【技术实现步骤摘要】
本专利技术涉及无线通信，尤其涉及一种无人机协助高铁边缘计算网络的动态任务卸载方法及系统。
技术介绍
1、近年来，随着众多新型应用的快速发展，数据密集型、计算密集型与时延敏感型等多元化移动业务对网络传输容量和数据分发处理能力等提出了越来越高的要求。移动网络将面临海量终端连接挑战，并且随着联网设备的增加，网内数据量也呈爆炸性上升趋势。这一现象在高速铁路中也体现的尤为明显，铁路网规模的不断扩大，旅客运输周转量的不断增加，高铁运行品质需求的逐渐提升，这就需要大幅降低数据传输延迟，提高数据处理效率和实时性，为此有人提出利用移动边缘计算mec，这种技术能够优化资源利用、实现负载均衡，并有效管理移动设备，确保数据计算与传输适应不断变化的连接状态和位置。同时，边缘计算也注重数据安全与隐私，保障高铁数据传输和处理的安全性。这一研究方向的推进不仅能够提升高铁数据处理的效率和可靠性，也将推动边缘计算技术在移动通信领域的应用与发展。
2、但是在一些密度高的热点通信区域中还会出现无法及时为用户设备提供通信服务等情况,所以地面边缘节点已无法满足特定场景中对于边缘缓存的需求，由于无人机相较具有成本低、部署灵活和移动性高等特性，无人机可以作为移动的信号中继站点。虽然无人机辅助移动边缘计算在优化网络性能、降低传输时延、增加网络容量等方面有着巨大的优势和潜力，但存在设备能量受限、空地链路特征复杂、视距链路干扰强、信道质量差异大等问题，这些因素使得利用无人机建立大覆盖范围、高速率、低能耗的移动边缘计算网络仍面临着很大的技术挑战。
<
1、鉴于上述存在的问题，提出了本专利技术。
2、因此，本专利技术解决的技术问题是：如何提供一种动态计算卸载算法来对每个时隙内的计算任务进行卸载决策。同时，在每个时隙内，当卸载决策决定计算任务在本地设备上执行时，所提算法还要联合优化出业务数据下载的传输功率。
3、为解决上述技术问题，本专利技术提供如下技术方案：
4、第一方面，本专利技术实施例提供了一种无人机协助高铁边缘计算网络的动态任务卸载方法，包括：
5、基于高铁通信的空天一体化通信系统，构建以最小化计算时延和能耗为目标的优化问题；
6、将所述优化问题分解转化为多个时隙的子问题；
7、基于所述子问题，采用d3qn-td3的深度强化学习方法，以及利用域自适应算法进行处理，直到优化问题收敛到预先设定的精度。
8、作为无人机协助高铁边缘计算网络的动态任务卸载方法的一种优选方案，其中：
9、所述高铁通信的空天一体化通信系统包括：
10、所述系统由高铁基站、路边基站，无人机基站组成；路边沿铁路线部署b个地面接收基站，空中部署u个无人机接收基站通信，所有基站都部署单天线且携带一个边缘计算服务器。
11、作为无人机协助高铁边缘计算网络的动态任务卸载方法的一种优选方案，其中：
12、所述构建以最小化计算时延和能耗为目标的优化问题包括：
13、以最大化地面车辆最小可接受速率和为目标，以满足无人机轨迹限制、无人机提供车辆所需数据的能力为约束条件，建立以无人机轨迹与无人机-车辆分配策略为设计变量的数学优化模型，表示为：
14、
15、约束条件为：
16、
17、
18、
19、
20、
21、
22、
23、
24、
25、其中，时隙集合每个时隙c(t)表示的是任务时延和任务完成度有关的代价函数，表示求期望值，t(t)是数据大小为f(t)的计算任务完成所需要的时延，η是关于任务完成度的代价权重，τ为每个时隙的时间；
26、表示第k个计算任务上传mec服务器计算，表示第k个计算任务在本地计算，表示第k个计算任务放弃，表示预编码向量，表示空地基站端的最大传输功率，是基站k的最大传输功率，表示任务计算的平均能耗，ek(t)表示表示无人机k的当前队列能量，表示无人机安全返回所需的最小能量，表示时隙t内无人机维持动力的能耗，表示时隙t内子任务处理需要消耗的能量，在时隙中，数据卸载端的集合表示为pv-max是高铁端的最大传输功率。
27、作为无人机协助高铁边缘计算网络的动态任务卸载方法的一种优选方案，其中：
28、将所述优化问题分解转化为多个时隙的子问题包括：
29、子问题一：定义一个虚拟的队列，表示为：
30、qk(t)＝λk-ek(t)
31、其中qk(0)＝0，表示无人机能够存储的最大能量；
32、若则约束成立；
33、为确保队列qk(t)稳定，定义一个lyapunov函数如下：
34、
35、其中θ(t)＝[q1(t),…,qu(t)]t；
36、lyapunov漂移表示为：
37、
38、定义一个lyapunov函数：
39、
40、其中θ(t)＝[q1(t),…,qu(t)]t，lyapunov漂移表示为
41、作为无人机协助高铁边缘计算网络的动态任务卸载方法的一种优选方案，其中：
42、将所述优化问题分解转化为多个时隙的子问题还包括：
43、子问题二：利用drift-plus-penalty方法，在时隙t内，将优化目标转化为：
44、
45、其中，v是折中因子。
46、作为无人机协助高铁边缘计算网络的动态任务卸载方法的一种优选方案，其中：
47、基于所述子问题，采用d3qn-td3的深度强化学习方法，以及利用域自适应算法进行处理包括：
48、对于子问题一，设置控制参数v，权重因子η；
49、获取当前队列状态qk(t)和ek(t)，求解卸载策略和功率优化联合优化问题：
50、
51、其中，问题的优化目标函数为：
52、
53、利用d3qn-td3的深度强化学习方法求解，使迭代t＝1。
54、作为无人机协助高铁边缘计算网络的动态任务卸载方法的一种优选方案，其中：
55、基于所述子问题，采用d3qn-td3的深度强化学习方法，以及利用域自适应算法进行处理还包括：
56、对于子问题二，循环以下操作，直到子问题二中的优化问题收敛到指定精度：
57、取得o*(t)和p*(t)，t＝t+1；
58、根据和虚拟队列qk(t)＝λk-ek(t)更新队列qk(t)；
59、输出卸载策略o*和优化功率p*。
60、第二方面，本专利技术实施例提供了一种无人机协助高铁边缘计算网络的动态任务卸载系统，包括：
61、优化问题构建模块，用于基于高铁通信的空天一体化通信系统，构建以最小化计算时延和能耗为目标的优化问本文档来自技高网...
【技术保护点】
1.一种无人机协助高铁边缘计算网络的动态任务卸载方法，其特征在于，包括：
2.如权利要求1所述的无人机协助高铁边缘计算网络的动态任务卸载方法，其特征在于，所述高铁通信的空天一体化通信系统包括：
3.如权利要求2所述的无人机协助高铁边缘计算网络的动态任务卸载方法，其特征在于，所述构建以最小化计算时延和能耗为目标的优化问题包括：
4.如权利要求3所述的无人机协助高铁边缘计算网络的动态任务卸载方法，其特征在于，将所述优化问题分解转化为多个时隙的子问题包括：
5.如权利要求4所述的无人机协助高铁边缘计算网络的动态任务卸载方法，其特征在于，将所述优化问题分解转化为多个时隙的子问题还包括：
6.如权利要求5所述的无人机协助高铁边缘计算网络的动态任务卸载方法，其特征在于，基于所述子问题，采用D3QN-TD3的深度强化学习方法，以及利用域自适应算法进行处理包括：
7.如权利要求6所述的无人机协助高铁边缘计算网络的动态任务卸载方法，其特征在于，基于所述子问题，采用D3QN-TD3的深度强化学习方法，以及利用域自适应算法进行处理
8.一种采用如权利要求1～7任一所述的无人机协助高铁边缘计算网络的动态任务卸载方法的系统，其特征在于，包括：
9.一种计算设备，包括：
10.一种计算机可读存储介质，其存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现权利要求1至7任意一项所述无人机协助高铁边缘计算网络的动态任务卸载方法的步骤。
...【技术特征摘要】
1.一种无人机协助高铁边缘计算网络的动态任务卸载方法，其特征在于，包括：
2.如权利要求1所述的无人机协助高铁边缘计算网络的动态任务卸载方法，其特征在于，所述高铁通信的空天一体化通信系统包括：
3.如权利要求2所述的无人机协助高铁边缘计算网络的动态任务卸载方法，其特征在于，所述构建以最小化计算时延和能耗为目标的优化问题包括：
4.如权利要求3所述的无人机协助高铁边缘计算网络的动态任务卸载方法，其特征在于，将所述优化问题分解转化为多个时隙的子问题包括：
5.如权利要求4所述的无人机协助高铁边缘计算网络的动态任务卸载方法，其特征在于，将所述优化问题分解转化为多个时隙的子问题还包括：
6.如权利要求5所述的无人机...
【专利技术属性】
技术研发人员：代海波，鞠颖慧，沈妍，王保云，
申请(专利权)人：南京邮电大学，
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。