无人机辅助的移动边缘计算中的任务分配策略

在使用无人机（UAV）作为计算卸载的数据收集器对用户设备（UE）提供移动边缘计算（MEC）服务的场景下,设计了一种通过UAV实现高效的UE覆盖的无线通信策略。首先,在给定UE分布的条件下,对于UAV的飞行轨迹和通信策略,使用了连续凸逼近（SCA）的优化方法来得出一种可以使全局能量最小化的近似最优解;此外,对于UE大范围分布或任务量较大的场景,提出了一种自适应聚类算法,以将地面的UE划分成尽量少的聚类,并保证每个聚类中全部UE的卸载数据都可以在一次飞行中全部完成收集;最后,将每个聚类中UE的计算卸载数据收集任务分配给一次飞行,从而达到减少单个UAV完成任务所需的派遣次数或多UAV执行任务所需的UAV派遣数量的目的。仿真结果表明,所提方法可以生成相比K-Means算法更少的聚类数量且能快速收敛,适用于UE大范围分布下UAV辅助的计算卸载场景。     

考虑无人机飞行时间的能耗与数据量联合优化

在无线传感网络中运用无人机（unmanned aerial vehicle,UAV）通信进行数据采集是一项有价值的技术。针对UAV在有限时间内的数据采集任务，提出了一种考虑系统数据量、节点传输能耗和UAV飞行能耗的联合优化方案。该方案的决策空间包括UAV轨迹与传输调度，复杂度较高。由于联合优化是NP难问题，基于决策空间降维，将优化过程分为初始轨迹优化和二次轨迹优化两步。针对初始轨迹优化，提出基于贪心算法和禁忌搜索算法的优化方案，实现节点选择并得到UAV初始轨迹；针对二次轨迹优化，运用离散化方法转换原问题，采用逐次凸逼近算法进行优化，得到其有效次优解。仿真结果表明，所提优化方案能够在满足时间约束的前提下，提高UAV采集的数据量，并降低UAV和节点的能耗。     

无人机无线网络中基于队列稳定的无线与计算资源分配优化

无人机(UAV)无线网络中,UAV承载基站设备,可灵活提供无线通信服务,支持在高质量的无线信道状态下进行数据传输;另一方面,将边缘计算服务器部署到基站侧,计算资源更靠近用户,通过任务卸载,能够直接在基站侧进行计算处理,缓解无线网络的去程链路压力;但是,考虑到能耗受限问题,如何通过资源优化来降低网络能耗并保证用户到基站的数据传输和任务处理的稳定性依然是研究的难题;针对UAV无线网络中用户向UAV基站发送数据并卸载计算任务的场景,研究了在数据传输和任务处理稳定性约束下进行无线与计算资源优化的能耗最小化问题,构建数据队列与任务队列,采用李雅普诺夫优化理论对问题进行转化和分解,获得能耗与队列的折中关系,并通过仿真分析评估了所提解决方案的有效性。     

无人机辅助移动边缘计算中的任务卸载算法

无人机（UAV）灵活机动、易于部署，可以辅助移动边缘计算（MEC）帮助无线系统提高覆盖范围和通信质量，但UAV辅助MEC系统研究中存在计算延迟需求和资源管理等挑战。针对UAV为地面多个终端设备提供辅助计算服务的时延问题，提出一种基于双延迟深度确定性策略梯度（TD3）的时延最小化任务卸载算法（TD3-TOADM）。首先，将优化问题建模为在能量约束下的最小化最大计算时延的问题；其次，通过TD3-TOADM联合优化终端设备调度、UAV轨迹和任务卸载比来最小化最大计算时延。仿真实验分析结果表明，与分别基于演员-评论家（AC）、深度Q网络（DQN）以及深度确定性策略梯度（DDPG）的任务卸载算法相比，TD3-TOADM得到的计算时延减小了8.2%以上。可见TD3-TOADM能获得低时延的最优卸载策略，具有较好的收敛性和鲁棒性。     

无线供能移动边缘计算系统的安全卸载优化

针对能量受限的多用户移动边缘计算（MEC）系统存在恶意窃听节点的问题,提出一种联合无线能量传输（WPT）和MEC的安全部分计算卸载方案。该方法以系统接入点（AP）能耗最小化为优化目标,在计算延迟、安全卸载和能量捕获约束条件下,联合优化AP能量传输协方差矩阵、本地CPU频率、用户卸载比特数、用户卸载时间分配以及用户传输功率。针对AP能耗最小化问题为非凸问题,首先采用凸差分算法（DCA）将原始非凸问题转换为凸问题,然后采用拉格朗日对偶法以半封闭形式获得问题最优解。当计算任务数为5×10⁵比特时,与本地计算和安全全部计算卸载方法相比,安全部分卸载方案的能量消耗分别降低了61.3%和84.4%;当窃听节点距离超过25 m时,安全部分卸载方案所消耗的能量远小于本地计算和安全全部计算卸载。仿真实验结果表明,在保证物理层安全卸载的情况下,所提方案能够有效降低AP能耗、提高系统性能增益。     

高效节能的无人机多用户携能传输优化研究

无人机携能传输技术可用于提高物联网能效,为能量受限的物联网地面设备补充能量,以支持其完成不中断信息接收任务。面对无人机携能有限的现实条件和其能耗效率提升的需求,本文针对高效节能的无人机-地面通信优化问题进行了研究,综合考虑无人机飞行耗能和地面设备能源需求,对无人机发射功率和功率分割比进行联合优化,并对无人机轨迹和地面设备唤醒时间分配进行设计。研究的节能最大化问题是一个非凸的、分式和混合整数规划问题。针对此问题,本文提出一种基于连续凸逼近（Successive convex approximation, SCA）和经典Dinkelbach方法的交替迭代优化算法。最后仿真结果验证了该算法的有效性和优越性。     

无人机辅助的无线传感网络AoI最小化方案研究

针对无线传感器网络中海量数据处理过程中信息新鲜度问题,基于无人机飞行速度、高度、避碰和可靠传输等约束,以系统信息年龄AoI为考核参数提出了一种联合采集点选择、轨迹优化及无人机工作时间权衡的AoI最小化非凸优化方案。以一个多无人机在同频段条件下为多个传感器节点传输能量并收集传感数据为场景,对多架无人机在三维空间中的信息采集过程进行模拟验证。通过SCA优化算法将建立的非凸问题转化为一个凸优化问题进行求解,最终得到无人机飞行过程中的最优采集点、最优飞行策略及能量输送时间与信息传输时间分配权衡指数,使系统性能达到最优,实验结果表明,所提方案求得的最优解可有效实现系统AoI最小化。     

QoS保障下的无人机传感网安全通信路径规划

在无线传感器网络中,无人机在传感器覆盖区域内定期巡游,以收集传感器感知的数据。由于无线信道的广播性质,信息更容易被地面上的非法节点窃听,无线通信安全受到挑战。通过无人机的轨迹规划和传感器功率控制可以在物理层保障无线通信的安全性。然而,现有研究无人机辅助无线通信路径规划的文献中,没有考虑到用户或节点需要最小通信时间来保证服务质量。针对此问题,在无线传感器网络通信系统中,加入最小通信时间约束,通过联合优化无人机的飞行轨迹、传感器的发送功率和无人机服务传感器的调度顺序,提出平均保密率最大化问题,并证明了其非凸性。为解决所提的非凸问题,将原问题分解为3个子问题,提出了一个应用块坐标下降、连续凸优化、迭代舍入方法的快速收敛迭代算法TPA。实验结果表明,所提算法TPA的平均保密率比未进行轨迹优化的基准算法提高了15.7%,比未进行功率控制的基准算法提高了159.8%。TPA与未加入最小通信时间约束的基准算法相比,在2种不同任务分布情况下,当无人机飞行周期大于70 s时,任务完成率平均提升44.6%和27.1%。     

多设备间任务依赖的最佳卸载决策和资源分配

考虑了多个设备的移动边缘计算(mobile edge computing, MEC)与端对端(device-to-device, D2D)技术协作网络, 其中多个无线设备的最终输出作为另一个设备上某个子任务的输入. 为了最小化无线设备的能耗和任务完成时间的加权和, 研究了最优的资源分配(卸载发射功率和本地CPU频率)和任务卸载决策问题. 首先固定卸载决策, 推导出卸载发射功率和本地CPU频率的闭合表达式, 运用凸优化方法求出该问题的解. 然后基于一次爬升策略提出了一种低复杂度线性搜索算法, 该算法可以在线性时间内获得最佳卸载决策. 数值结果表明, 该策略的性能明显优于其他有代表性的基准测试.     

基于边缘计算的无人机风电场检测系统

风力发电检测面临着提供有效数据检测和处理的难题。借助无人机和边缘计算的优势,可大幅降低风电发电场检测成本。在保证数据准确性的前提下,为最小化无人机能耗,对无人机的轨迹和计算操作联合优化;为克服风对无人机轨迹规划的影响,对无人机飞行速度和卸载位置进行优化;其次,采用拉格朗日对偶法对卸载参数进行优化。仿真结果验证了该方法的有效性。     

多无人机协同直播场景下自适应任务卸载决策

针对多无人机协同执行任务过程中计算量大和能耗高的问题,基于计算卸载原理以及博弈理论,提出一种多无人机自适应任务卸载方案.在方案中首先对系统进行建模,构造出多节点相互制约的移动卸载模型;其次,根据卸载模型分别构建无人机执行任务时的时延与能耗计算方法,通过综合考虑延时和能耗两方面因素,生成系统全局代价函数;然后,设计出基于博弈理论和纳什均衡的自适应任务卸载算法,通过卸载算法与权重的分配实现最优计算节点的选取,实现整个直播系统的代价最小,从而平衡无人机计算时延与能量消耗;最后,与现有卸载模型相比,所提出的方案在任务执行过程中具有较强的移动性,能耗更低且时效性更高.仿真结果验证了所提出理论的有效性,具有现实意义.     

基于任务与巡航方向相关性分析的无人机任务分配

在有限能耗下提高任务执行效率是无人机系统中一个关键问题,然而现有的无人机任务分配方法忽视任务与无人机巡航方向的相关性对能耗和时延的影响。为此,提出一种基于任务与巡航方向相关性分析的无人机任务分配方法,该方法包括任务筛选和基于共识的冲突解决两个阶段。在第一阶段,该方法首先利用任务与无人机巡航方向的夹角为单个无人机筛选出无折返任务,然后提出兼顾能耗和时间紧迫性的任务筛选算法从无折返任务中筛选出交互前候选任务。在第二阶段,该方法在多个无人机交互候选任务列表后,根据任务在这多个无人机巡航方向上的能耗效用参数和时延评估值来解决它们之间的任务冲突。经实验验证,提出的方法能够获得更低的任务平均能耗和平均时延。     

面向斜拉桥索塔巡检的旋翼UAV避障航迹规划

针对斜拉桥索塔巡检的旋翼UAV避障航迹规划问题,提出了一种面向斜拉桥索塔巡检的旋翼UAV避障航迹规划方法。该方法以巡检过程中旋翼UAV的能量消耗为航迹优劣评价指标,利用基于信息熵理论改进后的遗传算法获取能量消耗最少航迹,并提出双圆弧避障策略对航迹上存在斜拉索障碍的局部区域进行航迹重新规划,使之能有效地避让斜拉索障碍,保障旋翼UAV的飞行安全。以咸阳渭城桥索塔的外观巡检为例进行仿真验证,仿真结果表明,所提方法规划的航迹有效地降低了巡检旋翼UAV的能量消耗,确保了巡检旋翼UAV的飞行安全,能够较好地适用于斜拉桥索塔外观巡检。     

大规模无线传感器网络中高效按需充电规划

随着无线充电技术的日趋成熟,特别是磁共振无线充电技术的发展,利用移动充电车和无线充电技术给无线传感器补充能量,以保证无线传感器网络持续运转,成为新的研究热点。为此,主要介绍在大规模的无线传感器网络中,如何调度多个充电车给网络中的待充电传感器补充能量。为了均衡多个充电车的充电任务,缩小整个充电任务的完成时间,提出了充电总耗时最短问题,希望能为多个充电车找到各自的充电路径,使得多个充电车中耗时最长的任务完成时间最短。因为充电总耗时最短问题是一个NP难问题,难以在多项式时间内找到最优解,所以针对该问题提出了一个近似比为5的近似算法。最后用模拟实验证明了算法的性能,实验表明该算法的实际近似比不足2。     

An Efficient Reinforcement Learning Game Framework for UAV-Enabled Wireless Sensor Network Data Collection

With the developing demands of massive-data services, the applications that rely on big geographic data play crucial roles in academic and industrial communities. Unmanned aerial vehicles (UAVs), combining with terrestrial wireless sensor networks (WSN), can provide sustainable solutions for data harvesting. The rising demands for efficient data collection in a larger open area have been posed in the literature, which requires efficient UAV trajectory planning with lower energy consumption methods. Currently, there are amounts of inextricable solutions of UAV planning for a larger open area, and one of the most practical techniques in previous studies is deep reinforcement learning (DRL). However, the overestimated problem in limited-experience DRL quickly throws the UAV path planning process into a locally optimized condition. Moreover, using the central nodes of the sub-WSNs as the sink nodes or navigation points for UAVs to visit may lead to extra collection costs. This paper develops a data-driven DRL-based game framework with two partners to fulfill the above demands. A cluster head processor (CHP) is employed to determine the sink nodes, and a navigation order processor (NOP) is established to plan the path. CHP and NOP receive information from each other and provide optimized solutions after the Nash equilibrium. The numerical results show that the proposed game framework could offer UAVs low-cost data collection trajectories, which can save at least 17.58% of energy consumption compared with the baseline methods.     

Power management in SMAC-based energy-harvesting wireless sensor networks using queuing analysis

One of the most important constraints in traditional wireless sensor networks is the limited amount of energy available at each sensor node. The energy consumption is mainly determined by the choice of media access mechanism. SMAC is a typical access mechanism that has drawn much attention in recent years. In WSNs, sensors are usually equipped with capacity-limited battery sources that can sustain longer or shorter period, depending on the energy usage pattern and the activeness level of sensor nodes. To extend the lifetime of the sensor networks, ambient energy resources have been recently exploited in WSNs. Even though solar radiation is known as the superior candidate, its density varies over time depending on many factors such as solar intensity and cloud states, which makes it difficult to predict and utilize the energy efficiently. As a result, how to design an efficient MAC in a solar energy harvesting based WSN becomes a challenging problem. In this paper, we first incorporate a solar energy-harvesting model into SMAC and conduct its performance analysis from a theoretical aspect. Our research works provide a fundamental guideline to design efficient MAC for energy harvesting based WSNs. Our major contribution includes three folders: firstly, we model solar energy harvesting in a photovoltaic cell and then derive the throughput of SMAC in the energy-harvesting based WSNs. Second, we develop a new model based on queuing theory to calculate the average number of energy packets in battery in terms of both duty cycle and throughput. Finally, we form an optimization problem to find a suitable range for the duty cycle to satisfy both quality of service (QoS) and network lifetime requirements.     

基于轨迹受限的移动Sink低能耗数据收集协议

无线传感器网络数据收集的能耗问题一直以来都是研究的热点。本文主要研究基于移动Sink轨迹受限的数据收集协议。首先针对轨迹受限的无线传感网络提出一种通用的系统模 型,将该问题形式化为最大化降低全网总路径长度轨迹设计问题 (Maximizing total length reduction for constrained trajectory, MTRC),并证明了MTRC为NP-Hard问题;然后设计一种轨迹约束低能耗贪心算法 (Trajectory constrain of low energy consumption, TCLEC),通过 TSP近似算法设计最大化降低有效长度的Sink移动轨迹。理论分析和仿真实验结果表明,TCLEC在网络拓扑数据收集树的初始化以及优化方面是高效的,并且相对于同类基于移动Sink的无线传感网络分层数据收集方法,其能耗降低了7%左右。