【技术实现步骤摘要】
本专利技术涉及卫星通信，具体为一种终端直连卫星算力网络任务调度与路由优化方法。
技术介绍
1、6g网络有望为海量物联网终端提供无处不在的无线覆盖和高性能计算服务。在没有地面网络覆盖的偏远地区(如森林和海洋)，一些计算能力有限的物联网设备本地处理任务面临着严格的时延挑战。而卫星和uav作为具有机载处理能力的边缘服务器，可以在远程物联网中部署以实现计算卸载。具备快速部署和成本效益特性的uav能够实现灵活的无线覆盖和数据传输，而卫星可以实现无缝和全球接入。为此，建设“卫星-uav-地面终端”的天空地一体化边缘计算网络，是解决偏远地区终端任务密集的潜在解决方案。
2、相比于传统的地面网络(光纤、光缆+铁塔、基站)，天空地网络具有显著的广覆盖、低延时、低成本等优势。然而，物联网和天空地网络的简单共存并不能充分发挥其潜力，迫切需要解决以下挑战。首先，由于天空地网络的高动态特性，不同的uav轨迹将提供不同的通信质量，从而影响终端卸载决策。因此，联合设计飞行轨迹和任务卸载是一个棘手的混合整数非凸优化问题。其次，由于多维资源的强耦合，系统的整体性能受到多维资源分配的显著影响。现有的研究大多集中在通信或计算资源的优化上，并假设任务处理的计算程序是可用的，但在实践中仍然存在弊端，特别是对于资源受限的边缘服务器。为此，有必要通过在边缘端预先存储程序来进行通信-计算-缓存联合优化。值得注意的是，终端到uav有更好的通信链路，但资源有限，而卫星则相反。因此，如何开发高效的程序缓存方案，促进天空地网络内uav和卫星之间的协作是一个具有挑战性的问题
3、对此，本专利技术提出一种终端直连卫星算力网络任务调度与路由优化方法。我们提出一个天空地网络模型，以支持远程物联设备的计算任务卸载，其中卫星和多架uav作为边缘服务器，执行从地面终端卸载的任务。此外，由于每个卸载的任务都应该通过特定的程序进行处理，因此边缘服务器可以提前缓存一些程序，并通过多跳传输将与缓存程序不匹配的任务传输到其它更合适的服务器。然后，建立时延和能耗加权最小化问题，对卸载决策、uav轨迹、程序缓存和路由规划进行联合优化。最后，设计基于maddpg的卸载决策、资源分配和轨迹优化方法，结合路由规划子程序求解系统成本最小化问题。
技术实现思路
1、本专利技术公开了一种终端直连卫星算力网络任务调度与路由优化方法，面向远程物联网场景，边缘端通过预先存储程序实现通信-计算-缓存的联合优化，然后设计终端直连卫星算力网络任务调度与路由优化方法，所述方法的步骤如下：步骤一、提出一个由卫星、uav和任务密集型终端组成的支持缓存的天空地一体化边缘计算网络模型，其中，带有缓存的uav可以快速高效地部署，为地面用户提供服务，具有更大存储空间和计算能力的卫星能够补充地面网络，提供广泛覆盖。步骤二，描述终端任务卸载问题，考虑视距、非视距概率、路径损失对uav-地、卫星-地链路的信道进行建模，推导终端到卫星、uav的通信速率，根据终端任务类型、uav程序缓存类型设计多跳uav-uav路由传输模型；步骤三、考虑到终端储能受限，提出以终端能耗和时延加权最小化为目标的任务卸载问题；步骤四、设计基于maddpg的卸载决策、资源分配和轨迹优化方法，结合路由规划子程序求解系统成本最小化问题。
2、本专利技术可有效降低系统成本。具体过程如下：
3、本专利技术提出的天空地移动边缘计算模型包含一个卫星，个终端以及架uavs。设置uav的飞行时间为t，将其分为个时隙。每个时隙j，用户产生任务sd(j)，可以通过d2u和d2s链路卸载至uav或卫星进行处理。设定uav在固定高度hu飞行，uav u在时隙j的坐标为qu(j)＝(xu(j),yu(j),hu)，用户d在时隙j的坐标为bd(j)＝(rd(j),sd(j),0)。因此，第j个时隙，终端设备d到服务器u的距离为
4、
5、注意，u＝0表示终端将任务卸载给卫星。然后，对任务卸载模型、终端与uav/卫星之间的通信模型、uav程序缓存模型、路由模型、飞行模型以及计算模型和系统能耗、时延展开介绍。
6、(1)任务卸载模型
7、我们利用二元变量ad,u(j)表示任务卸载决策，其中ad,u(j)＝1,u∈{1,2,..,u}表示终端d将任务卸载到uavu上，当u＝0时表示卸载给卫星。否则ad,u(j)＝0。由于每个终端一次可以选择一个卸载候选者，我们可以得到
8、
9、(2)通信模型
10、在时隙j，从用户d到uavu的los和nlos损耗(db)由下式得出
11、
12、
13、其中，μlos和μnlos分别是los和nlos链路的大规模路径损耗指数。ψσlos和ψσnlos分别是los和nlos链路均值为零的高斯随机变量。lfs(g0)＝20log(4πd0fc/c)是参考距离g0处的自由空间路径损耗，fc和c分别是载波频率和光速。
14、los概率可以建模为仰角的逻辑函数，即
15、
16、其中，x和y是环境相关参数，因此，d2u链路的平均路径损耗可以表示为
17、
18、考虑采用正交信道，因此，用户d到uavu的信噪比为
19、
20、其中pd表示终端d的发射功率，σ2表示加性高斯白噪声功率。此外，|kd,u(j)|2表示小尺度衰落增益，其遵循nakagami-m分布来表征广泛的衰落环境。
21、对于终端对卫星通信，终端d与卫星之间的路径损耗为
22、
23、其中h0表示卫星的高度，gd,0(j)表示用户d和卫星之间的水平距离。和分别表示los和nlos路径的附加自由空间损耗。是d2s链路的视距概率，即
24、
25、对于d2s链路，用户d到卫星的d2s链路的snr为：
26、
27、其中，|kd,0(j)|2表示小尺度衰落增益。
28、因此，终端到边缘服务器的信息传输速率为：
29、
30、(3)程序缓存模型
31、在任意时隙j，每个终端d生成一个计算任务dd(j)＝(ωd(j),sd(j),ed(j))，其中ωd(j)表示该任务的cpu周期数，sd(j)表示数据大小，ed(j)表示处理该任务所需的程序。具体来说，每个计算任务都需要一个相应的程序来执行，故用表示所有程序的集合，ed(j)＝r表示需要程序r来处理任务dd(j)。一般情况下，多个终端可能会要求同一个程序来处理各自生成的任务，uav和卫星上可以提本文档来自技高网...
【技术保护点】
1.本专利技术公开了一种终端直连卫星算力网络任务调度与路由优化方法，面向偏远地区的物联网终端边缘计算场景，针对终端储能有限提出基于程序缓存的终端直连卫星算力网络任务调度与路由优化方法，所述方法的步骤如下：
2.根据权利要求1所述，设置终端、UAV工作在不同频段。同时，卫星和UAV均能向地面用户提供高比例的LoS连接，且UAV可以灵活移动，传输距离小于卫星。除此之外，卫星存储容量大，可以提前缓存所有的程序，而UAV存储空间有限，只能缓存部分程序。
3.根据权利要求1所述的天空地网络模型，将系统成本定义为终端能耗和任务执行时延的加权和，表示为[λτ(j)+(1-λ)E(j)]。其中，τ(j)表示时隙j处的平均系统延迟，包含终端向UAV/卫星的卸载传输时延、UAV之间的任务转移时延以及边缘计算时延。E(j)表示时隙j处的平均终端能耗，即终端卸载传输能耗。λ为权重因子，表示系统时延和终端能耗在系统成本中的影响因子。目标函数为长期系统平均成本，表示为：
4.根据权利要求2所述的系统成本最小化问题，其求解步骤为：
5.根据权利要求4所述的转化后
6.按照所述方法求解终端直连卫星算力网络任务调度与路由优化问题，可以有效降低物联终端的能耗和任务执行时延成本；所述方法利用多智能体深度强化学习方法，允许智能体在学习过程中共享信息并选择单独的执行策略，增强了智能体之间的协作性，具备较强的可实施性。
...【技术特征摘要】
1.本发明公开了一种终端直连卫星算力网络任务调度与路由优化方法，面向偏远地区的物联网终端边缘计算场景，针对终端储能有限提出基于程序缓存的终端直连卫星算力网络任务调度与路由优化方法，所述方法的步骤如下：
2.根据权利要求1所述，设置终端、uav工作在不同频段。同时，卫星和uav均能向地面用户提供高比例的los连接，且uav可以灵活移动，传输距离小于卫星。除此之外，卫星存储容量大，可以提前缓存所有的程序，而uav存储空间有限，只能缓存部分程序。
3.根据权利要求1所述的天空地网络模型，将系统成本定义为终端能耗和任务执行时延的加权和，表示为[λτ(j)+(1-λ)e(j)]。其中，τ(j)表示时隙j处的平均系统延迟，包含终端向uav/卫星的卸载传输时延、uav之间的任务转移...
【专利技术属性】
技术研发人员：秦鹏，付民，丁睿，李京涵，温超阳，
申请(专利权)人：华北电力大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。