CN113194444A - 一种通信计算资源优化方法、装置、系统及存储介质 - Google Patents

一种通信计算资源优化方法、装置、系统及存储介质 Download PDF

Info

Publication number
CN113194444A
CN113194444A CN202110432714.XA CN202110432714A CN113194444A CN 113194444 A CN113194444 A CN 113194444A CN 202110432714 A CN202110432714 A CN 202110432714A CN 113194444 A CN113194444 A CN 113194444A
Authority
CN
China
Prior art keywords
vehicle
unmanned aerial
aerial vehicle
state information
time
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
Application number
CN202110432714.XA
Other languages
English (en)
Other versions
CN113194444B (zh
Inventor
周建山
郝威
龙科军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beihang University
Original Assignee
Beihang University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beihang University filed Critical Beihang University
Priority to CN202110432714.XA priority Critical patent/CN113194444B/zh
Publication of CN113194444A publication Critical patent/CN113194444A/zh
Application granted granted Critical
Publication of CN113194444B publication Critical patent/CN113194444B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W4/00Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30Services specially adapted for particular environments, situations or purposes
    • H04W4/40Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H04W4/44Services 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]
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B64AIRCRAFT; AVIATION; COSMONAUTICS
    • B64CAEROPLANES; HELICOPTERS
    • B64C27/00Rotorcraft; Rotors peculiar thereto
    • B64C27/04Helicopters
    • B64C27/08Helicopters with two or more rotors
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02Control of position or course in two dimensions
    • G05D1/021Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0223Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02Control of position or course in two dimensions
    • G05D1/021Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02Control of position or course in two dimensions
    • G05D1/021Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • G05D1/028Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using a RF signal
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02Control of position or course in two dimensions
    • G05D1/021Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0287Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
    • G05D1/0291Fleet control
    • G05D1/0293Convoy travelling
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02Control of position or course in two dimensions
    • G05D1/021Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0287Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
    • G05D1/0291Fleet control
    • G05D1/0295Fleet control by at least one leading vehicle of the fleet
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J50/00Circuit arrangements or systems for wireless supply or distribution of electric power
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J50/00Circuit arrangements or systems for wireless supply or distribution of electric power
    • H02J50/80Circuit arrangements or systems for wireless supply or distribution of electric power involving the exchange of data, concerning supply or distribution of electric power, between transmitting devices and receiving devices
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04BTRANSMISSION
    • H04B7/00Radio transmission systems, i.e. using radiation field
    • H04B7/14Relay systems
    • H04B7/15Active relay systems
    • H04B7/185Space-based or airborne stations; Stations for satellite systems
    • H04B7/18502Airborne stations
    • H04B7/18506Communications with or from aircraft, i.e. aeronautical mobile service
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W72/00Local resource management
    • H04W72/04Wireless resource allocation
    • H04W72/044Wireless resource allocation based on the type of the allocated resource
    • H04W72/0446Resources in time domain, e.g. slots or frames
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W72/00Local resource management
    • H04W72/04Wireless resource allocation
    • H04W72/044Wireless resource allocation based on the type of the allocated resource
    • H04W72/0473Wireless resource allocation based on the type of the allocated resource the resource being transmission power
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W72/00Local resource management
    • H04W72/50Allocation or scheduling criteria for wireless resources
    • H04W72/51Allocation or scheduling criteria for wireless resources based on terminal or device properties
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02TCLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00Road transport of goods or passengers
    • Y02T10/10Internal combustion engine [ICE] based vehicles
    • Y02T10/40Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Signal Processing (AREA)
  • Automation & Control Theory (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Power Engineering (AREA)
  • Mechanical Engineering (AREA)
  • Astronomy & Astrophysics (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请公开了一种通信计算资源优化方法、装置、系统及存储介质,用于提高无人机与地面编队车辆协同组网系统通信资源和计算资源的利用效率。本申请公开的通信计算资源优化方法包括:将执行任务的整个时长均匀划分为N个时隙;采集自身第一运动状态信息和第一信道状态信息;接收车辆发送的第二运动状态信息和第二信道状态信息;对所述N个时隙中的每一个时隙n,对所述无人机和所述车辆之间的传输功率和传输时间建立联合优化模型;对所述联合优化模型进行求解,得到求解结果;将所述求解结果发送给车辆,以使所述车辆根据所述求解结果调整自身的运动状态;其中,N是大于1的正整数,n是大于等于1小于等于N的整数。本申请还提供了一种通信计算资源优化装置、系统及存储介质。

Description

一种通信计算资源优化方法、装置、系统及存储介质
技术领域
本申请涉及通信技术领域,尤其涉及一种通信计算资源优化方法、装置、系统和存储介质。
背景技术
目前,无人机在诸多领域得到了广泛应用。另外,随着移动通信技术的发展,移动计算发生了范式转变。集中式云计算已经无法满足一些特定场景的要求,而移动边缘计算作为一种分散式运算架构,可以很好地满足无人驾驶等高负载场景对低延迟和高通量的要求。然而,当边缘节点在缺乏通信设施的区域执行任务时,无法获得稳定可靠的通信链路,此时,部署有计算和通信功能的无人机可以作为补充资源,提供有力支持。基于射频信号的能量收割技术可实现无线信息和能量的同传,从而用户可以收割通信环境中的射频信号实现连续供能,不受其他环境因素的制约。
但是现有技术中,用户设备的位置固定,与车辆的高速移动性不相符;用户节点单一,与实际交通的多车情况不相符;无人机电源容量是有限的,为用户设备供电不合理。现有技术存在以下问题:忽略了数据计算及结果返还的过程,无人机与地面编队车辆协同组网系统通信资源和计算资源的利用效率较低。
发明内容
针对上述技术问题,本申请实施例提供了一种通信计算资源优化方法、装置、系统及存储介质,用以提高无人机与地面编队车辆协同组网系统通信资源和计算资源的利用效率。
第一方面,本申请实施例提供的一种通信计算资源优化方法,应用于无人机,包括:
将执行任务的整个时长均匀划分为N个时隙;
采集自身第一运动状态信息和第一信道状态信息;
接收车辆发送的第二运动状态信息和第二信道状态信息;
对所述N个时隙中的每一个时隙n,对所述无人机和所述车辆之间的传输功率和传输时间建立联合优化模型;
对所述联合优化模型进行求解,得到求解结果;
将所述求解结果发送给车辆,以使所述车辆根据所述求解结果调整自身的运动状态;
其中,N是大于1的正整数,n是大于等于1小于等于N的整数。
优选的,所述将执行任务的整个时长均匀划分为N个时隙包括:
将所述N个时隙中的每一个时隙n,均匀划分为M个子时隙;
将所述M个子时隙中的每个子时隙,划分为数据上传时间,本地计算时间和数据下载时间;
每个时隙的长度为τ,M是车队中车辆的数量。
所述车队中的M辆车在地面道路上编队行驶,车辆的编号从前往后编号依次为m=1,2,...,M-1,M。
优选的,所述第一运动状态信息或者第二运动状态信息包括:
位置、速度和加速度。
优选的,所述采集自身第一运动状态信息包括:
根据机载传感器获得在第n时隙末的速度vUAV和位置坐标 qUAV=[xUAV[n],H];
其中H是所述无人机的飞行高度,xUAV[n]是无人机的水平位移。
优选的,所述第一信道状态信息或者第二信道状态信息包括:
信道带宽、噪声和车辆供电功率。
优选的,采集第一信道状态信息包括:
所述无人机向车辆发送信号,所述车辆接收到信号后,计算带宽B和噪声 N0,并发送给所述无人机;
根据无线供能距离和所述车辆的射频能量,确定无线供能发射功率Pm,p
其中,m是车辆的编号,下标p表示供能过程。
进一步的,所述联合优化模型包括:
目标函数和约束条件;
所述约束条件包括:
能量约束、时间约束、数据量守恒、数据上传功率不小于数据下载功率、数据上传链路中车辆的能耗不低于数据下载链路中无人机的能耗、能耗均大于零、决策变量的边界约束。
所述目标函数为:
Figure RE-RE-GDA0003118856020000031
其中,N为时隙数量,M为车辆数量;
i等于o或者d,o表示车辆向无人机发送,d表示无人机向车辆发送;
n=1,2,...,N-1,N,m=1,2,...,M-1,M;
pm,i[n]为在第n时隙上的i方向的发射功率;
tm,i[n]为在n时隙上的i方向的传输时间;
gm[n]为第m辆车在n时刻的信道功率增益。
B为带宽,N0为噪声。
所述能量约束为:
Figure RE-RE-GDA0003118856020000032
其中,tm,c[n]是无人机在时隙n中计算车辆m传来的任务的时长;
λc是有效电容系数;
η0是节能效率,0<η0<1;
τ是时隙的长度;
ε是为其他耗能操作提供的额外能量。
所述时间约束为:
Figure RE-RE-GDA0003118856020000041
所述数据量守恒包括:
Figure RE-RE-GDA0003118856020000042
其中,f是无人机处理的频率,C是无人机处理器处理每比特原始数据需要的周期数。
所述数据上传功率不小于数据下载功率为下列公式:
pm,d[n]≤pm,o[n]。
所述数据上传链路中车辆的能耗不低于数据下载链路中无人机的能耗为下列公式:
0≤pm,o[n]tm,o[n]-pm,d[n]tm,d[n]。
所述能耗均大于零为下列公式:
0≤pm,i[n]tm,i[n]。
所述决策变量的边界约束包括下列公式:
0≤tm,i[n]≤τ
0≤pm,i[n]≤pmax
其中,pmax是无人机与车辆m的最大传输功率。
优选的,所述对所述联合优化模型进行求解,得到求解结果包括:
求解所述目标函数f(x)的最大值;
求解结果包括:
时隙n下车辆m与无人机的上行传输功率pm,o[n];
时隙n下车辆m与无人机的下行传输功率pm,d[n];
时隙n下车辆m与无人机的上行传输时间tm,o[n];
时隙n下车辆m与无人机的下行传输时间tm,d[n]。
所述将所述求解结果发送给车辆,以使所述车辆根据所述求解结果调整自身的运动状态包括:
所述无人机将所述求解结果以功率pm,d[n]发送给对应的车辆。
使用本发明提供的方法,地面车辆编队行驶,无人机作为边缘节点计算车辆传输的数据,同时车辆为无人机无线供能,建立联合优化模型,无人机处理器求解无人机和车辆的最优传输功率和最优传输时间,再将结果数据返还给车辆,车辆做出调整,再被无人机采集运动信息,重复直至完成整个过程,实现系统的通信资源和计算资源分配最优。
第二方面,本申请实施例提供的一种通信计算资源优化方法,应用于车辆,包括:
所述车辆接收所述无人机发送的信号,计算带宽B和噪声N0,并将所述带宽B和噪声N0发送给所述无人机;
所述车辆接收所述无人机发送的联合优化模型求解结果,根据所述求解结果控制器调整自身运动状态;
其中,所述求解结果包括:
时隙n下车辆m与无人机的上行传输功率pm,o[n];
时隙n下车辆m与无人机的下行传输功率pm,d[n];
时隙n下车辆m与无人机的上行传输时间tm,o[n];
时隙n下车辆m与无人机的下行传输时间tm,d[n];
n是时隙编号,m是车辆编号。
第三方面,本申请实施例还提供一种通信计算资源优化装置,应用于无人机,包括:
时隙规划模块,被配置用于将执行任务的整个时长均匀划分为N个时隙;
信息采集模块,被配置用于采集自身第一运动状态信息和第一信道状态信息;
联合优化模块,被配置用于对所述N个时隙中的每一个时隙n,对所述无人机和所述车辆之间的传输功率和传输时间建立联合优化模型,对所述联合优化模型进行求解,得到求解结果。
数据收发模块,被配置用于接收车辆发送的第二运动状态信息和第二信道状态信息,将所述求解结果发送给车辆,以使所述车辆根据所述求解结果调整自身的运动状态;
其中,N是大于1的正整数,n是大于等于1小于等于N的整数。
第四方面,本申请实施例还提供一种通信计算资源优化装置,应用于车辆,包括:
数据收发模块,被配置用于接收所述无人机发送的信号,计算带宽B和噪声N0,并将所述带宽B和噪声N0发送给所述无人机;接收所述无人机发送的联合优化模型求解结果;
状态控制模块,被配置用于根据所述求解结果控制器调整自身运动状态。
第五方面,本申请实施例还提供一种通信计算资源优化装置,应用于无人机,其特征在于,包括存储器、处理器和用户接口;
所述存储器,用于存储计算机程序;
所述用户接口,用于与用户实现交互;
所述处理器,用于读取所述存储器中的计算机程序,所述处理器执行所述计算机程序时,实现上述第一方面中无人机通信计算资源优化方法。
第六方面,本申请实施例还提供一种通信计算资源优化装置,应用于车辆,其特征在于,包括存储器、处理器和用户接口;
所述存储器,用于存储计算机程序;
所述用户接口,用于与用户实现交互;
所述处理器,用于读取所述存储器中的计算机程序,所述处理器执行所述计算机程序时,实现上述第二方面中车辆的通信计算资源优化方法。
第七方面,本申请实施例还提供一种通信计算资源优化系统,其特征在于,包括:
无人机和车辆;
所述无人机,被配置用于:
将执行任务的整个时长均匀划分为N个时隙;
采集自身第一运动状态信息和第一信道状态信息;
接收车辆发送的第二运动状态信息和第二信道状态信息;
对所述N个时隙中的每一个时隙n,对所述无人机和所述车辆之间的传输功率和传输时间建立联合优化模型;
对所述联合优化模型进行求解,得到求解结果;
将所述求解结果发送给车辆,以使所述车辆根据所述求解结果调整自身的运动状态;
所述车辆,被配置用于:
接收所述无人机发送的信号,计算带宽B和噪声N0,并将所述带宽B和噪声N0发送给所述无人机;
接收所述无人机发送的联合优化模型求解结果,根据所述求解结果控制器调整自身运动状态;
其中,N是大于1的正整数,n是大于等于1小于等于N的整数。
第八方面,本申请实施例还提供一种处理器可读存储介质,所述处理器可读存储介质存储有计算机程序,所述处理器执行所述计算机程序时实现本发明提供的通信计算资源优化方法。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅是本申请的一些实施例,对于本领域的普通技术人员来讲,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为本申请示例提供的无人机和车辆编队通信示意图;
图2为本申请实施例提供的用于无人机的通信计算资源优化方法示意图;
图3为本申请实施例提供的执行任务的整个时间时隙划分示意图;
图4为本申请实施例提供的用于无人机的通信计算资源优化方法示意图之二;
图5为本申请实施例提供的用于车辆的通信计算资源优化方法示意图;
图6为本申请实施例提供的应用于无人机的一种通信计算资源优化装置结构示意图;
图7为本申请实施例提供的应用于车辆的一种通信计算资源优化装置结构示意图;
图8为本申请实施例提供的应用于无人机的另一种通信计算资源优化装置结构示意图;
图9为本申请实施例提供的应用于车辆的另一种通信计算资源优化装置结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,显然,所描述的实施例仅仅是本发明一部份实施例,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它实施例,都属于本发明保护的范围。
下面对文中出现的一些词语进行解释:
1、本发明实施例中术语“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
2、本申请实施例中术语“多个”是指两个或两个以上,其它量词与之类似。
如图1所示,无人机与地面编队行驶的车队之间,通过无线通信方式连接,无人机与车辆之间实现数据的上传和下载。其中,数据的上传是指车辆向无人机传输数据,数据的下载是指无人机向车辆传输数据。其中,车辆的数量为M,编号依次为第1辆,第2辆,…,第M辆。无人机作为边缘计算的数据中心,实现无人机与车辆通信资源的优化计算过程。
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,并不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
需要说明的是,本申请实施例的展示顺序仅代表实施例的先后顺序,并不代表实施例所提供的技术方案的优劣。
实施例一
参见图1,本申请实施例提供的一种通信计算资源优化方法示意图,如图 2所示,该方法包括步骤S201到S206:
S201、将执行任务的整个时长均匀划分为N个时隙;
S202、采集自身第一运动状态信息和第一信道状态信息;
S203、接收车辆发送的第二运动状态信息和第二信道状态信息;
S204、对所述N个时隙中的每一个时隙n,对所述无人机和所述车辆之间的传输功率和传输时间建立联合优化模型;
S205、对所述联合优化模型进行求解,得到求解结果;
S206、将所述求解结果发送给车辆,以使所述车辆根据所述求解结果调整自身的运动状态;
其中,N是大于1的正整数,n是大于等于1小于等于N的整数。
需要说明的是,在上述步骤S201之前,还可以包括在无人机或者车辆上安装通信设备和传感器设备的步骤。作为一种优选示例,在无人机上安装速度传感器、位置传感器、移动边缘计算服务器、计算处理器、能量收集装置和机载通信终端,配置相应的计算和通信环境,测试设备,实现无人机自身的计算,并为与车辆通信和能量收割做准备;在每辆车上安装加速度传感器、速度传感器、位置传感器、射频能量发射器、计算处理器和车载通信模块。
上述步骤S201中,为了实现无人机与车辆编队中的每辆车的通信,如图3 所示,将无人机执行任务的整个时长均匀划分为N个时隙,时隙n=1,2,…,N,时隙长为τ,起初令n=1;地面道路上有M辆车编队行驶,给车辆按照前后顺序从1到M依次编号,车辆m=1,2,…,M。以N=200,M=6为例,时隙 n=1,2,…,200,时隙长取τ=0.2s,起初令n=1;地面道路上有M=6辆车编队行驶,给车辆按照前后顺序从1到6依次编号,车辆m=1,2,…,6。
其中,无人机与车辆的通信分为数据上传,本地计算和数据下载。为了实现与所有车辆的上下行数据传输,并完成本地计算,如图3所示,将所述N个时隙中的每一个时隙n,均匀划分为M个子时隙;将所述M个子时隙中的每个子时隙,划分为数据上传时间,本地计算时间和数据下载时间;其中,N个时隙中每个时隙的长度为τ,M是车队中车辆的数量。
如图3中,整个通信时长划分为N个时隙,分别为第1时隙,第2时隙,…,第N时隙。对第n时隙,划分为M个子时隙,第1个子时隙与第1辆车通信,第2个子时隙与第2辆车通信,第m子时隙与第m辆车通信,第M子时隙与第M辆车通信。第n个时隙中的M个子时隙分别为t1[n],t2[n],...tm[n],...,tM[n]。在第n个时隙的第m个子时隙中,划分为数据上传时间tm,o[n],本地计算时间 tm,c[n]和数据下载时间tm,d[n]。
上述步骤S202中,采集自身第一运动状态信息和第一信道状态信息。其中,运动状态信息至少包括位移、速度、加速度;信道状态信息至少包括信道带宽、噪声、车辆供电功率。上述步骤S203中,接收车辆发送的第二运动状态信息和第二信道状态信息,即车辆通过自身的传感设备,获得车辆的第二运动状态信息和第二信道状态信息,并发送给无人机。
作为一种优选示例,以第n时隙为例,在第n时隙,无人机采集自身和车辆m的位移、速度、加速度等运动状态信息,以及信道带宽、噪声、车辆供电功率等信道状态信息,S202和S203具体实现可以是:
A1:无人机沿地面道路以高度H飞行,根据机载传感器可获得在第n时隙末的速度vUAV和位置坐标qUAV=[xUAV[n],H];
B1:根据车载传感器可获得车辆m在第n时隙末的加速度am[n]、速度vm[n] 和水平位移xm[n](以车尾处位置为准),因此车辆m在第n时隙末的位置坐标可记为qm[n]=[xm[n],0];在第n时隙,车辆m的车载通信模块将自身运动状态信息发送给无人机,其数据上传链路的发射功率记为pm,o[n];
C1:根据传输距离和环境选择射频传输方式,无人机给车辆m发送信号,车辆端接收信号评估信道状态信息并将其量化反馈给无人机,从而获取信道状态信息,主要包括信道带宽B、噪声N0;并根据无线供能距离和车辆的射频能量发射器,确定无线供能发射功率pm,p
也就是说,所述采集自身第一运动状态信息包括:
根据机载传感器获得在第n时隙末的速度vUAV和位置坐标 qUAV=[xUAV[n],H];
其中H是所述无人机的飞行高度,xUAV[n]是无人机的水平位移。
采集第一信道状态信息包括:
所述无人机向车辆发送信号,所述车辆接收到信号后,计算带宽B和噪声 N0,并发送给所述无人机;
根据无线供能距离和所述车辆的射频能量,确定无线供能发射功率Pm,p
其中,m是车辆的编号,下标p表示供能过程。
而第二运动状态信息和第二信道状态信息,则通过车辆自身测量,并发送给无人机。
作为一种优选示例,上述步骤S203中,对所述N个时隙中的每一个时隙 n,对所述无人机和所述车辆之间的传输功率和传输时间建立联合优化模型,即针对N个时隙中的每一个时隙,均建立联合优化模型,从n=1开始进行循环,直到n=N,完成所有时隙的联合优化模型建立。
本发明实施例中,N个时隙中的每一个时隙,联合优化模型均相同,但是联合优化模型的求解结果可以相同,也可以不同,相互之间独立。
对每一个时隙,联合优化模型包括:
目标函数和约束条件;
所述约束条件包括:
能量约束、时间约束、数据量守恒、数据上传功率不小于数据下载功率、数据上传链路中车辆的能耗不低于数据下载链路中无人机的能耗、能耗均大于零、决策变量的边界约束。
具体的,所述目标函数为:
Figure RE-RE-GDA0003118856020000121
其中,N为时隙数量,M为车辆数量;
i等于o或者d,o表示车辆向无人机发送,d表示无人机向车辆发送;
n=1,2,...,N-1,N,m=1,2,...,M-1,M;
pm,i[n]为在第n时隙上的i方向的发射功率;
tm,i[n]为在n时隙上的i方向的传输时间;
gm[n]为第m辆车在n时刻的信道功率增益。
B为带宽,N0为噪声。
所述能量约束为:
Figure RE-RE-GDA0003118856020000131
其中,tm,c[n]是无人机在时隙n中计算车辆m传来的任务的时长;
λc是有效电容系数;
η0是节能效率,0<η0<1;
τ是时隙的长度;
ε是为其他耗能操作提供的额外能量。
所述时间约束为:
Figure RE-RE-GDA0003118856020000132
所述数据量守恒包括:
Figure RE-RE-GDA0003118856020000133
其中,f是无人机处理的频率,C是无人机处理器处理每比特原始数据需要的周期数。
所述数据上传功率不小于数据下载功率为下列公式:
pm,d[n]≤pm,o[n]。
所述数据上传链路中车辆的能耗不低于数据下载链路中无人机的能耗为下列公式:
0≤pm,o[n]tm,o[n]-pm,d[n]tm,d[n]。
所述能耗均大于零为下列公式:
0≤pm,i[n]tm,i[n]。
所述决策变量的边界约束包括下列公式:
0≤tm,i[n]≤τ
0≤pm,i[n]≤pmax
其中,pmax是无人机与车辆m的最大传输功率。
下面结合图4,对上述联合优化模型建立过程进行描述:
A2:每个时隙内,M辆车依次与无人机进行交互,车辆m的交互时长记为tm[n],每辆车的交互时长不等,但交互时长之和为一个时隙长,即
Figure RE-RE-GDA0003118856020000141
车辆m与无人机在tm[n]内的交互过程具体包括:车辆持续给无人机无线供能,时长为tm[n],车辆传输计算任务给无人机,时长记为tm,o[n],然后无人机使用自身的计算处理器计算车辆传来的任务,时长记为tm,c[n],最后无人机将计算结果传输回地面车辆,时长记为tm,d[n],其中:
tm,o[n]+tm,c[n]+tm,d[n]=tm[n] 公式1
B2:对编队行驶的车辆建立移动模型,车辆m在第n+1时隙末的速度 vm[n+1]和位移xm[n+1]由第n时隙末的车辆运动状态决定,如下方程组所示
Figure RE-RE-GDA0003118856020000142
当给定头车初始时刻的位移x1[0]、速度v1[0]、加速度v’1[0]以及跟随车辆初始时刻的位置(可根据预定规则随机生成,例如等间距D)时,可以计算得到第1时隙所有车辆的位移、速度和加速度;
C2:无人机与车辆m在时隙n的相对距离dm[n]为
Figure RE-RE-GDA0003118856020000143
根据相对距离dm[n],计算信道功率增益gm[n]=g0dm[n],其中g0为参考距离为1m时的信道增益,κ为路径损失指数,与环境和路径类别有关;无人机机载通信终端给车辆m发送数据,其数据下载链路的发射功率记为pm,d[n],建立上传和下载链路的数据传输速率公式为:
Figure RE-RE-GDA0003118856020000144
D2:无人机中央处理器CPU的频率为f、处理每比特原始数据的CPU周期数C以及有效电容系数λc,均根据无人机处理器的自身结构获得;无人机的本地计算速率RUAV,c
Figure RE-RE-GDA0003118856020000151
由于从车辆m传输的数据量等于无人机需要计算的数据量,因此根据数据量守恒得到无人机计算来自车辆m的数据所花费的时间tm,c[n],即
Rm,o[n]tm,o[n]=RUAV,ctm,c[n] 公式6
E2:无人机的数据上传传输能耗Em,u[n]、数据下载传输能耗Em,d[n]和本地计算能耗Em,c[n]分别计算为:
Figure RE-RE-GDA0003118856020000152
由于车辆始终为无人机供电,因此无人机在第n时隙从第m辆车收集的能量Em,p[n]为:
Em,p[n]=η0pm,pgm[n]τ 公式8
其中η0为节能效率,0<η0<1。
无人机在本地计算、通信和飞行的过程中均消耗能量,无人机自身携带的电源能够抵消其飞行能耗,并为其他耗能操作提供一定的额外能量ε。每个时隙内无人机通信和计算的能耗应不超过其收集和自身供给的能量,即应满足:
Figure RE-RE-GDA0003118856020000153
F2:在上述基础上,对上下行传输功率pm,o[n]、pm,d[n]和传输时间tm,o[n]、 tm,d[n]进行联合优化,以无人机执行任务的整个时间里无人机与所有车辆上下行传输数据量之和为目标函数f(x),求解其最大化,建立的联合优化模型如下:
Figure RE-RE-GDA0003118856020000154
其中约束条件分别为下列10.b到10.j:
Figure RE-RE-GDA0003118856020000161
Figure RE-RE-GDA0003118856020000162
Figure RE-RE-GDA0003118856020000163
pm,d[n]≤pm,o[n] 10.e
0≤pm,o[n]tm,o[n]-pm,d[n]tm,d[n] 10.f
0≤pm,i[n]tm,i[n] 10.g
0≤tm,i[n]≤τ 10.h
0≤pm,i[n]≤pmax 10.i
i=o,d;m=1,2,...,M;n=1,2,...,N 10.j
即,(10a)为目标函数,(10b)为能量约束,(10c)为时间约束,(10d) 表示数据量守恒;由于实际场景中,数据经计算处理后数据量会大幅缩减,因此(10e)表示数据上传功率应不小于数据下载传输功率;车辆相对无人机能源充足,因此(10f)表示数据上传链路中车辆的能耗不低于数据下载链路无人机返还数据结果的能耗,(10g)表示能耗均为正数;(10h)和(10i)给定决策变量的边界约束,(10j)给出索引i,n,m的取值范围。
作为一种优选示例,本实施例的步骤S205中,对所述联合优化模型进行求解,得到求解结果,包括:
求解所述目标函数f(x)的最大值;
求解结果包括:
时隙n下车辆m与无人机的上行传输功率pm,o[n];
时隙n下车辆m与无人机的下行传输功率pm,d[n];
时隙n下车辆m与无人机的上行传输时间tm,o[n];
时隙n下车辆m与无人机的下行传输时间tm,d[n]。
作为一种优选示例,本实施例的步骤S206中,将所述求解结果发送给车辆,以使所述车辆根据所述求解结果调整自身的运动状态,包括:
所述无人机将所述求解结果以功率pm,d[n]发送给对应的车辆。
使用本发明提供的方法,地面车辆编队行驶,无人机作为边缘节点计算车辆传输的数据,同时车辆为无人机无线供能,建立联合优化模型,无人机处理器求解无人机和车辆的最优传输功率和最优传输时间,再将结果数据返还给车辆,车辆做出调整,再被无人机采集运动信息,重复直至完成整个过程,实现系统的通信资源和计算资源分配最优。
本发明实施例考虑了车辆的移动性,对每个时刻车辆的运动状态建立数学模型,更适用于动态通信计算环境,覆盖的实际应用场景更广;
本发明实施例引入了能量收割技术,设计了地面移动车辆为无人机无线供能方案,有效弥补无人机电池容量低的缺陷,更适用于无人机的实际应用场景;
本发明实施例通过多个子模型建立联合优化模型,求解最优传输功率和最优传输时间,提高了无人机与地面编队车辆协同组网系统通信资源和计算资源的利用效率,以最大程度地进行数据传输和数据计算。
实施例二
基于同一个发明构思,本发明实施例还提供了一种通信计算资源优化方法,应用于车辆,如图5所示,该方法包括:
所述车辆接收所述无人机发送的信号,计算带宽B和噪声N0,并将所述带宽B和噪声N0发送给所述无人机;
所述车辆接收所述无人机发送的联合优化模型求解结果,根据所述求解结果控制器调整自身运动状态;
其中,所述求解结果包括:
时隙n下车辆m与无人机的上行传输功率pm,o[n];
时隙n下车辆m与无人机的下行传输功率pm,d[n];
时隙n下车辆m与无人机的上行传输时间tm,o[n];
时隙n下车辆m与无人机的下行传输时间tm,d[n];
n是时隙编号,m是车辆编号。
本实施例中,所有车辆接收到计算结果数据后,通过油门、刹车等控制器调整自身运动状态,对N个时隙中的每个时隙n重复上述步骤,直到n=N。
需要说明的是,实施例二提供的方法与实施例一提供的方法属于同一个发明构思,解决相同的技术问题,达到相同的技术效果,相同之处不再赘述。
实施例三
基于同一个发明构思,本发明实施例还提供了一种通信计算资源优化装置,应用于无人机,如图6所示,该装置包括:
时隙规划模块601,被配置用于将执行任务的整个时长均匀划分为N个时隙;
信息采集模块602,被配置用于采集自身第一运动状态信息和第一信道状态信息;
联合优化模块603,被配置用于对所述N个时隙中的每一个时隙n,对所述无人机和所述车辆之间的传输功率和传输时间建立联合优化模型,对所述联合优化模型进行求解,得到求解结果。
数据收发模块604,被配置用于接收车辆发送的第二运动状态信息和第二信道状态信息,将所述求解结果发送给车辆,以使所述车辆根据所述求解结果调整自身的运动状态;
其中,N是大于1的正整数,n是大于等于1小于等于N的整数。
需要说明的是,本实施例提供的时隙规划模块601,能实现实施例一中步骤S201包含的全部功能,解决相同技术问题,达到相同技术效果,在此不再赘述;
需要说明的是,本实施例提供的信息采集模块602,能实现实施例一中步骤S202包含的全部功能,解决相同技术问题,达到相同技术效果,在此不再赘述;
需要说明的是,本实施例提供的联合优化模块603,能实现实施例一中步骤S204和S205包含的全部功能,解决相同技术问题,达到相同技术效果,在此不再赘述;
需要说明的是,本实施例提供的数据收发模块604,能实现实施例一中步骤S203和S206包含的全部功能,解决相同技术问题,达到相同技术效果,在此不再赘述;
需要说明的是,实施例三提供的装置与实施例一提供的方法属于同一个发明构思,解决相同的技术问题,达到相同的技术效果,实施例三提供的装置能实现实施例一的所有方法,相同之处不再赘述。
实施例四
基于同一个发明构思,本发明实施例还提供了一种通信计算资源优化装置,应用于车辆,如图7所示,该装置包括:
数据收发模块701,被配置用于接收所述无人机发送的信号,计算带宽B 和噪声N0,并将所述带宽B和噪声N0发送给所述无人机;接收所述无人机发送的联合优化模型求解结果;
状态控制模块702,被配置用于根据所述求解结果控制器调整自身运动状态。
需要说明的是,本实施例提供的数据收发模块701,能实现实施例二中步骤S501包含的全部功能,解决相同技术问题,达到相同技术效果,在此不再赘述;
需要说明的是,本实施例提供的状态控制模块702,能实现实施例二中步骤S502包含的全部功能,解决相同技术问题,达到相同技术效果,在此不再赘述;
需要说明的是,实施例四提供的装置与实施例二提供的方法属于同一个发明构思,解决相同的技术问题,达到相同的技术效果,实施例四提供的装置能实现实施例一的所有方法,相同之处不再赘述。
实施例五
基于同一个发明构思,本发明实施例还提供了一种通信计算资源优化系统,该系统包括:
无人机和车辆;
所述无人机,被配置用于:
将执行任务的整个时长均匀划分为N个时隙;
采集自身第一运动状态信息和第一信道状态信息;
接收车辆发送的第二运动状态信息和第二信道状态信息;
对所述N个时隙中的每一个时隙n,对所述无人机和所述车辆之间的传输功率和传输时间建立联合优化模型;
对所述联合优化模型进行求解,得到求解结果;
将所述求解结果发送给车辆,以使所述车辆根据所述求解结果调整自身的运动状态;
所述车辆,被配置用于:
接收所述无人机发送的信号,计算带宽B和噪声N0,并将所述带宽B和噪声N0发送给所述无人机;
接收所述无人机发送的联合优化模型求解结果,根据所述求解结果控制器调整自身运动状态;
其中,N是大于1的正整数,n是大于等于1小于等于N的整数。
需要说明的是,本实施例提供的无人机,能实现实施例一中无人机相关的的全部功能,解决相同技术问题,达到相同技术效果,在此不再赘述;
需要说明的是,本实施例提供的车辆,能实现实施例二中车辆先关的全部功能,解决相同技术问题,达到相同技术效果,在此不再赘述;
需要说明的是,实施例五提供的系统与实施例一和实施例二提供的方法属于同一个发明构思,解决相同的技术问题,达到相同的技术效果,实施例五提供的系统能实现实施例一和实施例二的所有方法,相同之处不再赘述。
实施例六
基于同一个发明构思,本发明实施例还提供了一种通信计算资源优化装置,应用于无人机,如图8所示,该装置包括:
包括存储器802、处理器801和收发机803;
所述存储器802,用于存储计算机程序;
所述收发机803,用于在所述处理器801的控制下收发数据;
所述处理器801,用于读取所述存储器802中的计算机程序,所述处理器 801执行所述计算机程序时,实现:
将执行任务的整个时长均匀划分为N个时隙;
采集自身第一运动状态信息和第一信道状态信息;
接收车辆发送的第二运动状态信息和第二信道状态信息;
对所述N个时隙中的每一个时隙n,对所述无人机和所述车辆之间的传输功率和传输时间建立联合优化模型;
对所述联合优化模型进行求解,得到求解结果;
将所述求解结果发送给车辆,以使所述车辆根据所述求解结果调整自身的运动状态;
其中,N是大于1的正整数,n是大于等于1小于等于N的整数。
其中,在图8中,总线架构可以包括任意数量的互联的总线和桥,具体由处理器801代表的一个或多个处理器和存储器802代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口提供接口。处理器801负责管理总线架构和通常的处理,存储器802可以存储处理器801在执行操作时所使用的数据。
处理器801可以是CPU、ASIC、FPGA或CPLD,处理器801也可以采用多核架构。
处理器801执行存储器802存储的计算机程序时,实现实施例一中的任一通信计算资源优化方法。
需要说明的是,实施例六提供的装置与实施例一提供的方法属于同一个发明构思,解决相同的技术问题,达到相同的技术效果,实施例六提供的装置能实现实施例一的所有方法,相同之处不再赘述。
实施例七
基于同一个发明构思,本发明实施例还提供了一种通信计算资源优化装置,应用于车辆,如图9所示,该装置包括:
包括存储器902、处理器901和收发机903;
所述存储器902,用于存储计算机程序;
所述收发机903,用于在所述处理器901的控制下收发数据;
所述处理器901,用于读取所述存储器902中的计算机程序,所述处理器 901执行所述计算机程序时,实现:
所述车辆接收所述无人机发送的信号,计算带宽B和噪声N0,并将所述带宽B和噪声N0发送给所述无人机;
所述车辆接收所述无人机发送的联合优化模型求解结果,根据所述求解结果控制器调整自身运动状态;
其中,所述求解结果包括:
时隙n下车辆m与无人机的上行传输功率pm,o[n];
时隙n下车辆m与无人机的下行传输功率pm,d[n];
时隙n下车辆m与无人机的上行传输时间tm,o[n];
时隙n下车辆m与无人机的下行传输时间tm,d[n];
n是时隙编号,m是车辆编号。
其中,在图9中,总线架构可以包括任意数量的互联的总线和桥,具体由处理器901代表的一个或多个处理器和存储器902代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口提供接口。处理器901负责管理总线架构和通常的处理,存储器902可以存储处理器901在执行操作时所使用的数据。
处理器901可以是CPU、ASIC、FPGA或CPLD,处理器901也可以采用多核架构。
处理器901执行存储器902存储的计算机程序时,实现实施例二中的任一通信计算资源优化方法。
需要说明的是,实施例七提供的装置与实施例二提供的方法属于同一个发明构思,解决相同的技术问题,达到相同的技术效果,实施例七提供的装置能实现实施例二的所有方法,相同之处不再赘述。
本申请还提出一种处理器可读存储介质。其中,该处理器可读存储介质存储有计算机程序,所述处理器执行所述计算机程序时实现实施例一或者实施例二中的任一通信计算资源优化方法。
需要说明的是,本申请实施例中对单元的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和 /或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/ 或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。

Claims (25)

1.一种通信计算资源优化方法,应用于无人机,其特征在于,包括:
将执行任务的整个时长均匀划分为N个时隙;
采集自身第一运动状态信息和第一信道状态信息;
接收车辆发送的第二运动状态信息和第二信道状态信息;
对所述N个时隙中的每一个时隙n,对所述无人机和所述车辆之间的传输功率和传输时间建立联合优化模型;
对所述联合优化模型进行求解,得到求解结果;
将所述求解结果发送给车辆,以使所述车辆根据所述求解结果调整自身的运动状态;
其中,N是大于1的正整数,n是大于等于1小于等于N的整数。
2.根据权利要求1所述的方法,其特征在于,所述将执行任务的整个时长均匀划分为N个时隙包括:
将所述N个时隙中的每一个时隙n,均匀划分为M个子时隙;
将所述M个子时隙中的每个子时隙,划分为数据上传时间,本地计算时间和数据下载时间;
每个时隙的长度为τ,M是车队中车辆的数量。
3.根据权利要求2所述的方法,其特征在于,所述车辆包括:
所述车队中的M辆车在地面道路上编队行驶,车辆的编号从前往后编号依次为m=1,2,...,M-1,M。
4.根据权利要求1所述的方法,其特征在于,所述第一运动状态信息或者第二运动状态信息包括:
位置、速度和加速度。
5.根据权利要求4所述的方法,其特征在于,所述采集自身第一运动状态信息包括:
根据机载传感器获得在第n时隙末的速度vUAV和位置坐标qUAV=[xUAV[n],H];
其中H是所述无人机的飞行高度,xUAV[n]是无人机的水平位移。
6.根据权利要求1所述的方法,其特征在于,所述第一信道状态信息或者第二信道状态信息包括:
信道带宽、噪声和车辆供电功率。
7.根据权利要求1所述的方法,其特征在于,采集第一信道状态信息包括:
所述无人机向车辆发送信号,所述车辆接收到信号后,计算带宽B和噪声N0,并发送给所述无人机;
根据无线供能距离和所述车辆的射频能量,确定无线供能发射功率Pm,p
其中,m是车辆的编号,下标p表示供能过程。
8.根据权利要求1所述的方法,其特征在于,所述联合优化模型包括:
目标函数和约束条件;
所述约束条件包括:
能量约束、时间约束、数据量守恒、数据上传功率不小于数据下载功率、数据上传链路中车辆的能耗不低于数据下载链路中无人机的能耗、能耗均大于零、决策变量的边界约束。
9.根据权利要求8所述的方法,其特征在于,所述目标函数为:
Figure FDA0003031995300000021
其中,N为时隙数量,M为车辆数量;
i等于o或者d,o表示车辆向无人机发送,d表示无人机向车辆发送;
n=1,2,...,N-1,N,m=1,2,...,M-1,M;
pm,i[n]为在第n时隙上的i方向的发射功率;
tm,i[n]为在n时隙上的i方向的传输时间;
gm[n]为第m辆车在n时刻的信道功率增益。
B为带宽,N0为噪声。
10.根据权利要求9所述的方法,其特征在于,所述能量约束为:
Figure FDA0003031995300000031
其中,tm,c[n]是无人机在时隙n中计算车辆m传来的任务的时长;
λc是有效电容系数;
η0是节能效率,0<η0<1;
τ是时隙的长度;
ε是为其他耗能操作提供的额外能量。
11.根据权利要求10所述的方法,其特征在于,所述时间约束为:
Figure FDA0003031995300000032
12.根据权利要求9所述的方法,其特征在于,所述数据量守恒包括:
Figure FDA0003031995300000033
其中,f是无人机处理的频率,C是无人机处理器处理每比特原始数据需要的周期数。
13.根据权利要求9所述的方法,其特征在于,所述数据上传功率不小于数据下载功率为下列公式:
pm,d[n]≤pm,o[n]。
14.根据权利要求9所述的方法,其特征在于,所述数据上传链路中车辆的能耗不低于数据下载链路中无人机的能耗为下列公式:
0≤pm,o[n]tm,o[n]-pm,d[n]tm,d[n]。
15.根据权利要求9所述的方法,其特征在于,所述能耗均大于零为下列公式:
0≤pm,i[n]tm,i[n]。
16.根据权利要求9所述的方法,其特征在于,所述决策变量的边界约束包括下列公式:
Figure FDA0003031995300000041
其中,pmax是无人机与车辆m的最大传输功率。
17.根据权利要求9所述的方法,其特征在于,所述对所述联合优化模型进行求解,得到求解结果包括:
求解所述目标函数f(x)的最大值;
求解结果包括:
时隙n下车辆m与无人机的上行传输功率pm,o[n];
时隙n下车辆m与无人机的下行传输功率pm,d[n];
时隙n下车辆m与无人机的上行传输时间tm,o[n];
时隙n下车辆m与无人机的下行传输时间tm,d[n]。
18.根据权利要求17所述的方法,其特征在于,所述将所述求解结果发送给车辆,以使所述车辆根据所述求解结果调整自身的运动状态包括:
所述无人机将所述求解结果以功率pm,d[n]发送给对应的车辆。
19.一种通信计算资源优化方法,应用于车辆,其特征在于,包括:
所述车辆接收所述无人机发送的信号,计算带宽B和噪声N0,并将所述带宽B和噪声N0发送给所述无人机;
所述车辆接收所述无人机发送的联合优化模型求解结果,根据所述求解结果控制器调整自身运动状态;
其中,所述求解结果包括:
时隙n下车辆m与无人机的上行传输功率pm,o[n];
时隙n下车辆m与无人机的下行传输功率pm,d[n];
时隙n下车辆m与无人机的上行传输时间tm,o[n];
时隙n下车辆m与无人机的下行传输时间tm,d[n];
n是时隙编号,m是车辆编号。
20.一种通信计算资源优化装置,应用于无人机,其特征在于,包括:
时隙规划模块,被配置用于将执行任务的整个时长均匀划分为N个时隙;
信息采集模块,被配置用于采集自身第一运动状态信息和第一信道状态信息;
联合优化模块,被配置用于对所述N个时隙中的每一个时隙n,对所述无人机和所述车辆之间的传输功率和传输时间建立联合优化模型,对所述联合优化模型进行求解,得到求解结果。
数据收发模块,被配置用于接收车辆发送的第二运动状态信息和第二信道状态信息,将所述求解结果发送给车辆,以使所述车辆根据所述求解结果调整自身的运动状态;
其中,N是大于1的正整数,n是大于等于1小于等于N的整数。
21.一种通信计算资源优化装置,应用于车辆,其特征在于,包括:
数据收发模块,被配置用于接收所述无人机发送的信号,计算带宽B和噪声N0,并将所述带宽B和噪声N0发送给所述无人机;接收所述无人机发送的联合优化模型求解结果;
状态控制模块,被配置用于根据所述求解结果控制器调整自身运动状态。
22.一种通信计算资源优化装置,应用于无人机,其特征在于,包括存储器、处理器和用户接口;
所述存储器,用于存储计算机程序;
所述用户接口,用于与用户实现交互;
所述处理器,用于读取所述存储器中的计算机程序,所述处理器执行所述计算机程序时,实现如权利要求1到18之一所述的通信计算资源优化方法。
23.一种通信计算资源优化装置,应用于车辆,其特征在于,包括存储器、处理器和用户接口;
所述存储器,用于存储计算机程序;
所述用户接口,用于与用户实现交互;
所述处理器,用于读取所述存储器中的计算机程序,所述处理器执行所述计算机程序时,实现如权利要求19所述的通信计算资源优化方法。
24.一种通信计算资源优化系统,其特征在于,包括:
无人机和车辆;
所述无人机,被配置用于:
将执行任务的整个时长均匀划分为N个时隙;
采集自身第一运动状态信息和第一信道状态信息;
接收车辆发送的第二运动状态信息和第二信道状态信息;
对所述N个时隙中的每一个时隙n,对所述无人机和所述车辆之间的传输功率和传输时间建立联合优化模型;
对所述联合优化模型进行求解,得到求解结果;
将所述求解结果发送给车辆,以使所述车辆根据所述求解结果调整自身的运动状态;
所述车辆,被配置用于:
接收所述无人机发送的信号,计算带宽B和噪声N0,并将所述带宽B和噪声N0发送给所述无人机;
接收所述无人机发送的联合优化模型求解结果,根据所述求解结果控制器调整自身运动状态;
其中,N是大于1的正整数,n是大于等于1小于等于N的整数。
25.一种处理器可读存储介质,其特征在于,所述处理器可读存储介质存储有计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至18之一所述的通信计算资源优化方法,或者如权利要求19所述的通信计算资源优化方法。
CN202110432714.XA 2021-04-21 2021-04-21 一种通信计算资源优化方法、装置、系统及存储介质 Active CN113194444B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110432714.XA CN113194444B (zh) 2021-04-21 2021-04-21 一种通信计算资源优化方法、装置、系统及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110432714.XA CN113194444B (zh) 2021-04-21 2021-04-21 一种通信计算资源优化方法、装置、系统及存储介质

Publications (2)

Publication Number Publication Date
CN113194444A true CN113194444A (zh) 2021-07-30
CN113194444B CN113194444B (zh) 2023-05-02

Family

ID=76977921

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110432714.XA Active CN113194444B (zh) 2021-04-21 2021-04-21 一种通信计算资源优化方法、装置、系统及存储介质

Country Status (1)

Country Link
CN (1) CN113194444B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110582097A (zh) * 2019-07-26 2019-12-17 深圳大学 一种降低汽车计算开销的处理方法、装置及存储介质
WO2020042008A1 (en) * 2018-08-29 2020-03-05 Nokia Shanghai Bell Co., Ltd. Joint allocation of transmission power and time resource
CN111047086A (zh) * 2019-09-18 2020-04-21 合肥工业大学 车辆路径规划与无人机任务分配联合优化方法和装置
CN111246560A (zh) * 2020-03-25 2020-06-05 中国电子科技集团公司第五十四研究所 无线携能通信时隙与功率联合优化方法
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

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020042008A1 (en) * 2018-08-29 2020-03-05 Nokia Shanghai Bell Co., Ltd. Joint allocation of transmission power and time resource
CN110582097A (zh) * 2019-07-26 2019-12-17 深圳大学 一种降低汽车计算开销的处理方法、装置及存储介质
CN111047086A (zh) * 2019-09-18 2020-04-21 合肥工业大学 车辆路径规划与无人机任务分配联合优化方法和装置
CN111246560A (zh) * 2020-03-25 2020-06-05 中国电子科技集团公司第五十四研究所 无线携能通信时隙与功率联合优化方法
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

Also Published As

Publication number Publication date
CN113194444B (zh) 2023-05-02

Similar Documents

Publication Publication Date Title
Gong et al. Flight time minimization of UAV for data collection over wireless sensor networks
CN109067490B (zh) 蜂窝网联下多无人机协同移动边缘计算系统资源分配方法
Liu et al. Cooperative offloading and resource management for UAV-enabled mobile edge computing in power IoT system
Ng et al. Joint auction-coalition formation framework for communication-efficient federated learning in UAV-enabled internet of vehicles
CN109286913B (zh) 基于蜂窝网联的无人机移动边缘计算系统能耗优化方法
CN112418497B (zh) 一种面向制造物联的物料配送路径优化方法
CN108966286B (zh) 无人机辅助移动边缘计算系统及其信息比特分配方法
CN108458716A (zh) 一种基于充电桩动态占用率预测的电动汽车充电导航方法
JP2019001450A (ja) 車両エネルギー管理および自律運転のためのリアルタイム車両状態軌道予測
CN113132943B (zh) 一种车联网中车边协同的任务卸载调度及资源分配方法
CN106203739B (zh) 一种多配送中心物流运输调度的方法及系统
CN110736478A (zh) 一种无人机辅助移动云感知的路径规划与任务分配方案
CN108973998A (zh) 一种基于mpc的异质车辆队列分布式节能控制方法
CN109862532B (zh) 轨道交通状态监测多传感器节点布局优化方法及系统
CN104507096A (zh) 无线传感网中模型驱动的数据传输方法及系统
Liao et al. Energy minimization for UAV swarm-enabled wireless inland ship MEC network with time windows
CN115002123A (zh) 基于移动边缘计算的快速适应任务卸载系统和方法
Yang et al. Federated imitation learning for uav swarm coordination in urban traffic monitoring
Jia et al. Online V2X scheduling for raw-level cooperative perception
CN113194444B (zh) 一种通信计算资源优化方法、装置、系统及存储介质
CN116805193A (zh) 联网电动汽车的调度方法和系统、电子设备及存储介质
CN116362327A (zh) 一种模型训练方法、系统及电子设备
CN115134370A (zh) 一种多无人机辅助的移动边缘计算卸载方法
CN114916013A (zh) 基于车辆轨迹预测的边缘任务卸载时延优化方法、系统及介质
Gao et al. Fast Adaptive Task Offloading and Resource Allocation in Large-Scale MEC Systems via Multi-Agent Graph Reinforcement Learning

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