一种物联网设备的联合定位与计算支持方法

本发明属于物联网，涉及一种物联网设备的联合定位与计算支持方法。

背景技术：

1、物联网(internet of things，iot)技术的快速发展推动了iot设备数量的指数级增长，催生了大量的计算密集型和延迟敏感型应用。在某些场景下，iot设备被广泛部署在具有挑战性或者地面基站稀疏的区域，如森林、山区、沙漠以及水下位置，需要不断移动并执行一些计算密集型工作，包括灾害预警、长管道基础设施检测、水下基础设施检测和军事行动等，这些工作大多需要对监测目标进行跟踪，这涉及到定位功能。然而，由于高昂的成本，iot设备无法通过搭载卫星定位模块持续稳定地获得实时位置。iot设备的移动性、隐私性、电量有限性以及所处环境的复杂性(例如，不在视线范围内)使得iot设备定位具有极大的挑战性。为了降低iot设备的成本，保护iot设备的隐私性，同时为iot设备提供稳定实时的计算支持，需要构建一种基于半正定松弛(semidefinite relaxation，sdr)的多设备协同到达时间(time of arrival，toa)定位方案。

2、另一方面，iot设备的电池电量、计算资源和存储资源十分有限，无法处理海量的计算密集型和延迟敏感型任务。由于硬件条件和所处环境的限制，iot设备的电池寿命有限且很难获得实时供电。此外，iot设备自身拥有的计算和存储资源可能不足以处理某些大型任务，需要具有较强处理能力的设备提供计算支持。针对上述问题，研究者提出了一种新兴的计算范式，即移动边缘计算(mobile edge computing，mec)，以扩展iot设备的计算能力。在所考虑的挑战性环境中，地面基础设施分布稀疏，无法为iot设备提供稳定可靠的计算支持，需要研究基于灵活部署的无人机(unmanned aerial vehicle，uav)的计算卸载。

3、中国专利“cn114745389a移动边缘计算系统的计算卸载方法”设计了一种面向移动边缘计算系统的计算卸载方案。此专利为了减少物联网系统中的平均信息年龄，首先分析在物联网设备端的状态更新任务，获取计算任务对边缘设备的计算资源需求和空间需求，计算在本地以及在边缘服务器端的时延，再进一步得到每个设备的信息年龄以及整个系统的信息年龄；根据每个设备本身的任务需求和环境条件，选择信息年龄最优计算卸载策略；提出基于博弈论信息年龄最优的计算卸载方案，每一轮迭代所有设备竞争更新卸载策略的机会，直到所有设备的卸载策略达到收敛，得到最终的计算卸载方法，有效减少系统的平均信息年龄，以满足不同类型物联网设备的信息新鲜度需求。但该技术方案在具有挑战性或者地面基站稀疏的区域，如森林、山区以及水下位置，面对大量计算密集型和延迟敏感型任务时，该方案倾向于将任务交于本地处理，无法通过稀疏部署的边缘服务器为相关iot设备提供足够的计算支持，这将增加电量有限的iot设备的能耗；此外，考虑到iot设备的移动性，该方案也无法提供稳定实时的计算支持。

4、中国专利“cn114124955a一种基于多智能体博弈的计算卸载方法”设计了一种基于二阶段多智能体博弈的计算卸载方法。此专利针对5g混合双网模式，建立网络信道模型，根据香农定理计算用户的信道传输速率，根据所述信道传输速率，计算用户进行任务卸载的时延和能耗；根据stackelberg博弈建立边缘卸载模型，将所述专网用户视为领导者，将所述公网用户视为跟随者，以卸载量为策略，设定所述专网用户的效用函数和所述公网用户的效用函数；在完全信息博弈情况下，验证stackelberg均衡的存在，并求解所述专网用户和所述公网用户的第一最优卸载策略；在不完全信息博弈情况下，采用tsdrl算法求得第二最优卸载策略，并利用所述第一最优卸载策略评估所述第二最优卸载策略的收敛性。该技术方案在地面基站分布稀疏的场景中，考虑优化任务卸载量，忽略了整体的系统延迟和能耗，所以此方案方法无法为一些挑战性场景中的用户提供高体验质量。

技术实现思路

1、为解决上述技术问题，本发明的目的是提供一种物联网设备的联合定位与计算支持方法，在地面基站分布稀疏和具有挑战性的环境中，降低物联网设备的定位能耗，保护物联网设备的隐私性，并为物联网设备提供稳定可靠的计算支持。

2、本发明提供一种物联网设备的联合定位与计算支持方法，包括如下步骤：

3、步骤1：收集iot设备与通信范围内锚节点的距离信息和锚节点的剩余电量信息，获得每个iot设备的可用锚节点集合；

4、步骤2：针对可用锚节点数量小于3的情况，根据目标iot设备的通信范围构建其辅助iot设备集合，并计算目标iot设备和所有辅助iot设备之间的距离信息；

5、步骤3：iot设备将收集到的信息发送给uav，uav根据位置和距离信息构建定位模型，通过加权最小二乘和半正定松弛将定位问题转换为半正定规划问题，最后采用凸优化工具求解目标iot设备的位置坐标；

6、步骤4：uav边缘服务器动态规划飞行轨迹和分配计算资源以处理卸载的任务请求，目标是最小化系统总能耗和延迟，采用深度强化学习方法来得到计算任务卸载、uav轨迹规划和uav计算资源分配的联合决策；

7、步骤5：uav边缘服务器通过逐次凸逼近的方法得到最优下行功率分配决策，目标是最大化最小下行吞吐量；

8、步骤6：uav执行最优联合决策以支持iot设备的卸载请求，同时执行最优下行功率分配决策以提升系统的下行吞吐量。

9、一种物联网设备的联合定位与计算支持方法，至少具有以下有益效果：

10、1、本发明利用移动边缘计算技术，将边缘服务器部署在uav上，构建可移动的边缘服务器，能够主动规划运动轨迹以更好地支持iot设备的卸载任务、增加计算支持系统的灵活性、提升uav的计算资源利用率。解决了iot设备因成本限制无法搭载高成本的全球定位系统、以及因地面基站分布稀疏和挑战性环境无法获得稳定可靠的通信与计算支持的难题。

11、2、本发明提出的物联网设备的联合定位和计算支持技术方案中的联合定位方法可获得较准确的实时定位信息，其计算支持方法加速了网络训练速度、提高了任务完成率、提升了系统的资源利用率。本发明在实验中同时对算法收敛性能、系统总时延和能耗、任务未完成比例、平均卸载任务数据量大小、无人机计算资源利用率等性能指标进行了评价，均达到了很好的效果，可大大提高系统的实用性。

技术特征：

1.一种物联网设备的联合定位与计算支持方法，其特征在于，包括如下步骤：

2.如权利要求1所述的物联网设备的联合定位与计算支持方法，其特征在于，步骤1具体为：

3.如权利要求1所述的物联网设备的联合定位与计算支持方法，其特征在于，步骤2具体为：

4.如权利要求1所述的物联网设备的联合定位与计算支持方法，其特征在于，步骤3具体为：

5.如权利要求1所述的物联网设备的联合定位与计算支持方法，其特征在于，步骤4具体为：

6.如权利要求5所述的物联网设备的联合定位与计算支持方法，其特征在于，步骤4.1中以最小化系统总能耗和延迟为目标，具体表达式如下：

7.如权利要求1所述的物联网设备的联合定位与计算支持方法，其特征在于，步骤5具体为：

8.如权利要求1所述的物联网设备的联合定位与计算支持方法，其特征在于，步骤6具体为：

技术总结
本发明的一种物联网设备的联合定位与计算支持方法，包括收集IoT设备与锚节点的距离信息和剩余电量信息，获得IoT设备的可用锚节点集合；可用锚节点数小于3时，收集IoT设备与其他IoT设备的距离信息；UAV根据收集的信息构建定位模型，通过加权最小二乘和半正定松弛将定位问题转为半正定规划问题，求解IoT设备的坐标；UAV以最小化系统总能耗和延迟为优化目标，采用深度强化学习法得到计算任务卸载、UAV轨迹规划和UAV计算资源分配的联合决策；通过逐次凸逼近法得到最优下行功率分配决策，目标是最大化最小下行吞吐量；UAV执行最优联合决策以支持IoT设备的卸载请求，执行最优下行功率分配决策提升系统的下行吞吐量。

技术研发人员：陈香伊,肖嘉池,张娟,李鑫磊,李鑫,柳明晗,赵海,余浩
受保护的技术使用者：东北大学
技术研发日：
技术公布日：2024/1/13