CN116582892A - 全双工无人机辅助mec安全卸载的能耗优化方法 - Google Patents
全双工无人机辅助mec安全卸载的能耗优化方法 Download PDFInfo
- Publication number
- CN116582892A CN116582892A CN202310860614.6A CN202310860614A CN116582892A CN 116582892 A CN116582892 A CN 116582892A CN 202310860614 A CN202310860614 A CN 202310860614A CN 116582892 A CN116582892 A CN 116582892A
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- energy consumption
- ground
- ground 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.)
- Pending
Links
- 238000005265 energy consumption Methods 0.000 title claims abstract description 120
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000005457 optimization Methods 0.000 title claims abstract description 41
- 238000004590 computer program Methods 0.000 claims description 20
- 238000003860 storage Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 abstract description 17
- 238000004891 communication Methods 0.000 description 21
- 238000010586 diagram Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000013459 approach Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Classifications
-
- 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
- H04W28/08—Load balancing or load distribution
- H04W28/09—Management thereof
- H04W28/0917—Management thereof based on the energy state of entities
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04K—SECRET COMMUNICATION; JAMMING OF COMMUNICATION
- H04K3/00—Jamming of communication; Counter-measures
- H04K3/80—Jamming or countermeasure characterized by its function
- H04K3/82—Jamming or countermeasure characterized by its function related to preventing surveillance, interception or detection
- H04K3/825—Jamming or countermeasure characterized by its function related to preventing surveillance, interception or detection by jamming
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
- H04W12/12—Detection or prevention of fraud
- H04W12/121—Wireless intrusion detection systems [WIDS]; Wireless intrusion prevention systems [WIPS]
- H04W12/122—Counter-measures against attacks; Protection against rogue devices
-
- 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
- H04W28/08—Load balancing or load distribution
- H04W28/09—Management thereof
- H04W28/0958—Management thereof based on metrics or performance parameters
-
- 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)
- Computer Security & Cryptography (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种全双工无人机辅助MEC安全卸载的能耗优化方法,包括无人机、地面用户和地面窃听者,其中,无人机搭载MEC服务器,为地面用户提供计算服务;无人机为全双工模式,用于接收地面用户的卸载任务,并发射干扰信号以干扰地面窃听者,方法包括:给定初始化的无人机轨迹Q和初始化的地面用户发射功率P,优化任务分配L;给定已优化的任务分配L,给定初始化的无人机轨迹Q,优化地面用户发射功率P;给定已优化的任务分配L和已优化的地面用户发射功率P,优化无人机轨迹Q;判断是否满足结束条件以令系统加权能耗最小化,若是,执行下一步骤,若否,重复执行以上步骤;输出结果。本发明能够增强安全性、降低能耗。
Description
技术领域
本发明涉及能耗优化技术领域,尤其涉及一种全双工无人机辅助MEC安全卸载的能耗优化方法、设备、介质和程序产品。
背景技术
5G通信技术的发展成熟涌现了大量的新兴应用,但是物联网终端的资源是有限的,无法满足应用对于低时延的通信和计算要求。移动边缘计算(Mobile Edge Computing,MEC)技术可以收集网络边缘的大量空闲计算资源和空间,进而满足物联网终端上计算密集型和延迟敏感的任务需求,这对于解决物联网终端的资源受限问题来说具有重要意义。然而在复杂环境下,传统固定的MEC服务器可能面临无法接入的问题,而部署大量的MEC服务器又会增加成本且不切实际,从而不能给地面用户带来良好的服务。
无人机(Unmanned Aerial Vehicle,UAV)以其高机动性、快速部署和卓越的链路质量等突出优点,利用无人机辅助MEC的无线通信系统可以弥补上述固定MEC服务器的缺点。利用无人机靠近地面用户飞行以建立强大的通信链路,这可以提高无线通信系统的性能。
本申请发明人在实现本发明实施例技术方法的过程中,至少发现现有技术中存在如下技术问题:
无人机自身携带的机载电池能量是有限的,无人机的飞行轨迹会产生巨大的推进能耗。因此,优化无人机的轨迹来降低其能耗是十分重要的。鉴于地面用户的电池容量也是有限的,为了提高地面用户处理任务数据的能力,因此也需要节约地面用户的能耗。此外,由于地面上存在潜在的地面窃听者,当地面用户将计算任务卸载到空中的无人机时,很有可能被窃听,这可能会导致安全攻击。因此,安全卸载是一个需要考虑的重要因素。
综上,现有技术能耗大且任务卸载不安全。
发明内容
本发明实施例提供一种全双工无人机辅助MEC安全卸载的能耗优化方法、设备、介质和程序产品,解决了现有技术存在的能耗大且任务卸载不安全的技术问题。
本发明实施例一方面提供了一种全双工无人机辅助MEC安全卸载的能耗优化方法,应用于全双工无人机辅助MEC安全卸载的能耗优化系统,所述全双工无人机辅助MEC安全卸载的能耗优化系统包括无人机、地面用户和地面窃听者,其中,所述无人机搭载MEC服务器,为所述地面用户提供计算服务;所述无人机为全双工模式,用于接收所述地面用户的卸载任务,并发射干扰信号以干扰所述地面窃听者,方法包括:S4:给定初始化的无人机轨迹Q和初始化的地面用户发射功率P,优化任务分配L;S5:给定已优化的任务分配L,给定初始化的无人机轨迹Q,优化所述地面用户发射功率P;S6:给定所述已优化的任务分配L和已优化的地面用户发射功率P,优化所述无人机轨迹Q;S7:判断是否满足结束条件以令系统加权能耗最小化,若是,执行步骤S8,若否,重复执行步骤S4至S6;S8:输出结果。
可选的,在步骤S4之前,所述方法还包括:建立系统信道模型。
可选的,在步骤S4之前,所述方法还包括:建立系统能耗模型。
可选的,在步骤S4之前,所述方法还包括:建立系统加权能耗最小化模型。
可选的,在步骤S4之前,所述方法还包括:进行初始化操作。
可选的,所述判断是否满足结束条件,具体为:判断系统加权能耗最小化结果是否收敛。
可选的,所述判断是否满足结束条件,具体为:判断迭代次数是否超过最大迭代次数。
另一方面,本发明实施例还提供一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现全双工无人机辅助MEC安全卸载的能耗优化方法的步骤。
本发明实施例还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现全双工无人机辅助MEC安全卸载的能耗优化方法的步骤。
本发明实施例还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现全双工无人机辅助MEC安全卸载的能耗优化方法的步骤。
本发明实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
一种全双工无人机辅助MEC安全卸载的能耗优化方法,应用于全双工无人机辅助MEC安全卸载的能耗优化系统,所述全双工无人机辅助MEC安全卸载的能耗优化系统包括无人机、地面用户和地面窃听者,其中,所述无人机搭载MEC服务器,为所述地面用户提供计算服务;所述无人机为全双工模式,用于接收所述地面用户的卸载任务,并发射干扰信号以干扰所述地面窃听者,方法包括:S4:给定初始化的无人机轨迹Q和初始化的地面用户发射功率P,优化任务分配L;S5:给定已优化的任务分配L,给定初始化的无人机轨迹Q,优化所述地面用户发射功率P;S6:给定所述已优化的任务分配L和已优化的地面用户发射功率P,优化所述无人机轨迹Q;S7:判断是否满足结束条件以令系统加权能耗最小化,若是,执行步骤S8,若否,重复执行步骤S4至S6;S8:输出结果。本发明采用全双工无人机,干扰信号从全双工的无人机发射到地面窃听者,有效解决了现有技术存在的任务卸载不安全的技术问题,能够增强安全性。本发明通过联合优化无人机轨迹Q、任务分配L和地面用户发射功率P,在保密卸载速度等约束条件下,解决了现有技术中存在的能耗大的技术问题,能够降低能耗。
附图说明
图1为本发明一实施例中全双工无人机辅助MEC安全卸载的能耗优化方法的流程图;
图2为本发明一实施例中全双工无人机辅助MEC通信系统模型图;
图3为本发明一实施例中在加权因子 ρ=200下系统的保密速率示意图;
图4为本发明一实施例中不同加权因子下地面用户的能耗示意图;
图5为本发明一实施例中不同加权因子下无人机的飞行轨迹示意图;
图6为本发明一实施例中加权因子 ρ=100 时不同方案下地面用户的能耗的示意图;
图7为本发明一实施例中不同加权因子下无人机的飞行速度的示意图;
图8为本发明一实施例中不同加权因子下无人机能耗与地面用户能耗的关系图。
具体实施方式
本发明实施例提供一种全双工无人机辅助MEC安全卸载的能耗优化方法、设备、介质和程序产品,解决了现有技术存在的能耗大且任务卸载不安全的技术问题。
本发明首先针对多个资源受限的地面用户无法满足应用对于低时延的通信和计算要求,并且在存在地面窃听者的前提下,需要满足地面用户的计算密集型和延迟敏感的任务需求和确保通信系统的安全,从而来完成地面用户的总计算任务。具体来说,无人机需要从固定的起点出发历经K个地面用户最终飞至终点,考虑到地面存在地面窃听者,地面用户需要将任务数据安全卸载到在飞行过程中的无人机上,并且无人机需要将这些任务数据进行计算处理,整个计算处理需要在飞行时间T内完成。最后,目的是将无人机和地面用户的加权能耗最小化。无人机能耗包括飞行能耗、无人机通信能耗以及无人机计算能耗,地面用户能耗包括地面用户通信能耗以及地面用户计算能耗。本发明设计了一种交替迭代优化算法,将原问题分为了三个子问题,每一阶段都能获得子问题的次优解,最后在返回初始阶段不断迭代优化直至达到收敛条件。总的来说,全双工无人机辅助MEC安全卸载的能耗优化方法有效地提高了通信系统的性能,增强了通信系统的安全性,降低了无人机和地面用户的能耗。
如图1所示,全双工无人机辅助MEC系统安全卸载的能耗优化方法由8个步骤组成,分别为:
S1:程序开始;
S2:初始化;
S3:建立系统信道模型、系统能耗模型和系统加权能耗最小化模型;
S4:给定初始化的无人机轨迹Q和初始化的地面用户发射功率P,优化资源分配L;
S5:给定已优化的任务分配L,给定初始化的无人机轨迹Q,优化地面用户发射功率P;
S6:给定已优化的任务分配L和已优化的地面用户发射功率P,优化无人机轨迹Q;
S7:判断是否满足结束条件以令系统加权能耗最小化,若是,执行步骤S8,若否,重复执行步骤S4至S6;
S8:输出结果。
下面分别对这8个步骤做详细介绍:
S1:程序开始。
S2:初始化。对于本发明设计的能耗优化方案,需要对一些参数进行赋值操作。输入各地面用户的位置,无人机起点/>与终点/>以及地面窃听者位置/>。设定无人机在飞行过程中在恒定高度/>保持匀速飞行。在无人机整个飞行过程中将飞行时间T均匀分为N个时隙,每个时隙持续时间为/>。设定第k个地面用户需要完成的总输入位/>,参考距离/>处的信道功率增益/>,通信带宽B,全双工无人机的自干扰信道功率增益/>,接收处的噪声功率/>,全双工无人机的干扰功率/>,无人机重量w,路径损失指数/>,第k个地面用户计算每个任务的中央处理单元(CPU)的循环次数/>,无人机计算每个任务的中央处理单元(CPU)的循环次数/>,地面用户处理器芯片架构的有效电容系数/>,无人机处理器的芯片架构的有效电容系数/>,地面用户的CPU计算频率/>,无人机的CPU计算频率/>,无人机的接收功率记为/>,地面用户平均功率限制/>和峰值功率/>,无人机最大速度/>。初始化迭代次数/>,迭代的最大次数/>,收敛值。初始化第k个地面用户在时隙n处的发射功率/>,初始化第n个时隙对应的无人机轨迹为/>。
S3:建立系统信道模型、系统能耗模型和系统加权能耗最小化模型。
1)系统信道模型建立。无人机与地面用户的信道功率增益、无人机与地面窃听者的信道功率增益以及地面用户与地面窃听者的信道功率增益分别为:
(1)
(2)
(3)
其中为遵循单位均值指数分布的瑞利衰落系数。第k个地面用户与无人机在时隙n处的速率表示为:
(4)
由于地面存在地面窃听者,地面用户k与地面窃听者的速率为:
(5)
其中表示关于随机变量/>的数学期望,并且式(5)中的不等式是由于Jensen不等式和函数关于/>是凹的事实。式(5)显示了/>的上界。假设Eve能够达到这个上限来考虑最坏情况下的保密速率性能。通过以上讨论,第k个地面用户在时隙n中到无人机可实现的保密速率由下式给出:
(6)
其中。
2)系统能耗模型建立。为了减少局部计算的压力,地面用户可以将一部分计算不完的任务卸载到配备MEC服务器的无人机上进行计算,其中表示第k个地面用户在时隙n中卸载到无人机的数据,并且满足:
(7)
第k个地面用户在时隙n中的保密速率必须不低于卸载速率,以保证卸载的数据位是安全的,即:
(8)
本发明采用的是TDMA方式的数据卸载协议,地面用户依次与无人机进行通信,则地面用户所消耗的通信能耗和本地计算能耗为:
(9)
(10)
其中表示第k个地面用户在时隙n处的发射功率,由于电池寿命的影响,它受到平均功率限制/>和峰值功率/>的限制,即:
(11)
(12)
对应的无人机计算时间、接收任务延时、计算能耗以及通信能耗分别表示为:
(13)
(14)
(15)
(16)
无人机计算任务延时不超过无人机整个的飞行时间,并且无人机在每个时隙处接收任务的总延时不超过持续时间,即:
(17)
(18)
在这个系统中,无人机在恒定高度飞行,在时间T内无人机从起点飞到终点,那么无人机的移动性约束为:
(19)
(20)
无人机在固定高度飞行,在飞行能耗中只考虑动能。对于飞行速度为的旋翼无人机,无人机在每个时隙n中的飞行推进能耗表示为:
(22)
3)系统加权能耗最小化模型建立。地面用户的能耗在整个系统中非常重要,但地面用户的能耗相对于无人机的能耗来说占比很小,因此关于地面用户的能耗让代表一个权重来平衡无人机的能耗。定义块变量/>,/>,分别表示无人机的轨迹、地面用户的任务分配和发射功率。因此系统加权能耗最小化模型为:
(23)
s.t.(7),(8),(11),(12),(17),(18),(19),(20)
S4:优化任务分配L。利用S2步骤的初始化参数进行迭代优化,寻找最优结果,然后给定初始化的无人机轨迹Q和初始化的地面用户发射功率P求解任务分配L。此问题的解法可直接利用凸优化算法解决。
S5:优化地面用户发射功率P。首先给定已优化的任务分配L,给定初始化的无人机轨迹Q,随后将(23)中的非凸表达式,(23a)的非凸约束(8)和(18)中的/>,/>通过SCA方法转换为凸表达式,然后利用凸优化算法解决。
S6:优化地面用户发射功率Q。首先给定已优化的任务分配L和已优化的地面用户发射功率P,随后将(23)中的非凸表达式,(23a)的非凸约束(8)和(18)中的/>,通过引入松弛变量和SCA方法转换为凸表达式,然后利用凸优化算法解决。
S7:条件判断以令系统加权能耗最小化。令,并且计算/>的最优值,更新/>,并重新初始化变量/>。对经过S6步骤输出的结果判断系统加权能耗最小化结果是不是收敛或者迭代次数不超过最大迭代次数/>。如果系统加权能耗最小化结果收敛/>或者/>则退出循环输出结果;否则在优化无人机轨迹Q后再返回S4步骤继续进行优化直至得到的系统加权能耗最小化。
S8:输出结果。交替迭代优化后得到系统加权能耗最小化,并且输出结果,至此流程结束。
如图2所示的全双工无人机辅助MEC通信系统模型,该模型包括一架全双工无人机,一个地面窃听者和K个地面用户。其中配备MEC服务器的全双工无人机为不同计算任务的地面用户提供服务。假设这些地面用户的位置是已知的。地面用户采用LoS信道与无人机进行通信,但由于地面存在地面窃听者,根据无线通信的传播性质,地面用户卸载任务时可能会被窃听,这可能会导致安全攻击。因此,为了增强系统的安全性,采用一架工作在全双工模式的无人机,它可以接收地面用户卸载任务的同时还可以发射干扰信号以干扰地面窃听者。
下面,通过仿真结果来评估本申请的全双工无人机辅助MEC安全卸载的能耗优化方法的有效性。一架搭载MEC服务器的全双工无人机为不同计算任务的K个地面用户提供计算服务。地面用户的位置分别设置为:、/>、/>、。无人机起点和终点的位置为:/>。地面窃听者的位置为:。详细参数设置在如下表所示。
从图3可以看出,当无人机接近地面用户时,无人机与地面用户之间的信道增益较高,地面用户会把任务卸载到无人机上,地面用户发射功率会持续较长时隙的峰值,相应的保密速率也会随之增大。当无人机远离地面用户时,保密速率会随之减小。地面用户1的保密速率在后面时隙有着提高的现象,这是因为无人机在返回终点时,逐渐在靠近地面用户1,因而保密速率有着短暂时隙的提高。同时可以看出,当无人机最接近每个地面用户的时候,保密速率将会出现峰值。
地面用户的能耗相对于无人机的能耗来说占比很小,针对地面用户与无人机能耗不在同一水平的情况,本申请引入加权因子来平衡两者能耗。从图4可以看出,随着加权因子的增大,地面用户的能耗呈下降的趋势,这是因为随着加权因子/>的增大,地面用户的能耗在加权后占总能耗的比重随之增大,为最小化加权后的系统总能耗,地面用户能耗的优化程度将会提高。
从图5可以看出,在加权因子较小时,无人机首先会靠近地面用户1和地面用户2,这是因为地面用户1和地面用户2离无人机起点和终点较近,无人机会优先帮助它们来完成计算任务。后续随着加权因子/>的增大,无人机将会逐渐靠近离无人机起点和终点较远的地面用户3和地面用户4以帮助它们来完成计算任务。另外,加权因子/>增大后,地面用户的能耗在加权后占总能耗的比重增大,为最小化加权后的系统总能耗,地面用户能耗的优化程度被提高。
从图6可以看出,交替迭代优化方案能够有效地降低地面用户能耗,而且比固定功率和固定轨迹方案更具有优势。
从图7可以看出,当加权因子增大时,无人机会靠近更多的地面用户飞行,而且为了让地面用户可以有更多的时间将任务数据卸载到无人机上,无人机会降低飞行速度以协助地面用户卸载任务,从而降低地面用户的本地计算能耗,但是这也会导致无人机飞行能耗增加。此外,在加权因子/>较小时,系统总能耗主要由无人机能耗组成。因此在完成系统任务的情况下,无人机将会以较小的速度飞行,以充分减少系统总能耗。
从图8可以看出,当加权因子逐渐增大时,无人机的能耗逐渐在增大,而地面用户的能耗则在逐渐减小。这是因为当加权因子/>增大后,地面用户能耗在加权后占总能耗的比重增大,为最小化加权后的系统总能耗,地面用户能耗的优化程度被提高。另外,在加权因子/>增加较小时,无人机的能耗增大幅度较小,因为此时无人机主要是协助总计算任务较小的地面用户1和地面用户2完成计算任务,地面用户1和地面用户2离无人机的起点和终点较近,无人机飞行轨迹的幅度变化较小,能耗增大幅度较小。
本发明的技术关键点在于:
1、为了提高地面用户处理任务数据的能力,考虑了优化地面用户能耗,同时考虑到地面用户能耗较小,与无人机能耗不在一个数量级。为平衡无人机能耗,在地面用户能耗中加入加权因子以此来更好的优化地面用户能耗。
2、提出了一个交替迭代优化算法,将原问题划分为三个子问题,并使用凸优化和连续凸逼近法来求解,并且通过全双工无人机发射干扰信号可以提高通信系统的保密速率,有效的增强系统的安全通信。
3、通过在不同加权因子下得到地面用户能耗与无人机能耗之间的关系曲线,并且在全双工无人机不同干扰功率下得到系统保密速率曲线,并且分析其结果。
4、提供了多种能耗优化方案。根据预先确定的固定功率方案、固定轨迹方案以及交替迭代优化方案。对于选取哪种方案以此获得系统加权能耗最小化,最大限度节省无人机和地面用户的能耗。
利用本发明提供的方法,具有以下优点:
1、本发明通过优化无人机和地面用户的加权能耗,提升了通信系统的性能,满足了地面用户需求,提高了地面用户处理任务数据的能力,延长了系统服务时间。
2、通过采用一架全双工无人机发射干扰信号给地面窃听者,并且由于无人机与地面窃听者之间的LoS信道,这种干扰效果更加显著,从而有效的增强了无人机对地通信系统的安全性。
3、采用交替优化的方案可以有效地减少地面用户的能耗,而且比传统的固定功率和固定轨迹方案更具优势。
4、本发明通过采用连续凸近似的交替迭代优化算法,联合优化多个变量,有效的降低了能耗。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明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,本发明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。
本发明是参照根据本发明实施例的方法、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。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供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步骤。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种全双工无人机辅助MEC安全卸载的能耗优化方法,应用于全双工无人机辅助MEC安全卸载的能耗优化系统,其特征在于,所述全双工无人机辅助MEC安全卸载的能耗优化系统包括无人机、地面用户和地面窃听者,其中,所述无人机搭载MEC服务器,为所述地面用户提供计算服务;所述无人机为全双工模式,用于接收所述地面用户的卸载任务,并发射干扰信号以干扰所述地面窃听者,方法包括:
S4:给定初始化的无人机轨迹Q和初始化的地面用户发射功率P,优化任务分配L;
S5:给定已优化的任务分配L,给定初始化的无人机轨迹Q,优化所述地面用户发射功率P;
S6:给定所述已优化的任务分配L和已优化的地面用户发射功率P,优化所述无人机轨迹Q;
S7:判断是否满足结束条件以令系统加权能耗最小化,若是,执行步骤S8,若否,重复执行步骤S4至S6;
S8:输出结果。
2.如权利要求1所述的方法,其特征在于,在步骤S4之前,所述方法还包括:
建立系统信道模型。
3.如权利要求1所述的方法,其特征在于,在步骤S4之前,所述方法还包括:
建立系统能耗模型。
4.如权利要求1所述的方法,其特征在于,在步骤S4之前,所述方法还包括:
建立系统加权能耗最小化模型。
5.如权利要求1所述的方法,其特征在于,在步骤S4之前,所述方法还包括:
进行初始化操作。
6.如权利要求4所述的方法,其特征在于,所述判断是否满足结束条件,具体为:
判断系统加权能耗最小化结果是否收敛。
7.如权利要求1所述的方法,其特征在于,所述判断是否满足结束条件,具体为:
判断迭代次数是否超过最大迭代次数。
8.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1-7中任一项所述的方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-7中任一项所述的方法的步骤。
10.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-7任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310860614.6A CN116582892A (zh) | 2023-07-14 | 2023-07-14 | 全双工无人机辅助mec安全卸载的能耗优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310860614.6A CN116582892A (zh) | 2023-07-14 | 2023-07-14 | 全双工无人机辅助mec安全卸载的能耗优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116582892A true CN116582892A (zh) | 2023-08-11 |
Family
ID=87545724
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310860614.6A Pending CN116582892A (zh) | 2023-07-14 | 2023-07-14 | 全双工无人机辅助mec安全卸载的能耗优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116582892A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112381265A (zh) * | 2020-10-19 | 2021-02-19 | 长沙理工大学 | 基于无人机的充电和任务卸载系统及其任务耗时优化方法 |
KR20210069588A (ko) * | 2019-12-03 | 2021-06-11 | 경희대학교 산학협력단 | 무인항공기를 이용한 모바일 엣지 컴퓨팅 시스템에서의 태스크 오프로딩 방법 및 그를 이용한 모바일 엣지 컴퓨팅 시스템, 그를 위한 무인 항공기 |
US20220369195A1 (en) * | 2021-05-12 | 2022-11-17 | At&T Intellectual Property I, L.P. | Device and method for evaluating target cells for aerial equipment communicating over a terrestrial network |
CN116017303A (zh) * | 2022-12-22 | 2023-04-25 | 昆明理工大学 | 一种安全irs辅助ua v-mec系统的联合资源分配和轨迹设计方法 |
-
2023
- 2023-07-14 CN CN202310860614.6A patent/CN116582892A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20210069588A (ko) * | 2019-12-03 | 2021-06-11 | 경희대학교 산학협력단 | 무인항공기를 이용한 모바일 엣지 컴퓨팅 시스템에서의 태스크 오프로딩 방법 및 그를 이용한 모바일 엣지 컴퓨팅 시스템, 그를 위한 무인 항공기 |
CN112381265A (zh) * | 2020-10-19 | 2021-02-19 | 长沙理工大学 | 基于无人机的充电和任务卸载系统及其任务耗时优化方法 |
US20220369195A1 (en) * | 2021-05-12 | 2022-11-17 | At&T Intellectual Property I, L.P. | Device and method for evaluating target cells for aerial equipment communicating over a terrestrial network |
CN116017303A (zh) * | 2022-12-22 | 2023-04-25 | 昆明理工大学 | 一种安全irs辅助ua v-mec系统的联合资源分配和轨迹设计方法 |
Non-Patent Citations (4)
Title |
---|
YIYANG LI ET AL: "Joint Computation Offloading and Communication Design for Secure UAV-Enabled MEC Systems", 2021 IEEE WIRELESS COMMUNICATIONS AND NETWORKING CONFERENCE (WCNC), pages 2 - 3 * |
吴启晖;吴伟;: "无人机辅助边缘计算的能量效率最大化算法设计", 通信学报, no. 10 * |
姚叶;崔岩;: "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", 通信技术, no. 09 * |
李安 等: "加权能耗最小化的无人机辅助移动边缘计算资源分配策略", 电子与信息学报, vol. 44, no. 11, pages 2 - 4 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhan et al. | Completion time and energy optimization in the UAV-enabled mobile-edge computing system | |
Tun et al. | Energy-efficient resource management in UAV-assisted mobile edge computing | |
Hu et al. | Joint optimization of UAV position, time slot allocation, and computation task partition in multiuser aerial mobile-edge computing systems | |
Zhang et al. | Resource allocation for a UAV-enabled mobile-edge computing system: Computation efficiency maximization | |
Xu et al. | Completion time minimization for UAV-assisted mobile-edge computing systems | |
Budhiraja et al. | Energy consumption minimization scheme for NOMA-based mobile edge computation networks underlaying UAV | |
Dai et al. | Joint offloading and resource allocation in vehicular edge computing and networks | |
Yu et al. | UAV-Aided Low Latency Multi-Access<? brk?> Edge Computing | |
Yu et al. | UAV-aided low latency mobile edge computing with mmWave backhaul | |
Lv et al. | Energy minimization for MEC-enabled cellular-connected UAV: Trajectory optimization and resource scheduling | |
CN112911587B (zh) | Mec-d2d环境下利用物理层安全防窃听任务卸载方法 | |
Han et al. | Secrecy capacity maximization for a UAV-assisted MEC system | |
Wang et al. | Completion time minimization for turning angle-constrained UAV-to-UAV communications | |
Tan et al. | Joint offloading and resource allocation based on UAV-assisted mobile edge computing | |
Jiang et al. | Research on new edge computing network architecture and task offloading strategy for Internet of Things | |
CN113709728B (zh) | 一种基于noma及无人机辅助的两阶段移动边缘计算通信方法及系统 | |
Han et al. | Joint user association and deployment optimization for delay-minimized UAV-aided MEC networks | |
Chen et al. | Energy efficient hybrid offloading in space-air-ground integrated networks | |
Nguyen et al. | Joint computation offloading, UAV trajectory, user scheduling, and resource allocation in SAGIN | |
Farha et al. | Design and optimization of a UAV-enabled non-orthogonal multiple access edge computing IoT system | |
Tun et al. | Collaborative computing services at ground, air, and space: An optimization approach | |
Zheng et al. | Service caching based task offloading and resource allocation in multi-UAV assisted MEC networks | |
CN116582892A (zh) | 全双工无人机辅助mec安全卸载的能耗优化方法 | |
Gao et al. | Secure enhancement in NOMA-based UAV-MEC networks | |
Xiang et al. | UAV-Assisted MEC System Considering UAV Trajectory and Task Offloading Strategy |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230811 |
|
RJ01 | Rejection of invention patent application after publication |