基于可变双时间尺度的无人机辅助网络的缓存优化方法

本发明涉及无人机，更具体地，涉及基于可变双时间尺度的无人机辅助网络的缓存优化方法。

背景技术：

1、为解决传统的中心化网络架构中存在的传输时延较长等问题，利用移动边缘计算(mobile edge computing，mec)技术，边缘网络将网络的核心功能从中心化的数据中心转移到离用户更近的网络边缘，以实现更低的网络延迟。近年来，无人机无线网络由于具有较高的链路质量、灵活的部署能力和灵活的飞行能力，被广泛认为是完善地面通信网络和支持下一代无线网络的一种有前途的方式。在应用方面，无人机无线网络可以应用于各种场景，从无处不在的覆盖，中继通信到数据分发和收集。例如，无人机可以被部署用于学习时变用户活动以提供通信覆盖，也可以被用于传播数据以满足用户的时空分布需求。另一方面，在网络边缘缓存内容被认为是满足用户动态请求、避免重复数据传输和减少网络延迟的有前景的解决方案。受无人机网络的益处的激励，越来越多的研究关注将边缘缓存技术集成到无人机网络中，以便进一步减轻回程链路上的沉重负担。但目前大多数方法都是对于简单任务进行优化，在一个时隙完成一个任务，对于复杂任务这一场景，一个任务需要几个时隙才能完成，涉及到多个时隙的考虑，而且由于无人机存储空间有限，也要对用户需求内容进行取舍，从而造成时延以及缓存开销仍然较高。

2、现有技术公开一种基于多无人机协作的边缘网络计算资源动态优化方法，属于通信技术领域。针对地面用户的随机移动性可能导致低空边缘网络中无人机服务器负荷失衡，资源利用率降低和用户服务质量体验恶化的问题，提出一种基于多无人机协作的边缘网络计算资源动态优化方法。根据地面用户的实时位置和任务请求分布，以及低空网络中各无人机的有效覆盖范围，采用深度强化学习方法自适应规划无人机集群的巡航轨迹，动态调整卸载任务调度，优化无人机服务器负荷，提高网络资源利用率，从而有效降低平均任务卸载时延并提高用户服务质量体验。该方法中若更新频率较低导致更新过于频繁，增加缓存开销，若更新频率较高则使得内容老旧，用户的新需求得不到满足，无人机缓存的内容不及时更新，缓存命中率随着时间增加将会降低，进而也会增加时延。

技术实现思路

1、本发明的目的在于公开一种时延以及缓存开销更低的基于可变双时间尺度的无人机辅助网络的缓存优化方法。

2、为了实现上述目的，本发明提供基于可变双时间尺度的无人机辅助网络的缓存优化方法，包括：

3、s1:构建初始化边缘网络模型，边缘网络模型包括无人机信息、带宽分配信息、缓存部署、大时间尺度长度、用户状态以及小时间尺度信息以及大时间尺度信息；其中无人机信息包括无人机轨迹；

4、s2:获取多个用户请求，根据无人机信息判断无人机内是否有与用户请求对应的内容，若有则由无人机将与用户请求对应的内容发送至用户并对小时间尺度信息以及大时间尺度信息进行更新，若无则把请求发送至基站，由基站将与用户请求对应的内容发送至用户；

5、s3:判断小时间尺度信息是否达到小时间尺度长度，若达到则对用户状态、无人机轨迹、带宽分配信息以及小时间尺度信息进行更新，然后执行步骤s4，若未达到则返回执行步骤s2；

6、s4:判断大时间尺度信息是否达到大时间尺度长度，若达到则更新内容优先级顺序，然后对待缓存的内容进行部署，并自适应优化大时间尺度长度以及对大时间尺度信息进行更新，然后执行步骤s2，若未达到则直接返回执行步骤s2。

7、进一步地，在步骤s3中，在返回执行步骤s2之前计算平均时延以及缓存开销；

8、在步骤s4中，在返回执行步骤s2之前计算平均时延以及缓存开销。

9、进一步地，在步骤s1中，边缘网络模型包括：u个无人机和m个用户，表示在第t个时隙中第m个用户产生的需要第f个内容的任务，将建模为三元组代表任务的请求文件的大小，代表总共需要的内容存储空间，代表最大可容忍时延，vt代表在第t个的用户任务集合；

10、无人机服务周期设置为ρ,由n个相等的时隙组成，每个时隙是τ＝ρ/n，τ使得无人机速度在每个时隙保持连续，无人机的高度为固定在同一高度，但水平坐标不同；在第t个时隙时，无人机n的三维坐标表示为用户m的三维坐标表示为地面基站的三维坐标表示为q0＝(x0,y0,0)，系统的带宽为b,系统的带宽能被分解为正交频段资源bs和bu来为用户提供内容交互服务。

11、进一步地，在步骤s2中，根据无人机信息判断无人机内没有与用户请求对应的内容则把请求发送至基站，由基站将与用户请求对应的内容发送至用户；包括：在类型为内容的复杂任务交付过程中，计算的延迟足够小，可以忽略不计；

12、由用户生成的任务首先被发送到一个距离最近的无人机，该无人机充当用于该任务的相关联的无人机，得到从用户到相关联的无人机的通信延迟；

13、由于无人机上无缓存内容，第u个无人机把请求发送到第s个基站进行进一步处理，得到通讯时延；

14、基站拥有全部的内容，且是类型为内容的复杂任务，所以基站交付内容到用户需要较长的时延，得到交付时延；

15、根据通信延迟、通讯时延以及交付时延对小时间尺度信息以及大时间尺度信息进行更新。

16、进一步地，在步骤s3中，对用户状态进行更新包括：对用户的位置信息进行更新，采用高斯马尔可夫随机模型来表征用户的位置信息，第m个用户在第t个时隙的速度和方向分别为

17、

18、κ1和κ2分别表征先前状态对现在状态的影响，取值范围为(0,1)；和分别表示用户的平均速度和方向；φm和ψm表示用户移动的随机性，分别遵循高斯分布，其均值和方差分别是和

19、第m个用户在第t个时隙的水平坐标为

20、

21、进一步地，在步骤s3中，对无人机轨迹更新包括：其中第u个无人机轨迹在第t个时隙的用表示；第u个无人机轨迹可以表示为q＝{q1,…,qu}表示所有无人机轨迹；vmax表示无人机的最高速度；在第t个时隙中，任意两架无人机之间的距离应该大于最小安全距离dmin；无人机信息在限定的可行范围ql和qu内，以此保证无人机飞行的高效性和安全性；据此，得到无人机的轨迹约束如下：

22、

23、进一步地，在步骤s3中，对带宽分配信息更新包括：由于正交频分多址技术，可以忽略无线上传链路中用户之间的干扰；无人机的通讯半径为ru；在第t个时隙，第u个无人机和第m个用户的水平距离为第t个时隙，第u个无人机和第s个基站的水平距离：在第t个时隙，第m个用户和第s个基站的水平距离为

24、

25、表示在时隙t由第u个无人机或者第s个基站分配给第m个用户的带宽资源；使用变量表示带宽资源分配决策；由于环境中的障碍物，地对空和空对地信道可以是视距或非视距；第m个用户和第m个用户之间的视距概率表示为

26、

27、其中β0和β1是由环境决定的常数，非视距概率为然后，计算在第t个时隙，第u个无人机和第m个用户的路径损耗

28、

29、其中，fc为载波频率，c为光速，ηlos和ηnlos分别为视距和非视距链路的过量路径损耗并且ηnlos>ηlos>1；pm为第m个用户的发射功率，σ2为噪声功率，第m个用户到第u个无人机在第t个时隙可实现的上行数据速率可计算为

30、

31、式中，α表示参考距离为1米时的信道功率增益，w0为带宽资源

32、类似的，从第u个无人机到第s个基站可实现的无线链路数据速率：

33、

34、式中，w1为可用无线回程链路带宽，pu为第u个无人机发射功率；

35、然后，对于第s个基站和第m个用户之间的通信模型，在第t个时隙时服从瑞丽衰落，有如下式子：

36、

37、其中，是独立同分布的复高斯随机变量，具有零均值和单位方差，a3是路径损耗系数；

38、在第t个时隙由第s个基站服务的第m个用户的snr由下式给出:

39、

40、其中，是在第t个时隙处地面第s个基站到第m个用户的下行链路发射功率，表示在第t个时隙时，分配给被第s个基站服务的第m个用户的带宽资源，所以，第s个基站和第m个用户之间的可用数据率为

41、

42、其中，w2是第s个基站和第m个用户之间的可用无线回传链路，根据基站和用户之间的可用数据率完成对带宽分配信息的更新。

43、进一步地，在步骤s4中，对缓存部署更新包括：基站有f种类型的内容，cf表示内容f所需的存储空间；ku表示第u个无人机的总存储空间，是一个二元变量，表示第f个内容是否在第t个时隙缓存在第u个无人机上，若在，则否则表示内容缓存放置决策；此外，有如下约束：

44、

45、进一步地，在步骤s4中，自适应优化大时间尺度长度包括：对于每一架无人机，在其服务范围内，所有用户所需内容的大小是变化的，即无人机缓存内容更新所需时间长度是变化的，因此相应地，长时间尺度上，缓存更新的频率也随之变化，以此来提高用户的缓存命中率，即减少总延迟；设ρx为第x个时间帧的帧长度，一个时间帧也就是一个缓存更新时间间隔，tu为一次更新所需时间，tu＝m/vm，m是一次更新内容大小，vm是文件缓存速率,tm是内容可使用时间，根据m大小换算成播放时间，tm要大于更新频率，得到更新频率的约束如下：

46、ρx∈[tu,tm]

47、其中，tu、tm和ρx的数值都是时隙长度的倍数。

48、进一步地，在步骤s3和步骤s4中，对小时间尺度信息进行更新具体为将小时间尺度信息清零，对大时间尺度信息更新具体为将大时间尺度信息清零；

49、在步骤s3以及步骤s4中使用分层强化学习，第一层步骤s4，第二层为步骤s3；在第一层优化之后，第二层根据第一层的设置，再进行优化。

50、与现有技术相比，本发明技术方案的有益效果是：

51、本方法通过使用两尺度时间更新框架，根据小时间尺度信息对用户状态、无人机信息以及带宽分配信息进行更新；根据大时间尺度信息对缓存部署以及大时间尺度长度进行更新。通过使用两时间尺度更新框架，能更合理地使用资源，提高了内容的利用率，减少了缓存开销和处理任务所需的时延。并且在本发明中动态优化更新大时间尺度信息表中，自适应地确定缓存更新时间点，找到最佳更新时间，在最大化利用内容的同时，尽可能满足用户需求，降低时延。

技术特征：

1.基于可变双时间尺度的无人机辅助网络的缓存优化方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于可变双时间尺度的无人机辅助网络的缓存优化方法，其特征在于，在步骤s3中，在返回执行步骤s2之前计算平均时延以及缓存开销；

3.根据权利要求1所述的基于可变双时间尺度的无人机辅助网络的缓存优化方法，其特征在于，在步骤s1中，边缘网络模型包括：u个无人机和m个用户，表示在第t个时隙中第m个用户产生的需要第f个内容的任务，将建模为三元组代表任务的请求文件的大小，代表总共需要的内容存储空间，代表最大可容忍时延，vt代表在第t个的用户任务集合；

4.根据权利要求3所述的基于可变双时间尺度的无人机辅助网络的缓存优化方法，其特征在于，在步骤s2中，根据无人机信息判断无人机内没有与用户请求对应的内容则把请求发送至基站，由基站将与用户请求对应的内容发送至用户；包括：在类型为内容的复杂任务交付过程中，计算的延迟足够小，可以忽略不计；

5.根据权利要求1所述的基于可变双时间尺度的无人机辅助网络的缓存优化方法，其特征在于，在步骤s3中，对用户状态进行更新包括：对用户的位置信息进行更新，采用高斯马尔可夫随机模型来表征用户的位置信息，第m个用户在第t个时隙的速度和方向分别为

6.根据权利要求1所述的基于可变双时间尺度的无人机辅助网络的缓存优化方法，其特征在于，在步骤s3中，对无人机轨迹更新包括：其中第u个无人机轨迹在第t个时隙的用表示；第u个无人机轨迹可以表示为q＝{q1,…,qu}表示所有无人机轨迹；vmax表示无人机的最高速度；在第t个时隙中，任意两架无人机之间的距离应该大于最小安全距离dmin；无人机信息在限定的可行范围ql和qu内，以此保证无人机飞行的高效性和安全性；据此，得到无人机的轨迹约束如下：

7.根据权利要求1所述的基于可变双时间尺度的无人机辅助网络的缓存优化方法，其特征在于，在步骤s3中，对带宽分配信息更新包括：由于正交频分多址技术，可以忽略无线上传链路中用户之间的干扰；无人机的通讯半径为tu；在第t个时隙，第u个无人机和第m个用户的水平距离为第t个时隙，第u个无人机和第s个基站的水平距离：在第t个时隙，第m个用户和第s个基站的水平距离为

8.根据权利要求1所述的基于可变双时间尺度的无人机辅助网络的缓存优化方法，其特征在于，在步骤s4中，对缓存部署更新包括：基站有f种类型的内容，cf表示内容f所需的存储空间；ku表示第u个无人机的总存储空间，是一个二元变量，表示第f个内容是否在第t个时隙缓存在第u个无人机上，若在，则否则表示内容缓存放置决策；此外，有如下约束：

9.根据权利要求1所述的基于可变双时间尺度的无人机辅助网络的缓存优化方法，优先级，其特征在于，在步骤s4中，自适应优化大时间尺度长度包括：对于每一架无人机，在其服务范围内，所有用户所需内容的大小是变化的，即无人机缓存内容更新所需时间长度是变化的，因此相应地，长时间尺度上，缓存更新的频率也随之变化，以此来提高用户的缓存命中率，即减少总延迟；设ρx为第x个时间帧的帧长度，一个时间帧也就是一个缓存更新时间间隔，tu为一次更新所需时间，tu＝m/vm，m是一次更新内容大小，vm是文件缓存速率,tm是内容可使用时间，根据m大小换算成播放时间，tm要大于更新频率，得到更新频率的约束如下：

10.根据权利要求1所述的基于可变双时间尺度的无人机辅助网络的缓存优化方法，其特征在于，在步骤s3和步骤s4中，对小时间尺度信息进行更新具体为将小时间尺度信息清零，对大时间尺度信息更新具体为将大时间尺度信息清零；

技术总结
本发明涉及通信传感领域，更具体地，涉及基于可变双时间尺度的无人机辅助网络的缓存优化方法。其中方法包括：构建初始化边缘网络模型；获取多个用户请求，根据无人机信息判断无人机内是否有与用户请求对应的内容，并对小时间尺度信息以及大时间尺度信息进行更新；根据小时间尺度长度进行更新；根据大时间尺度信息进行更新；通过使用两时间尺度更新框架，能更合理地使用资源，提高了缓存空间利用率，减少了缓存开销和处理任务所需的时延。并且在本发明中动态优化更新大时间尺度信息表中，自适应地确定缓存更新时间点，找到最佳更新时间，在最大化利用内容的同时，尽可能满足用户需求，降低时延。

技术研发人员：杨超,彭泰钧,袁穗丹,黄俊霖,陈新
受保护的技术使用者：广东工业大学
技术研发日：
技术公布日：2024/9/23