基于OMA的无人机MEC系统的计算比特最大化方法

本公开实施例涉及无人机通信，尤其涉及一种基于oma的无人机mec系统的计算比特最大化方法。

背景技术：

1、随着无线通信技术的发展，6g技术也取得了长足发展与进步。大量的连接用户数量带来多样的服务需求。随着接入用户数量的增大，数据流量的急速增加对网络传输提出挑战。人工智能是6g的典型特点，6g的智能化将导致大部分设备会涉及到计算敏感和时延敏感的任务，例如智能决策、智慧城市以及无人驾驶等。因此考虑使用mec技术解决上述问题，通过将数据传输至服务器辅助计算以满足急速增长的计算需求与有限计算资源之间的矛盾。通过将计算任务划分为0-1卸载和部分卸载方案，mec技术能够充分利用设备的计算资源。由于边缘计算服务器距离用户位置较近，可以很大程度降低传输时延和能耗。而传统的mec设备的位置大多是固定的，并且在所有的用户周围部署边缘计算服务器是不现实的。

2、近年来，由于无人机价格低廉、机动性强、空地链路质量高、部署迅速等优势，使得无人机辅助通信成为6g的关键技术。因此通过将无人机与mec结合可以解决传统边缘计算部署困难的问题。但是随着用户数的增加以及上行链路和下行链路同时存在，会降低频谱效率，这对于快速移动的无人机而言，会大大限制用户的卸载性能以及计算性能。因此，有必要改善上述相关技术方案中存在的一个或者多个问题。

3、需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

1、本公开实施例的目的在于提供一种基于oma的无人机mec系统的计算比特最大化方法，改善无人机辅助移动边缘计算系统中用户卸载性能和计算性能。

2、根据本公开实施例，提供一种基于oma的无人机mec系统的计算比特最大化方法，包括：

3、构建无人机辅助边缘计算系统，所述系统包括计算用户、通信用户以及无人机，所述计算用户通过上行链路将数据卸载到所述无人机进行辅助计算，所述无人机通过下行链路向所述通信用户传输数据，且所述计算用户和所述通信用户通过分配频谱资源的方式实现同步通信；

4、基于所述系统的带宽、帧长、无人机轨迹、计算资源以及通信功率，构建所述系统的平均计算比特最大化问题；

5、采用bcd和sca算法联合设计迭代优化算法，求解平均计算比特最大化问题。

6、本公开的一示例性实施例中，所述在求解平均计算比特最大化问题的步骤中，将平均计算比特最大化问题拆分为两个子问题进行求解：

7、在带宽、帧长、计算资源以及通信功率固定的情况下，采用sca算法优化无人机轨迹；

8、在飞行轨迹固定的情况下，采用bcd算法优化分配带宽、帧长、计算资源以及通信功率。

9、本公开的一示例性实施例中，所述构建无人机辅助边缘计算系统的步骤，包括：

10、构建时延敏感的所述通信用户集合、需要边缘计算服务的所述计算用户集合以及所述计算用户的任务模型；

11、所述计算用户和所述通信用户使用不同频率，所述通信用户之间使用ofdma的方式区分，所述计算用户之间使用tdma区分，并确定所述通信用户的带宽以及所述计算用户的带宽和帧长；

12、设定空-地信道以los为主，确定所述通信用户与所述无人机之间的信道增益、所述计算用户与所述无人机之间的信道增益。

13、本公开的一示例性实施例中，基于所述系统的带宽、帧长、无人机轨迹、计算资源以及通信功率，构建所述系统的平均计算比特最大化问题的步骤中：

14、基于所述通信用户与所述无人机之间的信道增益、下行通信功率以及所述通信用户的带宽，确定所述无人机到所述通信用户的传输速率，为确保所述通信用户的qos，所述无人机到所述通信用户的传输速率应满足以下约束：

15、

16、其中，表示无人机到通信用户j的传输速率，rth表示速率门限值；

17、基于所述计算用户与所述无人机之间的信道增益、上行通信功率以及所述计算用户的带宽，确定所述计算用户到所述无人机的传输速率，为确保所述计算用户的qos，所述计算用户到所述无人机的传输速率需满足以下约束：

18、

19、其中，ll[n]表示计算用户l在时隙n中的计算比特，表示计算用户l到无人机的传输速率，τl[n]表示计算用户在时隙n中的帧长，δ表示时隙n的长度，ql表示任务模型中计算用户l在每个时隙n内的最低计算比特。

20、本公开的一示例性实施例中，在所述无人机的计算资源以及所述计算用户的帧长受限的情况下，所述计算用户到所述无人机的传输速率还需满足以下约束：

21、

22、其中，cu表示任务模型中计算用户l卸载至无人机的计算程度，fu[n]表示无人机在时隙n中的计算资源，且满足以下约束：

23、fu[n]≤fu(4)

24、其中，fu表示无人机的最大计算资源；

25、在所述计算用户的计算资源受限的情况下，本地计算比特需满足以下约束：

26、

27、其中，fl[n]表示在时隙n中计算用户l的计算资源，cl表示任务模型中计算用户l本地计算程度。

28、本公开的一示例性实施例中，所述计算用户的计算消耗表示为：

29、ecom,l[n]＝κclfl2[n]ll[n]  (6)

30、其中，κ表示有效电容系数；

31、在所述计算用户能量受限的情况下，所述计算消耗需满足以下约束：

32、

33、其中，表示计算用户l的最大平均能耗。

34、本公开的一示例性实施例中，在所述系统带宽固定的情况下，所述通信用户和所述计算用户的带宽需满足以下约束：

35、

36、其中，wj[n]表示通信用户j在时隙n的带宽，wu[n]表示计算用户l在时隙n的带宽，w表示系统带宽。

37、本公开的一示例性实施例中，所述平均计算比特最大化问题表示为：

38、

39、其中，c1.8表示帧长的约束条件，c1.9和c1.10分别表示下行通信功率和上行通信功率的约束条件，表示无人机与通信用户j通信的最大传输功率，表示计算用户l卸载数据的最大发送功率；qi表示无人机的起点，qf表示无人机的终点，vmax表示无人机的最大飞行速度。

40、本公开的一示例性实施例中，所述通信功率包括所述上行通信功率以及所述下行通信功率。

41、本公开提供的技术方案可以包括以下有益效果：

42、本公开的实施例中，一方面，建立以oma为基础的无人机辅助mec系统，其中通信用户和计算用户采用fdma的方式区分用户，为了保证通信用户能够随时接入通信网络，无人机与通信用户全部采用ofdma的方式通过下行链路传输数据，而计算用户采用tdma的方式通过上行链路卸载数据至无人机进行辅助计算，并且构建了以无人机轨迹、带宽、帧长、本地计算比特以及通信功率为优化变量的系统平均计算比特最大化问题；另一方面，由于优化变量之间相互耦合以及构建的平均计算比特最大化问题是非凸的，导致其难以求解，为此通过结合sca和bcd算法设计优化算法，联合优化无人机轨迹、帧长、带宽、本地计算比特以及通信功率以最大化系统的平均计算比特。

43、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。