基于无人机移动边缘计算的应急网络通信调度方法及装置

本发明涉及应急通信，尤其涉及一种基于无人机移动边缘计算的应急网络通信调度方法及装置。

背景技术：

1、灾害发生后，往往会对灾害发生地的通信网络造成破坏，例如：基础通信基站损坏、通信网络的电力供应中断和通信网络的传输线路断裂等。因此，构建一个能够在灾害环境下稳定工作的应急通信网络十分重要。由于无人机具有灵活、通用、成本低和易于部署等特点，因此在众多应急通信网络技术中，无人机作为移动航空基站构建移动应急通信网络成为一种高效可行的解决方案。

2、但是，在目前的无人机应急通信网络技术方案中，大部分技术人员往往只关注应急通信网络中的通信服务快速覆盖问题，但是忽略了应急通信网络中的通信调度问题，即忽略了地面节点的任务需求，这会导致基于无人机的移动边缘服务器无法有效地处理地面节点发出的需求，地面设备等待时间增加，队列长度无限制地增加，从而导致了应急通信网络的不稳定。因此，目前亟需一种新的应急通信网络技术方案来解决现有技术的缺陷。

技术实现思路

1、本发明提供了一种基于无人机移动边缘计算的应急网络通信调度方法及装置，以解决如何高效的对应急网络进行通信调度的技术问题。

2、为了解决上述技术问题，本发明实施例提供了基于无人机移动边缘计算的应急网络通信调度方法，包括：

3、根据预设的应急通信网络系统的工作信息，构建系统运行时间约束；

4、根据所述应急通信网络系统构建初始通信调度优化问题，通过预设的优化框架将初始通信调度优化问题转换为第一通信调度优化问题，并将所述第一通信调度优化问题分解为若干个子优化问题；所述若干个子优化问题包括：无人机飞行轨迹优化问题、无人机cpu分配优化问题、地面节点发射功率优化问题和任务卸载调度优化问题；

5、结合所述系统运行时间约束，分别对所述若干个子优化问题进行迭代求解，得到当前时隙的最优无人机飞行轨迹、最优无人机cpu分配策略、最优地面节点发射功率和最优任务卸载调度决策；

6、根据所述当前时隙的最优无人机飞行轨迹、最优无人机cpu分配策略、最优地面节点发射功率和最优任务卸载调度决策，对当前时隙的应急通信网络系统进行通信调度。

7、可以理解的是，相对于现有技术，本发明通过构建基于应急通信网络系统的运行时间约束，之后根据应急通信网络系统构建初始通信调度优化问题，通过预设的优化框架将初始通信调度优化问题转换为第一通信调度优化问题，并将第一通信调度优化问题分解为无人机飞行轨迹优化问题、无人机cpu分配优化问题、地面节点发射功率和任务卸载调度优化问题四个子优化问题，通过对四个子优化问题进行迭代求解，得到四个子优化问题的最优解，根据最优解对当前时隙的应急通信网络系统进行通信调度。本发明通过将复杂且计算量大的初始通信调度优化问题转换为第一通信调度优化问题并分解为多个简明的子优化问题，以多个不同维度的子优化问题和系统的运行时间约束来对系统的通信调度进行求解，能够在保证系统稳定运行的前提下极大的提高对系统通信调度求解的效率，避免了因直接求解第一通信调度优化问题而导致的系统计算量过大、服务器无法有效地处理地面节点发出的需求和地面设备等待时间增加，从而保障了应急通信网络系统的服务处理效率和运行稳定性。

8、作为优选方案，所述根据预设的应急通信网络系统的工作信息，构建系统运行时间约束，具体包括：

9、获取预设的应急通信网络系统的工作信息，所述预设的应急通信网络系统包括：一个无人机设备和若干个地面设备；所述工作信息包括：无人机的最大飞行速度、无人机的电池电力、无人机的cpu总周期数和地面设备的任意一个任务的计算需求所需的最大cpu周期数；

10、根据所述应急通信网络系统的工作信息，构建系统运行时间约束：

11、

12、

13、其中，fmax为无人机的cpu总周期数，emax为无人机的电池电量，t为系统的运行时间，fk(t)用于表示计算该任务需求所需的cpu周期数，为任意一个任务的计算需求所需的最大cpu周期数。

14、通过构建应急通信网络系统的总运行时隙和系统运行时间约束，能够保证应急通信网络系统的持续稳定运行。

15、作为优选方案，所述根据所述应急通信网络系统构建初始通信调度优化问题，具体包括：

16、根据aot技术和应急通信网络系统，构建初始通信调度优化问题，所述初始通信调度优化问题包括：初始通信调度目标函数和若干个通信调度约束；

17、所述初始通信调度目标函数为：

18、

19、其中，初始通信调度优化问题用于表述t个时隙内所有的地面设备的平均加权和aot最小化，wk为加权系数，为在时隙t无人机分配给地面设备sk的cpu周期数，为地面设备sk在第t时隙的发射功率，u(t)为无人机在第t时隙的飞行轨迹，ak(t)为无人机在第t时隙的卸载调度策略。

20、通过构建初始通信调度优化问题，能够将应急通信网络系统的通信调度数据化和具体化，提高了应急通信网络系统的通信调度的高效性和准确性。

21、作为优选方案，所述基于预设的优化框架将初始通信调度优化问题转换为第一通信调度优化问题，将所述第一通信调度优化问题分解为若干个子优化问题；所述若干个子优化问题包括：无人机飞行轨迹优化问题、无人机cpu分配优化问题、地面节点发射功率优化问题和任务卸载调度优化问题，具体包括：

22、根据预设的优化框架，结合当前时隙的所有地面设备产生的任务队列状态和aot状态，将所述初始通信调度优化问题转换为包括若干个子优化问题的第一通信调度优化问题，所述第一通信调度优化问题包括：第一通信调度目标函数和若干个通信调度约束：

23、

24、将所述第一通信调度目标函数进行解耦，得到若干个子优化问题，所述若干个子优化问题包括：无人机飞行轨迹优化问题、无人机cpu分配优化问题、地面节点发射功率优化问题和任务卸载调度优化问题；

25、其中，所述无人机飞行轨迹优化问题包括：无人机飞行轨迹目标函数和对应的若干个通信调度约束：

26、

27、所述无人机cpu分配优化问题包括：无人机cpu分配目标函数和对应的若干个通信调度约束：

28、

29、所述地面节点发射功率优化问题包括：地面节点发射功率目标函数和对应的若干个通信调度约束：

30、

31、所述任务卸载调度优化问题包括：任务卸载调度目标函数和对应的若干个通信调度约束：

32、

33、通过将第一通信调度优化问题解耦为多个子优化问题，降低了应急通信网络系统的通信调度的计算资源占用，提高了应急通信网络系统的通信调度的计算速度，保证了应急通信网络系统的通信调度的时效性。

34、作为优选方案，结合所述系统运行时间约束，分别对所述若干个子优化问题进行迭代求解，得到当前时隙的最优无人机飞行轨迹、最优无人机cpu分配策略、最优地面节点发射功率和最优任务卸载调度决策，具体包括：

35、根据预设的遗传算法，结合系统运行时间约束和无人机飞行轨迹目标函数对应的若干个通信调度约束，对所述无人机飞行轨迹目标函数进行迭代求解，直到所述无人机飞行轨迹目标函数的求解结果满足预设的要求，完成对无人机飞行轨迹优化问题的求解，得到当前时隙的最优无人机飞行轨迹；

36、根据预设的转换方法，将无人机cpu分配优化问题转换为0-1整数规划问题，并根据预设的0-1整数规划问题求解算法，对0-1整数规划问题进行迭代求解，直到所述无人机cpu分配目标函数的求解结果满足预设的要求，完成对无人机cpu分配优化问题的求解，得到当前时隙的最优无人机cpu分配策略；

37、将所述地面节点发射功率优化问题进行转换，得到地面节点发射功率优化问题对应的等价问题，并根据预设的问题求解算法，对所述等价问题进行迭代求解，直到所述地面节点发射功率目标函数的求解结果满足预设的要求，完成对地面节点发射功率优化问题的求解，得到当前时隙的最优地面节点发射功率；

38、将所述任务卸载调度优化问题转换为0-1背包问题，并根据预设的背包问题求解算法，对0-1背包问题进行迭代求解，直到所述任务卸载调度目标函数的求解结果满足预设的要求，完成对任务卸载调度优化问题的求解，得到当前时隙的最优任务卸载调度决策。

39、通过对多个子优化问题分别进行迭代求解，可以求得对应的最优解，通过多个维度的求解，使得应急通信网络系统的通信调度具备更高的准确性。

40、相应的，本发明实施例提供了一种基于无人机移动边缘计算的应急网络通信调度装置，包括：系统运行时间约束计算模块、优化问题构建解耦模块、优化问题求解模块和通信调度模块；

41、其中，所述系统运行时间约束计算模块用于获取应急通信网络系统的工作信息，计算应急通信网络系统的总运行时隙，得到系统运行时间约束；

42、所述优化问题构建解耦模块用于根据所述应急通信网络系统构建初始通信调度优化问题，并基于预设的优化框架将初始通信调度优化问题转换为第一通信调度优化问题，将所述第一通信调度优化问题分解为若干个子优化问题；所述若干个子优化问题包括：无人机飞行轨迹优化问题、无人机cpu分配优化问题、地面节点发射功率优化问题和任务卸载调度优化问题；

43、所述优化问题求解模块用于结合所述系统运行时间约束，分别对所述若干个子优化问题进行迭代求解，得到当前时隙的最优无人机飞行轨迹、最优无人机cpu分配策略、最优地面节点发射功率和最优任务卸载调度决策；

44、所述通信调度模块用于根据所述当前时隙的最优无人机飞行轨迹、最优无人机cpu分配策略、最优地面节点发射功率和最优任务卸载调度决策，对当前时隙的应急通信网络系统进行通信调度。

45、所述系统运行时间约束计算单元用于获取预设的应急通信网络系统的工作信息，所述预设的应急通信网络系统包括：一个无人机设备和若干个地面设备；所述工作信息包括：无人机的最大飞行速度、无人机的电池电力、无人机的cpu总周期数和地面设备的任意一个任务的计算需求所需的最大cpu周期数；

46、根据所述应急通信网络系统的工作信息，构建系统运行时间约束：

47、

48、

49、其中，fmax为无人机的cpu总周期数，emax为无人机的电池电量，t为系统的运行时间，fk(t)用于表示计算该任务需求所需的cpu周期数，为任意一个任务的计算需求所需的最大cpu周期数。

50、作为优选方案，所述优化问题构建解耦模块，包括：优化问题构建子单元；

51、所述优化问题构建子单元用于根据aot技术和应急通信网络系统，构建初始通信调度优化问题，所述初始通信调度优化问题包括：初始通信调度目标函数和若干个通信调度约束；

52、所述初始通信调度目标函数为：

53、

54、其中，初始通信调度优化问题用于表述t个时隙内所有的地面设备的平均加权和aot最小化，wk为加权系数，为在时隙t无人机分配给地面设备sk的cpu周期数，为地面设备sk在第t时隙的发射功率，u(t)为无人机在第t时隙的飞行轨迹，ak(t)为无人机在第t时隙的卸载调度策略。

55、作为优选方案，所述优化问题构建解耦模块，还包括：优化问题解耦子单元；

56、所述优化问题解耦子单元用于根据预设的优化框架，结合当前时隙的所有地面设备产生的任务队列状态和aot状态，将所述初始通信调度优化问题转换为包括若干个子优化问题的第一通信调度优化问题，所述第一通信调度优化问题包括：第一通信调度目标函数和若干个通信调度约束：

57、

58、将所述第一通信调度目标函数进行解耦，得到若干个子优化问题，所述若干个子优化问题包括：无人机飞行轨迹优化问题、无人机cpu分配优化问题、地面节点发射功率优化问题和任务卸载调度优化问题；

59、其中，所述无人机飞行轨迹优化问题包括：无人机飞行轨迹目标函数和对应的若干个通信调度约束：

60、

61、所述无人机cpu分配优化问题包括：无人机cpu分配目标函数和对应的若干个通信调度约束：

62、

63、所述地面节点发射功率优化问题包括：地面节点发射功率目标函数和对应的若干个通信调度约束：

64、

65、所述任务卸载调度优化问题包括：任务卸载调度目标函数和对应的若干个通信调度约束：

66、

67、作为优选方案，所述优化问题求解模块，包括：优化问题求解单元；

68、所述优化问题求解单元用于根据预设的遗传算法，结合系统运行时间约束和无人机飞行轨迹目标函数对应的若干个通信调度约束，对所述无人机飞行轨迹目标函数进行迭代求解，直到所述无人机飞行轨迹目标函数的求解结果满足预设的要求，完成对无人机飞行轨迹优化问题的求解，得到当前时隙的最优无人机飞行轨迹；

69、根据预设的转换方法，将无人机cpu分配优化问题转换为0-1整数规划问题，并根据预设的0-1整数规划问题求解算法，对0-1整数规划问题进行迭代求解，直到所述无人机cpu分配目标函数的求解结果满足预设的要求，完成对无人机cpu分配优化问题的求解，得到当前时隙的最优无人机cpu分配策略；

70、将所述地面节点发射功率优化问题进行转换，得到地面节点发射功率优化问题对应的等价问题，并根据预设的问题求解算法，对所述等价问题进行迭代求解，直到所述地面节点发射功率目标函数的求解结果满足预设的要求，完成对地面节点发射功率优化问题的求解，得到当前时隙的最优地面节点发射功率；

71、将所述任务卸载调度优化问题转换为0-1背包问题，并根据预设的背包问题求解算法，对0-1背包问题进行迭代求解，直到所述任务卸载调度目标函数的求解结果满足预设的要求，完成对任务卸载调度优化问题的求解，得到当前时隙的最优任务卸载调度决策。

72、可以理解的是，相对于现有技术，本装置通过构建应急通信网络系统的运行时间约束，之后根据应急通信网络系统构建初始通信调度优化问题，通过预设的优化框架将初始通信调度优化问题转换为第一通信调度优化问题，并将第一通信调度优化问题分解为无人机飞行轨迹优化问题、无人机cpu分配优化问题、地面节点发射功率和任务卸载调度优化问题四个子优化问题，通过对四个子优化问题进行迭代求解，得到四个子优化问题的最优解，根据最优解对当前时隙的应急通信网络系统进行通信调度。本装置通过将复杂且计算量大的初始通信调度优化问题转换为第一通信调度优化问题并分解为多个简明的子优化问题，以多个不同维度的子优化问题和系统的运行时间约束来对系统的通信调度进行求解，能够在保证系统稳定运行的前提下极大的提高对系统通信调度求解的效率，避免了因直接求解第一通信调度优化问题而导致的系统计算量过大、服务器无法有效地处理地面节点发出的需求和地面设备等待时间增加，从而保障了应急通信网络系统的服务处理效率和运行稳定性。