CN115664486A - 一种ris辅助uav边缘计算系统中无线供能的能效优化方法 - Google Patents

一种ris辅助uav边缘计算系统中无线供能的能效优化方法 Download PDF

Info

Publication number
CN115664486A
CN115664486A CN202211701088.0A CN202211701088A CN115664486A CN 115664486 A CN115664486 A CN 115664486A CN 202211701088 A CN202211701088 A CN 202211701088A CN 115664486 A CN115664486 A CN 115664486A
Authority
CN
China
Prior art keywords
uav
ris
energy
energy consumption
terminal equipment
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
CN202211701088.0A
Other languages
English (en)
Other versions
CN115664486B (zh
Inventor
余雪勇
宋家宁
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.)
Nanjing University of Posts and Telecommunications
Original Assignee
Nanjing University of Posts and Telecommunications
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 Nanjing University of Posts and Telecommunications filed Critical Nanjing University of Posts and Telecommunications
Priority to CN202211701088.0A priority Critical patent/CN115664486B/zh
Publication of CN115664486A publication Critical patent/CN115664486A/zh
Application granted granted Critical
Publication of CN115664486B publication Critical patent/CN115664486B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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

  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种RIS辅助UAV边缘计算系统中无线供能的能效优化方法，包括：根据用户传输能耗和UAV计算能耗，构造以最小化系统能耗为目标的优化问题；根据终端设备的卸载决策对UAV资源分配的影响，采用分支定界法对二者求最优解；根据得到的卸载决策和资源分配，采用半正定松弛法对RIS上下行波束成形矩阵求解，采用连续松弛对UAV轨迹求解；通过块坐标下降法，迭代更新至卸载决策、资源分配、RIS上下行波束成形矩阵和UAV轨迹收敛，得到最小系统能耗；本发明能耗较传统UAV边缘计算系统有明显降低。

Description

一种RIS辅助UAV边缘计算系统中无线供能的能效优化方法
技术领域
本发明涉及终端设备任务卸载技术领域技术领域，尤其涉及一种RIS辅助UAV边缘计算系统中无线供能的能效优化方法。
背景技术
随着技术迭代更新，各种新潮电子设备如雨后春笋破土而出席卷全球。这些新应用，如虚拟现实、增强现实、自动驾驶、信息检测等，的计算需求远超过设备本身的计算能力。因此携带小型边缘服务器的无人机（unmanned aerial vehicle，UAV）便成了不错的选择。它相较于用户具有更大的计算能力，亦有强大的移动性（可随时移动到有更大需求的用户端）。同时UAV会结合移动边缘计算（Mobile edge computing，MEC），为终端设备提供更好的卸载技术，摆脱网络冗余的压力。
MEC不同于云计算技术。云计算是将所有用户任务的计算、管理都集中在云端，会给云服务器造成过大的负荷。同时云端距离用户较远，会增加通信能耗，不能更好的分配能量，造成能源浪费和通信资源浪费。而移动边缘计算利用分布式计算模式，收集网络边缘闲置的计算资源和存储空间，更接近终端设备。它能够解决数亿计的设备接入而导致云端资源短缺的问题。
然而，仅靠UAV来提供服务也是有一定风险的。在城市环境中，一切存在的事物是那么的错综复杂，动态的UAV和地面终端设备之间的视距信道可能会受到一定的障碍物，阻碍信号的传输速度、致使其无法完成时延敏感性的任务。我们将智能反射面（ReflectingIntelligent Surface，RIS）引入到无法满足用户需求的场景中，使其在其中充当中间人的身份，为终端设备和UAV之间建立间接信道，其中包括瑞利信道和莱斯信道。简单来说，RIS是一个二维的平面，它由大量的无源反射元件构成，并且每个元件都能对入射的信号独立地产生一个可控的振幅和(或)相位，称为无源波束赋形，从而提高系统的频谱效率。UAV可以为RIS和终端设备无线供能。在UAV无线供能的MEC网络里，可以合理的部署和控制RIS，以提高能量传输效率和任务卸载率。
现阶段绝大多数涉及到RIS的研究，仅关注于间接信道上信号的传输，围绕如何提高传输任务的吞吐量展开的一系列研究、研究RIS的上、下行波束成形矩阵，无人机轨迹，用户的发射功率对吞吐量的影响。另外一部分对于UAV-MEC的网络研究，也只是考虑用户的卸载决策、无人机任务调度、服务策略优化对系统能耗造成的影响。事实上，将RIS引入到UAV-MEC网络中，不仅会对信号吞吐量产生影响进而影响系统能耗，满足时延敏感性任务的需求，还可以结合该网络下用户的卸载决策和UAV的资源分配联合对系统能耗造成影响。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有存在的问题，提出了本发明。
因此，本发明提供了一种RIS辅助UAV边缘计算系统中无线供能的能效优化方法解决任务卸载率较低，系统能效较高的问题。
为解决上述技术问题，本发明提供如下技术方案：
依据终端设备、RIS、UAV运行参数建立系统模型，并确定系统中UAV为RIS和终端设备无线提供的能量、用户传输能耗、UAV计算能耗；
根据用户传输能耗和UAV计算能耗，构造以最小化系统能耗为目标的优化问题；
结合终端设备的卸载决策对UAV资源分配的影响，采用分支定界法对终端设备的卸载决策和UAV的资源分配求最优解。
作为本发明所述的RIS辅助UAV边缘计算系统中无线供能的能效优化方法的一种优选方案，其中：
根据终端设备的卸载决策和UAV的资源分配得到的最优解，采用半正定松弛法对RIS上下行波束成形矩阵求解；
根据得到的卸载决策、资源分配、RIS最优上下行波束成形矩阵的解，采用连续松弛对UAV轨迹求解；
利用块坐标下降法对卸载决策、资源分配、RIS上下行波束成形矩阵和UAV轨迹收敛所求得的解不断迭代更新直到求得最终的最优解，实现最小系统能耗。
作为本发明所述的RIS辅助UAV边缘计算系统中无线供能的能效优化方法的一种优选方案，其中：所述依据终端设备、RIS、UAV运行参数建立系统模型，并确定系统中UAV为RIS和终端设备无线提供的能量、用户传输能耗、UAV计算能耗中，在UAV飞行时间内RIS收集的能量表示为：
Figure 100002_DEST_PATH_IMAGE001
其中
Figure 100002_DEST_PATH_IMAGE002
表示能量转化效率，
Figure 100002_DEST_PATH_IMAGE003
表示UAV的固定发射功率，
Figure 100002_DEST_PATH_IMAGE004
表示UAV和RIS 之间的信道增益，并且在
Figure 100002_DEST_PATH_IMAGE005
中UAV只负责给RIS传输能量；假设UAV与RIS之间是视距信道。
作为本发明所述的RIS辅助UAV边缘计算系统中无线供能的能效优化方法的一种 优选方案，其中：所述依据终端设备、RIS、UAV运行参数建立系统模型，并确定系统中UAV为 RIS和终端设备无线提供的能量、用户传输能耗、UAV计算能耗中，终端设备收集的能量
Figure 100002_DEST_PATH_IMAGE006
表示为：
Figure 100002_DEST_PATH_IMAGE007
其中
Figure 100002_DEST_PATH_IMAGE008
表示能量转换效率，
Figure 100002_DEST_PATH_IMAGE009
表示UAV为第k个终端设备提供能量的时间段，
Figure 952236DEST_PATH_IMAGE003
表示UAV的固定发射功率，
Figure 100002_DEST_PATH_IMAGE010
和
Figure 100002_DEST_PATH_IMAGE011
分别表示RIS和第k个终端设备之间的信道增益和 UAV与终端设备之间的视距信道增益，
Figure 100002_DEST_PATH_IMAGE012
即下 行能量传输过程中的RIS相位偏移矩阵，
Figure 100002_DEST_PATH_IMAGE013
的上标H代表该矩阵共轭转置。
作为本发明所述的RIS辅助UAV边缘计算系统中无线供能的能效优化方法的一种 优选方案，其中：所述依据终端设备、RIS、UAV运行参数建立系统模型，并确定系统中UAV为 RIS和终端设备无线提供的能量、用户传输能耗、UAV计算能耗中，第k个终端设备的任务卸 载速率
Figure 100002_DEST_PATH_IMAGE014
表示为：
Figure 100002_DEST_PATH_IMAGE015
其中
Figure 100002_DEST_PATH_IMAGE016
定义为在第k个终端设备的传输功率，
Figure 100002_DEST_PATH_IMAGE017
表示载波带宽，
Figure 100002_DEST_PATH_IMAGE018
表示噪声方 差，
Figure 100002_DEST_PATH_IMAGE019
即上行任务卸载过程中的RIS相位偏 移矩阵，
Figure 100002_DEST_PATH_IMAGE020
分别为第n个时隙中RIS的S个单元元件的相移；
终端设备k的卸载量
Figure 100002_DEST_PATH_IMAGE021
要满足：
Figure 100002_DEST_PATH_IMAGE022
其中
Figure 100002_DEST_PATH_IMAGE023
代表卸载决策，
Figure 100002_DEST_PATH_IMAGE024
表示第n个时隙终端设备k的任务卸载量，
Figure 100002_DEST_PATH_IMAGE025
表示 终端设备卸载任务的时间段，
Figure 100002_DEST_PATH_IMAGE026
为第k个终端设备的任务卸载速率。
作为本发明所述的RIS辅助UAV边缘计算系统中无线供能的能效优化方法的一种 优选方案，其中：所述依据终端设备、RIS、UAV运行参数建立系统模型，并确定系统中UAV为 RIS和终端设备无线提供的能量、用户传输能耗、UAV计算能耗中，终端设备的任务卸载能耗
Figure 100002_DEST_PATH_IMAGE027
表示为：
Figure 100002_DEST_PATH_IMAGE028
UAV处理第
Figure 100002_DEST_PATH_IMAGE029
个终端设备卸载的任务产生的能耗
Figure 100002_DEST_PATH_IMAGE030
表示为：
Figure 100002_DEST_PATH_IMAGE031
其中
Figure 100002_DEST_PATH_IMAGE032
表示与功耗相关的常数。
作为本发明所述的RIS辅助UAV边缘计算系统中无线供能的能效优化方法的一种优选方案，其中：所述根据用户传输能耗和UAV计算能耗，构造以最小化系统能耗为目标的优化问题中，构造最小化系统能耗为目标的优化问题表示为：
Figure 100002_DEST_PATH_IMAGE033
其中C1表示卸载决策
Figure 202827DEST_PATH_IMAGE023
的取值范围，C2保证了UAV为终端设备分配相应的资源
Figure 100002_DEST_PATH_IMAGE034
小于自身的资源
Figure 100002_DEST_PATH_IMAGE035
，C3表示在计算卸载模式下，终端设备的卸载任务所需能耗
Figure 100002_DEST_PATH_IMAGE036
要小 于其收集的能量，C4保证了无人机完成任务处理以及保持自身飞行，其中，
Figure 100002_DEST_PATH_IMAGE037
，
Figure 100002_DEST_PATH_IMAGE038
是无人机的质量（包括其载重），C5是RIS的
Figure 100002_DEST_PATH_IMAGE039
个单元所耗费的能耗
Figure 100002_DEST_PATH_IMAGE040
之和必须满足其 收集的能量，C6是相位波束成型约束，C7是UAV在整个飞行过程中的位置变化要小于最大速 度下的位移矢量。
作为本发明所述的RIS辅助UAV边缘计算系统中无线供能的能效优化方法的一种优选方案，其中：所述结合终端设备的卸载决策对UAV资源分配的影响，采用分支定界法对终端设备的卸载决策和UAV的资源分配求最优解中，此时该子问题表示为：
Figure 100002_DEST_PATH_IMAGE041
其中C1表示卸载决策
Figure 258245DEST_PATH_IMAGE023
的取值范围，C2保证了UAV为终端设备分配相应的资源
Figure 100002_DEST_PATH_IMAGE042
小于自身的资源
Figure 100002_DEST_PATH_IMAGE043
，C3表示UAV分配给第k个终端设备的计算资源需满足整数的要求。
作为本发明所述的RIS辅助UAV边缘计算系统中无线供能的能效优化方法的一种优选方案，其中：所述根据终端设备的卸载决策和UAV的资源分配得到的最优解，采用半正定松弛法对RIS上下行波束成形矩阵求解中，下行波束成形矩阵优化子问题表示为：
Figure 100002_DEST_PATH_IMAGE044
C3表示在计算卸载模式下，终端设备的卸载任务所需能耗要小于其收集的能量，C6是相位波束成型约束；
对于上行波束成形矩阵，目标函数中含有上行波束成形矩阵，最小化终端设备能耗，等同于最大化上行波束成形矩阵的子问题，子问题表示为：
Figure 100002_DEST_PATH_IMAGE045
根据三角不等式，问题的目标函数需满足条件：
Figure 100002_DEST_PATH_IMAGE046
利用三角不等式即可求得上行波束成形矩阵的最优解。
作为本发明所述的RIS辅助UAV边缘计算系统中无线供能的能效优化方法的一种 优选方案，其中：所述根据得到的卸载决策、资源分配、RIS最优上下行波束成形矩阵的解， 采用连续松弛对UAV轨迹求解中，对于UAV轨迹变量
Figure 100002_DEST_PATH_IMAGE047
表示为：
Figure 100002_DEST_PATH_IMAGE048
C7是UAV在整个飞行过程中的位置变化要小于最大速度下的位移矢量。
本发明的有益效果：本发明提出一种RIS辅助UAV边缘计算系统中无线供能的能效优化方法，该方法将RIS改善信道质量同计算卸载相结合，令RIS和多个终端设备无线接收UAV提供的能量并用于上行任务卸载；通过联合优化卸载决策、资源分配、上下行波束成形矩阵和UAV飞行轨迹，最小化系统能耗在完成时延敏感性任务的同时，有效提高任务卸载量，降低系统能耗。
附图说明
为了更清楚地说明本发明实施例的技术方案，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它的附图。其中：
图1为本发明一个实施例提供的一种RIS辅助UAV边缘计算系统中无线供能的能效优化方法的基本流程示意图；
图2为本发明一个实施例提供的一种RIS辅助UAV边缘计算系统中无线供能的能效优化方法的模型图；
图3为本发明一个实施例提供的一种RIS辅助UAV边缘计算系统中无线供能的能效优化方法的一种能量收集以及计算比特卸载协议图；
图4为本发明一个实施例提供的一种RIS辅助UAV边缘计算系统中无线供能的能效优化方法的边缘计算网络中优化不同变量所对应的系统能耗与任务完成时间的关系示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通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，都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中，需要说明的是，术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一、第二或第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定，术语“安装、相连、连接”应做广义理解，例如：可以是固定连接、可拆卸连接或一体式连接；同样可以是机械连接、电连接或直接连接，也可以通过中间媒介间接相连，也可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
实施例1
参照图1-3，为本发明的一个实施例，提供了一种RIS辅助UAV边缘计算系统中无线供能的能效优化方法，如图1-2所示，包括以下步骤：
其中UAV通过射频放大器依次为RIS和K个终端设备提供能量，使其可以完成后续的任务卸载。终端设备收集能量时，也将任务卸载给算力强大的边缘服务器。终端设备比较卸载能耗与收集的能量，判断出任务是在本地计算还是卸载到边缘控制器。RIS本身也有能耗限制，其S个元件的能耗要小于RIS收集的能量。RIS为任务卸载提供两种通信链路。出于实际考虑，RIS与UAV之间是视距信道。UAV和K个终端设备之间的信道尽管被阻断，仍然存在大量散射因此二者之间为瑞利信道。由于存在额外的视距信道，终端和RIS之间是莱斯信道。终端设备同时通过两种信道传输时延敏感性的任务。其中RIS会影响三种信道增益。终端设备的卸载策略直接影响UAV的资源分配。
S1：依据终端设备、RIS、UAV运行参数建立系统模型，并确定系统中UAV为RIS和终端设备无线提供的能量、用户传输能耗、UAV计算能耗；
更进一步的，当终端设备与UAV之间的信道受到阻挡时，UAV搭载无线能量传输设备，为无源器件RIS和终端设备提供能量。当终端设备本身的计算资源无法满足时延敏感的计算密集型任务的QoS需求时，将任务通过两种通信链路卸载给边缘服务器，其中，一种是视距信道，另一种是瑞利信道加莱斯信道。
如图3所示，将无人机的总飞行时间T划分为N个
Figure DEST_PATH_IMAGE049
时隙，其次将一个
Figure 603907DEST_PATH_IMAGE049
时隙划分为K +1份，UAV在
Figure DEST_PATH_IMAGE050
时间段为RIS供能，在
Figure DEST_PATH_IMAGE051
时间段为终端设备供能。在供能的同时，终端设 备通过两种通信信道将任务卸载给边缘服务器。
更进一步的，在UAV飞行时间内RIS收集的能量表示为：
Figure DEST_PATH_IMAGE052
其中
Figure 911129DEST_PATH_IMAGE002
表示能量转化效率，
Figure 845587DEST_PATH_IMAGE003
表示UAV的固定发射功率，
Figure DEST_PATH_IMAGE053
表示UAV和RIS 之间的信道增益，并且在
Figure 838951DEST_PATH_IMAGE005
中UAV只负责给RIS传输能量；假设UAV与RIS之间是视距信 道。
终端设备收集的能量
Figure DEST_PATH_IMAGE054
表示为：
Figure DEST_PATH_IMAGE055
其中
Figure DEST_PATH_IMAGE056
表示能量转换效率，
Figure DEST_PATH_IMAGE057
表示UAV为第k个终端设备提供能量的时间段，
Figure 468647DEST_PATH_IMAGE003
表示UAV的固定发射功率，
Figure DEST_PATH_IMAGE058
和
Figure DEST_PATH_IMAGE059
分别表示RIS和第k个终端设备之间的信道增益和UAV 与终端设备之间的视距信道增益，
Figure DEST_PATH_IMAGE060
即下行能量传输过程中的RIS相位偏移矩阵，
Figure DEST_PATH_IMAGE061
的上标H代表该矩阵共轭转置。
更进一步的，在时隙中，UAV通过下行传输信道分别为K个终端设备提供能量。下行传输信道包括视距信道和通过RIS的莱斯信道以及瑞利通信信道，因此信道增益由两部分组成。
更进一步的，第k个终端设备的任务卸载速率
Figure DEST_PATH_IMAGE062
表示为：
Figure DEST_PATH_IMAGE063
其中
Figure 376298DEST_PATH_IMAGE016
定义为在第k个终端设备的传输功率，
Figure DEST_PATH_IMAGE064
表示载波带宽，
Figure DEST_PATH_IMAGE065
表示噪声方 差，
Figure DEST_PATH_IMAGE066
即上行任务卸载过程中的RIS相位偏移 矩阵，
Figure DEST_PATH_IMAGE067
分别为第n个时隙中RIS的S个单元元件的相移。
终端设备k的卸载量
Figure DEST_PATH_IMAGE068
要满足：
Figure DEST_PATH_IMAGE069
其中
Figure DEST_PATH_IMAGE070
代表卸载决策，
Figure DEST_PATH_IMAGE071
表示第n个时隙终端设备k的任务卸载量，
Figure DEST_PATH_IMAGE072
表示 终端设备卸载任务的时间段，
Figure DEST_PATH_IMAGE073
为第k个终端设备的任务卸载速率。
终端设备的任务卸载能耗
Figure DEST_PATH_IMAGE074
表示为：
Figure DEST_PATH_IMAGE075
UAV处理第
Figure DEST_PATH_IMAGE076
个终端设备卸载的任务产生的能耗
Figure DEST_PATH_IMAGE077
表示为：
Figure DEST_PATH_IMAGE078
由于UAV的计算能耗
Figure DEST_PATH_IMAGE079
与卸载决策
Figure 165262DEST_PATH_IMAGE070
、UAV分配给每个终端设备的计算资 源
Figure DEST_PATH_IMAGE080
以及CPU功耗权重
Figure 595106DEST_PATH_IMAGE032
有关。其中
Figure 836732DEST_PATH_IMAGE032
表示与功耗相关的常数。
应说明的是，由于UAV-MEC网络中UAV与终端设备之间存在障碍物阻挡，本发明提出了一种RIS辅助UAV边缘计算系统中无线供能的能效优化方法，有效降低系统能耗，解决通信信道受阻问题。首先终端设备的卸载决策及UAV的资源分配是解决移动边缘计算任务分配的关键因素。其次需要规划UAV轨迹，来满足时延敏感性任务的需求。最后引入RIS这一中间节点，以应对环境拥堵对任务卸载的不利影响。该方法通过优化终端设备的卸载决策、UAV的资源分配、轨迹规划以及RIS上下行波束成形矩阵来降低系统能耗。
S2：根据用户传输能耗和UAV计算能耗，构造以最小化系统能耗为目标的优化问题；
更进一步的，构造最小化系统能耗为目标的优化问题表示为：
Figure DEST_PATH_IMAGE081
其中C1表示卸载决策
Figure 174172DEST_PATH_IMAGE070
的取值范围，C2保证了UAV为终端设备分配相应的资源
Figure DEST_PATH_IMAGE082
小于自身的资源
Figure DEST_PATH_IMAGE083
，C3表示在计算卸载模式下，终端设备的卸载任务所需能耗
Figure DEST_PATH_IMAGE084
要小 于其收集的能量，C4保证了无人机完成任务处理以及保持自身飞行，其中，
Figure DEST_PATH_IMAGE085
，
Figure DEST_PATH_IMAGE086
是无人机的质量（包括其载重），C5是RIS的
Figure DEST_PATH_IMAGE087
个单元所耗费的能耗
Figure DEST_PATH_IMAGE088
之和必须满足 其收集的能量，C6是相位波束成型约束，C7是UAV在整个飞行过程中的位置变化要小于最大 速度下的位移矢量。
S3：结合终端设备的卸载决策对UAV资源分配的影响，采用分支定界法对终端设备的卸载决策和UAV的资源分配求最优解。
更进一步的，S3中变量
Figure 4594DEST_PATH_IMAGE070
，
Figure 339760DEST_PATH_IMAGE082
之间存在非线性耦合，并且目标函数相对于UAV的 轨迹是非凸的，所以该问题非凸。为了解决该问题，提出了一种三阶段交替优化算法；终端 设备的卸载决策直接影响到UAV资源分配。如果终端设备将任务卸载到边缘服务器，则UAV 为该任务分配相应的资源。否则，不分配。故此，卸载决策和资源分配是耦合的；关于卸载决 策和资源分配的子问题是一个MINLP非凸问题，难以求解，必须将问题进一步转化：
Figure 68682DEST_PATH_IMAGE041
其中C1表示卸载决策
Figure 147496DEST_PATH_IMAGE070
的取值范围，C2保证了UAV为终端设备分配相应的资源
Figure 645474DEST_PATH_IMAGE080
小于自身的资源
Figure 479438DEST_PATH_IMAGE083
，C3表示UAV分配给第k个终端设备的计算资源需满足整数的要求。
定义二元变量
Figure DEST_PATH_IMAGE089
的三个集合，改写该问题。其次，将混合整数非线性凸规划问 题转化为非线性凸规划问题。最后通过改进的分支定界法（通过寻找优先级高的结点作为 最优值）解决非线性凸规划问题，直至获得最优解。
S4：根据终端设备的卸载决策和UAV的资源分配得到的最优解，采用半正定松弛法对RIS上下行波束成形矩阵求解；
更进一步的，下行波束成形矩阵优化子问题表示为：
Figure DEST_PATH_IMAGE090
C3表示在计算卸载模式下，终端设备的卸载任务所需能耗
Figure DEST_PATH_IMAGE091
要小于其收集的能 量，C6是相位波束成型约束。
利用共轭转置矩阵的性质以及对角矩阵的性质，将原问题转化后引入矩阵变量以及迹，根据半正定松弛法即可求解出下行波束成形矩阵。
对于上行波束成形矩阵，目标函数中含有上行波束成形矩阵，最小化终端设备能耗，等同于最大化上行波束成形矩阵的子问题，子问题表示为：
Figure DEST_PATH_IMAGE092
根据三角不等式，问题的目标函数需满足条件：
Figure DEST_PATH_IMAGE093
利用三角不等式即可求得上行波束成形矩阵的最优解。
S5：根据得到的卸载决策、资源分配、RIS最优上下行波束成形矩阵的解，采用连续松弛对UAV轨迹求解；
更进一步的，对于UAV轨迹变量
Figure DEST_PATH_IMAGE094
，由于目标函数中存在
Figure DEST_PATH_IMAGE095
，问题仍然是非凸的。由于目标函数中
Figure DEST_PATH_IMAGE096
与无人机位置无 关，因此问题可等效为：
Figure DEST_PATH_IMAGE097
上式中，卸载功率和时间的乘积推导得到终端设备的上行卸载能耗作为目标函数。考虑到当时隙足够小时，无人机的位移可忽略不计。通过推导可知卸载功率与卸载量呈负相关，与卸载速率呈正相关，此时最大化任务卸载速率等效于最小化卸载能耗，目标函数可转化为：
Figure DEST_PATH_IMAGE098
C7是UAV在整个飞行过程中的位置变化要小于最大速度下的位移矢量。
通过引入两个松弛变量、利用一阶泰勒展开式即逐次凸逼近法（SCA, successiveconvex approximation），即可将其转化为凸函数，再利用cvx工具箱，通过标准凸优化技术进行求解，得到无人机轨迹的局部最优解。
S6：利用块坐标下降法对卸载决策、资源分配、RIS上下行波束成形矩阵和UAV轨迹收敛所求得的解不断迭代更新直到求得最终的最优解，实现最小系统能耗。
实施例2
参照图4，为本发明的一个实施例，提供了一种RIS辅助UAV边缘计算系统中无线供能的能效优化方法，为了验证其有益效果，提供了仿真实验的对比结果。
图4为系统能耗与任务完成时间的关系示意图。通过对比各方案的优化效果，可以明确本发明提出的算法相较于其他两种算法都有明显的提升。在T=1s时，联合优化算法相较于单独优化轨迹、联合优化任务卸载和资源分配这两种算法，系统能耗分别降低了47.11%和54.32%。
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (10)

1.一种RIS辅助UAV边缘计算系统中无线供能的能效优化方法，其特征在于，包括以下步骤：
依据终端设备、RIS、UAV运行参数建立系统模型，并确定系统中UAV为RIS和终端设备无线提供的能量、用户传输能耗、UAV计算能耗；
根据用户传输能耗和UAV计算能耗，构造以最小化系统能耗为目标的优化问题；
结合终端设备的卸载决策对UAV资源分配的影响，采用分支定界法对终端设备的卸载决策和UAV的资源分配求最优解。
2.如权利要求1所述的RIS辅助UAV边缘计算系统中无线供能的能效优化方法，其特征在于，还包括以下步骤：
根据终端设备的卸载决策和UAV的资源分配得到的最优解，采用半正定松弛法对RIS上下行波束成形矩阵求解；
根据得到的卸载决策、资源分配、RIS最优上下行波束成形矩阵的解，采用连续松弛对UAV轨迹求解；
利用块坐标下降法对卸载决策、资源分配、RIS上下行波束成形矩阵和UAV轨迹收敛所求得的解不断迭代更新直到求得最终的最优解，实现最小系统能耗。
3.如权利要求1或2所述的RIS辅助UAV边缘计算系统中无线供能的能效优化方法，其特征在于：所述依据终端设备、RIS、UAV运行参数建立系统模型，并确定系统中UAV为RIS和终端设备无线提供的能量、用户传输能耗、UAV计算能耗中，在UAV飞行时间内RIS收集的能量表示为：
Figure DEST_PATH_IMAGE001
其中
Figure DEST_PATH_IMAGE002
表示能量转化效率，
Figure DEST_PATH_IMAGE003
表示UAV的固定发射功率，
Figure DEST_PATH_IMAGE004
表示UAV和RIS之间 的信道增益，并且在
Figure DEST_PATH_IMAGE005
中UAV只负责给RIS传输能量；假设UAV与RIS之间是视距信道。
4.如权利要求3所述的RIS辅助UAV边缘计算系统中无线供能的能效优化方法，其特征 在于：所述依据终端设备、RIS、UAV运行参数建立系统模型，并确定系统中UAV为RIS和终端 设备无线提供的能量、用户传输能耗、UAV计算能耗中，终端设备收集的能量
Figure DEST_PATH_IMAGE006
表示为：
Figure DEST_PATH_IMAGE007
其中
Figure DEST_PATH_IMAGE008
表示能量转换效率，
Figure DEST_PATH_IMAGE009
表示UAV为第k个终端设备提供能量的时间段，
Figure 718563DEST_PATH_IMAGE003
表示 UAV的固定发射功率，
Figure DEST_PATH_IMAGE010
和
Figure DEST_PATH_IMAGE011
分别表示RIS和第k个终端设备之间的信道增益和UAV与 终端设备之间的视距信道增益，
Figure DEST_PATH_IMAGE012
即下行 能量传输过程中的RIS相位偏移矩阵，
Figure DEST_PATH_IMAGE013
的上标H代表该矩阵共轭转置。
5.如权利要求4所述的RIS辅助UAV边缘计算系统中无线供能的能效优化方法，其特征 在于：所述依据终端设备、RIS、UAV运行参数建立系统模型，并确定系统中UAV为RIS和终端 设备无线提供的能量、用户传输能耗、UAV计算能耗中，第k个终端设备的任务卸载速率
Figure DEST_PATH_IMAGE014
表示为：
Figure DEST_PATH_IMAGE015
其中
Figure DEST_PATH_IMAGE016
定义为在第k个终端设备的传输功率，
Figure DEST_PATH_IMAGE017
表示载波带宽，
Figure DEST_PATH_IMAGE018
表示噪声方差，
Figure DEST_PATH_IMAGE019
即上行任务卸载过程中的RIS相位偏移 矩阵，
Figure DEST_PATH_IMAGE020
分别为第n个时隙中RIS的S个单元元件的相移；
终端设备k的卸载量
Figure DEST_PATH_IMAGE021
要满足：
Figure DEST_PATH_IMAGE022
其中
Figure DEST_PATH_IMAGE023
代表卸载决策，
Figure DEST_PATH_IMAGE024
表示第n个时隙终端设备k的任务卸载量，
Figure DEST_PATH_IMAGE025
表示终端 设备卸载任务的时间段，
Figure DEST_PATH_IMAGE026
为第k个终端设备的任务卸载速率。
6.如权利要求5所述的RIS辅助UAV边缘计算系统中无线供能的能效优化方法，其特征 在于：所述依据终端设备、RIS、UAV运行参数建立系统模型，并确定系统中UAV为RIS和终端 设备无线提供的能量、用户传输能耗、UAV计算能耗中，终端设备的任务卸载能耗
Figure DEST_PATH_IMAGE027
表 示为：
Figure DEST_PATH_IMAGE028
UAV处理第
Figure DEST_PATH_IMAGE029
个终端设备卸载的任务产生的能耗
Figure DEST_PATH_IMAGE030
表示为：
Figure DEST_PATH_IMAGE031
其中
Figure DEST_PATH_IMAGE032
表示与功耗相关的常数。
7.如权利要求4-6任一项所述的RIS辅助UAV边缘计算系统中无线供能的能效优化方法，其特征在于：所述根据用户传输能耗和UAV计算能耗，构造以最小化系统能耗为目标的优化问题中，构造最小化系统能耗为目标的优化问题表示为：
Figure DEST_PATH_IMAGE033
其中C1表示卸载决策
Figure 822654DEST_PATH_IMAGE023
的取值范围，C2保证了UAV为终端设备分配相应的资源
Figure DEST_PATH_IMAGE034
小于 自身的资源
Figure DEST_PATH_IMAGE035
，C3表示在计算卸载模式下，终端设备的卸载任务所需能耗
Figure DEST_PATH_IMAGE036
要小于其收集 的能量，C4保证了无人机完成任务处理以及保持自身飞行，其中，
Figure DEST_PATH_IMAGE037
，
Figure DEST_PATH_IMAGE038
是无 人机的质量（包括其载重），C5是RIS的
Figure DEST_PATH_IMAGE039
个单元所耗费的能耗
Figure DEST_PATH_IMAGE040
之和必须满足其收集的能 量，C6是相位波束成型约束，C7是UAV在整个飞行过程中的位置变化要小于最大速度下的位 移矢量。
8.如权利要求7所述的RIS辅助UAV边缘计算系统中无线供能的能效优化方法，其特征在于：所述结合终端设备的卸载决策对UAV资源分配的影响，采用分支定界法对终端设备的卸载决策和UAV的资源分配求最优解中，此时该子问题表示为：
Figure DEST_PATH_IMAGE041
其中C1表示卸载决策
Figure 976293DEST_PATH_IMAGE023
的取值范围，C2保证了UAV为终端设备分配相应的资源
Figure DEST_PATH_IMAGE042
小于 自身的资源
Figure DEST_PATH_IMAGE043
，C3表示UAV分配给第k个终端设备的计算资源需满足整数的要求。
9.如权利要求8所述的RIS辅助UAV边缘计算系统中无线供能的能效优化方法，其特征在于：所述根据终端设备的卸载决策和UAV的资源分配得到的最优解，采用半正定松弛法对RIS上下行波束成形矩阵求解中，下行波束成形矩阵优化子问题表示为：
Figure DEST_PATH_IMAGE044
C3表示在计算卸载模式下，终端设备的卸载任务所需能耗要小于其收集的能量，C6是相位波束成型约束；
对于上行波束成形矩阵，目标函数中含有上行波束成形矩阵，最小化终端设备能耗，等同于最大化上行波束成形矩阵的子问题，子问题表示为：
Figure DEST_PATH_IMAGE045
根据三角不等式，问题的目标函数需满足条件：
Figure DEST_PATH_IMAGE046
利用三角不等式即可求得上行波束成形矩阵的最优解。
10.如权利要求8或9所述的RIS辅助UAV边缘计算系统中无线供能的能效优化方法，其 特征在于：所述根据得到的卸载决策、资源分配、RIS最优上下行波束成形矩阵的解，采用连 续松弛对UAV轨迹求解中，对于UAV轨迹变量
Figure DEST_PATH_IMAGE047
表示为：
Figure DEST_PATH_IMAGE048
C7是UAV在整个飞行过程中的位置变化要小于最大速度下的位移矢量。
CN202211701088.0A 2022-12-29 2022-12-29 一种ris辅助uav边缘计算系统中无线供能的能效优化方法 Active CN115664486B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211701088.0A CN115664486B (zh) 2022-12-29 2022-12-29 一种ris辅助uav边缘计算系统中无线供能的能效优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211701088.0A CN115664486B (zh) 2022-12-29 2022-12-29 一种ris辅助uav边缘计算系统中无线供能的能效优化方法

Publications (2)

Publication Number Publication Date
CN115664486A true CN115664486A (zh) 2023-01-31
CN115664486B CN115664486B (zh) 2023-04-28

Family

ID=85023240

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211701088.0A Active CN115664486B (zh) 2022-12-29 2022-12-29 一种ris辅助uav边缘计算系统中无线供能的能效优化方法

Country Status (1)

Country Link
CN (1) CN115664486B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116684925A (zh) * 2023-07-24 2023-09-01 南京图策信息科技有限公司 一种无人机搭载智能反射面安全移动边缘计算方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112104502A (zh) * 2020-09-16 2020-12-18 云南大学 时敏多任务边缘计算与缓存协作卸载策略方法
CN114666803A (zh) * 2022-03-01 2022-06-24 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
CN114828253A (zh) * 2022-03-29 2022-07-29 华南理工大学 一种ris辅助多无人机通信系统的资源分配方法
CN115334591A (zh) * 2022-06-30 2022-11-11 南京邮电大学 一种多终端多无人机分层调度辅助边缘计算资源分配方法
WO2022257348A1 (zh) * 2021-06-08 2022-12-15 重庆邮电大学 一种不确定网络环境中的任务卸载和资源分配方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112104502A (zh) * 2020-09-16 2020-12-18 云南大学 时敏多任务边缘计算与缓存协作卸载策略方法
WO2022257348A1 (zh) * 2021-06-08 2022-12-15 重庆邮电大学 一种不确定网络环境中的任务卸载和资源分配方法
CN114666803A (zh) * 2022-03-01 2022-06-24 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
CN114828253A (zh) * 2022-03-29 2022-07-29 华南理工大学 一种ris辅助多无人机通信系统的资源分配方法
CN115334591A (zh) * 2022-06-30 2022-11-11 南京邮电大学 一种多终端多无人机分层调度辅助边缘计算资源分配方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
XIAOTONG YANG ET AL: "Energy Efficiency Based Joint Computation Offloading and Resource Allocation in Multi-Access MEC Systems" *
刘昊洋 等: "MEC 中RIS 辅助的无人机轨迹和计算策略联合优化" *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116684925A (zh) * 2023-07-24 2023-09-01 南京图策信息科技有限公司 一种无人机搭载智能反射面安全移动边缘计算方法
CN116684925B (zh) * 2023-07-24 2023-11-14 南京图策信息科技有限公司 一种无人机搭载智能反射面安全移动边缘计算方法

Also Published As

Publication number Publication date
CN115664486B (zh) 2023-04-28

Similar Documents

Publication Publication Date Title
US11169544B2 (en) Method for designing three-dimensional trajectory of unmanned aerial vehicle based on wireless power transfer network
CN110730031A (zh) 一种用于多载波通信的无人机轨迹与资源分配联合优化方法
CN114048689B (zh) 基于深度强化学习的多无人机空中充电和任务调度方法
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
CN113791895A (zh) 基于联邦学习的边缘计算及资源优化方法
CN115664486A (zh) 一种ris辅助uav边缘计算系统中无线供能的能效优化方法
CN113965245A (zh) 基于opgw接头盒的智能反射面通信系统资源优化方法
CN116634544A (zh) 反向散射ris辅助无人机使能的mec能效最大化方法
CN114363803A (zh) 一种移动边缘计算网络节能的多任务分配方法及系统
Shah et al. Mobile edge computing (MEC)-enabled UAV placement and computation efficiency maximization in disaster scenario
CN116092332B (zh) 无人机携载智能反射面的多模调控与轨迹优化方法及系统
CN116366127A (zh) 无人机辅助多mec服务器的任务完成率最大化方法
CN116528250A (zh) 一种基于noma的无人机辅助mec资源优化方法
CN114880046B (zh) 联合卸载决策和带宽分配的低轨卫星边缘计算卸载方法
CN116669073A (zh) 基于智能反射面辅助无人机认知网络的资源分配和轨迹优化方法
CN115551013A (zh) 一种多无人机边缘计算网络中无人机部署与任务卸载方法
Shabanighazikelayeh et al. Optimal UAV deployment for rate maximization in IoT networks
Liu et al. Joint optimization of resource scheduling and mobility for UAV-assisted vehicle platoons
CN114866979A (zh) 一种无人机辅助的边缘计算时延最小化方法
CN114125744A (zh) 一种基于区块链权益证明的数据采集方法及终端系统
Hadi et al. Computation bits enhancement for IRS-assisted multi-UAV wireless powered mobile edge computing systems
EP4331299A1 (en) Determing allocation of unmanned aerial vehicle base stations in a wireless network
CN117715117B (zh) 一种多uav-ris辅助移动边缘计算的任务卸载方法
Seid et al. HDFRL-empowered energy efficient resource allocation for aerial MEC-enabled smart city cyber physical system in 6G
Abrar et al. Resource Management in UAV Enabled MEC Networks.

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