一种无人机流量卸载的多阶段逆向选择契约模型优化方法技术

本发明专利技术提出了一种无人机流量卸载的多阶段逆向选择契约模型优化方法。通过把无人机参与流量卸载场景映射成劳动力市场，将基于市场驱动的契约模型应用到流量卸载激励机制中，建立地面基站模型和空中无人机模型。其次，考虑到流量卸载场景中无人机的自私性和网络信息的非对称性，针对热点地区流量需求、无人机位置和无线信道等因素的动态特性，通过设计贯穿两阶段的流量卸载动态契约模型，结合个人理性和激励相容约束条件，实现对无人机私有信息的甄别，以激励其积极参与流量卸载。本发明专利技术保证流量卸载的实现，且本发明专利技术方法易于实现，基站和无人机之间的信息交互较少，因而该方法所需的信令开销较少。

A multi-stage reverse selection contract model optimization method for UAV traffic offloading

【技术实现步骤摘要】
一种无人机流量卸载的多阶段逆向选择契约模型优化方法
本专利技术属于移动蜂窝通信
，具体涉及一种无人机流量卸载的多阶段逆向选择契约模型优化方法。
技术介绍
随着人们对移动通信服务需求的快速增长，地面基站(BaseStation，BS)必须做出改变，来增加自身网络容量以及覆盖范围。无人机(UnmannedAerialVehicle，UAV)流量卸载利用无人机自身的灵活性以及机动性，使得它可以广泛的应用于移动蜂窝网络，成为人们心中备受关注的新技术。无人机流量卸载技术的关键在于如何准确地建立流量卸载激励机制模型。这需要近乎完整的网络信息。但是，由于无线信道的不稳定性和无人机的移动性，获得完整的网络信息异常困难。此外，由于无人机的自私性，可能不愿在没有任何动机的情况下分享其信息。因此，导致网络信息非对称问题的产生。所以，如何建立具有准确性较高的流量卸载激励机制模型，是极具挑战性的课题。当前，非对称信息条件下无人机流量卸载的技术问题正得到广大研究者的关注。现有的无人机流量卸载技术主要针对静态契约设计的研究。然而，在实际流量卸载的数据传输中，由于热点地区流量需求，无人机位置以及信道条件等因素的动态特性，网络信息是不断变化的。同时，为了避免地面基站频繁地选择无人机而产生额外交易成本，需设计一个具有长期承诺的动态契约来激励无人机参与流量卸载。
技术实现思路
为了克服上述现有技术存在的不足，本专利技术的目的在于提出一种无人机流量卸载的多阶段逆向选择契约模型优化方法。所述无人机流量卸载的多阶段逆向选择契约模型优化方法具体包括如下步骤：步骤1：依次建立无人机提供发射功率模型、无人机参与流量卸载的传输成本模型、无人机在参与流量卸载中的总成本模型、无人机的效用模型，进一步建立地面基站获得的总收益模型、地面基站效用模型；步骤2：建立多阶段逆向选择契约模型，结合激励相容和个人理性的约束条件进行优化，得到优化后多阶段逆向选择契约模型；步骤3：地面基站使用优化后多阶段逆向选择契约模型向无人机提供契约；作为优选，步骤1中所述建立无人机提供发射功率模型为：假设h(RTi,Di)为第i个无人机发射机即RTi与相应热点区域即Di之间的信道增益；为了获得在相应热点区域Di的接收功率pi，第i个无人机提供发射功率模型为：其中，N为无人机的数量，pi为为第i个无人机热点区域的接收功率，RTi为第i个无人机发射机，Di为第i个无人机热点区域，h(RTi,Di)为第i个无人机发射机与相应热点区域之间的信道增益；步骤1中所述建立无人机参与流量卸载的传输成本模型为：第i个无人机参与流量卸载的传输成本模型为：其中，ci是第i个无人机的单位传输成本；将定义为第i个无人机的私有信息，用于描述第i个无人机的流量卸载能力；当θi增加时，表示第i个无人机具有较高的传输成本即αi或较差的无线信道条件；当θi减少时，表示第i个无人机具有较低的传输成本即αi或较好的无线信道条件。此外，由于θi是一个随机变量，严格地分布在正区间Θ∈[θL,θH]，在这里Θ为无人机类型的定义域；θL表示最优的无人机类型；θH表示最差的无人机私有类型；且具有概率密度函数fi(θi)和相应的分布函数Fi(θi)；步骤1中所述建立无人机在参与流量卸载中的总成本模型为：第i个无人机在参与流量卸载中的总成本模型为：Ci＝Ei+θipi,1≤i≤N其中，Ei为第i个无人机在来回行驶时消耗的能量；步骤1中所述建立无人机的效用模型为：第i个无人机的效用模型定义为：其中，第i个无人机从地面基站收到的报酬wi；步骤1中所述建立地面基站获得的总收益模型为：地面基站在雇佣无人机参与流量卸载的情况下，地面基站获得的总收益模型定义为：其中，n0是噪声功率，ρ＞0为每单位传输容量的利润系数，令n0＝1；步骤1中所述建立地面基站效用模型为：地面基站效用模型定义为：作为优选，步骤2中所述建立多阶段逆向选择契约模型，具体为：在流量卸载过程中，地面基站的总预期效用UBS可以写为：其中，ρ＞0为每单位传输容量的利润系数；θL＞0为最优的无人机私有信息；θH＞0为最差的无人机私有信息；为第一阶段的接收功率，为第一阶段无人机的报酬，为第二阶段的接收功率，为第二阶段无人机的报酬；为第一阶段无人机的私有信息，为第二阶段无人机的私有信息；为第一阶段的概率分布函数，为第二阶段的概率分布函数；所述私有信息为无人机每单位的传输成本即ci、第i个无人机发射机与相应热点区域之间的信道增益即h(RTi,Di)；无人机具有与地面基站相同的折现因子为δ，两阶段第i个无人机的效用可以由下式给出：基于逆向归纳法思想，先考虑第二阶段的契约设计；为了确保类型无人机通过选择契约获得非负值效用，应满足以下IR约束条件：其中，是第i个无人机的第一阶段契约类型公告；是第二阶段无人机的私有类型；Ei为无人机往返途中所消耗的能量；是第二阶段无人机所获得的报酬；是第二阶段无人机的接收功率。为了确保类型无人机在选择时获得最大效用，应满足以下IC约束条件：其中，为选取最适合自己契约情况下第二阶段的报酬，为选取最适合自己契约情况下第二阶段的接收功率，为选取其它契约情况下第二阶段的报酬，为选取其它契约情况下第二阶段的接收功率；同时，考虑第一阶段的契约设计，假设第二阶段的预期持续效用为则第i个无人机的跨期效用可以写为：其中，是第一阶段无人机的私有类型；Ei为无人机往返途中所消耗的能量；是第一阶段无人机所获得的报酬；是第一阶段无人机的接收功率；是第二阶段的概率分布函数。于是，IC约束可定义为：由于阶段二中的无人机效用独立于因此则上述IC约束可以简化为：因此，鉴于阶段二的第i个无人机预期的延续效用是在地面基站获悉其第二阶段类型之前提供契约，第i个无人机的跨期IR约束最终表示为：于是，在保证上述两阶段IR和IC条件的前提下，最优化问题可表示为：步骤2中所述结合激励相容和个人理性的约束条件进行优化，具体为：通过对第一阶段和第二阶段的IR约束条件进行求导，由求导结果写出无人机的连续类型效用公式，并以此得到和和之间的关系，将其带入和去；通过对优化问题分别对和进行二次求导来得到最优的接收功率，即最优解为：通过构建步骤2中所述优化后多阶段逆向选择契约模型；作为优选，步骤3中所述地面基站使用优化后多阶段逆向选择契约模型向无人机提供契约，具体如下：地面基站向N个无人机广播一组契约其中，为第一阶段的接收功率，为第一阶段无人机的报酬，为第二阶段的接收功率，为第二阶段无人机的报酬。当附近的无人机收到契约时，它将依据自身的接收功率来通知地本文档来自技高网...

【技术保护点】
1.一种无人机流量卸载的多阶段逆向选择契约模型优化方法，其特征在于，包括如下步骤：/n步骤1：依次建立无人机提供发射功率模型、无人机参与流量卸载的传输成本模型、无人机在参与流量卸载中的总成本模型、无人机的效用模型，进一步建立地面基站获得的总收益模型、地面基站效用模型；/n步骤2：建立多阶段逆向选择契约模型，结合激励相容和个人理性的约束条件进行优化，得到优化后多阶段逆向选择契约模型；/n步骤3：地面基站使用优化后多阶段逆向选择契约模型向无人机提供契约。/n

【技术特征摘要】
1.一种无人机流量卸载的多阶段逆向选择契约模型优化方法，其特征在于，包括如下步骤：
步骤1：依次建立无人机提供发射功率模型、无人机参与流量卸载的传输成本模型、无人机在参与流量卸载中的总成本模型、无人机的效用模型，进一步建立地面基站获得的总收益模型、地面基站效用模型；
步骤2：建立多阶段逆向选择契约模型，结合激励相容和个人理性的约束条件进行优化，得到优化后多阶段逆向选择契约模型；
步骤3：地面基站使用优化后多阶段逆向选择契约模型向无人机提供契约。


2.根据权利要求1所述的无人机流量卸载的多阶段逆向选择契约模型优化方法，其特征在于：步骤1中所述建立无人机提供发射功率模型为：
假设h(RTi,Di)为第i个无人机发射机即RTi与相应热点区域即Di之间的信道增益；
为了获得在相应热点区域Di的接收功率pi，第i个无人机提供发射功率模型为：



其中，N为无人机的数量，pi为为第i个无人机热点区域的接收功率，RTi为第i个无人机发射机，Di为第i个无人机热点区域，h(RTi,Di)为第i个无人机发射机与相应热点区域之间的信道增益；
步骤1中所述建立无人机参与流量卸载的传输成本模型为：
第i个无人机参与流量卸载的传输成本模型为：



其中，ci是第i个无人机的单位传输成本；
将定义为第i个无人机的私有信息，用于描述第i个无人机的流量卸载能力；
当θi增加时，表示第i个无人机具有较高的传输成本即αi或较差的无线信道条件；当θi减少时，表示第i个无人机具有较低的传输成本即αi或较好的无线信道条件；
此外，由于θi是一个随机变量，严格地分布在正区间Θ∈[θL,θH]，在这里Θ为无人机类型的定义域；θL表示最优的无人机类型；θH表示最差的无人机私有类型；且具有概率密度函数fi(θi)和相应的分布函数Fi(θi)；
步骤1中所述建立无人机在参与流量卸载中的总成本模型为：
第i个无人机在参与流量卸载中的总成本模型为：
Ci＝Ei+θipi,1≤i≤N
其中，Ei为第i个无人机在来回行驶时消耗的能量；
步骤1中所述建立无人机的效用模型为：
第i个无人机的效用模型定义为：



其中，第i个无人机从地面基站收到的报酬wi；
步骤1中所述建立地面基站获得的总收益模型为：
地面基站在雇佣无人机参与流量卸载的情况下，地面基站获得的总收益模型定义为：



其中，n0是噪声功率，ρ＞0为每单位传输容量的利润系数，令n0＝1；
步骤1中所述建立地面基站效用模型为：
地面基站效用模型定义为：





3.根据权利要求1所述的无人机流量卸载的多阶段逆向选择契约模型优化方法，其特征在于：步骤2中所述建立多阶段逆向选择契约模型，具体为：
在流量卸载过程中，地面基站的总预期效用UBS可以写为：



其中，ρ＞0为每单位传输容量的利润系数；θL＞0为最优的无人机私有信息；θH＞0为最差的无人机私有信息；为第一阶段的接收功率，为第一阶段无人机的报酬，为第二阶段的接收功率，为第二阶段无人机的报酬；为第一阶段无人机的私有信息，为第二阶段无人机的私有信息；为第一阶段的概率分布函数，为第...

【专利技术属性】
技术研发人员：赵楠，樊朋飞，程一强，萧洒，裴一扬，刘聪，
申请(专利权)人：湖北工业大学，
类型：发明
国别省市：湖北;42