CN111786711A - 一种基于无人机边缘计算的高效能频谱感知方法、系统及应用 - Google Patents
一种基于无人机边缘计算的高效能频谱感知方法、系统及应用 Download PDFInfo
- Publication number
- CN111786711A CN111786711A CN202010472138.7A CN202010472138A CN111786711A CN 111786711 A CN111786711 A CN 111786711A CN 202010472138 A CN202010472138 A CN 202010472138A CN 111786711 A CN111786711 A CN 111786711A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- uav
- user
- calculation
- 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.)
- Pending
Links
Images
Classifications
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/382—Monitoring; Testing of propagation channels for resource allocation, admission control or handover
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/0202—Channel estimation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/04—Wireless resource allocation
- H04W72/044—Wireless resource allocation based on the type of the allocated resource
- H04W72/0453—Resources in frequency domain, e.g. a carrier in FDMA
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/54—Allocation or scheduling criteria for wireless resources based on quality criteria
- H04W72/542—Allocation or scheduling criteria for wireless resources based on quality criteria using measured or perceived quality
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/14—Spectrum sharing arrangements between different networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Abstract
本发明属于无线通信技术领域,公开了一种基于无人机边缘计算的高效能频谱感知方法、系统及应用,据地空A2G信道的特征,将地面无线设备和无人机间的信道模型考虑为大尺度衰落和小尺度衰落,并在大尺度衰落中同时考虑视距链路与非视距链路;地面无线设备用户的计算模型为同时进行本地计算和数据卸载,在进行数据卸载时,无人机是作为次用户利用的是已授权频谱,进行频谱感知以确定主网络中用户的状态;在基于无人机的移动边缘计算网络中,地面无线设备和无人机作为次级链路;通过迭代优化得出最佳传输功率、最佳感知时间和地面无线设备的接入策略。本发明在完成本地计算的同时根据无人机的位置变化使地面无线设备的能效最大化。
Description
技术领域
本发明属于无线通信技术领域,尤其涉及一种基于无人机边缘计算的高效能频谱感知方法、系统及应用。
背景技术
目前,在计算密集型和能量受限型的应用场景中,移动边缘计算有望解决计算时延大、资源匮乏等问题。具有计算需求的终端只需向边缘服务器卸载数据并接收计算结果,无需占用自身计算资源。与此同时,基于UAV的边缘计算也正处于高速发展期,并引起研究人员的广泛关注。当前基于边缘计算的技术中,主要研究基于传输和计算资源联合决策的计算任务卸载方案,以及多用户、多MEC节点的网络场景。然而在现有的研究方案中,边缘服务器的位置通常部署在固定的地面节点,在此基础上考虑卸载决策、计算资源分配及卸载系统实现等问题。然而在实际应用场景中,将UAV作为边缘服务器可以通过视距链路大幅度优化信道环境,降低路径损耗的影响,其灵活机动性将有利于提高吞吐量和能量效率。通过接入策略选择,UAV与WD之间的通信距离可被有效缩短,在视距链路下进一步提升信道增益从而优化系统性能。
高质量的数据传输需求使目前的频谱资源越来越紧缺,地面用户很难做到实时不间断向UAV卸载数据,因此需要结合认知无线电技术来开发频谱资源、提高频谱利用率。UAV的机动性和抗毁性使其具有巨大的应用价值,基于其轨迹设计和资源分配的研究已取得初步进展。UAV在通信场景中通常充当中继或基站,使通信任务得以高质量完成。而在移动边缘计算场景中,UAV则作为边缘服务器辅助WD完成计算任务。然而地面WD的数量预估将在2020年超过2120亿,如此高速的增长将使频谱资源短缺的问题更为严重。
认知无线电的概念最早是由J.Mitola提出的,其可以重新探索并利用已被使用的频谱资源。根据频谱感知结果,次用户可以机会性利用已授权频谱。在Overlay模式下,次用户只有在感知到主用户未使用授权频谱时才能工作。而在Underlay模式下,次用户通过限制自身发射功率可以在不干扰主用户通信质量的情况下持续使用授权频谱。在该情况下,次用户需要使用超宽带才能满足自身地传输速率需求。
通过上述分析,现有技术存在的问题及缺陷为:现有的5G场景下通信任务量大、计算复杂度高、云计算时延大和频谱拥挤。
解决以上问题及缺陷的难度为:边缘服务器通常部署于固定的地面节点,路径损耗较大且效率较低。现有技术大部分都是基于固定边缘服务器进行研究的,设计难度和效率相对较低。
解决以上问题及缺陷的意义为:将UAV作为边缘服务器可以通过视距链路大幅度优化信道环境,降低路径损耗的影响,其灵活机动性将有利于提高吞吐量和能量效率。通过接入策略选择,UAV与WD之间的通信距离可被有效缩短,在视距链路下进一步提升信道增益从而优化系统性能。认知无线电技术的引入将使频谱短缺问题得到缓解,在现有频谱资源无法分配情况下将UAV作为边缘服务器可以通过视距链路大幅度优化信道环境,降低路径损耗的影响,其灵活机动性将有利于提高吞吐量和能量效率。通过接入策略选择,UAV与WD之间的通信距离可被有效缩短,在视距链路下进一步提升信道增益从而优化系统性能。
发明内容
针对现有技术存在的问题,本发明提供了一种基于无人机边缘计算的高效能频谱感知方法、系统及应用。
本发明是这样实现的,一种基于无人机边缘计算的高效能频谱感知方法,所述基于无人机边缘计算的高效能频谱感知方法包括:
第一步,根据地空A2G信道的特征,将地面无线设备WD和无人机UAV间的信道模型为大尺度衰落和小尺度衰落,并在大尺度衰落中同时使用视距LoS链路与非视距NLoS链路;
第二步,地面无线设备WD用户的计算模型为同时进行本地计算和数据卸载,在进行数据卸载时,无人机是作为次用户SU利用的是已授权频谱,进行频谱感知以确定主网络中用户的状态。
第三步,在基于无人机UAV的移动边缘计算网络中,地面无线设备WD和无人机UAV作为次级链路;
第四步,通过迭代优化得出最佳传输功率、最佳感知时间和WD的接入策略。
进一步,所述第三步WD的能效问题概括如下:
其中km[n]=0表示第m个WD处于空闲状态,而km[n]=1表示第m个WD处于与UAV通信的状态;
将非凸问题分解为子问题A和子问题B。
本发明的另一目的在于提供一种计算机设备,所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如下步骤:
第一步,根据地空A2G信道的特征,将地面无线设备WD和无人机UAV间的信道模型考虑为大尺度衰落和小尺度衰落,并在大尺度衰落中同时考虑视距LoS链路与非视距NLoS链路;
第二步,地面无线设备WD用户的计算模型为同时进行本地计算和数据卸载,在进行数据卸载时,无人机是作为次用户SU利用的是已授权频谱,进行频谱感知以确定主网络中用户的状态。
第三步,在基于无人机UAV的移动边缘计算网络中,地面无线设备WD和无人机UAV作为次级链路;
第四步,通过迭代优化得出最佳传输功率、最佳感知时间和WD的接入策略。
本发明的另一目的在于提供一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如下步骤:
本发明的另一目的在于提供一种运行所述高效能频谱感知方法的高效能频谱感知系统,所述高效能频谱感知系统包括:
信道估计模块,用于根据地空A2G信道的特征,将地面无线设备WD和无人机UAV间的信道模型考虑为大尺度衰落和小尺度衰落,并在大尺度衰落中同时考虑视距LoS链路与非视距NLoS链路;
优化问题分解模块,用于地面无线设备WD用户的计算模型为同时进行本地计算和数据卸载,在进行数据卸载时,由于无人机是作为次用户SU利用的是已授权频谱,进行频谱感知以确定主网络中用户的状态;
资源分配模块,用于在基于无人机UAV的移动边缘计算网络中,地面无线设备WD和无人机UAV作为次级链路;
接入策略选择模块,用于通过迭代优化得出最佳传输功率、最佳感知时间和WD的接入策略。
本发明的另一目的在于提供一种承载网络高效能频谱感知终端,所述承载网络高效能频谱感知终端运行所述的基于无人机边缘计算的高效能频谱感知系统。
结合上述的所有技术方案,本发明所具备的优点及积极效果为:本发明针对无人机(unmanned aerial vehicle,UAV)的高机动性联合优化了感知时间、卸载功率和接入策略。将迭代二分法应用于WD对UAV卸载时对于感知时间和卸载功率的联合优化,同时将其与接入策略选择相结合,在完成本地计算的同时根据UAV的位置变化使WD的能效最大化。利用本发明可在完成本地计算的前提下,利用认知无线电对频谱效率的提高和UAV的高机动性在提高WD计算效率的同时最大化其能效。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图做简单的介绍,显而易见地,下面所描述的附图仅仅是本申请的一些实施例,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是本发明实施例提供的基于无人机边缘计算的高效能频谱感知方法流程图。
图2是本发明实施例提供的基于无人机边缘计算的高效能频谱感知系统的结构示意图;
图中:1、信道估计模块;2、优化问题分解模块;3、资源分配模块;4、接入策略选择模块。
图3是本发明实施例提供的系统模型图。
图4是本发明实施例提供的采用WD的感知帧结构示意图。
图5是本发明实施例提供的最佳能效与无人机位置在A2G信道中的关系示意图。
图6是本发明实施例提供的优化后的WD-UAV接入策略示意图。
图7是本发明实施例提供的优化后的系统能效与其他机制的对比图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
针对现有技术存在的问题,本发明提供了一种基于无人机边缘计算的高效能频谱感知方法、系统及应用,下面结合附图对本发明作详细的描述。
如图1所示,本发明提供的基于无人机边缘计算的高效能频谱感知方法包括以下步骤:
S101:根据地空A2G信道的特征,将地面无线设备WD和无人机UAV间的信道模型考虑为大尺度衰落和小尺度衰落,并在大尺度衰落中同时考虑视距LoS链路与非视距NLoS链路;
S102:地面无线设备WD用户的计算模型为同时进行本地计算和数据卸载,在进行数据卸载时,由于无人机是作为次用户SU利用的是已授权频谱,进行频谱感知以确定主网络中用户的状态。
S103:在基于无人机UAV的移动边缘计算网络中,地面无线设备WD和无人机UAV作为次级链路;
S104:通过迭代优化得出最佳传输功率、最佳感知时间和WD的接入策略。
如图2所示,本发明提供的高效能频谱感知系统包括:
信道估计模块1,用于根据地空A2G信道的特征,将地面无线设备WD和无人机UAV间的信道模型考虑为大尺度衰落和小尺度衰落,并在大尺度衰落中同时考虑视距LoS链路与非视距NLoS链路。
优化问题分解模块2,用于地面无线设备WD用户的计算模型为同时进行本地计算和数据卸载,在进行数据卸载时,由于无人机是作为次用户SU利用的是已授权频谱,进行频谱感知以确定主网络中用户的状态。
资源分配模块3,用于在基于无人机UAV的移动边缘计算网络中,地面无线设备WD和无人机UAV作为次级链路。
接入策略选择模块4,用于通过迭代优化得出最佳传输功率、最佳感知时间和WD的接入策略。
下面结合附图对本发明的技术方案作进一步的描述。
针对现有的5G场景下通信任务量大、计算复杂度高、云计算时延大和频谱拥挤等问题,本发明提出基于本地计算和部分卸载场景下的WD高效能频谱感知方法。结合UAV技术和CR技术,解决了频谱利用率低、计算时延大等问题,同时对能效进行了优化。
如图3所示,本发明提供的基于UAV的边缘计算应用架构由1架无人机,m个WD和一个用户主网络构成。无人机以原点为圆心环绕地面WD执行辅助边缘计算的任务。根据根据地空(air to ground,A2G)信道的特征可将WD和UAV间的信道模型表示为:
假设地面第m个用户WD开始进行数据卸载,需要先感知频谱以确定主网络中用户的状态,相应的传输时间表示为T-τm[n]。在UAV以圆周飞行时,共被划分为N个时隙,每个时隙内的信道状态和主用户状态均不同。和分别表示第m个WD在第n个时隙的检测概率和虚警概率,Rm(n)则表示第m个WD在第n个时隙的传输速率。第m个WD用户以感知时长τm[n]和感知功率Ps对主用户的状态进行感知,当检测到空闲频谱时,其在第n个时隙以发射功率与UAV进行数据卸载,平均能量消耗可表示为:
Em[n]=τm[n]Ps+(T-τm[n])Pd m[n] (2)
从而得到第m个WD在第n个时隙中进行边缘计算的能量效率为:
由此可将WD的能效问题概括如下:
其中km[n]=0表示第m个WD处于空闲状态,而km[n]=1表示第m个WD处于与UAV通信的状态。将式(4)所示的非凸优化问题分解为两个子问题,子问题A和子问题B可总结如下:
最佳传输功率为式(9)的零解,结合约束条件表示为该函数定义如式(8)所示。综上,将本专利中提出的迭代优化算法总结如下:(a)在每一个传输时隙n内,首先对于第m个WD用户随机给定一个固定的传输功率和误差精度Δ;(b)根据给定传输功率应用二分法算出最佳感知时间τm[n]*;(c)根据每次更新的τm[n]*再次应用二分法计算出此时对应的根据步骤(b)和步骤(c)中更新的τm[n]*和更新出对应的(此处的t表示为迭代次数);(d)若返回步骤(b);若则得到最终的最佳能效km[n]=1,即得WD-UAV接入策略。
应当注意,本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现;软件部分可以存储在存储器中,由适当的指令执行系统,例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用由各种类型的处理器执行的软件实现,也可以由上述硬件电路和软件的结合例如固件来实现。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,都应涵盖在本发明的保护范围之内。
Claims (9)
1.一种基于无人机边缘计算的高效能频谱感知方法,其特征在于,所述基于无人机边缘计算的高效能频谱感知方法包括:
第一步,根据地空A2G信道的特征,将地面无线设备WD和无人机UAV间的信道模型考虑为大尺度衰落和小尺度衰落,并在大尺度衰落中同时使用视距LoS链路与非视距NLoS链路;
第二步,地面无线设备WD用户的计算模型为同时进行本地计算和数据卸载,在进行数据卸载时,无人机是作为次用户SU利用的是已授权频谱,需进行频谱感知以确定主网络中用户的状态;
第三步,在基于无人机UAV的移动边缘计算网络中,地面无线设备WD和无人机UAV作为次级链路;
第四步,通过迭代优化得出最佳传输功率、最佳感知时间和WD的接入策略。
7.一种计算机设备,其特征在于,所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如下步骤:
第一步,根据地空A2G信道的特征,将地面无线设备WD和无人机UAV间的信道模型考虑为大尺度衰落和小尺度衰落,并在大尺度衰落中同时考虑视距LoS链路与非视距NLoS链路;
第二步,地面无线设备WD用户的计算模型为同时进行本地计算和数据卸载,在进行数据卸载时,无人机是作为次用户SU利用的是已授权频谱,进行频谱感知以确定主网络中用户的状态。
第三步,在基于无人机UAV的移动边缘计算网络中,地面无线设备WD和无人机UAV作为次级链路;
第四步,通过迭代优化得出最佳传输功率、最佳感知时间和WD的接入策略。
8.一种运行权利要求1~6任意一项所述基于无人机边缘计算的高效能频谱感知方法的基于无人机边缘计算的高效能频谱感知系统,其特征在于,所述基于无人机边缘计算的高效能频谱感知系统包括:
信道估计模块,用于根据地空A2G信道的特征,将地面无线设备WD和无人机UAV间的信道模型考虑为大尺度衰落和小尺度衰落,并在大尺度衰落中同时考虑视距LoS链路与非视距NLoS链路;
优化问题分解模块,用于地面无线设备WD用户的计算模型为同时进行本地计算和数据卸载,在进行数据卸载时,由于无人机是作为次用户SU利用的是已授权频谱,进行频谱感知以确定主网络中用户的状态;
资源分配模块,用于在基于无人机UAV的移动边缘计算网络中,地面无线设备WD和无人机UAV作为次级链路;
接入策略选择模块,用于通过迭代优化得出最佳传输功率、最佳感知时间和WD的接入策略。
9.一种承载网络高效能频谱感知终端,其特征在于,所述承载网络高效能频谱感知终端运行权利要求9所述的基于无人机边缘计算的高效能频谱感知系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010472138.7A CN111786711A (zh) | 2020-05-29 | 2020-05-29 | 一种基于无人机边缘计算的高效能频谱感知方法、系统及应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010472138.7A CN111786711A (zh) | 2020-05-29 | 2020-05-29 | 一种基于无人机边缘计算的高效能频谱感知方法、系统及应用 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111786711A true CN111786711A (zh) | 2020-10-16 |
Family
ID=72754469
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010472138.7A Pending CN111786711A (zh) | 2020-05-29 | 2020-05-29 | 一种基于无人机边缘计算的高效能频谱感知方法、系统及应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111786711A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114884595A (zh) * | 2022-04-13 | 2022-08-09 | 大连理工大学 | 一种基于强化学习的认知无人机频谱感知方法 |
CN115021842A (zh) * | 2021-11-19 | 2022-09-06 | 荣耀终端有限公司 | 任务处理方法和装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108966286A (zh) * | 2018-07-11 | 2018-12-07 | 郑州航空工业管理学院 | 无人机辅助移动边缘计算系统及其信息比特分配方法 |
CN109286913A (zh) * | 2018-09-29 | 2019-01-29 | 郑州航空工业管理学院 | 基于蜂窝网联的无人机移动边缘计算系统能耗优化方法 |
CN109511134A (zh) * | 2018-10-23 | 2019-03-22 | 郑州航空工业管理学院 | 基于能效最优的无人机辅助无线通信系统负载分流方法 |
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 |
US20190327506A1 (en) * | 2019-06-27 | 2019-10-24 | Intel Corporation | Dynamic rebalancing of edge resources for multi-camera video streaming |
CN110429973A (zh) * | 2019-08-05 | 2019-11-08 | 西北工业大学 | 一种无人机与地面基站协同计算卸载及优化方法 |
CN110458283A (zh) * | 2019-08-13 | 2019-11-15 | 南京理工大学 | 基于深度强化学习的静态环境下的最大化全局吞吐量方法 |
US10616734B1 (en) * | 2018-11-20 | 2020-04-07 | T-Mobile Usa, Inc. | Unmanned aerial vehicle assisted V2X |
-
2020
- 2020-05-29 CN CN202010472138.7A patent/CN111786711A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108966286A (zh) * | 2018-07-11 | 2018-12-07 | 郑州航空工业管理学院 | 无人机辅助移动边缘计算系统及其信息比特分配方法 |
CN109286913A (zh) * | 2018-09-29 | 2019-01-29 | 郑州航空工业管理学院 | 基于蜂窝网联的无人机移动边缘计算系统能耗优化方法 |
CN109511134A (zh) * | 2018-10-23 | 2019-03-22 | 郑州航空工业管理学院 | 基于能效最优的无人机辅助无线通信系统负载分流方法 |
US10616734B1 (en) * | 2018-11-20 | 2020-04-07 | T-Mobile Usa, Inc. | Unmanned aerial vehicle assisted V2X |
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 |
US20190327506A1 (en) * | 2019-06-27 | 2019-10-24 | Intel Corporation | Dynamic rebalancing of edge resources for multi-camera video streaming |
CN110429973A (zh) * | 2019-08-05 | 2019-11-08 | 西北工业大学 | 一种无人机与地面基站协同计算卸载及优化方法 |
CN110458283A (zh) * | 2019-08-13 | 2019-11-15 | 南京理工大学 | 基于深度强化学习的静态环境下的最大化全局吞吐量方法 |
Non-Patent Citations (1)
Title |
---|
YU PAN,ETC.: "Efficient design optimisation for UAV-enabled mobile edge computing in cognitive radio networks", 《IET COMMUNICATIONS》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115021842A (zh) * | 2021-11-19 | 2022-09-06 | 荣耀终端有限公司 | 任务处理方法和装置 |
CN115021842B (zh) * | 2021-11-19 | 2023-10-31 | 荣耀终端有限公司 | 任务处理方法、装置及存储介质 |
CN114884595A (zh) * | 2022-04-13 | 2022-08-09 | 大连理工大学 | 一种基于强化学习的认知无人机频谱感知方法 |
CN114884595B (zh) * | 2022-04-13 | 2023-01-03 | 大连理工大学 | 一种基于强化学习的认知无人机频谱感知方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ernest et al. | Computation Offloading in MEC-Enabled IoV Networks: Average Energy Efficiency Analysis and Learning-Based Maximization | |
Yang et al. | Optimal resource allocation in full-duplex ambient backscatter communication networks for wireless-powered IoT | |
Hua et al. | UAV-aided mobile edge computing systems with one by one access scheme | |
Waqar et al. | Computation offloading and resource allocation in MEC-enabled integrated aerial-terrestrial vehicular networks: A reinforcement learning approach | |
Shang et al. | Mobile-edge computing in the sky: Energy optimization for air–ground integrated networks | |
US11576119B2 (en) | Method and apparatus for power control for network energy optimization | |
EP3723306A1 (en) | Frequency spectrum management device, system, method and computer readable storage medium | |
Qin et al. | Optimal task offloading and resource allocation for C-NOMA heterogeneous air-ground integrated power Internet of Things networks | |
Tran et al. | Throughput maximization for backscatter-and cache-assisted wireless powered UAV technology | |
CN111786711A (zh) | 一种基于无人机边缘计算的高效能频谱感知方法、系统及应用 | |
Liu et al. | Energy-efficient space–air–ground integrated edge computing for internet of remote things: A federated DRL approach | |
Nouri et al. | Multi-UAV placement and user association in uplink MIMO ultra-dense wireless networks | |
Huda et al. | Deep reinforcement learning-based computation offloading in uav swarm-enabled edge computing for surveillance applications | |
Chen et al. | UAV-assisted data collection for wireless sensor networks with dynamic working modes | |
Jiang et al. | Average Age of Information Minimization in Aerial IRS-Assisted Data Delivery | |
CN114363803A (zh) | 一种移动边缘计算网络节能的多任务分配方法及系统 | |
Nauman et al. | Minimizing energy consumption for noma multi-drone communications in automotive-industry 5.0 | |
Chen et al. | Energy efficient resource allocation and trajectory optimization in UAV-assisted mobile edge computing system | |
CN115802370A (zh) | 一种通信方法及装置 | |
Zhu et al. | Reliability-optimal offloading in multi-server edge computing networks with transmissions carried by finite blocklength codes | |
Zhu et al. | Joint time allocation and beamforming design for IRS-aided coexistent cellular and sensor networks | |
Hadi et al. | Joint resource allocation, user clustering and 3-d location optimization in multi-uav-enabled mobile edge computing | |
CN113330767A (zh) | 频谱管理设备、电子设备、无线通信方法和存储介质 | |
US20210011865A1 (en) | Method and apparatus for symbol detection | |
Jaiswal et al. | A novel computation offloading under 6G LEO satellite-UAV-based IoT |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201016 |
|
RJ01 | Rejection of invention patent application after publication |