买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：吉林大学

摘要：本发明适用于通信技术领域，提供了空天地一体化移动边缘计算卸载与资源分配优化方法，包括以下步骤：S101：构建系统模型；S102：根据构建的系统模型建立优化问题；S103：根据拉格朗日乘子法计算每个用户终端的卸载比例；S104：根据顺序凸优化原理将约束转化为凸约束，求得最优无人机轨迹和计算资源分配比例；S105：在给定各用户终端分组中用户终端与无人机关联的方案基础上，重复迭代执行S103和S104，求出对应的系统时延并将对应的系统时延作为适应度大小评价标准，最后根据遗传算法得到最优关联方案。本发明能够满足系统内用户终端的计算需求，有效提升系统能效，扩大吞吐量，提高系统内用户终端的体验质量。

主权项：1.空天地一体化移动边缘计算卸载与资源分配优化方法，其特征在于，包括以下步骤：S101：构建系统模型；构建包括卫星、无人机和无蜂窝网络覆盖的地面用户终端的移动边缘计算系统模型，并初始化用户终端数、无人机数、用户终端的计算任务数、用户终端与卫星以及用户终端与无人机通信链路的信道模型参数；S102：根据S101构建的系统模型，得到用户终端在本地计算、无人机移动边缘计算和卫星云计算中的计算任务处理时延以及相应的系统能耗，最终得到系统时延，以最小化系统时延与能耗的加权和为目标，建立特定的优化问题；S103：在优化问题下，基于系统时延与能耗的加权和最小的原则，根据拉格朗日乘子法计算得到每个用户终端的卸载比例；S104：根据顺序凸优化原理将约束转化为凸约束，求得最优无人机轨迹和计算资源分配比例；S105：在给定各用户终端分组中用户终端与无人机关联的方案基础上，重复迭代执行S103和S104，求出对应的系统时延并将对应的系统时延作为适应度大小评价标准，最后根据遗传算法得到最优关联方案以及对应的最优卸载比例、无人机轨迹以及计算资源分配比例；在所述S101中，构建卫星和无人机辅助的移动边缘计算系统模型如下：S1011：设用户终端集合K＝{1,2,......,K}，无人机集合为M＝{1,2,......,M}，无人机上的MEC服务器的CPU总资源为fm，每个终端设备均有一个需执行的时延敏感型任务其中Dk是任务数据大小，Ck是计算任务所需的计算资源，为移动设备k的计算能力；计算任务分为本地任务数卸载至无人机m的MEC服务器上任务数通过卫星中转卸载至地面云服务器的任务数将无人机飞行周期划分为N个时隙，其中每个时隙的大小为δt，在一个时隙内认为无人机保持静止；S1012：定义用户终端k和无人机m的匹配因子为ak,m，当用户终端k与无人机匹配时，ak,m＝1，反之则ak,m＝0；设pk,m为用户终端k到无人机m的发射功率，pk,s为用户终端k到卫星的发射功率，设无人机飞行的固定高度为H，用户终端k和无人机m在第n个时隙的信道增益为： 其中，gk,m是小尺度衰落系数，qmn是无人机在第n个时隙的位置坐标，ωk是用户终端k的位置坐标，β0是参考距离为1m的信道增益；根据香农公式，用户终端k和无人机m之间在第n个时隙处的卸载速率为： 其中，B是用户终端和无人机通信链路的带宽，σ2是噪声功率；用户终端k卸载至卫星的信道增益为： 其中，和分别是用户终端发射天线和卫星接受天线的增益，ψ是雨衰落系数，η是玻尔兹曼常数，c是光速，fc是载波频率，Hs是卫星高度；则用户终端k卸载到卫星的卸载速率为： 其中，Bs是用户终端与卫星通信链路的带宽，σ2是噪声功率；在所述S102中，根据S101构建的系统模型，得到用户终端在本地计算、无人机移动边缘计算和卫星云计算中的计算任务处理时延以及相应的系统能耗，最终得到系统时延，具体如下：用户终端k本地计算时延为： 其中，C是执行用户终端单个计算任务所需的计算资源；用户终端k的部分计算任务在无人机上处理的总时延包括卸载时延、计算时延和回传时延，表示为卸载时延用时隙数的整数倍近似表示，将回传时延忽略，计算时延表示为： 则无人机移动边缘计算时延表示为： 其中，是在用户终端k将任务卸载至无人机m的平均卸载速率，是无人机m分配给用户终端k的计算资源；用户终端k的部分计算任务在卫星上处理的总时延包括用户终端到卫星的传输时延、卫星和地面站以及网关之间的处理时延、用户终端和卫星之间往返的传播时延以及卫星和地面站之间往返的传播时延，卫星云计算时延表示为： 其中，ttrip是卫星和地面站以及网关之间的处理时延，s是卫星与地面站之间的距离；用户终端k的时延为本地计算时延、无人机移动边缘计算时延和卫星云计算时延中的最大值，表示为最终系统时延为： 用户终端能耗包括卸载至卫星和无人机的能耗和传输能耗，表示为： 其中，κ是与用户终端自身设备相关的能量消耗因子；无人机能耗包括飞行能耗与计算能耗，计算能耗表示为： 其中，κe是与无人机上MEC服务器的芯片结构相关的能量消耗因子，是无人机计算用户终端k的计算任务的时间；无人机在第n个时隙的飞行能耗表示为： 其中，d0是无人机机身阻力比，ρ是空气密度，RS是无人机风轮实度，A是无人机转子盘面积，vmn是无人机m在第n个时隙的飞行速度，P0是无人机叶片轮廓功率，Ωe是无人机旋翼角速度，Re是无人机旋翼半径，Pi是无人机叶片诱导功率，v0是无人机悬停时平均旋翼诱导速度；最终，系统能耗表示为： 其中，ε是加权系数，ε小于1；根据所述系统时延与能耗表达式，建立优化问题的具体步骤如下：S1021：根据系统时延和能耗的表达式，建立优化目标为系统时延和能耗的加权和，表达式为minTsum+φEsum；S1022：单用户终端只能与一架无人机进行任务卸载，约束为： S1023：用户终端的计算任务分别通过本地计算、无人机移动边缘计算、卫星云计算进行处理，最后得到等式约束无人机的计算资源约束为： S1024：将处于运动状态的无人机的飞行周期分为若干个时隙，在时隙内假设无人机静止，不同时隙内用户终端和无人机之间的信道参数不同；S1025：考虑用户终端关联约束、无人机飞行和计算资源约束以及用户终端时延约束，对用户终端计算任务分配系数、无人机轨迹和关联匹配因子以及计算资源分配情况进行优化；最终得到优化问题：minTsum+φEsum； 其中，φ是归一化系数，Vmax是无人机飞行最大速度，qi[n]和qj[n]分别是无人机i和j在第n个时隙的位置坐标，dmin是无人机之间距离的最小值，是无人机m的计算资源上限，是用户终端k计算任务的时延上限。

全文数据：

权利要求：

百度查询： 吉林大学 空天地一体化移动边缘计算卸载与资源分配优化方法