本技术介绍了一种无人机增强型边缘计算系统,该系统通过无人机辅助的多址边缘计算技术,向用户提供计算卸载和能量供应服务。该方法以任务完成时延为优化目标,综合考虑部分卸载策略、时隙调度、CPU频率分配、无人机飞行路径和时隙数量,构建了任务完成时延最小化的问题模型。通过这种多维度的联合优化,显著降低了任务完成时延,提升了系统性能。
背景技术
随着用户端设备的激增所带来的计算需求的爆炸式增长,移动边缘计算(MEC)的概念已经出现,并引起了学术界和工业界的极大关注。MEC技术的兴起迎合了B5G和未来6G时代的需求,该时代的特点是信息量快速增长,对时延要求严格。许多研究探讨了边缘计算的应用场景,包括虚拟现实、大规模机对机通信、智能无人车等。众所周知,部署在用户端的边缘计算服务器可以提供必要的计算资源。然而,在传统的MEC系统中,MEC服务器通常固定在地面基础设施中,这往往导致MEC系统覆盖范围有限、性能低下等问题。
由于无人机与MEC集成具有灵活性高、可操作性强的优点,可以克服上述局限性。此外,随着用户端设备数量的增加,无人机辅助MEC系统可能无法满足许多新应用中计算密集型和延迟关键任务的需求。考虑到地面MEC网络中通信和计算资源的潜力,即地面基站,空地协同MEC系统通过整合无人机、用户端设备和地面基站的计算资源,扩大了网络覆盖范围,提高了计算能力。无人机辅助MEC系统的前景和挑战得到了广泛的研究,其中无人机作为空中中继和MEC服务器。换句话说,无人机可以被看作是一个可操作的、可靠的计算和通信平台。例如,当用户端与地面基站之间的直接通信链路被阻塞时,无人机不仅可以协助用户端执行计算任务,还可以将任务转发给地面基站进一步执行。
虽然混合无人机辅助MEC系统极大地减轻了用户端设备的计算和通信资源压力,但用户端设备的能量正成为影响系统性能的主要瓶颈之一。为了解决这一困境,无线电力传输(WPT)技术最近被引入到MEC系统中。配备能量发射器的无人机可以广播射频(RF)能量来支持用户端设备。
在提高通信服务的同时,还要考虑到计算资源的有效分配。目前,关于如何有效利用无人机、地面基站和用户端设备的计算资源,有很多优秀的研究工作。然而,上述工作的焦点主要集中在能耗、计算数据量和计算效率等方面,对优化任务完成时延方面少有研究,而时延是一个重要的性能指标,值得专门的设计。此外,值得一提的是,时分多址(TDMA)是无线通信正交多址方案的典型代表。TDMA协议下部分卸载模式下的时延优化问题也具有重要的实际意义,但尚未得到很好的研究。
实现思路