CN110650497A - 任务卸载、状态更新方法、装置、系统及相关设备 - Google Patents
任务卸载、状态更新方法、装置、系统及相关设备 Download PDFInfo
- Publication number
- CN110650497A CN110650497A CN201910936913.7A CN201910936913A CN110650497A CN 110650497 A CN110650497 A CN 110650497A CN 201910936913 A CN201910936913 A CN 201910936913A CN 110650497 A CN110650497 A CN 110650497A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- task
- cooperative
- cloud
- 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.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/0215—Traffic management, e.g. flow control or congestion control based on user or device properties, e.g. MTC-capable devices
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/14—Relay systems
- H04B7/15—Active relay systems
- H04B7/185—Space-based or airborne stations; Stations for satellite systems
- H04B7/18502—Airborne stations
- H04B7/18504—Aircraft used as relay or high altitude atmospheric platform
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Astronomy & Astrophysics (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Mobile Radio Communication Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例提供了一种任务卸载、状态更新方法、装置、系统及相关设备,方法包括:接收用户设备发送的初始任务数据,至少基于自身任务接收速率,自身最大任务容量,协同云端无人机的任务接收速率,协同云端无人机的最大任务容量,以及预先构建的最小化响应时延的模式判决函数,确定任务卸载模式,任务卸载模式包括协同卸载模式和非协同卸载模式。可见能够判断采用协同卸载模式或非协同卸载模式,以使得响应时延最小。从而能够降低基于无人机的通信系统的响应时延。
Description
技术领域
本发明涉及无线通信技术领域,特别是涉及一种任务卸载、状态更新方法、装置、系统及相关设备。
背景技术
信息通信技术的快速发展能够加速各个行业的信息化变革进程。大流量、多服务的业务需求,也促使无线通信系统架构的变革。无人机被认为是下一代通信中重要的组成部分,相比于传统的固定式基站网络覆盖,无人机具有机动灵活等不可替代的优势,在灾难救援,地图测绘,临时通信,热点覆盖,目标追踪等方面,有着巨大的应用潜力。
现有的无人机通信技术中,无人机在指定地点采集信息,对采集的信息进行预处理,包括去除冗余信息,进行压缩等,将预处理后的信息发送至控制中心。
然而,由于无人机的通信资源和计算能力受限,大量的数据无法短时间内在单一的无人机上进行计算并高效传输,导致系统的整体响应时延较高。
发明内容
本发明实施例的目的在于提供一种任务卸载、状态更新方法、装置、系统及相关设备,以降低无人机通信中的响应时延。具体技术方案如下:
为实现上述目的,本发明实施例提供了一种基于无人机的任务卸载系统,所述系统包括:云端无人机,协同云端无人机,控制中心,所述云端无人机和所述协同云端无人机部署有计算服务器;
所述云端无人机,用于接收用户设备发送的初始任务数据,至少基于自身任务接收速率,自身最大任务容量,所述协同云端无人机的任务接收速率,所述协同云端无人机的最大任务容量,以及预先构建的最小化响应时延的模式判决函数,确定任务卸载模式,所述任务卸载模式包括协同卸载模式和非协同卸载模式;
当所述任务卸载模式为协同卸载模式时,所述云端无人机,用于基于自身任务接收速率,超过最大任务容量时的任务拒绝概率确定卸载至所述协同云端无人机的第一部分数据,将所述第一部分数据发送至所述协同云端无人机,并对未卸载的第二部分数据进行预处理,将预处理结果发送至所述控制中心;所述协同云端无人机,用于对所述第一部分数据进行预处理,将预处理结果发送至所述控制中心;
当所述任务卸载模式为非协同卸载模式时,所述云端无人机,用于对所述初始任务数据进行预处理,将预处理结果发送至所述控制中心;
所述控制中心,用于针对所述预处理结果进一步处理,将处理结果反馈至所述用户设备。
可选的,所述预先构建的最小化响应时延的模式判决函数为:
其中,Nj表示云端无人机j的最大任务容量,Ni表示协同云端无人机i的最大任务容量,Λj表示云端无人机j的任务接收速率,Bu,u表示云端无人机与协调云端无人机之间通信链路的通信带宽,Ωc表示云端无人机的集合,Pt表示云端无人机的发射功率,l表示所述初始任务数据的数据量,hj表示通信链路的莱斯信道增益,hs表示干扰链路的莱斯信道增益,Gj表示通信链路的天线增益,Gs表示干扰链路的天线增益,xj,i表示云端无人机j与协同云端无人机i的距离,xs,i表示云端无人机集合Ωc中除去云端无人机j的其余云端无人机与协同云端无人机i的距离,α表示路径损耗指数,σ2表示高斯白噪声。
可选的,所述系统还包括本地无人机,所述本地无人机部署有计算服务器;
所述控制中心,还用于收集与所述本地无人机处于同一通信区域的至少一云端无人机的模型状态参数,基于所述本地无人机与所述至少一云端无人机的距离,对所述模型状态参数进行加权平均,得到所述本地无人机的模拟状态参数,将所述模拟状态参数与预先构建的判决门限进行比对,基于比对结果指导所述本地无人机进行模型状态更新;所述模型状态参数包括:计算负载率,计算速率,最大任务容量。
可选的,所述本地无人机的模型状态包括第一队列模型状态和第二队列模型状态,所述第一队列模型状态的最大任务容量为1,所述第二队列模型状态的最大任务容量为2,所述判决门限是基于所述第一队列模型状态和所述第二队列模型状态下的任务信息年龄构建的。
为实现上述目的,本发明实施例还提供了一种基于无人机的任务卸载方法,应用于基于无人机的任务卸载系统中的云端无人机,所述基于无人机的任务卸载系统还包括协同云端无人机和控制中心,所述云端无人机和所述协同云端无人机部署有计算服务器;所述方法包括:
接收用户设备发送的初始任务数据,至少基于自身任务接收速率,自身最大任务容量,所述协同云端无人机的任务接收速率,所述协同云端无人机的最大任务容量,以及预先构建的最小化响应时延的模式判决函数,确定任务卸载模式,所述任务卸载模式包括协同卸载模式和非协同卸载模式;
当所述任务卸载模式为协同卸载模式时,基于自身任务接收速率,超过最大任务容量时的任务拒绝概率确定卸载至所述协同云端无人机的第一部分数据,将所述第一部分数据发送至所述协同云端无人机,并对未卸载的第二部分数据进行预处理,将预处理结果发送至控制中心;
当所述任务卸载模式为非协同卸载模式时,对所述初始任务数据进行预处理,将预处理结果发送至控制中心。
可选的,所述预先构建的最小化响应时延的模式判决函数为:
其中,Nj表示云端无人机j的最大任务容量,Ni表示协同云端无人机i的最大任务容量,Λj表示云端无人机j的任务接收速率,Bu,u表示云端无人机与协调云端无人机之间通信链路的通信带宽,Ωc表示云端无人机的集合,Pt表示云端无人机的发射功率,l表示所述初始任务数据的数据量,hj表示通信链路的莱斯信道增益,hs表示干扰链路的莱斯信道增益,Gj表示通信链路的天线增益,Gs表示干扰链路的天线增益,xj,i表示云端无人机j与协同云端无人机i的距离,xs,i表示云端无人机集合Ωc中除去云端无人机j的其余云端无人机与协同云端无人机i的距离,α表示路径损耗指数,σ2表示高斯白噪声。
为实现上述目的,本发明实施例还提供了一种基于无人机任务卸载的状态更新方法,应用于基于无人机的任务卸载系统的控制中心,所述基于无人机的任务卸载系统还包括云端无人机和本地无人机,所述云端无人机和所述本地无人机部署有计算服务器;所述方法包括:
收集与所述本地无人机处于同一通信区域的至少一云端无人机的模型状态参数;所述模型状态参数包括:计算负载率,计算速率,最大任务容量;
基于所述本地无人机与所述至少一云端无人机的距离,对所述模型状态参数进行加权平均,得到所述本地无人机的模拟状态参数;
将所述模拟状态参数与预先构建的判决门限进行比对,基于比对结果指导所述本地无人机进行模型状态更新。
可选的,所述本地无人机的模型状态包括第一队列模型状态和第二队列模型状态,所述第一队列模型状态的最大任务容量为1,所述第二队列模型状态的最大任务容量为2,所述判决门限是基于所述第一队列模型状态和所述第二队列模型状态下的任务信息年龄构建的。
为实现上述目的,本发明实施例还提供了一种基于无人机的任务卸载装置,应用于基于无人机的任务卸载系统中的云端无人机,所述基于无人机的任务卸载系统还包括协同云端无人机和控制中心,所述云端无人机和所述协同云端无人机部署有计算服务器;所述装置包括:
确定模块,用于接收用户设备发送的初始任务数据,至少基于自身任务接收速率,自身最大任务容量,所述协同云端无人机的任务接收速率,所述协同云端无人机的最大任务容量,以及预先构建的最小化响应时延的模式判决函数,确定任务卸载模式,所述任务卸载模式包括协同卸载模式和非协同卸载模式;
卸载模块,用于当所述任务卸载模式为协同卸载模式时,基于自身任务接收速率,超过最大任务容量时的任务拒绝概率确定卸载至所述协同云端无人机的第一部分数据,将所述第一部分数据发送至所述协同云端无人机,并对未卸载的第二部分数据进行预处理,将预处理结果发送至控制中心;
处理模式,用于当所述任务卸载模式为非协同卸载模式时,对所述初始任务数据进行预处理,将预处理结果发送至控制中心。
可选的,所述预先构建的最小化响应时延的模式判决函数为:
其中,Nj表示云端无人机j的最大任务容量,Ni表示协同云端无人机i的最大任务容量,Λj表示云端无人机j的任务接收速率,Bu,u表示云端无人机与协调云端无人机之间通信链路的通信带宽,Ωc表示云端无人机的集合,Pt表示云端无人机的发射功率,l表示所述初始任务数据的数据量,hj表示通信链路的莱斯信道增益,hs表示干扰链路的莱斯信道增益,Gj表示通信链路的天线增益,Gs表示干扰链路的天线增益,xj,i表示云端无人机j与协同云端无人机i的距离,xs,i表示云端无人机集合Ωc中除去云端无人机j的其余云端无人机与协同云端无人机i的距离,α表示路径损耗指数,σ2表示高斯白噪声。
为实现上述目的,本发明实施例还提供了一种基于无人机任务卸载的状态更新装置,应用于基于无人机的任务卸载系统的控制中心,所述基于无人机的任务卸载系统还包括云端无人机和本地无人机,所述云端无人机和所述本地无人机部署有计算服务器;所述装置包括:
收集模块,用于收集与所述本地无人机处于同一通信区域的至少一云端无人机的模型状态参数;所述模型状态参数包括:计算负载率,计算速率,最大任务容量;
加权模块,用于基于所述本地无人机与所述至少一云端无人机的距离,对所述模型状态参数进行加权平均,得到所述本地无人机的模拟状态参数;
比对模块,用于将所述模拟状态参数与预先构建的判决门限进行比对,基于比对结果指导所述本地无人机进行模型状态更新。
可选的,所述本地无人机的模型状态包括第一队列模型状态和第二队列模型状态,所述第一队列模型状态的最大任务容量为1,所述第二队列模型状态的最大任务容量为2,所述判决门限是基于所述第一队列模型状态和所述第二队列模型状态下的任务信息年龄构建的。
为实现上述目的,本发明实施例还提供了一种云端无人机,包括处理器和机器可读存储介质,所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令,所述处理器被所述机器可执行指令促使:实现以下方法步骤:
接收用户设备发送的初始任务数据,至少基于自身任务接收速率,自身最大任务容量,所述协同云端无人机的任务接收速率,所述协同云端无人机的最大任务容量,以及预先构建的最小化响应时延的模式判决函数,确定任务卸载模式,所述任务卸载模式包括协同卸载模式和非协同卸载模式;
当所述任务卸载模式为协同卸载模式时,基于自身任务接收速率,超过最大任务容量时的任务拒绝概率确定卸载至所述协同云端无人机的第一部分数据,将所述第一部分数据发送至所述协同云端无人机,并对未卸载的第二部分数据进行预处理,将预处理结果发送至控制中心;
当所述任务卸载模式为非协同卸载模式时,对所述初始任务数据进行预处理,将预处理结果发送至控制中心。
为实现上述目的,本发明实施例还提供了一种控制中心,包括处理器和机器可读存储介质,所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令,所述处理器被所述机器可执行指令促使:实现以下方法步骤:
收集与所述本地无人机处于同一通信区域的至少一云端无人机的模型状态参数;所述模型状态参数包括:计算负载率,计算速率,最大任务容量;
基于所述本地无人机与所述至少一云端无人机的距离,对所述模型状态参数进行加权平均,得到所述本地无人机的模拟状态参数;
将所述模拟状态参数与预先构建的判决门限进行比对,基于比对结果指导所述本地无人机进行模型状态更新。
为实现上述目的,本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述任一方法步骤。
可见,应用本发明实施例的任务卸载、状态更新方法、装置、系统及相关设备,能够预先构建最小化响应时延的模式判决函数,至少基于任务接收速率,最大任务容量以及模式判决函数,判断采用协同卸载模式或非协同卸载模式,以使得响应时延最小。从而能够降低基于无人机的通信系统的响应时延。
当然,实施本发明的任一产品或方法必不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述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为本发明实施例提供的基于无人机的任务卸载系统的一种示意图;
图2为本发明实施例提供的基于无人机的任务卸载方法的一种流程示意图;
图3为本发明实施例提供的基于无人机任务卸载的状态更新方法的一种流程示意图;
图4为本发明实施例提供的基于无人机的任务卸载装置的一种结构示意图;
图5为本发明实施例提供的基于无人机任务卸载的状态更新装置的一种结构示意图;
图6为本发明实施例提供的云端无人机的一种结构示意图;
图7为本发明实施例提供的控制中心的一种结构示意图。
具体实施方式
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,所描述的实施例仅仅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。
为了解决现有的无人机通信技术中,无人机的通信资源,计算能力受限导致的响应时延较高的技术问题,本发明实施例提供了任务卸载、状态更新方法、装置、系统及相关设备。
下面先对本发明的任务卸载系统进行介绍。
本发明实施例中,参见图1,图1为本发明实施例提供的基于无人机的任务卸载系统的一种示意图,包括云端无人机101,协同云端无人机102,控制中心103。云端无人机101表示云端业务支持(Cloud service support,CSS)无人机,可以为小型旋翼无人机,为了便于说明,下面均以CSS无人机表示。CSS无人机部署有计算服务器,本发明实施例提供的基于无人机的任务卸载系统中可以包含多个CSS无人机。CSS无人机被预先部署在特定的区域内作业,在作业过程中,接收用户设备发送的初始任务数据,并确定是否需要与协同云端无人机一起进行协同计算。其中,协同云端无人机102可以是其他CSS无人机,例如,距离较近的其他CSS无人机,或者任一其他CSS无人机,对此本发明实施例不做限定。
为了便于理解,下面对本发明实施例提供的基于无人机的任务卸载系统中的通信模型以及通信链路进行介绍。
本发明实施例中,CSS无人机的集合定义为Ωc,CSS无人机的部署位置服从一个强度为λc的三维泊松点过程。在该通信系统中,存在两种通信信道模型,CSS无人机之间的通信信道,记为U2U信道,以及CSS无人机与控制中心之间的通信信道,记为U2C信道。
对于U2U信道,基于CSS无人机在三维空间分布的特点,可以认为CSS无人机之间存在视距传输。设CSS无人机的发射功率为Pt,CSS无人机配备的定向天线的天线增益表达式为:
其中,θm表示主瓣波束方向,θw表示波束宽度,C表示旁瓣增益,路径损耗定义为x-α,其中,x表示CSS无人机之间的距离,α表示路径损耗指数的大小。由于CSS无人机之间存在视距传输,因此可以将U2U信道建模为莱斯信道,用h表示莱斯信道的增益,则
本发明实施例中,设无人机j为接收用户设备的初始任务数据的CSS无人机,无人机i为无人机j的协同云端无人机,则无人机j向无人机i发送数据时会收到来自其他CSS无人机发送信号的干扰,设Gj表示通信链路的天线增益,Gs表示干扰链路的天线增益,加性高斯白噪声表示为σ2=N0Bu,u,其中N0表示噪声功率密度,Bu,u表示U2U链路的通信带宽。则无人机j向无人机i发送信息时,该通信链路的信道容量Cj,i表示为:
其中,γi表示无人机i接收信息的信干噪比。
对于U2C信道,可以预先设置特定的信干噪比门限γc,若控制中心接收信息的信干噪比大于信干噪比门限γc,则认为信息成功传输。由于CSS无人机服从三维泊松点过程,可以推算出U2C链路的通信成功Pi,c概率为:
其中,β表示预设系数,0<β≤1,xi,c表示CSS无人机与控制中心的距离,Gi表示U2C通信链路的天线增益。
则无人机i和控制中心c之间的信道容量为:
其中,Bu,c表示U2C通信链路的通信带宽。
本发明实施例中,各个CSS无人机接收的任务被视为速率为Λ的泊松过程,即无人机i接收的任务被视为速率为Λi的泊松过程,无人机j接收的任务被视为速率为Λj的泊松过程。设CSS无人机中部署的计算服务器对任务数据的计算速率为μ。考虑到小型旋翼无人机的缓存容量较小,计算能力较弱,本发明实施例中,CSS无人机处理任务数据的过程被建模为M/M/1/N队列模型,即CSS无人机遵循先到先服务的原则处理任务数据,且CSS无人机的最大任务容量为N。
本发明实施例中,CSS无人机在接收用户设备发送的初始任务数据后,至少基于自身任务接收速率,自身最大任务容量,协同云端无人机的任务接收速率,协同云端无人机的最大任务容量,以及预先构建的最小化响应时延的模式判决函数,确定任务卸载模式,任务卸载模式包括协同卸载模式和非协同卸载模式。
为了便于理解,以无人机j为接收初始任务数据的CSS无人机,以无人机i为无人机j的协同云端无人机为例,分别介绍非协同卸载模式和协同卸载模式。
在非协同卸载模式下,无人机j接收用户设备发送的初始任务数据,对初始任务数据进行预处理,包括去除初始任务数据中的信息冗余,将数据压缩等过程,随后通过U2C链路将预处理结果发送至控制中心。
由于CSS无人机处理任务数据的过程被建模为M/M/1/N队列模型,设无人机j的最大任务容量为Nj,设有n个任务处于无人机j中的概率为Pn,定义无人机j的计算负载率ρj为任务接收速率与计算速率的比值,即
则根据排队论可计算无人机j存在的平均任务数Lj表示为:
针对传输时延Tj,c,设无人机j对预处理后数据的压缩比为η,初始任务数据大小为l,则在U2C链路上的传输时延Tj,c可以表示为:
从而,可以基于上述公式可以计算非协同卸载模式的响应时延。
在本发明实施例中,在面对高流量业务时,单个无人机可能无法处理较大数据量。例如,当无人机j接收到的初始任务数据的任务速率较大,大量的任务数据会在缓存器中排队等待,会造成较大的排队时延。在这种情况下,无人机j可以采用协同卸载模式,选择一部分数据卸载至其他CSS无人机,例如无人机i。
由于CSS无人机容量的限制,当无人机j中的任务数量大于Nj时,无人机j会拒绝一部分任务,设拒绝概率为则当无人机j的任务接收速率为Λj时,实际进行无人机j的缓存中的任务速率为同时,发送至无人机i的任务速率为基于上述通信模型以及通信链路的介绍,传输时延Tj,i可表示为:
针对协同云端无人机,即无人机i,设无人机j的任务接收速率为Λi,叠加上无人机j发送的任务数据,总接收速率Λall可表示为:
任务数据在无人机i上的预处理时延Ti comp可表示为:
基于上述通信模型以及通信链路的介绍,任务数据在U2C链路上的传输时延Ti,c可表示为:
本发明实施例中,为了最小化响应时延,可以比较协同卸载模式和非协同卸载模式的响应时延,选择响应时延较小的卸载模式。
具体的,CSS无人机可基于上述协同卸载模式和非协同卸载模式下响应时延的计算公式,构建最小化响应时延的模式判决函数。则在接收到初始任务数据后,即可将任务接收速率,最大任务容量等上述参数代入该模式判决函数,根据结果即可确定响应时延最小的任务卸载模式。
在本发明的一种实施例中,设无人机j任务数据的接收速率与计算速率相等,即ρj=1,此外设无人机i初始的接收速率为0,即Λi=0,并忽略CSS无人机与控制中心之间的距离对传输时延的影响,即Tj,c=Ti,c,则基于上述确定的协同卸载模式和非协同卸载模式下响应时延的计算公式,可构建最小化响应时延的模式判决函数如下:
当f(Ni,Nj,Λj)≥0,非协同卸载模式的响应时延较小,则确定任务卸载模式为非协同卸载模式。当f(Ni,Nj,Λj)<0,协同卸载模式的响应时延较小,则确定任务卸载模式为协同卸载模式。
在本发明实施例中,当任务卸载模式为协同卸载模式时,云端无人机可以基于自身任务接收速率,超过最大任务容量时的任务拒绝概率确定卸载至协同云端无人机的第一部分数据,将第一部分数据发送至协同云端无人机,并对未卸载的第二部分数据进行预处理,将预处理结果发送至控制中心;此外,协同云端无人机,可以对第一部分数据进行预处理,将预处理结果发送至控制中心;
其中,第一部分数据可以根据发送至协同无人机的任务速率来确定。结合上例进行说明,CSS无人机j可以根据任务接收速率Λj以及拒绝概率为确定发送至CSS无人机i的任务速率为进而将对应的第一部分数据发送至CSS无人机i。
在本发明实施例中,当任务卸载模式为非协同卸载模式时,云端无人机,用于对初始任务数据进行预处理,将预处理结果发送至控制中心。即这种情况下,不需要协同云端无人机的协同处理,云端无人机自身对初始任务数据进行预处理。
在本发明实施例中,云端无人机或协同云端无人机预处理的结果均发送至控制中心,控制中心可以针对预处理结果进一步处理,将处理结果反馈至用户设备。
可见,本发明实施例提供了一种基于无人机的协同卸载方法,且预先构建最小化响应时延的模式判决函数,至少基于任务接收速率,最大任务容量以及模式判决函数,判断采用协同卸载模式或非协同卸载模式,以使得响应时延最小。从而能够降低基于无人机的通信系统的响应时延。
在本发明的一种实施例中,为了适应计算量较小的业务,任务卸载系统中还可以包括本地无人机,本地无人机表示本地业务支持(Local service support,LSS)无人机,也可以为小型旋翼无人机,为了便于说明,下面均以LSS无人机表示。LSS无人机中也部署有计算服务器,与CSS无人机不同的是,LSS无人机只支持本地业务,即接收用户设备的任务数据后,在本地进行处理并将处理结果反馈至用户设备,无需上传至控制中心进一步处理。
针对LSS无人机,引入信息年龄(age of information,AOI)作为无人机与用户设备之间传递信息时效性的指标,若AOI过大,则任务在LSS无人机处理完成后再传递给用户设备,会失去时效性,从而无法满足用户设备对于低时延业务的需求。在这种情况下,LSS无人机的模型状态需要更新。其中,模型状态可以用R表示,包括计算负载率ρ,计算速率μ以及最大任务容量N。即R=f(ρ,μ,N)。
用户设备生成的任务通过LSS无人机处理的总时延包括任务在LSS无人机中的排队时延Tq,处理时延Tp以及回传给用户设备的传输时延Tt。对于任务m,定义其在LSS无人机中的停留时延为Tm,停留时延包括排队时延和处理时延,即由于LSS无人机在将处理结果返还给用户设备时不会受到可见内其他无人机的干扰,因此,可认为传输时延Tt为定值。因此,在表示LSS无人机与用户设备进行信息传输的平均信息年龄时,可只考虑停留时延,不计入传输时延造成的影响。则基于排队论可确定平均信息年龄Δ为:
其中,ΛL表示LSS无人机的任务接收速率,Ym表示离开间隔时延,即LSS无人机完成第m-1和第m个任务的瞬时时间差。
在本发明的一种实施例中,考虑到最大任务容量较大时会显著增加完成任务的时延,队列的最大任务容量被设定为1或2,相应的,LSS无人机的模型状态包括第一队列模型状态和第二队列模型状态,其中第一队列模型状态表示最大任务容量为1的模型状态,第二队列模型状态表示最大任务容量为2的模型状态。用公式可以表示为:
R1=f(ρ,μ,N=1)
R2=f(ρ,μ,N=2)
则针对第一队列模型状态,基于排队论以及上述平均信息年龄的计算公式,可确定第一队列模型状态下的平均信息年龄ΔM/M/1/1,可表示为:
同理,第二队列模型状态下的平均信息年龄ΔM/M/1/2,可表示为:
其中,ΛL表示LSS无人机的任务接收速率,ρL表示LSS无人机的计算负载率。
在本发明的一种实施例中,基于第一队列模型状态和第二队列模型状态下的平均信息年龄,可以针对计算负载率ρL构建判决门限,即令ΔM/M/1/1=ΔM/M/1/2,得到下式:
由于LSS无人机相对独立,LSS无人机缺乏足够的信息交换来进行模型状态更新,而LSS无人机周边部署有CSS无人机,CSS无人机可以实时与控制中心进行信息交互,且靠近LSS无人机的CSS无人机与LSS无人机具有相似的区域特性和业务特性,因此可以基于CSS无人机的模型状态参数,指导LSS无人机的模型状态更新。
在本发明的一种实施例中,任务卸载系统中的控制中心,可以收集与LSS无人机处于同一通信区域的至少一CSS无人机的模型状态参数,基于LSS无人机与至少一CSS无人机的距离,对各个模型状态参数进行加权平均,得到LSS无人机的模拟状态参数,将模拟状态参数与预先构建的判决门限进行比对,基于比对结果指导LSS无人机进行模型状态更新。
具体的,上述同一通信区域可以根据实际情况进行设定,例如,以LSS无人机为中心的预设半径范围内的区域作为该LSS无人机的同一通信区域,控制中心可以统计该区域内的CSS无人机的模型状态参数,以此来指导LSS无人机进行模型状态更新。所统计的模型状态参数包括任务接收速率,计算负载率,以及最大任务容量。
由于更靠近LSS无人机的CSS无人机的模型状态参数应具有更高的参考价值,因此可以基于LSS无人机与CSS无人机的距离,对模型状态参数进行加权平均。具体的,LSS无人机与CSS无人机的距离越近,则该CSS无人机的模型状态参数具备更大的权重。
作为一个示例,设CSS无人机i和LSS无人机L之间的距离为di,L,则加权平均后的模型状态参数可以表示为:
其中,kc表示与LSS无人机i处于同一通信区域的CSS无人机的总数目。
本发明实施例中,可以将加权平均后的模型状态参数作为LSS无人机的模拟状态参数。控制中心可以根据模拟状态参数中的任务接收速率,以及计算速率,计算LSS无人机的模拟计算负载率,与先前预先确定的判决门限作对比,即可确定LSS无人机的更新为最大任务容量为1的第一队列模型状态,或最大任务容量为2的第二队列模型状态。
可见,本发明实施例中,为了适应不同的业务需求,系统中还可以包括本地无人机,本地无人机独立处理用户设备生成的任务,无需经过控制中心进一步处理。此外,针对本地无人机信息交互困难,模型状态参数更新不便的问题,提出了基于周边云端无人机的模型状态参数,对本地无人机的模型状态参数进行更新的方法。且在更新模型状态参数时,预先构建了判决门限,从而确定使得信息年龄最小化的队列模型状态,降低了系统的响应时延。
基于相同的发明构思,根据上述基于无人机的任务卸载系统实施例,本发明实施例还提供了一种基于无人机的任务卸载方法,应用于基于无人机的任务卸载系统中的云端无人机,基于无人机的任务卸载系统还包括协同云端无人机和控制中心,云端无人机和协同云端无人机部署有计算服务器,参见图2,图2为本发明实施例提供的基于无人机的任务卸载方法的一种流程示意图,方法可以包括以下步骤:
S201:接收用户设备发送的初始任务数据,至少基于自身任务接收速率,自身最大任务容量,协同云端无人机的任务接收速率,协同云端无人机的最大任务容量,以及预先构建的最小化响应时延的模式判决函数,确定任务卸载模式,任务卸载模式包括协同卸载模式和非协同卸载模式;当任务卸载模式为协同卸载模式时,执行S202;当任务卸载模式为非协同卸载模式时,执行S203。
S202:基于自身任务接收速率,超过最大任务容量时的任务拒绝概率确定卸载至协同云端无人机的第一部分数据,将第一部分数据发送至协同云端无人机,并对未卸载的第二部分数据进行预处理,将预处理结果发送至控制中心;
S203:对初始任务数据进行预处理,将预处理结果发送至控制中心。
可见,本发明实施例中,预先构建最小化响应时延的模式判决函数,至少基于任务接收速率,最大任务容量以及模式判决函数,判断采用协同卸载模式或非协同卸载模式,以使得响应时延最小。从而能够降低基于无人机的通信系统的响应时延。
在本发明的一种实施例中,预先构建的最小化响应时延的模式判决函数为:
其中,Nj表示云端无人机j的最大任务容量,Ni表示协同云端无人机i的最大任务容量,Λj表示云端无人机j的任务接收速率,Bu,u表示云端无人机与协调云端无人机之间通信链路的通信带宽,Ωc表示云端无人机的集合,Pt表示云端无人机的发射功率,l表示初始任务数据的数据量,hj表示通信链路的莱斯信道增益,hs表示干扰链路的莱斯信道增益,Gj表示通信链路的天线增益,Gs表示干扰链路的天线增益,xj,i表示云端无人机j与协同云端无人机i的距离,xs,i表示云端无人机集合Ωc中除去云端无人机j的其余云端无人机与协同云端无人机i的距离,α表示路径损耗指数,σ2表示高斯白噪声。
基于相同的发明构思,根据上述基于无人机的任务卸载系统实施例,本发明实施例还提供了一种基于无人机任务卸载的状态更新方法,应用于基于无人机的任务卸载系统的控制中心,基于无人机的任务卸载系统还包括云端无人机和本地无人机,云端无人机和本地无人机部署有计算服务器;参见图3,图3为本发明实施例提供的基于无人机任务卸载的状态更新方法的一种流程示意图,方法可以包括以下步骤:
S301:收集与本地无人机处于同一通信区域的至少一云端无人机的模型状态参数;模型状态参数包括:计算负载率,计算速率,最大任务容量;
S302:基于本地无人机与至少一云端无人机的距离,对模型状态参数进行加权平均,得到本地无人机的模拟状态参数;
S303:将模拟状态参数与预先构建的判决门限进行比对,基于比对结果指导本地无人机进行模型状态更新。
可见,本发明实施例中,为了适应不同的业务需求,系统中还可以包括本地无人机,本地无人机独立处理用户设备生成的任务,无需经过控制中心进一步处理。此外,针对本地无人机信息交互困难,模型状态参数更新不便的问题,提出了基于周边云端无人机的模型状态参数,对本地无人机的模型状态参数进行更新的方法。且在更新模型状态参数时,预先构建了判决门限,从而确定使得信息年龄最小化的队列模型状态,降低了系统的响应时延。
在本发明的一种实施例中,本地无人机的模型状态包括第一队列模型状态和第二队列模型状态,第一队列模型状态的最大任务容量为1,第二队列模型状态的最大任务容量为2,判决门限是基于第一队列模型状态和第二队列模型状态下的任务信息年龄构建的。
基于相同的发明构思,根据上述基于无人机的任务卸载方法实施例,本发明实施例还提供了一种基于无人机的任务卸载装置,参见图4,图4为本发明实施例提供的基于无人机的任务卸载装置的一种结构示意图,可以包括以下模块:
确定模块401,用于接收用户设备发送的初始任务数据,至少基于自身任务接收速率,自身最大任务容量,协同云端无人机的任务接收速率,协同云端无人机的最大任务容量,以及预先构建的最小化响应时延的模式判决函数,确定任务卸载模式,任务卸载模式包括协同卸载模式和非协同卸载模式;
卸载模块402,用于当任务卸载模式为协同卸载模式时,基于自身任务接收速率,超过最大任务容量时的任务拒绝概率确定卸载至协同云端无人机的第一部分数据,将第一部分数据发送至协同云端无人机,并对未卸载的第二部分数据进行预处理,将预处理结果发送至控制中心;
处理模式403,用于当任务卸载模式为非协同卸载模式时,对初始任务数据进行预处理,将预处理结果发送至控制中心。
在本发明的一种实施例中,预先构建的最小化响应时延的模式判决函数为:
其中,Nj表示云端无人机j的最大任务容量,Ni表示协同云端无人机i的最大任务容量,Λj表示云端无人机j的任务接收速率,Bu,u表示云端无人机与协调云端无人机之间通信链路的通信带宽,Ωc表示云端无人机的集合,Pt表示云端无人机的发射功率,l表示初始任务数据的数据量,hj表示通信链路的莱斯信道增益,hs表示干扰链路的莱斯信道增益,Gj表示通信链路的天线增益,Gs表示干扰链路的天线增益,xj,i表示云端无人机j与协同云端无人机i的距离,xs,i表示云端无人机集合Ωc中除去云端无人机j的其余云端无人机与协同云端无人机i的距离,α表示路径损耗指数,σ2表示高斯白噪声。
基于相同的发明构思,根据上述基于无人机任务卸载的状态更新方法实施例,本发明实施例还提供了一种基于无人机任务卸载的状态更新装置,应用于基于无人机的任务卸载系统的控制中心,基于无人机的任务卸载系统还包括云端无人机和本地无人机,云端无人机和本地无人机部署有计算服务器;参见图5,图5为本发明实施例提供的基于无人机任务卸载的状态更新装置的一种结构示意图,方法可以包括以下步骤:
收集模块501,用于收集与本地无人机处于同一通信区域的至少一云端无人机的模型状态参数;模型状态参数包括:计算负载率,计算速率,最大任务容量;
加权模块502,用于基于本地无人机与至少一云端无人机的距离,对模型状态参数进行加权平均,得到本地无人机的模拟状态参数;
比对模块503,用于将模拟状态参数与预先构建的判决门限进行比对,基于比对结果指导本地无人机进行模型状态更新。
可见,本发明实施例中,为了适应不同的业务需求,系统中还可以包括本地无人机,本地无人机独立处理用户设备生成的任务,无需经过控制中心进一步处理。此外,针对本地无人机信息交互困难,模型状态参数更新不便的问题,提出了基于周边云端无人机的模型状态参数,对本地无人机的模型状态参数进行更新的方法。且在更新模型状态参数时,预先构建了判决门限,从而确定使得信息年龄最小化的队列模型状态,降低了系统的响应时延。
在本发明的一种实施例中,本地无人机的模型状态包括第一队列模型状态和第二队列模型状态,第一队列模型状态的最大任务容量为1,第二队列模型状态的最大任务容量为2,判决门限是基于第一队列模型状态和第二队列模型状态下的任务信息年龄构建的。
基于相同的发明构思,根据上述基于无人机的任务卸载方法实施例,本发明实施例还提供了一种云端无人机,如图6所示,包括处理器601、通信接口602、存储器603和通信总线604,其中,处理器601,通信接口602,存储器603通过通信总线604完成相互间的通信,
存储器603,用于存放计算机程序;
处理器601,用于执行存储器603上所存放的程序时,实现如下步骤:
接收用户设备发送的初始任务数据,至少基于自身任务接收速率,自身最大任务容量,协同云端无人机的任务接收速率,协同云端无人机的最大任务容量,以及预先构建的最小化响应时延的模式判决函数,确定任务卸载模式,任务卸载模式包括协同卸载模式和非协同卸载模式;
当任务卸载模式为协同卸载模式时,基于自身任务接收速率,超过最大任务容量时的任务拒绝概率确定卸载至协同云端无人机的第一部分数据,将第一部分数据发送至协同云端无人机,并对未卸载的第二部分数据进行预处理,将预处理结果发送至控制中心;
当任务卸载模式为非协同卸载模式时,对初始任务数据进行预处理,将预处理结果发送至控制中心。
可见,应用本发明实施例的云端无人机,预先构建最小化响应时延的模式判决函数,至少基于任务接收速率,最大任务容量以及模式判决函数,判断采用协同卸载模式或非协同卸载模式,以使得响应时延最小。从而能够降低基于无人机的通信系统的响应时延。
基于相同的发明构思,根据上述基于无人机任务卸载的状态更新方法实施例,本发明实施例还提供了一种控制中心,如图7所示,包括处理器701、通信接口702、存储器703和通信总线704,其中,处理器701,通信接口702,存储器703通过通信总线704完成相互间的通信,
存储器703,用于存放计算机程序;
处理器701,用于执行存储器703上所存放的程序时,实现如下步骤:
收集与本地无人机处于同一通信区域的至少一云端无人机的模型状态参数;模型状态参数包括:计算负载率,计算速率,最大任务容量;
基于本地无人机与至少一云端无人机的距离,对模型状态参数进行加权平均,得到本地无人机的模拟状态参数;
将模拟状态参数与预先构建的判决门限进行比对,基于比对结果指导本地无人机进行模型状态更新。
可见,应用于本发明实施例提供的控制中心,能够基于周边云端无人机的模型状态参数,对本地无人机的模型状态参数进行更新。且在更新模型状态参数时,预先构建了判决门限,从而确定使得信息年龄最小化的队列模型状态,降低了系统的响应时延。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
基于相同的发明构思,根据上述基于无人机的任务卸载方法实施例,在本发明提供的又一实施例中,还提供了一种计算机可读存储介质,该计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述任一基于无人机的任务卸载方法步骤。
需要说明的是,在本文中,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。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于基于无人机的任务卸载方法、基于无人机任务卸载的状态更新方法、装置、云端无人机、控制中心、计算机可读存储介质实施例而言,由于其基本相似于基于无人机的任务卸载系统实施例,所以描述的比较简单,相关之处参见基于无人机的任务卸载系统实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (10)
1.一种基于无人机的任务卸载系统,其特征在于,所述系统包括:云端无人机,协同云端无人机,控制中心,所述云端无人机和所述协同云端无人机部署有计算服务器;
所述云端无人机,用于接收用户设备发送的初始任务数据,至少基于自身任务接收速率,自身最大任务容量,所述协同云端无人机的任务接收速率,所述协同云端无人机的最大任务容量,以及预先构建的最小化响应时延的模式判决函数,确定任务卸载模式,所述任务卸载模式包括协同卸载模式和非协同卸载模式;
当所述任务卸载模式为协同卸载模式时,所述云端无人机,用于基于自身任务接收速率,超过最大任务容量时的任务拒绝概率确定卸载至所述协同云端无人机的第一部分数据,将所述第一部分数据发送至所述协同云端无人机,并对未卸载的第二部分数据进行预处理,将预处理结果发送至所述控制中心;所述协同云端无人机,用于对所述第一部分数据进行预处理,将预处理结果发送至所述控制中心;
当所述任务卸载模式为非协同卸载模式时,所述云端无人机,用于对所述初始任务数据进行预处理,将预处理结果发送至所述控制中心;
所述控制中心,用于针对所述预处理结果进一步处理,将处理结果反馈至所述用户设备。
2.根据权利要求1所述的系统,其特征在于,所述预先构建的最小化响应时延的模式判决函数为:
其中,Nj表示云端无人机j的最大任务容量,Ni表示协同云端无人机i的最大任务容量,Λj表示云端无人机j的任务接收速率,Bu,u表示云端无人机与协调云端无人机之间通信链路的通信带宽,Ωc表示云端无人机的集合,Pt表示云端无人机的发射功率,l表示所述初始任务数据的数据量,hj表示通信链路的莱斯信道增益,hs表示干扰链路的莱斯信道增益,Gj表示通信链路的天线增益,Gs表示干扰链路的天线增益,xj,i表示云端无人机j与协同云端无人机i的距离,xs,i表示云端无人机集合Ωc中除去云端无人机j的其余云端无人机与协同云端无人机i的距离,α表示路径损耗指数,σ2表示高斯白噪声。
3.根据权利要求1所述的系统,其特征在于,所述系统还包括本地无人机,所述本地无人机部署有计算服务器;
所述控制中心,还用于收集与所述本地无人机处于同一通信区域的至少一云端无人机的模型状态参数,基于所述本地无人机与所述至少一云端无人机的距离,对所述模型状态参数进行加权平均,得到所述本地无人机的模拟状态参数,将所述模拟状态参数与预先构建的判决门限进行比对,基于比对结果指导所述本地无人机进行模型状态更新;所述模型状态参数包括:计算负载率,计算速率,最大任务容量。
4.根据权利要求3所述的系统,其特征在于,所述本地无人机的模型状态包括第一队列模型状态和第二队列模型状态,所述第一队列模型状态的最大任务容量为1,所述第二队列模型状态的最大任务容量为2,所述判决门限是基于所述第一队列模型状态和所述第二队列模型状态下的任务信息年龄构建的。
5.一种基于无人机的任务卸载方法,其特征在于,应用于基于无人机的任务卸载系统中的云端无人机,所述基于无人机的任务卸载系统还包括协同云端无人机和控制中心,所述云端无人机和所述协同云端无人机部署有计算服务器;所述方法包括:
接收用户设备发送的初始任务数据,至少基于自身任务接收速率,自身最大任务容量,所述协同云端无人机的任务接收速率,所述协同云端无人机的最大任务容量,以及预先构建的最小化响应时延的模式判决函数,确定任务卸载模式,所述任务卸载模式包括协同卸载模式和非协同卸载模式;
当所述任务卸载模式为协同卸载模式时,基于自身任务接收速率,超过最大任务容量时的任务拒绝概率确定卸载至所述协同云端无人机的第一部分数据,将所述第一部分数据发送至所述协同云端无人机,并对未卸载的第二部分数据进行预处理,将预处理结果发送至控制中心;
当所述任务卸载模式为非协同卸载模式时,对所述初始任务数据进行预处理,将预处理结果发送至控制中心。
6.一种基于无人机任务卸载的状态更新方法,其特征在于,应用于基于无人机的任务卸载系统的控制中心,所述基于无人机的任务卸载系统还包括云端无人机和本地无人机,所述云端无人机和所述本地无人机部署有计算服务器;所述方法包括:
收集与所述本地无人机处于同一通信区域的至少一云端无人机的模型状态参数;所述模型状态参数包括:计算负载率,计算速率,最大任务容量;
基于所述本地无人机与所述至少一云端无人机的距离,对所述模型状态参数进行加权平均,得到所述本地无人机的模拟状态参数;
将所述模拟状态参数与预先构建的判决门限进行比对,基于比对结果指导所述本地无人机进行模型状态更新。
7.一种基于无人机的任务卸载装置,其特征在于,应用于基于无人机的任务卸载系统中的云端无人机,所述基于无人机的任务卸载系统还包括协同云端无人机和控制中心,所述云端无人机和所述协同云端无人机部署有计算服务器;所述装置包括:
确定模块,用于接收用户设备发送的初始任务数据,至少基于自身任务接收速率,自身最大任务容量,所述协同云端无人机的任务接收速率,所述协同云端无人机的最大任务容量,以及预先构建的最小化响应时延的模式判决函数,确定任务卸载模式,所述任务卸载模式包括协同卸载模式和非协同卸载模式;
卸载模块,用于当所述任务卸载模式为协同卸载模式时,基于自身任务接收速率,超过最大任务容量时的任务拒绝概率确定卸载至所述协同云端无人机的第一部分数据,将所述第一部分数据发送至所述协同云端无人机,并对未卸载的第二部分数据进行预处理,将预处理结果发送至控制中心;
处理模式,用于当所述任务卸载模式为非协同卸载模式时,对所述初始任务数据进行预处理,将预处理结果发送至控制中心。
8.一种基于无人机任务卸载的状态更新装置,其特征在于,应用于基于无人机的任务卸载系统的控制中心,所述基于无人机的任务卸载系统还包括云端无人机和本地无人机,所述云端无人机和所述本地无人机部署有计算服务器;所述装置包括:
收集模块,用于收集与所述本地无人机处于同一通信区域的至少一云端无人机的模型状态参数;所述模型状态参数包括:计算负载率,计算速率,最大任务容量;
加权模块,用于基于所述本地无人机与所述至少一云端无人机的距离,对所述模型状态参数进行加权平均,得到所述本地无人机的模拟状态参数;
比对模块,用于将所述模拟状态参数与预先构建的判决门限进行比对,基于比对结果指导所述本地无人机进行模型状态更新。
9.一种云端无人机,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求5所述的方法步骤。
10.一种控制中心,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求6所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910936913.7A CN110650497B (zh) | 2019-09-29 | 2019-09-29 | 任务卸载、状态更新方法、装置、系统及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910936913.7A CN110650497B (zh) | 2019-09-29 | 2019-09-29 | 任务卸载、状态更新方法、装置、系统及相关设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110650497A true CN110650497A (zh) | 2020-01-03 |
CN110650497B CN110650497B (zh) | 2020-12-18 |
Family
ID=69012165
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910936913.7A Active CN110650497B (zh) | 2019-09-29 | 2019-09-29 | 任务卸载、状态更新方法、装置、系统及相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110650497B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111311091A (zh) * | 2020-02-13 | 2020-06-19 | 中国人民解放军国防科技大学 | 基于车载云及无人机的高速公路任务检测调度方法及系统 |
CN111367315A (zh) * | 2020-03-11 | 2020-07-03 | 北京邮电大学 | 一种应用于无人机收集信息的轨迹规划方法及装置 |
CN111526495A (zh) * | 2020-04-22 | 2020-08-11 | 华中科技大学 | 一种基于改进遗传算法的车联网AoI优化任务卸载方法 |
CN113141205A (zh) * | 2021-04-09 | 2021-07-20 | 西北工业大学 | 一种基于无人机中继的小区间业务卸载方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20190030589A (ko) * | 2017-09-14 | 2019-03-22 | 아주대학교산학협력단 | 오프로딩 시스템을 통해 무인 비행체의 영상을 분석하기 위한 방법 및 장치 |
CN109559277A (zh) * | 2018-11-28 | 2019-04-02 | 中国人民解放军国防科技大学 | 一种面向数据共享的多无人机协同地图构建方法 |
CN109560863A (zh) * | 2019-01-23 | 2019-04-02 | 中国人民解放军国防科技大学 | 一种基于云的多无人机监控方法 |
CN109756912A (zh) * | 2019-03-25 | 2019-05-14 | 重庆邮电大学 | 一种多用户多基站联合任务卸载及资源分配方法 |
CN109819046A (zh) * | 2019-02-26 | 2019-05-28 | 重庆邮电大学 | 一种基于边缘协作的物联网虚拟计算资源调度方法 |
CN110234127A (zh) * | 2019-06-11 | 2019-09-13 | 重庆邮电大学 | 一种基于sdn的雾网络任务卸载方法 |
-
2019
- 2019-09-29 CN CN201910936913.7A patent/CN110650497B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20190030589A (ko) * | 2017-09-14 | 2019-03-22 | 아주대학교산학협력단 | 오프로딩 시스템을 통해 무인 비행체의 영상을 분석하기 위한 방법 및 장치 |
CN109559277A (zh) * | 2018-11-28 | 2019-04-02 | 中国人民解放军国防科技大学 | 一种面向数据共享的多无人机协同地图构建方法 |
CN109560863A (zh) * | 2019-01-23 | 2019-04-02 | 中国人民解放军国防科技大学 | 一种基于云的多无人机监控方法 |
CN109819046A (zh) * | 2019-02-26 | 2019-05-28 | 重庆邮电大学 | 一种基于边缘协作的物联网虚拟计算资源调度方法 |
CN109756912A (zh) * | 2019-03-25 | 2019-05-14 | 重庆邮电大学 | 一种多用户多基站联合任务卸载及资源分配方法 |
CN110234127A (zh) * | 2019-06-11 | 2019-09-13 | 重庆邮电大学 | 一种基于sdn的雾网络任务卸载方法 |
Non-Patent Citations (2)
Title |
---|
WOO-SUNG JUNG,JINHYUK YIM,YOUNG-BAE KO,SURESH SINGH: "ACODS: adaptive computation offloading for drone surveillance system", 《 2017 16TH ANNUAL MEDITERRANEAN AD HOC NETWORKING WORKSHOP (MED-HOC-NET)》 * |
赵杨,陶孝锋,朱厉洪,史晶晶: "基于无人机中继的天空地一体化即时通信系统设计实现", 《第十五届卫星通信学术年会》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111311091A (zh) * | 2020-02-13 | 2020-06-19 | 中国人民解放军国防科技大学 | 基于车载云及无人机的高速公路任务检测调度方法及系统 |
CN111311091B (zh) * | 2020-02-13 | 2023-05-02 | 中国人民解放军国防科技大学 | 基于车载云及无人机的高速公路任务检测调度方法及系统 |
CN111367315A (zh) * | 2020-03-11 | 2020-07-03 | 北京邮电大学 | 一种应用于无人机收集信息的轨迹规划方法及装置 |
CN111367315B (zh) * | 2020-03-11 | 2021-06-11 | 北京邮电大学 | 一种应用于无人机收集信息的轨迹规划方法及装置 |
CN111526495A (zh) * | 2020-04-22 | 2020-08-11 | 华中科技大学 | 一种基于改进遗传算法的车联网AoI优化任务卸载方法 |
CN111526495B (zh) * | 2020-04-22 | 2021-03-26 | 华中科技大学 | 一种基于改进遗传算法的车联网AoI优化任务卸载方法 |
CN113141205A (zh) * | 2021-04-09 | 2021-07-20 | 西北工业大学 | 一种基于无人机中继的小区间业务卸载方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110650497B (zh) | 2020-12-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110650497B (zh) | 任务卸载、状态更新方法、装置、系统及相关设备 | |
CN114142907B (zh) | 一种通信终端设备的信道筛选优化方法及系统 | |
CN110868700B (zh) | 车载边缘计算环境下基于可分裂任务的协作计算卸载方法 | |
Callegaro et al. | Optimal computation offloading in edge-assisted UAV systems | |
CN116458091A (zh) | 使用不同的地面站集合调度卫星数据传输 | |
CN112162863B (zh) | 一种边缘卸载决策方法、终端及可读存储介质 | |
Wang et al. | Radio resource allocation for bidirectional offloading in space-air-ground integrated vehicular network | |
US11593176B2 (en) | Computer-readable recording medium storing transfer program, transfer method, and transferring device | |
CN115189721A (zh) | 一种多波束卫星带宽功率表联合优化分配方法及应用 | |
CN113687876A (zh) | 信息处理方法、自动驾驶控制方法和电子设备 | |
CN115827185B (zh) | 6g空中基站结合北斗空中避障的方法、存储介质及设备 | |
CN115329990B (zh) | 边缘计算场景下基于模型分割的异步联邦学习加速方法 | |
CN109600432B (zh) | 内容中心移动边缘网络用户动态接入方法 | |
JP2019092125A (ja) | 無線リソース設計装置、無線リソース設計方法、及びプログラム | |
CN114936089A (zh) | 资源调度方法、系统、设备及存储介质 | |
TW202312709A (zh) | 優化網路的系統和方法 | |
KR20210066732A (ko) | 강화학습 기반 통신 음영 지역 해소를 위한 무인 항공기 자동 배치 장치 및 방법 | |
CN107113855B (zh) | 信号传输装置及方法 | |
CN112637904A (zh) | 负载均衡方法、装置及计算设备 | |
CN115801090A (zh) | 基于负载均衡的星间协同计算卸载方法、系统和存储介质 | |
CN116301045B (zh) | 一种面向时空约束网络的无人机数据采集任务分配方法 | |
CN115633278B (zh) | 卫星激光网络流量均衡控制方法、装置和电子设备 | |
CN103744399B (zh) | 一种车辆参与式感知系统中的动态网络控制方法 | |
US20230246700A1 (en) | Method and device for beam selection | |
CN116033385A (zh) | 一种基于演化博弈的多无人机辅助边缘计算系统部署方法 |
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 |