基于无人机中继的计算卸载和无人机轨迹联合优化方法

本发明属于通信，具体涉及基于无人机中继的计算卸载和无人机轨迹联合优化方法。

背景技术：

1、在无线通信网络中，中继技术通过转发信号能够有效扩展通信覆盖范围、克服路径损耗和遮挡效应，已成为提升网络连通性的重要手段。传统的中继节点通常部署在固定位置（如基站、中继站），其位置固定且部署成本较高，难以适应动态变化的通信环境。随着移动通信技术的发展，中继节点的移动化成为突破这一局限的重要方向。

2、在各类移动平台中，无人机凭借其高机动性、灵活部署和视距传输等优势，被视为一种理想的中继平台。然而，现有研究大多假设无人机中继的源节点和目的节点位于同一通信区域内，或者计算资源集中部署在无人机中继可直接连接的固定位置。在实际的边境巡逻、灾害监测等跨域场景中，传感器往往分布于通信基础设施匮乏的偏远区域（如边境无人区），而具备强大计算能力的资源设备则集中部署在另一区域（如后方指挥中心或边缘计算集群）；针对传感器处于通信覆盖边缘并且计算资源匮乏区域，则无法对其采集的数据进行卸载处理。

3、为此，提出基于无人机中继的计算卸载和无人机轨迹联合优化方法。

技术实现思路

1、针对现有技术的不足，本发明的目的在于提供基于无人机中继的计算卸载和无人机轨迹联合优化方法，解决了现有技术中的问题。

2、本发明的目的可以通过以下技术方案实现：

3、基于无人机中继的计算卸载和无人机轨迹联合优化方法，包括以下步骤：

4、控制无人机在处于通信覆盖盲区的源区域，从多个传感器节点处采集任务数据；其中，所述任务数据为不可拆分的计算密集型任务；

5、控制所述无人机携带所述任务数据，跨域飞行至边缘计算区域；

6、针对在所述边缘计算区域的卸载过程，构建以最小化系统最大任务完成时延为目标的优化问题，联合优化任务卸载决策和资源分配；基于块坐标下降法将所述优化问题分解为资源分配子问题和任务卸载决策子问题进行交替迭代求解；其中，在求解所述资源分配子问题时，采用连续凸逼近sca技术将目标用户的非凸传输速率转化为凸约束；在求解所述任务卸载决策子问题时，引入包含大m常数的约束不等式对属于0-1离散变量的所述任务卸载决策进行线性松弛；

7、基于求解得到的任务卸载决策和资源分配结果，在所述边缘计算区域基于非正交多址接入noma技术将所述任务数据卸载至对应的资源设备。

8、进一步地，在从多个传感器节点处采集任务数据之前，还包括：

9、基于加权分簇策略将所述源区域的多个传感器节点划分为多个簇；

10、联合优化无人机在各簇的悬停点位置、簇间飞行访问顺序以及频谱带宽分配，以最小化由所述源区域的数据采集时间与跨域飞行时间之和构成的公共基准时间为优化目标。

11、进一步地，基于加权分簇策略将所述源区域的多个传感器节点划分为多个簇的过程包括：

12、设定分簇数量的搜索空间集合；

13、遍历所述搜索空间集合中的分簇数量，根据所述传感器节点的任务数据大小与信道条件确定信道质量权重；

14、基于所述信道质量权重的极小值将所述传感器节点分配至对应的簇节点，并选取使所述公共基准时间达到最小的分簇数量作为最优分簇数量。

15、进一步地，联合优化所述无人机在各簇的悬停点位置、簇间飞行访问顺序以及频谱带宽分配的过程包括：

16、基于梯度下降法，利用所述公共基准时间对悬停点坐标的偏导数迭代更新所述悬停点位置；

17、根据确定后的悬停点位置构建旅行商tsp问题，利用蚁群算法求解所述无人机的簇间飞行访问顺序。

18、进一步地，对所述任务卸载决策进行线性松弛的过程包括：

19、将属于二进制变量的所述任务卸载决策松弛为连续变量；

20、针对所述系统最大任务完成时延，利用所述连续变量与所述大m常数构建时延约束条件；其中，当所述任务卸载决策的取值为未分配状态对应的数值时，所述大m常数使所述时延约束条件恒成立，以消除未分配任务对目标资源设备计算负载的干扰。

21、进一步地，在对所述资源分配子问题和所述任务卸载决策子问题进行交替迭代求解时，根据当前迭代周期的信道状态预估结果更新传输速率；

22、其中，所述信道状态预估结果采用混合加权方式计算得到，所述混合加权方式包含随迭代次数增加而递增的权重因子，并将上一轮的真实传输速率与预设的参考传输速率进行加权计算。

23、进一步地，所述方法还包括对由所述连续变量构成的松弛决策矩阵进行离散化舍入处理：

24、从所述松弛决策矩阵中提取概率最大的元素作为候选分配对象；

25、基于所述系统最大任务完成时延以及预设的容忍因子，构建允许的基准阈值上限；

26、基于目标资源设备接纳所述候选分配对象后的完成时间与所述基准阈值上限的大小比对结果，判定所述候选分配对象的离散决策取值；若所述完成时间超出所述基准阈值上限，则强制在下一轮寻找次优资源设备。

27、进一步地，采用连续凸逼近sca技术将目标用户的非凸传输速率转化为凸约束的过程包括：

28、利用对数运算规则将所述非凸传输速率展开为差分形式；所述差分形式包括常数项函数以及包含变量的非凸项函数；

29、针对所述非凸项函数，在预设的功率分配系数点处进行一阶泰勒展开，获取相应的线性近似表达式；

30、利用所述线性近似表达式替换所述非凸项函数，结合所述常数项函数得到所述目标用户的凸约束传输速率。

31、基于无人机中继的计算卸载和无人机轨迹联合优化装置，能够执行上述的方法，包括：

32、数据采集模块，用于控制无人机在处于通信覆盖盲区的源区域，从多个传感器节点处采集任务数据；其中，所述任务数据为不可拆分的计算密集型任务；

33、跨域飞行模块，用于控制所述无人机携带所述任务数据，跨域飞行至边缘计算区域；

34、联合优化模块，用于针对在所述边缘计算区域的卸载过程，构建以最小化系统最大任务完成时延为目标的优化问题，联合优化任务卸载决策和资源分配；基于块坐标下降法将所述优化问题分解为资源分配子问题和任务卸载决策子问题进行交替迭代求解；其中，在求解所述资源分配子问题时，采用连续凸逼近sca技术将目标用户的非凸传输速率转化为凸约束；在求解所述任务卸载决策子问题时，引入包含大m常数的约束不等式对属于0-1离散变量的所述任务卸载决策进行线性松弛；

35、任务卸载模块，用于基于求解得到的任务卸载决策和资源分配结果，在所述边缘计算区域基于非正交多址接入noma技术将所述任务数据卸载至对应的资源设备。

36、一种计算机存储介质，存储有可读程序，当程序运行时，所述程序能够指示计算设备执行如上述的基于无人机中继的计算卸载和无人机轨迹联合优化方法。

37、本发明的有益效果：

38、1、本发明实施例构建了一种“采集-携带-卸载”的两阶段跨域协作模式；无人机在无算力的a区域利用fdma技术完成任务数据的采集，随后利用自身机动性跨越障碍区域飞抵b区域的悬停点，再采用noma技术将携带的任务卸载给b区域集中的资源设备进行处理；通过将数据采集与计算卸载在物理空间和时间轴上进行解耦，有效克服了源节点因发射功率受限无法直接与远端资源设备通信的物理屏障；这为偏远无网络覆盖地区提供了切实可行的计算卸载途径，缓解了边缘传感器节点计算资源不足和通信距离受限的问题。

39、2、本发明在a区域的数据采集阶段，并未采用随机或常规的聚类，而是引入了一种改进的加权分簇策略，综合考量了传感器的任务数据大小以及其信道条件；在此基础上，采用块坐标下降法交替迭代，利用梯度下降法优化悬停点位置，利用蚁群算法求解tsp问题以规划飞行轨迹；使得无人机能够合理平衡簇内设备上传数据的通信传输时延与无人机在各簇之间移动的飞行时延之间的关系；通过优先将传感器分配给信道质量较好的簇节点，有效缩短了从任务采集开始到无人机抵达b区域悬停点的公共基准时间。

40、3、针对b区域中包含0-1整数变量且具有强耦合性的资源分配与卸载决策问题，本发明采用了特定的数学重构手段；具体而言，利用连续凸逼近（sca）和泰勒展开将noma弱用户传输速率的非凸约束转化为凸约束；同时，引入大m法（big-m）构建时延约束，当任务决策变量松弛后取值为未分配时，大m常数能够使约束不等式右侧变为很大的常数，使得该约束条件自然满足；这种约束屏蔽机制消除了未分配任务对目标计算设备负载预估的干扰；配合凸逼近降维，原本难以求解的混合整数非线性规划难题被转化为标准的线性/凸优化问题，这使得系统能够在可接受的计算复杂度内，求得满足各项物理约束的资源调度策略，进而实现最小化系统最大任务完成时间的核心目标。