CN111294813A - 一种无人机流量卸载的多阶段逆向选择契约模型优化方法 - Google Patents

Abstract

本发明提出了一种无人机流量卸载的多阶段逆向选择契约模型优化方法。通过把无人机参与流量卸载场景映射成劳动力市场，将基于市场驱动的契约模型应用到流量卸载激励机制中，建立地面基站模型和空中无人机模型。其次，考虑到流量卸载场景中无人机的自私性和网络信息的非对称性，针对热点地区流量需求、无人机位置和无线信道等因素的动态特性，通过设计贯穿两阶段的流量卸载动态契约模型，结合个人理性和激励相容约束条件，实现对无人机私有信息的甄别，以激励其积极参与流量卸载。本发明保证流量卸载的实现，且本发明方法易于实现，基站和无人机之间的信息交互较少，因而该方法所需的信令开销较少。

Description

一种无人机流量卸载的多阶段逆向选择契约模型优化方法

技术领域

本发明属于移动蜂窝通信技术领域，具体涉及一种无人机流量卸载的多阶段逆向选择契约模型优化方法。

背景技术

随着人们对移动通信服务需求的快速增长，地面基站(Base Station，BS)必须做出改变，来增加自身网络容量以及覆盖范围。无人机(Unmanned Aerial Vehicle，UAV)流量卸载利用无人机自身的灵活性以及机动性，使得它可以广泛的应用于移动蜂窝网络，成为人们心中备受关注的新技术。无人机流量卸载技术的关键在于如何准确地建立流量卸载激励机制模型。这需要近乎完整的网络信息。但是，由于无线信道的不稳定性和无人机的移动性，获得完整的网络信息异常困难。此外，由于无人机的自私性，可能不愿在没有任何动机的情况下分享其信息。因此，导致网络信息非对称问题的产生。所以，如何建立具有准确性较高的流量卸载激励机制模型，是极具挑战性的课题。

当前，非对称信息条件下无人机流量卸载的技术问题正得到广大研究者的关注。现有的无人机流量卸载技术主要针对静态契约设计的研究。然而，在实际流量卸载的数据传输中，由于热点地区流量需求，无人机位置以及信道条件等因素的动态特性，网络信息是不断变化的。同时，为了避免地面基站频繁地选择无人机而产生额外交易成本，需设计一个具有长期承诺的动态契约来激励无人机参与流量卸载。

发明内容

为了克服上述现有技术存在的不足，本发明的目的在于提出一种无人机流量卸载的多阶段逆向选择契约模型优化方法。

所述无人机流量卸载的多阶段逆向选择契约模型优化方法具体包括如下步骤：

步骤1：依次建立无人机提供发射功率模型、无人机参与流量卸载的传输成本模型、无人机在参与流量卸载中的总成本模型、无人机的效用模型，进一步建立地面基站获得的总收益模型、地面基站效用模型；

步骤2：建立多阶段逆向选择契约模型，结合激励相容和个人理性的约束条件进行优化，得到优化后多阶段逆向选择契约模型；

步骤3：地面基站使用优化后多阶段逆向选择契约模型向无人机提供契约；

作为优选，步骤1中所述建立无人机提供发射功率模型为：

假设h(RT_i,D_i)为第i个无人机发射机即RT_i与相应热点区域即D_i之间的信道增益；

为了获得在相应热点区域D_i的接收功率p_i，第i个无人机提供发射功率模型为：

其中，N为无人机的数量，p_i为为第i个无人机热点区域的接收功率，RT_i为第i个无人机发射机，D_i为第i个无人机热点区域，h(RT_i,D_i)为第i个无人机发射机与相应热点区域之间的信道增益；

步骤1中所述建立无人机参与流量卸载的传输成本模型为：

第i个无人机参与流量卸载的传输成本模型为：

其中，c_i是第i个无人机的单位传输成本；

将

定义为第i个无人机的私有信息，用于描述第i个无人机的流量卸载能力；

当θ_i增加时，表示第i个无人机具有较高的传输成本即α_i或较差的无线信道条件；当θ_i减少时，表示第i个无人机具有较低的传输成本即α_i或较好的无线信道条件。

此外，由于θ_i是一个随机变量，严格地分布在正区间Θ∈[θ_L,θ_H]，在这里Θ为无人机类型的定义域；θ_L表示最优的无人机类型；θ_H表示最差的无人机私有类型；且具有概率密度函数f_i(θ_i)和相应的分布函数F_i(θ_i)；

步骤1中所述建立无人机在参与流量卸载中的总成本模型为：

第i个无人机在参与流量卸载中的总成本模型为：

C_i＝E_i+θ_ip_i,1≤i≤N

其中，E_i为第i个无人机在来回行驶时消耗的能量；

步骤1中所述建立无人机的效用模型为：

第i个无人机的效用模型定义为：

其中，第i个无人机从地面基站收到的报酬w_i；

步骤1中所述建立地面基站获得的总收益模型为：

地面基站在雇佣无人机参与流量卸载的情况下，地面基站获得的总收益模型定义为：

其中，n₀是噪声功率，ρ＞0为每单位传输容量的利润系数，令n₀＝1；

步骤1中所述建立地面基站效用模型为：

地面基站效用模型定义为：

作为优选，步骤2中所述建立多阶段逆向选择契约模型，具体为：

在流量卸载过程中，地面基站的总预期效用U_BS可以写为：

其中，ρ＞0为每单位传输容量的利润系数；θ_L＞0为最优的无人机私有信息；θ_H＞0为最差的无人机私有信息；

为第一阶段的接收功率，

为第一阶段无人机的报酬，

为第二阶段的接收功率，

为第二阶段无人机的报酬；

为第一阶段无人机的私有信息，

为第二阶段无人机的私有信息；

为第一阶段的概率分布函数，

为第二阶段的概率分布函数；

所述私有信息为无人机每单位的传输成本即c_i、第i个无人机发射机与相应热点区域之间的信道增益即h(RT_i,D_i)；

无人机具有与地面基站相同的折现因子为δ，两阶段第i个无人机的效用可以由下式给出：

基于逆向归纳法思想，先考虑第二阶段的契约设计；

为了确保类型

无人机通过选择契约

获得非负值效用，应满足以下IR约束条件：

其中，

是第i个无人机的第一阶段契约类型公告；

是第二阶段无人机的私有类型；E_i为无人机往返途中所消耗的能量；

是第二阶段无人机所获得的报酬；

是第二阶段无人机的接收功率。

为了确保类型

无人机在选择

时获得最大效用，应满足以下IC约束条件：

其中，

为选取最适合自己契约情况下第二阶段的报酬，

为选取最适合自己契约情况下第二阶段的接收功率，

为选取其它契约情况下第二阶段的报酬，

为选取其它契约情况下第二阶段的接收功率；

同时，考虑第一阶段的契约设计，假设第二阶段的预期持续效用为

则第i个无人机的跨期效用

可以写为：

其中，

是第一阶段无人机的私有类型；E_i为无人机往返途中所消耗的能量；

是第一阶段无人机所获得的报酬；

是第一阶段无人机的接收功率；

是第二阶段的概率分布函数。

于是，IC约束可定义为：

由于阶段二中的无人机效用

独立于

因此

则上述IC约束可以简化为：

因此，鉴于阶段二的第i个无人机预期的延续效用是在地面基站获悉其第二阶段类型之前提供契约，第i个无人机的跨期IR约束最终表示为：

于是，在保证上述两阶段IR和IC条件的前提下，最优化问题可表示为：

步骤2中所述结合激励相容和个人理性的约束条件进行优化，具体为：

通过对第一阶段和第二阶段的IR约束条件进行求导，由求导结果写出无人机的连续类型效用公式，并以此得到

和

和

之间的关系，将其带入

和

去；

通过对优化问题分别对

和

进行二次求导来得到最优的接收功率，即最优解为：

通过

构建步骤2中所述优化后多阶段逆向选择契约模型；

作为优选，步骤3中所述地面基站使用优化后多阶段逆向选择契约模型向无人机提供契约，具体如下：

地面基站向N个无人机广播一组契约

其中，

为第一阶段的接收功率，

为第一阶段无人机的报酬，

为第二阶段的接收功率，

为第二阶段无人机的报酬。

当附近的无人机收到契约时，它将依据自身的接收功率来通知地面基站接受或拒绝契约；

无人机从地面基站收到消息后，分别到达对应的热点区域D_i进行流量卸载工作；

当完成第一阶段的流量卸载工作时，地面基站通过来自热点区域中用户的反馈来评估无人机的操作，如果流量成功卸载，无人机将根据契约获得报酬

如果失败，无人机将不会获得任何报酬；

最后，第二阶段的过程与第一阶段相似，无人机完成流量卸载工作后，地面基站按照契约支付无人机报酬

当地面基站与无人机签订两阶段契约前，地面基站只获知无人机第一阶段的类型

在完成第一阶段的工作之后，地面基站才获知无人机第二阶段类型

与现有技术相比，本发明的优点在于是：本发明提出的一种面向无人机流量卸载的多阶段逆向选择契约模型设计，该方法针对契约签订前无人机私有信息引起的逆向选择问题，提出基于契约理论的无人机参与流量卸载激励方法，以保证流量卸载的实现。并且，本发明提出的无人机参与流量卸载激励方法易于实现，基站和无人机之间的信息交互较少，因而该方法所需的信令开销较少。

附图说明

图1：流量卸载流程图。

具体实施方式

为了便于本领域普通技术人员理解和实施本发明，下面结合实施例对本发明作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本发明，并不用于限定本发明。

本实施例假设流量卸载场景是一个劳动力市场。其中，地面基站是委托方，无人机是代理方，可提供流量卸载服务。地面基站作为主动缔约方，向无人机提供由一系列合约条款组成的交易契约，契约条款包括接收功率和报酬。

下面结合图1描述本发明的具体实施方式为无人机流量卸载的多阶段逆向选择契约模型优化方法，具体如下：

步骤1：依次建立无人机提供发射功率模型、无人机参与流量卸载的传输成本模型、无人机在参与流量卸载中的总成本模型、无人机的效用模型，进一步建立地面基站获得的总收益模型、地面基站效用模型；

步骤1中所述建立无人机提供发射功率模型为：

假设h(RT_i,D_i)为第i个无人机发射机即RT_i与相应热点区域即D_i之间的信道增益；

为了获得在相应热点区域D_i的接收功率p_i，第i个无人机提供发射功率模型为：

其中，N为无人机的数量，p_i为为第i个无人机热点区域的接收功率，RT_i为第i个无人机发射机，D_i为第i个无人机热点区域，h(RT_i,D_i)为第i个无人机发射机与相应热点区域之间的信道增益；

步骤1中所述建立无人机参与流量卸载的传输成本模型为：

第i个无人机参与流量卸载的传输成本模型为：

其中，c_i是第i个无人机的单位传输成本；

将

定义为第i个无人机的私有信息，用于描述第i个无人机的流量卸载能力；

当θ_i增加时，表示第i个无人机具有较高的传输成本即α_i或较差的无线信道条件；当θ_i减少时，表示第i个无人机具有较低的传输成本即α_i或较好的无线信道条件。

此外，由于θ_i是一个随机变量，严格地分布在正区间Θ∈[θ_L,θ_H]，在这里Θ为无人机类型的定义域；θ_L表示最优的无人机类型；θ_H表示最差的无人机私有类型；且具有概率密度函数f_i(θ_i)和相应的分布函数F_i(θ_i)；

步骤1中所述建立无人机在参与流量卸载中的总成本模型为：

第i个无人机在参与流量卸载中的总成本模型为：

C_i＝E_i+θ_ip_i,1≤i≤N

其中，E_i为第i个无人机在来回行驶时消耗的能量；

步骤1中所述建立无人机的效用模型为：

第i个无人机的效用模型定义为：

其中，第i个无人机从地面基站收到的报酬w_i；

步骤1中所述建立地面基站获得的总收益模型为：

地面基站在雇佣无人机参与流量卸载的情况下，地面基站获得的总收益模型定义为：

其中，n₀是噪声功率，ρ＞0为每单位传输容量的利润系数，令n₀＝1；

步骤1中所述建立地面基站效用模型为：

地面基站效用模型定义为：

步骤2：建立多阶段逆向选择契约模型，结合激励相容和个人理性的约束条件进行优化，得到优化后多阶段逆向选择契约模型；

步骤2中所述建立多阶段逆向选择契约模型，具体为：

在流量卸载过程中，地面基站的总预期效用U_BS可以写为：

其中，ρ＞0为每单位传输容量的利润系数；θ_L＞0为最优的无人机私有信息；θ_H＞0为最差的无人机私有信息；

为第一阶段的接收功率，

为第一阶段无人机的报酬，

为第二阶段的接收功率，

为第二阶段无人机的报酬；

为第一阶段无人机的私有信息，

为第二阶段无人机的私有信息；

为第一阶段的概率分布函数，

为第二阶段的概率分布函数；

所述私有信息为无人机每单位的传输成本即c_i、第i个无人机发射机与相应热点区域之间的信道增益即h(RT_i,D_i)；

无人机具有与地面基站相同的折现因子为δ，两阶段第i个无人机的效用可以由下式给出：

基于逆向归纳法思想，先考虑第二阶段的契约设计；

为了确保类型

无人机通过选择契约

获得非负值效用，应满足以下IR约束条件：

其中，

是第i个无人机的第一阶段契约类型公告；

是第二阶段无人机的私有类型；E_i为无人机往返途中所消耗的能量；

是第二阶段无人机所获得的报酬；

是第二阶段无人机的接收功率。

为了确保类型

无人机在选择

时获得最大效用，应满足以下IC约束条件：

其中，

为选取最适合自己契约情况下第二阶段的报酬，

为选取最适合自己契约情况下第二阶段的接收功率，

为选取其它契约情况下第二阶段的报酬，

为选取其它契约情况下第二阶段的接收功率；

同时，考虑第一阶段的契约设计，假设第二阶段的预期持续效用为

则第i个无人机的跨期效用

可以写为：

其中，

是第一阶段无人机的私有类型；E_i为无人机往返途中所消耗的能量；

是第一阶段无人机所获得的报酬；

是第一阶段无人机的接收功率；

是第二阶段的概率分布函数。

于是，IC约束可定义为：

由于阶段二中的无人机效用

独立于

因此

则上述IC约束可以简化为：

因此，鉴于阶段二的第i个无人机预期的延续效用是在地面基站获悉其第二阶段类型之前提供契约，第i个无人机的跨期IR约束最终表示为：

于是，在保证上述两阶段IR和IC条件的前提下，最优化问题可表示为：

步骤2中所述结合激励相容和个人理性的约束条件进行优化，具体为：

通过对第一阶段和第二阶段的IR约束条件进行求导，由求导结果写出无人机的连续类型效用公式，并以此得到

和

和

之间的关系，将其带入

和

去；

通过对优化问题分别对

和

进行二次求导来得到最优的接收功率，即最优解为：

通过

构建步骤2中所述优化后多阶段逆向选择契约模型。

步骤3：地面基站使用优化后多阶段逆向选择契约模型向无人机提供契约；

步骤3中所述地面基站使用优化后多阶段逆向选择契约模型向无人机提供契约，具体如下：

地面基站向N个无人机广播一组契约

其中，

为第一阶段的接收功率，

为第一阶段无人机的报酬，

为第二阶段的接收功率，

为第二阶段无人机的报酬。

当附近的无人机收到契约时，它将依据自身的接收功率来通知地面基站接受或拒绝契约；

无人机从地面基站收到消息后，分别到达对应的热点区域D_i进行流量卸载工作；

当完成第一阶段的流量卸载工作时，地面基站通过来自热点区域中用户的反馈来评估无人机的操作，如果流量成功卸载，无人机将根据契约获得报酬

如果失败，无人机将不会获得任何报酬；

最后，第二阶段的过程与第一阶段相似，无人机完成流量卸载工作后，地面基站按照契约支付无人机报酬

当地面基站与无人机签订两阶段契约前，地面基站只获知无人机第一阶段的类型

在完成第一阶段的工作之后，地面基站才获知无人机第二阶段类型

应当理解的是，本说明书未详细阐述的部分均属于现有技术。

应当理解的是，上述针对较佳实施例的描述较为详细，并不能因此而认为是对本发明专利保护范围的限制，本领域的普通技术人员在本发明的启示下，在不脱离本发明权利要求所保护的范围情况下，还可以做出替换或变形，均落入本发明的保护范围之内，本发明的请求保护范围应以所附权利要求为准。

Claims (4)

1.一种无人机流量卸载的多阶段逆向选择契约模型优化方法，其特征在于，包括如下步骤：

步骤1：依次建立无人机提供发射功率模型、无人机参与流量卸载的传输成本模型、无人机在参与流量卸载中的总成本模型、无人机的效用模型，进一步建立地面基站获得的总收益模型、地面基站效用模型；

步骤2：建立多阶段逆向选择契约模型，结合激励相容和个人理性的约束条件进行优化，得到优化后多阶段逆向选择契约模型；

步骤3：地面基站使用优化后多阶段逆向选择契约模型向无人机提供契约。

2.根据权利要求1所述的无人机流量卸载的多阶段逆向选择契约模型优化方法，其特征在于：步骤1中所述建立无人机提供发射功率模型为：

假设h(RT_i,D_i)为第i个无人机发射机即RT_i与相应热点区域即D_i之间的信道增益；

为了获得在相应热点区域D_i的接收功率p_i，第i个无人机提供发射功率模型为：

其中，N为无人机的数量，p_i为为第i个无人机热点区域的接收功率，RT_i为第i个无人机发射机，D_i为第i个无人机热点区域，h(RT_i,D_i)为第i个无人机发射机与相应热点区域之间的信道增益；

步骤1中所述建立无人机参与流量卸载的传输成本模型为：

第i个无人机参与流量卸载的传输成本模型为：

其中，c_i是第i个无人机的单位传输成本；

将

定义为第i个无人机的私有信息，用于描述第i个无人机的流量卸载能力；

当θ_i增加时，表示第i个无人机具有较高的传输成本即α_i或较差的无线信道条件；当θ_i减少时，表示第i个无人机具有较低的传输成本即α_i或较好的无线信道条件；

此外，由于θ_i是一个随机变量，严格地分布在正区间Θ∈[θ_L,θ_H]，在这里Θ为无人机类型的定义域；θ_L表示最优的无人机类型；θ_H表示最差的无人机私有类型；且具有概率密度函数f_i(θ_i)和相应的分布函数F_i(θ_i)；

步骤1中所述建立无人机在参与流量卸载中的总成本模型为：

第i个无人机在参与流量卸载中的总成本模型为：

C_i＝E_i+θ_ip_i,1≤i≤N

其中，E_i为第i个无人机在来回行驶时消耗的能量；

步骤1中所述建立无人机的效用模型为：

第i个无人机的效用模型定义为：

其中，第i个无人机从地面基站收到的报酬w_i；

步骤1中所述建立地面基站获得的总收益模型为：

地面基站在雇佣无人机参与流量卸载的情况下，地面基站获得的总收益模型定义为：

其中，n₀是噪声功率，ρ＞0为每单位传输容量的利润系数，令n₀＝1；

步骤1中所述建立地面基站效用模型为：

地面基站效用模型定义为：

3.根据权利要求1所述的无人机流量卸载的多阶段逆向选择契约模型优化方法，其特征在于：步骤2中所述建立多阶段逆向选择契约模型，具体为：

在流量卸载过程中，地面基站的总预期效用U_BS可以写为：

其中，ρ＞0为每单位传输容量的利润系数；θ_L＞0为最优的无人机私有信息；θ_H＞0为最差的无人机私有信息；

为第一阶段的接收功率，

为第一阶段无人机的报酬，

为第二阶段的接收功率，

为第二阶段无人机的报酬；

为第一阶段无人机的私有信息，

为第二阶段无人机的私有信息；

为第一阶段的概率分布函数，

为第二阶段的概率分布函数；

所述私有信息为无人机每单位的传输成本即c_i、第i个无人机发射机与相应热点区域之间的信道增益即h(RT_i,D_i)；

无人机具有与地面基站相同的折现因子为δ，两阶段第i个无人机的效用可以由下式给出：

基于逆向归纳法思想，先考虑第二阶段的契约设计；

为了确保类型

无人机通过选择契约

获得非负值效用，应满足以下IR约束条件：

其中，

是第i个无人机的第一阶段契约类型公告；

是第二阶段无人机的私有类型；E_i为无人机往返途中所消耗的能量；

是第二阶段无人机所获得的报酬；

是第二阶段无人机的接收功率；

为了确保类型

无人机在选择

时获得最大效用，应满足以下IC约束条件：

其中，

为选取最适合自己契约情况下第二阶段的报酬，

为选取最适合自己契约情况下第二阶段的接收功率，

为选取其它契约情况下第二阶段的报酬，

为选取其它契约情况下第二阶段的接收功率；

同时，考虑第一阶段的契约设计，假设第二阶段的预期持续效用为

则第i个无人机的跨期效用

可以写为：

其中，

是第一阶段无人机的私有类型；E_i为无人机往返途中所消耗的能量；

是第一阶段无人机所获得的报酬；

是第一阶段无人机的接收功率；

是第二阶段的概率分布函数；

于是，IC约束可定义为：

由于阶段二中的无人机效用

独立于

因此

则上述IC约束可以简化为：

鉴于阶段二的第i个无人机预期的延续效用是在地面基站获悉其第二阶段类型之前提供契约，第i个无人机的跨期IR约束最终表示为：

于是，在保证上述两阶段IR和IC条件的前提下，最优化问题可表示为：

步骤2中所述结合激励相容和个人理性的约束条件进行优化，具体为：

通过对第一阶段和第二阶段的IR约束条件进行求导，由求导结果写出无人机的连续类型效用公式，并以此得到

和

和

之间的关系，将其带入

和

去；

通过对优化问题分别对

和

进行二次求导来得到最优的接收功率，即最优解为：

通过构建步骤2中所述优化后多阶段逆向选择契约模型。

4.根据权利要求1所述的无人机流量卸载的多阶段逆向选择契约模型优化方法，其特征在于：步骤3中所述地面基站使用优化后多阶段逆向选择契约模型向无人机提供契约，具体如下：

地面基站向N个无人机广播一组契约

其中，

为第一阶段的接收功率，

为第一阶段无人机的报酬，

为第二阶段的接收功率，

为第二阶段无人机的报酬；

当附近的无人机收到契约时，它将依据自身的接收功率来通知地面基站接受或拒绝契约；

无人机从地面基站收到消息后，分别到达对应的热点区域D_i进行流量卸载工作；

当完成第一阶段的流量卸载工作时，地面基站通过来自热点区域中用户的反馈来评估无人机的操作，如果流量成功卸载，无人机将根据契约获得报酬

如果失败，无人机将不会获得任何报酬；

最后，第二阶段的过程与第一阶段相似，无人机完成流量卸载工作后，地面基站按照契约支付无人机报酬

当地面基站与无人机签订两阶段契约前，地面基站只获知无人机第一阶段的类型即

在完成第一阶段的工作之后，地面基站才获知无人机第二阶段类型即

Images