本发明涉及一种无人机位置与资源分配联合优化方法和装置，属于通信。
背景技术：
1、近些年来，计算密集型或时延敏感型应用(例如视频处理、增强现实等)快速发展，对终端的计算能力提出了新的要求。目前的用户终端无法满足种类业务的需求，一般将其卸载到计算中心完成，而计算中心一般远离用户，无法满足时延敏感型应用，因此移动边缘计算技术应运而生。移动边缘计算(mec)在移动通信网的边缘布置大量的边缘设备，提供空闲计算能力和存储资源帮助用户设备执行任务。边缘设备有很多种类型，比如地面基站、车载基站和无人机等。地面边缘设备的位置通常是固定的，不能根据用户的需求进行更改或者移动，限制了边缘设备的能力。由于无人机的移动性，配置简单，代价小，尺寸小等特点，它作为边缘计算节点可以为用户提供更好的边缘计算服务。无人机辅助的mec系统以一种节能和低时延的方式为用户提供服务，提高系统的性能。随着移动通信技术的发展，机器类型通信、无人驾驶等新的智能应用和服务涌现。传感和通信的分离设计无法同时实现高数据传输速率和高精度传感，也无法满足这些新型服务的要求。
技术实现思路
1、本发明的目的在于克服现有技术中的不足，提供一种无人机位置与资源分配联合优化方法和装置，该方法针对无人机作为边缘节点为覆盖范围内的用户提供边缘计算服务且用户利用通感一体化无线信号通过部分卸载的方式将任务卸载至无人机并利用一体化信号回波对周围环境进行感知的场景，通过合理的安排资源和无人机飞行的位置，降低用户设备完成任务的代价。
2、为达到上述目的，本发明是采用下述技术方案实现的：
3、第一方面，本发明提供了一种无人机位置与资源分配联合优化方法，包括：
4、s1、检测用户位置；
5、s2、基于用户位置和预设的无人机悬停时隙数对用户进行分簇，并根据分簇结果确定无人机位置；
6、s3、根据无人机位置初始化用户数据上传时间，获取上传时间初始值；
7、s4、基于无人机位置和上传时间初始值确定用户发射功率和本地计算频率；
8、s5、根据无人机位置、用户发射功率和本地计算频率重新计算用户数据上传时间；
9、s6、重复执行步骤s4和s5，直至用户设备代价函数值变化小于所规定阈值；
10、s7、根据s3-s6步骤所得到的用户发射功率、本地计算频率和用户数据上传时间为用户分配资源，使得用户使用所分配资源卸载任务，并且无人机在s2步骤得到的无人机位置上移动并为用户提供计算服务。
11、进一步的，所述步骤s2中，基于用户位置和预设的无人机悬停时隙数对用户进行分簇，并根据分簇结果确定无人机位置，包括：
12、s2.1、随机选择一个用户位置作为第一个初始聚簇中心；
13、s2.2、计算所有用户离当前已确定的最近的聚簇中心的距离distance，根据公式计算所有用户的位置成为下一个初始聚簇中心的概率，其中m表示用户m的序号；
14、s2.3、通过轮盘赌法确定新的聚簇中心，根据每一个用户位置成为下一个初始聚簇中心的概率将区间[0,1]分为q个区间，其中q为用户总数，然后随机产生一个0到1之间的随机数，随机数所处区间对应的用户位置就是新的聚簇中心位置；
15、s2.4、重复步骤s2.2-s2.3直至选择出剩余的n-1个初始聚簇中心，n为无人机悬停时隙数；
16、s2.5、将最近的聚簇中心是同一个聚簇中心的用户划分到同一个簇中；
17、s2.6、将每个簇中所有用户位置横坐标的平均值作为新的簇中心的横坐标，所有用户位置纵坐标的平均值作为新的簇中心的纵坐标；
18、s2.7、重复步骤s2.5-s2.6直至所有聚簇中心的变化小于阈值或达到最大循环数；
19、s2.8、得到无人机悬停的高度为覆盖当前簇所有用户设备的最低高度与无人机最低高度的最大值；
20、s2.9、得到无人机悬停的第一个位置为距离坐标原点最近的簇中心的位置，未遍历的簇中心集合中离当前无人机位置最近的簇中心位置为下一个悬停的位置；
21、s2.10、得到最终无人机在每个悬停时隙的位置。
22、进一步的，所述步骤s3中，根据无人机位置初始化用户数据上传时间，获取上传时间初始值，包括：
23、用户m与无人机通信的无人机悬停时隙号为sm，初始化用户数据上传时间为悬停时隙长度的一半，得到上传时间初始值；
24、其中，悬停时隙长度采用以下公式计算:
25、
26、其中，为第n个悬停时隙长度，为总悬停时隙长度；
27、其中，为第n个飞行时隙长度，公式为：其中，v为无人机飞行时采用的速度，luav(n)为无人机在悬停时隙n的位置。
28、进一步的，所述步骤s4中，基于无人机位置和上传时间初始值确定用户发射功率和本地计算频率，包括：
29、s4.1、计算用户设备m在悬停时隙n与无人机之间的距离为其中，lm为整个飞行周期用户设备m的位置；
30、得到用户设备n在悬停时隙n与无人机之间的信道增益为：
31、
32、其中ξ0为用户和无人机距离为1时的参考信道增益，θ为路径损耗因子；
33、计算在悬停时隙n与无人机通信的用户设备总数为在悬停时隙n与无人机通信的用户设备可用带宽为得到用户设备m在第n个悬停时隙的信息传输速率为：
34、
35、其中n0为信道加性高斯白噪声的功率谱密度，pm(n)为用户设备m在悬停时隙n的发射功率；
36、s4.2、当无人机处于悬停状态时，位于无人机通信范围内的用户设备同时进行本地计算和数据上传，无人机的计算能力为f，无人机在悬停时隙将无人机得计算资源平均分配给覆盖范围内得所有用户；当无人机处于飞行状态，或者用户设备不处于无人机通信范围内时，用户设备只能进行本地计算；用户设备m在第n个悬停时隙的本地计算频率为在第n个飞行时隙的本地计算频率为因此，用户设备m在第n个悬停时隙计算的数据量为其中，dm表示用户设备m任务的计算强度；在第n个飞行时隙计算的数据量为用户设备m在第n个悬停时隙的本地计算能耗为在第n个飞行时隙的本地计算能耗为其中βloc有效电容系数；
37、s4.3、计算用户设备m在悬停时隙n的条件互信息为：
38、
39、其中，sm(n)表示用户设备m在悬停时隙n传输数据所使用波形；φm(n)表示用户设备m在悬停时隙n和感知目标之间的信道的脉冲响应；zm(n)表示用户设备m在悬停时隙n接收到的反射回波信号；ts表示一个ofdm符号的持续时间，qm(n)表示用户设备m在悬停时隙n与感知目标之间信道的脉冲响应的傅里叶变换；
40、s4.4、计算所有用户设备在所有时隙的总能耗为：
41、
42、其中，为用户设备m在第n个悬停时隙消耗的能量，表示用户设备m传输数据的时间长度；
43、用户设备在所有时隙的总条件互信息为：
44、
45、s4.5、初始化逐次凸逼近法的停止条件，泰勒展开点
46、s4.6、根据已确定的无人机位置和上传时间初始值，建立用户代价最小化问题p1，具体表达如下：
47、p1:
48、s.t.(c1)
49、(c2)
50、(c3)
51、(c4)
52、(c5)
53、其中，为用户设备集合，表示为为悬停时隙索引集合，表示为为飞行时隙索引集合表示为
54、
55、s4.7、将问题p1的约束(c2)不等式左侧函数进行一阶泰勒展开得到优化问题p2，具体表示为：
56、p2:
57、s.t.(c1)
58、(c2)
59、(c3)
60、(c4)
61、(c5)其中
62、
63、
64、s4.8、使用cvx工具箱解决问题p2，并更新泰勒展开点为问题p2的解；
65、s4.9、循环步骤s4.7-s4.8直至问题p2的目标函数值满足逐次凸逼近法停止条件。
66、s4.10、循环结束后将问题p2的解作为用户发射功率和本地计算频率。
67、进一步的，所述步骤s5中，根据无人机位置、用户发射功率和本地计算频率重新计算用户数据上传时间，包括：
68、s5.1、根据已确定的无人机位置、用户发射功率和本地计算频率建立优化问题p3，具体表示如下：
69、p3:
70、s.t.(c1)
71、(c2)
72、(c3)
73、(c4)
74、(c5)
75、当n＝sm时，令f对求偏导可得：
76、
77、当时，f对于单调递增，此时最优值为当时，目标函数对于单调递减，此时最优值为
78、s5.2、将问题p3的解作为用户数据上传时间。
79、进一步的，所述步骤s6中，计算用户设备代价函数值的公式为：cost＝etotal-υmisum。
80、第二方面，本发明提供一种无人机位置与资源分配联合优化装置，包括：
81、检测模块，用于检测用户位置；
82、分簇模块，用于基于用户位置和预设的无人机悬停时隙数对用户进行分簇，并根据分簇结果确定无人机位置；
83、第一计算模块，用于根据无人机位置初始化用户数据上传时间，获取上传时间初始值，并基于无人机位置和上传时间初始值确定用户发射功率和本地计算频率；
84、第二计算模块，用于根据无人机位置、用户发射功率和本地计算频率重新计算用户数据上传时间；
85、迭代模块，用于重复执行第一计算模块和第二计算模块，直至用户设备代价函数值变化小于所规定阈值；
86、资源分配模块，用于根据得到的用户发射功率、本地计算频率和用户数据上传时间为用户分配资源，使得用户使用所分配资源卸载任务，并且无人机在分簇模块中得到的无人机位置上移动并为用户提供计算服务。
87、第三方面，本发明提供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前述任一项所述方法的步骤。
88、第四方面，本发明提供一种计算机装置/设备/系统，包括：
89、存储器，用于存储计算机程序/指令；
90、处理器，用于执行所述计算机程序/指令以实现前述任一项所述方法的步骤。
91、第五方面，本发明提供一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现前述任一项所述方法的步骤。
92、与现有技术相比，本发明所达到的有益效果：
93、1、本发明考虑了无人机作为边缘计算节点为覆盖范围内的用户提供边缘计算服务，用户利用通感一体化无线信号通过部分卸载的方式将计算任务卸载至无人机，并利用一体化信号回波对周围环境进行感知。考虑了用户数据量、感知性能、无人机位置的要求，将用户能耗互信息的加权作为用户的代价。
94、2、本发明首先通过kmeans++聚簇分类法确定无人机位置，然后在确定无人机位置的情况下将优化问题分解为两个子问题并通过交替迭代的方法求解。
95、3、本发明采用逐次凸逼近法获得用户发射功率和本地计算频率，通过数学推导获得数据上传时间与发射功率和本地计算频率的关系表达式，在用户发射功率和本地计算频率最优值确定后，可以得到用户数据上传时间。
1.一种无人机位置与资源分配联合优化方法，其特征在于，包括：
2.根据权利要求1所述的无人机位置与资源分配联合优化方法，其特征在于，所述步骤s2中，基于用户位置和预设的无人机悬停时隙数对用户进行分簇，并根据分簇结果确定无人机位置，包括：
3.根据权利要求2所述的无人机位置与资源分配联合优化方法，其特征在于，所述步骤s3中，根据无人机位置初始化用户数据上传时间，获取上传时间初始值，包括：
4.根据权利要求3所述的无人机位置与资源分配联合优化方法，其特征在于，所述步骤s4中，基于无人机位置和上传时间确定用户发射功率和本地计算频率，包括
5.根据权利要求4所述的无人机位置与资源分配联合优化方法，其特征在于，所述步骤s5中，根据无人机位置、用户发射功率和本地计算频率重新计算用户数据上传时间，包括：
6.根据权利要求5所述的无人机位置与资源分配联合优化方法，其特征在于，所述步骤s6中，计算用户设备代价函数值的公式为：cost＝etotal-υmisum。
7.一种无人机位置与资源分配联合优化装置，其特征在于，包括：
8.一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时实现权利要求1-6中任一项所述方法的步骤。
9.一种计算机装置/设备/系统，其特征在于，包括：
10.一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现权利要求1-6中任一项所述方法的步骤。
