本发明实施例提供一种基于空天地远程物联网的计算卸载方法及系统，该方法包括：根据物联网终端本地计算能耗、无人机边缘计算卸载能耗、无人机飞行能耗、卫星云计算卸载能耗和无人机边缘计算能耗，构建总能耗目标函数；根据所述总能耗目标函数，获取总能耗最优计算卸载方案；根据所述总能耗最优计算卸载方案，对空天地远程物联网的计算卸载进行调整。本发明实施例根据不同时隙下的资源分配问题，提出联合优化卸载资源分配、用户调度变量、计算卸载分配和无人机轨迹规划的计算卸载方法，获取在若干限制条件下的空天地远程物联网络下的最优计算卸载方案，从而减少系统总能耗。
1.一种基于空天地远程物联网的计算卸载方法，其特征在于，包括：
根据物联网终端本地计算能耗、无人机边缘计算卸载能耗、无人机飞行能耗、卫星云计算卸载能耗和无人机边缘计算能耗，构建总能耗目标函数，其中：所述物联网终端本地计算能耗是通过本地计算任务量、任务完成时长获取得到的，公式为：其中， 表示第k个物联网终端的本地计算能耗，αkLk表示第k个物联网终端的本地计算任务量，G表示有效切换容量和任务执行完成概率的常数，T表示系统总周期；
所述无人机边缘计算卸载能耗是通过以下公式获取得到的：
其中， 表示第k个物联网终端的边缘计算卸载量在第n个时隙卸载到第m个无人机的能耗， 表示第k个物联网终端在第n个时隙传输到第m个无人机的边缘计算卸载量，B表示通信带宽，σ2表示物联网终端的噪声功率，λ表示每个时隙中包含有λ个子时隙；
表示在第n个时隙，第k个物联网终端到第m个无人机上行链路的信道功率增益遵循的自由空间损耗模型；
所述无人机飞行能耗是通过无人机飞行推进能源消耗模型获取得到的，所述无人机飞行推进能源消耗模型为：其中， 表示第m个无人机在第n个时隙的飞行能耗，vm[n]表示第n个时隙下第m个无人机的速度，Δ表示时隙的长度，qm[n+1]表示第n+1个时隙第m个无人机的飞行轨迹，qm[n]表示第n个时隙第m个无人机的飞行轨迹；c＝0.5QΔ，表示无人机飞行能耗参数，Q表示无人机的质量；
其中， 表示第k个物联网终端在第n个时隙卸载卸载到卫星的能耗， 表示第k个物联网终端在第n个时隙传输到卫星的云计算卸载量，B表示通信带宽，σ2表示物联网终端的噪声功率，λ表示每个时隙中包含有λ个子时隙； 表示在第n个时隙，第k个物联网终端到卫星上行链路的信道功率增益遵循的资源空间损耗模型；
其中， 表示第m个无人机对第k个物联网终端的边缘计算任务量的计算能耗，βk,mLk表示第k个物联网终端在第k个无人机的边缘计算任务量，G表示有效切换容量和任务执行完成概率的常数，T表示系统周期长度；
设置二进制变量 当 时，表示在第n个时隙时，第m个无人机为第k个物联网终端服务，否则， 设置二进制变量 当 时，表示在第n个
时隙，LEO卫星为第k个物联网终端服务，否则， 设置物联网终端调度和关联卸载资源分配 卸载计算分配 无人机轨迹 构建总能
其中，K表示物联网终端个数，M表示无人机个数；每个物联网终端k都有一个计算密集型任务 将计算密集型任务Lk的一部分αk作为本地计算，βk,m表示迁移(卸载)到无人机在上行进行边缘计算；第k个物联网终端的水平坐标为qk＝(xk，yk)T，T第m个无人机在t时刻的飞行轨迹为qm(t)＝(x(t)，y(t)) ，高度固定为H；定义其中， 表示总周期T中有相邻下一时隙的时隙集合， 表示卸载时隙集合；Vmax表示无人机的最大速度，单位m/s；dmin表示无人机为确保避碰的最小间距离，单位为m；θ表示无人机的固定角度；
根据所述总能耗目标函数，获取总能耗最优计算卸载方案，包括：将所述总能耗目标函数中约束条件的二元变量松弛为连续变量，得到约束条件松弛后的总能耗目标函数；根据线性规划、拉格朗日对偶分解法和连续凸优化方法，对约束条件松弛后的总能耗目标函数进行求解，得到总能耗最优计算卸载方案；
根据所述总能耗最优计算卸载方案，对空天地远程物联网的计算卸载进行调整。
2.一种基于空天地远程物联网的计算卸载系统，其特征在于，包括：
效用构建模块，用于根据物联网终端本地计算能耗、无人机边缘计算卸载能耗、无人机飞行能耗、卫星云计算卸载能耗和无人机边缘计算能耗，构建总能耗目标函数，其中：所述物联网终端本地计算能耗是通过本地计算任务量、任务完成时长获取得到的，公式为：其中， 表示第k个物联网终端的本地计算能耗，αkLk表示第k个物联网终端的本地计算任务量，G表示有效切换容量和任务执行完成概率的常数，T表示系统总周期；
所述无人机边缘计算卸载能耗是通过以下公式获取得到的：
其中， 表示第k个物联网终端的边缘计算卸载量在第n个时隙卸载到第m个无人机的能耗， 表示第k个物联网终端在第n个时隙传输到第m个无人机的边缘计算卸载量，B表示通信带宽，σ2表示物联网终端的噪声功率，λ表示每个时隙中包含有λ个子时隙；
表示在第n个时隙，第k个物联网终端到第m个无人机上行链路的信道功率增益遵循的自由空间损耗模型；
所述无人机飞行能耗是通过无人机飞行推进能源消耗模型获取得到的，所述无人机飞行推进能源消耗模型为：其中， 表示第m个无人机在第n个时隙的飞行能耗，vm[n]表示第n个时隙下第m个无人机的速度，Δ表示时隙的长度，qm[n+1]表示第n+1个时隙第m个无人机的飞行轨迹，qm[n]表示第n个时隙第m个无人机的飞行轨迹；c＝0.5QΔ，表示无人机飞行能耗参数，Q表示无人机的质量；
其中， 表示第k个物联网终端在第n个时隙卸载卸载到卫星的能耗， 表示第k个物联网终端在第n个时隙传输到卫星的云计算卸载量，B表示通信带宽，σ2表示物联网终端的噪声功率，λ表示每个时隙中包含有λ个子时隙； 表示在第n个时隙，第k个物联网终端到卫星上行链路的信道功率增益遵循的资源空间损耗模型；
其中， 表示第m个无人机对第k个物联网终端的边缘计算任务量的计算能耗，βk,mLk表示第k个物联网终端在第k个无人机的边缘计算任务量，G表示有效切换容量和任务执行完成概率的常数，T表示系统周期长度；
设置二进制变量 当 时，表示在第n个时隙时，第m个无人机为第k个物联网终端服务，否则， 设置二进制变量 当 时，表示在第n个
时隙，LEO卫星为第k个物联网终端服务，否则， 设置物联网终端调度和关联卸载资源分配 卸载计算分配无人机轨迹 构建总能耗
其中，K表示物联网终端个数，M表示无人机个数；每个物联网终端k都有一个计算密集型任务 将计算密集型任务Lk的一部分αk作为本地计算，βk,m表示迁移(卸载)到无人机在上行进行边缘计算；第k个物联网终端的水平坐标为qk＝(xk，yk)T，第m个无人机在t时刻的飞行轨迹为qm(t)＝(x(t)，y(t))T，高度固定为H；定义其中， 表示总周期T中有相邻下一时隙的时隙集合， 表示卸载时隙集合；Vmax表示无人机的最大速度，单位m/s；dmin表示无人机为确保避碰的最小间距离，单位为m；θ表示无人机的固定角度；
处理模块，用于根据所述总能耗目标函数，获取总能耗最优计算卸载方案，包括：将所述总能耗目标函数中约束条件的二元变量松弛为连续变量，得到约束条件松弛后的总能耗目标函数；根据线性规划、拉格朗日对偶分解法和连续凸优化方法，对约束条件松弛后的总能耗目标函数进行求解，得到总能耗最优计算卸载方案；
计算卸载调整模块，用于根据所述总能耗最优计算卸载方案，对空天地远程物联网的计算卸载进行调整。
3.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1所述基于空天地远程物联网的计算卸载方法的步骤。
4.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1所述基于空天地远程物联网的计算卸载方法的步骤。
一种基于空天地远程物联网的计算卸载方法及系统
技术领域
[0001] 本发明涉及网络计算卸载技术领域，尤其涉及一种基于空天地远程物联网的计算卸载方法及系统。
背景技术
[0002] 随着5G的快速发展，出现了越来越多的在线移动应用和服务，如虚拟现实，高清直播和工业自动化等，也带来了超高数据速率，低延迟，高可靠性和大规模连接等优点。然而，除了高效可靠的通信外，广泛的应用还需要大量的计算能力。例如，环境监控中传感信息的融合，智能电网中高清晰度声音或视频信息的处理，军事演练中需要对大量多媒体数据进行处理以及在紧急救援部署中的目标识别，这些计算密集型任务对资源受限的终端设备(尤其是物联网终端)的电池和计算能力构成巨大挑战。因此，计算密集型任务对资源受限的终端设备(尤其是尺寸有限、功耗较低的物联网设备)的电池和计算能力带来巨大挑战。
[0003] 面对这个问题，移动边缘计算(Mobile Edge Computing，简称MEC)作为一种有发展前景的解决方案，受到了的广泛关注。MEC提供有效和灵活的计算服务，可以降低物联网终端对计算能力和电源的性能要求，还可以缩短计算密集型任务的计算延迟。同时，在基站等基础设施有限甚至没有的情况下，无人机(Unmanned Aerial Vehicle，简称UAV)可以为物联网终端提供卸载机会并降低计算能耗，这是由于无人机有着灵活的机动性和低成本的优势，从而获得高概率的视距(LoS)空对地通道。无人机辅助边缘计算可以进行计算卸载，并且可以部署在离物联网终端很近的地方，从而节约设备能源、提供低延迟服务，并且安全可靠。
[0004] 目前，基于空天地远程物联网的计算卸载的研究较少，该架构下的计算卸载并未得到较好的分配。因此，现在亟需一种基于空天地远程物联网的计算卸载方法及系统来解决上述问题。
发明内容
[0005] 针对现有技术存在的问题，本发明实施例提供一种基于空天地远程物联网的计算卸载方法及系统。
[0006] 第一方面，本发明实施例提供了一种基于空天地远程物联网的计算卸载方法，包括：
[0007] 根据物联网终端本地计算能耗、无人机边缘计算卸载能耗、无人机飞行能耗、卫星云计算卸载能耗和无人机边缘计算能耗，构建总能耗目标函数；
[0008] 根据所述总能耗目标函数，获取总能耗最优计算卸载方案；
[0009] 根据所述总能耗最优计算卸载方案，对空天地远程物联网的计算卸载进行调整。
[0010] 进一步地，所述根据所述总能耗目标函数，获取总能耗最优计算卸载方案，包括：
[0011] 将所述总能耗目标函数中约束条件的二元变量松弛为连续变量，得到约束条件松弛后的总能耗目标函数；
[0012] 根据线性规划、拉格朗日对偶分解法和连续凸优化方法，对约束条件松弛后的总能耗目标函数进行求解，得到总能耗最优计算卸载方案。
[0013] 进一步地，所述物联网终端本地计算能耗是通过本地计算任务量、任务完成时长获取得到的，公式为：
[0014]
[0015] 其中， 表示第k个物联网终端的本地计算能耗，αkLk表示第k个物联网终端的本地计算任务量，G表示有效切换容量和任务执行完成概率的常数，T表示系统周期长度。
[0016] 进一步地，所述无人机边缘计算卸载能耗是通过以下公式获取得到的：
[0017]
[0018] 其中， 表示第k个物联网终端的边缘计算卸载量在第n个时隙卸载到第m个无人机的能耗， 表示第k个物联网终端在第n个时隙传输到第m个无人机的边缘计算卸载量，B表示通信带宽，σ2表示物联网终端的噪声功率，λ表示每个时隙中包含有λ个子时隙； 表示在第n个时隙，第k个物联网终端到第m个无人机上行链路的信道功率增益遵循的自由空间损耗模型。
[0019] 进一步地，所述无人机飞行能耗是通过无人机飞行推进能源消耗模型获取得到的，所述无人机飞行推进能源消耗模型为：
[0020]
[0021]
[0022] 其中， 表示第m个无人机在第n个时隙的飞行能耗，vm[n]表示第n个时隙下第m个无人机的速度，Δ表示时隙的长度，qm[n+1]表示第n+1个时隙第m个无人机的飞行轨迹，qm[n]表示第n个时隙第m个无人机的飞行轨迹；c＝0.5QΔ，表示无人机飞行能耗参数，Q表示无人机的质量。
[0023] 进一步地，所述卫星云计算卸载能耗通过以下公式获取得到的：
[0024]
[0025] 其中， 表示第k个物联网终端在第n个时隙卸载卸载到卫星的能耗，表示第k个物联网终端在第n个时隙传输到卫星的云计算卸载量，B表示通信带宽，σ2表示物联网终端的噪声功率，λ表示每个时隙中包含有λ个子时隙； 表示在第n个时隙，第k个物联网终端到卫星上行链路的信道功率增益遵循的资源空间损耗模型。
[0026] 进一步地，所述无人机边缘计算能耗通过以下公式获取得到的：
[0027]
[0028] 其中， 表示第m个无人机对第k个物联网终端的边缘计算任务量的计算能耗，βk,mLk表示第k个物联网终端在第k个无人机的边缘计算任务量，G表示有效切换容量和任务执行完成概率的常数，T表示系统周期长度。
[0029] 第二方面，本发明实施例提供了一种基于空天地远程物联网的计算卸载系统，包括：
[0030] 效用构建模块，用于根据物联网终端本地计算能耗、无人机边缘计算卸载能耗、无人机飞行能耗、卫星云计算卸载能耗和无人机边缘计算能耗，构建总能耗目标函数；
[0031] 处理模块，用于根据所述总能耗目标函数，获取总能耗最优计算卸载方案；
[0032] 计算卸载调整模块，用于根据所述总能耗最优计算卸载方案，对空天地远程物联网的计算卸载进行调整。
[0033] 第三方面，本发明实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所提供的方法的步骤。
[0034] 第四方面，本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所提供的方法的步骤。
[0035] 本发明实施例提供的一种基于空天地远程物联网的计算卸载方法及系统，根据不同时隙下的资源分配问题，提出联合优化卸载资源分配、用户调度变量、计算卸载分配和无人机轨迹规划的计算卸载方法，获取在若干限制条件下的空天地远程物联网络下的最优计算卸载方案，从而减少系统总能耗。
附图说明
[0036] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0037] 图1为本发明实施例提供的基于空天地远程物联网的计算卸载方法的流程示意图；
[0038] 图2为本发明实施例提供的多物联网终端多无人机辅助移动边缘计算的空天地远程物联网系统的结构示意图；
[0039] 图3为本发明实施例提供的TDMA协议的框架示意图；
[0040] 图4为本发明实施例提供的基于空天地远程物联网的计算卸载系统的结构示意图；
[0041] 图5为本发明实施例提供的电子设备结构示意图。
具体实施方式
[0042] 为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0043] 目前，无人机辅助边缘计算已经得到了广泛的研究，包括系统架构、能源管理、资源分配和无人机轨迹。但是，现有的工作大多集中在单个无人机和高效计算任务处理协议的设计上，一个成熟的无人机辅助边缘计算系统可以支持更多的移动和物联网应用。因此，多无人机管理对无人机辅助边缘计算系统的广泛部署具有重要意义，但是目前还缺乏足够的重视。
[0044] 另一方面，5G网络可能无法向部分发展中国家和农村地区提供服务，在灾害应急、紧急救济、智能电网和军事情况等场景中也无法提供无处不在的覆盖，远程物联网(IoRT)也就因运而生。IoRT中的智能终端通常是远程的，或者它们分散在广泛的地理区域内，为了解决上述覆盖问题，卫星网络作为地面网络的补充和扩展，为实现物联网服务全面覆盖的提供重要解决方案。尽管物联网推动了云计算的发展，计算密集型应用可被卸载到计算资源集中而丰富的云服务器上，但在IoRT的场景下，典型的边缘计算和云计算范例不能应用于这种情况。在本发明实施例中，采用空-天-地面集成网络(Space-air-ground Integrated Network，简称SAGIN)架构来实现远程物联网中计算密集型应用的计算卸载，其中无人机提供低延迟边缘计算，低轨道(LEO)卫星通过无缝覆盖和卫星骨干网络提供始终在线的云计算。
[0045] 图1为本发明实施例提供的基于空天地远程物联网的计算卸载方法的流程示意图，如图1所示，本发明实施例提供了一种基于空天地远程物联网的计算卸载方法，包括：
[0046] 步骤101，根据物联网终端本地计算能耗、无人机边缘计算卸载能耗、无人机飞行能耗、卫星云计算卸载能耗和无人机边缘计算能耗，构建总能耗目标函数；
[0047] 在本发明实施例中，图2为本发明实施例提供的多物联网终端多无人机辅助移动边缘计算的空天地远程物联网系统的结构示意图，可参考图2所示，该系统由K个物联网终端，M个无人机和一个低轨道(LEO)卫星组成，其中，在每个无人机m上配备一个MEC服务器，以用于为物联网终端提供计算卸载服务， LEO卫星为物联网终端提供云计算服务。需要说明的是，在本发明实施例中，设置无人机工作在频分双工(Frequency Division Duplexing，简称FDD)模式下，即物联网终端和无人机之间的上行链路和下行链路的带宽B相同，在上行链路中，物联网终端将其本地输入数据传输给无人机进行计算；在下行链路中，无人机将处理后的数据传输到物联网终端。
[0048] 进一步地，每个物联网终端k都有一个计算密集型任务Lk, 其中，Lk以bit为单位测量的输入数据的大小，即计算卸载任务的数据大小。在本发明实施例中，通过部分卸载方式，将每个物联网终端的计算任务的一部分卸载给无人机，一部分卸载给LEO卫星，并在本地执行其余的计算任务。由于LEO卫星的云计算和无人机的MEC服务器都具有比物联网终端更强大的计算能力，因此这K个物联网终端倾向于将计算密集型的任务转移给无人机或LEO卫星，从而降低物联网终端的能耗。可参考图2所示，将计算密集型任务Lk的一部分αk作为本地计算，βk,m迁移(卸载)到无人机在上行进行边缘计算，最后部分选择在LEO卫星进行云计算。需要说明的是，在本发明实施例中，为了避免卸载过程中各物联网终端之间的干扰，采用时分多址(Time division multiple access，简称TDMA)协议，在卸载阶段，K个物联网终端在每个小时隙中逐个卸载各自的计算任务，由于计算结果的数据量要比卸载数据小得多，所以将计算结果返回给物联网终端k所造成的延迟和能耗可以忽略不计。
[0049] 进一步地，在本发明实施例中，设置每个物联网终端都在地面固定位置上，第k个物联网终端的水平坐标为qk＝(xk，yk)T， 第m个无人机在t时刻的飞行轨迹为qm(t)＝(x(t)，y(t))T，高度固定为H；LEO卫星的高度为HS。本发明实施例采用块衰落信道模型，在有限时间内，信道保持不变。有限时间T(即每个周期为T)被分为N个相同大小的时隙，每个时隙的大小为Δ，也就是T＝NΔ。定义 其中，表示总周期T中有相邻下一时隙的时隙集合， 表示卸载时隙集合。需要说明的是，在本发明实施例中，时隙Δ应足够小，以使得任意无人机m的位置在每个时隙内是不变的。因此，无人机轨迹q(t)随时间t的变化可以近似用n长度的序列 表示。
[0050] 进一步地，基于无人机的发射和着陆位置，以及飞行路径和作战能力，假设无人机的初始和最终位置以及最大最小航速是预先确定的，对于无人机的轨迹约束为：
[0051]
[0052]
[0053] 其中，qm[1]＝qm[N]表示每架无人机需要在每个周期T结束前返回初始位置，以便在下一个周期T内定期为物联网终端提供计算卸载服务；Vmax表示无人机的最大速度，单位m/s。在实际计算卸载应用中，对于 无人机的飞行轨迹也受到避碰约束：
[0054]
[0055] 其中，dmin表示无人机为确保避碰的最小间距离，单位为m。
[0056] 进一步地，在本发明实施例中，假设无人机和物联网终端之间的通道由视距(LoS)控制，没有小尺度衰落。因此，地空(G2A)通道/空地(A2G)通道的LoS链路为无人机在一定高度以上时的实际G2A/A2G模型提供了很好的近似，即在第n个时隙，物联网终端k到无人机m上行链路的信道功率增益遵循的自由空间路径损耗模型为：
[0057]
[0058] 在第n个时隙，物联网终端k到卫星上行链路的信道功率增益遵循的自由空间路径损耗模型为：
[0059]
[0060] 其中，dk,m[n]表示在第n个时隙的物联网终端k到无人机m的距离，β0表示d＝1m时的参考信道增益，|| ||为欧几里德范数。
[0061] 进一步地，设置二进制变量 当 时，表示在第n个时隙时，第m个无人机为第k个物联网终端服务，否则， 需要说明的是， 不仅指定跨不
同时隙的物联网终端通信调度，还指定每个时隙的无人机和物联网终端之间的关联。另外，设置二进制变量 当 时，表示在第n个时隙，LEO卫星为第k个物联网终端服务，否则， 在本发明实施例中，设置在每个时隙中，每个物联网终端单连接，即每个物联网终端在每个时隙最多被一个无人机或LEO卫星服务，即产生了以下约束：
[0062]
[0063] 当无人机的角度固定为θ时，则无人机的覆盖区域约束为：
[0064]
[0065] 进一步地，在现有的云计算的能耗模型中，在云计算在执行完成时间T内，物联网终端k执行任务量为l所需要的能耗为：
[0066]
[0067] 其中，G表示有效切换容量和应用程序执行完成概率的常数。
[0068] 进一步地，在上述实施例的基础上，对于物联网终端的本地计算，所述物联网终端本地计算能耗是通过本地计算任务量、任务完成时长获取得到的，公式为：
[0069]
[0070] 其中， 表示第k个物联网终端的本地计算能耗，αkLk表示第k个物联网终端的本地计算任务量，G表示有效切换容量和任务执行完成概率的常数，T表示系统总周期。
[0071] 进一步地，在本发明实施例中，图3为本发明实施例提供的TDMA协议的框架示意图，可参考图3所示，为了避免卸载过程中物联网终端之间的干扰，时隙Δ被分为K个子时隙，即λ＝Δ/K。具体来说，每个时隙由三个阶段组成，即卸载阶段、计算阶段和下载阶段。在卸载阶段，K个物联网终端在每个子时隙中逐个卸载各自的计算任务，由于计算结果的数据量要比卸载数据小得多，所以将计算结果返回给物联网终端k所造成的延迟和能耗可以忽略不计。
[0072] 进一步地，在本发明实施例中，所述无人机边缘计算卸载能耗是通过以下公式获取得到的：
[0073]
[0074] 其中， 表示第k个物联网终端的边缘计算卸载量在第n个时隙卸载到第m个无人机的能耗， 表示第k个物联网终端在第n个时隙传输到第m个无人机的边缘计算2
卸载量，B表示通信带宽，σ表示物联网终端的噪声功率，λ表示每个时隙中包含有λ个子时隙； 表示在第n个时隙，第k个物联网终端到第m个无人机上行链路的信道功率增益遵循的自由空间损耗模型。
[0075] 在上述实施例的基础上，所述无人机飞行能耗是通过无人机飞行推进能源消耗模型获取得到的，所述无人机飞行推进能源消耗模型为：
[0076]
[0077]
[0078] 其中， 表示第m个无人机在第n个时隙的飞行能耗，vm[n]表示第n个时隙下第m个无人机的速度，Δ表示时隙的长度，qm[n+1]表示第n+1个时隙第m个无人机的飞行轨迹，qm[n]表示第n个时隙第m个无人机的飞行轨迹；c＝0.5QΔ，表示无人机飞行能耗参数，Q表示无人机的质量。
[0079] 在上述实施例的基础上，与物联网终端和边缘服务器相比，云计算具有更高的计算能力，并可忽略其计算和传输计算结果的能量。所述卫星云计算卸载能耗通过以下公式获取得到的：
[0080]
[0081] 其中， 表示第k个物联网终端在第n个时隙卸载卸载到卫星的能耗，2
表示第k个物联网终端在第n个时隙传输到卫星的云计算卸载量，B表示通信带宽，σ表示物联网终端的噪声功率，λ表示每个时隙中包含有λ个子时隙； 表示在第n个时隙，第k个物联网终端到卫星上行链路的信道功率增益遵循的资源空间损耗模型。
[0082] 在上述实施例的基础上，所述无人机边缘计算能耗通过以下公式获取得到的：
[0083]
[0084] 其中， 表示第m个无人机对第k个物联网终端的边缘计算任务量的计算能耗，βk,mLk表示第k个物联网终端在第k个无人机的边缘计算任务量，G表示有效切换容量和任务执行完成概率的常数，T表示系统总周期。
[0085] 进一步地，在本发明实施例中，结合上述各实施例，设置物联网终端调度和关联卸载资源分配 卸载计算分配 无人机轨迹 假设地
面物联网终端的位置已知，在无人机的机动性和避障约束下，通过联合优化卸载任务比例、用户调度和关联、卸载计算分配和无人机轨迹，以最大限度地减少加权和计算卸载总能耗，构建总能耗目标函数为：
[0086]
[0087] s.t.
[0088]
[0089]
[0090]
[0091]
[0092]
[0093]
[0094]
[0095]
[0096]
[0097]
[0098]
[0099] 其中， 表示无人机已卸载的比特已被完全传输， 表示LEO卫星已卸载的比特已被完全传输，
和 分别表示对应上行链路中比特分配的非负约
束。
[0100] 步骤102，根据所述总能耗目标函数，获取总能耗最优计算卸载方案；
[0101] 在上述实施例的基础上，所述步骤102具体包括：
[0102] 将所述总能耗目标函数中约束条件的二元变量松弛为连续变量，得到约束条件松弛后的总能耗目标函数；
[0103] 根据线性规划、拉格朗日对偶分解法和连续凸优化方法，对约束条件松弛后的总能耗目标函数进行求解，得到总能耗最优计算卸载方案。
[0104] 在本发明实施例中，为了使得上述实施例中的总能耗目标函数更易于处理，首先将约束条件中的 的二元变量松弛为连续变量，得到约束条件松弛后的总能耗目标函数：
[0105] s.t.
[0106]
[0107]
[0108]
[0109]
[0110]
[0111]
[0112]
[0113]
[0114]
[0115]
[0116]
[0117] 进一步地，步骤S1，在给定卸载计算分配L和无人机轨迹Q的情况下，通过求解线性规划(Linear programming，简称LP)，优化物联网终端调度和关联A，以及卸载资源分配ρ；具体地，在本发明实施例中，在给定卸载计算分配和无人机轨迹{L,Q}的情况下，对约束条件松弛后的总能耗目标函数中的物联网终端调度和关联A，以及和卸载资源分配ρ进行优化，第一优化公式为：
[0118]
[0119] s.t.
[0120]
[0121]
[0122]
[0123]
[0124]
[0125]
[0126] 在本发明实施例中，第一优化公式的求解问题可通过CVX有效地解决。
[0127] 进一步地，步骤S2，在给定的物联网终端调度和关联A，卸载资源分配ρ和无人机轨迹Q的情况下，采用拉格朗日对偶分解法对卸载计算分配L进行优化；具体地，在本发明实施例中，在给定的物联网终端调度和关联A，以及卸载资源分配ρ和无人机轨迹Q的情况下，采用拉格朗日对偶分解法，对约束条件松弛后的总能耗目标函数中的卸载计算分配L进行优化，第二优化公式为：
[0128]
[0129] s.t.
[0130]
[0131]
[0132]
[0133]
[0134] 然后，令L{L,μ,ν}为拉格朗日函数，可以写成：
[0135]
[0136] 其中，μ,ν是与相应的约束条件相关联的拉格朗日乘数。
[0137] 将本发明实施例中第二优化公式的拉格朗日对偶函数定义为：
[0138]
[0139] 该拉格朗日对偶函数的对偶问题可表示为：
[0140]
[0141] 进一步地，根据第二优化公式的KKT条件，得到最优的卸载计算分配L，该方法具有有较低的计算复杂度。 分别给出了拉格朗日对偶函数的最优的卸载计算分配L：
[0142]
[0143]
[0144] 其中，线性整流函数[a]+＝max{a,0}，表示取a和0中的最大值，确保非负性。
[0145] 进一步地，通过次梯度法求解拉格朗日对偶函数的对偶问题，拉格朗日乘数μ,ν可以更新如下：
[0146]
[0147]
[0148] 通过子梯度保证收敛到最优值，以使得误差范围较小。
[0149] 进一步地，步骤S3，根据步骤S1和步骤S2的结果，采用连续凸优化方法对无人机轨迹Q进行优化。具体地，在本发明实施例中，对于任意给定的用户调度和关联，卸载资源分配和卸载计算分配{A,ρ,L}，通过连续凸优化方法，对约束条件松弛后的总能耗目标函数中的无人机轨迹Q进行优化，第三优化公式为：
[0150]
[0151] s.t.
[0152]
[0153]
[0154]
[0155]
[0156] 通过连续凸优化方法，在每次迭代中，将原函数近似为给定局部点处的一个较易处理的函数。特别地，定义 为无人机在第r次迭代的轨迹，任何凸函数在任意一点上都是它的一阶泰勒展开的全局下界，对||qm[n]-qj[n]||2在给定点和 上进行一阶泰勒展开，得到了以下不等式：
[0157]
[0158] 因此，将第三优化公式转化为：
[0159]
[0160] s.t.
[0161]
[0162]
[0163]
[0164]
[0165] 由于， 和为凸二次约束；
[0166] 和为线性约束，因此，转化后的第三优化公式是一个凸优化问题，可通过CVX等标准凸优化求解器有效地求解。
[0167] 最后，根据上述实施例提供的三个优化问题进行联合迭代，进而得到全局最优解，即得到总能耗最优计算卸载方案。
[0168] 步骤103，根据所述总能耗最优计算卸载方案，对空天地远程物联网的计算卸载进行调整。
[0169] 本发明实施例提供的一种基于空天地远程物联网的计算卸载方法，根据不同时隙下的资源分配问题，提出联合优化卸载资源分配、用户调度变量、计算卸载分配和无人机轨迹规划的计算卸载方法，获取在若干限制条件下的空天地远程物联网络下的最优计算卸载方案，从而减少系统总能耗。
[0170] 图4为本发明实施例提供的基于空天地远程物联网的计算卸载系统的结构示意图，如图4所示，本发明实施例提供了一种基于空天地远程物联网的计算卸载系统，包括效用构建模块401、处理模块402和计算卸载调整模块403，其中，效用构建模块401用于根据物联网终端本地计算能耗、无人机边缘计算卸载能耗、无人机飞行能耗、卫星云计算卸载能耗和无人机边缘计算能耗，构建总能耗目标函数；处理模块402用于根据所述总能耗目标函数，获取总能耗最优计算卸载方案；计算卸载调整模块403用于根据所述总能耗最优计算卸载方案，对空天地远程物联网的计算卸载进行调整。
[0171] 本发明实施例提供的一种基于空天地远程物联网的计算卸载系统，根据不同时隙下的资源分配问题，提出联合优化卸载资源分配、用户调度变量、计算卸载分配和无人机轨迹规划的计算卸载方法，获取在若干限制条件下的空天地远程物联网络下的最优计算卸载方案，从而减少系统总能耗。
[0172] 本发明实施例提供的系统是用于执行上述各方法实施例的，具体流程和详细内容请参照上述实施例，此处不再赘述。
[0173] 图5为本发明实施例提供的电子设备结构示意图，参照图5，该电子设备可以包括：处理器(processor)501、通信接口(Communications Interface)502、存储器(memory)503和通信总线504，其中，处理器501，通信接口502，存储器503通过通信总线504完成相互间的通信。处理器501可以调用存储器503中的逻辑指令，以执行如下方法：根据物联网终端本地计算能耗、无人机边缘计算卸载能耗、无人机飞行能耗、卫星云计算卸载能耗和无人机边缘计算能耗，构建总能耗目标函数；根据所述总能耗目标函数，获取总能耗最优计算卸载方案；根据所述总能耗最优计算卸载方案，对空天地远程物联网的计算卸载进行调整。
[0174] 此外，上述的存储器503中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0175] 另一方面，本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的基于空天地远程物联网的计算卸载方法，例如包括：根据物联网终端本地计算能耗、无人机边缘计算卸载能耗、无人机飞行能耗、卫星云计算卸载能耗和无人机边缘计算能耗，构建总能耗目标函数；根据所述总能耗目标函数，获取总能耗最优计算卸载方案；根据所述总能耗最优计算卸载方案，对空天地远程物联网的计算卸载进行调整。
[0176] 以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0177] 通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
[0178] 最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
