CN113825177B - 一种对多无人机辅助边缘计算系统的控制方法及控制系统 - Google Patents
一种对多无人机辅助边缘计算系统的控制方法及控制系统 Download PDFInfo
- Publication number
- CN113825177B CN113825177B CN202111172749.0A CN202111172749A CN113825177B CN 113825177 B CN113825177 B CN 113825177B CN 202111172749 A CN202111172749 A CN 202111172749A CN 113825177 B CN113825177 B CN 113825177B
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- power
- ground user
- user
- 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
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000004364 calculation method Methods 0.000 claims description 29
- 238000005457 optimization Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 abstract description 13
- 238000013461 design Methods 0.000 abstract description 10
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 abstract description 4
- 230000007547 defect Effects 0.000 abstract description 3
- 238000005265 energy consumption Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011423 initialization method Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 229920003087 methylethyl cellulose Polymers 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/16—Central resource management; Negotiation of resources or communication parameters, e.g. negotiating bandwidth or QoS [Quality of Service]
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0043—Traffic management of multiple aircrafts from the ground
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- 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
- H04W28/06—Optimizing the usage of the radio link, e.g. header compression, information sizing, discarding information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/04—TPC
- H04W52/30—TPC using constraints in the total amount of available transmission power
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/53—Allocation or scheduling criteria for wireless resources based on regulatory allocation policies
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Aviation & Aerospace Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本申请公开了一种对多无人机辅助边缘计算系统的控制方法及控制系统,其中对多无人机辅助边缘计算系统的控制方法具体包括以下步骤:S1,进行状态信息的初始化;S2,根据初始化的状态信息,获取功率控制;S3,根据功率控制结果,获取无人机和地面用户配对策略;S4,根据无人机和地面用户配对策略,获取无人机水平轨迹规划;S5,根据水平轨迹规划,获取无人机垂直轨迹规划;重复执行S2‑S5,判断是否达到最大迭代次数,若达到最大迭代次数,则输出结果。本申请针对多无人机辅助边缘计算系统的三维轨迹控制,打破了传统二维尺度上对无人机辅助边缘计算的不足,提出了完整的计算、通信和飞行控制的联合设计思路。
Description
技术领域
本申请涉及移动通信网络领域,尤其涉及一种对多无人机辅助边缘计算系统的控制方法及控制系统。
背景技术
随着物联网的兴起,云传感器、智能手机、可穿戴设备等不同类型的地面用户设备(terminal devices,TDs)数量不断激增;人脸识别、互动游戏、虚拟现实等智能应用也在不断涌现。然而,由于这些终端设备的计算能力较弱,电池容量较低,有效计算这些应用产生的大量计算数据是一个棘手的问题。在此背景下,移动边缘计算(mobile edge computing,MEC)作为一种具有发展潜力的技术,能够帮助TDs在网络边缘进行数据处理和计算,从而使上述问题得到解决。
凭借灵活的机动性,无人机(unmanned aerial vehicle,UAV)辅助的MEC近年来受到越来越多的研究关注。通过对无人机的飞行控制,可以为通信网络带来明显的性能增益。尤其是三维(three-dimension,3D)无人机的位置部署和轨迹规划,可以进一步提升MEC网络的性能。与传统的二维轨迹规划相比,包括水平轨迹和垂直(高度)轨迹在内的三维无人机轨迹规划更具有普适性。
此外,单无人机辅助的MEC网络面临着通信覆盖不足、计算能力弱、网络稳健性差等缺点。因此,提出多无人机联合设计的MEC网络场景具有更为实际的意义。首先,采用多无人机进行边缘计算拥有广域覆盖的潜力,且可服务的地面用户数量较多;其次,多无人机具有强大的计算能力,能够应对大计算量、低时延的业务需求;最后,多无人机边缘计算网络具有稳健性,不容易受到诸如某个无人机因能量不足或故障原因造成退网等突发情况影响。
在此基础上,我们通过解决多无人机辅助MEC系统中系统效用最大的关键问题,提出了多无人机辅助边缘计算系统的计算、通信与控制方法,其中着重考虑了系统的计算公平性和无人机三维轨迹规划,同时也对系统功率控制、无人机-地面用户配对等方面进行了联合设计。
尽管MEC为地面用户设备的计算提供了一种有效的解决方案,通过无人机的辅助设计,也能进一步增强系统的灵活性和计算能力。目前不管学术界还是工业界,很少在无人机辅助的MEC场景中关注到三维轨迹设计,而对于三维多无人机辅助MEC网络中的计算、通信和控制方法更是鲜有工作提及。但在实际情况中,三维多无人机辅助边缘计算系统更具一般性,也更符合实际应用场景的需求。
因此,如何实现多无人机辅助边缘计算系统的计算、通信与控制方法,成为本领域急需解决的问题。
发明内容
本申请的目的本发明的目的在于,在保证计算公平性的前提下实现网络效用值最大,并解决系统功率控制、无人机-地面用户配对和三维无人机轨迹规划的问题。
为达到上述目的,本发明提出一种对多无人机辅助边缘计算系统的控制方法,具体包括以下步骤:S1,进行状态信息的初始化;S2,根据初始化的状态信息,获取功率控制;S3,根据功率控制结果,获取无人机和地面用户配对策略;S4,根据无人机和地面用户配对策略,获取无人机水平轨迹规划;S5,根据水平轨迹规划,获取无人机垂直轨迹规划;
重复执行S2-S5,判断是否达到最大迭代次数,若达到最大迭代次数,则输出结果。
如上的,其中,若未达到最大迭代次数,则迭代次数加1,重复执行S2-S5。
如上的,其中,初始化状态信息包括,初始化无人机三维飞行轨迹,地面用户最大数据卸载功率无人机最大CPU计算频率/>系统带宽B,时隙长度δt,地面用户间的最小计算公平系数θ,以及收敛精度和最大迭代次数。
如上的,其中,最小公平系数满足以下约束关系:
其中M表示所有无人机MEC服务器,N表示系统总时隙,K表示所有地面用户设备,Rk,m[n]表示的是地面用户k在时隙n时到无人机m的卸载速率,θ表示地面用户间的最小计算公平系数。
如上的,其中,地面用户k在时隙n时到无人机m的卸载速率Rk,m[n]具体表示为:
其中pk[n]表示用户数据卸载功率在每个时隙内的数据卸载功率,B1、B2、C1、C2为常数,且满足C1>0、C2>0、C1+C2=1,uk,m[n]表示当前时刻地面用户k到无人机m仰角的正弦值。
如上的,其中,其中qm[n]表示无人机m在第n个时隙的水平轨迹变量,Hm[n]表示无人机m在第n个时隙的垂直轨迹变量,wk表示地面用户k的位置。
如上的,其中,根据初始化的状态信息,获取功率控制具体包括以下子步骤:将所有初始化的状态信息作为输入;根据输入的初始化状态信息,获取数据卸载功率,即获取功率控制。
如上的,其中,引入辅助变量Ik,m[n],使得满足根据辅助变量对Rk,m[n]进行处理,使得函数Rk,m[n]转变为凸函数,使用凸优化工具箱求解得到数据卸载功率的解。
如上的,其中,函数Rk,m[n]变成了关于数据卸载功率的凸函数,具体表示为:
其中λk,m[n]=1表示地面用户k在时隙n与无人机m进行了配对;反之则λk,m[n]=0,pk[n]表示用户k的数据卸载功率在每个时隙内的数据卸载功率,K表示所有地面设备,σ2表示白噪声功率,表示下边界函数,βk,m[n]表示无人机m在第n个时隙与用户k的信道功率增益,βi,m[n]表示无人机m在第n个时隙与用户i的信道功率增益,/>B1、B2、C1、C2为常数,且满足C1>0、C2>0、C1+C2=1,/>表示当前时刻地面用户k到无人机m仰角的正弦值,,qm[n]表示无人机m在第n个时隙的水平轨迹变量,Hm[n]表示无人机m在第n个时隙的垂直轨迹变量,wk表示地面用户k的位置。
一种对多无人机辅助边缘计算系统的控制系统,具体包括,初始化单元,功率控制单元,配对单元,水平轨迹规划单元,垂直轨迹规划单元以及输出单元;其中初始化单元,用于进行状态信息的初始化;功率控制单元,用于根据初始化的状态信息,获取功率控制;配对单元,用于根据功率分配结果,进行无人机和地面用户配对策略;水平轨迹规划单元,用于获取无人机水平轨迹规划;垂直轨迹规划单元,用于获取无人机垂直轨迹规划;输出单元,用于输出结果。
本申请具有以下有益效果:
(1)本申请针对多无人机辅助边缘计算系统的三维轨迹控制,打破了传统二维尺度上对无人机辅助边缘计算的不足,达到了系统功率控制、无人机-地面用户配对以及多无人机三维轨迹规划的目的,提出了完整的计算、通信和飞行控制的联合设计思路。
(2)本申请可以实现系统效用值最佳的设计目标,即能够获得最大的系统计算容量和系统能耗间的差值。一方面,本发明可以使系统尽可能多的完成计算任务,以便于更好地满足终端设备计算需求;另一方面,本发明也能让系统避免产生过多的能量开销,以延长系统的生命周期。
(3)本申请可以通过合理设置公平系数,实现对地面用户之间的计算公平性的灵活控制,充分保障多用户情况下计算公平的需求。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述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申请中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1是根据本申请实施例提供的一种对多无人机辅助边缘计算系统的控制方法流程图;
图2是根据本申请实施例提供的一种对多无人机辅助边缘计算系统的控制系统结构示意图。
具体实施方式
下面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,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域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。
本发明提出一种对多无人机辅助边缘计算系统的控制方法,主要解决多无人机辅助边缘计算系统的计算、通信和控制问题,提高系统的效用值,同时保证所有地面用户的公平性要求,实现系统中功率控制、无人机-地面用户配对、无人机三维轨迹的联合优化设计。
首先,用集合表示所有地面用户设备,用/>表示所有无人机MEC服务器。此外,用wk表示地面用户k的位置;用/>表示本申请提供的对多无人机辅助边缘计算系统的控制系统总时隙;用λk,m[n]表示地面用户k在时隙n与无人机m建立通信连接。具体来说,λk,m[n]=1表示地面用户k在时隙n与无人机m进行了配对;反之则λk,m[n]=0;无人机m在所有时隙内的水平轨迹表示为/>其中qm[n]表示无人机m在第n个时隙的水平轨迹变量;在所有时隙内的垂直轨迹表示为/>其中Hm[n]表示无人机m在第n个时隙的垂直轨迹变量;用户k的数据卸载功率在每个时隙内的数据卸载功率表示为pk[n];系统通信带宽和白噪声功率分别表示为B和σ2。定义对多无人机辅助边缘计算系统的控制系统的效用函数如下:
其中ω1>0和ω2>0分别表示系统给定的奖励和成本的权重系数,Esys为系统的能耗,Rk,m[n]表示的是地面用户k在时隙n时到无人机m的卸载速率,Rk,m[n]具体表示为:
其中βk,m[n]表示无人机m在第n个时隙与用户k的信道功率增益,βi,m[n]表示无人机m在第n个时隙与用户i的信道功率增益,pk[n]表示用户k的数据卸载功率在每个时隙内的数据卸载功率,pi[n]表示用户i的数据卸载功率在每个时隙内的数据卸载功率,B1、B2、C1、C2为常数,且满足C1>0、C2>0、C1+C2=1,表示当前时刻地面用户k到无人机m仰角的正弦值,wi表示地面用户i的位置,qm[n]表示无人机m在第n个时隙的水平轨迹变量,Hm[n]表示无人机m在第n个时隙的垂直轨迹变量,wk表示地面用户k的位置,/>其中/>
实施例一
本申请提供了一种对多无人机辅助边缘计算系统的控制系统,具体包括,初始化单元110,功率控制单元120,配对单元130,水平轨迹规划单元140、垂直轨迹规划单元150、判断单元160以及输出单元170。
其中初始化单元110用于进行状态信息的初始化。
功率控制单元120与初始化单元110连接,用于根据初始化的状态信息,获取数据卸载功率。
配对单元130与功率控制单元120连接,用于根据功率分配结果,进行无人机和地面用户配对策略。
水平轨迹规划单元140分别与功率控制单元120和配对单元130连接,用于获取无人机水平轨迹规划。
垂直轨迹规划单元150分别与功率控制单元120、配对单元130和水平轨迹规划单元140连接,用于获取无人机垂直轨迹规划。
判断单元160与垂直轨迹规划单元150连接,用于判断是否达到最大迭代次数。
输出单元170与判断单元160连接,用于若达到最大迭代次数,则输出结果。即输出最佳功率控制,最佳无人机和地面用户配对策略,最佳无人机水平轨迹规划,最佳无人机水平垂直轨迹规划。
实施例二
如图2所示为本申请提供的一种对多无人机辅助边缘计算系统的控制方法,具体实现系统的功率控制、无人机-地面用户配对和三维无人机轨迹规划的问题,其中具体包括以下步骤:
步骤S210:进行状态信息的初始化。
初始化状态信息包括,初始化无人机三维飞行轨迹,地面用户最大数据卸载功率无人机最大CPU计算频率/>系统带宽B,时隙长度δt,地面用户间的最小计算公平系数θ,以及收敛精度和最大迭代次数。
根据地面用户的位置分布情况,可以采用规则的轨迹初始化方法对无人机轨迹进行初始化,如采用直线匀速飞行的方式,在总时间T内从给定起始点飞行至终止点。另外,初始化得到地面用户最大数据卸载功率无人机最大CPU计算频率/>系统带宽B,时隙长度δt,以及地面用户间的最小计算公平系数θ。
其中计算最小公平系数满足以下约束关系:
其中M表示所有无人机MEC服务器,N表示系统总时隙,K表示所有地面用户设备,Rk,m[n]表示的是地面用户k在时隙n时到无人机m的卸载速率,θ表示地面用户间的最小计算公平系数。
步骤S220:根据初始化的状态信息,获取功率控制。
其中,步骤S220具体包括以下子步骤:
步骤S2201:将所有初始化的状态信息作为输入。
步骤S2202:根据输入的初始化状态信息,获取功率控制。
其中,通过给定的初始化信息,利用凸优化工具箱求解得到数据卸载功率的解,即获取功率控制。
具体地,通过给定无人机-地面用户配对和状态信息中的无人机三维轨迹,利用连续凸近似(successive convex approximation,SCA)方法,可以获得地面用户的数据卸载功率。
具体需将公式2中的非凸函数转化为关于数据卸载功率的凸函数表达。
其中,首先引入辅助变量Ik,m[n],使得满足:于是公式2转变为:
公式4为标准的凸差形式,对λk,m[n]log2(Ik,m[n])采用SCA方法,给定局部点(r表示第r次迭代),λk,m[n]log2(Ik,m[n])转化为:
表示由λk,m[n]log2(Ik,m[n])经过SCA处理得到的下边界函数,于是,公
式2中的函数Rk,m[n]变成了关于数据卸载功率的凸函数,即表示为:
此时,通过给定的初始化的状态信息,根据公式6可以直接利用凸优化工具箱求解得到数据卸载功率的解。
步骤S230:根据功率控制结果,获取无人机和地面用户配对策略。
其中,通过得到的数据卸载功率的值,并给定无人机三维轨迹,可以通过变量松弛的手段,获得无人机和地面用户配对策略。
具体地,将初始化的状态信息和数据卸载功率的值作为输入,通过变量松弛的方法,可以求解出系统无人机和地面用户的配对策略。
首先将无人机和地面用户的配对系数λk,m[n]由0-1变量变为0到1区间上的连续变量,即变为0≤λk,m[n]≤1,此时问题是关于λk,m[n]的线性规划问题,通过变量松弛手段得到λk,m[n]的解。
其中得到λk,m[n]值后,还包括,对λk,m[n]进行优化。
具体地,将得到的λk,m[n]值重构为0-1值。具体做法可以是,如果λk,m[n]>0.5,则令λk,m[n]=1;否则,λk,m[n]=0。
由于λk,m[n]=1表示地面用户k在时隙n与无人机m进行了配对;λk,m[n]=0则说明地面用户k在时隙n与无人机m没有配对,因此,可根据λk,m[n]值得到配对的地面用户和无人机,即无人机和地面用户的配对策略。
步骤S240:根据无人机和地面用户配对策略,获取无人机水平轨迹规划。
其中步骤S240具体包括以下子步骤:
步骤S2401:将初始化的状态信息、数据卸载功率的值,以及无人机和地面用户配对策略作为输入。
步骤S2402:更新无人机的水平飞行轨迹。
具体地,首先引入辅助变量xk,m[n]和yk,m[n],并让它们满足:
其中γ0=β0/σ2,β0为参考距离为1米时的信道增益。α≥2为路径损耗因子,为地面用户k在时隙n与无人机m的距离,其中其中/>wi表示地面用户i的位置。
进一步地,根据公式7和8,利用SCA方法将公式2转变为:
其中 为给定的局部点,λk,m[n]表示地面用户k在时隙n与无人机m建立通信连接,yk,m[n]表示辅助变量。
此外,公式7等价为
其中中的ρk,m[n]≤B1+B2uk,m[n],可证明ρk,m[n]≤B1+B2uk,m[n]中不等式右侧是关于νk,m[n]和zk,m[n]联合凸函数,ρk,m[n]≤B1+B2uk,m[n]中的/>也是关于水平轨迹的凸函数,于是可以通过SCA的方法将公式10和ρk,m[n]≤B1+B2uk,m[n]转变成凸函约束,从而便于求解。
经过上述处理,可以最终将公式2转变为关于水平轨迹变量的凸表达式。之后,通过给定的初始化的状态信息,利用凸优化工具箱可以求解得到关于无人机水平飞行轨迹的解。
步骤S250:根据水平轨迹规划,获取无人机垂直轨迹规划。
其中,将初始化信息、数据卸载功率、地面用户和无人机配对策略、无人机水平轨迹规划的结果作为输入,利用SCA的方法,更新无人机的垂直飞行轨迹。
具体地,根据垂直轨迹变量和水平轨迹变量在公式2中的形式,在处理垂直轨迹优化问题时的分析与水平轨迹优化具有相似性。于是,通过引入辅助变量和/>同样可以得到和步骤140中公式7-10一致的结果,即有:
其中 为给定的局部点,λk,m[n]表示地面用户k在时隙n与无人机m建立通信连接,/>表示辅助变量。此外,公式11等价为
其中中的/>这里的uk,m[n]是关于垂直轨迹变量的函数,因此在利用SCA对uk,m[n]处理时,只需对垂直轨迹变量Hm[n]在局部点进行凸近似即可。
通过上述操作和给定的初始化的状态信息,便可最终利用工具箱求解得到关于无人机垂直飞行轨迹的解。
步骤S260:判断是否达到最大迭代次数。
其中,重复执行步骤S220-S250,判断是否达到最大迭代次数,其中达到最大迭代次数后,能使系统效用函数最大,则执行步骤S270,否则迭代次数加1,重复执行步骤S220-250。
步骤S270:输出结果。
其中,达到最大迭代次数后,则步骤S220-S250得到的分别为最佳功率控制,最佳无人机和地面用户配对策略,最佳无人机水平轨迹规划,最佳无人机水平垂直轨迹规划。
本申请具有以下有益效果:
(1)本申请针对多无人机辅助边缘计算系统的三维轨迹控制,打破了传统二维尺度上对无人机辅助边缘计算的不足,达到了系统功率控制、无人机-地面用户配对以及多无人机三维轨迹规划的目的,提出了完整的计算、通信和飞行控制的联合设计思路。
(2)本申请可以实现系统效用值最佳的设计目标,即能够获得最大的系统计算容量和系统能耗间的差值。一方面,本发明可以使系统尽可能多的完成计算任务,以便于更好地满足终端设备计算需求;另一方面,本发明也能让系统避免产生过多的能量开销,以延长系统的生命周期。
(3)本申请可以通过合理设置公平系数,实现对地面用户之间的计算公平性的灵活控制,充分保障多用户情况下计算公平的需求。
虽然当前申请参考的示例被描述,其只是为了解释的目的而不是对本申请的限制,对实施方式的改变,增加和/或删除可以被做出而不脱离本申请的范围。
以上所述,仅为本申请的具体实施方式,但本申请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申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (8)
1.一种对多无人机辅助边缘计算系统的控制方法,其特征在于,具体包括以下步骤:
S1,进行状态信息的初始化;
S2,根据初始化的状态信息,获取功率控制;
S3,根据功率控制结果,获取无人机和地面用户配对策略;
S4,根据无人机和地面用户配对策略,获取无人机水平轨迹规划;
S5,根据水平轨迹规划,获取无人机垂直轨迹规划;
重复执行S2-S5,判断是否达到最大迭代次数,若达到最大迭代次数,则输出结果;
初始化状态信息包括,初始化无人机三维飞行轨迹,地面用户最大数据卸载功率无人机最大CPU计算频率/>系统带宽B,时隙长度δt,地面用户间的最小计算公平系数θ,以及收敛精度和最大迭代次数;通过给定的初始化信息,利用凸优化工具箱求解得到数据卸载功率的解,即获取功率控制;通过得到的数据卸载功率的值,并给定无人机三维轨迹,通过变量松弛的手段,获得无人机和地面用户配对策略;
其中根据无人机和地面用户配对策略,获取无人机水平轨迹规划包括以下子步骤:
S41:将初始化的状态信息、数据卸载功率的值,以及无人机和地面用户配对策略作为输入;
S42:更新无人机的水平飞行轨迹;
步骤S5包括将初始化信息、数据卸载功率、地面用户和无人机配对策略、无人机水平轨迹规划的结果作为输入,利用SCA的方法,更新无人机的垂直飞行轨迹;
达到最大迭代次数后,则步骤S2-S5得到的分别为最佳功率控制,最佳无人机和地面用户配对策略,最佳无人机水平轨迹规划,最佳无人机水平垂直轨迹规划。
2.如权利要求1所述的对多无人机辅助边缘计算系统的控制方法,其特征在于,若未达到最大迭代次数,则迭代次数加1,重复执行S2-S5。
3.如权利要求1所述的对多无人机辅助边缘计算系统的控制方法,其特征在于,最小公平系数满足以下约束关系:
其中M表示所有无人机MEC服务器,N表示系统总时隙,K表示所有地面用户设备,Rk,m[n]表示的是地面用户k在时隙n时到无人机m的卸载速率,θ表示地面用户间的最小计算公平系数。
4.如权利要求3所述的对多无人机辅助边缘计算系统的控制方法,其特征在于,地面用户k在时隙n时到无人机m的卸载速率Rk,m[n]具体表示为:
其中pk[n]表示用户k在时隙n内的数据卸载功率,B1、B2、C1、C2为常数,且满足C1>0、C2>0、C1+C2=1,uk,m[n]表示当前时刻地面用户k到无人机m仰角的正弦值,λk,m[n]=1表示地面用户k在时隙n与无人机m进行了配对;反之则λk,m[n]=0,βk,m[n]表示无人机m在第n个时隙与用户k的信道功率增益,σ2表示白噪声功率,βi,m[n]表示无人机m在第n个时隙与用户i的信道功率增益。
5.如权利要求4所述的对多无人机辅助边缘计算系统的控制方法,其特征在于,根据初始化的状态信息,获取功率控制具体包括以下子步骤:
将所有初始化的状态信息作为输入;
根据输入的初始化状态信息,获取数据卸载功率,即获取功率控制。
6.如权利要求5所述的对多无人机辅助边缘计算系统的控制方法,其特征在于,引入辅助变量Ik,m[n],使得满足根据辅助变量对Rk,m[n]进行处理,使得函数Rk,m[n]转变为凸函数,使用凸优化工具箱求解得到数据卸载功率的解。
7.如权利要求6所述的对多无人机辅助边缘计算系统的控制方法,其特征在于,函数Rk,m[n]变成了关于数据卸载功率的凸函数,具体表示为:
其中λk,m[n]=1表示地面用户k在时隙n与无人机m进行了配对;反之则λk,m[n]=0,pk[n]表示用户k的数据卸载功率在每个时隙内的数据卸载功率,K表示所有地面设备,σ2表示白噪声功率,表示下边界函数,βk,m[n]表示无人机m在第n个时隙与用户k的信道功率增益,βi,m[n]表示无人机m在第n个时隙与用户i的信道功率增益,/>B1、B2、C1、C2为常数,且满足C1>0、C2>0、C1+C2=1,/>表示当前时刻地面用户k到无人机m仰角的正弦值,qm[n]表示无人机m在第n个时隙的水平轨迹变量,Hm[n]表示无人机m在第n个时隙的垂直轨迹变量,wk表示地面用户k的位置。
8.一种对多无人机辅助边缘计算系统的控制系统,其特征在于,具体包括,初始化单元,功率控制单元,配对单元,水平轨迹规划单元,垂直轨迹规划单元以及输出单元;
其中初始化单元,用于进行状态信息的初始化;
功率控制单元,用于根据初始化的状态信息,获取功率控制;
配对单元,用于根据功率分配结果,进行无人机和地面用户配对策略;
水平轨迹规划单元,用于获取无人机水平轨迹规划;
垂直轨迹规划单元,用于获取无人机垂直轨迹规划;
输出单元,用于输出结果;
初始化状态信息包括,初始化无人机三维飞行轨迹,地面用户最大数据卸载功率无人机最大CPU计算频率/>系统带宽B,时隙长度δt,地面用户间的最小计算公平系数θ,以及收敛精度和最大迭代次数;通过给定的初始化信息,利用凸优化工具箱求解得到数据卸载功率的解,即获取功率控制;通过得到的数据卸载功率的值,并给定无人机三维轨迹,通过变量松弛的手段,获得无人机和地面用户配对策略;
其中根据无人机和地面用户配对策略,获取无人机水平轨迹规划包括以下子步骤:
S41:将初始化的状态信息、数据卸载功率的值,以及无人机和地面用户配对策略作为输入;
S42:更新无人机的水平飞行轨迹;
垂直轨迹规划单元包括将初始化信息、数据卸载功率、地面用户和无人机配对策略、无人机水平轨迹规划的结果作为输入,利用SCA的方法,更新无人机的垂直飞行轨迹;
达到最大迭代次数后,则通过功率控制单元、配对单元、水平轨迹规划单元以及垂直轨迹规划单元得到的分别为最佳功率控制,最佳无人机和地面用户配对策略,最佳无人机水平轨迹规划,最佳无人机水平垂直轨迹规划。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111172749.0A CN113825177B (zh) | 2021-10-08 | 2021-10-08 | 一种对多无人机辅助边缘计算系统的控制方法及控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111172749.0A CN113825177B (zh) | 2021-10-08 | 2021-10-08 | 一种对多无人机辅助边缘计算系统的控制方法及控制系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113825177A CN113825177A (zh) | 2021-12-21 |
CN113825177B true CN113825177B (zh) | 2023-12-26 |
Family
ID=78919905
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111172749.0A Active CN113825177B (zh) | 2021-10-08 | 2021-10-08 | 一种对多无人机辅助边缘计算系统的控制方法及控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113825177B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114666803B (zh) * | 2022-03-01 | 2024-02-23 | 北京邮电大学 | 一种移动边缘计算系统的部署、控制方法及其系统 |
CN115734185A (zh) * | 2022-11-21 | 2023-03-03 | 深圳大学 | 无人机物联网水下探测系统的飞行轨迹和带宽分配优化方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108990158A (zh) * | 2018-07-12 | 2018-12-11 | 南昌大学 | 基于二元加载机制下无人机充电边缘计算网络的资源分配方法 |
CN109885088A (zh) * | 2019-03-12 | 2019-06-14 | 西安交通大学 | 边缘计算网络中基于机器学习的无人机飞行轨迹优化方法 |
CN110381444A (zh) * | 2019-06-24 | 2019-10-25 | 广东工业大学 | 一种无人机轨迹优化及资源分配方法 |
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 |
CN110473431A (zh) * | 2019-09-17 | 2019-11-19 | 中国民用航空飞行学院 | 一种进近管制空域高度限制下的冲突预测方法 |
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 |
CN112351503A (zh) * | 2020-11-05 | 2021-02-09 | 大连理工大学 | 基于任务预测的多无人机辅助边缘计算资源分配方法 |
CN112399375A (zh) * | 2020-06-19 | 2021-02-23 | 南京邮电大学 | 基于终端能效优化的无人机辅助边缘计算的卸载方法 |
CN112867065A (zh) * | 2021-01-05 | 2021-05-28 | 北京邮电大学 | 一种空地协同边缘计算方法及其系统 |
CN113282352A (zh) * | 2021-06-02 | 2021-08-20 | 南京邮电大学 | 基于多无人机协同辅助边缘计算的节能卸载方法 |
CN113472426A (zh) * | 2021-07-01 | 2021-10-01 | 云南大学 | 一种公平感知任务调度和资源分配方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8082102B2 (en) * | 2008-01-14 | 2011-12-20 | The Boeing Company | Computing flight plans for UAVs while routing around obstacles having spatial and temporal dimensions |
US20190043000A1 (en) * | 2017-08-01 | 2019-02-07 | Moxa Inc. | System for pairing uav and truck to make uav complete goods delivey and method thereof |
EP3788612A2 (en) * | 2018-05-04 | 2021-03-10 | Interdigital Patent Holdings, Inc. | Market based detect and avoid (daa) solutions |
CN110673635B (zh) * | 2019-09-30 | 2021-10-26 | 华南理工大学 | 一种基于无线能量传输网络的无人机三维轨迹的设计方法 |
-
2021
- 2021-10-08 CN CN202111172749.0A patent/CN113825177B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108990158A (zh) * | 2018-07-12 | 2018-12-11 | 南昌大学 | 基于二元加载机制下无人机充电边缘计算网络的资源分配方法 |
CN109885088A (zh) * | 2019-03-12 | 2019-06-14 | 西安交通大学 | 边缘计算网络中基于机器学习的无人机飞行轨迹优化方法 |
CN110381444A (zh) * | 2019-06-24 | 2019-10-25 | 广东工业大学 | 一种无人机轨迹优化及资源分配方法 |
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 |
CN110473431A (zh) * | 2019-09-17 | 2019-11-19 | 中国民用航空飞行学院 | 一种进近管制空域高度限制下的冲突预测方法 |
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 |
CN112399375A (zh) * | 2020-06-19 | 2021-02-23 | 南京邮电大学 | 基于终端能效优化的无人机辅助边缘计算的卸载方法 |
CN112351503A (zh) * | 2020-11-05 | 2021-02-09 | 大连理工大学 | 基于任务预测的多无人机辅助边缘计算资源分配方法 |
CN112867065A (zh) * | 2021-01-05 | 2021-05-28 | 北京邮电大学 | 一种空地协同边缘计算方法及其系统 |
CN113282352A (zh) * | 2021-06-02 | 2021-08-20 | 南京邮电大学 | 基于多无人机协同辅助边缘计算的节能卸载方法 |
CN113472426A (zh) * | 2021-07-01 | 2021-10-01 | 云南大学 | 一种公平感知任务调度和资源分配方法 |
Non-Patent Citations (3)
Title |
---|
Optimizing Multi-UAV Deployment in 3-D Space to Minimize Task Completion Time in UAV-Enabled Mobile Edge Computing Systems;Sujunjie等;IEEE Communications Letters;第25卷(第2期);全文 * |
基于NOMA的无人机轨迹与功率联合优化;崔方宇;蔡云龙;赵民建;;杭州电子科技大学学报(自然科学版)(01);全文 * |
空地协同下移动边缘计算系统的联合多无人机轨迹和卸载策略优化;姚叶;崔岩;;通信技术(09);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113825177A (zh) | 2021-12-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113825177B (zh) | 一种对多无人机辅助边缘计算系统的控制方法及控制系统 | |
CN107766135B (zh) | 移动朵云中基于粒子群和模拟退火优化的任务分配方法 | |
CN110557769A (zh) | 基于深度强化学习的c-ran计算卸载和资源分配方法 | |
CN113905347B (zh) | 一种空地一体化电力物联网云边端协同方法 | |
CN114051254B (zh) | 一种基于星地融合网络的绿色云边协同计算卸载方法 | |
CN110456681B (zh) | 基于事件触发的中立稳定饱和系统的输出反馈控制器 | |
CN109526040A (zh) | 在多基站场景中的基于非正交多址接入的移动边缘计算线性搜索式时延优化方法 | |
CN110287034A (zh) | 一种可充电移动边缘计算中能量-延迟平衡的动态任务分配方法 | |
CN116156563A (zh) | 基于数字孪生的异构任务与资源端边协同调度方法 | |
CN116257335A (zh) | 无人机辅助mec系统联合任务调度及运动轨迹优化方法 | |
CN113965569B (zh) | 一种高能效、低时延的边缘节点计算迁移配置系统 | |
CN110673651B (zh) | 一种通信受限条件下的无人机群鲁棒编队方法 | |
Xu et al. | Energy consumption minimization for data collection from wirelessly-powered IoT sensors: Session-specific optimal design with DRL | |
CN111611069B (zh) | 多数据中心间多类型任务迁移方法 | |
CN112867065B (zh) | 一种空地协同边缘计算方法及其系统 | |
CN110602718B (zh) | 基于交替方向乘子法的异构蜂窝网络功率分配方法及系统 | |
CN109358969B (zh) | 一种在单个边缘计算服务器场景下基于线性搜索的移动区块链优化算力分配方法 | |
CN114745386B (zh) | 一种多用户边缘智能场景下的神经网络分割及卸载方法 | |
CN116723548A (zh) | 一种基于深度强化学习的无人机辅助计算卸载方法 | |
CN115833907A (zh) | 多无人机辅助mec系统中联合轨迹、卸载和资源分配优化方法 | |
CN113507712B (zh) | 一种基于交替方向乘子的资源分配与计算任务卸载方法 | |
CN114698116A (zh) | 一种无人机协助的非线性能量收集mec系统的资源分配方法 | |
CN114500533B (zh) | 基于用户协作的无人机辅助移动边缘计算系统优化方法 | |
Yamazaki et al. | Client Selection Based on Channel Capacity for Federated Learning Under Wireless Channels | |
Linpei et al. | Energy-efficient computation offloading assisted by RIS-based UAV |
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 |