CN112969157B - 一种无人机网络负载均衡方法 - Google Patents

Abstract

本发明请求保护一种无人机网络负载均衡方法，属于无线通信领域。本发明提出了一种多业务类型的无人机负载均衡机制；通过软件定义网络获取无人机位置、方向和速度信息；若无人机的负载情况比邻接无人机负载量都小则由该无人机进行任务计算；否则对负载占用率、传输时延和无人机电量分别建模，采用多属性决策理论构建负载均衡模型；采用基于离差最大化的方法求解负载均衡问题中的属性权重；根据负载均衡模型选择最优的无人机进行任务卸载；本发明将无人机业务类型、无人机负载占用率、任务传输时延和无人机电量进行联合优化，选择合适的无人机进行任务卸载，提高任务处理的效率，增强网络负载的平衡性，延长网络的寿命。

Description

一种无人机网络负载均衡方法

技术领域

本发明属于无线通信领域，特别涉及一种无人机网络负载均衡方法。

背景技术

随着无线通信网络的的快速发展，无线网络的接入设备呈现指数级增长，尤其是随着第五代移动网络技术(5G)的到来，海量物联和低时延通信对网络的要求越来越高。然而传统的蜂窝网络通信并不能很好的满足在偏远山区、军事区域以及抗灾任务的需要，虽然卫星通信能够起到通信中继的作用，但是由于其造价昂贵、传输时延大、建设周期长、维护成本高且存在通信盲区的问题，导致卫星通信不能得到广泛使用。然而无人机由于其体积小，成本低，灵活性高等独特的优势，被广泛应用于传感器数据收集、军事对抗、灾情控制等方面，因此，急需研究人员对无人机通信技术进行研究。

传统的自组织网络中的负载均衡技术是当发现网络呈现负载不均现象时，网络控制器主动调节基站的参数来改变用户的分布情况，解决负载不均问题。从任务卸载方式来看，分为基于无线资源管理的负载均衡和基于切换的负载均衡。基于无线资源管理的负载均衡主要是指过载小区向低负载小区借用频谱资源来达到负载均衡的效果，优化网络性能。基于切换的负载均衡是指在基站边缘通过切换技术将过载基站的用户卸载给低负载基站进行任务处理，达到负载均衡的效果。

然而，在多无人机组成的无人机通信网络中，由于无人机节点的高动态性、信道环境的恶劣等情况导致无人机间通信质量下降，而无人机自身的计算能力有限，某些无人机节点的负载量过大，而某些无人机节点却处于空闲阶段，这将导致无人机组网中负载量分配不均，降低任务处理的时效性。而在任务卸载过程中由于无人机任务处理类型的不同导致任务无法计算的情况也会降低任务处理的效率。因此，需要设计一种针对无人机任务计算类型的负载均衡方法，尽可能降低任务处理的等待时间，提高任务处理的效率。

发明内容

本发明旨在解决以上现有技术多业务类型无人机组网中，无人机负载分配不均，造成大量的能耗浪费，增大了任务的处理时延的问题。提出了一种降低了任务计算的时效性的无人机网络负载均衡方法。本发明的技术方案如下：

一种无人机网络负载均衡方法，其包括以下步骤：

S1、任务传输到当前无人机，当前无人机发送hello包进行邻居发现，获取邻居无人机集；

S2、若当前无人机自身负载量比同业务类型相邻无人机负载量小，则由当前无人机直接进行任务计算，否则执行S3；

S3、对负载占用率、传输时延和无人机电量分别建模，采用多属性决策理论构建负载均衡模型；

S4、采用基于离差最大化的方法求解负载均衡问题中的属性权重；

S5、根据负载均衡模型选择最优的无人机进行任务卸载。

进一步的，S2根据无人机与相邻无人机负载量大小决定任务是否进行卸载，具体包括：当无人机负载量大于相邻无人机负载量时，任务由无人机自身进行计算；当无人机负载量小于相邻无人机负载量时，进行任务卸载。

进一步的，所述步骤S3对负载占用率建模，具体包括：

a根据无人机当前负载量与无人机最大负载容忍量的关系构建负载占用率模型，具体表示为：

其中，

表示无人机j最大负载容忍量，Ω_j表示无人机j的负载量大小的负载量大小，Ω_j表示为：

其中，

表示任务i的数据量大小，

表示任务计算需要的CPU周期数，

表示第i个任务的业务类型；

进一步的，所述步骤S3对传输时延建模，具体包括：

b根据无人机任务卸载时延与系统要求的最大时延之间的关系构建任务传输时延模型，具体表示为：

其中，U_j(b)单位化任务传输时延，t_delay表示任务传输允许的最大传输时延，t_i(u_k,u_j)表示发送任务i的传输时延，t_i(u_k,u_j)表示为：

其中，

表示任务i的数据量大小，R(u_k,u_j)表示无人机k向无人机j发送任务的传输速率，R(u_k,u_j)表示为：

其中，P₀表示无人机间的固定传输功率，B表示任务传输的固定带宽，假设无人机间的任务传输信道为高斯信道，σ²表示高斯噪声功率，h(u_k,u_j)表示无人机k和无人机j之间的信道增益。

进一步的，所述步骤S3对无人机电量建模，具体包括：

c根据无人机当前电量与总电量之间的关系构建无人机电量模型，具体表示为：

其中，

表示无人机j能量总量，E_j表示当前无人机j的剩余能量。

进一步的，所述步骤S3采用多属性决策理论构建负载均衡模型，具体包括；采用多属性决策中的加权平均几何算子将影响无人机任务卸载的三个参数：负载占用率、传输时延、无人机电量进行信息集结，构建任务卸载模型，具体表示为：

s.t.C1:

C2:

C3:0＜U_j(a),U_j(b),U_j(c)≤1,

C4:

其中，

表示无人机是否进行任务卸载，U_j(a)，U_j(b)，U_j(c)表示在给定发送任务时，无人机j的负载占用率、任务传输时延、无人机损失电量，

分别表示对应的权重。

进一步的，采用离差最大化方法为影响无人机任务卸载的三个参数：负载占用率、传输时延、无人机电量进行权重分配，并根据卸载模型将当前无人机的任务卸载给相邻无人机。离差最大化方法具体包括：

针对本专利的多属性决策问题，用S＝{S₁,S₂,...,S_n}表示无人机k进行任务卸载时的候选方案集，用A＝{A₁,A₂,A₃}表示决策属性，分别对应U(a)，U(b)，U(c)。备选方案S_i的决策属性A_j对应的权重表示为

则满足归一化约束为

则多业务类型无人机负载决策对应的决策矩阵可以表示为：

用

表示备选方案S_i在属性A_j方面同其他备选方案之间的离差，因此可定义：

在属性A_j方面所有备选方案与其他方案的总离差可以表示为：

根据离差最大化方法，应通过将属性权重

的分配使得求得的总离差最大，因此可以通过求解离差最大化问题来解决权重分配问题。离差最大化问题对应的目标函数可以表示为：

因此离差最大化问题对应的优化模型可以表示为：

将该问题采用拉格朗日乘子法进行求解，上式对应的拉格朗日函数可以表示为：

对其偏导，并令其等于0可得：

最优解可以表示为：

由于传统的权重是满足归一化约束条件而不是单位化约束条件，因此需要在得到单位化约束条件后对

进行归一化处理，即：

因此可以求得在任务卸载给无人机j时的负载占用率、任务传输时延、无人机损失电量对应的权重

本发明的优点及有益效果如下：

本发明在充分考虑无人机负载分配不均以及无人机计算任务不同的基础上，设计一种多业务类型无人机负载均衡机制，通过软件定义网络获取无人机位置、方向和速度信息；若无人机的负载情况比邻接无人机负载量都小则由该无人机进行任务计算；否则对负载占用率、传输时延和无人机电量分别建模，采用多属性决策理论构建负载均衡模型；采用基于离差最大化的方法求解负载均衡问题中的属性权重；根据负载均衡模型选择最优的无人机进行任务卸载；本发明将无人机业务类型、无人机负载占用率、任务传输时延和无人机电量进行联合优化，选择合适的无人机进行任务卸载，提高任务处理的效率，增强网络负载的平衡性，延长网络的寿命。

附图说明

图1是本发明提供优选实施例的场景图；

图2为本发明的无人机网络负载均衡方法流程示意图。

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、详细地描述。所描述的实施例仅仅是本发明的一部分实施例。

本发明解决上述技术问题的技术方案是：

本发明提出一种无人机网络负载均衡方法，如图2，包括以下步骤：

S1、任务传输到无当前人机，当前无人机发送hello包进行邻居发现，获取邻居无人机集；

S2、若当前无人机自身负载量比同业务类型无人机负载量小，则由当前无人机直接进行任务计算，否则执行S3；

S3、对负载占用率、传输时延和无人机电量分别建模，采用多属性决策理论构建负载均衡模型；

S4、采用基于离差最大化的方法求解负载均衡问题中的属性权重；

S5、根据负载均衡模型选择最优的无人机进行任务卸载。

根据无人机与相邻无人机负载量大小决定任务是否进行卸载。具体包括：当无人机负载量大于相邻无人机负载量时，任务由无人机自身进行计算；当无人机负载量小于相邻无人机负载量时，进行任务卸载。

定义无人机负载占用率、任务传输时延和无人机电量作为影响无人机任务卸载的三个属性。其中：

a根据无人机当前负载量与无人机最大负载容忍量的关系构建负载占用率模型。具体表示为：

其中，

表示无人机j最大负载容忍量，Ω_j无人机j的负载量大小的负载量大小，Ω_j表示为：

b根据无人机任务卸载时延与系统要求的最大时延之间的关系构建任务传输时延模型。具体表示为：

其中，U_j(b)表示单位化任务传输时延，t_delay表示任务传输允许的最大传输时延，t_i(u_k,u_j)表示发送任务i的传输时延，t_i(u_k,u_j)表示为：

其中，

表示任务i的数据量大小，R(u_k,u_j)表示无人机k向无人机j发送任务的传输速率，R(u_k,u_j)表示为：

其中，P₀表示无人机间的固定传输功率，B表示任务传输的固定带宽，假设无人机间的任务传输信道为高斯信道，σ²表示高斯噪声功率，h(u_k,u_j)表示无人机k和无人机j之间的信道增益。

c根据无人机当前电量与总电量之间的关系构建无人机电量模型。具体表示为：

其中，

表示无人机j能量总量，E_j表示当前无人机j的剩余能量。

采用多属性决策中的加权平均几何算子将影响无人机任务卸载的三个参数：负载占用率、传输时延、无人机电量进行信息集结，构建任务卸载模型。具体表示为：

s.t.C1:

C2:

C3:0＜U_j(a),U_j(b),U_j(c)≤1,

C4:

其中，

表示无人机是否进行任务卸载，U_j(a)，U_j(b)，U_j(c)表示在给定发送任务时，无人机j的负载占用率、任务传输时延、无人机损失电量，

分别表示对应的权重。

采用离差最大化方法为影响无人机任务卸载的三个参数：负载占用率、传输时延、无人机电量进行权重分配，并根据卸载模型将当前无人机的任务卸载给相邻无人机。离差最大化方法具体包括：

针对本专利的多属性决策问题，用S＝{S₁,S₂,...,S_n}表示无人机k进行任务卸载时的候选方案集，用A＝{A₁,A₂,A₃}表示决策属性，分别对应U(a)，U(b)，U(c)。备选方案S_i的决策属性A_j对应的权重表示为

则满足归一化约束为

则多业务类型无人机负载决策对应的决策矩阵可以表示为：

用

表示备选方案S_i在属性A_j方面同其他备选方案之间的离差，因此可定义：

在属性A_j方面所有备选方案与其他方案的总离差可以表示为：

根据离差最大化方法，应通过将属性权重

的分配使得求得的总离差最大，因此可以通过求解离差最大化问题来解决权重分配问题。离差最大化问题对应的目标函数可以表示为：

因此离差最大化问题对应的优化模型可以表示为：

将该问题采用拉格朗日乘子法进行求解，上式对应的拉格朗日函数可以表示为：

对其偏导，并令其等于0可得：

最优解可以表示为：

由于传统的权重是满足归一化约束条件而不是单位化约束条件，因此需要在得到单位化约束条件后对

进行归一化处理，即：

因此可以求得在任务卸载给无人机j时的负载占用率、任务传输时延、无人机损失电量对应的权重

还需要说明的是，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、商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、商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、商品或者设备中还存在另外的相同要素。

以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后，技术人员可以对本发明作各种改动或修改，这些等效变化和修饰同样落入本发明权利要求所限定的范围。

Claims (4)

1.一种无人机网络负载均衡方法，其特征在于，包括以下步骤：

S1、任务传输到当前无人机，当前无人机发送hello包进行邻居发现，获取邻居无人机集；

S2、若当前无人机自身负载量比同业务类型相邻无人机负载量小，则由当前无人机直接进行任务计算，否则执行S3；

S3、对负载占用率、传输时延和无人机电量分别建模，采用多属性决策理论构建负载均衡模型；

S4、采用基于离差最大化的方法求解负载均衡问题中的属性权重；

S5、根据负载均衡模型选择最优的无人机进行任务卸载；

所述步骤S3对负载占用率建模，具体包括：

a根据无人机当前负载量与无人机最大负载容忍量的关系构建负载占用率模型，具体表示为：

其中，

表示无人机j最大负载容忍量，Ω_j表示无人机j的负载量大小，Ω_j表达式为：

其中，

表示任务i的数据量大小，

表示第i个任务的业务类型；

所述步骤S3对传输时延建模，具体包括：

b根据无人机任务卸载时延与系统要求的最大时延之间的关系构建任务传输时延模型，具体表示为：

其中，U_j(b)表示单位化任务传输时延，t_delay表示任务传输允许的最大传输时延，t_i(u_k,u_j)表示发送任务i的传输时延，t_i(u_k,u_j)表示为：

其中，

表示任务i的数据量大小，R(u_k,u_j)表示无人机k向无人机j发送任务的传输速率，R(u_k,u_j)表示为：

其中，P₀表示无人机间的固定传输功率，B表示任务传输的固定带宽，假设无人机间的任务传输信道为高斯信道，σ²表示高斯噪声功率，h(u_k,u_j)表示无人机k和无人机j之间的信道增益；

所述步骤S3对无人机电量建模，具体包括：

c根据无人机当前电量与总电量之间的关系构建无人机电量模型，具体表示为：

其中，

表示无人机j能量总量，E_j表示当前无人机j的剩余能量。

2.根据权利要求1所述的一种无人机网络负载均衡方法，其特征在于，S2根据无人机与相邻无人机负载量大小决定任务是否进行卸载，具体包括：当无人机负载量小于相邻无人机负载量时，任务由无人机自身进行计算；当无人机负载量大于相邻无人机负载量时，进行任务卸载。

3.根据权利要求1所述的一种无人机网络负载均衡方法，其特征在于，所述步骤S3采用多属性决策理论构建负载均衡模型，具体包括；

采用多属性决策中的加权平均几何算子将影响无人机任务卸载的三个参数：负载占用率、传输时延、无人机电量进行信息集结，构建任务卸载模型，具体表示为：

其中，

表示无人机是否进行任务卸载，U_j(a)，U_j(b)，U_j(c)表示在给定发送任务时，无人机j的负载占用率、任务传输时延、无人机损失电量，

分别表示对应的权重。

4.根据权利要求1所述的一种无人机网络负载均衡方法，其特征在于，采用离差最大化方法为影响无人机任务卸载的三个参数：负载占用率、传输时延、无人机电量进行权重分配，并根据卸载模型将当前无人机的任务卸载给相邻无人机；离差最大化方法具体包括：

对于多属性决策问题，用S＝{S₁,S₂,...,S_n}表示无人机k进行任务卸载时的候选方案集，用A＝{A₁,A₂,A₃}表示决策属性，分别对应U(a)，U(b)，U(c)；备选方案S_i的决策属性A_j对应的权重表示为

则满足归一化约束为

则多业务类型无人机负载决策对应的决策矩阵可以表示为：

用

表示备选方案S_i在属性A_j方面同其他备选方案之间的离差，因此可定义：

在属性A_j方面所有备选方案与其他方案的总离差可以表示为：

根据离差最大化方法，应通过将属性权重

的分配使得求得的总离差最大，因此可以通过求解离差最大化问题来解决权重分配问题；离差最大化问题对应的目标函数表示为：

因此离差最大化问题对应的优化模型可以表示为：

将该问题采用拉格朗日乘子法进行求解，上式对应的拉格朗日函数可以表示为：

对其偏导，并令其等于0可得：

最优解可以表示为：

由于传统的权重是满足归一化约束条件而不是单位化约束条件，因此需要在得到单位化约束条件后对

进行归一化处理，即：

因此可以求得在任务卸载给无人机j时的负载占用率、任务传输时延、无人机损失电量对应的权重

Images