基于無人機(jī)無線能量傳輸?shù)倪吘売?jì)算系統(tǒng)能耗優(yōu)化方法研究

盧為黨 詹悅者 花俏枝 高 原 曹 江 韓會(huì)梅 黃國(guó)興

①(浙江工業(yè)大信息工程學(xué)院 杭州 310023)

②(湖北文理學(xué)院計(jì)算機(jī)工程學(xué)院 襄陽 441053)

③(中國(guó)人民解放軍軍事科學(xué)院 北京 100091)

1 引言

隨著物聯(lián)網(wǎng)以及 5G, 6G 技術(shù)的快速發(fā)展，接入網(wǎng)絡(luò)中的移動(dòng)設(shè)備數(shù)量急劇增長(zhǎng)，數(shù)以億計(jì)的移動(dòng)智能設(shè)備彼此互聯(lián)，進(jìn)行數(shù)據(jù)傳輸和信息交換，各種智能應(yīng)用和服務(wù)也應(yīng)運(yùn)而生。與此同時(shí)，這些移動(dòng)設(shè)備及相關(guān)應(yīng)用產(chǎn)生的數(shù)據(jù)量呈現(xiàn)爆炸式增長(zhǎng)[1]。然而，大多數(shù)移動(dòng)設(shè)備的計(jì)算能力較低，電池容量有限[2]。因此，如何為處理大量計(jì)算任務(wù)的設(shè)備提供可持續(xù)的、具有成本效益的能源供應(yīng)是物聯(lián)網(wǎng)面臨的一個(gè)重要問題[3]。

移動(dòng)邊緣計(jì)算(Mobile Edge Computing,MEC)和無線能量傳輸技術(shù)(Wireless Power Transfer,WPT)是能夠有效解決上述問題的關(guān)鍵技術(shù)[4]。MEC通過將具有計(jì)算、存儲(chǔ)以及通信功能的服務(wù)平臺(tái)安置在網(wǎng)絡(luò)邊緣，幫助移動(dòng)終端用戶把計(jì)算密集和時(shí)延敏感型任務(wù)卸載到邊緣節(jié)點(diǎn)進(jìn)行快速處理[5]。MEC通常有兩種卸載模式，部分卸載和0-1卸載。在第1種模式下，計(jì)算任務(wù)被分成兩部分，一部分在本地執(zhí)行，另一部分卸載到MEC服務(wù)器上進(jìn)行計(jì)算[6]。在第2種模式下，計(jì)算任務(wù)無法進(jìn)行分解，只能在本地執(zhí)行或進(jìn)行完全卸載[7]。

然而，邊緣計(jì)算主要依靠地面固定的基站或設(shè)備作為MEC服務(wù)器給用戶提供計(jì)算和存儲(chǔ)服務(wù)，很難靈活地為移動(dòng)用戶提供便捷的邊緣計(jì)算服務(wù)。無人機(jī)(Unmanned Aerial Vehicle, UAV)具有快速部署和靈活運(yùn)動(dòng)的特點(diǎn)，將MEC服務(wù)器布置在UAV，能夠?yàn)橐苿?dòng)用戶提供更加快速的邊緣計(jì)算服務(wù)[8–10]。文獻(xiàn)[11]在無人機(jī)輔助MEC系統(tǒng)中提出了一種優(yōu)化迭代算法，實(shí)現(xiàn)了MEC系統(tǒng)的最大保密容量，進(jìn)一步提高了系統(tǒng)的保密性能。文獻(xiàn)[12]提出了用無人機(jī)作為計(jì)算節(jié)點(diǎn)和中繼節(jié)點(diǎn)來改善UAV-MEC網(wǎng)絡(luò)中的平均用戶延遲，利用低復(fù)雜度的近似算法來求解問題，最小化所有UAV的平均延遲。文獻(xiàn)[13]研究了計(jì)算效率最大化問題，聯(lián)合優(yōu)化計(jì)算調(diào)度、無人機(jī)3D軌跡、帶寬分配和傳輸功率控制，使卸載數(shù)據(jù)量最大化，最大限度地減少無人機(jī)能耗，同時(shí)保證下行鏈路中用戶的QoS。

WPT通過收集射頻(Radio Frequency, RF)信號(hào)的能量，能夠?yàn)榈凸囊苿?dòng)設(shè)備提供可持續(xù)和經(jīng)濟(jì)的能源供應(yīng)[14]。然而，RF信號(hào)在長(zhǎng)距離傳輸中的嚴(yán)重傳輸損耗降低了實(shí)際WPT的性能[15]。通過UAV 的視距傳輸以WPT方式為地面用戶提供能量傳輸可以有效提高WPT的能量傳輸效率[16,17]。因此，基于無人機(jī)無線能量傳輸?shù)腗EC系統(tǒng)不僅能夠?yàn)榈孛婀?jié)點(diǎn)進(jìn)行快速的邊緣計(jì)算，還可以給地面節(jié)點(diǎn)提供可持續(xù)的能量補(bǔ)給，有效提高系統(tǒng)的能量效率。文獻(xiàn)[18]針對(duì)無線供電MEC系統(tǒng)，通過對(duì)CPU頻率、卸載量、發(fā)射功率和無人機(jī)軌跡的聯(lián)合優(yōu)化，提出了一種最小化無人機(jī)總所需能量的優(yōu)化問題。文獻(xiàn)[19]在無線能量傳輸因果約束和無人機(jī)速度約束下，研究了基于無人機(jī)無線能量傳輸MEC系統(tǒng)的計(jì)算速率最大化問題。

然而現(xiàn)有工作沒有對(duì)能量收集時(shí)間進(jìn)行優(yōu)化，并且沒有考慮系統(tǒng)的能耗問題。因此，本文提出一種基于無人機(jī)無線能量傳輸和邊緣計(jì)算的系統(tǒng)能耗優(yōu)化方法，在所提方法中，通過聯(lián)合優(yōu)化能量收集時(shí)間、用戶發(fā)射功率和卸載決策，最小化系統(tǒng)總能耗。本文的主要貢獻(xiàn)如下：

(1) 充分考慮了能量收集與計(jì)算卸載過程中系統(tǒng)時(shí)延、用戶發(fā)射功率、計(jì)算能力和無人機(jī)傳輸能力限制，通過聯(lián)合優(yōu)化能量收集時(shí)間、用戶發(fā)射功率，最小化系統(tǒng)總能耗。

(2) 利用塊坐標(biāo)下降法(Block Coordinate Descent, BCD)，將優(yōu)化問題分解為兩個(gè)子問題。首先給定初始的卸載策略優(yōu)化能量收集時(shí)間，然后通過深度搜索的方法優(yōu)化卸載策略，通過交替優(yōu)化來獲取最優(yōu)解，實(shí)現(xiàn)對(duì)系統(tǒng)資源分配的優(yōu)化。

(3) 仿真結(jié)果表明，所提方案的計(jì)算性能優(yōu)于其他基準(zhǔn)方案，顯著減少系統(tǒng)能耗。

2 系統(tǒng)模型

圖1 系統(tǒng)模型

圖2 時(shí)分結(jié)構(gòu)

2.1 本地計(jì)算

假設(shè)用戶在1個(gè)時(shí)隙中需要處理的計(jì)算任務(wù)的數(shù)據(jù)量為Ci，處理1 bit計(jì)算任務(wù)需要的CPU轉(zhuǎn)數(shù)為K，則1個(gè)時(shí)隙內(nèi)需要的總CPU轉(zhuǎn)數(shù)為CiK。假設(shè)在1個(gè)時(shí)隙內(nèi)CPU頻率保持不變，則本地計(jì)算的能耗為

2.2 卸載計(jì)算

MEC服務(wù)器相比用戶具有很高的計(jì)算能力，因此本文忽略了UAV處理計(jì)算任務(wù)并將輸出結(jié)果回傳給用戶所需的時(shí)間和能量消耗[20]。

2.3 能量收集

用戶Ui收集到的能量為[18]

2.4 用戶電池電量

3 問題描述

進(jìn)行卸載計(jì)算或本地計(jì)算必須能完成用戶的計(jì)算任務(wù)，條件式(11)表示處理計(jì)算任務(wù)的能耗必須小于電池電量。

3.1 解決方法

3.2 優(yōu)化時(shí)隙τ

3.3 優(yōu)化卸載決策αi

4 仿真結(jié)果

本節(jié)給出數(shù)值結(jié)果來說明本文所提基于無人機(jī)無線能量傳輸?shù)倪吘売?jì)算系統(tǒng)能耗優(yōu)化的性能。無人機(jī)的服務(wù)半徑為D = 100 m，用戶數(shù)量L = 6，用戶在一條從無人機(jī)正下方到服務(wù)區(qū)域最遠(yuǎn)點(diǎn)間的直線上均勻分布，其余仿真參數(shù)設(shè)置如表2所示。

表2 仿真參數(shù)設(shè)置

圖3展示了系統(tǒng)總能耗和計(jì)算任務(wù)數(shù)據(jù)量之間的關(guān)系。從圖3可以清晰地看出系統(tǒng)總能耗會(huì)隨著數(shù)據(jù)量的增加而增加。這是因?yàn)楦嗟挠?jì)算任務(wù)意味著需要更多的計(jì)算資源，為了在規(guī)定時(shí)間內(nèi)完成計(jì)算任務(wù)，無論是本地計(jì)算或者計(jì)算卸載，都會(huì)要求更高的CPU頻率或者發(fā)射功率。在圖3中還可以看出，本文所提方法的系統(tǒng)能耗要比其他3種方法都少。在只進(jìn)行本地計(jì)算方法中，由于用戶的計(jì)算能力有限，為了在規(guī)定時(shí)間內(nèi)完成計(jì)算任務(wù)，CPU頻率將長(zhǎng)時(shí)間處于高頻狀態(tài)，所以系統(tǒng)能耗很高。當(dāng)固定能量收集時(shí)間過長(zhǎng)時(shí)，用戶將只有很短時(shí)間完成本地完成計(jì)算任務(wù)或卸載到無人機(jī)，這會(huì)使用戶CPU頻率過高或發(fā)射功率過大，當(dāng)能量收集時(shí)間太短時(shí)，整個(gè)時(shí)隙收集到的能量非常少，導(dǎo)致系統(tǒng)總能耗大于本文所提方法。在計(jì)算任務(wù)數(shù)據(jù)量為100 kB時(shí)，本文提出的算法相較固定能量收集時(shí)間為0.3 s和0.7 s，系統(tǒng)總能耗減少了64.01%和35.71%。

圖3 系統(tǒng)總能耗隨計(jì)算任務(wù)數(shù)據(jù)量變化

表1 優(yōu)化過程

圖4展示了系統(tǒng)總能耗和用戶數(shù)量之間的關(guān)系。從圖中可以看出系統(tǒng)總能耗會(huì)隨著用戶數(shù)量的增加而增加，這是因?yàn)楦嗟挠脩粢馕吨峙浣o每個(gè)用戶處理計(jì)算任務(wù)的時(shí)間減少了，為了在規(guī)定時(shí)間內(nèi)完成計(jì)算任務(wù)，勢(shì)必會(huì)消耗更多的能量。從圖4還可以看出，本文所提方法的系統(tǒng)能耗要比其他3種方法都少。在只進(jìn)行本地計(jì)算方法中，用戶數(shù)量的增加意味著計(jì)算任務(wù)數(shù)量的增加，系統(tǒng)能耗也隨之增加。當(dāng)固定能量收集時(shí)間過長(zhǎng)時(shí)，用戶將只有很短時(shí)間完成本地計(jì)算任務(wù)或卸載到無人機(jī)，用戶數(shù)量的增加會(huì)進(jìn)一步導(dǎo)致分配到每個(gè)用戶處理計(jì)算任務(wù)的時(shí)間變短，當(dāng)能量收集時(shí)間太短時(shí)，整個(gè)時(shí)隙收集到的能量非常少，但隨著用戶數(shù)量的增加，每個(gè)用戶處理計(jì)算任務(wù)的時(shí)間卻只有微不足道的增加，導(dǎo)致系統(tǒng)總能耗大于本文所提方法。

圖4 系統(tǒng)總能耗隨用戶數(shù)量變化

圖5展示了在不同計(jì)算任務(wù)數(shù)據(jù)量的情況下，能量收集時(shí)間隨用戶數(shù)量的變化關(guān)系，圖6展示了在不同用戶數(shù)量的情況下，能量收集時(shí)間隨計(jì)算任務(wù)數(shù)據(jù)量的變化關(guān)系。從圖中可以看出，當(dāng)用戶數(shù)量變多或者計(jì)算任務(wù)數(shù)據(jù)量增加時(shí)，能量收集時(shí)間會(huì)隨之減少。這是因?yàn)楫?dāng)用戶數(shù)量變多和計(jì)算任務(wù)數(shù)據(jù)量增加，系統(tǒng)需要更多的計(jì)算時(shí)間來滿足所有用戶完成計(jì)算任務(wù)，所以能量收集的時(shí)間就會(huì)減少。

圖5 能量收集時(shí)間隨用戶數(shù)量變化

圖6 能量收集時(shí)間隨計(jì)算任務(wù)數(shù)據(jù)量變化

5 結(jié)束語

本文提出了一種基于無人機(jī)無線能量傳輸邊緣計(jì)算系統(tǒng)的能耗優(yōu)化方法，通過聯(lián)合優(yōu)化能量收集時(shí)間、用戶發(fā)射功率和卸載決策，最小化系統(tǒng)總能耗。利用塊坐標(biāo)下降法、變量替換等方法，將優(yōu)化凸問題轉(zhuǎn)化為凸優(yōu)化問題，通過交替優(yōu)化算法獲得優(yōu)化解。通過仿真驗(yàn)證說明了本文提出的方法和理論分析的有效性。