任务卸载方法、装置、无人机、介质和产品

1.本技术涉及无人机技术领域，特别是涉及一种任务卸载方法、装置、无人机、介质和产品。


背景技术：

2.无人机作为一种智能飞行设备，具有部署方便、移动灵活和视距通信的优势，能够作为不同角色参与到移动边缘计算中。
3.传统技术中，通常由无人机拍摄图像，然后无人机将拍摄到的图形卸载至计算能力强大的地面基站或边缘服务器进行处理，从而实现目标检测。
4.但是，在某些场景下，无人机可能无法将拍摄图像卸载至地面服务器，而只能在本地完成目标检测。受到单个无人机计算能力的限制，在产生新的检测任务时，需要等待当前检测任务完成，有些情况下，等待时延较长。


技术实现要素：

5.基于此，有必要针对上述技术问题，提供一种能够解决新的检测任务等待时延较长问题的任务卸载方法、装置、无人机、介质和产品。
6.第一方面，本技术提供了一种任务卸载方法。该方法包括：
7.在检测到新任务后，获取同一机组中各无人机的位置和计算时延；
8.根据各无人机的位置和计算时延，以及预先建立的时延优化函数确定出目标决策、目标切分策略和目标发射功率；目标决策用于表征处理当前任务的目标无人机，目标切分策略包括当前任务的切分点；
9.根据目标决策、目标切分策略和目标发射功率处理当前任务。
10.在其中一个实施例中，上述根据各无人机的位置和计算时延，以及预先建立的时延优化函数确定出目标决策、目标切分策略和目标发射功率，包括：
11.获取初始决策、初始切分策略和初始发射功率；
12.根据初始决策、初始切分策略、初始发射功率以及各无人机的位置和计算时延，对时延优化函数进行交替迭代计算，分别得到目标决策、目标切分策略和目标发射功率。
13.在其中一个实施例中，上述根据初始决策、初始切分策略、初始发射功率以及各无人机的位置和计算时延，对时延优化函数进行交替迭代计算，包括：
14.将初始切分策略、初始发射功率以及各无人机的位置和计算时延代入时延优化函数中，并根据预设约束条件计算得到中间决策；
15.将中间决策、初始发射功率以及各无人机的位置和计算时延代入时延优化函数中，并根据预设约束条件计算得到中间切分策略；
16.将中间决策和中间切分策略以及各无人机的位置和计算时延代入时延优化函数中，并根据预设约束条件计算得到中间发射功率；
17.若中间决策、中间切分策略和中间发射功率符合收敛条件，则将中间决策确定为
目标决策，将中间切分策略作为目标切分策略，将中间发射功率作为目标发射功率。
18.在其中一个实施例中，上述预设约束条件包括时延约束条件和能耗约束条件，根据预设约束条件计算得到中间决策，包括：
19.根据时延约束条件和能耗约束条件计算得到中间决策。
20.在其中一个实施例中，上述预设约束条件包括时延约束条件、能耗约束条件和切分约束条件，根据预设约束条件计算得到中间切分策略，包括：
21.根据时延约束条件、能耗约束条件和切分约束条件计算得到中间切分策略。
22.在其中一个实施例中，上述预设约束条件包括能耗约束条件和功率约束条件，根据预设约束条件计算得到中间发射功率，包括：
23.根据能耗约束条件和功率约束条件计算得到中间发射功率。
24.在其中一个实施例中，上述根据初始决策、初始切分策略、初始发射功率以及各无人机的位置和计算时延，对时延优化函数进行交替迭代计算，还包括：
25.若中间决策、中间切分策略和中间发射功率不符合收敛条件，则重新计算中间决策、中间切分策略和中间发射功率，直至中间决策、中间切分策略和中间发射功率符合收敛条件为止。
26.在其中一个实施例中，上述根据初始决策、初始切分策略、初始发射功率以及各无人机的位置和计算时延，对时延优化函数进行交替迭代计算，还包括：
27.建立能耗模型；
28.根据能耗模型确定能耗约束条件。
29.在其中一个实施例中，上述任务卸载方法，还包括：
30.建立计算时延模型和传输时延模型，并根据计算时延模型和传输时延模型确定总时延模型；
31.根据总时延模型确定时延优化函数和时延约束条件。
32.第二方面，本技术还提供了一种任务卸载装置。该装置包括：
33.获取模块，用于在检测到新任务后，获取同一机组中各无人机的位置和计算时延；
34.确定模块，用于根据各无人机的位置和计算时延，以及预先建立的时延优化函数确定出目标决策、目标切分策略和目标发射功率；目标决策用于表征处理当前任务的目标无人机，目标切分策略包括当前任务的切分点；
35.处理模块，用于根据目标决策、目标切分策略和目标发射功率处理当前任务。
36.在其中一个实施例中，该确定模块，包括：
37.获取子模块，用于获取初始决策、初始切分策略和初始发射功率；
38.计算子模块，根据初始决策、初始切分策略、初始发射功率以及各无人机的位置和计算时延，对时延优化函数进行交替迭代计算，分别得到目标决策、目标切分策略和目标发射功率。
39.在其中一个实施例中，该计算子模块，包括：
40.决策计算单元，用于将初始切分策略、初始发射功率以及各无人机的位置和计算时延代入时延优化函数中，并根据预设约束条件计算得到中间决策；
41.切分策略计算单元，用于将中间决策、初始发射功率以及各无人机的位置和计算时延代入时延优化函数中，并根据预设约束条件计算得到中间切分策略；
42.功率计算单元，用于将中间决策和中间切分策略以及各无人机的位置和计算时延代入时延优化函数中，并根据预设约束条件计算得到中间发射功率；
43.确定单元，用于若中间决策、中间切分策略和中间发射功率符合收敛条件，则将中间决策确定为目标决策，将中间切分策略作为目标切分策略，将中间发射功率作为目标发射功率。
44.在其中一个实施例中，该切分策略计算单元，具体用于根据时延约束条件、能耗约束条件和切分约束条件计算得到中间切分策略。
45.在其中一个实施例中，该功率计算单元，具体用于根据能耗约束条件和功率约束条件计算得到中间发射功率。
46.在其中一个实施例中，该计算子模块，还用于若中间决策、中间切分策略和中间发射功率不符合收敛条件，则重新计算中间决策、中间切分策略和中间发射功率，直至中间决策、中间切分策略和中间发射功率符合收敛条件为止。
47.在其中一个实施例中，该任务卸载装置还包括：
48.第一模型建立模块，用于建立能耗模型；
49.约束条件确定模块，用于根据能耗模型确定能耗约束条件。
50.在其中一个实施例中，该任务卸载装置还包括：
51.第二模型建立模块，用于建立计算时延模型和传输时延模型，并根据计算时延模型和传输时延模型确定总时延模型；
52.函数确定模块，用于根据总时延模型确定时延优化函数和时延约束条件。
53.第三方面，本技术还提供了一种无人机。所述无人机包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述的步骤。
54.第四方面，本技术还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的步骤。
55.第五方面，本技术还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现如第一方面所述的步骤。
56.上述任务卸载方法、装置、无人机、介质和产品，在检测到新任务后，获取同一机组中各无人机的位置和计算时延；根据各无人机的位置和计算时延，以及预先建立的时延优化函数确定出目标决策、目标切分策略和目标发射功率；目标决策用于表征处理当前任务的目标无人机，目标切分策略包括当前任务的切分点；根据目标决策、目标切分策略和目标发射功率处理当前任务，采用本公开实施例能够充分调用其他无人机的计算资源协同处理任务，保证当前任务完成时延较低，同时降低新任务的等待时延。
附图说明
57.图1为一个实施例中任务卸载方法的应用环境图；
58.图2为一个实施例中任务卸载方法的流程示意图之一；
59.图3为一个实施例中任务卸载方法的流程示意图之二；
60.图4为一个实施例中任务卸载方法的流程示意图之三；
61.图5为一个实施例中任务卸载方法的流程示意图之四；
62.图6为一个实施例中任务卸载方法的流程示意图之五；
63.图7为一个实施例中任务卸载方法的流程示意图之六；
64.图8为一个实施例中任务卸载装置的结构框图之一；
65.图9为一个实施例中任务卸载装置的结构框图之二；
66.图10为一个实施例中任务卸载装置的结构框图之三；
67.图11为一个实施例中任务卸载装置的结构框图之四；
68.图12为一个实施例中计算机设备的内部结构示意图。
具体实施方式
69.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
70.本技术实施例提供的任务卸载方法，可以应用于如图1所示的应用环境中。其中，应用环境包括多个无人机，多个无人机之间可以通过网络进行通信，无人机可以包括但不限于是巡检无人机、航拍无人机等。
71.在一个实施例中，如图2所示，提供了一种任务卸载方法，本实施例以该方法应用于无人机进行举例说明。本实施例中，该方法包括以下步骤：
72.s101，在检测到新任务后，获取同一机组中各无人机的位置和计算时延。
73.其中，同一机组中各无人机包括本地无人机u0和其他无人机，其他无人机的集合表示为k＝{u1,u2,u3,...,uk}。各无人机的位置表示为(xi,yi,hi)，其中i＝0,1,2,...,k。
74.当前任务卸载到无人机uk后可能需要等待其他无人机已有任务的计算时延，因此需要考虑其他无人机uk已有任务的计算时延
75.当本地无人机u0检测到新任务后，获取同一机组中各无人机的位置(xi,yi,hi)和计算时延
76.s102，根据各无人机的位置和计算时延，以及预先建立的时延优化函数确定出目标决策、目标切分策略和目标发射功率；目标决策用于表征处理当前任务的目标无人机，目标切分策略包括当前任务的切分点。
77.其中，时延优化函数为
78.决策a＝{ak,0≤k≤k,k∈z}，其中，ak为卸载选择函数，表示是否在本地无人机u0完成当前任务r
old
，可以表示为：
[0079][0080]
切分策略m＝{lm,n≤m≤n,m∈z}，其中，lm为当前任务的切分点。
[0081]
发射功率其中，p为无人机u0的信号发射功率，为无人机发射功率的最大值，本技术实施例对无人机发射功率的最大值不作限制，可根据实际情况进行具体设置。
[0082]
根据各无人机的位置(xi,yi,hi)和计算时延以及预先建立的时延优化函数确定出目标决策a
(1)
、目标切分策略m
(1)
和目标发射功率p
(1)
。
[0083]
s103，根据目标决策、目标切分策略和目标发射功率处理当前任务。
[0084]
当目标决策a
(1)
的取值为0时，则继续在本地无人机u0完成当前任务。
[0085]
当目标决策a
(1)
的取值为1时，则根据目标切分策略m对当前任务进行切分，并将当前任务以目标发射功率p卸载至目标决策a
(1)
取值所示的无人机。
[0086]
上述实施例中，在检测到新任务后，获取同一机组中各无人机的位置和计算时延。根据各无人机的位置和计算时延，以及预先建立的时延优化函数确定出目标决策、目标切分策略和目标发射功率；目标决策用于表征处理当前任务的目标无人机，目标切分策略包括当前任务的切分点。根据目标决策、目标切分策略和目标发射功率处理当前任务，能够充分调用其他无人机的计算资源协调处理任务，保证当前任务完成时延较低，同时降低新任务的等待时延。
[0087]
在一个实施例中，如图3所示，上述根据各无人机的位置和计算时延，以及预先建立的时延优化函数确定出目标决策、目标切分策略和目标发射功率的步骤，可以包括：
[0088]
s201，获取初始决策、初始切分策略和初始发射功率。
[0089]
获取用户输入的对决策、切分策略和发射功率的设置，得到初始决策a
(0)
、初始切分策略m
(0)
和初始发射功率p
(0)
；或者，获取默认的决策、切分策略和发射功率，得到初始决策a
(0)
、初始切分策略m
(0)
和初始发射功率p
(0)
。初始决策a
(0)
、初始切分策略m
(0)
和初始发射功率p
(0)
的获取方式可以根据实际情况进行具体设置，本技术实施例对此不作限制。
[0090]
s202，根据初始决策、初始切分策略、初始发射功率以及各无人机的位置和计算时延，对时延优化函数进行交替迭代计算，分别得到目标决策、目标切分策略和目标发射功率。
[0091]
获取到初始决策a
(0)
、初始切分策略m
(0)
和初始发射功率p
(0)
后，设定交替迭代算法的容错参数、迭代次数和最大迭代次数。
[0092]
根据初始决策a
(0)
、初始切分策略m
(0)
和初始发射功率p
(0)
以及各无人机的位置(xi,yi,hi)和计算时延，计算当前任务的初始完成时延。
[0093]
其中，当前任务的初始完成时延可通过下述公式获得：
[0094][0095]
式中，ak为卸载选择函数，tk为当前任务卸载至其他无人机uk的完成时延。
[0096]
当前任务卸载至其他无人机uk的完成时延tk可表示为：
[0097][0098]
式中，表示本地计算时延，为传输时延，为其他无人机uk已有任务的处理时延，为当前任务在其他无人机uk上的计算时延。
[0099]
而传输时延是由各无人机的位置(xi,yi,hi)获得信道增益hk，根据信道增益hk结合相关数据获得数据传输速率rk，结合公式计算得到，d
lm
表示lm节点的输出结果数据量大小。
[0100]
具体的，两架无人机之间的距离dk可以表示为：
[0101][0102]
根据信道增益hk结合相关数据获得数据传输速率rk：
[0103][0104]
式中，b表示信号带宽，p表示本地无人机u0的信号发射功率，β表示信道增益系数，σ2表示信道中高斯白噪声的方差，hk为信道增益，可通过公式获得。
[0105]
最后，根据公式计算得到传输时延，式中，表示lm节点的输出结果数据量大小。
[0106]
由于时延优化函数中三个优化变量互不耦合，本技术实施例采用交替迭代法对时延优化函数中三个优化变量进行计算，在计算时延优化函数中任一优化变量时，将其余两个优化变量进行固定，分别得到目标决策a
(1)
、目标切分策略m
(1)
和目标发射功率p
(1)
。
[0107]
上述实施例中，获取初始决策、初始切分策略和初始发射功率。根据初始决策、初始切分策略、初始发射功率以及各无人机的位置和计算时延，对时延优化函数进行交替迭代计算，分别得到目标决策、目标切分策略和目标发射功率。通过交替迭代算法获取时延优化函数的最优解，能够使得当前任务在最合适的切分层数，以较小的时延代价卸载至集群中其他无人机进行处理，并在本地开始处理新任务，大幅度减小新任务的等待时延。
[0108]
在一个实施例中，如图4所示，上述根据初始决策、初始切分策略、初始发射功率以及各无人机的位置和计算时延，对时延优化函数进行交替迭代计算，可以包括：
[0109]
s301，将初始切分策略、初始发射功率以及各无人机的位置和计算时延代入时延优化函数中，并根据预设约束条件计算得到中间决策。
[0110]
计算中间决策a
(x)
时，初始切分策略m
(0)
和初始发射功率p
(0)
为固定量，将初始切分策略m
(0)
、初始发射功率p
(0)
以及各无人机的位置(xi,yi,hi)和计算时延代入时延优化函数中，并根据预设约束条件计算得到中间决策a
(x)
。
[0111]
可选的，本技术实施例也可先计算中间切分策略m
(x)
，初始决策a
(0)
和初始发射功率p
(0)
为固定量，将初始决策、初始发射功率以及各无人机的位置(xi,yi,hi)和计算时延t
kcomp
代入时延优化函数中，并根据预设约束条件计算得到中间切分策略m
(x)
。
[0112]
可选的，本技术实施例还可先计算中间发射功率p
(x)
，将初始决策a
(0)
、初始切分策略m
(0)
以及各无人机的位置(xi,yi,hi)和计算时延代入时延优化函数中，并根据预设约束条件计算得到中间发射功率p
(x)
。
[0113]
s302，将中间决策、初始发射功率以及各无人机的位置和计算时延代入时延优化函数中，并根据预设约束条件计算得到中间切分策略。
[0114]
计算中间切分策略m
(x)
时，中间决策a
(x)
和初始发射功率p
(0)
为固定量，将中间决策a
(x)
、初始发射功率p
(0)
以及各无人机的位置(xi,yi,hi)和计算时延代入时延优化函数中，并根据预设约束条件计算得到中间切分策略m
(x)
。
[0115]
s303，将中间决策和中间切分策略以及各无人机的位置和计算时延代入时延优化函数中，并根据预设约束条件计算得到中间发射功率。
[0116]
计算中间发射功率p
(x)
时，中间决策a
(x)
和中间切分策略m
(x)
为固定量，将中间决策a
(x)
和中间切分策略m
(x)
以及各无人机的位置(xi,yi,hi)和计算时延代入时延优化函数中，并根据预设约束条件计算得到中间发射功率p
(x)
。
[0117]
s304，若中间决策、中间切分策略和中间发射功率符合收敛条件，则将中间决策确定为目标决策，将中间切分策略作为目标切分策略，将中间发射功率作为目标发射功率。
[0118]
其中，收敛条件为交替迭代算法的迭代次数达到最大迭代次数或者在当前迭代次数下的当前任务的完成时延与在上一次迭代次数下的当前任务的完成时延之差小于容错参数。
[0119]
若中间决策、中间切分策略和中间发射功率符合上述收敛条件，则将中间决策a
(x)
确定为目标决策a
(1)
，将中间切分策略m
(x)
作为目标切分策略m
(1)
，将中间发射功率p
(x)
作为目标发射功率p
(1)
。
[0120]
上述实施例中，将初始切分策略、初始发射功率以及各无人机的位置和计算时延代入时延优化函数中，并根据预设约束条件计算得到中间决策；将中间决策、初始发射功率以及各无人机的位置和计算时延代入时延优化函数中，并根据预设约束条件计算得到中间切分策略；将中间决策和中间切分策略以及各无人机的位置和计算时延代入时延优化函数中，并根据预设约束条件计算得到中间发射功率；若中间决策、中间切分策略和中间发射功率符合收敛条件，则将中间决策确定为目标决策，将中间切分策略作为目标切分策略，将中间发射功率作为目标发射功率。由于时延优化函数待优化的三个变量互不耦合，因此，在给定其他两个变量和相关参数的情况下，计算中间决策、中间切分策略和中间发射功率，降低了时延优化函数求解的复杂度；进一步地，在达到收敛条件时，收敛得到目标决策、目标切分策略和目标发射功率，从而能够根据目标决策、目标切分策略和目标发射功率进行任务卸载。
[0121]
在一个实施例中，上述预设约束条件包括时延约束条件和能耗约束条件，根据预设约束条件计算得到中间决策的步骤，可以包括：
[0122]
根据时延约束条件和能耗约束条件计算得到中间决策。
[0123]
其中，时延约束条件可表示为：
[0124]
t
new
≤t
th
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)
[0125]
式中，t
new
为新任务的等待时延，当在本地无人机u0完成当前任务时，新任务的等待时延t
new
和当前任务的完成时延t0等于本地无人机u0处理当前任务的时延，即：；当不在本地无人机u0完成当前任务时，新任务的等待时延即本地无人机u0将当前任务处理至卸载节点lm所需的计算时延，新任务的等待时延可以表示为：。t
th
为新任务的最大允许等待时延，新任务的最大允许等待时延可根据实际情况进行具体设置，本技术实施例对此不作限制。
[0126]
能耗约束条件可表示为：
[0127]
e≤e
th
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)
[0128]
式中，e表示当前任务的总能耗，可通过如下公式(8)计算得到：
[0129][0130]
其中，为任务传输能耗，当在本地无人机u0完成当前任务时，任务传输能耗，当不在本地无人机u0完成当前任务时，任务传输能耗等于0；φ0(ln,lm)为本地计算能耗，φk(lm)为当前任务卸载至其他无人机uk的计算能耗。
[0131]
中间决策的优化问题可表示为：
[0132][0133]
中间决策的优化问题可采用凸优化中采用的松弛方法进行处理，将目标决策a
(1)
从二元变量松弛为连续变量，则上述中间决策的优化问题可表示为：
[0134][0135]
由于目标决策a
(1)
经过松弛后是一个连续变量，因此其取值可能不为整数，本技术实施例采用将目标决策a
(1)
中取值最大的ak置为1，其他ak置为0的方式，取得整数解作为中间决策a
(x)
。
[0136]
根据时延约束条件和能耗约束条件计算得到中间决策a
(x)
。
[0137]
上述实施例中，根据时延约束条件和能耗约束条件计算得到中间决策。将中间决策的优化问题使用凸优化中的松弛方法转变为一个标准的线性规划问题，避免了采用直接遍历法时，中间决策的优化问题的复杂度随着无人机的数量增加而急剧增加，降低了中间决策的优化问题的求解复杂度，方便而高效。
[0138]
在一个实施例中，上述预设约束条件包括时延约束条件、能耗约束条件和切分约束条件，根据预设约束条件计算得到中间切分策略的步骤，可以包括：
[0139]
根据时延约束条件、能耗约束条件和切分约束条件计算得到中间切分策略。
[0140]
其中，切分约束条件可表示为：
[0141]
n≤m≤n,m∈z
+
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(11)
[0142]
中间切分策略的优化问题可表示为：
[0143][0144]
根据切分约束条件，通过遍历法找到满足时延约束条件和能耗约束条件的解集c1和解集c2，再得到满足时延约束条件、能耗约束条件和切分约束条件的可行解集c
*
＝c1∩c2，然后从可行解集c
*
中选取得到中间切分策略：
[0145][0146]
上述实施例中，根据时延约束条件、能耗约束条件和切分约束条件计算得到中间切分策略，通过遍历法求解中间切分策略，随着网络层数的增加该解法的复杂度不会明显提升，能够较快得到中间切分策略。
[0147]
在一个实施例中，上述预设约束条件包括能耗约束条件和功率约束条件，根据预设约束条件计算得到中间发射功率的步骤，可以包括：
[0148]
根据能耗约束条件和功率约束条件计算得到中间发射功率。
[0149]
其中，功率约束条件可表示为：
[0150][0151]
式中，p表示本地无人机u0的信号发射功率，为发射功率的最大值，本技术实施例对发射功率的最大值不作限制，可根据实际情况进行具体设置。
[0152]
中间发射功率的优化问题可表示为：
[0153][0154]
在求解中间发射功率时，需要根据a和m的取值对于中间发射功率的优化问题的处理算法进行分类。
[0155]
当在本地无人机u0完成当前任务时，上述中间发射功率的优化问题中的。此时，由于当前任务在本地无人机u0完成，不需要进行卸载，所以，中间发射功率p
(x)
的值为0；当不在本地无人机u0完成当前任务时，若，此时上述中间发射功率的优化问题中的t(a,m,p)可表示为：
[0156][0157]
当不在本地无人机u0完成当前任务时，若，中间发射功率的优化问题可用凸优化方法进行求解。
[0158]
当不在本地无人机u0完成当前任务时，若，则中间发射功率的优化问
题根据本地无人机u0的信号发射功率p的取值分段为两个不同的优化问题，根据公式(17)在两个问题的解和中选择出最优解，得到使当前任务完成时延最小时的最优发射功率，即中间发射功率：
[0159][0160]
上述实施例中，根据能耗约束条件和功率约束条件计算得到中间发射功率。通过将其他无人机已有任务的计算时延与本地无人机的计算时延进行比较，从而将中间发射功率的优化问题进行分段处理，使得到的中间发射功率更加准确。
[0161]
在一个实施例中，上述根据初始决策、初始切分策略、初始发射功率以及各无人机的位置和计算时延，对时延优化函数进行交替迭代计算的步骤，还包括：若中间决策、中间切分策略和中间发射功率不符合收敛条件，则重新计算中间决策、中间切分策略和中间发射功率，直至中间决策、中间切分策略和中间发射功率符合收敛条件为止。
[0162]
其中，收敛条件为交替迭代算法的迭代次数达到最大迭代次数或者在当前迭代次数下的当前任务的完成时延与在上一次迭代次数下的当前任务的完成时延之差小于容错参数。
[0163]
若中间决策a
(x)
、中间切分策略m
(x)
和中间发射功率p
(x)
不符合上述收敛条件，则重新计算中间决策a
(x)
、中间切分策略m
(x)
和中间发射功率p
(x)
，直至中间决策a
(x)
、中间切分策略m
(x)
和中间发射功率p
(x)
符合收敛条件为止。
[0164]
上述实施例中，若中间决策、中间切分策略和中间发射功率不符合收敛条件，则重新计算中间决策、中间切分策略和中间发射功率，直至中间决策、中间切分策略和中间发射功率符合收敛条件为止，以得到合适的中间决策、中间切分策略和中间发射功率。
[0165]
在一个实施例中，如图5所示，本公开实施例还可以包括如下步骤：
[0166]
s401，建立能耗模型。
[0167]
由于无人机与地面基站类型的服务器不同，它需要在空中执行计算任务，无法持续获得来自地面源源不断的电能攻击，因此依赖于自身电池的能量供给，在进行任务处理时需要考虑到发射功率和能量的约束。本技术实施例建立了任务处理所需要的计算能耗e
comp
模型和无人机之间的传输能耗模型。
[0168]
任务传输能耗模型为：
[0169][0170]
无人机ui上从lj节点开始深度神经网络推理至输出结果所需的计算耗能为其中，αi/2为无人机ui的cpu计算芯片组的有效电容系数，表示lj节点的输出结果数据量大小，因此当前任务的计算耗能e
comp
模型可以表示为：
[0171][0172]
根据公式(18)和公式(19)，完成当前任务的总耗能e模型可以表示为：
[0173]
[0174]
建立上述传输能耗模型、计算耗能e
comp
模型和总耗能e模型。
[0175]
s402，根据能耗模型确定能耗约束条件。
[0176]
根据能耗模型确定能耗约束条件e≤e
th
，e
th
表示处理任务的最大允许能耗，处理任务的最大允许能耗可根据实际情况进行具体设置，本技术实施例对此不作限制。
[0177]
上述实施例中，建立能耗模型，根据能耗模型确定能耗约束条件，从而使得后续在能耗约束条件下，得到较好的卸载决策。
[0178]
在一个实施例中，如图6所示，本公开实施例还包括以下步骤：
[0179]
s501，建立计算时延模型和传输时延模型，并根据计算时延模型和传输时延模型确定总时延模型。
[0180]
其中，计算时延模型考虑到各种情况，当在本地无人机u0完成当前任务时，当前任务的计算时延为当不在本地无人机u0完成当前任务时，在卸载任务之前，当前任务需要在本地无人机u0从当前节点ln执行至切分节点lm，使用表示本地计算时延，可表示为：
[0181][0182]
卸载任务之后，当前任务在其他无人机uk上的计算时延为
[0183]
在考虑当前任务的计算时延之外，本技术实施例考虑了集群中的其他无人机可能也存在当前正在完成的任务，因此当前任务卸载至其他无人机uk后仍需要等待其完成本地正在执行的任务后再开始执行，因此需要考虑其他无人机uk已有任务的处理时延，其他无人机uk当前正在处理的第x个任务已经推理至l
xnode
节点，可以得到：
[0184][0185]
传输时延模型也考虑到各种情况，当在本地无人机u0完成当前任务时，传输时延；当不在本地无人机u0完成当前任务时，当前任务被卸载至其他无人机uk，表示本地无人机u0与其他无人机uk之间的任务传输时延，本技术实施例建立了在自由空间下的通信传输模型。
[0186]
已知本地无人机u0的位置坐标为(x0,y0,h0)，其他无人机uk的位置坐标为(xk,yk,hk)，两架无人机之间的距离dk可以表示为：
[0187][0188]
信道增益hk可以表示为：
[0189][0190]
式中，β表示信道增益系数。根据香农公式，数据传输速率rk可以表示为：
[0191][0192]
式中，b表示信号带宽，p表示本地无人机u0的信号发射功率，σ2表示信道中高斯白噪声的方差。
[0193]
根据数据传输速率rk，传输时延可表示为：
[0194][0195]
式中，表示lm节点的输出结果数据量大小。
[0196]
基于上述计算时延模型和传输时延模型，可以得到当前任务从当前时刻至输出检测结果的时延t
old
，以及新任务从当前时刻到开始处理的等待时延t
new
。
[0197]
当在本地无人机u0完成当前任务时，新任务的等待时延t
new
和当前任务的完成时延t0等于本地无人机u0处理当前任务的时延，即：
[0198]
当不在本地无人机u0完成当前任务时，当前任务的完成时延为当前时刻至其他无人机uk开始处理前的时延与其他无人机uk上运行的计算时延之和，开始处理前的时延包括两种情况，一是当前任务传输至其他无人机uk后，其他无人机uk已经处于空闲状态，则开始处理前的时延为本地的计算时延与传输时延之和；二是当前任务传输至其他无人机uk后，其他无人机uk尚未完成已有任务的处理，因此开始处理前的时延为。因此，当前任务卸载至其他无人机uk的完成时延tk可以表示为：
[0199][0200]
新任务的等待时延即本地无人机u0将当前任务处理至卸载节点lm所需的计算时延，新任务的等待时延t
new
可以表示为：
[0201][0202]
记当前任务的完成时延t
old
为：
[0203][0204]
新任务的等待时延为：
[0205][0206]
建立计算时延模型和传输时延模型，根据计算时延模型和传输时延模型确定总时延模型。
[0207]
s502，根据总时延模型确定时延优化函数和时延约束条件。
[0208]
其中，时延优化函数可表示为：
[0209][0210]
式中，tk为当前任务卸载至其他无人机uk的完成时延，由总时延模型获得。
[0211]
由总时延模型还可以得到时延约束条件：
[0212]
t
new
≤t
th
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(32)
[0213]
式中，t
new
为新任务的等待时延，当在本地无人机u0完成当前任务时，新任务的等待时延t
new
和当前任务的完成时延t0等于本地无人机u0处理当前任务的时延，即：；当不在本地无人机u0完成当前任务时，新任务的等待时延即本地无人机u0将当前任务处理至卸载节点lm所需的计算时延，新任务的等待时延可以表示为：
。t
th
为新任务的最大允许等待时延，新任务的最大允许等待时延可根据实际情况进行具体设置，本技术实施例对此不作限制。
[0214]
上述实施例中，建立计算时延模型和传输时延模型，并根据计算时延模型和传输时延模型确定总时延模型，根据总时延模型确定时延优化函数和时延约束条件。由于获得了时延优化函数和时延约束条件，从而有利于后续在该时延约束条件下对时延优化函数进行求解，以得到时延较小的无人机卸载决策。
[0215]
在一个实施例中，如图7所示，提供了任务卸载的过程，以该过程应用于无人机为例进行说明，包括如下步骤：
[0216]
s601，在检测到新任务后，获取同一机组中各无人机的位置和计算时延。
[0217]
s602，获取初始决策、初始切分策略和初始发射功率。
[0218]
s603，将初始切分策略、初始发射功率以及各无人机的位置和计算时延代入时延优化函数中，并根据预设约束条件计算得到中间决策。
[0219]
s604，将中间决策、初始发射功率以及各无人机的位置和计算时延代入时延优化函数中，并根据预设约束条件计算得到中间切分策略。
[0220]
s605，将中间决策和中间切分策略以及各无人机的位置和计算时延代入时延优化函数中，并根据预设约束条件计算得到中间发射功率。
[0221]
s606，若中间决策、中间切分策略和中间发射功率符合收敛条件，则将中间决策确定为目标决策，将中间切分策略作为目标切分策略，将中间发射功率作为目标发射功率。
[0222]
s607，若中间决策、中间切分策略和中间发射功率不符合收敛条件，则重新计算中间决策、中间切分策略和中间发射功率，直至中间决策、中间切分策略和中间发射功率符合收敛条件为止。
[0223]
s608，根据目标决策、目标切分策略和目标发射功率处理当前任务。
[0224]
上述实施例中，在检测到新任务后，获取同一机组中各无人机的位置和计算时延；获取初始决策、初始切分策略和初始发射功率；将初始切分策略、初始发射功率以及各无人机的位置和计算时延代入时延优化函数中，并根据预设约束条件计算得到中间决策；将中间决策、初始发射功率以及各无人机的位置和计算时延代入时延优化函数中，并根据预设约束条件计算得到中间切分策略；将中间决策和中间切分策略以及各无人机的位置和计算时延代入时延优化函数中，并根据预设约束条件计算得到中间发射功率；若中间决策、中间切分策略和中间发射功率符合收敛条件，则将中间决策确定为目标决策，将中间切分策略作为目标切分策略，将中间发射功率作为目标发射功率；若中间决策、中间切分策略和中间发射功率不符合收敛条件，则重新计算中间决策、中间切分策略和中间发射功率，直至中间决策、中间切分策略和中间发射功率符合收敛条件为止；根据目标决策、目标切分策略和目标发射功率处理当前任务。根据目标决策、目标切分策略和目标发射功率处理当前任务，能够充分调用其他无人机的计算资源协调处理任务，保证当前任务完成时延较低，同时降低新任务的等待时延。
[0225]
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个
阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
[0226]
基于同样的发明构思，本技术实施例还提供了一种用于实现上述所涉及的任务卸载方法的任务卸载装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个任务卸载装置实施例中的具体限定可以参见上文中对于任务卸载方法的限定，在此不再赘述。
[0227]
在一个实施例中，如图8所示，提供了一种任务卸载装置，包括：
[0228]
获取模块701，用于在检测到新任务后，获取同一机组中各无人机的位置和计算时延；
[0229]
确定模块702，用于根据各无人机的位置和计算时延，以及预先建立的时延优化函数确定出目标决策、目标切分策略和目标发射功率；目标决策用于表征处理当前任务的目标无人机，目标切分策略包括当前任务的切分点；
[0230]
处理模块703，用于根据目标决策、目标切分策略和目标发射功率处理当前任务。
[0231]
在其中一个实施例中，如图9所示，该确定模块702，包括：
[0232]
获取子模块7021，用于获取初始决策、初始切分策略和初始发射功率；
[0233]
计算子模块7022，根据初始决策、初始切分策略、初始发射功率以及各无人机的位置和计算时延，对时延优化函数进行交替迭代计算，分别得到目标决策、目标切分策略和目标发射功率。
[0234]
在其中一个实施例中，该计算子模块，包括：
[0235]
决策计算单元，用于将初始切分策略、初始发射功率以及各无人机的位置和计算时延代入时延优化函数中，并根据预设约束条件计算得到中间决策；
[0236]
切分策略计算单元，用于将中间决策、初始发射功率以及各无人机的位置和计算时延代入时延优化函数中，并根据预设约束条件计算得到中间切分策略；
[0237]
功率计算单元，用于将中间决策和中间切分策略以及各无人机的位置和计算时延代入时延优化函数中，并根据预设约束条件计算得到中间发射功率；
[0238]
确定单元，用于若中间决策、中间切分策略和中间发射功率符合收敛条件，则将中间决策确定为目标决策，将中间切分策略作为目标切分策略，将中间发射功率作为目标发射功率。
[0239]
在其中一个实施例中，该切分策略计算单元，具体用于根据时延约束条件、能耗约束条件和切分约束条件计算得到中间切分策略。
[0240]
在其中一个实施例中，该功率计算单元，具体用于根据能耗约束条件和功率约束条件计算得到中间发射功率。
[0241]
在其中一个实施例中，该计算子模块，还用于若中间决策、中间切分策略和中间发射功率不符合收敛条件，则重新计算中间决策、中间切分策略和中间发射功率，直至中间决策、中间切分策略和中间发射功率符合收敛条件为止。
[0242]
在其中一个实施例中，如图10所示，该任务卸载装置还包括：
[0243]
第一模型建立模块704，用于建立能耗模型；
[0244]
约束条件确定模块705，用于根据能耗模型确定能耗约束条件。
[0245]
在其中一个实施例中，如图11所示，该任务卸载装置还包括：
[0246]
第二模型建立模块706，用于建立计算时延模型和传输时延模型，并根据计算时延模型和传输时延模型确定总时延模型；
[0247]
函数确定模块707，用于根据总时延模型确定时延优化函数和时延约束条件。
[0248]
上述任务卸载装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0249]
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图12所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储任务卸载数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种任务卸载方法。
[0250]
本领域技术人员可以理解，图12中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0251]
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
[0252]
在检测到新任务后，获取同一机组中各无人机的位置和计算时延；
[0253]
根据各无人机的位置和计算时延，以及预先建立的时延优化函数确定出目标决策、目标切分策略和目标发射功率；目标决策用于表征处理当前任务的目标无人机，目标切分策略包括当前任务的切分点；
[0254]
根据目标决策、目标切分策略和目标发射功率处理当前任务。
[0255]
在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：
[0256]
获取初始决策、初始切分策略和初始发射功率；
[0257]
根据初始决策、初始切分策略、初始发射功率以及各无人机的位置和计算时延，对时延优化函数进行交替迭代计算，分别得到目标决策、目标切分策略和目标发射功率。
[0258]
在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：
[0259]
将初始切分策略、初始发射功率以及各无人机的位置和计算时延代入时延优化函数中，并根据预设约束条件计算得到中间决策；
[0260]
将中间决策、初始发射功率以及各无人机的位置和计算时延代入时延优化函数中，并根据预设约束条件计算得到中间切分策略；
[0261]
将中间决策和中间切分策略以及各无人机的位置和计算时延代入时延优化函数中，并根据预设约束条件计算得到中间发射功率；
[0262]
若中间决策、中间切分策略和中间发射功率符合收敛条件，则将中间决策确定为目标决策，将中间切分策略作为目标切分策略，将中间发射功率作为目标发射功率。
[0263]
在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：
[0264]
根据时延约束条件和能耗约束条件计算得到中间决策。
[0265]
在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：
[0266]
根据时延约束条件、能耗约束条件和切分约束条件计算得到中间切分策略。
[0267]
在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：
[0268]
根据能耗约束条件和功率约束条件计算得到中间发射功率。
[0269]
在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：
[0270]
若中间决策、中间切分策略和中间发射功率不符合收敛条件，则重新计算中间决策、中间切分策略和中间发射功率，直至中间决策、中间切分策略和中间发射功率符合收敛条件为止。
[0271]
在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：
[0272]
建立能耗模型；
[0273]
根据能耗模型确定能耗约束条件。
[0274]
在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：
[0275]
根据总时延模型确定时延优化函数和时延约束条件。
[0276]
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
[0277]
在检测到新任务后，获取同一机组中各无人机的位置和计算时延；
[0278]
根据各无人机的位置和计算时延，以及预先建立的时延优化函数确定出目标决策、目标切分策略和目标发射功率；目标决策用于表征处理当前任务的目标无人机，目标切分策略包括当前任务的切分点；
[0279]
根据目标决策、目标切分策略和目标发射功率处理当前任务。
[0280]
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0281]
获取初始决策、初始切分策略和初始发射功率；
[0282]
根据初始决策、初始切分策略、初始发射功率以及各无人机的位置和计算时延，对时延优化函数进行交替迭代计算，分别得到目标决策、目标切分策略和目标发射功率。
[0283]
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0284]
将初始切分策略、初始发射功率以及各无人机的位置和计算时延代入时延优化函数中，并根据预设约束条件计算得到中间决策；
[0285]
将中间决策、初始发射功率以及各无人机的位置和计算时延代入时延优化函数中，并根据预设约束条件计算得到中间切分策略；
[0286]
将中间决策和中间切分策略以及各无人机的位置和计算时延代入时延优化函数中，并根据预设约束条件计算得到中间发射功率；
[0287]
若中间决策、中间切分策略和中间发射功率符合收敛条件，则将中间决策确定为目标决策，将中间切分策略作为目标切分策略，将中间发射功率作为目标发射功率。
[0288]
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0289]
根据时延约束条件和能耗约束条件计算得到中间决策。
[0290]
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0291]
根据时延约束条件、能耗约束条件和切分约束条件计算得到中间切分策略。
[0292]
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0293]
根据能耗约束条件和功率约束条件计算得到中间发射功率。
[0294]
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0295]
若中间决策、中间切分策略和中间发射功率不符合收敛条件，则重新计算中间决策、中间切分策略和中间发射功率，直至中间决策、中间切分策略和中间发射功率符合收敛条件为止。
[0296]
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0297]
建立能耗模型；
[0298]
根据能耗模型确定能耗约束条件。
[0299]
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0300]
根据总时延模型确定时延优化函数和时延约束条件。
[0301]
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
[0302]
在检测到新任务后，获取同一机组中各无人机的位置和计算时延；
[0303]
根据各无人机的位置和计算时延，以及预先建立的时延优化函数确定出目标决策、目标切分策略和目标发射功率；目标决策用于表征处理当前任务的目标无人机，目标切分策略包括当前任务的切分点；
[0304]
根据目标决策、目标切分策略和目标发射功率处理当前任务。
[0305]
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0306]
获取初始决策、初始切分策略和初始发射功率；
[0307]
根据初始决策、初始切分策略、初始发射功率以及各无人机的位置和计算时延，对时延优化函数进行交替迭代计算，分别得到目标决策、目标切分策略和目标发射功率。
[0308]
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0309]
将初始切分策略、初始发射功率以及各无人机的位置和计算时延代入时延优化函数中，并根据预设约束条件计算得到中间决策；
[0310]
将中间决策、初始发射功率以及各无人机的位置和计算时延代入时延优化函数中，并根据预设约束条件计算得到中间切分策略；
[0311]
将中间决策和中间切分策略以及各无人机的位置和计算时延代入时延优化函数中，并根据预设约束条件计算得到中间发射功率；
[0312]
若中间决策、中间切分策略和中间发射功率符合收敛条件，则将中间决策确定为目标决策，将中间切分策略作为目标切分策略，将中间发射功率作为目标发射功率。
[0313]
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0314]
根据时延约束条件和能耗约束条件计算得到中间决策。
[0315]
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0316]
根据时延约束条件、能耗约束条件和切分约束条件计算得到中间切分策略。
[0317]
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0318]
根据能耗约束条件和功率约束条件计算得到中间发射功率。
[0319]
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0320]
若中间决策、中间切分策略和中间发射功率不符合收敛条件，则重新计算中间决策、中间切分策略和中间发射功率，直至中间决策、中间切分策略和中间发射功率符合收敛条件为止。
[0321]
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0322]
建立能耗模型；
[0323]
根据能耗模型确定能耗约束条件。
[0324]
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0325]
根据总时延模型确定时延优化函数和时延约束条件。
[0326]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(reram)、磁变存储器(magnetoresistive random access memory，mram)、铁电存储器(ferroelectric random access memory，fram)、相变存储器(phase change memory，pcm)、石墨烯存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器等。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。本技术所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
[0327]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0328]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。