基于无人机辅助通信的异构业务资源调度方法.pdf

第47卷总第516期222023年8月第8期“面向6G的物联网技术”专题基于无人机辅助通信的异构业务资源调度方法*在B5G时代，无人机辅助通信被认为是一种能够支持异构设备组网的有效途径。然而，由于服务需求的不同，各类用户设备在共享同一无人机通信资源时会产生竞争与冲突。针对该问题，设计了一种基于资源切片的资源调度方案，旨在无人机辅助通信场景下同时保证eMBB类型用户的较低平均服务时延的需要和mMTC类型用户的高接入的需求。解析地表达了异构业务的需求和联系，并构建eMBB用户的服务时延最小化和mMTC用户的接入数量最大化问题。为了求解这一问题，设计了一种基于联盟博弈和逐次凸近似的面向异构服务的资源配置算法。仿真结果表明，所提算法能够实现高效的资源调配，为异构业务提供高质量的服务。无人机辅助通信；资源调度；异构业务（大连海事大学信息科学技术学院，辽宁 大连 116026）【摘 要】张丽娇，戴燕鹏doi:10.3969/j.issn.1006-1010.20230622-0004 中图分类号：TN929.5文献标志码：A 文章编号：1006-1010(2023)08-0022-06引用格式：张丽娇,戴燕鹏.基于无人机辅助通信的异构业务资源调度方法J.移动通信,2023,47(8):22-27.ZHANG Lijiao,DAI Yanpeng.Resource Scheduling Method for Heterogeneous Services Based on UAV-assisted CommunicationJ.Mobile Communications,2023,47(8):22-27.Resource Scheduling Method for Heterogeneous Services Based on UAV-assisted CommunicationsIn the era of B5G,UAV-assisted communication is considered as an effective way to support heterogeneous device networking.However,due to different service requirements,various user devices may cause competition and conflicts when sharing resources of the same UAV.This article designs a resource scheduling scheme based on resource slicing for simultaneously ensuring the low service delay demands of eMBB users and the high access number demand of mMTC users in UAV-assisted communication scenarios.After analytically express the requirements and connections of heterogeneous services,this article formulates the problem of minimizing service delay for eMBB users and maximizing the access number of mMTC users.In order to solve this problem,the article designs a resource allocation algorithm for heterogeneous services based on coalition game and successive convex approximation.The simulation results show that the proposed algorithm can achieve efficient resource allocation to well meet the requirements of heterogeneous services.UAV-assisted communication;resource scheduling;heterogeneous services(Dalian Maritime University,Dalian 116026,China)ZHANG Lijiao,DAI YanpengAbstract Keywords【关键词】OSID：扫描二维码与作者交流收稿日期：2023-06-22*基金项目：国家自然科学基金项目“面向工业网络系统感知与控制的边缘协作传输机制”，“立体密集网络连续覆盖的非正交多址协同接入方法”（62002042，62101089）；中国博士后科学基金项目“工业网络系统边缘协作传输与协调控制的联合优化”，“立体密集无线网络连续覆盖的空地多点协作方法”（2021M690022，2021M700655）0 引言异构性已经成为在当前无线网络中最重要的特征之一，这不仅体现在所支持的服务类型不同，还体现在管理和共存多维的无线通信资源。增强型移动宽带（eMBB,enhanced Mobile Bandwidth）和大规模机器类型通信（mMTC,massive Machine Type Communication）现如今被视为两种非常重要的服务场景1-3。eMBB 业务需要提供快速、高效的数据传输服务，以满足用户设备对高带宽和低时延的需求，同时也需要保证良好的用户体验质量；mMTC 业务需要支持物联网设备之间的大规模通信连接，并且需要提供短包传输服务，以满足设备之间高效的通信需求4。第47卷总第516期23 2023年8月第8期时延，表示传输数据的大小。为了保证 eMBB 和 mMTC用户的服务需求，每个装配边缘计算服务器的无人机可以充当空中基站，为异构用户提供通信和计算资源。.mMTCeMBB图1 多无人机辅助通信系统图设定无人机的飞行高度固定为 V，第 s 架无人机的坐标位置是，第个用户的位置是，其中。假设用户-无人机之间搭建视距链接5,7,21，因此，用户与无人机 s 之间的信道增益为。为了满足 eMBB 和 mMTC 之间差异化的服务需求，使用资源切片来划分无人机的频谱资源，从而实现两种服务之间的资源隔离。假设 Bs为无人机 s 的频谱资源，划分为切片和切片分别提供给 eMBB 业务和 mMTC 业务。1.1 eMBB用户的时延模型为了避免用户之间在通信过程中的干扰，eMBB 用户采用频分多址（FDMA,Frequency Division Multiple Access）的方式将任务卸载至无人机。第 w 个 eMBB 用户将计算任务卸载到第架无人机的传输速率为：(1)式中，aw,s=1 表示 eMBB 用户 w 被无人机 s 服务，表示无人机 s 分配给 eMBB 用户 w 的带宽，表示 eMBB用户 w 的发射功率，q2表示噪声功率谱密度。用户不考虑在本地计算，因此会将所有的数据卸载至无人机进行处理，传输时延可计算如下：(2)在接收到任务后，无人机将处理所服务的 eMBB 用户 w 的计算任务。相应的处理延迟由式(3)给出：(3)其中，表示无人机 s 分配给 eMBB 用户 w 的计算资源。无人机凭借灵活部署、搭建视距链接和提供资源等优势5-7为异构业务提供高质量服务。具体而言，对于eMBB 业务，配备边缘计算服务器的无人机可以提供灵活的计算卸载服务，从而实现低服务时延的目的；面对mMTC 业务，无人机能够辅助地面基站来扩大通信覆盖范围和增加链接数量。目前，有诸多学者对无人机辅助异构业务通信进行了研究8-11。文献 8 提出了一种认知无人机辅助边缘计算的方案来优化 eMBB 和 mMTC 用户的传输延迟。文献 10 中考虑了在无人机使能的通信网络中服务两种类型的用户物联网设备以满足其服务质量（QoS,Quality of Service）需求。文献 9 中提出了一种多无人机辅助中继网络来确保异构用户的差异需求，文献 11 指出集成到第五代的无人机能够通过特定任务的有效载荷数据传输实现多样化的应用。然而，异构资源调度对于满足无人机辅助通信场景下的差异化 QoS 要求也是至关重要的。最近，基于网络虚拟化技术的资源切片技术已成为 B5G 网络的重要组成部分，它可以将单个物理网络资源转换为一组业务定制化的网络资源12-13，从而保证业务之间的隔离，实现按需定制功能。受此激励，本文提出了一种无人机辅助异构用户的网络架构，以在满足 eMBB 用户低服务时间需求的同时满足 mMTC 用户的高接入数量需求。本文贡献如下：（1）设计了基于资源切片的资源调度方案，通过用户关联、资源切片、通信及计算资源的联合优化，以研究最小化eMBB用户平均服务时延和最大化mMTC用户的接入数量问题。（2）考虑到公式化优化问题的非凸性，通过问题分解与转化，提出了基于联盟博弈与逐次凸逼近的面向异构服务的资源配置算法，以有效地解决该问题。（3）进行了仿真验证，以证明所提出的算法在实现增强两种业务的性能的有效性。1 系统模型与问题表述本文考虑了一个无人机辅助通信系统下 eMBB 和mMTC 用户共存的异构场景，如图 1 所示。其中，eMBB用 户 的 集 合 为 W=1,w,W，mMTC 用 户 的 集 合 为N=1,n,N 和无人机的集合为 S=1,s,S。每个eMBB 用户有一个计算密集型的任务需要卸载给无人机进行处理，表示计算 1 bit 数据的 CPU 周期，表示任务数据量的大小。每个 mMTC 用户有一个时延敏感型的任务，表示传输任务中的最大传输张丽娇,戴燕鹏:基于无人机辅助通信的异构业务资源调度方法第47卷总第516期242023年8月第8期“面向6G的物联网技术”专题因此，eMBB 用户 w 完成计算任务的总服务时延为：(4)1.2 mMTC 用户的时延模型为了促使更多 mMTC 用户能够在有限频谱资源的情况下，将其任务发送给无人机，采用非正交多址接入（NOMA,Non-Orthogonal Multiple Access）的方式将任务进行卸载。每个无人机可以作为 NOMA 接收机，采用连续干扰消除的解码技术（SIC,Successive Interference Cancellation），SIC 解码的原则是根据信道增益的降序，一旦信号被成功解码，就可以从叠加的信号中去除。定义 xn,s=1 表示 mMTC 用户 n 与无人机 s 之间的关联关系，表示无人机 s服务 mMTC 用户的集合。一旦 mMTC 用户解码，它将会受到此集合中信道质量更差的用户的干扰。接收到的干扰计算为，其中是 mMTC 用户 n 遭受干扰 mMTC 用户集合。考虑到 mMTC 用户的包长足够小，因此采用有限码长公式来表示传输数据的速率14-16：(5)其中，表示信道色散，n表示码字解码错误概率，是高斯 Q 函数的逆。因此，mMTC 用户 n 卸载任务的传输时延是：(6)1.3 问题表述通过约束用户-无人机关联关系、频谱资源切片、计算资源分配和功率控制，从而最小化网络效益函数来减少 eMBB 用户的平均服务时延和增加 mMTC 用户的接入数量。因此，该优化问题可表示为：EM,1,1MM,:min s.t.C1:,C2:0,1,1,C3:0,1,1,C4:,w sssw WSw sw ssSn sn ssn s nnBBBsSaawWsSxxnNx tTnNFun=+P1A,B,X,F,PMM,maxMM,MM2,E,C5:,C6:C7:nn snn sn ssw sWsw swpxpnNp hYIBaff+(7)其中，以为目标函数来衡量系统性能，另外，表示 eMBB 用户的平均服务时间，表示介于两种业务之间的权重，C1 表示可用频谱带宽的最大约束，C2 和 C3 表示每个用户最多与一个无人机相关联的约束，C4 约束了mMTC 用户在传输过程中要满足在最大容忍延迟的范围内完成传输，C5 约束了 mMTC 用户的发射功率，C6 表示成功解码 SIC 的条件的约束，其中 Y 为 SIC 阈值，C7 表示分配给 eMBB 用户的计算资源不能超过无人机容量 fs。2 优化算法由于 P1 是一个混合整数非凸问题，难以直接求解。因此，为了解决问题 P1，将 P1 分解为四个子问题，包括eMBB 用户关联优化、频谱资源切片设计、eMBB 用户计算资源优化以及 mMTC 用户功率优化和接入控制。提出基于联盟博弈和连续凸近似相结合的面向异构服务的资源配置优化算法，获得原问题的次优解。2.1 eMBB 用户关联优化在系统中，由无人机形成的联盟集合为，每个 eMBB 用户最多选择加入一个无人机，选择标准是依据效应函数，并倾向于关联效应值更小的无人机。组合完成的联盟效应值函数计算为，其 中，表 示 联 盟 s 中 服 务 eMBB 用 户 的 个 数。当eMBB 用户初步选择联盟过后，无人机可能因为服务较少的 eMBB 用户而剩余大量资源，因此负载用户过多的无人机利用交换和转移准则，可以将 eMBB 用户的任务卸载给欠载的无人机，从而提高系统的效应指标。定义 1（转移准则）：若存在 eMBB 用户选择离开当前的无人机联盟而加入另一个联盟，满足的条件如下：(8)(9)其中，和表示转移之后的联盟，式(8)表示 eMBB用户 w 凭借较低的效应值函数选择无人机 j，式(9)表示eMBB 用户 w 转移到无人机 j 之后，系统网络的整体效用得到提高。定义 2（交换准则）：若在两个联盟内的 eMBB 用第47卷总第516期25 2023年8月第8期户进行交换，交换条件是至少一个 eMBB 用户的效用值可以提高，并且联盟的总效用不会减少。2.2 频谱资源切片设计 规定凭借用户至无人机之间的距离来确定 mMTC 用户的关联，当用户的关联关系确定之后，频谱切片问题可表示为：(10)由于问题 P2 是非凸问题，因此采用基于二分法的频谱资源切片算法来迭代解决这个问题。在每次迭代搜索中，求得的 eMBB 切片的结果需要满足 P21 关联同一无人机的 eMBB 用户频谱划分问题：(11)由于问题 P21 是非凸问题，因此，通过引入辅助变量来松弛非凸项，则问题 P21 进一步转化为：EE,ECoE,EE,E,E,122:min s.t.,ssw swBwRw Wwsw sw sw sw ssw ELTWRBBsSRr+=P (12)另外，在每次迭代搜索中求得的 mMTC 切片需要满足C4 和 C6。针对验证问题 P21 和约束 C4、C6 的可行性，更新对应的频谱划分切片。2.3 eMBB 用户计算资源优化基于已知的用户关联和频谱划分切片，eMBB 用户优化计算资源问题可以表示为：(13)由于问题 P3 是一个凸问题，可以直接采用现有的凸优化方法来解决，如内点法。2.4 mMTC 用户功率优化和接入控制基于已知的频谱资源切片和用户关联，mMTC 用户优化功率问题可表示为：(14)因为 C4 约束中的是非凸项，因此引入辅助变量来近似非凸项为。但约束仍是非凸的，利用一阶泰勒表达式在任意确定点展开17-18，进而得到如下函数：(15)其中，是在点的偏导数，因此，问题可转化为：(16)由此，问题 P5 是关于功率优化的近似凸问题，可以通过 CVX 求解。如果问题 P5 能得到最优解，则可以直接输出功率优化和接入控制的结果。否则，将信道增益最差的 mMTC 用户在其相关联的无人机内移除，直到出现最优解。算法具体流程，如算法 1 所示：算法 1：初始化：mMTC 用户的关联关系Repeat：利用连续凸逼近方法求解问题 P5；If 求解状态为最优的Break；Else 移除当前关联的无人机中最差信道增益的mMTC 用户End if直到问题能够解决 or 无人机服务 mMTC 用户的个数为 12.5 面向异构服务的资源配置算法 提出 eMBB 用户关联优化、频谱资源切片设计、eMBB用户计算资源优化以及 mMTC 用户功率优化和接入控制交替迭代的面向异构服务的资源配置算法联合优化算法来求解问题 P1。首先，在第 2.1 节中确定 eMBB 用户的关联，mMTC 用户关联是依靠距离设定的。然后，将剩余变量的求解过程进行迭代。在每次迭代中，频谱资源切片问题是由二分法来确定，并将 eMBB 频谱切片的结果带入到问题P3 中，以解决计算资源分配问题；同时，将 mMTC 频谱切片的结果纳入问题 P5，得出功率优化和访问控制的结果。交替执行上述步骤，直到满足两次相邻迭代之间的网络效用差距足够小才结束算法。具体流程如算法 2 所示：张丽娇,戴燕鹏:基于无人机辅助通信的异构业务资源调度方法第47卷总第516期262023年8月第8期“面向6G的物联网技术”专题算法 2：初始化：迭代次数 z=0，最大迭代次数 Z，收敛精度为 Y；Repeat：利用联盟博弈得到 A*；利用二分法得到 Bz+1；利用 CVX 工具得到 Fz+1；执行算法 1，求解得到 Pz+1 和 Xz+1计算目标函数值 Funz+1，If Funz+1-FunzZ Break；End if 输出 A*、B*、F*、P*、X*。法中服务的 mMTC 用户的数量显著高于比较算法。此外，所提算法实现了更低的 eMBB 用户平均服务延迟。图2 不同算法的用户与无人机的关联关系图 3 显示了在两种情况下，即 W=6、N=20 和 W=8、N=30，网络效用与 SIC 阈值的关系。可以看出，随着门限值的增长，解码条件变得更加严格，导致大量 mMTC用户无法满足这一条件，进而因为无法解码成功而不能接入无人机。但是，所提出的所提算法可以实现大规模mMTC 用户的接入，这是因为算法设计能够实现用户组内的干扰，并通过有效的资源供应方案获得了 eMBB 和mMTC 之间的平衡。fun图3 SIC阈值对异构服务的影响图 4 显示了当可用频谱资源在 10 MHz 到 15 MHz 之间变化时对系统性能的影响。结果表明，所提算法在系因为目标函数值不是递增的，并且在每次迭代中都有一个有限的下界，因此所提的算法 2 可以保证算法的收敛性。另外，在求解问题 P1 时，复杂度计算为 O(W(W-1)S+log(1/u1)+u2(WN)3.5),其中，u1和 u2分别是优化切片和发射功率的迭代次数。3 仿真与分析本节通过仿真实验来验证所提算法 2 的有效性。所有的用户和无人机分布在 100 m100 m 的区域内，部分仿真参数如参考文献 19 和 20 所示。另外，对比算法设计为频谱资源切片是固定模式，即频谱资源在 eMBB用户和 mMTC 用户之间是均匀分配的，记为算法 3。表1 为参数表：表1 参数表参数名称数值无人机的数量3无人机的固定高度100 meMBB用户的数量6mMTC用户的数量20eMBB用户的计算数据大小1,2 MbitsmMTC用户卸载数据的大小100,200 KbitseMBB用户的发射功率27 dBmmMTC用户的发射功率20 dBm无人机的计算能力eMBB与mMTC用户之间的权重功率噪声的大小4 GHz0.1-114 dBm图 2 显示了通过所提算法和对比算法获得的用户关联的结果，其中“”表示 eMBB 用户的平均服务延迟，表示所服务的 mMTC 用户的数量。由图可知，所提算第47卷总第516期27 2023年8月第8期统性能上优于对比算法。这是因为所提算法促进了 eMBB和 mMTC 之间的动态频谱切片，以进一步降低 eMBB 用户的平均服务延迟，同时接入更多的 mMTC 用户。然而，由于无法实现最优的频谱切片，对比算法无法同时满足eMBB 和 mMTC 的需求，导致网络效用呈负趋势。图4 带宽对异构服务的影响4 结束语本文提出了一种无人机辅助 eMBB 和 mMTC 的异构服务的通信网络架构，来满足不同用户之间的差异化服务需求，并提出了联合优化用户的关联关系、频谱资源切片、计算资源分配和功率控制的面向异构服务的资源配置优化算法，该算法实现了 eMBB 用户的平均服务延迟和 mMTC 用户接入数量之间的网络效用最小化。仿真结果表明，所提算法可以有效地保证异构服务的差异需求。在未来工作中，将考虑动态无人机的设计和扩充系统规模，来进一步为地面异构用户提供服务。参考文献：1 Alsenwi M,Tran N H,Bennis M,et al.Intelligent Resource Slicing for eMBB and URLLC Coexistence in 5G and Be-yond:A Deep Reinforcement Learning Based ApproachJ.IEEE Transactions on Wireless Communications,2021,20(7):4585-4600.2 Rost P,Mannweiler C,Michalopoulos D S,et al.Network Slicing to Enable Scalability and Flexibility in 5G Mobile Net-worksJ.IEEE Communications Magazine,2017,55(5):72-79.3 Tebe P I,Ntiamoah-Sarpong K,Tian W,et al.Using 5G Network Slicing and Non-Orthogonal Multiple Access to Trans-mit Medical Data in a Mobile Hospital SystemJ.IEEE Access,2020,8:189163-189178.4 Jankovic J,Ilic Z,Oracevic A,et al.Effects of Differentiated 5G Services on Computational and Radio Resource Allocation PerformanceJ.IEEE Transactions on Network and Service Management,2021,18(2):2226-2241.5 Joo S,Kang H,Kang J.CoSMoS:Cooperative Sky-Ground Mobile Edge Computing SystemJ.IEEE Transactions on Vehicular Technology,2021,70(8):8373-8377.6 Liang Z,Dai Y,Lyu L,et al.Adaptive Data Collection and Offloading in Multi-UAV-Assisted Maritime IoT Systems:A Deep Reinforcement Learning ApproachJ.Remote Sensing,2023,15(2):292.7 Hu X,Wong K,Yang K,et al.UAV-Assisted Relaying and Edge Computing:Scheduling and Trajectory OptimizationJ.IEEE Transactions on Wireless Communications,2019,18(10):4738-4752.张丽娇：大连海事大学在读硕士研究生，研究方向为空天地一体化通信系统的设计与优化。戴燕鹏：博士毕业于西安电子科技大学，现任大连海事大学副教授、硕士生导师，主要研究方向为异构无线网络组网方法、海上立体异构无线网络等。作者简介8 Sabuj S R,Asiedu D K P,Lee K,et al.Delay Optimization in Mobile Edge Computing:Cognitive UAV-Assisted eMBB and mMTC ServicesJ.IEEE Transactions on Cognitive Communications and Networking,2022,8(2):1019-1033.9 Xi X,Cao X,Yang P,et al.Network Resource Allocation for eMBB Payload and URLLC Control Information Commu-nication Multiplexing in a Multi-UAV Relay NetworkJ.IEEE Transactions on Communications,2021,69(3):1802-1817.10 Hellaoui H,Bagaa M,Chelli A,et al.On Supporting Multi-Services in UAV-Enabled Aerial Communication for the Internet of ThingsJ.IEEE Internet of Things Journal,2023:1.11 Qingqing W,Jie X,Yong Z,et al.A Comprehensive Overview on 5G-and-Beyond Networks With UAVs:From Communications to Sensing and IntelligenceJ.IEEE Journal on Selected Areas in Communications,2021,39(10):2912-2945.12 Setayesh M,Bahrami S,Wong V W S.Resource Slicing for eMBB and URLLC Services in Radio Access Network Using Hierarchical Deep LearningJ.IEEE Transactions on Wireless Communications,2022,21(11):8950-8966.13 Lyu F,Yang P,Wu H,et al.Service-Oriented Dynamic Resource Slicing and Optimization for Space-Air-Ground Inte-grated Vehicular NetworksJ.IEEE Transactions on Intelligent Transportation Systems,2022,23(7):7469-7483.14 Han S,Xu X,Liu Z,et al.Energy-Efficient Short Packet Communications for Uplink NOMA-Based Massive MTC Net-worksJ.IEEE Transactions on Vehicular Technology,2019,68(12):12066-12078.15 Hong R,Yansha D,Maged E,et al.Joint Pilot and Payload Power Allocation for Massive-MIMO-Enabled URLLC IIoT Networks J.IEEE Journal on Selected Areas in Communications,2020,38(5):816-830.16 Yury P,H.Vincent P,Sergio V,et al.Channel Coding Rate in the Finite Blocklength RegimeJ.IEEE Transactions on Information Theory,2010,56(5):2307-2359.17 Tiankui Z,Yu X,Dingcheng Y,et al.Joint Computation and Communication Design for UAV-Assisted Mobile Edge Computing in IoTJ.IEEE Transactions on Industrial Informatics,2020,16(8):5505-551618 Yanpeng D,Bin L,Yudi C,et al.UAV-Assisted Data Offloading for Smart Container in Offshore Maritime CommunicationsJ.China Communications,2022,19(1):153-165.19 Yu Z,Gong Y,Gong S,et al.Joint Task Offloading and Resource Allocation in UAV-Enabled Mobile Edge ComputingJ.IEEE Internet of Things Journal,2020,7(4):3147-3159.20 Ei N N,Alsenwi M,Tun Y K,et al.Energy-Efficient Resource Allocation in Multi-UAV-Assisted Two-Stage Edge Compu-ting for Beyond 5G NetworksJ.IEEE Transactions on Intelligent Transportation Systems,2022,23(9):16421-16432.21 Ling L,Zhenhang C,Bin L,et al.Fast Trajectory Planning for UAV-Enabled Maritime IoT Systems:A Fermat-Point Based ApproachJ.IEEE Wireless Communications Letters,2022,11(2):328-332.张丽娇,戴燕鹏:基于无人机辅助通信的异构业务资源调度方法