一种无人机辅助边缘计算的网络模型

本发明涉及无人机辅助边缘计算领域，更具体地说是一种无人机辅助边缘计算的网络模型。

背景技术：

1、在无人机辅助边缘计算中，卸载资源分配起到关键作用，它将移动设备上的计算任务和数据处理任务转移到uav或云端进行处理，以减轻移动设备的计算负担并提高计算性能。同时，轨迹优化在无人机辅助边缘计算中扮演着重要角色。通过优化uav的飞行轨迹，可以实现最短路径选择、避免碰撞和节省能源等目标。轨迹优化算法结合了移动设备的位置信息、用户需求和环境条件，以达到最优的运动路径规划。此外，博弈论的应用对于无人机辅助边缘计算的决策制定和资源分配具有重要意义。多个无人机或移动设备之间的博弈关系需要考虑不同玩家之间的利益、策略选择以及最优均衡点的确定。通过博弈论的研究，可以更好地理解无人机辅助边缘计算中各种冲突、合作和竞争的情景，并找到有效的决策策略。

2、现有不足：无人机作为空中中继使用，受其电池电量约束，以上研究并未着重考虑无人机在执行计算过程中的吞吐量与能耗问题。吞吐量是指在单位时间内处理的数据量或任务数量。对于无人机作为空中中继的应用，高吞吐量可以提高数据传输和处理的效率。在考虑电池电量约束的情况下，需要找到一种平衡，以最大化吞吐量，并确保无人机的电池电量能够支持其计算过程。这将有助于提高数据传输和处理的效率，并确保无人机在电池电量约束下能够有效地完成任务。

技术实现思路

1、为了克服现有技术的上述缺陷，本发明提供一种无人机辅助边缘计算的网络模型。

2、本发明技术方案如下：

3、一种无人机辅助边缘计算的网络模型，是一种将无人机和边缘计算相结合的网络架构，用于提供更高效的计算和通信能力；该网络模型包括一个包含边缘服务器的旋翼无人机、地面用户和中心云基站的体系，如图1所示。首先，旋翼无人机搭载了边缘服务器，具备飞行能力和一定的计算和通信能力；它可以收集环境数据、执行感知任务，并将数据传输到边缘服务器进行处理；同时，无人机也可以根据边缘服务器的指导进行任务执行，并将结果返回给地面用户；其次，用户是指在地面上的用户，可以是移动设备、传感器等；它们与无人机和边缘服务器进行通信，发送任务请求、接收处理结果等；最后，中心云基站是位于云端的服务器，具有更大的计算和存储能力；它可以接收边缘服务器传输的数据，并进行更复杂的计算和分析。

4、进一步的，中心云基站可以提供更强大的算法和服务，如机器学习、人工智能等。

5、进一步的，旋翼无人机通过边缘服务器和中心云基站进行数据传输和计算卸载。它可以在空中执行任务，将数据实时传输到边缘服务器进行处理，并通过边缘服务器与中心云基站进行通信。

6、进一步的，还包括通信模型

7、假设用户和无人机之间的无线信道可以被描述为视距链路(line ofsight,los)和非视线链路(none los，nlos)，无人机和地面用户之间的通信链路为视距传输。其中los和nlos的概率为：

8、

9、

10、其中，a和b为依赖于环境的恒定值，由环境(郊区、城市、高层城市或其他)决定。θi(t)为无人机与用户之间的仰角。因此los和nlos的信道增益为：

11、

12、

13、其中，g0代表的是单位路径增益，ηlos和ηnlos是环境参数，di(t)是无人机与用户之间的距离。因此可以推断出los和nlos混合信道的平均增益如公式(5)所示。

14、

15、假设用户随机散布在一片区域中，其位置可以表示为ii＝(xi,yi)，无人机的水平位置表示为iu(t)＝[ix(t),iy(t)]，无人机的飞行高度恒为h，则移动端用户与无人机之间的传输速率表示为：

16、

17、其中，为信噪比；b1表示该网络带宽，pi表示发射功率，δ是一个噪声功率。在某时间内的传输时延可表示为：

18、

19、其中，di，j为用户卸载去无人机的任务量。

20、则同理，无人机与地面基站的传输速率为：

21、

22、其中，为无人机与基站之间信噪比，b2为无人机与基站链路的网络带宽。pu为无人机的发射功率。则无人机传输数据的时延可以表示为：

23、

24、其中，du为卸载去基站的任务量。又无人机与用户之间的仰角距离可表示为：

25、

26、其中，表示的是无人机与用户之间的水平距离。无人机与用户位置的水平坐标相差就可以得到：

27、

28、代入混合信道的平均增益hi(t)并进行化简，可以重写为：

29、

30、对于整个系统而言，除了用户的通信服务质量之外，由于无人机的电池容量有限，为了确保无人机的飞行时间和任务执行能力，需要对能量管理进行有效的优化；这样可以有效地优化无人机的飞行能量消耗，延长无人机的飞行时间和任务执行能力。同时，也可以有效地提高用户的通信服务质量，并确保整个系统的可靠性和效率。

31、进一步的，还包括无人机能耗模型

32、在短时间内进行均匀的直线飞行是一个常见的假设和简化模型，用于计算无人机的推进能耗。假设每一个用户都有一个uav任务队列，则无人机的飞行能耗可以表示为：

33、

34、其中，mg表示无人机重量，v(t)表示无人机飞行速度。

35、将无人机执行任务时间t分为n个时隙，每个时间隙的长度为将时隙表示为用户的集合表示为因此，通过将传输速率和飞行能耗求和得到目标函数如下：

36、

37、对上述优化问题约束如下：

38、

39、通过公式(8)可以看到hi(t)平均增益是非凸的，所以该问题是一个非凸问题，无法直接求解。因此通过连续凸逼近技术将hi(t)变为凸函数，然后通过多次求解不断靠近最优解，就可以得到上述问题最优解。具体来说，通过一阶泰勒展开式近似代替在不断的求出近似最优解后，将其带入下一个泰勒展开式，则能找到下一个近似最优解。通过不断迭代可以不断的逼近最优解，最终得到近似最优解。具体如下定义：

40、

41、将替换为并代入公式(14)，再重新定义一个gi[hi(t)]，重写为：

42、

43、上述问题实际是求最大值问题，可以将其替换为：

44、

45、将原问题与pi(t)无关的项去除可以得到：

46、

47、pi(t)在时间和不同用户之间没有耦合，因此，上述问题可以变式为：

48、

49、在这种情况下，由于-log函数是凸函数，后面的线性函数也是凸函数，所以加起来的函数是凸函数。凸函数是指函数的曲线在任意两点之间的部分都位于连接这两点的线段上方。在这里，-log函数是凸函数，因为其曲线始终位于x轴的上方。线性函数也是凸函数，因为其曲线也位于直线上方。根据凸函数的性质，两个凸函数之和仍然是凸函数。因此，在这种情况下，-log函数和线性函数的和是凸函数。这种凸函数模型可以在优化问题中使用，将公式(16)化简后得到

50、

51、将公式(17)进一步约束其范围得到：

52、

53、以上便是通过将发射功率与轨迹交替优化可以得到原问题最优解的整个过程。

54、本发明的技术效果和优点：

55、这种架构可以减少数据传输延迟和能耗，并提供更高质量的计算服务。该网络模型可以应用于许多领域，如无人机物流配送、环境监测、智能交通等。它可以提供更高效、更智能的无人机应用，促进各种行业的数字化转型和创新发展。