CN113015105A - 空天地一体化网络的编码缓存内容放置与资源联合优化方法 - Google Patents
空天地一体化网络的编码缓存内容放置与资源联合优化方法 Download PDFInfo
- Publication number
- CN113015105A CN113015105A CN202110251280.3A CN202110251280A CN113015105A CN 113015105 A CN113015105 A CN 113015105A CN 202110251280 A CN202110251280 A CN 202110251280A CN 113015105 A CN113015105 A CN 113015105A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- file
- aerial vehicle
- satellite
- transmission
- 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
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/06—Selective distribution of broadcast services, e.g. multimedia broadcast multicast service [MBMS]; Services to user groups; One-way selective calling services
-
- 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
- H04B7/18506—Communications with or from aircraft, i.e. aeronautical mobile service
- H04B7/18508—Communications with or from aircraft, i.e. aeronautical mobile service with satellite system used as relay, i.e. aeronautical mobile satellite service
-
- 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
- H04W28/10—Flow control between communication endpoints
- H04W28/14—Flow control between communication endpoints using intermediate storage
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
-
- 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
- H04W72/0473—Wireless resource allocation based on the type of the allocated resource the resource being transmission power
-
- 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
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)
- Multimedia (AREA)
- Mobile Radio Communication Systems (AREA)
- Radio Relay Systems (AREA)
Abstract
本发明提供了一种空天地一体化网络的编码缓存内容放置与资源联合优化方法,在分层异构的卫星‑无人机‑车辆用户组成的网络中,设计了由内容放置与编码传输组成的编码缓存策略,然后基于该策略联合优化缓存内容放置、系统的传输功率与无人机部署,实现系统能量开销的最小化,缓解空天地一体化网络能量受限问题。本发明的有益效果是:针对分层异构空天地一体化网络,考虑卫星节点与多个无人机缓存节点之间的多播机会,使用编码缓存策略减小回程链路传输数据量,从而减小系统能量开销,考虑网络不同覆盖区域的异构性,优化了缓存内容放置,同时,联合优化了系统传输功率分配与无人机部署。
Description
技术领域
本发明涉及信息通信技术领域,尤其涉及一种空天地一体化网络的编码缓存内容放置与资源联合优化方法。
背景技术
车联网能为路面车辆用户提供信息传输服务,比如路况实时信息和用于娱乐的信息等,极大提高了用户驾驶体验。但是传统的车联网的通信基础设施一般是地面通信设施,比如基站、路边单元等。这种传统的地面通信设施具有覆盖不充分的缺点,尤其在郊区或者农村地区。由同步卫星-无人机-地面车辆组成的空天地一体化网络能解决覆盖不充分的问题。
但这样的空天地一体化网络存在能量限制的问题,尤其是无人机,它们的电池续航能量及其有限。因此,减小网络系统的能量开销具有极大意义。现有的研究一般考虑移动边缘缓存技术,让无人机具备一定的缓存能力。然后使用某种缓存策略,减小卫星数据的数据传输量,从而减少系统能量开销。
但是,目前的缓存策略大部分是非编码缓存策略,没有考虑多播机会。并且,由于空天地一体化网络的的分层异构特性,在卫星-无人机-车辆组成的空天地一体化网络中设计和实现编码缓存策略非常具有挑战性。同时,很多移动边缘缓存网络只考虑了内容放置优化,而没有结合系统资源的优化。
发明内容
本发明针对上述问题,提供了一种空天地一体化网络的编码缓存内容放置与资源联合优化方法,该方法针对由卫星-无人机-车辆用户的空天地一体化网络系统,考虑由多个无人机缓存形成的卫星与无人机之间的多播机会,设计了一种适用于该分层异构网络的的编码缓存方案,包括内容放置和编码传输两个过程,用于减小回程链路传输数据从而减小系统能量开销。特点是考虑了网络不同覆盖区域的异构性,比如不同路段的文件流行度,车辆用户速度、密度等,优化了内容放置,同时联合优化了系统传输功率分配与无人机部署。
本发明的技术方案如下:
一种空天地一体化网络的编码缓存内容放置与资源联合优化方法,该方法包括:
构建一个由同步卫星-无人机-地面车辆组成的空天地一体化网络系统模型;
针对所述系统模型设计一种编码缓存策略,所述编码缓存策略包括内容放置与编码传输两个阶段,所述内容放置阶段发生在无人机部署之前,具体是在无人机缓存中预先放置一些文件内容,所述编码传输阶段具体为:当地面车辆发出请求的文件内容没有被无人机缓存时,卫星通过编码多播传输向无人机发送所述文件内容,由无人机再转发给地面车辆;
当系统模型中只存在一个路段时,以系统的总能量消耗最小化为目标,建立优化问题P1,所述优化问题P1的约束条件包括:所述内容放置阶段无人机预先缓存的一些文件、系统功率分配限制以及无人机部署的高度和覆盖半径;
根据优化问题P1的约束条件,将所述优化问题P1分解为以优化内容放置为目标的子优化问题P1.1和以优化系统功率分配为目标的子优化问题P1.2,所述子优化问题P1.1通过文件替代贪婪算法得到最优内容放置,所述子优化问题P1.2通过求解可行域内的极点得到最佳功率分配;
根据得到的最优内容放置和最佳功率分配,遍历所有无人机部署情况,取系统总能量开销最小的作为最佳无人机部署。
进一步的,所述内容放置的具体方式包括:将每个文件Fn分割成大小为s0的文件片段,使每个文件Fn的片段数量为其中sn为文件Fn的大小,用mkn表示路段k的无人机分配给文件Fn的缓存空间,无人机从Fn的ln个文件片段中均匀随机选取mkn个进行放置,最终用一个内容放置矩阵m来表示整个网络系统中所有路段的内容放置状态:
其中,第k行表示第k个路段的内容放置。
进一步的,所述编码传输的具体方式包括:
用顶点v={ρ(v),μ(v),η(v)}表示一个无人机对卫星的文件片段请求,其中,ρ(v)表示文件片段,μ(v)表示请求文件片段ρ(v)的无人机集合,η(v)表示缓存了文件片段ρ(v)的无人机集合;
根据多播传输的两个条件:1)μ(v)∈η(v′),μ(v′)∈η(v);2)ρ(v)=ρ(v′),利用贪婪约束上色算法GCC1得到满足条件1)的独立集利用贪婪约束上色算法GCC2得到满足条件2)的独立集
选择独立集独立集中包含独立集数量更少的一个,如果独立集包含独立集数量更少,则对中每个独立集的所有片段进行按位异或编码,生成码包进行编码多播传输,如果独立集包含独立集数量更少,对独立集中每个独立集对应的文件片段生成码包,进行简单多播传输。
进一步的,当系统模型中只存在一个路段k时,以系统的总能量消耗最小化为目标建立系统总能量的优化问题P1具体为:
(C5):2Xkrk=Lk
(C6):Hmin≤Hk≤Hmax
其中,表示系统的总能量消耗,由卫星能量消耗与无人机能量消耗组成,表示无人机的能量消耗,表示卫星能量消耗,所述卫星能量消耗主要是多播能量消耗:其中RS为卫星-无人机传输速率,PS为卫星传输功率,s0为一个码包的大小,为卫星需要传输的码包数量,且其中为贪婪约束上色算法GCC1产生的码包数量,为贪婪约束上色算法GCC2产生的码包数量;Xk表示路段号为k的路段均匀布置的无人机数量,为无人机需要传输的码包数量,Rk为无人机-卫星传输速率,Pk为无人机传输功率;
(C5):2Xkrk=Lk表示路段k恰好被部署的Xk个无人机完全覆盖,其中rk表示无人机覆盖半径,Lk表示路段k的长度;
(C6):Hmin≤Hk≤Hmax表示无人机允许部署的高度的范围。
进一步的,所述子优化问题P1.1通过文件替代贪婪算法得到最优内容放置具体方法为:
第一步:选择均匀随机放置(URP)和最热门放置(MPP)两者中产生传输码包数量更少的放置方式,得到初始内容放置;
第二步:从第一个文件开始,寻找其后面的文件,如果后面文件的片段替代当前文件片段后,能最大化减少能量消耗,则进行文件片段替代,如果不能,则不用进行文件片段替代,跳至下个文件;
第三步:依次遍历文件i直至N-1,重复第二步,最终得到最优内容放置。
进一步的,当系统模型中存在多路段时,所述编码传输阶段具有异步服务与同步服务两种服务方式,所述异步服务方式具体是卫星通过逐个路段的编码传输来处理无人机的文件请求,不同路段间的服务周期是异步的;所述同步服务方式具体是卫星同时处理所有路段无人机的文件请求,所述异步服务方式下的系统总能量的优化问题P2为:
其中,Etotal表示K个单路段总能量消耗的叠加,tk表示卫星分给路段k的多播时间,对应C7表示各路段的总多播时间不能超过一个服务周期;
所述同步服务方式下的系统总能量的优化问题P3为:
其中m是内容放置矩阵,向量P={PS,P1,...,PK}是功率分配向量,X={X1,X2,...,XK}为无人机部署向量,ES为同步服务方式下卫星能量消耗,为同步服务方式下第k路段的无人机的能量消耗,γS为同步服务方式下卫星需要同时传输的码包数量,C8表示卫星传输功率PS与无人机总传输功率不能大于整个系统所允许的功率,为无人机需要传输的码包数量,C9表示一个服务周期内的卫星传输时间和无人机传输时间不能大于系统最大服务周期时间T。
进一步的,当利用所述同步服务方式对多路段系统进行编码传输时,针对整个网络系统提供了一种联合优化算法,所述联合优化算法具体包括如下:
步骤一:根据单路段场景优化方法逐个优化各个路段无人机部署数量Xk(k=1,2...,K),得到初始化无人机部署X=X0;
步骤二:对路段k=1:K,试探性的对路段k的无人机部署数量的进行增加或者减小一个,然后在更新后的无人机部署下,根据单路段场景提出的优化方法,优化内容放置以及传输功率分配,得到更新无人机部署后的系统能量开销和
步骤四,遍历所有K个路段后,得到整个网络系统的最佳无人机部署,以及得到相应的最优内容放置与最佳功率分配。
本发明提供的一种空天地一体化网络的编码缓存内容放置与资源联合优化方法,其有益效果是:
1、在分层异构的卫星-无人机-车辆用户组成的网络中,设计了由优化内容放置与编码传输组成的编码缓存策略,然后基于该策略联合优化内容放置、系统的传输功分配与无人机部署,实现系统能量开销最小化,缓解空天地一体化网络能量受限问题。
2、针对分层异构空天地一体化网络,考虑由多个无人机缓存形成的卫星与无人机之间的多播机会,使用编码缓存策略减小回程链路传输数据从而减小系统能量开销。
3、考虑了网络不同覆盖区域的异构性,优化了内容放置,同时联合优化了系统传输功率分配与无人机部署。
附图说明
图1是本发明的卫星-无人机-车辆组成的空天地一体化网络系统结构示意图;
图2是本发明实施例中异步服务方式编码传输的卫星多播时间分配示意图;
图3是本发明实施例中单路段场景不同缓存策略下系统能量开销与无人机缓存大小关系的示意图;
图4是本发明实施例中单路段场景不同缓存策略下系统能量开销与车辆用户速度大小关系的示意图;
图5是本发明实施例中单路段场景不同缓存策略下系统能量开销与Zipf参数大小关系的示意图;
图6是本发明实施例中3个路段场景不同服务方式系统能量开销与无人机缓存大小关系的示意图。
具体实施方式
为进一步对本发明的技术方案作详细说明,本实施例在以本发明技术方案为前提下进行实施,给出了详细的实施方式和具体的步骤。
如图1所示为本发明的卫星-无人机-车辆组成的空天地一体化网络系统结构示意图,卫星作为宏基站,无人机悬停路面上空作为小基站,一起为地面车辆用户提供内容传输服务。该网络覆盖的范围可以划分为K个不同的路段,路段长为Lk{k=1,2,...,K}。每个路段在车辆用户的速度、密度.以及文件偏好是异构的。在每个路段上,均匀地布置着Xk个无人机,相应的布置高度和覆盖半径为Hk和Rk,其中无人机具有缓存能力,缓存大小为M,卫星的文件库中总共有N个文件,表示为相对应的文件大小为s={s1,s2,...,sN},车辆用户会对无人机发送文件请求。在无人机部署之前会提前缓存好一些文件或文间片段,缓存好的内容如果被请求不用向卫星获取,而没缓存的文件或文件片段则需要向卫星请求获取。
文件或文件片段的流行度(被请求概率)呈Zipf分布,并且每个路段的Zip参数以及文件的流行情况不同,路段k中的车辆,请求文件Fn的概率表示如下:
其中,αk为路段k的Zipf参数,γkn为路段k文件n的流行度序号。
车辆用户每秒发出单个文件的请求概率为δ,但无人机不会立马处理其覆盖下车辆用户的单个文件请求,而是以时间T为间隔处理一次收集到的所有请求,称作一个服务周期,在一个服务周期内,无人机将会处理上一个服务周期收到得所有请求,这分为两个过程,首先是无人机向卫星请求并获取那些收集到的请求但没被缓存的文件片段,然后从卫星获得请求的内容后再将完整的文件经过广播的方式发送给请求的车辆用户。
无人机收集到的请求数也呈泊松过程分布,则可得到路段k中的一个无人机在一个服务周期内收集到j次文件Fn的请求的概率为:
本发明网络系统中,卫星到无人机的信道功率增益为:
其中,GTX,GRX为天线发送和接受增益,Frain为雨衰,λ为载波波长。
根据香农定理,卫星到无人机的传输速率为:
卫星到车辆用户的路径损耗为:
其中,pLoS为视距LoS传输发生的概率,LLoS为视距,
根据香农定理,无人机与车辆用户的传输速率为:
本发明针对所述系统模型设计一种编码缓存策略,所述编码缓存策略包括内容放置与编码传输两个阶段,所述内容放置阶段发生在无人机部署之前,具体是在无人机缓存中预先放置一些文件内容,所述编码传输阶段具体为:当地面车辆发出请求的文件内容没有被无人机缓存时,卫星通过编码多播传输向无人机发送所述文件内容,由无人机再转发给地面车辆满足用户请求。
由于文件大小是不同的,首先将每个文件Fn分割成大小为s0的文件片段,因此每个文件的片段数量为其中sn为文件Fn的大小,用mkn表示路段k的无人机分配给文件Fn的缓存空间,无人机从Fn的ln个文件片段中均匀随机选取mkn个进行放置,最终可以用一个内容放置矩阵m来表示整个网络所有路段的内容放置状态:
其中第k行表示第k个路段的内容放置。
编码传输发生在卫星向无人机传输数据时,用顶点v={ρ(v),μ(v),η(v)}表示一个无人机的文件片段请求,ρ(v)表示文件片段本身,μ(v)表示那些请求文件片段ρ(v)的无人机集合,η(v)表示那些缓存了ρ(v)的集合。根据多播传输的两个条件:1)μ(v)∈η(v′),μ(v′)∈η(v);2)ρ(v)=ρ(v′),利用贪婪约束上色算法GCC1(Greedy Constraint Coloring,GCC)得到满足条件1)的独立集利用贪婪约束上色算法GCC2得到满足条件2)的独立集选择独立集独立集中包含独立集数量更少的一个,如果独立集包含独立集数量更少,则对中每个独立集的所有片段进行按位异或编码,生成码包进行编码多播传输,如果独立集包含独立集数量更少,对独立集中每个独立集对应的文件片段生成码包,进行简单多播传输,本发明的一个实施例中,具体的基于GCC的编码传输算法,算法中第2部分为GCC1,第3部分为GCC2,其实现如下:
当网络中只存在一个路段k时,对其能量进行分析以及建立出系统总能量的优化问题P1如下:
(C5):2Xkrk=Lk
(C6):Hmin≤Hk≤Hmax
(C5):2Xkrk=Lk表示路段k恰好被部署的Xk个无人机完全覆盖,其中rk表示无人机覆盖半径,Lk表示路段k的长度;
(C6):Hmin≤Hk≤Hmax表示无人机允许部署的高度的范围。
其中,表示系统的总能量消耗,由卫星能量消耗与无人机能量消耗组成,表示无人机的能量消耗,表示卫星能量消耗,所述卫星能量消耗主要是多播能量消耗:其中RS为卫星-无人机传输速率,PS为卫星传输功率,Xk表示路段号为k的路段均匀布置的无人机数量,为无人机需要传输的码包数量,Rk为无人机-卫星传输速率,Pk为无人机传输功率,s0为一个码包的大小,为卫星需要传输的码包数量,它与卫星传输能量消耗呈正比,且其中为贪婪约束上色算法GCC1产生的码包数量,为贪婪约束上色算法GCC2产生的码包数量,根据GCC算法,推导得:
Ph(Hk)表示无人机悬停功率,表达式为:
其中,Hk表示无人机布置的高度,ξ(·)表示空气密度函数,rd为旋翼转子半径,W为无人机的重量,c1和c2为常数。
单路段场景下的最优内容放置、功率分配以及无人机部署,均可以通过解以上优化问题P1得到。在固定住无人机部署Xk的情况下,根据优化问题P1的约束条件将所述优化问题P1分解为子优化问题P1.1和子优化问题P1.2,所述子优化问题P1.1通过文件替代贪婪算法得到最优内容放置,所述子优化问题P1.2通过求可行域内的极点得到最佳功率分配。最后再遍历无人机的可允许部署数量,求得最佳部署。
子优化问题P1.1:
s.t.(C1),(C2)
子优化问题P1.1是一个多背包选择问题,是NP-Hard的,可通过文件替代贪婪算法得到最优内容放置,本发明的一个实施例中,文件替代贪婪算法实现的具体步骤如下:
子优化问题P1.2经过转化成一个卫星到无人机和无人机到车辆用户的传输时间分配问题,是一个一维问题,通过求可行域内的极点便可求得。
根据无人机允许的部署高度,求得无人机允许部署的数量范围,然后遍历每种无人机部署情况,根据以上得到最优内容放置和功率分配下的系统能量消耗,取能量消耗最小的便是最佳无人机部署数量。
多路段场景相对单路段场景复杂,每个路段的车辆用户速度、密度以及文件偏好都是异构的,这时卫星需要处理多个路段无人机的文件片段请求,本发明提出了两种编码传输的服务方式,一种是异步服务方式,一种是同步服务方式。
所述异步服务方式,即卫星逐个路段地编码传输来来处理无人机请求,不同路段间的服务周期是异步的,卫星会给每个路段分配一定的传输时间,每个路段不必等待卫星处理其它路段无人机的请求。
所述异步服务方式的系统能量优化问题P2:
其中,Etotal表示K个单路段总能量消耗的叠加,tk表示卫星分给路段k的多播时间,对应C7表示各路段的总多播时间不能超过一个服务周期,系统能量优化问题P2实际就是K个单路段场景的叠加,通过逐个优化单路段问题来得到最终整个系统的最佳内容放置,功率分配以及无人机部署。
所述同步服务方式,即卫星同时处理所有路段无人机的文件片段请求,相对于异步服务方式,同步服务方式能在处理请求过程中将所有无人机涵盖进来,能使不同路段之间的无人机也产生编码多播机会。但它会导致卫星到无人机传输时间t相对更长,从而无人机到车辆用户的所允许传输时间更短。
多路段情况下,无人机的能量消耗仍然使用单路段情境下的表达式Ek{k=1,2,...,K},所述同步服务方式下的系统总能量的优化问题P3为:
其中m是内容放置矩阵,向量P={PS,P1,...,PK}是功率分配向量,X={X1,X2,...,XK}为无人机部署向量,ES为同步服务方式下卫星能量消耗,为同步服务方式下第k路段的无人机的能量消耗,γS为同步服务方式下卫星需要同时传输的码包数量,C8表示卫星传输功率PS与无人机总传输功率不能大于整个系统所允许的功率,为无人机需要传输的码包数量,C9表示一个服务周期内的卫星传输时间和无人机传输时间不能大于系统最大服务周期时间T。
卫星的码包传输数量γS=min{γS1,γS2},其中
以上,表示多播组,j代表多播组的大小。dx指多播组中无人机x的文件片段请求,表示顶点v所代表的文件片段已经被该多播组Xj中除了无人机x外所以的无人机所缓存。函数k(x)表示无人机x所属的路段编号。是一个指示函数,如果无人机x是多播组中Xj中拥有最多编码多播文件片段,则等于1,否则等于表示无人机x至少收到一个来自用户请求文件n的概率,
卫星的传输能耗为
当利用所述同步服务方式对多路段系统进行编码传输时,针对整个网络系统提供了一种联合优化算法,所述联合优化算法具体包括如下:
步骤一:根据单路段场景优化方法逐个优化各个路段无人机部署数量Xk(k=1,2...,K),得到初始化无人机部署X=X0;
步骤二:对路段k=1:K,试探性的对路段k的无人机部署数量的进行增加或者减小一个,然后在更新后的无人机部署下,根据单路段场景提出的优化方法,优化内容放置以及传输功率分配,得到更新无人机部署后的系统能量开销和
步骤四,遍历所有K个路段后,得到整个网络系统的最佳无人机部署,以及得到相应的最优内容放置与最佳功率分配。
本发明的一个实施例中,所述联合优化算法实现的具体步骤如下:
得到最优内容放置矩阵m*和卫星最小传输码包数量γS*;
根据单路段场景同样的方式优化优化功率分配,得到P*以及最小系统能量开销Etotal
return:Etotal
end Function
本发明针对卫星-无人机-车辆用户组成的空天地一体化网络中编码缓存内容放置与资源联合优化方法,实现系统能量开销最小化。不同于以往其它非编码缓存策略,本发明设计了适用于实际空天地一体化网络的编码缓存策略,优化了内容放置,同时联合优化了系统传输功率分配以及无人机的部署。
本发明分析了多路段与单路段场景,而且多路段场景下,给出了异步和同步两种服务方式。分别推导出其系统能耗公式,并建立系统总能耗的优化问题。提出了一些算法来解优化问题,来得到最优内容放置,功率分配以及无人机部署。仿真结果表明,我们提出的由优化内容放置和编码传输组成的编码缓存策略,同时联合系统功率分配及无人机部署的优化,在无人机缓存能力有限的情况下,能实现系统能量开销最小。另外,同步服务方式和异步服务方式在参数不同时,优劣不尽相同。
仿真中首先对单路段场景下缓存大小,车辆速度,Zipf参数的影响进行仿真,比较了提出3种编码缓存策略和2种非编码缓存策略。其中,编码缓存与非编码缓存策略主要区别是编码缓存使用的是编码传输(CT),而非编码缓存策略为单播传输(UT)。三种编码缓存分别为均匀随机放置与编码传输(URP-CT),最热门内容放置与编码传输(MPP-CT)以及提出的优化内容放置与编码传输(OPP-CT)。非编码缓存方案为均匀随机放置与单播传输(URP-UT)与最热门内容放置与编码传输(MPP-UT)。
随后,对异步(ASY)和同步(SYN)两种服务方式下三种编码缓存策略进行了仿真对比,分别表示为ASY-URP-CT,ASY-MPP-CT,ASY-OPP-CT,SYN-URP-CT,SYN-MPP-CT和SYN-OPP-CT。
图3展示了单路段场景下无人机缓存大小M对系统能量开销的影响,可以看到,编码缓存策略明显优于非编码缓存策略。而且,本发明提出的OPP-CT编码缓存策略是最优的,在M大小适中时增益更加明显,同样可以看到,在M较小时,MPP-CT优于URP-CT,但M较大时则是URP-CT更优。
图4展示了单路段场景下车辆速度对系统能量开销的影响。随着的增大,系统总能量开销呈下降趋势。因为速度越大,车辆用户密度越小,一个周期内收到的请求数会更少,所以系统1总开销更小。同样,本发明提出的OPP-CT编码缓存策略是最优的。
图5展示了Zipf参数α对系统能量开销的影响,随着α增大,系统能量开销开销减小。因为α越大说明文件度分布约集中。α对OPP-CT影响是最大的,在α足够大时,最热门内容放置是优于均匀随机放置的。
图6展示了多路段场景(3个路段)下同步和异步两种服务方式3种编码缓存策略的系统能量开销对比。可以看到在无人机缓存大小M比较小的时候,异步服务方式是优于同步服务方式的。但随着M增大,同步服务方式下的的SYN-URP-CT和SYN-OPP-CT分别优于异步服务方式下的ASY-URP-CT和ASY-OPP-CT。另外,还发现,不管是同步还是异步服务方式下,在M比较大时,性能都是最差的。而本发明提出的OPP-CT不管在同步服务方式还是在异步服务方式下都是最优的。
在本文中,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步骤、方法不仅包括那些要素,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步骤、方法所固有的要素。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (7)
1.一种空天地一体化网络的编码缓存内容放置与资源联合优化方法,其特征在于,包括:
构建一个由同步卫星-无人机-地面车辆组成的空天地一体化网络系统模型;
针对所述系统模型设计一种编码缓存策略,所述编码缓存策略包括内容放置与编码传输两个阶段,所述内容放置阶段发生在无人机部署之前,具体是在无人机缓存中预先放置一些文件内容,所述编码传输阶段具体为:当地面车辆发出请求的文件内容没有被无人机缓存时,卫星通过编码多播传输向无人机发送所述文件内容,由无人机再转发给地面车辆;
当系统模型中只存在一个路段时,以系统的总能量消耗最小化为目标,建立优化问题P1,所述优化问题P1的约束条件包括:所述内容放置阶段无人机预先缓存的一些文件、系统功率分配限制以及无人机部署的高度和覆盖半径;
根据优化问题P1的约束条件,将所述优化问题P1分解为以优化内容放置为目标的子优化问题P1.1和以优化系统功率分配为目标的子优化问题P1.2,所述子优化问题P1.1通过文件替代贪婪算法得到最优内容放置,所述子优化问题P1.2通过求解可行域内的极点得到最佳功率分配;
根据得到的最优内容放置和最佳功率分配,遍历所有无人机部署情况,取系统总能量开销最小的作为最佳无人机部署。
3.根据权利要求1所述的方法,其特征在于,所述编码传输的具体方式包括:
用顶点v={ρ(v),μ(v),η(v)}表示一个无人机对卫星的文件片段请求,其中,ρ(v)表示文件片段,μ(v)表示请求文件片段ρ(v)的无人机集合,η(v)表示缓存了文件片段ρ(v)的无人机集合;
根据多播传输的两个条件:1)μ(v)∈η(v′),μ(v′)∈η(v);2)ρ(v)=ρ(v′),利用贪婪约束上色算法GCC1得到满足条件1)的独立集利用贪婪约束上色算法GCC2得到满足条件2)的独立集
4.根据权利要求3所述的方法,其特征在于,当系统模型中只存在一个路段k时,以系统的总能量消耗最小化为目标建立系统总能量的优化问题P1具体为:
(C5):2Xkrk=Lk
(C6):Hmin≤Hk≤Hmax
其中,表示系统的总能量消耗,由卫星能量消耗与无人机能量消耗组成,表示无人机的能量消耗,表示卫星能量消耗,所述卫星能量消耗主要是多播能量消耗:其中RS为卫星-无人机传输速率,PS为卫星传输功率,s0为一个码包的大小,为卫星需要传输的码包数量,且其中为贪婪约束上色算法GCC1产生的码包数量,为贪婪约束上色算法GCC2产生的码包数量;Xk表示路段号为k的路段均匀布置的无人机数量,为无人机需要传输的码包数量,Rk为无人机-卫星传输速率,Pk为无人机传输功率;
(C5):2Xkrk=Lk表示路段k恰好被部署的Xk个无人机完全覆盖,其中rk表示无人机覆盖半径,Lk表示路段k的长度;
(C6):Hmin≤Hk≤Hmax表示无人机允许部署的高度的范围。
5.根据权利要求1所述的方法,其特征在于,所述子优化问题P1.1通过文件替代贪婪算法得到最优内容放置具体方法为:
第一步:选择均匀随机放置(URP)和最热门放置(MPP)两者中产生传输码包数量更少的放置方式,得到初始内容放置;
第二步:从第一个文件开始,寻找其后面的文件,如果后面文件的片段替代当前文件片段后,能最大化减少能量消耗,则进行文件片段替代,如果不能,则不用进行文件片段替代,跳至下个文件;
第三步:依次遍历文件i直至N-1,重复第二步,最终得到最优内容放置。
6.根据权利要求4所述的方法,其特征在于,当系统模型中存在多路段时,所述编码传输阶段具有异步服务与同步服务两种服务方式,所述异步服务方式具体是卫星通过逐个路段的编码传输来处理无人机的文件请求,不同路段间的服务周期是异步的;所述同步服务方式具体是卫星同时处理所有路段无人机的文件请求,所述异步服务方式下的系统总能量的优化问题P2为:
其中,Etotal表示K个单路段总能量消耗的叠加,tk表示卫星分给路段k的多播时间,对应C7表示各路段的总多播时间不能超过一个服务周期;
所述同步服务方式下的系统总能量的优化问题P3为:
7.根据权利要求6所述的方法,其特征在于,当利用所述同步服务方式对多路段系统进行编码传输时,针对整个网络系统提供了一种联合优化算法,所述联合优化算法具体包括如下:
步骤一:根据单路段场景优化方法逐个优化各个路段无人机部署数量Xk(k=1,2...,K),得到初始化无人机部署X=X0;
步骤二:对路段k=1:K,试探性的对路段k的无人机部署数量的进行增加或者减小一个,然后在更新后的无人机部署下,根据单路段场景提出的优化方法,优化内容放置以及传输功率分配,得到更新无人机部署后的系统能量开销和
步骤四,遍历所有K个路段后,得到整个网络系统的最佳无人机部署,以及得到相应的最优内容放置与最佳功率分配。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110251280.3A CN113015105B (zh) | 2021-03-08 | 2021-03-08 | 空天地一体化网络的编码缓存内容放置与资源联合优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110251280.3A CN113015105B (zh) | 2021-03-08 | 2021-03-08 | 空天地一体化网络的编码缓存内容放置与资源联合优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113015105A true CN113015105A (zh) | 2021-06-22 |
CN113015105B CN113015105B (zh) | 2022-06-03 |
Family
ID=76408464
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110251280.3A Active CN113015105B (zh) | 2021-03-08 | 2021-03-08 | 空天地一体化网络的编码缓存内容放置与资源联合优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113015105B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113922865A (zh) * | 2021-10-12 | 2022-01-11 | 重庆邮电大学 | 一种多波束低轨卫星在高纬度场景下的能量优化方法 |
CN114615730A (zh) * | 2022-03-22 | 2022-06-10 | 西安电子科技大学 | 回程受限密集无线网络面向内容覆盖的功率分配方法 |
CN115665804A (zh) * | 2022-11-21 | 2023-01-31 | 昆明理工大学 | 一种协同无人机-智能车群的缓存优化方法 |
CN116261211A (zh) * | 2023-02-02 | 2023-06-13 | 北方工业大学 | 一种无人机辅助数据传输的低能耗动态缓存方法 |
US11985186B1 (en) | 2023-02-10 | 2024-05-14 | Nanjing University Of Posts And Telecommunications | Method of drone-assisted caching in in-vehicle network based on geographic location |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106793116A (zh) * | 2016-12-20 | 2017-05-31 | 南京邮电大学 | 基于物理层网络编码的自回程异构蜂窝虚拟资源优化方法 |
CN107360093A (zh) * | 2017-07-19 | 2017-11-17 | 哈尔滨工业大学深圳研究生院 | 无人机与卫星混合网络通信路由方法及系统 |
CN107968835A (zh) * | 2017-12-05 | 2018-04-27 | 南京大学 | 一种基于编码的无线异构网络视频缓存设施部署方法 |
CN108885271A (zh) * | 2017-06-30 | 2018-11-23 | 深圳市大疆创新科技有限公司 | 卫星信号处理设备和无人机 |
CN111641450A (zh) * | 2020-06-02 | 2020-09-08 | 西安电子科技大学 | 星地一体化网络通信与缓存资源联合调度方法 |
CN111682895A (zh) * | 2020-06-23 | 2020-09-18 | 南京邮电大学 | 一种基于缓存的无人机中继辅助车联网传输优化方法 |
CN111741495A (zh) * | 2020-06-22 | 2020-10-02 | 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) | 异构网络中高能效编码缓存内容放置方案设计方法 |
-
2021
- 2021-03-08 CN CN202110251280.3A patent/CN113015105B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106793116A (zh) * | 2016-12-20 | 2017-05-31 | 南京邮电大学 | 基于物理层网络编码的自回程异构蜂窝虚拟资源优化方法 |
CN108885271A (zh) * | 2017-06-30 | 2018-11-23 | 深圳市大疆创新科技有限公司 | 卫星信号处理设备和无人机 |
US20200116868A1 (en) * | 2017-06-30 | 2020-04-16 | SZ DJI Technology Co., Ltd. | Satellite signal processing apparatus and unmanned aerial vehicle |
CN107360093A (zh) * | 2017-07-19 | 2017-11-17 | 哈尔滨工业大学深圳研究生院 | 无人机与卫星混合网络通信路由方法及系统 |
CN107968835A (zh) * | 2017-12-05 | 2018-04-27 | 南京大学 | 一种基于编码的无线异构网络视频缓存设施部署方法 |
CN111641450A (zh) * | 2020-06-02 | 2020-09-08 | 西安电子科技大学 | 星地一体化网络通信与缓存资源联合调度方法 |
CN111741495A (zh) * | 2020-06-22 | 2020-10-02 | 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) | 异构网络中高能效编码缓存内容放置方案设计方法 |
CN111682895A (zh) * | 2020-06-23 | 2020-09-18 | 南京邮电大学 | 一种基于缓存的无人机中继辅助车联网传输优化方法 |
Non-Patent Citations (2)
Title |
---|
SHUSHI GU: "Energy-Efficient Content Placement With Coded Transmission in Cache-Enabled Hierarchical Industrial Internet of Things Networks", 《IEEE TRANSACTIONS ON INDUSTRIAL INFORMATICS》 * |
张钦宇: "空间物联网的分布式数据存储与传输技术", 《物联网学报》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113922865A (zh) * | 2021-10-12 | 2022-01-11 | 重庆邮电大学 | 一种多波束低轨卫星在高纬度场景下的能量优化方法 |
CN113922865B (zh) * | 2021-10-12 | 2023-07-25 | 重庆邮电大学 | 一种多波束低轨卫星在高纬度场景下的能量优化方法 |
CN114615730A (zh) * | 2022-03-22 | 2022-06-10 | 西安电子科技大学 | 回程受限密集无线网络面向内容覆盖的功率分配方法 |
CN114615730B (zh) * | 2022-03-22 | 2023-06-30 | 西安电子科技大学 | 回程受限密集无线网络面向内容覆盖的功率分配方法 |
CN115665804A (zh) * | 2022-11-21 | 2023-01-31 | 昆明理工大学 | 一种协同无人机-智能车群的缓存优化方法 |
CN116261211A (zh) * | 2023-02-02 | 2023-06-13 | 北方工业大学 | 一种无人机辅助数据传输的低能耗动态缓存方法 |
CN116261211B (zh) * | 2023-02-02 | 2024-02-09 | 北方工业大学 | 一种无人机辅助数据传输的低能耗动态缓存方法 |
US11985186B1 (en) | 2023-02-10 | 2024-05-14 | Nanjing University Of Posts And Telecommunications | Method of drone-assisted caching in in-vehicle network based on geographic location |
Also Published As
Publication number | Publication date |
---|---|
CN113015105B (zh) | 2022-06-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113015105B (zh) | 空天地一体化网络的编码缓存内容放置与资源联合优化方法 | |
CN112616189B (zh) | 一种静态和动态相结合的毫米波波束资源分配与优化方法 | |
CN111615200B (zh) | 混合Hybrid NOMA网络的无人机辅助通信资源分配方法 | |
Zhan et al. | Energy efficient adaptive video streaming with rotary-wing UAV | |
CN110730494B (zh) | 最大化无人机下行非正交多址noma移动用户最小安全速率的功率优化方法 | |
Duong et al. | UAV caching in 6G networks: A Survey on models, techniques, and applications | |
CN109121097A (zh) | 一种基于异构车联网分簇的簇头选择方法 | |
CN111954281A (zh) | 一种基于无线紫外光通信的蜂群无人机编队分簇路由方法 | |
Omran et al. | 3D deployment of multiple UAVs for emergent on-demand offloading | |
CN115173922A (zh) | 基于cmaddqn网络的多波束卫星通信系统资源分配方法 | |
Wang et al. | Intelligent resource allocation in UAV-enabled mobile edge computing networks | |
CN112788726B (zh) | 一种无人机辅助基站通信的网络场景模型下的功率控制方法 | |
CN110418143A (zh) | 一种车联网中svc视频的传输方法 | |
Rajendra et al. | Optimal rate and distance based bandwidth slicing in uav assisted 5g networks | |
Zeng et al. | Access delay minimization for scalable videos in cache-enabled multi-UAV networks | |
CN114793126B (zh) | 一种多波束低轨卫星用户分组与资源分配方法 | |
CN113891442A (zh) | 基于d2d通信的无人机中继传输能效优化方法 | |
CN115103377B (zh) | 无人机辅助无线接入网中noma增强的svc视频多播机制 | |
Al-Abiad et al. | Cloud offloading with QoS provisioning using cross-layer network coding | |
CN115314099B (zh) | 无人机基站通信覆盖网络增强方法及系统 | |
Zhan et al. | QoE Maximization for Aerial Video Streaming with Multiple Cellular Connected UAVs | |
CN117222015A (zh) | Noma网络中基于无人机中继的在线svc多播方法 | |
Hussien et al. | A novel resource allocation for HAP wireless networks exploiting TVWS spectrum | |
CN117014060A (zh) | 一种面向内容分发的uav多层网络协同缓存与部署优化方法 | |
CN115278722A (zh) | 一种非正交多址网络中无人机调度与轨迹规划联合优化方法 |
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 |