申请/专利权人：福州大学

申请日：2022-03-16

公开（公告）日：2024-06-28

公开（公告）号：CN114698116B

主分类号：H04W72/04

分类号：H04W72/04;H04B7/185;H04W72/044

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2022.07.19#实质审查的生效;2022.07.01#公开

摘要：本发明涉及一种无人机协助的非线性能量收集MEC系统的资源分配方法。首先构建非线性能量收集MEC系统的网络结构；然后计算远近用户和无人机收集的能量、获取远近用户本地计算完成的数据量及本地计算耗能、计算远近用户卸载给基站或无人机MEC服务器的数据量及卸载耗能、获取远近用户总计算完成的数据量和计算无人机总耗能；最后构建计算资源、发射功率、能量消耗和无人机速度的预设约束，根据预设约束构建系统计算完成的数据量最大化的优化模型并采用差分进化算法进行求解，得到最佳资源分配结果，并得到系统计算完成的数据量值。本发明在保证用户能量需求和计算服务需求下，缓解系统中出现的双远近问题，实现系统计算完成数据量最大化。

主权项：1.一种无人机协助的非线性能量收集MEC系统的资源分配方法，其特征在于，包括如下步骤：S1、建模非线性能量收集MEC系统的网络结构；S2、建模远近用户从基站或无人机收集的总能量和无人机从基站收集的能量；S3、建模远近用户本地计算完成的数据量和本地计算耗能；S4、建模远近用户卸载给基站或无人机MEC服务器计算完成的数据量和卸载耗能；S5、建模远近用户总计算完成的数据量；S6、建模无人机为远距离用户供电、执行远距离用户卸载的计算任务和飞行能量消耗总和；S7、建模远近用户计算资源、发射功率、能量消耗和无人机速度的预设约束；S8、建模系统计算完成的数据量最大化的优化模型；S9、采用差分进化算法，求解系统计算完成的数据量最大化优化模型，得到计算资源、发射功率和无人机轨迹的最佳分配结果，并将最佳分配结果代入系统计算完成的数据量最大化函数得到系统计算完成的数据量值；所述步骤S1具体实现如下：步骤S11、构建非线性能量收集MEC系统，包括一个携带MEC服务器的基站、一个携带MEC服务器的无人机、I个近距离用户设备和J个远距离用户设备；步骤S12、基站为所有用户提供能量，但只为近距离用户提供MEC服务，无人机为远距离用户提供能量和MEC服务；设i，i＝1,2,…,I表示近距离用户集，j，j＝1,2,…,J表示远距离用户集；整个任务执行时间为T，将时间T等分为N个时隙，T＝Nτ，τ是每个时隙的长度，n，n＝1,2,…,N表示时隙集；采用时分多址协议，近距离用户i在第n个时隙卸载的时间为ti[n]τ，远距离用户j在第n个时隙卸载的时间为基站坐标为xB,yB,0，近距离用户i的坐标为xi,yi,0，远距离用户j的坐标为无人机的高度是固定的为H，无人机在第n个时隙的坐标为u[n]＝xU[n],yU[n],H；基站和近距离用户i的距离为基站和远距离用户j的距离为第n个时隙无人机和远距离用户j的距离为第n个时隙基站和无人机的距离为所述步骤S2具体实现如下：用户和无人机采用非线性能量收集模式进行能量收集；近距离用户i在第n个时隙从基站收集的总能量为：其中是用户i从基站实际收集到的功率，具体表达式为式子中的是一个常数，确保能量收集电路的零输入零输出响应，参数si和zi是跟详细电路有关的两个常数，参数Mi表示能量收集电路达到饱和时的最大接收功率，是用户i射频接收功率的逻辑函数，具体表达式为由Friis公式可得其中和分别为基站的发射功率和发射天线增益，是用户i的接收天线增益，c是电磁波传播速度，fB是基站的发射频率；同理可得，在n个时隙内远距离用户j从基站和无人机收集的总能量为其中表示用户j从基站实际收集的功率，表示用户j在第n个时隙从无人机实际收集的功率；无人机在n个时隙内从基站收集到的能量为其中表示在第n个时隙无人机从基站实际收集的功率；所述步骤S3具体实现如下：根据下式，计算近距离用户i在n个时隙内本地计算完成的数据量 其中，filoc[n]为近距离用户i在第n个时隙的本地计算资源，Ci为近距离用户i计算每比特数据需要的CPU周期数；近距离用户i在n个时隙内本地计算消耗的能量为其中，κi为用户i处理器芯片的有效电容系数；根据下式，计算远距离用户j在n个时隙内本地计算完成的数据量 其中，为远距离用户j在第n个时隙的本地计算资源，为远距离用户j计算每比特数据需要的CPU周期数；远距离用户j在n个时隙内本地计算消耗的能量为其中，为用户j处理器芯片的有效电容系数；所述步骤S4具体实现如下：根据下式，计算近距离用户i在第n个时隙卸载给基站的数据量 其中：hB,i为基站和近距离用户i之间的信道增益，PiTr[n]为用户i在第n个时隙的发射功率，B是基站和近距离用户之间的信道带宽；为基站处的噪声功率；近距离用户i在n个时隙内卸载消耗的能量为根据下式，计算远距离用户j在第n个时隙卸载给无人机的数据量 其中，hU,j[n]为无人机和远距离用户j在第n个时隙的信道增益，为用户j在第n个时隙的发射功率，是远距离用户和无人机之间的信道带宽；为无人机处的噪声功率；远距离用户j在n个时隙内卸载消耗的能量为所述步骤S5具体实现如下：根据下式，计算近距离用户i在部分卸载模式下总的计算完成数据量 其中，上限N-1表示近距离用户在最后一个时隙不进行卸载以保证基站MEC服务器在时间T内计算完成所有近距离用户卸载过来的计算任务；根据下式，计算远距离用户j在部分卸载模式下总的计算完成数据量 其中，上限N-1的意思和近距离用户处表示的一样；所述步骤S6具体实现如下：无人机在n个时隙内为远距离用户供电消耗的能量为：其中的表示无人机的发射功率；无人机在n个时隙内执行远距离用户卸载的计算任务消耗的能量为：其中φ为无人机计算一比特数据消耗的能量；无人机在n个时隙内飞行消耗的能量为其中ζ表示无人机飞行能耗相关的效率参数，v[n]是无人机在第n个时隙的飞行速度，||·||2表示欧几里得范数；根据下式，计算无人机在整个任务执行期间总的耗能： 所述步骤S7具体实现如下：资源分配限制条件为：0≤filoc[n]≤fimax，功率分配限制条件为：0≤PiTr[n]≤Pimax，能量限制条件为： 无人机飞行速度限制条件为：||u[n+1]-u[n]||2≤τVmax；其中，fimax和分别表示近距离用户i和远距离用户j本地最大计算资源；Pimax和分别表示近距离用户i和远距离用户j最大发射功率；表示无人机的初始能量；Vmax表示无人机的最大飞行速度；所述步骤S8具体实现如下：在满足计算资源、发射功率、能量消耗和无人机飞行速度的约束条件下，以系统计算完成的数据量最大化为目标，确定优化资源分配策略，即所述步骤S9具体实现如下：S91、首先，进行差分进化算法的初始值设置并产生初始种群；假设种群中个体数量为P，并将N个时隙的远近用户的发射功率和本地计算资源以及无人机的飞行轨迹定义为个体向量，则个体p，p＝1,2,…,P的向量可以表示为其中，表示第n个时隙远近用户的资源分配结果，可以表示为 S92、根据适应度函数计算适应值；通过惩罚函数法将目标函数的不等式约束的非线性问题转化成求解无约束问题，适应度函数由目标函数和惩罚函数组成，表达式为： 其中fobj为目标函数，fpen为惩罚函数，γ是惩罚因子，惩罚函数的表达式为：其包含8项，每一项具体形式分别为： 其中，max·,·表示在两个数值之间取较大的一个数值；S93、根据构造好的适应度函数，带入每个个体向量，分别计算适应度值；S94、判断是否达到终止条件，若是，则终止进化，将得到的最佳个体作为次优解输出；否则，进行差分进化操作；S95、差分进化操作分为变异、交叉和选择三个步骤；变异就是从种群中随机选取两个不同的个体，用它们的向量差乘上变异算子，加到基向量上，得到变异向量；交叉是将变异向量与目标向量按照一定的规则进行交叉，生成试验向量；选择是根据适应度值对种群个体进行适者生存操作，采用贪婪选择方法对种群进行选择；如果试验向量的适应度值优于目标向量的适应度值，则选择试验向量进入下一代；否则，保留目标向量。

全文数据：

权利要求：

百度查询： 福州大学 一种无人机协助的非线性能量收集MEC系统的资源分配方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD