基于无人机协同辅助移动边缘计算的安全卸载方法及系统

1.本发明涉及一种基于无人机协同辅助移动边缘计算的安全卸载方法及系统，属于计算机无线通信技术领域。


背景技术：

2.随着物联网技术的高速发展，地面终端针对计算密集型业务的计算需求越来越高，移动边缘计算（mobile edge computing, mec）通过将移动边缘服务器部署在网络边缘，提供类似云计算服务，能够有效缓解用户资源受限和计算密集型应用之间的矛盾。另一方面，无人机由于其灵活部署，视距连接等特性，可以成为传统地面移动通信的重要补充。因此，针对偏远无基础设施地区或者是灾难场景，将mec服务器部署在无人机上，可以有效解决该地区地面终端的任务卸载问题。然而，无人机对地通信问题的开放性和视距链路性更容易导致地面用户在卸载过程中，面临着比传统地面通信系统更严峻的安全问题。
3.传统加密技术由于计算复杂度高，需要消耗大量的能耗，然而计算卸载过程也会面临着物理层被破坏的风险。现有的物理层安全技术通常考虑引入干扰信号达到抑制窃听率的目的，而干扰信号的来源考虑的大多是地面终端或者单架全双工模式的无人机，这种全双工模式下，无人机利用一根接收天线接收卸载任务，另一根天线用于发射干扰信号。然而，这种干扰信号方案由于自干扰的引入，会对上行卸载造成严重的损害。
4.现有文献securing uav communications via joint trajectory and power control[j].ieee transactions on wireless communications，feb.2019，18（2）：1376-1389，考虑了空地通信的场景，以最大化地面与无人机通信的平均保密容量为目标，在传输速率约束条件下，通过块坐标下降和连续凸优化方法，获得用户的最优发送功率及无人机的轨迹。该方法存在的不足之处是：未涉及到移动边缘计算，且没有措施降低窃听者的窃听能力，所述方法无法直接应用于移动边缘计算场景。
[0005]
现有文献energy-efficient computation offloading for secure uav-edge-computing systems[j].ieee transactions on vehicular technology，june 2019，68（6）：6074-6087，分析了无人机对地面ap任务卸载过程中的安全性能，针对主动和被动窃听者分别提出了最佳解决方案。该方法存在的不足之处是：ap计算的同时也作为地面干扰器对窃听者进行干扰，这种方式会因自干扰而影响到卸载速率。另外，未考虑无人机的轨迹优化问题，无法应用于更加实际的地对空卸载场景。
[0006]
为解决上述技术问题，亟需一种基于无人机协同辅助移动边缘计算的安全卸载方法。


技术实现要素：

[0007]
本发明的目的在于克服现有技术中的不足，提供一种基于无人机协同辅助移动边缘计算的安全卸载方法及系统，在存在窃听者的情况下，利用多无人机协同的方式，一架无人机作为计算无人机进行处理任务，另一架无人机作为干扰器发射干扰信号，增大地面终
端将计算任务卸载给计算无人机的通信可达速率，减少系统的能耗。
[0008]
为达到上述目的，本发明是采用下述技术方案实现的：第一方面，本发明提供了一种基于无人机协同辅助移动边缘计算的安全卸载方法，包括：采用部分卸载计算模式，根据获得的计算无人机、发射干扰无人机与地面上的用户和窃听者的地理位置，建立空地信道衰落模型以及用户到计算无人机的可达速率模型；其中，所述计算无人机部署有移动边缘计算服务器，用于接收地面用户卸载的任务并计算，所述发射干扰无人机用于发射干扰信号给地面窃听者；以通信、计算以及飞行总能耗最小为目标，构建优化问题；将所构建的优化问题利用块坐标下降法、sca方法进行求解，将其解耦成两个子优化问题：资源优化子问题和计算无人机的轨迹优化子问题；对获得的两个子优化问题引入泰勒展开方法进行局部凸近似处理，将非凸约束转化为凸约束；利用cvx工具对完成局部凸近似处理的两个子优化问题分别求局部的近似解，将两个局部的近似解进行迭代以求得整体的近似最优解，获得每个时隙内用户的计算量以及卸载给计算无人机的计算量、用户的发射功率和计算无人机的飞行路径。
[0009]
进一步的，获得的所述地理位置包括：m个地面终端用户、一个地面窃听者、一个计算无人机以及一个发射干扰无人机，其中，第m个用户的位置表示为；地面窃听者的位置表示为；计算无人机固定在的垂直高度，其水平位置用表示，发射干扰无人机也固定在的垂直高度，其水平位置用表示；地面用户表示为；所述空地信道衰落模型包括地面用户与计算无人机之间的信道功率增益以及发射干扰无人机与地面窃听者之间的信道功率增益，其中，第m个地面用户和计算无人机之间的信道功率增益如下式所示： （1）式中，计算无人机到地面用户的距离为，表示参考距离d = 1m时的信道功率增益，表示计算无人机的飞行轨迹，表示地面用户的位置，表示计算无人机的垂直高度，将连续时间等步长地划分为个时隙，表示为，每个时隙长度为，在每一个足够小的时隙中，计算无人机被认为是静态的；发射干扰无人机与地面窃听者之间的信道功率增益如下式所示： （2）
式中，发射干扰无人机到地面窃听者的距离为，表示发射干扰无人机的水平位置，表示地面窃听者的位置，为发射干扰无人机的垂直高度；对于地面用户和地面窃听者，假设它们之间的窃听信道是由距离相关的路径损耗构成的，路径损耗指数，并且是小尺度瑞利衰落，因此，任意时隙内从地面用户到窃听者的信道功率增益为： （3）式中，为地面用户到窃听者的距离，考虑到瑞利衰落，为单位均值的指数分布随机变量；第m个用户到计算无人机的合法链路的卸载速率表示为： （4）式中，表示计算无人机的噪声功率谱密度，为第m个用户在第n个时隙向计算无人机卸载任务时的发射功率，在系统中，系统总带宽为hz，平均划分为个子载波，每个用户的子载波大小为；第m个用户到窃听者的非法链路的窃听速率表示为：（5）式中，表示发射干扰无人机的噪声功率谱密度，表示发射干扰无人机的发射功率；用户到计算无人机的可达速率模型表示为： （6）。
[0010]
进一步的，构建的所述优化问题包括目标函数和约束条件，其中，所述目标函数包括：
ꢀ
（7）式中，定义为用户与计算无人机之间的通信能耗，定义为用户本地及计算能耗以及计算无人机计算来自地面用户卸载的任务所消耗的能耗，定义为计算无人机的飞行能耗，定义为计算无人机飞行能耗的权重， 定义为时隙长度，和分别定义为用户和计算无人机的有效电容系数，和分别表示用户和计算无人机计算单位比特所需要的cpu圈数，和分别表示用户和计算无人机每时隙内计算的比特数，定义为计算无人机该时隙的速率，为计算无人机的质量，定义为重力加速度，定义为用户的发射功率，表示为计算无人机的飞行轨迹；所述约束条件包括：在时间内，用户和计算无人机的计算任务量超过比特，即： （8）在时间内，计算无人机累积完成的任务比特数小于等于用户累计卸载的任务比特数，即： （9）式中，表示地面用户卸载任务到计算无人机的可达速率；用户和计算无人机每时隙可以计算的比特数小于等于其最大值，即 （10） （11）式中，和分别表示用户和计算无人机的最大计算频率，表示计算无人机分配到每个用户的平均最大计算频率，；和分别表示用户和计算无人机计算单位比特所需要的cpu圈数；计算无人机的初始与结束位置固定，即有约束
；计算无人机在一个时隙内，所飞过的距离小于最大距离，即有约束 （12）其中，表示计算无人机的最大飞行速率，和表示每时隙端点时计算无人机的位置；用户发射功率的约束有 （13）。
[0011]
进一步的，根据sca方法，仅保留与资源优化有关的约束条件，所解耦的资源优化子问题包括： （14）式中，和分别表示地面用户和计算无人机每时隙内计算的比特数，表示用户的最大发射功率；仅保留与计算无人机轨迹相关的约束问题，所解耦的计算无人机的轨迹优化子问题包括：
ꢀ
（15）式中，表示计算无人机在第一个时隙内的位置，表示计算无人机设定的初始位置，表示计算无人机在最后时隙内的位置，表示计算无人机设置的结束位置，和表示每时隙端点时计算无人机的位置。
[0012]
进一步的，对资源优化子问题引入泰勒展开进行局部凸近似的方法，包括：针对c3， （16）令不等式右边的第二部分为，记为，其中，将这个凹函数在处进行泰勒一阶展开，即：，所以c3不等式右边为凹函数减去线性函数，解集呈凸集。
[0013]
进一步的，对计算无人机轨迹子优化问题引入泰勒展开进行局部凸近似的方法，包括：针对c3， （17）
令 （18）其中，函数对于是一个凸函数，在点处进行泰勒一阶展开，其中，表示计算无人机第次迭代优化出的轨迹：（19）令 （20）则 （21）所以c3转化为凸集。
[0014]
进一步的，所述利用cvx工具对完成局部凸近似处理的两个子优化问题分别求局部近似解，将两个局部的近似解进行迭代以求得整体的近似最优解的具体方法，包括：在求解资源优化子问题时，给定其各个变量初值，代入求解资源优化子问题第i次迭代局部近似解，再把第i次资源优化子问题的解及其它初值代入轨迹优化子问题求得近似解，不断增加迭代次数，直到两次迭代的目标函数差值满足在[-0.1,0.1] 范围内，结束流程。
[0015]
第二方面，本发明提供了一种基于无人机协同辅助移动边缘计算的安全卸载系统，所述系统包括：模型建立模块：用于采用部分卸载计算模式，根据获得的计算无人机、发射干扰无人机与地面上的用户和窃听者的地理位置，建立空地信道衰落模型以及用户到计算无人机的可达速率模型；优化问题构建模块：用于以通信、计算以及飞行总能耗最小为目标，构建优化问题；子优化问题解耦模块：用于将所构建的优化问题利用块坐标下降法、sca方法进行求解，将其解耦成两个子优化问题：资源优化子问题和计算无人机的轨迹优化子问题；局部凸近似处理模块：用于对获得的两个子优化问题引入泰勒展开方法进行局部凸近似处理，将非凸约束转化为凸约束；
最优解获得模块：用于利用cvx工具对完成局部凸近似处理的两个子优化问题分别求局部的近似解，将两个局部的近似解进行迭代以求得整体的近似最优解，获得每个时隙内用户的计算量以及卸载给计算无人机的计算量、用户的发射功率和计算无人机的飞行路径。
[0016]
第三方面，本发明提供了一种计算机设备，包括处理器及存储介质；所述存储介质用于存储指令；所述处理器用于根据所述指令进行操作以执行根据第一方面所述方法的步骤。
[0017]
第四方面，本发明提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行实现第一方面所述方法的步骤。
[0018]
与现有技术相比，本发明所达到的有益效果：本发明提供的基于无人机协同辅助移动边缘计算的安全卸载方法，考虑到了窃听者对通信传输速率的影响，引入发射干扰无人机使窃听者对信息的窃听能力减弱，从而使地面用户到计算无人机的可达速率增大，计算无人机可以接收并处理到更多的任务，计算一定的比特需要付出的时间以及功率代价变小，即系统所需消耗的能量更少，可以减少资源的浪费。
[0019]
本发明提供的基于无人机协同辅助移动边缘计算的安全卸载方法，以最小化相关通信、计算以及无人机飞行能耗为目标，联合优化了资源分配、计算无人机轨迹问题。且引入了能耗概念，使得本发明的优化目标更为全面，与单纯考虑卸载过程中的安全通信传输速率，更具现实意义。
[0020]
本发明提供的基于无人机协同辅助移动边缘计算的安全卸载方法，使得本发明能够快速的获得系统最小能耗以及对应的资源分配与轨迹优化。本发明算法复杂度低，大大降低资源损耗。
附图说明
[0021]
图1是本发明实施例中的安全卸载能耗方法的流程示意图；图2是本发明实施例中的安全卸载能耗方法的系统模型图；图3是本发明实施例中的安全卸载能耗方法的整体流程示意图；图4是本发明在用户位置不同时计算无人机的轨迹变化图；图5是本发明在不同的计算任务要求下，系统总能耗会随着迭代次数增加而收敛的仿真图。
具体实施方式
[0022]
下面通过附图以及具体实施例对本发明技术方案做详细的说明，应当理解本技术实施例以及实施例中的具体特征是对本技术技术方案的详细的说明，而不是对本技术技术方案的限定，在不冲突的情况下，本技术实施例以及实施例中的技术特征可以相互组合。
[0023]
本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。
[0024]
实施例一图1是本发明实施例一中的一种基于无人机协同辅助移动边缘计算的安全卸载方
法的流程图。本实施例提供的基于无人机协同辅助移动边缘计算的安全卸载方法可应用于终端，可以由基于无人机协同辅助移动边缘计算的安全卸载装置来执行，该装置可以由软件和/或硬件的方式实现，该装置可以集成在终端中，例如：任一具备通信功能的智能手机，平板电脑或计算机设备。参见图1，本实施例的方法具体包括如下步骤：步骤a：采用部分卸载计算模式，根据获得的计算无人机、发射干扰无人机与地面上的用户和窃听者的地理位置，建立空地信道衰落模型以及用户到计算无人机的可达速率模型；其中，所述计算无人机部署有移动边缘计算服务器，用于接收地面用户卸载的任务并计算，所述发射干扰无人机用于发射干扰信号给地面窃听者；步骤b：以通信、计算以及飞行总能耗最小为目标，构建优化问题；步骤c：将所构建的优化问题利用块坐标下降法、sca方法进行求解，将其解耦成两个子优化问题：资源优化子问题和计算无人机的轨迹优化子问题；步骤d：对获得的两个子优化问题引入泰勒展开方法进行局部凸近似处理，将非凸约束转化为凸约束；步骤e：利用cvx工具对完成局部凸近似处理的两个子优化问题分别求局部的近似解，将两个局部的近似解进行迭代以求得整体的近似最优解，获得每个时隙内用户的计算量以及卸载给计算无人机的计算量、用户的发射功率和计算无人机的飞行路径。
[0025]
对于步骤a，图2展示了本发明的具体模型，包括m个地面的终端用户、一个地面窃听者、一个计算无人机和一个发射干扰无人机。每一个地面终端具有一定的计算能力，可以执行本地一定的任务。计算无人机部署有移动边缘计算服务器，它的计算能力相较于地面终端更强。地面终端用户会向计算无人机卸载任务，并采用部分卸载计算模式，在卸载的过程中，地面的窃听者会对合法信道进行窃听信息。此时发射干扰的无人机对地面窃听者进行发射干扰，来减弱窃听信息的能力，让计算无人机可以接收到更多的信息。
[0026]
在此场景中，假设地面终端的用户位置和窃听者以及发射干扰无人机的位置确定。在一定的时间周期内，地面终端用户和计算无人机需要处理一定数量的任务。由于本地计算能力有限，用户可以在本地处理任务的同时将部分任务卸载给计算无人机进行处理。在该场景中，采用ofdma的传输方式，假设每一用户占用相同的带宽，在每一时隙内，所有用户同时卸载任务数给计算无人机，这样可以避免不同的信道之间产生干扰。
[0027]
第m个用户的位置表示为地面窃听者的位置表示为计算无人机固定在的垂直高度，其水平位置用表示，发射干扰无人机也固定在的垂直高度，其水平位置用表示；地面用户表示为。
[0028]
空地信道衰落模型包括地面用户与计算无人机之间的信道功率增益以及发射干扰无人机与地面窃听者之间的信道功率增益，其中，对于无人机与地面终端的空对地信道，信道的质量可以由无人机和地面终端之间的链路决定，又因它们之间为视距链路，信道增益为自由空间路径损耗模型，则第m个地面用户和计算无人机之间的信道功率增益可以表示为如下公式所示：
ꢀ
（1）其中，计算无人机到地面用户的距离为，表示参考距离d = 1m时的信道功率增益。表示计算无人机的飞行轨迹，表示地面用户的位置，表示计算无人机的垂直高度，将连续时间等步长地划分为个时隙，表示为，每个时隙长度为，在每一个足够小的时隙中，计算无人机被认为是静态的。
[0029]
同样地，发射干扰无人机与地面窃听者之间的信道功率增益可以表示为如下公式所示：
ꢀꢀ
（2）其中，发射干扰无人机到地面窃听者的距离为，表示发射干扰无人机的水平位置，表示地面窃听者的位置，同样表示发射干扰无人机的垂直高度。
[0030]
对于地面用户和地面窃听者，假设它们之间的窃听信道是由距离相关的路径损耗构成的，路径损耗指数，并且是小尺度瑞利衰落，因此，任意时隙内从地面用户到窃听者的信道功率增益为： （3）其中，为地面用户到窃听者的距离，考虑到瑞利衰落，为单位均值的指数分布随机变量。
[0031]
在系统中，系统总带宽为hz，可平均划分为个子载波。每个用户的子载波大小为。用户到计算无人机的链路成为合法链路，而用户到窃听者的链路为非法链路。第m个用户在第n个时隙向计算无人机卸载任务时的发射功率可以表示为。因此，第m个用户到计算无人机的合法链路的卸载速率表示为 （4）其中表示计算无人机的噪声功率谱密度。同理，第m个用户到窃听者的非法链路的卸载速率表示为 （5）其中，表示发射干扰无人机的噪声功率谱密度，表示发射干扰无人机的发射功率，这会对窃听者造成干扰。因此，用户到计算无人机的可达速率模型表示为：
ꢀ
（6）对于步骤b，以通信、计算以及飞行总能耗最小为目标，构建优化问题。基于上述的描述，可以先建立以下数学模型：（a）通信模型假设用户终端的任务可以分配到本地用户和计算无人机的mec服务器上进行执行，在同一时隙内，计算无人机可以执行此时隙接收到的任务数。由于结果的大小比卸载的数据大小小得多，因此假设从计算无人机发送回用户的结果的延迟和能量消耗被省略。
[0032]
在卸载过程中，用户每时隙本地计算的任务数为，计算无人机每时隙的计算任务数为，二者计算的任务数不小于零。在时间周期内，本地计算以及计算无人机计算的任务比特数至少为比特。因此，有约束关系为 （7）在时间内，计算无人机累积完成的任务比特数小于等于用户累计卸载的任务比特数，其因果约束为，对不等式右侧进行展开，即： （8）式中，表示地面用户卸载任务到计算无人机的可达速率；在该通信模型中，本地用户的通信能耗可表示为 （9）（b）计算模型表示地面用户计算每比特所需要的cpu周期，表示地面用户的有效电容系数，其受芯片架构影响。假设所有用户的cpu周期和有效电容系数相同。
[0033]
同样地，用表示计算无人机计算每比特所需要的cpu周期，表示计算无人机的有效电容系数，其受芯片架构影响。用户和计算无人机的最大cpu频率分别用
ꢀꢀ
和
ꢀꢀ
表示。根据它们之间的关系，可以得到以下公式：
ꢀ
（10）其中
ꢀꢀ
代表计算无人机的最大cpu频率被分为个部分，服务于每个地面用户。基于此，每时隙本地用户所消耗的计算能耗可表示为：
ꢀꢀ
（11）同样地，每时隙计算无人机所消耗的计算能耗可表示为： （12）在每个时隙中，计算无人机可以接收该时隙地面用户的任务并进行处理，因此系统计算所消耗能量为： （13）（c）计算无人机飞行能耗在飞行过程中，计算无人机从初始位置飞到最终位置。考虑到安全问题，计算无人机有最大的飞行速度，所以有以下约束： （14）其中和 表示每时隙端点时计算无人机的位置。不考虑风速的影响，每个时隙的飞行能量消耗取决于该时隙的无人机速度。假设计算无人机的速度在每个时隙内近似恒定，其速度可表示为： （15）计算无人机的飞行能耗还包括需要克服的重力势能，因此，每时隙计算无人机的飞行能耗为：（16）其中为欧氏范数，为计算无人机的质量，为重力加速度。由于无人机的飞
行能耗相比于计算能耗过大，因此给定为计算无人机飞行能耗的权重，以保证用户的公平。
[0034]
基于上述分析，系统整体与通信和计算以及飞行相关的能耗总和为，则本发明中的优化问题可以被建模为问题：；s.t.；；；；；；；，在上述问题中，c1表示每个时隙地面用户处理的任务量且计算无人机处理的任务量大于等于零，c2表示在时间周期内所有用户处理的任务总量和计算无人机处理的任务总量有最低要求，c3表示当前时隙，计算无人机累计处理的任务总量不能超过本地用户到计算无人机的可实现的累计卸载比特量，c4和c5表示每时隙本地用户和计算无人机的计算任务量不超过其计算能力，c6表示计算无人机的初始位置和结束位置，c7表示计算无人机的飞行约束，c8表示地面用户的发射功率约束。
[0035]
在步骤c中所提到本发明是利用块坐标下降法及sca方法进行求解；该方法在解决优化问题时，一次更新一个变量块，通过交替优化两个子问题来迭代求解获得原问题的一个近似解。
[0036]
步骤d对资源优化问题引入一阶泰勒展开方法进行局部凸近似处理，将非凸约束
转化为凸约束，具体处理流程为：对于该非凸子问题：；s.t.；；；；；。
[0037]
对于c3，由于不等式的右半部分包含两部分，关于变量，第一部分是凹函数，第二部分关于变量是凸函数，所以c3不等式的右边为非凸非凹函数，采用一阶泰勒展开将第二部分转换为线性函数，使得c3不等式的右边整体取下界，即令第二部分为，记为，其中，将这个凹函数在处进行泰勒一阶展开，即 ，所以c3不等式右边为凹函数减去线性函数，解集呈凸集。
[0038]
因此资源优化子问题可以转换为下列凸问题：
；s.t.；；；；；，由于该问题为凸问题，可以利用cvx工具，通过标准凸优化技术进行求解，得到第次迭代时资源优化子问题的局部最优解。
[0039]
步骤d中计算无人机轨迹优化问题可通过以下过程进行进一步转化：计算无人机的轨迹优化子问题为： （20）令
ꢀ
（21）其中，函数对于 这个整体是一个凸函数，所以对于c3并非凸集，因此在点处进行泰勒一阶展开，其中，表示无人机第次迭代优化出的轨迹。
[0040]
（22）令 （23）则 （24）所以c3可以转化为凸集。
[0041]
由于目标函数和约束均为凸函数，同样可以利用cvx工具，通过标准凸优化算法进行求解，得到当前迭代次数下计算无人机飞行轨迹的局部最优解。
[0042]
步骤e中利用cvx工具对上述两个子问题分别求局部近似解过程为：先给定其各个变量初值，代入求解资源优化子问题求得第i次迭代局部近似解，再把第i次资源优化子问题的解及其它初值代入计算无人机轨迹优化子问题求得近似解，不断增加迭代次数，直到两次迭代的目标函数差值满足范围在[-0.1,0.1]内，即得到系统最小能耗，即最优资源优化和最优的飞行轨迹。
[0043]
综上所述，本发明考虑到存在窃听环境下无人机协同移动边缘计算系统下最小的能耗。在满足给定地面用户、计算无人机的最高计算能力以及一定的计算任务数约束下，联合优化了资源优化、计算无人机轨迹问题，同时从物理层安全角度出发，引入发射干扰无人机使窃听者对信息的窃听能力减弱，干扰无人机的发射功率越大，窃听者的窃听能力就越弱，从而计算无人机的接受速率就越大，即提升了该场景下的安全问题。
[0044]
本发明提供的基于无人机协同辅助移动边缘计算的安全卸载方法，采用了一种基于快坐标下降法以及sca方法的全局优化算法，将优化问题解耦为两个子问题，对非凸子优化约束通过采用一阶泰勒展开转化为局部凸优化问题，对凸问题利用cvx工具进行多次迭代求解系统近似最优解。该方法充分考虑了系统相关的通信与计算能耗及无人机飞行能耗，可提升系统的运行效率，也可以减少资源的浪费。
[0045]
下面结合仿真条件与结果对本发明做进一步的描述，其仿真参数设置如下：信道的总带宽为1e7hz，地面用户的个数为3，无人机的高度，时间周期
为2s，时间间隔为10，计算无人机的最大飞行速度为40m/s，计算无人机的初始位置和最终位置为 m和 m，地面用户的最大发射功率为，计算无人机和窃听者的噪声功率谱密度为，参考距离d = 1m时的信道功率增益。用户和计算无人机的最大cpu频率分别为 和
ꢀꢀ
，用户和计算无人机的计算单位比特所需的cpu圈数分别为和以及其有效电容系数为，地面窃听者的位置为，计算无人机飞行能耗的权重为。
[0046]
图4展示了计在用户个数为3时，且位置改变的情况下计算无人机的轨迹优化结果，其中横纵坐标代表平面位置，单位为米。从结果可以看出计算无人机的轨迹根据每组用户的变化而变化。
[0047]
本发明提出的整体迭代算法1的收敛性能如图3所示，其中给出了三种不同计算要求的情况进行比较，在周期t = 2 s下。该图说明了在不同计算需求次数下，系统总能耗随迭代次数增加的趋势。显然，需要计算的计算量越大，系统的能耗就越大。从图中可以看出，本发明提出的算法1在迭代中保证了近似收敛，说明本发明提出的算法1是高效的。
[0048]
图5所示为在不同的计算任务数下，系统总能耗随迭代次数增加，且能耗也会随着计算任务数的增大而增大。从仿真可以看出，本发明提出的算法可以在一定的迭代次数中达到收敛，因此验证了所提出的联合资源优化以及轨迹优化方案的有效性
[0049]
实施例二：本实施例提供一种基于无人机协同辅助移动边缘计算的安全卸载系统，包括：模型建立模块：用于采用部分卸载计算模式，根据获得的计算无人机、发射干扰无人机与地面上的用户和窃听者的地理位置，建立空地信道衰落模型以及用户到计算无人机的可达速率模型；优化问题构建模块：用于以通信、计算以及飞行总能耗最小为目标，构建优化问题；子优化问题解耦模块：用于将所构建的优化问题利用块坐标下降法、sca方法进行求解，将其解耦成两个子优化问题：资源优化子问题和计算无人机的轨迹优化子问题；局部凸近似处理模块：用于对获得的两个子优化问题引入泰勒展开方法进行局部凸近似处理，将非凸约束转化为凸约束；最优解获得模块：用于利用cvx工具对完成局部凸近似处理的两个子优化问题分别求局部的近似解，将两个局部的近似解进行迭代以求得整体的近似最优解，获得每个时隙内用户的计算量以及卸载给计算无人机的计算量、用户的发射功率和计算无人机的飞行路径。
[0050]
本发明实施例所提供的基于无人机协同辅助移动边缘计算的安全卸载系统可执行本发明任意实施例所提供的基于无人机协同辅助移动边缘计算的安全卸载方法，具备执行方法相应的功能模块和有益效果。
[0051]
实施例三：
本发明实施例还提供了一种计算机设备，包括处理器及存储介质；所述存储介质用于存储指令；所述处理器用于根据所述指令进行操作以执行下述方法的步骤：采用部分卸载计算模式，根据获得的计算无人机、发射干扰无人机与地面上的用户和窃听者的地理位置，建立空地信道衰落模型以及用户到计算无人机的可达速率模型；其中，所述计算无人机部署有移动边缘计算服务器，用于接收地面用户卸载的任务，所述发射干扰无人机被配置为用于对地面窃听者发射干扰信号；以通信、计算以及飞行总能耗最小为目标，构建优化问题；将所构建的优化问题利用块坐标下降法、sca方法进行求解，将其解耦成两个子优化问题：资源优化子问题和计算无人机的轨迹优化子问题；对获得的两个子优化问题引入泰勒展开方法进行局部凸近似处理，将非凸约束转化为凸约束；利用cvx工具对完成局部凸近似处理的两个子优化问题分别求局部的近似解，将两个局部的近似解进行迭代以求得整体的近似最优解，获得每个时隙内用户的计算量以及卸载给计算无人机的计算量、用户的发射功率和计算无人机的飞行路径。
[0052]
对于本实施例中各步骤的详细内容可参见实施例一，在此不作赘述。鉴于本实施例与实施例一采用相同的技术构思，因此也具备诸如实施例一所述的技术效果。
[0053]
实施例四：本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现下述方法的步骤：采用部分卸载计算模式，根据获得的计算无人机、发射干扰无人机与地面上的用户和窃听者的地理位置，建立空地信道衰落模型以及用户到计算无人机的可达速率模型；其中，所述计算无人机部署有移动边缘计算服务器，用于接收地面用户卸载的任务，所述发射干扰无人机被配置为用于对地面窃听者发射干扰信号；以通信、计算以及飞行总能耗最小为目标，构建优化问题；将所构建的优化问题利用块坐标下降法、sca方法进行求解，将其解耦成两个子优化问题：资源优化子问题和计算无人机的轨迹优化子问题；对获得的两个子优化问题引入泰勒展开方法进行局部凸近似处理，将非凸约束转化为凸约束；利用cvx工具对完成局部凸近似处理的两个子优化问题分别求局部的近似解，将两个局部的近似解进行迭代以求得整体的近似最优解，获得每个时隙内用户的计算量以及卸载给计算无人机的计算量、用户的发射功率和计算无人机的飞行路径。
[0054]
对于本实施例中各步骤的详细内容可参见实施例一，在此不作赘述。鉴于本实施例与实施例一采用相同的技术构思，因此也具备诸如实施例一所述的技术效果。
[0055]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、cd-rom、光学存储器等）上实施的计算机程序产品的形式。
[0056]
本技术是参照根据本技术实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
[0057]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
[0058]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
[0059]
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

技术特征：
1.一种基于无人机协同辅助移动边缘计算的安全卸载方法，其特征是，包括：采用部分卸载计算模式，根据获得的计算无人机、发射干扰无人机与地面上的用户和窃听者的地理位置，建立空地信道衰落模型以及用户到计算无人机的可达速率模型；其中，所述计算无人机部署有移动边缘计算服务器，用于接收地面用户卸载的任务并计算，所述发射干扰无人机用于发射干扰信号给地面窃听者；以通信、计算以及飞行总能耗最小为目标，构建优化问题；将所构建的优化问题利用块坐标下降法、sca方法进行求解，将其解耦成两个子优化问题：资源优化子问题和计算无人机的轨迹优化子问题；对获得的两个子优化问题引入泰勒展开方法进行局部凸近似处理，将非凸约束转化为凸约束；利用cvx工具对完成局部凸近似处理的两个子优化问题分别求局部的近似解，将两个局部的近似解进行迭代以求得整体的近似最优解，获得每个时隙内用户的计算量以及卸载给计算无人机的计算量、用户的发射功率和计算无人机的飞行路径。2.根据权利要求1所述的基于无人机协同辅助移动边缘计算的安全卸载方法，其特征是，获得的所述地理位置包括：m个地面终端用户、一个地面窃听者、一个计算无人机以及一个发射干扰无人机，其中，第m个用户的位置表示为；地面窃听者的位置表示为；计算无人机固定在的垂直高度，其水平位置用表示，发射干扰无人机也固定在的垂直高度，其水平位置用表示；地面用户表示为；所述空地信道衰落模型包括地面用户与计算无人机之间的信道功率增益以及发射干扰无人机与地面窃听者之间的信道功率增益，其中，第m个地面用户和计算无人机之间的信道功率增益如下式所示：（1）式中，计算无人机到地面用户的距离为，表示参考距离d = 1m时的信道功率增益，表示计算无人机的飞行轨迹，表示地面用户的位置，表示计算无人机的垂直高度，将连续时间等步长地划分为个时隙，表示为，每个时隙长度为，在每一个足够小的时隙中，计算无人机被认为是静态的；发射干扰无人机与地面窃听者之间的信道功率增益如下式所示： （2）式中，发射干扰无人机到地面窃听者的距离为，表示发射干扰无人机的水平位置，表示地面窃听者的位置，为发射干扰无人机的垂直高度；
对于地面用户和地面窃听者，假设它们之间的窃听信道是由距离相关的路径损耗构成的，路径损耗指数，并且是小尺度瑞利衰落，因此，任意时隙内从地面用户到窃听者的信道功率增益为： （3）式中，为地面用户到窃听者的距离，考虑到瑞利衰落，为单位均值的指数分布随机变量；第m个用户到计算无人机的合法链路的卸载速率表示为： （4）式中，表示计算无人机的噪声功率谱密度，为第m个用户在第n个时隙向计算无人机卸载任务时的发射功率，在系统中，系统总带宽为hz，平均划分为个子载波，每个用户的子载波大小为；第m个用户到窃听者的非法链路的窃听速率表示为：（5）式中，表示发射干扰无人机的噪声功率谱密度，表示发射干扰无人机的发射功率；用户到计算无人机的可达速率模型表示为： （6）。3.根据权利要求2所述的基于无人机协同辅助移动边缘计算的安全卸载方法，其特征是，构建的所述优化问题包括目标函数和约束条件，其中，所述目标函数包括： （7）式中，定义为用户与计算无人机之间的通信能耗，定义为用户本地及计
算能耗以及计算无人机计算来自地面用户卸载的任务所消耗的能耗，定义为计算无人机的飞行能耗，定义为计算无人机飞行能耗的权重， 定义为时隙长度，和分别定义为用户和计算无人机的有效电容系数，和分别表示用户和计算无人机计算单位比特所需要的cpu圈数，和分别表示用户和计算无人机每时隙内计算的比特数，定义为计算无人机该时隙的速率，为计算无人机的质量，定义为重力加速度，定义为用户的发射功率，表示为计算无人机的飞行轨迹；所述约束条件包括：在时间内，用户和计算无人机的计算任务量超过比特，即： （8）在时间内，计算无人机累积完成的任务比特数小于等于用户累计卸载的任务比特数，即： （9）式中，表示地面用户卸载任务到计算无人机的可达速率；用户和计算无人机每时隙可以计算的比特数小于等于其最大值，即 （10） （11）式中，和分别表示用户和计算无人机的最大计算频率，表示计算无人机分配到每个用户的平均最大计算频率，；和分别表示用户和计算无人机计算单位比特所需要的cpu圈数；计算无人机的初始与结束位置固定，即有约束；计算无人机在一个时隙内，所飞过的距离小于最大距离，即有约束 （12）其中，表示计算无人机的最大飞行速率，和表示每时隙端点时计算无人机的位置；用户发射功率的约束有 （13）。4. 根据权利要求3所述的基于无人机协同辅助移动边缘计算的安全卸载方法，其特征
是，根据sca方法，仅保留与资源优化有关的约束条件，所解耦的资源优化子问题包括： （14）式中，和分别表示地面用户和计算无人机每时隙内计算的比特数，表示用户的最大发射功率；仅保留与计算无人机轨迹相关的约束问题，所解耦的计算无人机的轨迹优化子问题包括： （15）式中，表示计算无人机在第一个时隙内的位置，表示计算无人机设定的初始位置，表示计算无人机在最后时隙内的位置，表示计算无人机设置的结束位置，和表示每时隙端点时计算无人机的位置。5.根据权利要求4所述的基于无人机协同辅助移动边缘计算的安全卸载方法，其特征
是，对资源优化子问题引入泰勒展开进行局部凸近似的方法，包括：针对c3， （16）令不等式右边的第二部分为，记为，其中，将这个凹函数在处进行泰勒一阶展开，即：，所以c3不等式右边为凹函数减去线性函数，解集呈凸集。6.根据权利要求4所述的基于无人机协同辅助移动边缘计算的安全卸载方法，其特征是，对计算无人机轨迹子优化问题引入泰勒展开进行局部凸近似的方法，包括：针对c3， （17）令 （18）其中，函数对于是一个凸函数，在点处进行泰勒一阶展开，其中，表示计算无人机第次迭代优化出的轨迹： （19）令
ꢀ
（20）则 （21）所以c3转化为凸集。7.根据权利要求1所述的基于无人机协同辅助移动边缘计算的安全卸载方法，其特征是，所述利用cvx工具对完成局部凸近似处理的两个子优化问题分别求局部近似解，将两个局部的近似解进行迭代以求得整体的近似最优解的具体方法，包括：在求解资源优化子问题时，给定其各个变量初值，代入求解资源优化子问题第i次迭代局部近似解，再把第i次资源优化子问题的解及其它初值代入轨迹优化子问题求得近似解，不断增加迭代次数，直到两次迭代的目标函数差值满足在[-0.1,0.1] 范围内，结束流程。8.一种基于无人机协同辅助移动边缘计算的安全卸载系统，其特征在于，所述系统包括：模型建立模块：用于采用部分卸载计算模式，根据获得的计算无人机、发射干扰无人机与地面上的用户和窃听者的地理位置，建立空地信道衰落模型以及用户到计算无人机的可达速率模型；优化问题构建模块：用于以通信、计算以及飞行总能耗最小为目标，构建优化问题；子优化问题解耦模块：用于将所构建的优化问题利用块坐标下降法、sca方法进行求解，将其解耦成两个子优化问题：资源优化子问题和计算无人机的轨迹优化子问题；局部凸近似处理模块：用于对获得的两个子优化问题引入泰勒展开方法进行局部凸近似处理，将非凸约束转化为凸约束；最优解获得模块：用于利用cvx工具对完成局部凸近似处理的两个子优化问题分别求局部的近似解，将两个局部的近似解进行迭代以求得整体的近似最优解，获得每个时隙内用户的计算量以及卸载给计算无人机的计算量、用户的发射功率和计算无人机的飞行路径。9.一种计算机设备，其特征在于，包括处理器及存储介质；所述存储介质用于存储指令；所述处理器用于根据所述指令进行操作以执行根据权利要求1~7任一项所述方法的步骤。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行实现权利要求1~7任一项所述方法的步骤。

技术总结
本发明公开了一种基于无人机协同辅助移动边缘计算的安全卸载方法及系统，该方法包括：采用部分卸载计算模式，根据获得的计算无人机、发射干扰无人机与地面上的用户和窃听者的地理位置，建立空地信道衰落模型以及用户到计算无人机的可达速率模型；其中，计算无人机部署有移动边缘计算服务器，用于接收地面用户卸载的任务并计算。本发明在存在窃听者的情况下，利用多无人机协同的方式，一架无人机作为计算无人机进行处理任务，另一架无人机作为干扰器发射干扰信号，增大地面终端将计算任务卸载给计算无人机的通信可达速率，减少系统的能耗。耗。耗。


技术研发人员：杨龙祥 郝书亭 胡晗 周福辉
受保护的技术使用者：南京邮电大学
技术研发日：2023.07.10
技术公布日：2023/8/9