0002941444210000034
为所述计算任务的最大任务量；
优化所述无人机的飞行轨迹及时隙分配策略，以得到公式三的局部最优解；
根据所述公式三的局部最优解求取公式二的解，并利用二分法搜寻N，得到公式一的局部最优解，以最小化所述规定时间。
3.如权利要求2所述的无人机计算任务的迁移方法，其特征在于，所述优化所述无人机的飞行轨迹及时隙分配策略，以得到公式三的局部最优解的过程具体为：
利用CVX工具求解基于所述无人机飞行轨迹的时隙分配策略的优化问题：
公式四:
Figure FDA0002941444210000041
Figure FDA0002941444210000042
通过迭代使用连续凸近似算法求解基于时隙分配策略的无人机的飞行轨迹的优化问题：
公式五:
Figure FDA0002941444210000043
Figure FDA0002941444210000044
以将公式五转化为凸近似问题：
公式六:
Figure FDA0002941444210000045
Figure FDA0002941444210000046
并迭代使用所述CVX工具求解公式六，以得到公式五的局部最优解，其中，
Figure FDA0002941444210000051
为第一个所述约束中Rk(u[n])在每次迭代的上界，
Figure FDA0002941444210000052
为第二个所述约束中的Rk(u[n])在每次迭代的下界；
根据公式四及公式五的优化结果，得到公式三的局部最优解。
4.一种无人机计算任务的迁移装置，其特征在于，包括：
任务获取模块，用于预先获取任务指令，其中，所述任务指令包括无人机在规定时间内从起始位置飞行至终止位置的过程中，完成下发的计算任务；
任务迁移模块，用于在所述无人机飞行期间，将所述计算任务按照当前通信信道，对应迁移至所述无人机对应的通信地面上包含移动边缘计算服务器的各基站；
控制模块，用于确定所述无人机的最大飞行位移约束、起始位置及终止位置约束、任务完全迁移约束及各所述基站的计算能力约束，并在满足所有约束的前提下触发任务计算模块；
所述任务计算模块，用于在所述规定时间内获取各所述基站利用其包含的移动边缘计算服务器计算对应的子计算任务的任务结果，以完成所述计算任务；
所述控制模块包括：
飞行控制子模块，用于确定所述无人机的最大飞行位移约束、起始位置及终止位置约束；
迁移控制子模块，用于确定所述无人机任务完全迁移约束及各所述基站的计算能力约束；
计算控制子模块，用于在同时满足所述飞行控制子模块和所述迁移控制子模块的前提下触发任务计算模块；
其中，所述飞行控制子模块包括：
约束速度单元，用于确定所述无人机在固定高度的最大飞行速度约束
Figure FDA0002941444210000053
其中，
Figure FDA0002941444210000054
为所述无人机在三维空间x轴上的实时坐标，
Figure FDA0002941444210000055
为
Figure FDA0002941444210000056
的一阶导数，
Figure FDA0002941444210000057
为所述无人机在所述三维空间y轴上的实时坐标，
Figure FDA0002941444210000058
为
Figure FDA0002941444210000059
的一阶导数，Vmax为所述无人机的最大飞行速度，t为当前飞行时间，T为所述规定时间；
距离获取单元，用于获取在所述无人机固定高度飞行期间，所述无人机与第k个基站之间的距离关系式
Figure FDA0002941444210000061
其中，
Figure FDA0002941444210000062
Figure FDA0002941444210000063
为所述无人机在所述三维空间的实时坐标，H为所述固定高度，uI为所述起始位置在所述三维空间的坐标，uF为所述终止位置在所述三维空间的坐标，νk为第k个基站在所述三维空间的坐标；
约束位移单元，用于将所述规定时间离散成T＝Nδt，则确定所述无人机的最大飞行位移约束
Figure FDA0002941444210000064
其中，
Figure FDA0002941444210000065
Smax＝δtVmax，u[0]＝uI,u[N]＝uF，δt为每个离散的时隙的长度，δt足够小以保持每个所述时隙中所述无人机的位置接近不变，N为时隙数，u[n]为所述无人机在第n个时隙的坐标，Smax为所述无人机在每个所述时隙的最大飞行位移，u[0]＝uI,u[N]＝uF为所述无人机的起始位置及终止位置约束；
所述迁移控制子模块包括：
增益确定单元，用于基于自由空间衰落信道模型，确定所述无人机与第k个基站的通信信道的信道功率增益
Figure FDA0002941444210000066
其中，β0为在单位距离为1米的条件下的信道功率增益；
时隙分割单元，用于基于时分多址协议，将每个所述时隙分割成K个长度为τk[n]的子时隙以满足
Figure FDA0002941444210000067
其中，τk[n]≥0，
Figure FDA0002941444210000068
Figure FDA0002941444210000069
为基站集合；
速率获取单元，用于在第k个子时隙，所述无人机使用固定的传输功率迁移对应的子计算任务到第k个基站的条件下，获取所述无人机到第k个基站的迁移速率关系式
Figure FDA00029414442100000610
其中，
Figure FDA00029414442100000611
B为基站带宽，P为所述传输功率，σ2为基站噪声功率，ρ为参考距离为1米时的信噪比；
迁移约束单元，用于确定所述无人机的任务完全迁移约束
Figure FDA00029414442100000612
以保证所述计算任务完全迁移至各所述基站，其中，L为所述无人机的总计算任务量；
基站约束单元，用于确定第k个基站的计算能力约束
Figure FDA0002941444210000071
以保证第k个基站完成分配的子计算任务的计算，其中，ck为第k个基站执行每比特任务所需要的中央处理器的运转周期，fk为所述中央处理器的最大运行频率，则fkδt为第k个基站在每个所述时隙的计算能力；
该迁移方法还包括：
基于所述规定时间的模型：
公式一:
Figure FDA0002941444210000072
Figure FDA0002941444210000073
共同优化所述无人机的飞行轨迹及时隙分配策略，以最小化所述规定时间，其中，
Figure FDA0002941444210000074
为正整数集合。
5.一种无人机，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1-3任一项所述的无人机计算任务的迁移方法的步骤。
CN201810628804.4A 2018-06-19 2018-06-19 一种无人机计算任务的迁移方法、装置及无人机 Active CN108810849B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810628804.4A CN108810849B (zh) 2018-06-19 2018-06-19 一种无人机计算任务的迁移方法、装置及无人机

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810628804.4A CN108810849B (zh) 2018-06-19 2018-06-19 一种无人机计算任务的迁移方法、装置及无人机

Publications (2)

Publication Number Publication Date
CN108810849A CN108810849A (zh) 2018-11-13
CN108810849B true CN108810849B (zh) 2021-03-26

Family

ID=64083585

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810628804.4A Active CN108810849B (zh) 2018-06-19 2018-06-19 一种无人机计算任务的迁移方法、装置及无人机

Country Status (1)

Country Link
CN (1) CN108810849B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109743099A (zh) * 2019-01-10 2019-05-10 深圳市简智联信息科技有限公司 移动边缘计算系统及其资源分配方法
CN109905859B (zh) * 2019-01-14 2021-09-28 南京信息工程大学 一种用于车联网应用的高效边缘计算迁移方法
CN109548084B (zh) * 2019-01-17 2021-11-30 重庆邮电大学 一种负载均衡的无人机自组网高效多跳tdma接入方法
CN109831797B (zh) * 2019-03-11 2021-08-10 南京邮电大学 一种推动功率受限的无人机基站带宽和轨迹联合优化方法
CN109885088B (zh) * 2019-03-12 2021-01-19 西安交通大学 边缘计算网络中基于机器学习的无人机飞行轨迹优化方法
CN111580889A (zh) * 2020-05-13 2020-08-25 长沙理工大学 边缘服务器任务卸载方法、装置、设备及存储介质
CN111600648B (zh) * 2020-05-25 2022-02-22 中国矿业大学 一种移动边缘计算系统的移动中继位置控制方法
CN111984110B (zh) * 2020-08-19 2021-11-26 南通大学 一种移动边缘计算网络中无人机计算卸载方法及系统
CN112579290B (zh) * 2020-12-21 2023-10-31 湖南大学 一种基于无人机的地面终端设备的计算任务迁移方法
CN113422803B (zh) * 2021-05-19 2022-11-25 武汉工程大学 一种基于端边云协同的无人机智能巡检任务无缝迁移方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106358245A (zh) * 2016-11-07 2017-01-25 北京佰才邦技术有限公司 移动边缘计算应用负荷分担的方法和控制器
CN107786963A (zh) * 2017-10-26 2018-03-09 北京邮电大学 一种自组织网络中计算任务的迁移策略
CN108135002A (zh) * 2017-12-22 2018-06-08 南京航空航天大学 一种基于块坐标下降的无人机频谱资源分配方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10484451B2 (en) * 2016-10-18 2019-11-19 Huawei Technologies Co., Ltd. Virtual network state management in mobile edge computing

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106358245A (zh) * 2016-11-07 2017-01-25 北京佰才邦技术有限公司 移动边缘计算应用负荷分担的方法和控制器
CN107786963A (zh) * 2017-10-26 2018-03-09 北京邮电大学 一种自组织网络中计算任务的迁移策略
CN108135002A (zh) * 2017-12-22 2018-06-08 南京航空航天大学 一种基于块坐标下降的无人机频谱资源分配方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"Mobile Edge Computing via a UAV-Mounted Cloudlet: Optimization of Bit Allocation and Path Planning";Seongah Jeong等;《IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY》;20180331;第67卷(第3期);第2049-2062页 *

Also Published As

Publication number Publication date
CN108810849A (zh) 2018-11-13

Similar Documents

Publication Publication Date Title
CN108810849B (zh) 一种无人机计算任务的迁移方法、装置及无人机
CN111786713B (zh) 一种基于多智能体深度强化学习的无人机网络悬停位置优化方法
Mei et al. Joint trajectory-resource optimization in UAV-enabled edge-cloud system with virtualized mobile clone
Esrafilian et al. Learning to communicate in UAV-aided wireless networks: Map-based approaches
CN110730031B (zh) 一种用于多载波通信的无人机轨迹与资源分配联合优化方法
CN109286913B (zh) 基于蜂窝网联的无人机移动边缘计算系统能耗优化方法
CN111552313B (zh) 基于边缘计算动态任务到达的多无人机路径规划方法
US10880854B2 (en) Intelligent base station with capability to identify three-dimensional environment, method for determining location thereof and storage medium
CN108398958B (zh) 无人机编队路径匹配方法、装置和储存介质
CN110349445B (zh) 具有多个rta约束的有效飞行剖面
CN110602633A (zh) 一种面向爆发性流量的移动边缘计算无人机群辅助通信方法
CN113543066B (zh) 感通导指一体化交互与多目标应急组网方法及系统
CN113395654A (zh) 一种边缘计算系统的多无人机任务卸载和资源分配的方法
CN109151027A (zh) 星空地协同物联网通信方法及装置
CN113406974B (zh) 一种面向无人机集群联邦学习的学习与资源联合优化方法
CN109506654A (zh) 低空航路规划方法及装置、飞行器
CN113392539B (zh) 基于联邦强化学习的机器人通信控制方法、系统及设备
CN112399375A (zh) 基于终端能效优化的无人机辅助边缘计算的卸载方法
CN107943067A (zh) 一种基于集群控制的无人机编队方法、装置及系统
CN112671451A (zh) 一种无人机数据收集方法、设备、电子设备及存储介质
Azeemi Cooperative Trajectory and Launch Power Optimization of UAV Deployed in Cross-Platform Battlefields
CN112579290B (zh) 一种基于无人机的地面终端设备的计算任务迁移方法
CN107682812B (zh) 一种异构多通信链路融合网络的链路适配方法及装置
CN113919483A (zh) 一种无线通信网络中无线电地图的构造和定位方法及其系统
Li et al. Channel knowledge map (CKM)-assisted multi-UAV wireless network: CKM construction and UAV placement

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant