【技术实现步骤摘要】
本专利技术属于移动边缘计算领域，具体涉及一种空地协作移动边缘计算系统中的uav能耗优化方法。
技术介绍
1、近年来，无线通信技术的发展，如5g和即将推出的6g，促使了高度智能应用的前所未有的进步和普及，例如智能导航、人脸识别以及增强、虚拟现实等。这些应用大多表现出计算密集和延迟敏感的特性，然而用户设备通常在计算能力和电池容量方面受到限制，并且云服务器会带来较大的延迟，这种困境极大地阻碍了用户体验的质量。
2、移动边缘计算(mobile edge computing，mec)很好的解决了上述的问题。mec超越了本地和云计算，将移动计算、网络控制和存储从云和数据中心推向移动网络的边缘，即蜂窝基站(base station，bs)或接入点(access point，ap)，从而能够有效满足具有低延迟需求的用户设备的通信和计算需求。然而，用户设备可能位于偏远或山区，通信基础设施分布稀疏且位置固定。远离mec服务器的用户设备通常由于信号覆盖差以及由于多路径和阻塞导致的信道质量恶化而遭受通信速率受限的困扰。此外，在大规模紧急情况下，例如自然灾害、停电和恐怖袭击等，通信基础设施难以访问，而用户设备请求突然增加，使得地面mec服务器难以满足所有通信和计算需求。鉴于mec系统依赖地面基础设施的这些局限性，创建一个能够为偏远地区或紧急情况下的用户设备提供mec服务的平台至关重要。
3、随着制造无人机(unmanned aerial vehicle，uav)的成本持续降低，通信设备的小型化不断推进，将mec服务器安装在uav上
4、事实上，这种空地协作架构也可以解决uav的能量供应问题。最近，能量捕获(energy harvesting，eh)和无线功率传输(wireless power transfer，wpt)技术已被纳入uav支持的mec系统，但在实践中，由于在不太理想的地理位置和环境条件下发生的路径损耗，射频(radio frequency，rf)能量捕获的有效性可能会严重下降。一种更节能的激光束wpt技术被用于uav支持的空地协作架构，激光发射器与地面mec服务器共存，向uav传输无线电力，并提供长期的能量供应。
5、目前结合uav的空地协作mec系统是一个非常前沿的方向，uav既充当用户设备的移动计算服务器，又充当ap的中继，同时又可从ap通过激光进行能量捕获，但是目前针对这一方面的研究工作还比较少，且大多考虑为用户设备进行供能，忽略了uav的能量限制，此外求解问题的方法也仅采用传统优化算法或深度强化学习算法，对于uav这种实时动态系统来说，传统的优化算法需要进行大量的迭代计算，从而导致极高的复杂度；而对于深度强化学习算法，状态、动作的空间维度过大，会导致算法最终难以收敛。
技术实现思路
1、本专利技术的目的在于针对解决
技术介绍
中提出的问题，提出一种空地协作移动边缘计算系统中的uav能耗优化方法。
2、为实现上述目的，本专利技术所采取的技术方案为：
3、一种空地协作移动边缘计算系统中的uav能耗优化方法，包括：
4、建立空地协作的mec系统，mec系统中包括预设数量且不具计算能力的用户设备、携带mec服务器的uav和ap，用户设备将全部任务卸载给uav或进一步通过uav将部分任务卸载给ap进行计算，且ap通过激光发射器为uav供能；
5、计算uav从ap进行能量捕获的能耗、飞行能耗、接收和计算用户设备任务的能耗，以及将部分任务进一步卸载给ap的能耗，且将各能耗的和作为uav总的能量消耗；
6、构建uav在预设时间段的平均能量消耗的最小化目标函数，并附加约束条件；
7、将最小化目标函数转化为对用户设备任务卸载比例和uav能量捕获时间比例的第一优化，以及对uav的飞行轨迹的第二优化；
8、分别求解第一优化和第二优化的解，最终获得目标函数的最优解，将最优解应用在系统中实现uav能耗优化。
9、优选地，建立空地协作的mec系统，mec系统中包括预设数量且不具计算能力的用户设备、携带mec服务器的uav和ap，用户设备将全部任务卸载给uav或进一步通过uav将部分任务卸载给ap进行计算，且ap通过激光发射器为uav供能，包括：
10、各用户设备表示为n∈{1,...,n}，n为用户设备的数量，将mec系统的总时间划分为t个时隙，且时隙表示为t∈{1,...,t}，一个时隙的长度为τ，在每个时隙t开始时，ap通过激光发射器为uav供能，供能时间为q(t)τ，q(t)是uav能量捕获时间比例，用户设备n产生的任务量为dn(t)，为用户设备n引入一个任务卸载比例参数βn(t)，且βn(t)dn(t)大小的任务量在uav上计算，(1-βn(t))dn(t)大小的任务量通过uav卸载到ap进行计算。
11、优选地，计算uav从ap进行能量捕获的能耗、飞行能耗、接收和计算用户设备任务的能耗，以及将任务进一步卸载给ap的能耗，且将各能耗的和作为uav总的能量消耗，包括：
12、在时隙t时，uav从ap进行能量捕获的能耗的公式如下：
13、
14、其中，表示uav的接收功率；
15、在时隙t时，uav的飞行能耗的公式如下：
16、
17、其中，
18、
19、其中，p(v(t))表示uav的推进功率，v(t)表示uav飞行的速度，c1，c2，c3，c4和c5表示与uav硬件及其空气动力学参数相关的常数；
20、在时隙t时，uav接收用户设备任务能耗的公式如下：
21、
22、其中，
23、
24、
25、
26、
27、其中，rn(t)表示用户设备n的任务卸载速率，n'(t)表示卸载任务至uav的用户设备数量，hn(t)表示用户设备n和uav之间的信道增益，pn表示用户设备n的发射功率，σ2表示噪声功率，pn,los(t)表示用户设备n和uav之间的los概率，g0表示参考距离1米处的路径损耗，dn(t)表示用户设备n和uav之间的距离，ε表示nlos的附加的衰减因子，a和b是依赖于本文档来自技高网...
【技术保护点】
1.一种空地协作移动边缘计算系统中的UAV能耗优化方法，其特征在于：所述空地协作移动边缘计算系统中的UAV能耗优化方法，包括：
2.如权利要求1所述的空地协作移动边缘计算系统中的UAV能耗优化方法，其特征在于：所述建立空地协作的MEC系统，所述MEC系统中包括预设数量且不具计算能力的用户设备、携带MEC服务器的UAV和AP，用户设备将全部任务卸载给UAV或进一步通过UAV将部分任务卸载给AP进行计算，且AP通过激光发射器为UAV供能，包括：
3.如权利要求2所述的空地协作移动边缘计算系统中的UAV能耗优化方法，其特征在于：所述计算UAV从AP进行能量捕获的能耗、飞行能耗、接收和计算用户设备任务的能耗，以及将任务进一步卸载给AP的能耗，且将各能耗的和作为UAV总的能量消耗，包括：
4.如权利要求3所述的空地协作移动边缘计算系统中的UAV能耗优化方法，其特征在于：所述构建UAV在预设时间段的平均能量消耗的最小化目标函数，并附加约束条件，包括：
5.如权利要求4所述的空地协作移动边缘计算系统中的UAV能耗优化方法，其特征在于：所述将最小化
6.如权利要求5所述的空地协作移动边缘计算系统中的UAV能耗优化方法，其特征在于：所述分别求解第一优化和第二优化的解，最终获得目标函数的最优解，将所述最优解应用在系统中实现能耗优化，包括：
...【技术特征摘要】
1.一种空地协作移动边缘计算系统中的uav能耗优化方法，其特征在于：所述空地协作移动边缘计算系统中的uav能耗优化方法，包括：
2.如权利要求1所述的空地协作移动边缘计算系统中的uav能耗优化方法，其特征在于：所述建立空地协作的mec系统，所述mec系统中包括预设数量且不具计算能力的用户设备、携带mec服务器的uav和ap，用户设备将全部任务卸载给uav或进一步通过uav将部分任务卸载给ap进行计算，且ap通过激光发射器为uav供能，包括：
3.如权利要求2所述的空地协作移动边缘计算系统中的uav能耗优化方法，其特征在于：所述计算uav从ap进行能量捕获的能耗、飞行能耗、接收和计算用户设备任务的能耗，以及将任务进一步卸载给...
【专利技术属性】
技术研发人员：李燕君，汪柳能，陈雨哲，张玉繁，
申请(专利权)人：浙江工业大学，
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。