技术摘要：
本发明公开了一种基于边缘计算动态任务到达的多无人机路径规划方法，包括：建立多无人机协同服务用户的系统模型；构建多无人机路径规划问题；将问题简化为单个时隙内的优化问题；将优化问题分解为用户频率优化子问题和多无人机路径优化与用户关联子问题的联合优化问题  全部
背景技术：
随着时代的发展和用户对通信及数据处理的需求，无人机结合小型基站实时为地 面用户提供通信服务已得到广泛应用。而考虑到无人机自身能耗限制，为了最大化无人机 的工作能效，需要对无人机的飞行路径进行合理规划。 通过优化其飞行路径，无人机可以往偏向用户的方向飞行，从而缩短两者之间的 距离，提高信道容量。但是，过于靠近某一用户又意味着与其他用户距离变远(假设用户在 某一范围内均匀分布)，导致远端用户的通信服务质量变差。与此同时，频繁的移动会导致 无人机的耗能过多，缩短其服务时间。因此，设置一条合理的飞行路径，在满足每个用户需 求的同时最大化系统效能是无人机研究方向的重点所在。论文1“Joint  Trajectory  and  Communication  Design  for  UAV-Enabled  Multiple  Access”利用连续凸优化技术来规划 无人机基站的飞行路径。在无人机飞行速度的限制下，该文将问题首先建模为非凸混合整 数优化问题，其次再通过迭代算法将问题根据优化变量的不同进行分解，最终再利用连续 凸优化技术来解得无人机最优飞行轨迹。从而最大化最小吞吐量，保证公平性的同时显著 提升了系统性能。论文2“Joint  Trajectory  and  Communication  Design  for  Multi-UAV  Enabled  Wireless  Networks”在论文1的基础上设想了多无人机作为基站的通信模型。利 用多无人机协同服务地面用户来进一步提升了系统的吞吐量。不同于论文2考虑多无人机， 论文3“Common  Throughput  Maximization  in  UAV-Enabled  OFDMA  Systems  With  Delay  Consideration”为了更好的服务用户，考虑到了用户所提出的延迟限制。并进一步在OFDM 通信机制的基础上，利用连续凸优化技术规划出最佳无人机路径。 综上所述，现阶段对无人机的路径规划方案并没有考虑无人机的能量消耗，并且 在无人机服务用户的过程中忽略了基站服务器本身处理能力受限而带来的等待延迟。同 时，单无人机路径规划由于自身能力受限，存在大范围区域内通信效能低下的情况。
技术实现要素：
本发明的目的在于提供一种基于边缘计算动态任务到达的多无人机路径规划方 法。 实现本发明目的的技术解决方案为：基于边缘计算动态任务到达的多无人机路径 规划方法，所述方法包括： 步骤1，建立多无人机协同服务地面用户的系统模型； 步骤2，基于系统模型构建整个周期内的多无人机路径规划问题； 步骤3，利用Lyapunov队列优化理论简化所述整个周期内的多无人机路径规划问 题，获得单个时隙内的优化问题； 8 CN 111552313 A 说　明　书 2/13 页 步骤4，按照时间顺序，依次对每个所述单个时隙内的优化问题进行进一步优化： 将所述单个时隙内的优化问题分解为用户频率优化子问题和多无人机路径优化与用户关 联子问题的联合优化问题，并求解两个子问题。 进一步地，步骤1所述建立多无人机协同服务地面用户的系统模型，具体包括： 步骤1-1，定义地面用户的相关变量，包括： 定义用户数量为K； 定义用户地理位置： zk＝(xk,yk) ,k∈{1,2,…K} 式中，zk为第k个用户的地理位置，(xk,yk)为第k个用户的地理位置坐标； 步骤1-2，定义无人机的相关变量，包括： 定义无人机服务用户的任务周期 该式表示一个任务周期 内包括T个时隙，每个时隙的长度均为δ； 定义无人机数量集 该式表示无人机数量集 包括N个无人机； 定义每个无人机的飞行高度： Hn表示第n个无人机的飞行高度； 定义每个无人机在单个时隙的水平位置： 式中，wn(t)为第n个无人机在第t个时隙的水平位置，(xn(t) ,yn(t))为第n个无人 机在第t个时隙的水平位置坐标， 定义每个无人机在单个时隙内的水平飞行速度： 式中，νn(t)表示第n个无人机在第t个时隙内的水平飞行速度，νmax为单个时隙无 人机所能达到的最大水平飞行速度，其值自定义设置； 步骤1-3，构建数据传输模型，包括： 定义二进制变量αk ,n(t)，该变量表示在第t个时隙内第n个无人机与第k个用户之 间建立通信链接；记该二进制变量为用户关联变量； 对所述二进制变量αk,n(t)进行条件限制，所用公式为： 定义第n个无人机与第k个用户之间在单个时隙的上传速率： 9 CN 111552313 A 说　明　书 3/13 页 其中，Rk,n(t)表示第n个无人机与第k个用户之间在第t个时隙的上传速率，hk,n(t) 表示第k个用户与第n个无人机之间的信道增益，公式为： 式中，ρ0为单位距离内的信道增益，σ2为AWGN功率，p0为用户发射功率； 根据二进制变量αk ,n(t)和上传速率Rk ,n(t)计算在单个时隙内无人机与用户之间 传输的数据量大小： 式中， 表示在第t个时隙内第n个无人机与第k个用户之间传输的数据量大 小，B为信道带宽； 步骤1-4，构建任务队列模型，具体包括： (1)构建单个时隙用户端任务队列集合： 式中，Qk(t)表示在第t个时隙第k个用户的任务队列，在t＝0时，初始化Qk(t)＝0； 在第t 1个时隙第k个用户的任务队列Qk(t 1)为： 式中，ak(t)表示第k个用户在第t个时隙接收任务量的大小， 表示第k个用 户在第t个时隙上传给无人机的任务量总和， 表示第k个用户在第t个时隙处理完成 的本地任务量大小，公式为： 式中，ζk表示第k个用户每计算1bit的任务量所需的CPU转数， 表示第k个用 户在第t个时隙内的CPU计算频率； (2)构建单个时隙无人机端的任务队列集合： 式中，Mk,n(t)表示在第t个时隙第n个无人机为第k个用户所储存的任务队列长度， 在t＝0时，初始化Mk ,n(t)＝0；在第t 1个时隙第n个无人机为第k个用户所储存的任务队列 长度Mk,n(t 1)为： 其中， 表示第n个无人机为第k个用户在第t个时隙内所 10 CN 111552313 A 说　明　书 4/13 页 处理任务量的大小， 表示第n个无人机在第t个时隙内为第k个用户分配的处理频率； 步骤1-5，构建能量队列模型，具体包括： (1)构建单个时隙用户端的计算能耗： 其中， 表示第k个用户在第t个时隙内的计算能耗，公式为： 式中，γ为有效开关电容常数； (2)构建单个时隙无人机端的能量队列集合： 式中，En(t)表示第n个无人机在第t个时隙内电池电量的大小，在t＝0时，初始化En (t)＝0；第n个无人机在第t 1个时隙内电池电量的大小En(t 1)为： 其中， 表示在第t个时隙内第n个无人机所吸收的太阳能量，且当无人机电池 电量充满时，该值为0； 分别表示第n个无人机在第t个时隙内的计算能耗和飞 行能耗，表达式分别为： 式中，κ＝0.5Mδ，M为无人机的重量，单个时隙单无人机耗能总和限制为： 进一步地，步骤2所述基于系统模型构建整个周期内的多无人机路径规划问题，具 体包括： 步骤2-1，定义时间平均函数并给出限制条件，具体包括： 定义所有无人机在单个时隙飞行的能耗总和为 其时间平均函 数为： 式中， 表示期望值； 定义所有用户耗能总和的时间平均函数为： 定义用户端的任务队列、无人机端的任务队列以及能量队列的时间平均函数分别 为： 11 CN 111552313 A 说　明　书 5/13 页 对以上时间平均函数限制如下： 步骤2-2，定义问题优化变量，具体包括： 定义待优化用户CPU频率Flocal： 定义用户关联变量A： 定义多无人机整个周期内的飞行路径W： 步骤2-3，基于步骤2-1和步骤2-2，构建整个周期内的多无人机路径规划问题如 下： 进一步地，步骤3所述利用Lyapunov队列优化理论简化所述整个周期内的多无人 机路径规划问题，获得单个时隙内的优化问题，具体过程包括： 步骤3-1，定义李雅普诺夫函数： 12 CN 111552313 A 说　明　书 6/13 页 步骤3-2，定义李雅普诺夫漂移惩罚函数： 式中， VUAV与VUE分别为控制用户和无人机 能耗最小这一优化目标，在整个问题中所占权重的扰动参数； 步骤3-3，利用Lyapunov队列优化理论确定李雅普诺夫漂移惩罚函数的上界为： 式中，C为常数， 由此将整个周期内的多无人机路径规划问题分解为单个时隙内的优化问题。 进一步地，步骤4所述将所述单个时隙内的优化问题分解为用户频率优化问题和 多无人机路径优化与用户关联联合优化问题，并求解两个子问题，具体包括： 步骤4-1，根据用户频率变量、多无人机位置变量以及用户关联变量，将单个时隙 内的优化问题分解为用户频率优化子问题和多无人机路径优化与用户关联子问题的联合 优化问题； 步骤4-2，利用三次函数求解用户频率优化子问题的极值，作为其最优解； 步骤4-3，求解多无人机路径优化与用户关联子问题，具体过程包括： 步骤4-3-1，将所述多无人机路径优化与用户关联子问题分解为单无人机路径优 化与用户关联子问题； 步骤4-3-2，求取单无人机路径优化与用户关联子问题，过程包括： 步骤4-3-2-1，初始化迭代次数r＝0，以及无人机初始位置w0(t)； 步骤4-3-2-2，根据无人机位置wr(t)，利用线性松弛法求解用户关联变量αr 1(t)； 步骤4-3-2-3，根据所述用户关联变量αr 1(t)，优化单无人机位置wr 1(t)，具体包 括： (1)利用李普希兹连续和泰勒展开求解上传速率的凸上下界，将优化单无人机位 置wr 1(t)的问题转化为凸问题； (2)利用凸优化工具求解所述凸问题； 步骤4-3-2-4、更新迭代次数r＝r 1，若r＜r0，返回执行步骤4-3-2-2，否则停止迭 代。 13 CN 111552313 A 说　明　书 7/13 页 本发明与现有技术相比，其显著优点为：1)增加了多个无人机的多个任务和能量 队列，使得系统所有队列能够在短时间内快速趋于稳定；2)增加了调度限制条件，保证了多 无人机之间的协作通信；3)将李雅普诺夫队列优化理论和块迭代下降算法结合，有效降低 了问题求解复杂度；4)仿真结果显示多无人机服务地面用户系统相对单无人机系统而言， 系统能效显著提升。 下面结合附图对本发明作进一步详细描述。 附图说明 图1为一个实施例中基于边缘计算动态任务到达的多无人机路径规划方法的流程 图。 图2为一个实施例中基于边缘计算动态任务到达的无人机系统的路径优化算法仿 真结果图。 图3为一个实施例中针对某一用户的队列长度随时间变化仿真结果图，其中图(a) 为某一用户端任务队列长度随时间变化仿真图，图(b)为该用户分别在不同无人机端任务 队列长度随时间变化仿真结果图。