本發(fā)明涉及一種無人機搭載智能反射面增強安全通信與移動邊緣計算方法，屬于通信。

背景技術(shù)：

1、由于無人機(unmanned?aerial?vehicle，uav)的移動性和靈活性，支持uav的移動的邊緣計算(mec)網(wǎng)絡(luò)已廣泛用于受限的無線通信環(huán)境中。具體地，邊緣服務(wù)器具有足夠的計算資源，并且可以滿足僅具有有限計算能力和能量功率的計算密集型智能設(shè)備的計算需求。為了解決用戶設(shè)備(user?equipment，ue)和邊緣服務(wù)器之間的通信，uav可以提供靈活的通信服務(wù)，并負責(zé)部分復(fù)雜的計算任務(wù)mec(mobile?edge?computing，mec)被認為是一種新興的范例，可以從戰(zhàn)略上將計算和存儲資源擴展到傳統(tǒng)的云數(shù)據(jù)中心之外，使它們更接近最終用戶的邊緣網(wǎng)絡(luò)節(jié)點。通過將計算任務(wù)部署到位于物理上更接近最終用戶的邊緣設(shè)備、基站或路由器上，mec本質(zhì)上促進了低延遲數(shù)據(jù)處理和快速響應(yīng)時間，從而提高了移動的應(yīng)用和萬物互聯(lián)(internet?ofthings，iot)設(shè)備的服務(wù)質(zhì)量。為了解決具有不成比例的資源請求的過載或欠載邊緣計算設(shè)備(edge?computing?devices,ecd)的問題，以及為了在任務(wù)卸載過程中增強傳輸信息的完整性，在xu,x.,zhang,x等人的論文:become:blockchain-enabled?computation?offloading?for?iot?in?mobile?edge?computing(ieee?transactions?on?industrial?informatics)中提出了一種支持區(qū)塊鏈的計算卸載方法。采用非支配排序遺傳算法iii生成資源分配策略。作者在zhou,h.,jiang,k.等人的論文deep?reinforcement?learning?for?energy-efficient?computation?offloading?inmobile-edge?computing(ieee?internet?ofthings?journal)中對動態(tài)多用戶mec系統(tǒng)中的計算卸載和資源分配的聯(lián)合優(yōu)化進行了研究，目的是最小化整個mec系統(tǒng)的能耗。該優(yōu)化過程同時考慮了異構(gòu)計算任務(wù)的延遲約束和不確定的資源需求。然而，上述工作并不能滿足溝通任務(wù)的靈活性，特別是當(dāng)有許多障礙和溝通受到限制時。因此，由于uav的移動性，考慮啟用uav的mec網(wǎng)絡(luò)。具體地，無人機配備有信號收發(fā)器，為目標(biāo)用戶和邊緣服務(wù)器提供無線通信服務(wù)。feng,w.,tang,j等人的論文hybrid?beamforming?design?and?resourceallocation?for?uav-aided?wireless-powered?mobile?edge?computing?networks?withnoma(ieee?journal?on?selected?areas?in?communications)中研究了無人機輔助非正交多址mec系統(tǒng)，其中mec網(wǎng)絡(luò)可以為目標(biāo)提供能量和計算服務(wù)。在限制能量消耗和覆蓋范圍的同時，最大化目標(biāo)的總計算性能。在zhou,w.,fan,l.等人的論文nallanathan,a.:priority-aware?resource?scheduling?for?uav-mountedmobile?edge?computingnetworks(ieee?transactions?on?vehicular?technology)中進一步考慮了任務(wù)優(yōu)先級因素。計算利用率和優(yōu)先級影響被用來評估系統(tǒng)的性能與帶寬資源和計算能力。為了提高靈活性和覆蓋范圍，在yang,z.,pan,c.等人的論文energy?efficient?resource?allocationin?uav-enabled?mobile?edge?computing?networks.(ieee?transactions?on?wirelesscommunications)中，在mec網(wǎng)絡(luò)中考慮了多個uav。作者聯(lián)合優(yōu)化發(fā)射功率，用戶關(guān)聯(lián)，計算容量分配，和軌跡，以最小化功率的總和。提出了一種低復(fù)雜度的迭代求解三個子問題的傳統(tǒng)算法來解決這個棘手的優(yōu)化問題。uav在zhang,l.,ansari,n.:latency-aware?iotservice?provisioning?in?uav-aidedmobile-edge?computing?networks.(ieeeinternet?ofthings?journal)中充當(dāng)計算節(jié)點和中繼節(jié)點，其中作者采用uav輔助的mec網(wǎng)絡(luò)來顯著降低用戶的平均延遲。為了最小化所有用戶設(shè)備所經(jīng)歷的平均延遲，作者制定了uav-mec問題，并引入了一種低復(fù)雜度的近似算法來解決該公式所帶來的優(yōu)化挑戰(zhàn)。然而，鑒于無人機輔助通信網(wǎng)絡(luò)通常部署在通信受限的環(huán)境中，必須探索低能耗方法如何進一步提高傳輸效率，這是前面提到的研究中沒有解決的一個因素。

技術(shù)實現(xiàn)思路

1、本發(fā)明針對現(xiàn)有技術(shù)的不足，研究了一種具有多個邊緣計算服務(wù)器的移動的智能反射面(intelligent?reflecting?surfaces，irs)輔助無人機mec網(wǎng)絡(luò)，其中中繼uav(relay-uav)具有有限的數(shù)據(jù)存儲能力，智能反射面uav(irs-uav)配備irs以自適應(yīng)地改善任務(wù)上傳和任務(wù)卸載。為了最小化系統(tǒng)成本，uav的軌跡、邊緣服務(wù)器的配對、目標(biāo)用戶的配對、數(shù)據(jù)卸載比率和irs的反射元件被聯(lián)合優(yōu)化。針對復(fù)雜的非凸優(yōu)化問題，提出了一種基于深度決斗雙q網(wǎng)絡(luò)(deep?dueling?double?q-network，d3qn)算法和深度確定性策略梯度(deep?deterministic?policy?gradient，ddpg)算法的智能混合算法。

2、本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：建立一種無人機搭載智能反射面安全移動邊緣計算方法。

3、步驟1：建立智能反射面輔助mec信道模型

4、在emc網(wǎng)絡(luò)中存在relay-uav、irs-uav、多個用戶設(shè)備和多個邊緣服務(wù)器。中繼無人機配備了大小為l的有限數(shù)據(jù)存儲器，并提供數(shù)據(jù)卸載服務(wù)和任務(wù)計算服務(wù)。irs-uav配備有irs以自適應(yīng)地改善任務(wù)上傳和任務(wù)卸載，其中irs反射元件的數(shù)量可以由n表示。uav懸停在一致的高度處并且可以在特定的停止點處停止，其可以由s＝{1,...,s,...}。因此，中繼uav在停止點s處的位置表示為{xr,s,yr,s,hr}，irs-uav在停止點s處位置表示為{xi,s,yi,s,hi}。邊緣計算服務(wù)器的集合可以由e＝{1,...,e,...,e}，并且邊緣計算服務(wù)器e的位置被表示為{xe,ye,0}。用戶設(shè)備的集合可以由d＝{1,...,d,...,d}。用戶設(shè)備d的位置由[xd,yd,0]表示。中繼uav和irs-uav的軌跡可以分別由qr＝{qr,t}t∈t和qi＝{qi,t}i∈t表示，其中表示每個停止點選擇的時間，qi,t∈s且qr,t∈s。因此，從位置t處的中繼uav和irs-uav到用戶設(shè)備d的距離可以遞歸地由下式給出：

5、

6、在時間t處從中繼uav和irs-uav到計算服務(wù)器e的距離可以分別表示為：

7、

8、在時間t處從中繼uav到irs-uav的距離可以表示為：

9、

10、與毫米波通信類似，從uav到用戶設(shè)備和計算服務(wù)器的鏈路被認為是視距通信。因此，在時間t處從用戶設(shè)備d到中繼uav和irs中繼的信道增益可以表示為

11、

12、其中μ表示路徑損耗指數(shù)。從irs-uav到中繼uav，時間t處的信道增益由下式表示：

13、

14、令φi,t表示時間t處irs元素的對角矩陣，其中

15、

16、其中εn,t和φn,t分別表示irs反射元件n的振幅和相移。當(dāng)uav在時間t時在用戶設(shè)備d處的上傳數(shù)據(jù)速率可以表示為

17、

18、其中，b表示帶寬，pr表示中繼uav的發(fā)射功率，并且表示在時間t處用戶設(shè)備d處的噪聲功率。在時間t從中繼uav到邊緣服務(wù)器e的數(shù)據(jù)卸載傳輸速率可以表示為

19、

20、步驟2：建立emc網(wǎng)絡(luò)延遲模型

21、無人機的飛行時間消耗表示為

22、

23、其中v表示uav的飛行速度，并且max(x,y)表示x和y之間的最大值。令ld表示用戶設(shè)備d的傳輸數(shù)據(jù)的大小，并且δd表示用戶設(shè)備d的數(shù)據(jù)的卸載率，ld≤m,δd。令βt,d表示中繼uav是否正在時間t處尋址用戶設(shè)備d的數(shù)據(jù)。因此，上傳和卸載延遲可以表示為：

24、

25、其中ρt表示中繼uav是否在時間t執(zhí)行上傳和卸載任務(wù)。如果中繼uav在時間t上傳任務(wù)，ρt＝1；否則，ρt＝0。σt,e表示緩沖器中的數(shù)據(jù)是否在時間t處被卸載到邊緣計算服務(wù)器e。如果中繼uav與計算服務(wù)器e配對以卸載用戶設(shè)備d的數(shù)據(jù)，則σt,e＝l；否則，σt,e＝0。

26、計算延遲由下式表示：

27、

28、其中，fr和fe分別表示無人機側(cè)和邊緣服務(wù)器處一比特所需的cpu周期，fr和fe分別表示無人機和邊緣計算服務(wù)器的計算能力?？傃舆t包括飛行延遲、卸載和上傳延遲以及計算延遲，其可以由下式表示：

29、t(qr,qi)＝tf+tl+te。

30、步驟3：建立能耗模型

31、無人機的飛行能量成本表示為：

32、ef＝tfpf

33、其中pf表示中繼uav和irs-uav的飛行功率消耗。中繼uav和irs-uav的懸停能量成本可以寫為：

34、eh＝ph(tl+te)，

35、其中ph表示中繼uav和irs-uav的懸停功耗。對于移動的irs輔助的啟用uav的uav，mec網(wǎng)絡(luò)的總能耗可以表示為

36、e＝ef+eh。