CN111984110B - 一种移动边缘计算网络中无人机计算卸载方法及系统 - Google Patents
一种移动边缘计算网络中无人机计算卸载方法及系统 Download PDFInfo
- Publication number
- CN111984110B CN111984110B CN202010835454.6A CN202010835454A CN111984110B CN 111984110 B CN111984110 B CN 111984110B CN 202010835454 A CN202010835454 A CN 202010835454A CN 111984110 B CN111984110 B CN 111984110B
- Authority
- CN
- China
- Prior art keywords
- task
- optimal
- unmanned aerial
- aerial vehicle
- channel gain
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
- G06F1/26—Power supply means, e.g. regulation thereof
- G06F1/32—Means for saving power
- G06F1/3203—Power management, i.e. event-based initiation of a power-saving mode
- G06F1/3234—Power saving characterised by the action undertaken
- G06F1/329—Power saving characterised by the action undertaken by task scheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/48—Program initiating; Program switching, e.g. by interrupt
- G06F9/4806—Task transfer initiation or dispatching
- G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
- G06F9/485—Task life-cycle, e.g. stopping, restarting, resuming execution
- G06F9/4856—Task life-cycle, e.g. stopping, restarting, resuming execution resumption being on a different machine, e.g. task migration, virtual machine migration
-
- 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
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Abstract
本发明公开了一种移动边缘计算网络中无人机计算卸载方法及系统。所述移动边缘计算网络中无人机计算卸载方法包括:计算无人机的本地计算能耗和最优上传任务时间;最优上传任务时间为无人机计算任务的最大可容忍时延;基于最优上传任务时间计算上传任务能耗;基于本地计算能耗和上传任务能耗确定最优任务卸载的比例;基于最优任务卸载的比例确定最优发射功率和最优无人机CPU功率;无人机根据最优上传任务时间、最优任务卸载的比例、最优发射功率和最优无人机CPU功率完成计算任务。本发明能有效降低UAV完成计算任务消耗的能量。
Description
技术领域
本发明涉及计算卸载领域,特别是涉及一种移动边缘计算网络中无人机计算卸载方法及系统。
背景技术
移动边缘计算(MEC)是缓解移动设备计算能力约束并减少服务时延的一项技术。无人机(UAV)可以通过无线链路将计算密集型和/或延迟敏感型任务卸载到配备MEC服务器的接入点(AP)上进行计算,从而降低自身能耗。在MEC网络中,一些文献已经提出了时延、能耗或开销最小化的计算卸载和资源分配方案,例如,现有技术中存在一种在时延约束下最小化能耗的UAV计算卸载方案,但是该方案没有考虑到UAV-地面通信的安全性。UAV-地面通信链路具有视线(LoS)传输特性,与传统的无线通信系统相比,UAV-地面通信更容易被窃听。
为了保证UAV传输数据的机密性和传输链路的稳定性,基于物理层安全性(PLS)的解决方案逐渐涌现,包括优化UAV的飞行路线、发射功率、飞行速度、向窃听者(Eve)施加人为噪声等。在设计PLS解决方案时,关键目标是在Eve无法窃听任何信息的条件下,最大化安全通信速率。例如,现有技术中存在一种通信速率约束的UAV安全计算卸载方案,但是该方案假设UAV在执行计算任务时的CPU频率是固定的。通过应用动态频率调整技术,UAV可以根据计算负载动态调整CPU频率,以降低完成计算任务的能耗。但是,该方案完成计算任务的能耗仍有待降低。
发明内容
基于此,有必要提供一种移动边缘计算网络中无人机计算卸载方法及系统,以有效降低UAV完成计算任务消耗的能量。
为实现上述目的,本发明提供了如下方案:
一种移动边缘计算网络中无人机计算卸载方法,包括:
计算无人机的本地计算能耗和最优上传任务时间;所述最优上传任务时间为无人机计算任务的最大可容忍时延;
基于所述最优上传任务时间计算上传任务能耗;
基于所述本地计算能耗和所述上传任务能耗确定最优任务卸载的比例;
基于所述最优任务卸载的比例确定最优发射功率和最优无人机CPU功率;所述无人机根据所述最优上传任务时间、所述最优任务卸载的比例、所述最优发射功率和所述最优无人机CPU功率完成计算任务。
可选的,所述计算无人机的本地计算能耗和最优上传任务时间,具体包括:
计算无人机的本地计算能耗
Eloc=kLC(fUAV)2(1-α);
其中,k表示有效开关电容系数,fUAV表示无人机的CPU频率,α表示任务卸载的比例,L表示计算任务的数据量大小,C表示计算任务的复杂度;
计算最优上传任务时间
T表示无人机计算任务的最大可容忍时延。
可选的,所述基于所述最优上传任务时间计算上传任务能耗,具体包括:
计算第一信道增益、第二信道增益和第三信道增益;所述第一信道增益为无人机与移动边缘计算服务器的接入点之间的信道增益;所述第二信道增益为无人机与窃听者之间的信道增益;所述第三信道增益为移动边缘计算服务器的接入点与窃听者之间的信道增益;
基于所述第一信道增益、所述第二信道增益和所述第三信道增益计算发射功率;
基于发射功率和所述最优上传任务时间计算上传任务能耗。
可选的,所述基于所述本地计算能耗和所述上传任务能耗确定最优任务卸载的比例,具体包括:
由所述本地计算能耗和所述上传任务能耗计算完成计算任务的总能耗;
计算任务卸载的比例的下界;
基于所述第一信道增益、所述第二信道增益和所述第三信道增益计算无人机的最大安全传输负载;
基于所述最大安全传输负载计算任务卸载的比例的上界;
基于所述总能耗、所述任务卸载的比例的下界和所述任务卸载的比例的上界计算最优任务卸载的比例
可选的,所述基于所述最优任务卸载的比例确定最优发射功率和最优无人机CPU功率,具体包括:
基于所述最优的任务卸载的比例确定最优发射功率
其中,α*表示最优任务卸载的比例,L表示计算任务的数据量大小,B表示带宽,表示最优上传任务时间,gUA表示无人机与移动边缘计算服务器的接入点之间的信道增益,gUE表示无人机与窃听者之间的信道增益,gAE表示移动边缘计算服务器的接入点与窃听者之间的信道增益,σ2表示高斯白噪声功率,pJ表示移动边缘计算服务器的接入点向窃听者发射的干扰噪声功率,ε表示无人机和窃听者之间的信道检测最大错误率,δ表示移动边缘计算服务器的接入点和窃听者之间的信道检测最大错误率;
基于所述最优任务卸载的比例确定最优无人机CPU功率
其中,C表示计算任务的复杂度,T表示无人机计算任务的最大可容忍时延。
本发明还提供了一种移动边缘计算网络中无人机计算卸载系统,包括:
第一计算模块,用于计算无人机的本地计算能耗和最优上传任务时间;所述最优上传任务时间为无人机计算任务的最大可容忍时延;
第二计算模块,用于基于所述最优上传任务时间计算上传任务能耗;
第三计算模块,用于基于所述本地计算能耗和所述上传任务能耗确定最优任务卸载的比例;
第四计算模块,用于基于所述最优任务卸载的比例确定最优发射功率和最优无人机CPU功率;所述无人机根据所述最优上传任务时间、所述最优任务卸载的比例、所述最优发射功率和所述最优无人机CPU功率完成计算任务。
可选的,所述第一计算模块,具体包括:
本地计算能耗计算单元,用于计算无人机的本地计算能耗
Eloc=kLC(fUAV)2(1-α);
其中,k表示有效开关电容系数,fUAV表示无人机的CPU频率,α表示任务卸载的比例,L表示计算任务的数据量大小,C表示计算任务的复杂度;
最优上传任务时间计算单元,用于计算最优上传任务时间
T表示无人机计算任务的最大可容忍时延。
可选的,所述第二计算模块,具体包括:
信道增益计算单元,用于计算第一信道增益、第二信道增益和第三信道增益;所述第一信道增益为无人机与移动边缘计算服务器的接入点之间的信道增益;所述第二信道增益为无人机与窃听者之间的信道增益;所述第三信道增益为移动边缘计算服务器的接入点与窃听者之间的信道增益;
发射功率计算单元,用于基于所述第一信道增益、所述第二信道增益和所述第三信道增益计算发射功率;
上传任务能耗计算单元,用于基于发射功率和所述最优上传任务时间计算上传任务能耗。
可选的,所述第三计算模块,具体包括:
总能耗计算单元,用于由所述本地计算能耗和所述上传任务能耗计算完成计算任务的总能耗;
下界计算单元,用于计算任务卸载的比例的下界;
最大安全传输负载计算单元,用于基于所述第一信道增益、所述第二信道增益和所述第三信道增益计算无人机的最大安全传输负载;
上界计算单元,用于基于所述最大安全传输负载计算任务卸载的比例的上界;
最优任务卸载的比例计算单元,用于基于所述总能耗、所述任务卸载的比例的下界和所述任务卸载的比例的上界计算最优任务卸载的比例
可选的,所述第四计算模块,具体包括:
最优发射功率计算单元,用于基于所述最优的任务卸载的比例确定最优发射功率
其中,α*表示最优任务卸载的比例,L表示计算任务的数据量大小,B表示带宽,表示最优上传任务时间,gUA表示无人机与移动边缘计算服务器的接入点之间的信道增益,gUE表示无人机与窃听者之间的信道增益,gAE表示移动边缘计算服务器的接入点与窃听者之间的信道增益,σ2表示高斯白噪声功率,pJ表示移动边缘计算服务器的接入点向窃听者发射的干扰噪声功率,ε表示无人机和窃听者之间的信道检测最大错误率,δ表示移动边缘计算服务器的接入点和窃听者之间的信道检测最大错误率;
最优无人机CPU功率计算单元,用于基于所述最优任务卸载的比例确定最优无人机CPU功率
其中,C表示计算任务的复杂度,T表示无人机计算任务的最大可容忍时延。
与现有技术相比,本发明的有益效果是:
本发明提出了一种移动边缘计算网络中无人机计算卸载方法及系统,该方法包括:计算无人机的本地计算能耗和最优上传任务时间;基于最优上传任务时间计算上传任务能耗;基于本地计算能耗和上传任务能耗确定最优任务卸载的比例;基于最优任务卸载的比例确定最优发射功率和最优无人机CPU功率;无人机根据最优上传任务时间、最优任务卸载的比例、最优发射功率和最优无人机CPU功率完成计算任务。本发明在安全性和时延约束下,通过优化无人机的CPU频率、上传任务时间、发射功率和任务卸载的比例,有效地减少了无人机完成计算任务消耗的能量。
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性的前提下,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移动边缘计算网络中无人机计算卸载方法的流程图;
图2为本发明实施例提供的UAV、AP、Eve构成的系统模型的示意图;
图3为本发明实施例提供的不同任务数据量大小对应的总能耗的示意图;
图4为本发明实施例提供的不同任务复杂度对应的总能耗的示意图;
图5为本发明实施例提供的移动边缘计算网络中无人机计算卸载系统的结构示意图。
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。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明实施例提供的移动边缘计算网络中无人机计算卸载方法的流程图。
参见图1,本实施例的移动边缘计算网络中无人机计算卸载方法,包括:
步骤101:计算无人机的本地计算能耗和最优上传任务时间;所述最优上传任务时间为无人机计算任务的最大可容忍时延。
步骤102:基于所述最优上传任务时间计算上传任务能耗。
步骤103:基于所述本地计算能耗和所述上传任务能耗确定最优任务卸载的比例。
步骤104:基于所述最优任务卸载的比例确定最优发射功率和最优无人机CPU功率;所述无人机根据所述最优上传任务时间、所述最优任务卸载的比例、所述最优发射功率和所述最优无人机CPU功率完成计算任务。
其中,步骤101,具体包括:
(1)计算无人机的本地计算能耗
Eloc=kLC(fUAV)2(1-α);
其中,k表示有效开关电容系数,fUAV表示无人机的CPU频率,α表示任务卸载的比例,L表示计算任务的数据量大小,C表示计算任务的复杂度。
(2)计算最优上传任务时间
T表示无人机计算任务的最大可容忍时延。
其中,步骤102,具体包括:
(1)计算第一信道增益、第二信道增益和第三信道增益;所述第一信道增益为无人机(UAV)与移动边缘计算服务器的接入点(AP)之间的信道增益;所述第二信道增益为无人机(UAV)与窃听者(Eve)之间的信道增益;所述第三信道增益为移动边缘计算服务器的接入点(AP)与窃听者(Eve)之间的信道增益,其中,UAV、AP、Eve构成的系统模型如图2所示。具体为:
第一信道增益
d0是UAV的悬停高度,ρ0是参考距离d0=1m的信道增益,η0是UAV和AP之间的视距(LoS)路径损耗指数。
第二信道增益
d1是UAV和Eve之间的距离,ρ1是参考距离d1=1m的信道增益,η1是UAV和Eve之间的视距(LoS)路径损耗指数。
第三信道增益
d2是AP和Eve之间的距离,ρ2是参考距离d2=1m的信道增益,η2是AP和Eve之间的非视距(NLoS)路径损耗指数,ζ是服从指数分布的瑞利衰落。
(2)基于所述第一信道增益、所述第二信道增益和所述第三信道增益计算发射功率。具体为:
发射功率
其中,α表示任务卸载的比例,B表示带宽,表示最优上传任务时间,σ2表示高斯白噪声功率,pJ表示AP向Eve发射的干扰噪声功率,ε表示UAV和Eve之间的信道检测最大错误率,δ表示AP和Eve之间的信道检测最大错误率。
(3)基于发射功率和所述最优上传任务时间计算上传任务能耗。具体的:
上传任务能耗
其中,po表示发射功率。
其中,步骤103,具体包括:
(1)由所述本地计算能耗和所述上传任务能耗计算完成计算任务的总能耗。具体为:
总能耗
Etot=Eloc+Eoff;
其中,Eloc表示本地计算能耗,Eoff表示上传任务能耗。
(2)计算任务卸载的比例的下界。具体为:
任务卸载的比例的下界
(3)基于所述第一信道增益、所述第二信道增益和所述第三信道增益计算无人机的最大安全传输负载。具体为:
最大安全传输负载
(4)基于所述最大安全传输负载计算任务卸载的比例的上界。具体为:
任务卸载的比例的上界
其中,OLmax表示UAV的最大安全传输负载。
(5)基于所述总能耗、所述任务卸载的比例的下界和所述任务卸载的比例的上界计算最优任务卸载的比例。具体为:
最优任务卸载的比例
其中,步骤104,具体包括:
(1)基于所述最优的任务卸载的比例确定最优发射功率
其中,α*表示最优任务卸载的比例,L表示计算任务的数据量大小,B表示带宽,表示最优上传任务时间,gUA表示无人机与移动边缘计算服务器的接入点之间的信道增益(第一信道增益),gUE表示无人机与窃听者之间的信道增益(第二信道增益),gAE表示移动边缘计算服务器的接入点与窃听者之间的信道增益(第三信道增益),σ2表示高斯白噪声功率,pJ表示移动边缘计算服务器的接入点向窃听者发射的干扰噪声功率,ε表示无人机和窃听者之间的信道检测最大错误率,δ表示移动边缘计算服务器的接入点和窃听者之间的信道检测最大错误率。
(2)基于所述最优任务卸载的比例确定最优无人机CPU功率
其中,C表示计算任务的复杂度,T表示无人机计算任务的最大可容忍时延。
下面通过MATLAB软件仿真验证所提出的移动边缘计算网络中无人机计算卸载方法的性能。
表1仿真参数设置
根据表1的参数设置仿真验证了上述移动边缘计算网络中无人机计算卸载方法(调整fUAV的部分卸载方案)的性能,并与几种基准卸载方案进行比较。
图3显示了不同任务数据量大小下所有方案的能耗。图3中C=500cycles/bit,T=0.5s,k=10-30,d2=100m;其余参数如表1所示。从图3中可以看出,所有方案的能耗都随着任务数据量大小L的增大而增大,且本发明所提方法的性能优于其他三种方案(除了没有Eve的部分计算卸载方案),因为它充分利用了部分卸载的优势和动态电压频率调整(DVFS)技术。具体而言,本发明所提方法优于全部本地计算和完全卸载方案,这表明了联合优化本地计算和完全卸载的重要性。另外,UAV为了防止Eve窃听传输数据,需要消耗一定的能量,所以本发明所提方法比没有Eve的部分计算卸载方案消耗的能量稍微多一点。此外,由于本发明应用了DVFS技术来动态调整UAV的CPU频率,所以本发明所提方法的性能要优于固定fUAV的部分卸载方案。最后,图3表明本发明所提方法的能耗随着任务数据量大小L的增加而缓慢增加,这是因为随着任务数据量大小L的增加,任务卸载到MEC的比例越来越大,所以总的能耗缓慢增加。
图4显示了任务复杂度对能耗的影响。图4中L=2Mbits,T=1s,k=10-31,d2=100m;其余参数如表1所示。图4表明,除了完全卸载方案之外,所有方案的能耗都随着任务复杂度C的增加而增加,这是因为完全卸载方案的能耗只与任务数据量大小、时延约束和信道状态有关。另外,就任务的能耗而言,部分卸载方案的性能要优于全部本地计算方案和完全卸载方案,因为任务复杂度越大,任务卸载到MEC服务器的比例就越大。因此,对于部分卸载方案,任务复杂度的增大只会在一定程度上影响完成任务的总能耗。最后,得益于本地计算和卸载的联合优化以及DVFS技术,本发明所提方法的性能优于其他三种方案(除了没有Eve的部分卸载方案),这表明通过联合优化通信和计算资源获得的性能提升优于单独优化通信和计算资源。
本发明还提供了一种移动边缘计算网络中无人机计算卸载系统,图5为本发明实施例提供的移动边缘计算网络中无人机计算卸载系统的结构示意图。
参见图5,本实施例的移动边缘计算网络中无人机计算卸载系统包括:
第一计算模块201,用于计算无人机的本地计算能耗和最优上传任务时间;所述最优上传任务时间为无人机计算任务的最大可容忍时延。
第二计算模块202,用于基于所述最优上传任务时间计算上传任务能耗。
第三计算模块203,用于基于所述本地计算能耗和所述上传任务能耗确定最优任务卸载的比例。
第四计算模块204,用于基于所述最优任务卸载的比例确定最优发射功率和最优无人机CPU功率;所述无人机根据所述最优上传任务时间、所述最优任务卸载的比例、所述最优发射功率和所述最优无人机CPU功率完成计算任务。
作为一种可选的实施方式,所述第一计算模块201,具体包括:
本地计算能耗计算单元,用于计算无人机的本地计算能耗
Eloc=kLC(fUAV)2(1-α);
其中,k表示有效开关电容系数,fUAV表示无人机的CPU频率,α表示任务卸载的比例,L表示计算任务的数据量大小,C表示计算任务的复杂度。
最优上传任务时间计算单元,用于计算最优上传任务时间
T表示无人机计算任务的最大可容忍时延。
作为一种可选的实施方式,所述第二计算模块202,具体包括:
信道增益计算单元,用于计算第一信道增益、第二信道增益和第三信道增益;所述第一信道增益为无人机与移动边缘计算服务器的接入点之间的信道增益;所述第二信道增益为无人机与窃听者之间的信道增益;所述第三信道增益为移动边缘计算服务器的接入点与窃听者之间的信道增益。
发射功率计算单元,用于基于所述第一信道增益、所述第二信道增益和所述第三信道增益计算发射功率。
上传任务能耗计算单元,用于基于发射功率和所述最优上传任务时间计算上传任务能耗。
作为一种可选的实施方式,所述第三计算模块203,具体包括:
总能耗计算单元,用于由所述本地计算能耗和所述上传任务能耗计算完成计算任务的总能耗。
下界计算单元,用于计算任务卸载的比例的下界。
最大安全传输负载计算单元,用于基于所述第一信道增益、所述第二信道增益和所述第三信道增益计算无人机的最大安全传输负载。
上界计算单元,用于基于所述最大安全传输负载计算任务卸载的比例的上界。
最优任务卸载的比例计算单元,用于基于所述总能耗、所述任务卸载的比例的下界和所述任务卸载的比例的上界计算最优任务卸载的比例
作为一种可选的实施方式,所述第四计算模块204,具体包括:
最优发射功率计算单元,用于基于所述最优的任务卸载的比例确定最优发射功率
其中,α*表示最优任务卸载的比例,L表示计算任务的数据量大小,B表示带宽,表示最优上传任务时间,gUA表示无人机与移动边缘计算服务器的接入点之间的信道增益,gUE表示无人机与窃听者之间的信道增益,gAE表示移动边缘计算服务器的接入点与窃听者之间的信道增益,σ2表示高斯白噪声功率,pJ表示移动边缘计算服务器的接入点向窃听者发射的干扰噪声功率,ε表示无人机和窃听者之间的信道检测最大错误率,δ表示移动边缘计算服务器的接入点和窃听者之间的信道检测最大错误率。
最优无人机CPU功率计算单元,用于基于所述最优任务卸载的比例确定最优无人机CPU功率
其中,C表示计算任务的复杂度,T表示无人机计算任务的最大可容忍时延。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种移动边缘计算网络中无人机计算卸载方法,其特征在于,包括:
计算无人机的本地计算能耗和最优上传任务时间;所述最优上传任务时间为无人机计算任务的最大可容忍时延;
基于所述最优上传任务时间计算上传任务能耗;
基于所述本地计算能耗和所述上传任务能耗确定最优任务卸载的比例;
基于所述最优任务卸载的比例确定最优发射功率和最优无人机CPU功率;所述无人机根据所述最优上传任务时间、所述最优任务卸载的比例、所述最优发射功率和所述最优无人机CPU功率完成计算任务。
3.根据权利要求1所述的一种移动边缘计算网络中无人机计算卸载方法,其特征在于,所述基于所述最优上传任务时间计算上传任务能耗,具体包括:
计算第一信道增益、第二信道增益和第三信道增益;所述第一信道增益为无人机与移动边缘计算服务器的接入点之间的信道增益;所述第二信道增益为无人机与窃听者之间的信道增益;所述第三信道增益为移动边缘计算服务器的接入点与窃听者之间的信道增益;
基于所述第一信道增益、所述第二信道增益和所述第三信道增益计算发射功率;
基于发射功率和所述最优上传任务时间计算上传任务能耗。
5.根据权利要求1所述的一种移动边缘计算网络中无人机计算卸载方法,其特征在于,所述基于所述最优任务卸载的比例确定最优发射功率和最优无人机CPU功率,具体包括:
基于所述最优的任务卸载的比例确定最优发射功率
其中,α*表示最优任务卸载的比例,L表示计算任务的数据量大小,B表示带宽,表示最优上传任务时间,gUA表示无人机与移动边缘计算服务器的接入点之间的信道增益,gUE表示无人机与窃听者之间的信道增益,gAE表示移动边缘计算服务器的接入点与窃听者之间的信道增益,σ2表示高斯白噪声功率,pJ表示移动边缘计算服务器的接入点向窃听者发射的干扰噪声功率,ε表示无人机和窃听者之间的信道检测最大错误率,δ表示移动边缘计算服务器的接入点和窃听者之间的信道检测最大错误率;
基于所述最优任务卸载的比例确定最优无人机CPU功率
其中,C表示计算任务的复杂度,T表示无人机计算任务的最大可容忍时延。
6.一种移动边缘计算网络中无人机计算卸载系统,其特征在于,包括:
第一计算模块,用于计算无人机的本地计算能耗和最优上传任务时间;所述最优上传任务时间为无人机计算任务的最大可容忍时延;
第二计算模块,用于基于所述最优上传任务时间计算上传任务能耗;
第三计算模块,用于基于所述本地计算能耗和所述上传任务能耗确定最优任务卸载的比例;
第四计算模块,用于基于所述最优任务卸载的比例确定最优发射功率和最优无人机CPU功率;所述无人机根据所述最优上传任务时间、所述最优任务卸载的比例、所述最优发射功率和所述最优无人机CPU功率完成计算任务。
8.根据权利要求6所述的一种移动边缘计算网络中无人机计算卸载系统,其特征在于,所述第二计算模块,具体包括:
信道增益计算单元,用于计算第一信道增益、第二信道增益和第三信道增益;所述第一信道增益为无人机与移动边缘计算服务器的接入点之间的信道增益;所述第二信道增益为无人机与窃听者之间的信道增益;所述第三信道增益为移动边缘计算服务器的接入点与窃听者之间的信道增益;
发射功率计算单元,用于基于所述第一信道增益、所述第二信道增益和所述第三信道增益计算发射功率;
上传任务能耗计算单元,用于基于发射功率和所述最优上传任务时间计算上传任务能耗。
9.根据权利要求8所述的一种移动边缘计算网络中无人机计算卸载系统,其特征在于,所述第三计算模块,具体包括:
总能耗计算单元,用于由所述本地计算能耗和所述上传任务能耗计算完成计算任务的总能耗;
下界计算单元,用于计算任务卸载的比例的下界;
最大安全传输负载计算单元,用于基于所述第一信道增益、所述第二信道增益和所述第三信道增益计算无人机的最大安全传输负载;
上界计算单元,用于基于所述最大安全传输负载计算任务卸载的比例的上界;
最优任务卸载的比例计算单元,用于基于所述总能耗、所述任务卸载的比例的下界和所述任务卸载的比例的上界计算最优任务卸载的比例
10.根据权利要求6所述的一种移动边缘计算网络中无人机计算卸载系统,其特征在于,所述第四计算模块,具体包括:
最优发射功率计算单元,用于基于所述最优的任务卸载的比例确定最优发射功率
其中,α*表示最优任务卸载的比例,L表示计算任务的数据量大小,B表示带宽,表示最优上传任务时间,gUA表示无人机与移动边缘计算服务器的接入点之间的信道增益,gUE表示无人机与窃听者之间的信道增益,gAE表示移动边缘计算服务器的接入点与窃听者之间的信道增益,σ2表示高斯白噪声功率,pJ表示移动边缘计算服务器的接入点向窃听者发射的干扰噪声功率,ε表示无人机和窃听者之间的信道检测最大错误率,δ表示移动边缘计算服务器的接入点和窃听者之间的信道检测最大错误率;
最优无人机CPU功率计算单元,用于基于所述最优任务卸载的比例确定最优无人机CPU功率
其中,C表示计算任务的复杂度,T表示无人机计算任务的最大可容忍时延。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010835454.6A CN111984110B (zh) | 2020-08-19 | 2020-08-19 | 一种移动边缘计算网络中无人机计算卸载方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010835454.6A CN111984110B (zh) | 2020-08-19 | 2020-08-19 | 一种移动边缘计算网络中无人机计算卸载方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111984110A CN111984110A (zh) | 2020-11-24 |
CN111984110B true CN111984110B (zh) | 2021-11-26 |
Family
ID=73434152
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010835454.6A Active CN111984110B (zh) | 2020-08-19 | 2020-08-19 | 一种移动边缘计算网络中无人机计算卸载方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111984110B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112911648A (zh) * | 2021-01-20 | 2021-06-04 | 长春工程学院 | 一种空地结合的移动边缘计算卸载优化方法 |
CN116567675B (zh) * | 2023-07-10 | 2023-10-10 | 南京邮电大学 | 基于无人机协同辅助移动边缘计算的安全卸载方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108810849A (zh) * | 2018-06-19 | 2018-11-13 | 广东工业大学 | 一种无人机计算任务的迁移方法、装置及无人机 |
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 |
CN110336861A (zh) * | 2019-06-18 | 2019-10-15 | 西北工业大学 | 基于双层无人机的移动边缘计算系统的卸载任务分配方法 |
CN110868455A (zh) * | 2019-10-29 | 2020-03-06 | 北京邮电大学 | 一种基于空天地远程物联网的计算卸载方法及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017058966A1 (en) * | 2015-09-28 | 2017-04-06 | Department 13, LLC | Unmanned aerial vehicle intrusion detection and countermeasures |
US10568000B2 (en) * | 2015-12-11 | 2020-02-18 | Lg Electronics Inc. | Method and apparatus for indicating an offloading data size and time duration in a wireless communication system |
-
2020
- 2020-08-19 CN CN202010835454.6A patent/CN111984110B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108810849A (zh) * | 2018-06-19 | 2018-11-13 | 广东工业大学 | 一种无人机计算任务的迁移方法、装置及无人机 |
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 |
CN110336861A (zh) * | 2019-06-18 | 2019-10-15 | 西北工业大学 | 基于双层无人机的移动边缘计算系统的卸载任务分配方法 |
CN110868455A (zh) * | 2019-10-29 | 2020-03-06 | 北京邮电大学 | 一种基于空天地远程物联网的计算卸载方法及系统 |
Non-Patent Citations (3)
Title |
---|
Energy-optimal latency-constrained application offloading in mobile-edge computing;XIAOHUI GU;《MDPI》;20200528;第1-7页 * |
基于无人机的移动边缘计算资源分配算法研究;杜耀;《中国优秀硕士学位论文全文数据库》;20200731(第2020年07期);C031-158 * |
智能无人机轨迹与任务卸载联合优化;张梦琳;《计算机工程与应用》;20200716(第2020年21期);第38-46页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111984110A (zh) | 2020-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hu et al. | UAV-assisted relaying and edge computing: Scheduling and trajectory optimization | |
CN111132077B (zh) | 车联网环境下基于d2d的多接入边缘计算任务卸载方法 | |
Xiong et al. | Task offloading in UAV-aided edge computing: Bit allocation and trajectory optimization | |
Ti et al. | Computation offloading leveraging computing resources from edge cloud and mobile peers | |
Dai et al. | Joint offloading and resource allocation in vehicular edge computing and networks | |
Budhiraja et al. | Energy consumption minimization scheme for NOMA-based mobile edge computation networks underlaying UAV | |
CN111984110B (zh) | 一种移动边缘计算网络中无人机计算卸载方法及系统 | |
CN109688596B (zh) | 一种基于noma的移动边缘计算系统构建方法 | |
WO2019200716A1 (zh) | 面向雾计算的节点计算任务调度方法及其设备 | |
CN112104494B (zh) | 基于空地协同边缘计算网络的任务安全卸载策略确定方法 | |
CN108809695A (zh) | 一种面向移动边缘计算的分布上行链路卸载策略 | |
KR102177432B1 (ko) | 포그 컴퓨팅 기반 무선 네트워크에서 태스크 우선순위별 연산량 오프로딩 장치 및 방법 | |
CN112491957B (zh) | 一种边缘网络环境下的分布式计算卸载方法及系统 | |
CN113810908B (zh) | Mec系统安全卸载方法、设备及mec系统 | |
CN112333702A (zh) | 一种基于安全noma移动边缘计算的延迟最小化的优化方法 | |
Chen et al. | Resource allocation for energy harvesting-powered D2D communications underlaying NOMA-based networks | |
Zu et al. | Smeto: Stable matching for energy-minimized task offloading in cloud-fog networks | |
CN114070451A (zh) | 基于非正交多址接入的无人机移动边缘计算安全通信方法 | |
CN113709883A (zh) | 一种多无人机辅助工业场景下的动态资源分配方法及装置 | |
Xie et al. | Providing aerial MEC service in areas without infrastructure: A tethered-UAV-based energy-efficient task scheduling framework | |
He et al. | An MEC-enabled framework for task offloading and power allocation in NOMA enhanced ABS-assisted VANETs | |
Nguyen et al. | Joint computation offloading, SFC placement, and resource allocation for multi-site MEC systems | |
Zhang et al. | Matching-based resource allocation and distributed power control using mean field game in the NOMA-based UAV networks | |
CN110190982B (zh) | 基于公平时间的非正交多址接入边缘计算时间和能耗优化 | |
Wu et al. | Computation rate maximization in multi-user cooperation-assisted wireless-powered mobile edge computing with OFDMA |
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 |