无人机辅助移动边缘计算系统及其信息比特分配方法与流程

本发明属于无线通信与物联网技术领域，具体涉及基于移动终端能耗最小化的无人机辅助移动边缘计算系统及其信息比特分配方法。

背景技术

随着无线通信技术的飞速更新换代，移动互联网得以蓬勃发展，而基于移动终端的移动应用也日趋丰富化和多样化，诸如视频图像处理、对象识别、在线娱乐、增强现实、虚拟现实等等，而这些移动应用对于移动终端的计算资源、能量资源、存储资源等也提出了更高的要求。特别是对计算敏感型的移动应用而言，大量的数据信息需要实时处理和运算，由此会大幅消耗移动终端的能量资源，并占过多的硬件计算资源。对于物理尺寸有限的移动终端而言，其负载能量和运算资源都是十分受限的，特别是目前绝大多数移动终端主要依靠自带电源模块进行供电，如何在移动终端能量受限的条件下，尽可能的延长移动终端的数据信息运算处理周期和待机寿命是未来移动通信系统面临的一大难题。

为了应对能量受限型移动终端在信息处理时的资源消耗问题，各大研究机构和众多学者提出了移动云计算系统(mobilecloudcomputingsystem)，即移动终端通过无线方式将部分数据处理任务传送到远端的云资源池进行数据负载分流，从而降低移动终端本地的数据处理资源消耗。为了进一步降低移动终端到远端云资源池的传输时延和路径损耗，节省移动终端的能量消耗，并保证用户服务质量，研究人员又提出了雾计算(fogcomputing)或称为移动边缘计算系统(mobileedgecomputingsystem)，即在移动终端的近距离区域部署计算节点，从而对移动终端的数据处理任务进行负载分流。然而，由于移动终端在地理位置上的随机分布特性，移动边缘计算系统为了实现较好的边缘计算节点覆盖，必须通过部署大量的边缘计算节点，从而拉近与移动终端的距离，完成近距离区域内的负载分流，这会造成移动边缘计算的部署成本大幅攀升。

与此同时，无人机(unmannedaerialvehicle,uav)技术的快速发展，给借助于空中移动平台的相关行业带来了诸多新机遇，诸如，道路交通管理，森林火险监视，灾害疫情监测，无人机货物配送，中继应急通信，热点区域基站负载均衡等方面，尤其是给移动边缘计算系统带来了新的发展机遇。借助于无人机平台的便捷部署、高速移动等特性，通过在无人机上搭载数据运算处理装置构成无人机边缘计算节点，利用其机动灵活的空间飞行特性，为覆盖区域内的移动终端提供便捷的边缘计算分流服务。值得注意的是，移动终端在数据负载分流的过程中需要向无人机边缘计算节点发送数据信号，而这一过程也将消耗自身的能量，因此，是将更多的数据分流至无人机计算节点，还是将更多的数据留在移动终端进行本地处理，是一个复杂的折中优化问题。虽然无人机节点在数据运算方面具有较好的分流功能，但是其自身也为能量受限性节点，特别是在处理数据后，仍需要将数据通过下行信道反馈给移动终端，因而，无人机节点的能量消耗分为运算能耗、数据传输能耗以及飞行动力能耗。另一方面，无人机在运动过程中，其到移动终端的信道条件也随之发生变化，好的信道条件下更适合于传送数据，因此，对于每一飞行时刻，移动终端与无人机节点之间的信息比特传输、处理和反馈也将是一个复杂的迭代优化过程。

技术实现要素：

本发明公开了一种基于移动终端能耗最小化的无人机辅助移动边缘计算系统及其信息比特分配方法。该移动边缘计算系统包括一个无人机计算节点和一个移动终端，移动终端有一定量待处理数据比特。无人机计算节点按照指定路径和速度飞行，在每一个飞行时刻，移动终端将部分待处理数据发送给无人机计算节点，无人机计算节点处理若干数据，并将若干处理后的数据反馈至移动终端。本发明方法以最小化移动终端的数据处理功耗和数据传输功耗为目标，并考虑无人机计算节点自身能量约束，对移动终端的本地计算数据量进行优化，并对每时刻移动终端传输数据量、无人机计算节点处理数据量和无人机计算节点反馈数据量进行联合优化，利用拉格朗日对偶法求解该优化问题，并利用karush-kuhn-tucker条件求得优化变量的闭合形式解，并最终得到一种复杂度较低的内外层交替迭代算法。

本发明为了降低移动终端的能量消耗，提出一种基于移动终端能耗最小化的无人机辅助移动边缘计算系统及其信息比特分配方法，并求解得到一种信息比特分配方案的闭合形式最优解。

一种无人机辅助移动边缘计算系统的信息比特分配方法，包括以下步骤：

1).以移动终端为中心，建立三维空间直角坐标系(x,y,z)，z轴坐标表示空间的高度位置信息。移动终端坐标为w0＝(0,0,0)^t，其中，(·)^t表示矩阵/向量转置，移动终端有l个待处理数据信息比特，ρl个信息比特在移动终端本地计算，(1-ρ)l个信息比特通过负载分流方式，在无人机计算节点飞行过程中由移动终端先后传输给无人机计算节点，无人机计算节点完成计算处理后，再反馈给移动终端，其中，0≤ρ≤1表示信息比特分配因子，用权衡本地计算与负载分流的数据量比例。无人机计算节点在三维空间中以固定高度h和恒定速度沿直线飞行，单次飞行时间为t，将该时间段分割为n个时隙，每个时隙宽度为δ，即t＝nδ；第n个时隙无人机计算节点的位置坐标为q[n]＝(x[n],y[n],h)^t；假设时隙宽度足够小，无人机计算节点的飞行路径可由各时隙其所处的位置点集合所描述，即假设第n时隙内移动终端向无人机计算节点发送比特数据，无人机计算节点自身运算处理比特数据，无人机计算节点向移动终端反馈处理后的比特数据；假设无人机计算节点的数据处理延时为1个时隙；假设无人机计算节点与移动终端之间的无线信道为直视径，则第n时隙内移动终端到无人机计算节点的无线信道自由空间路径损耗为其中，d[n]表示第n时隙无人机计算节点到移动终端的距离，β0表示距离为1m、信号发射功率为1w时的信道增益参考值，||·||表示欧几里得范数；同样，可以得到第n时隙内无人机计算节点到移动终端的无线信道自由空间路径损耗为其中，u→m表示无人机计算节点到移动终端，m→u表示移动终端到无人机计算节点；

2).以最小化移动终端的数据处理和传输能耗为目标，并考虑无人机计算节点自身能量负载约束条件，建立移动终端信息比特处理、传输和无人机计算节点信息比特处理、传输优化模型，如下所示：

其中，c1表示在无人机计算节点的信息处理能耗和信息传输能耗要满足自身能量负载约束，c2表示各飞行时刻无人机计算节点运算处理的信息比特数不超过移动终端向其传输的信息比特数，c3表示各飞行时刻无人机计算节点反馈给移动终端的信息比特数不超过其运算处理后的总比特数，k表示无人机计算节点处理信息比特时的压缩编码系数，且0＜k≤1，c4表示t时间内移动终端向无人机计算节点传输的总比特数，c5表示t时间内无人机计算节点运算处理的总比特数，c6表示t时间内无人机计算节点向终端用户反馈传输的总比特数，c7表示各飞行时刻移动终端传输信息比特数、无人机计算节点处理信息比特数以及无人机计算节点反馈信息比特数的边界约束条件，c8表示移动终端本地处理信息比特数的边界约束条件，表示第n时隙内移动终端向无人机计算节点发送数据时的能量消耗，表示第n时隙内无人机计算节点向移动终端反馈处理后数据时的能量消耗，表示移动终端在时间长度t内处理ρl比特数据时的能量消耗，表示无人机计算节点在第n时隙内处理比特数据时的能量消耗，k表示本系统中移动终端和无人机计算节点的硬件计算能力常数，b表示本系统中所使用的信道带宽，n0表示本系统中的接收端复加性高斯白噪声功率谱密度，pstatic表示本系统中移动终端和无人机计算节点的静态电路功耗；

3).将步骤2)中优化问题转换为其对应的拉格朗日对偶问题，如下所示：

其中，u≥0，an≥0，bn≥0，v，λ，γ分别为对应约束条件c1,c2,c3,c4,c5,c6的拉格朗日乘子，为步骤2)中优化问题对应的拉格朗日对偶函数，具有如下形式：

4).采用内外分层交替迭代方法求解步骤3)中拉格朗日对偶优化问题，具体如下：

4.1).给定拉格朗日乘子u、an、bn、v、λ和γ时，求解内层最小化问题，如下所示：

4.2).给定信息比特分配变量和ρ时，求解外层最大化问题，如下所示：

5).根据karush-kuhn-tucker(kkt)条件，令步骤4.1)中内层最小化子问题的目标函数分别对变量和ρ求一阶偏导数，并使其等于0，可得对应的信息比特分配、计算和传输变量最优解，如下所示：

其中，[x]⁺＝max{x,0}，

6).采用梯度下降法对步骤4.2)中外层最大化子优化问题的拉格朗日乘子变量进行迭代更新，如下所示：

其中，t表示步骤4)中两个子优化问题交替迭代时的迭代次数索引变量,π1、π2、π3、π4、π5和π6表示对应拉格朗日乘子的更新步长，且均为正数；

7).采用交替迭代优化方法，对步骤3)中优化问题进行求解，具体步骤如下：

7.1).设定朗格朗日乘子初始值u⁰≥0，v⁰，λ⁰，γ⁰，无人机飞行起止位置点q[1]＝q0，迭代终止精度ε＞0，迭代次数变量t＝0；

7.2).基于拉格朗日乘子值u^t,v^t,λ^t,γ^t，按照步骤5)中方法求解信息比特分配、计算和传输变量最优解ρ^opt；

7.3).基于步骤7.2)中求出的ρ^opt，按照步骤6)中方法更新拉格朗日乘子值u^t+1,v^t+1,λ^t+1；

7.4).判断如下迭代精度是否满足，

其中，&&表示二进制与运算，表明各不等式条件要同时为真；若上述条件满足，则终止迭代运算，输出信息比特分配、处理和传输变量最优值和ρ^opt；否则，令t＝t+1，返回步骤7.2)继续进行迭代，直至满足迭代精度要求。

另外，本发明还提供了一种无人机辅助移动边缘计算系统，包括一个无人机计算节点和一个地面移动终端，所述移动终端有一定量待处理数据比特，所述无人机计算节点按照指定路径和速度飞行，在每一个飞行时刻，所述移动终端将部分待处理数据发送给无人机计算节点，所述无人机计算节点处理若干数据，并将若干处理后的数据反馈至移动终端，所述移动终端的数据处理功耗和数据传输功耗在无人机计算节点能量约束条件下最小。

进一步地，所述的移动终端的数据处理功耗和数据传输功耗在无人机计算节点能量约束条件下最小通过上述优化模型分配移动终端的信息比特，并通过上述步骤求解。

本发明公开了一种基于移动终端能耗最小化的无人机辅助移动边缘计算系统及其信息比特分配方法。该移动边缘计算系统包括一个无人机计算节点和一个移动终端，移动终端有一定量待处理数据比特，将信息比特数据分为移动终端本地处理和无人机计算节点处理两部分。无人机计算节点按照指定路径和速度飞行，在每一个飞行时刻，移动终端将若干待处理数据发送给无人机计算节点，无人机计算节点处理若干数据，并将处理后的若干数据反馈至移动终端。本发明方法以最小化移动终端的数据处理功耗和数据传输功耗为目标，并考虑无人机计算节点自身能量约束，对移动终端的本地计算数据量进行优化，并对每时刻移动终端传输数据量、无人机计算节点处理数据量和无人机计算节点反馈数据量进行联合优化，利用拉格朗日对偶法求解该优化问题，并利用karush-kuhn-tucker条件求得优化变量的闭合形式解，最终得到一种复杂度较低的内外层交替迭代算法。

附图说明

图1为本发明方法的系统模型；

图2为本发明算法基本流程图；

图3为在不同的单次飞行时长条件下，本发明方法所求解得到无人机计算节点飞行路径；

图4为在单次飞行时间t＝120秒条件下，各传感器节点自身初始能量为0时，本发明方法所求解得到无人机计算节点飞行速度变化曲线；

图5为在单次飞行时间t＝120秒条件下，各传感器节点自身初始能量为不同的非零值时，本发明方法所求解得到无人机计算节点飞行速度变化曲线。

具体实施方式：

图1为本发明方法的系统模型，下面结合图2所示的算法流程图对本发明的基于移动终端能耗最小化的无人机辅助移动边缘计算系统及其信息比特分配方法具体说明，包括如下步骤：

1).以移动终端为中心，建立三维空间直角坐标系(x,y,z)，z轴坐标表示空间的高度位置信息。移动终端坐标为w0＝(0,0,0)^t，其中，(·)^t表示矩阵/向量转置，移动终端有l个待处理数据信息比特，ρl个信息比特在移动终端本地计算，(1-ρ)l个信息比特通过负载分流方式，在无人机计算节点飞行过程中由移动终端先后传输给无人机计算节点，无人机计算节点完成计算处理后，再反馈给移动终端，其中，0≤ρ≤1表示信息比特分配因子，用来权衡本地计算与负载分流的数据量比例。无人机计算节点在三维空间中以固定高度h和恒定速度沿直线飞行，单次飞行时间为t，将该时间段分割为n个时隙，每个时隙宽度为δ，即t＝nδ；第n个时隙无人机计算节点的位置坐标为q[n]＝(x[n],y[n],h)^t；假设时隙宽度足够小，无人机计算节点的飞行路径可由各时隙其所处的位置点集合所描述，即假设第n时隙内移动终端向无人机计算节点发送比特数据，无人机计算节点自身运算处理比特数据，无人机计算节点向移动终端反馈处理后的比特数据；假设无人机计算节点的数据处理延时为1个时隙；假设无人机计算节点与移动终端之间的无线信道为直视径，则第n时隙内移动终端到无人机计算节点的无线信道自由空间路径损耗为

其中，d[n]表示第n时隙无人机计算节点到移动终端的距离，β0表示距离为1m、信号发射功率为1w时的信道增益参考值，||·||表示欧几里得范数；同样，可以得到第n时隙内无人机计算节点到移动终端的无线信道自由空间路径损耗为

其中，u→m表示无人机计算节点到移动终端，m→u表示移动终端到无人机计算节点；

2).根据数据信息比特运算处理能耗定义可知(参见文献1中zhangw,weny,guank,etal.energy-optimalmobilecloudcomputingunderstochasticwirelesschannel[j].ieeetransactionsonwirelesscommunications,2013,12(9):4569-4581.)，对于给定的l比特待处理数据量和处理时间δ，其能量消耗e定义如下：

其中，g为常数，由节点自身的硬件计算能力所决定；由此，移动终端在时间长度t内处理数据比特时的能量消耗为

无人机计算节点在第n时隙内处理数据比特时的能量消耗为

其中，k表示本系统中移动终端和无人机计算节点的硬件计算能力常数；

3).根据信息论香农信道容量公式可知，在给定传输时间τ和信道带宽w内，节点发送功率p与传输数据比特l之间的关系为：

其中，h表示信道增益，u表示接收端加性复高斯噪声功率谱密度，由此可得节点发送功率进一步，第n时隙内移动终端向无人机计算节点发送数据时的总能量消耗为

第n时隙内无人机计算节点向移动终端反馈处理后数据时的能量消耗为

其中，b表示本系统中所使用的信道带宽，n0表示本系统中的接收端复加性高斯白噪声功率谱密度，pstatic表示本系统中移动终端和无人机计算节点的静态电路功耗；

4).基于步骤2)和步骤3)中数据处理和传输的能量消耗模型，以最小化移动终端的数据处理和传输能耗为目标，并考虑无人机计算节点自身能量负载约束条件，建立移动终端信息比特处理、传输和无人机计算节点信息比特处理、传输优化模型，如下所示：

c8:0≤ρ≤1

其中，c1表示在无人机计算节点的信息处理能耗和信息传输能耗要满足自身能量负载约束，c2表示各飞行时刻无人机计算节点运算处理的信息比特数不超过移动终端向其传输的信息比特数，c3表示各飞行时刻无人机计算节点反馈给移动终端的信息比特数不超过其运算处理后的总比特数，k表示无人机计算节点处理信息比特时的压缩编码系数，且0＜k≤1，c4表示t时间内移动终端向无人机计算节点传输的总比特数，c5表示t时间内无人机计算节点运算处理的总比特数，c6表示t时间内无人机计算节点向终端用户反馈传输的总比特数，c7表示各飞行时刻移动终端传输信息比特数、无人机计算节点处理信息比特数以及无人机计算节点反馈信息比特数的边界约束条件，c8表示移动终端本地处理信息比特数的边界约束条件；

5).步骤4)中优化问题是凸优化问题，可通过其对应的拉格朗日对偶问题进行求解，如下所示：

其中，u≥0，an≥0，bn≥0，v，λ，γ分别为对应约束条件c1,c2,c3,c4,c5,c6的拉格朗日乘子，为步骤4)中原始优化问题对应的拉格朗日对偶函数，具有如下形式：

6).对于步骤5)中的拉格朗日对偶优化问题，可采用内外分层交替迭代方法进行求解，具体如下：

6.1).给定拉格朗日乘子u、an、bn、v、λ和γ时，求解内层最小化问题，如下所示：

6.2).给定信息比特分配变量和ρ时，求解外层最大化问题，如下所示：

7).步骤6.1)中内层最小化子问题可根据karush-kuhn-tucker(kkt)条件进行求解，令对偶函数分别对变量和ρ求一阶偏导数，并使其等于0，可以求得对应的信息比特分配、计算和传输变量最优解，如下所示：

其中，[x]⁺＝max{x,0}，

8).对于步骤6.2)中外层最大化子优化问题，采用梯度下降法对拉格朗日乘子进行迭代更新，如下所示：

其中，t表示步骤6)中两个子优化问题交替迭代时的迭代次数索引变量,π1、π2、π3、π4、π5和π6表示对应拉格朗日乘子的更新步长，且均为正数；

9).采用交替迭代优化方法，对步骤5)中优化问题进行求解，具体步骤如下：

9.1).设定朗格朗日乘子初始值u⁰≥0，v⁰，λ⁰，γ⁰，无人机飞行起止位置点q[1]＝q0，迭代终止精度ε＞0，迭代次数变量t＝0；

9.2).基于拉格朗日乘子值u^t,v^t,λ^t,γ^t，按照步骤7)中方法求解信息比特分配、计算和传输变量最优解ρ^opt；

9.3).基于步骤9.2)中求出的ρ^opt，按照步骤8)中方法更新拉格朗日乘子值u^t+1,v^t+1,λ^t+1；

9.4).判断如下迭代精度是否满足，

其中，&&表示二进制与运算，表明各不等式条件要同时为真；若上述条件满足，则终止迭代运算，输出信息比特分配、处理和传输变量最优值和ρ^opt；否则，令t＝t+1，返回步骤9.2)继续进行迭代，直至满足迭代精度要求。

图3～图5给出了本发明方法所给出的移动终端能耗变化情况以及信息比特分配方案。仿真参数为：加性复高斯白噪声功率谱密度n0＝-174dbm，信道带宽b＝1mhz，无人机计算节点沿直线和固定速度v＝(0,10,0)^t(米/秒)飞行，起始位置坐标为q0＝(0,-100,30)^t，无人机飞行路径的位置坐标为q[n]＝q0+δnv,n＝1,2,...,n，k＝0.9，k＝10^-4，δ＝0.5秒，pstatic＝50毫瓦。图3给出了当无人机飞行时间t＝15秒，移动终端待处理数据为l＝1500比特时，本发明方法给出的每个飞行时刻信息比特处理、传输和反馈分配方案。图4给出了随着无人机计算节点自身负载能量变化时，移动终端和无人机计算节点的信息比特分配因子ρ的变化趋势。图5给出了本发明方法与参考文献2(s.jeong,o.simeone,andj.kang,“mobilecloudcomputingwithauav-mountedcloudlet:optimalbitallocationforcommunicationandcomputation,”ietcommunications,vol.11,no.7,pp.969–974,2017.)中的满负载分流(即ρ＝0)，以及无数据负载分流条件下(即ρ＝1)的移动终端能耗情况对比结果。