基于能量收集的UAV-D2D多中继卸载MEC系统的资源分配方法

基于能量收集的uav-d2d多中继卸载mec系统的资源分配方法
技术领域
1.本发明涉及无线通信技术和移动边缘计算技术领域，特别是基于能量收集的uav-d2d多中继卸载mec系统的资源分配方法。


背景技术：

2.随着现代网络通信技术的迅速发展，人们对于网络性能的要求也在相应的提高。针对物联网不断增长的移动业务需求，无人机辅助的设备到设备通信网络备受关注。在资源有限的系统中，uav因其易部署，高机动性的优势成为了移动通信网络的重要部分；d2d通信技术在密集型通信中能有效提高频谱效率，减少基站负担，是未来移动通信系统实现海量接入的关键技术。
3.将mec引入到uav辅助的d2d系统中，既可以节省本地计算资源，减少电池消耗，又能够显著提高移动设备的计算能力。此外，射频能量收集是一种将接收到的射频信号转换成电能的技术，以其新型绿色的供电方式为用户设备提供持续稳定的能量。通过合理的资源分配策略，能够有效减少设备任务计算时间。因此，研究uav辅助的d2d通信的mec资源分配策略具有重要意义。
4.然而，大多数现有的uav辅助d2d中继转发系统中常常考虑的是，单个中继节点转发单个任务或多个任务的问题。却忽视了中继节点本身的通信资源负担，从而导致中继节点的电池寿命大大减少，设备硬件老化过快的问题。


技术实现要素：

5.有鉴于此，本发明的目的在于提供基于能量收集的uav-d2d多中继卸载mec系统的资源分配方法，以解决系统中由于距离基站较远无法实现任务卸载以及中继通信负担大的问题。通过对发射功率、能量收集时间、信道资源和计算资源进行联合优化以实现系统总任务完成时间最小化。
6.为实现上述目的，本发明采用如下技术方案：基于能量收集的uav-d2d多中继卸载mec系统的资源分配方法，包括以下步骤：
7.步骤s1：建模uav-d2d的多中继卸载系统网络结构；
8.步骤s2：建模总任务传输时隙分配结构；
9.步骤s3：建模d2d链路传输时间和中继转发链路传输时间；
10.步骤s4：建模中继转发数据能耗和无人机无线能量传输时间；
11.步骤s5：建模边缘服务器计算任务的时间；
12.步骤s6：建模d2d链路传输、中继转发链路传输和边缘计算时间总和；
13.步骤s7：建模用户发射功率、能量收集、计算资源、信道资源和链路速率的预设约束；
14.步骤s8：建模系统总任务完成时间最小化的优化模型；
15.步骤s9：采用基于帕德近似的交替迭代优化算法，求解系统总任务完成时间最小
化优化模型，得到发射功率、能量收集时间、计算资源和信道资源的最佳分配结果，并将最佳分配结果代入系统总任务完成时间最小化函数得到系统总任务完成时间。
16.在一较佳的实施例中，所述步骤s1具体为：
17.步骤s11：构建uav-d2d多中继卸载网络结构，包括一个携带mec服务器的基站、u架uav部署于bs的辐射边缘，每架uav覆盖一个gns集群，每个gns集群由ru组d2d对组成，其中uav通过无线能量传输wpt为所在集群的dr进行无线供电，并通过集中式d2d控制来进行d2d通信；dt位于bs的辐射边缘外，而dr位于uav与bs共同覆盖的区域；
18.步骤s12：所有uav的飞行高度均为h1，第u架uav的位置坐标为qu＝[xu,yu,h1]；假设第u架uav覆盖范围下的集群中每组d2d对由一个dt和个dr组成，其中，r＝＝{r1,
···
,ru,
···
,ru}，}，第u个集群的第r组d2d对的dt和第k个dr位置分别为和uav悬停并已知用户位置，地面基站的坐标为m＝[xm,ym,hm]；集群u的无人机与该集群的第r组d2d对中配对的第k个dr之间的距离为集群u第r组d2d对中配对的第k个dr与bs的距离为集群u第r组d2d对中的dt与第k个dr的距离为
[0019]
在一较佳的实施例中，所述步骤s2具体为：构建总任务传输时隙分配结构；总任务完成时间分为u个集群任务完成时间，每个集群的任务均包括三个部分，分别为传输部分、计算部分和下载部分；其中，假设下载部分的所需传输数据比特结果非常小，在时间上忽略不计。在传输部分，又分三个阶段，分别是能量传输、d2d传输和中继转发三个阶段。
[0020]
在一较佳的实施例中，所述步骤s3具体为：
[0021]
步骤s31：
[0022]
根据下式，计算第u个集群中的第r组d2d对中第k条d2d链路传输速率
[0023][0024]
其中，b
u,r
表示第u个集群中第r组d2d对所分配的子信道资源；表示第u个集群里第r组d2d对的dt向第k个dr传输的发射功率；σ2表示系统噪声功率；
[0025]
根据下式，计算第u个集群中第r组数据任务在d2d阶段的传输时间
[0026][0027]
其中，表示每个dr接收数据的传输时间；
[0028]
由于采用fdma传输模式，根据下式，计算第u个集群的d2d阶段传输时间
[0029][0030]
步骤s32：
[0031]
在中继转发阶段，接收到数据的dr作为中继设备逐一进行转发卸载；根据下式，计
算每个dr的转发传输速率
[0032][0033]
其中，表示第u个集群里第r组d2d对的第k个dr的发射功率；
[0034]
根据下式，计算第u个集群里中继转发阶段的总传输时间
[0035][0036]
其中，表示为每个dr转发数据的传输时间；由于df中继系统的性能仅限于源节点到中继和中继到目标节点的两个链路中信道条件较差的信道；因此第u个集群里第r个dt的第k条卸载传输链路的传输速率为
[0037]
在一较佳的实施例中，所述步骤s4具体为：根据下式，计算每一个dr所收集到的能量
[0038][0039]
其中，η表示dr的能量收集效率，表示为每个dr的能量收集时间，pu表示第u架uav的发射功率；
[0040]
根据下式，计算第u个集群里第r组d2d对的第k个dr的能量消耗
[0041][0042]
d2d传输阶段与能量收集阶段同时进行，并且中继需要在d2d阶段结束前完成所需能量的收集。
[0043]
在一较佳的实施例中，所述步骤s5具体为：根据下式，计算每个任务计算时间
[0044][0045]
其中c
u,r
表示第u个集群中的第r个用户任务计算其原始数据所需的cpu机器周期数；计算任务比特数和所需cpu机器周期数满足线性关系c
u,r
＝w
u,riu,r
，其中w
u,r
表是计算每比特所需机器周期数；
[0046]
根据下式，计算第u个集群内所有任务的计算完成时间
[0047][0048]
在一较佳的实施例中，所述步骤s6具体为：第u个集群的d2d阶段传输时间为：第u个集群里中继转发阶段的总传输时间表示为：第u个集群内所有任务的计算完成时间为：根据下式，计算总任务完成时间为
[0049][0050]
在一较佳的实施例中，所述步骤s7具体为：建模发射功率、能量收集、计算资源、信
道资源和链路速率的限制条件
[0051]
功率分配限制条件为：
[0052]
能量收集限制条件为：
[0053]
计算资源分配限制条件为：
[0054]
信道资源限制条件为：
[0055]
链路速率限制条件为：
[0056]
其中，p
max
表示gns的最大发射功率；f表示为基站边缘服务器的总计算资源；b表示系统总信道资源；r
min
表示最低链路速率门限。
[0057]
在一较佳的实施例中，所述步骤s8具体为：在满足发射功率、能量收集、计算资源、信道资源和链路速率的约束条件下，以系统总任务完成时间最小化为目标，确定优化资源分配策略，即
[0058]
在一较佳的实施例中，所述步骤s9具体为：采用基于帕德近似的交替迭代优化算法，求解系统总任务完成时间最小化优化模型，得到发射功率、能量收集时间、计算资源和信道资源的最佳分配结果，并将最佳分配结果代入系统总任务完成时间最小化函数得到系统总任务完成时间，具体步骤为：
[0059]
s91：首先，通过上镜图重构技术重新表述最值约束问题引入辅助变量和分别表示目标函数中和的上界，引入辅助变量表示中的下界；
[0060]
s92：通过交替迭代方法解耦部分变量；将该资源优化问题分为两个子问题，联合优化gns发射功率和子信道带宽资源问题和联合优化能量收集时间和计算资源问题；通过交替优化方法进行交替和迭代求解新的资源分配问题
[0061]
辅助变量限制条件：
[0062]
辅助变量限制条件：
[0063]
辅助变量x
u,r,k
限制条件：x
u,r,k
≥r
min
。
[0064]
s93：联合优化gns发射功率和子信道带宽资源问题；由于约束项中存在变量耦合关系，导致该子问题非凸，通过引入辅助变量利用透视函数的保凸性进行重新表述为p1：
[0065]
辅助变量λ
u,r,k
限制条件：0≤λ
u,r,k
≤b
u,r
p
max
，
[0066][0067]
因此该子问题已经是一个凸优化问题；
[0068]
s94：联合优化能量收集时间和计算资源；通过给定的gns的发射功率控制和子信道带宽资源分配，对能量收集时间分配和计算资源分配进行了优化；该子问题表述为p2：
[0069]
该子问题已经是一个凸优化问题；
[0070]
s95：交替迭代优化；由于两个子问题的目标函数及其相关的约束条件都是凸，因此两个子问题都是凸优化问题，将各自的子问题通过凸求解器cvx和cvxquad进行求解；首先，在第一次求解中，需要赋予合适的能量收集时间和计算资源初值以及迭代次数，用于求解子问题1得到最优的gns发射功率和子信道带宽资源；其次，将前面求解出来的最优的gns发射功率和子信道带宽资源用于求解子问题2，从而得到最优的能量收集时间和计算资源初值；通过不断地循环迭代两个求解步骤，直达优化目标收敛，即可得到最小的总任务完成时间。
[0071]
与现有技术相比，本发明具有以下有益效果：
[0072]
1.本发明采用了d2d用户协作的方式，解决远基站用户的任务卸载问题。
[0073]
2.本发明将任务数据拆分给多个中继进行卸载，在保证中继能量消耗和任务计算服务的需求下，缓解了系统中出现的中继通信负担大的问题。
[0074]
3.本发明的优化模型建模出来的非凸优化问题，难以直接求解。本发明通过引入一系列辅助变量，利用透视函数将一些非凸约束条件转换为凸约束条件，采用基于帕德近似的交替迭代优化算法，实现系统总任务完成时间最小化。
附图说明
[0075]
图1是本发明优选实施例的uav-d2d多中继卸载mec的网络结构图；
[0076]
图2是本发明优选实施例的总任务完成时隙分配图；
[0077]
图3是本发明优选实施例的基于交替迭代的资源分配算法流程图；
[0078]
图4是本发明优选实施例的方法流程图。
具体实施方式
[0079]
下面结合附图及实施例对本发明做进一步说明。
[0080]
应该指出，以下详细说明都是例示性的，旨在对本技术提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本技术所属技术领域的普通技术人员通常理解的相同含义。
[0081]
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本技术的示例性实施方式；如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包
括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
[0082]
本发明针对bs边缘外的设备无法实现任务卸载以及中继通信负担大的问题，提出一种基于能量收集的uav-d2d多中继卸载mec系统中最大化系统总任务完成时间最小化的资源分配策略。远距离用户从基站收集的能量较少，无法以更大的发射功率将数据卸载到基站的mec服务器，从而遭受着双远近问题的影响。通过部署uav集中控制每一组d2d对并配置多个dr实现串行通信，将任务数据拆分卸载，每个dr收集无人机的射频能量用于转发来自边缘外的需要计算卸载的任务。从而缓解系统中出现的远基站任务无法卸载以及中继通信负担大的问题。
[0083]
一、无人机协助的非线性能量收集mec系统的网络模型
[0084]
本实施例中提出了一种基于能量收集的uav-d2d多中继卸载mec系统的资源分配策略，uav-d2d多中继卸载mec的网络模型如图1所示。在该系统中，括一个携带mec服务器的基站、u架uav部署于bs的辐射边缘，每架uav覆盖一个gns集群。uav通过无线能量传输为所在集群的dr进行无线供电，并通过集中式d2d控制来进行d2d通信。dt位于bs的辐射边缘外，而dr位于uav与bs共同覆盖的区域。每个集群的任务完成需要经过三个部分，分别为传输部分、计算部分和下载部分。其中，假设下载部分的所需传输数据比特结果非常小，在时间上忽略不计。图2为每个集群用户完成计算任务的时隙分配图。在传输部分，又分三个阶段，分别是能量传输阶段、d2d阶段和转发阶段三个阶段，并且能量收集阶段在d2d阶段结束前完成，才能进行下一个转发阶段。当转发阶段结束后即可进行计算部分。
[0085]
二、建立无人机协助的非线性能量收集mec系统的资源分配模型
[0086]
请参照图4，本实施案例中提出的一种基于能量收集的uav-d2d多中继卸载mec系统的资源分配策略包括以下几个步骤：
[0087]
s1：建模uav-d2d的多中继卸载系统网络结构
[0088]
系统网络结构中主要包括基站、无人机、d2d用户设备。在本实施例中，采用三维笛卡尔坐标系，所有uav的飞行高度均为h1，第u架uav的位置坐标为qu＝[xu,yu,h1]。第u个集群的第r组d2d对的dt和第k个dr位置分别为和地面基站的坐标为m＝[xm,ym,hm]。集群u的无人机与该集群的第r组d2d对中配对的第k个dr之间的距离为集群u第r组d2d对中配对的第k个dr与bs的距离为集群u第r组d2d对中的dt与第k个dr的距离为
[0089]
s2：建模总任务传输时隙分配结构
[0090]
构建总任务传输时隙分配结构。总任务完成时间分为u个集群任务完成时间，每个集群的任务均包括三个部分，分别为传输部分、计算部分和下载部分。其中，假设下载部分的所需传输数据比特结果非常小，在时间上忽略不计。在传输部分，又分三个阶段，分别是能量传输、d2d传输和中继转发三个阶段。
[0091]
s3：建模d2d链路传输时间和中继转发链路传输时间
[0092]
步骤1：
[0093]
根据下式，计算第u个集群中的第r组d2d对中第k条d2d链路传输速率
[0094][0095]
其中，b
u,r
表示第u个集群中第r组d2d对所分配的子信道资源。表示第u个集群里第r组d2d对的dt向第k个dr传输的发射功率。σ2表示系统噪声功率。
[0096]
根据下式，计算第u个集群中第r组数据任务在d2d阶段的传输时间
[0097][0098]
其中，表示每个dr接收数据的传输时间。
[0099]
由于采用fdma传输模式，根据下式，计算第u个集群的d2d阶段传输时间
[0100][0101]
步骤2：在中继转发阶段，接收到数据的dr作为中继设备逐一进行转发卸载。
[0102]
根据下式，计算每个dr的转发传输速率
[0103][0104]
其中，表示第u个集群里第r组d2d对的第k个dr的发射功率。
[0105]
根据下式，计算第u个集群里中继转发阶段的总传输时间
[0106][0107]
其中，表示为每个dr转发数据的传输时间。由于df中继系统的性能仅限于源节点到中继和中继到目标节点的两个链路中信道条件较差的信道。因此第u个集群里第r个dt的第k条卸载传输链路的传输速率为
[0108]
s4：建模中继转发数据能耗和能量收集时间
[0109]
根据下式，计算每一个dr所收集到的能量
[0110][0111]
其中，η表示dr的能量收集效率，表示为每个dr的能量收集时间，pu表示第u架uav的发射功率。
[0112]
根据下式，计算第u个集群里第r组d2d对的第k个dr的能量消耗
[0113][0114]
d2d传输阶段与能量收集阶段同时进行，并且中继需要在d2d阶段结束前完成所需能量的收集。
[0115]
s5：建模边缘服务器计算任务的时间
[0116]
根据下式，计算每个任务计算时间
[0117]
[0118]
其中c
u,r
表示第u个集群中的第r个用户任务计算其原始数据所需的cpu机器周期数。计算任务比特数和所需cpu机器周期数满足线性关系c
u,r
＝w
u,riu,r
，其中w
u,r
表是计算每比特所需机器周期数。
[0119]
根据下式，计算第u个集群内所有任务的计算完成时间
[0120][0121]
s6：建模d2d链路传输、中继转发链路传输和计算时间总和
[0122]
第u个集群的d2d阶段传输时间为：第u个集群里中继转发阶段的总传输时间表示为：第u个集群内所有任务的计算完成时间为：根据下式，计算总任务完成时间为
[0123][0124]
s7：建模发射功率、能量收集、计算资源、信道资源和链路速率的预设约束
[0125]
功率分配限制条件为：
[0126]
能量收集限制条件为：
[0127]
计算资源分配限制条件为：
[0128]
信道资源限制条件为：
[0129]
链路速率限制条件为：其中，p
max
表示gns的最大发射功率；f表示为基站边缘服务器的总计算资源；b表示系统总信道资源；r
min
表示最低链路速率门限。
[0130]
s8：建模系统总任务完成时间最小化的优化模型
[0131]
在满足发射功率、能量收集、计算资源、信道资源和链路速率的约束条件下，以系统总任务完成时间最小化为目标，确定优化资源分配策略，即三、基于交替迭代算法求解资源分配最优化模型
[0132]
参考图3，在本实施例中，采用基于帕德近似的交替迭代优化算法，求解系统总任务完成时间最小化优化模型，得到用户发射功率、能量收集时间、计算资源和信道资源的最佳分配结果，并将最佳分配结果代入系统总任务完成时间最小化函数得到系统总任务完成时间。具体为：
[0133]
步骤1：首先，通过上镜图重构技术重新表述最值约束问题引入辅助变量和分别表示目标函数中和的上界，引入辅助变量表示中的下界。
[0134]
步骤2：通过交替迭代方法解耦部分变量。将该资源优化问题分为两个子问题，联合优化gns发射功率和子信道带宽资源问题和联合优化能量收集时间和计算资源问题。通过交替优化方法进行交替和迭代求解新的资源分配问题
[0135]
辅助变量t
udd
限制条件：
[0136]
辅助变量t
uc
限制条件：
[0137]
辅助变量x
u,r,k
限制条件：x
u,r,k
≥r
min
。
[0138]
步骤3：联合优化gns发射功率和子信道带宽资源问题。由于约束项中存在变量耦合关系，导致该子问题非凸，通过引入辅助变量利用透视函数的保凸性进行重新表述为p1：
[0139]
辅助变量λ
u,r,k
限制条件：0≤λ
u,r,k
≤b
u,r
p
max
，
[0140][0141]
因此该子问题已经是一个凸优化问题。
[0142]
步骤4：联合优化能量收集时间和计算资源。通过给定的gns的发射功率控制和子信道带宽资源分配，对能量收集时间分配和计算资源分配进行了优化。该子问题表述为p2：
[0143]
该子问题已经是一个凸优化问题。
[0144]
步骤5：交替迭代优化。由于两个子问题的目标函数及其相关的约束条件都是凸，因此两个子问题都是凸优化问题，将各自的子问题通过凸求解器cvx和cvxquad进行求解。首先，在第一次求解中，需要赋予合适的能量收集时间和计算资源初值以及迭代次数，用于求解子问题1得到最优的gns发射功率和子信道带宽资源。其次，将前面求解出来的最优的gns发射功率和子信道带宽资源用于求解子问题2，从而得到最优的能量收集时间和计算资源初值。通过不断地循环迭代两个求解步骤，直达优化目标收敛，即可得到最小的总任务完成时间。
[0145]
最后说明的是，以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，其均应涵盖在本发明的权利要求范围当中。

技术特征：
1.基于能量收集的uav-d2d多中继卸载mec系统的资源分配方法，其特征在于，包括以下步骤：步骤s1：建模uav-d2d的多中继卸载系统网络结构；步骤s2：建模总任务传输时隙分配结构；步骤s3：建模d2d链路传输时间和中继转发链路传输时间；步骤s4：建模中继转发数据能耗和无人机无线能量传输时间；步骤s5：建模边缘服务器计算任务的时间；步骤s6：建模d2d链路传输、中继转发链路传输和边缘计算时间总和；步骤s7：建模用户发射功率、能量收集、计算资源、信道资源和链路速率的预设约束；步骤s8：建模系统总任务完成时间最小化的优化模型；步骤s9：采用基于帕德近似的交替迭代优化算法，求解系统总任务完成时间最小化优化模型，得到发射功率、能量收集时间、计算资源和信道资源的最佳分配结果，并将最佳分配结果代入系统总任务完成时间最小化函数得到系统总任务完成时间。2.根据权利要求1所述的基于能量收集的uav-d2d多中继卸载mec系统的资源分配方法，其特征在于，所述步骤s1具体为：步骤s11：构建uav-d2d多中继卸载网络结构，包括一个携带mec服务器的基站、u架uav部署于bs的辐射边缘，每架uav覆盖一个gns集群，每个gns集群由r
u
组d2d对组成，其中u∈u＝＝{1,2,
···
,u}；uav通过无线能量传输wpt为所在集群的dr进行无线供电，并通过集中式d2d控制来进行d2d通信；dt位于bs的辐射边缘外，而dr位于uav与bs共同覆盖的区域；步骤s12：所有uav的飞行高度均为h1，第u架uav的位置坐标为q
u
＝[x
u
,y
u
,h1]；假设第u架uav覆盖范围下的集群中每组d2d对由一个dt和k
ru
个dr组成，其中，r＝＝{r 1
,
···
,r
u
,
···
,r u
}，r∈r
u
＝＝{1,2,
···
,r
u
}，k∈k
u,r
＝＝{1,2,
···
,k
u,r
}；第u个集群的第r组d2d对的dt和第k个dr位置分别为和uav悬停并已知用户位置，地面基站的坐标为m＝[x
m
,y
m
,h
m
]；集群u的无人机与该集群的第r组d2d对中配对的第k个dr之间的距离为集群u第r组d2d对中配对的第k个dr与bs的距离为集群u第r组d2d对中的dt与第k个dr的距离为3.根据权利要求1所述的基于能量收集的uav-d2d多中继卸载mec系统的资源分配方法，其特征在于，所述步骤s2具体为：构建总任务传输时隙分配结构；总任务完成时间分为u个集群任务完成时间，每个集群的任务均包括三个部分，分别为传输部分、计算部分和下载部分；其中，假设下载部分的所需传输数据比特结果非常小，在时间上忽略不计；在传输部分，又分三个阶段，分别是能量传输、d2d传输和中继转发三个阶段。4.根据权利要求1所述的基于能量收集的uav-d2d多中继卸载mec系统的资源分配方法，其特征在于，所述步骤s3具体为：步骤s31：根据下式，计算第u个集群中的第r组d2d对中第k条d2d链路传输速率
其中，b
u,r
表示第u个集群中第r组d2d对所分配的子信道资源；表示第u个集群里第r组d2d对的dt向第k个dr传输的发射功率；σ2表示系统噪声功率；根据下式，计算第u个集群中第r组数据任务在d2d阶段的传输时间其中，表示每个dr接收数据的传输时间；由于采用fdma传输模式，根据下式，计算第u个集群的d2d阶段传输时间步骤s32：在中继转发阶段，接收到数据的dr作为中继设备逐一进行转发卸载；根据下式，计算每个dr的转发传输速率其中，表示第u个集群里第r组d2d对的第k个dr的发射功率；根据下式，计算第u个集群里中继转发阶段的总传输时间其中，表示为每个dr转发数据的传输时间；由于df中继系统的性能仅限于源节点到中继和中继到目标节点的两个链路中信道条件较差的信道；因此第u个集群里第r个dt的第k条卸载传输链路的传输速率为5.根据权利要求1所述的基于能量收集的uav-d2d多中继卸载mec系统的资源分配方法，其特征在于，所述步骤s4具体为：根据下式，计算每一个dr所收集到的能量其中，η表示dr的能量收集效率，表示为每个dr的能量收集时间，p
u
表示第u架uav的发射功率；根据下式，计算第u个集群里第r组d2d对的第k个dr的能量消耗d2d传输阶段与能量收集阶段同时进行，并且中继需要在d2d阶段结束前完成所需能量的收集。6.根据权利要求1所述的基于能量收集的uav-d2d多中继卸载mec系统的资源分配方法，其特征在于，所述步骤s5具体为：根据下式，计算每个任务计算时间
其中c
u,r
表示第u个集群中的第r个用户任务计算其原始数据所需的cpu机器周期数；计算任务比特数和所需cpu机器周期数满足线性关系c
u,r
＝w
u,r
i
u,r
，其中w
u,r
表是计算每比特所需机器周期数；根据下式，计算第u个集群内所有任务的计算完成时间7.根据权利要求1所述的基于能量收集的uav-d2d多中继卸载mec系统的资源分配方法，其特征在于，所述步骤s6具体为：第u个集群的d2d阶段传输时间为：第u个集群里中继转发阶段的总传输时间表示为：第u个集群内所有任务的计算完成时间为：根据下式，计算总任务完成时间为8.根据权利要求1所述的基于能量收集的uav-d2d多中继卸载mec系统的资源分配方法，其特征在于，所述步骤s7具体为：建模发射功率、能量收集、计算资源、信道资源和链路速率的限制条件功率分配限制条件为：能量收集限制条件为：计算资源分配限制条件为：信道资源限制条件为：链路速率限制条件为：其中，p
max
表示gns的最大发射功率；f表示为基站边缘服务器的总计算资源；b表示系统总信道资源；r
min
表示最低链路速率门限。9.根据权利要求1所述的基于能量收集的uav-d2d多中继卸载mec系统的资源分配方法，其特征在于，所述步骤s8具体为：在满足发射功率、能量收集、计算资源、信道资源和链路速率的约束条件下，以系统总任务完成时间最小化为目标，确定优化资源分配策略，即10.根据权利要求1所述的基于能量收集的uav-d2d多中继卸载mec系统的资源分配方法，其特征在于，所述步骤s9具体为：采用基于帕德近似的交替迭代优化算法，求解系统总任务完成时间最小化优化模型，得到发射功率、能量收集时间、计算资源和信道资源的最佳分配结果，并将最佳分配结果代入系统总任务完成时间最小化函数得到系统总任务完成时间，具体步骤为：
s91：首先，通过上镜图重构技术重新表述最值约束问题引入辅助变量和分别表示目标函数中和的上界，引入辅助变量表示中的下界；s92：通过交替迭代方法解耦部分变量；将该资源优化问题分为两个子问题，联合优化gns发射功率和子信道带宽资源问题和联合优化能量收集时间和计算资源问题；通过交替优化方法进行交替和迭代求解新的资源分配问题辅助变量t
udd
限制条件：辅助变量t
uc
限制条件：辅助变量x
u,r,k
限制条件：x
u,r,k
≥r
min
；s93：联合优化gns发射功率和子信道带宽资源问题；由于约束项中存在变量耦合关系，导致该子问题非凸，通过引入辅助变量利用透视函数的保凸性进行重新表述为p1：辅助变量λ
u,r,k
限制条件：0≤λ
u,r,k
≤b
u,r
p
max
，因此该子问题已经是一个凸优化问题；s94：联合优化能量收集时间和计算资源；通过给定的gns的发射功率控制和子信道带宽资源分配，对能量收集时间分配和计算资源分配进行了优化；该子问题表述为p2：该子问题已经是一个凸优化问题；s95：交替迭代优化；由于两个子问题的目标函数及其相关的约束条件都是凸，因此两个子问题都是凸优化问题，将各自的子问题通过凸求解器cvx和cvxquad进行求解；首先，在第一次求解中，需要赋予合适的能量收集时间和计算资源初值以及迭代次数，用于求解子问题1得到最优的gns发射功率和子信道带宽资源；其次，将前面求解出来的最优的gns发射功率和子信道带宽资源用于求解子问题2，从而得到最优的能量收集时间和计算资源初值；通过不断地循环迭代两个求解步骤，直达优化目标收敛，即可得到最小的总任务完成时间。

技术总结
本发明提供了基于能量收集的UAV-D2D多中继卸载MEC系统的资源分配方法，包括以下步骤：S1：建模UAV-D2D的多中继卸载系统网络结构；S2：建模总任务传输时隙分配结构；S3：建模D2D链路传输时间和中继转发链路传输时间；S4：建模中继转发数据能耗和无人机无线能量传输时间；S5：建模边缘服务器计算任务的时间；S6：建模D2D链路传输、中继转发链路传输和边缘计算时间总和；S7：建模用户发射功率、能量收集、计算资源、信道资源和链路速率的预设约束；S8：建模系统总任务完成时间最小化的优化模型；S9：求解系统总任务完成时间最小化优化模型；应用本技术方案可实现系统总任务完成时间最小化。本技术方案可实现系统总任务完成时间最小化。本技术方案可实现系统总任务完成时间最小化。


技术研发人员：赵宜升 尤鸿艺 张鑫宇 菅凯歌 梁立
受保护的技术使用者：福州大学
技术研发日：2023.05.23
技术公布日：2023/8/16