本发明属于通信，具体涉及一种无人机辅助应急通信中通信资源和计算资源联合分配方法。
背景技术：
1、自然灾害后，通信网络的稳定运行对于救援行动至关重要。然而，灾害往往伴随着通信基础设施的严重破坏，这使得灾区内通信变得异常困难，极大威胁到了灾区居民的生命安全。在此背景下，无人机辅助通信的技术脱颖而出，成为了应急救援的得力助手。基于无人机的高机动性和灵活部署的特性，搭载空中基站的无人机能够轻松进入难以到达或受灾影响的地区，为灾区提供灾后救援和应急通信支持。然而，无人机也面临着一系列挑战，在灾难场景中，幸存的地面用户不是均匀分布且该分布是未知的，因此在无人机和地面用户之间建立关联的过程中有必要重新设计无人机与用户之间的关联策略。此外，由于无人机的机载电池和计算能力相对有限，在应急救援中需要进行图像处理和视频流传输等实时救援任务往往超过了无人机的本地数据处理能力。因此，执行搜救行动所需的时间可能会过长，灾难救援的效率可能会降低。为了解决这一问题，需要寻找一种方法，将无人机上的大量计算任务转移到具有强大计算能力的地面基站以减小任务计算时延，同时确保地面用户的通信需求。
2、尽管无人机辅助应急通信具有优势，但在网络部署和运行方面仍存在一些挑战。首先，在灾难场景中，无人机确定无人机覆盖区域内无人机和地面用户之间的关联策略，以提供通信服务支持。然而，幸存的地面用户不是均匀分布的。第一，在无人机和地面用户之间建立关联的过程中，由于无人机的飞行速度快，无人机覆盖的地面用户数量变化很大。因此，有必要设计无人机与地面用户之间的关联策略。第二，无人机的车载能量是有限的。无人机需要飞行以向地面用户提供通信服务，并将部分计算任务卸载到地面基站。同时，无人机的能量消耗很大一部分来自飞行过程中的机械动作。我们需要优化无人机轨迹，因为用于提供通信服务的无人机轨迹需要无人机尽可能靠近地面用户，而用于卸载任务的无人机轨迹要求无人机尽可能接近地面基站，以实现较小的卸载任务传输持续时间。第三，在实时任务卸载过程中，信道状态是时变的和随机的，可能会受到位置、网络拥塞等因素的严重影响。如果没有适当的卸载，任务的计算时间可能会激增。更重要的是，无人机与地面用户之间的关联、任务卸载和无人机轨迹设计在这个系统中是耦合的，这使得系统更加复杂。现有技术方案：一些研究者提出了计算卸载和资源分配方法，试图减小无人机辅助应急网络中的任务计算延迟。然而，这些方法通常需要极高的计算复杂度，限制了其在实际应用中的可行性。另一些方法侧重于设计降低复杂度的次优算法，但由于无人机辅助应急网络的复杂性和时变性，这使得优化算法需要不断地重复执行，计算耗时较长。为了解决现有优化算法的计算耗时问题，一些研究者尝试采用数据驱动的强化学习方法。然而，强化学习在每次迭代中的动作选择涉及到高维动作空间，这使得它在处理多无人机和多用户的网络中不适用。
3、因此，如何设计高效的无人机辅助应急通信网络，解决用户关联、计算卸载和轨迹规划问题，减小通信任务的计算时间，同时满足地面用户的通信需求，仍然是当前亟待解决的难题之一。
技术实现思路
1、为了解决现有技术中存在的上述问题，本发明提供了一种无人机辅助应急通信中通信资源和计算资源联合分配方法。本发明要解决的技术问题通过以下技术方案实现：
2、本发明实施例提供了一种无人机辅助应急通信中通信资源和计算资源联合分配方法，包括：
3、构建无人机辅助应急网络平台；所述无人机辅助应急网络平台包括若干空中基站、若干地面用户和若干地面基站；
4、基于无人机辅助应急网络平台获取每个空中基站的状态信息和每个地面基站的状态信息，根据每个空中基站的状态信息构建计算任务在每个空中基站处的第一排队模型，根据每个地面基站的状态信息构建计算任务在每个空中基站处的第二排队模型，根据每个空中基站的状态信息和每个地面基站的状态信息构建空中基站传输至地面基站卸载计算任务的第三排队模型；
5、根据所述第一排队模型计算每个空中基站处计算任务的第一排队延时，根据所述第二排队模型计算每个地面基站处计算任务的第二排队时延，以及根据所述第三排队模型计算空中基站传输至地面基站卸载计算任务的第三排队时延；
6、根据所述第一排队时延、所述第二排队时延和所述第三排队时延构建加权和函数模型；所述加权和函数模型为一长期随机问题求解模型；
7、利用李雅普诺夫随机优化方法中的漂移加惩罚算法将所述加权和函数模型解耦为空中基站与地面用户关联策略子问题、空中基站与地面基站任务卸载策略子问题、空中基站的轨迹规划策略子问题；
8、针对空中基站与地面用户关联策略子问题，包括：利用深度神经网络从预先生成的空中基站与用户关联信息矩阵中获取空中基站与地面用户关联策略；
9、针对空中基站的轨迹规划策略子问题，包括：基于所述空中基站与地面用户关联策略，求解空中基站的轨迹规划策略子问题对应的数学模型，得到轨迹规划策略；
10、针对空中基站与地面基站任务卸载策略子问题，包括：基于所述空中基站与地面用户关联策略和所述轨迹规划策略，求解空中基站与地面基站任务卸载策略子问题对应的数学模型，得到任务卸载策略。
11、本发明的有益效果：
12、本发明提出的无人机辅助应急通信中通信资源和计算资源联合分配方法，包括：构建无人机辅助应急网络平台；无人机辅助应急网络平台包括若干空中基站、若干地面用户和若干地面基站；基于无人机辅助应急网络平台获取每个空中基站的状态信息和每个地面基站的状态信息，根据每个空中基站的状态信息构建计算任务在每个空中基站处的第一排队模型，根据每个地面基站的状态信息构建计算任务在每个空中基站处的第二排队模型，根据每个空中基站的状态信息和每个地面基站的状态信息构建空中基站传输至地面基站卸载计算任务的第三排队模型；根据第一排队模型计算每个空中基站处计算任务的第一排队延时，根据第二排队模型计算每个地面基站处计算任务的第二排队时延，以及根据第三排队模型计算空中基站传输至地面基站卸载计算任务的第三排队时延；根据第一排队时延、第二排队时延和第三排队时延构建加权和函数模型；加权和函数模型为一长期随机问题求解模型；利用李雅普诺夫随机优化方法中的漂移加惩罚算法将加权和函数模型解耦为空中基站与地面用户关联策略子问题、空中基站与地面基站任务卸载策略子问题、空中基站的轨迹规划策略子问题；针对空中基站与地面用户关联策略子问题，包括：利用深度神经网络从预先生成的空中基站与用户关联信息矩阵中获取空中基站与地面用户关联策略；针对空中基站的轨迹规划策略子问题，包括：基于空中基站与地面用户关联策略，求解空中基站的轨迹规划策略子问题对应的数学模型，得到轨迹规划策略；针对空中基站与地面基站任务卸载策略子问题，包括：基于空中基站与地面用户关联策略和轨迹规划策略，求解空中基站与地面基站任务卸载策略子问题对应的数学模型，得到任务卸载策略。可见，本发明兼顾空中基站辅助地面基站通信需求和空中基站计算任务卸载需求，首先将求解问题模型建模成一长期随机问题求解模型，再利用李雅普诺夫随机优化方法中的漂移加惩罚算法将长期随机问题解耦为若干可以独立求解的子问题，可以有效降低通信任务计算时间，而针对空中基站与地面用户关联策略子问题，利用了深度神经网络的优点求解空中基站与地面用户关联策略，可以减轻地面用户分布未知与不均匀对问题求解的影响，针对空中基站的轨迹规划策略子问题和空中基站与地面基站任务卸载策略子问题，解耦为独立的数学模型，对对应的数学模型进行求解得到轨迹规划策略和任务卸载策略，求解过程中基于深度神经网络输出的空中基站与地面用户关联策略来获取轨迹规划策略和任务卸载策略，其更接近于应急救援的实际应用场景。
13、以下将结合附图及实施例对本发明做进一步详细说明。
1.一种无人机辅助应急通信中通信资源和计算资源联合分配方法，其特征在于，包括：
2.根据权利要求1所述的无人机辅助应急通信中通信资源和计算资源联合分配方法，其特征在于，所述第一排队模型公式表示为：
3.根据权利要求2所述的无人机辅助应急通信中通信资源和计算资源联合分配方法，其特征在于，所述第一排队延时公式表示为：
4.根据权利要求3所述的无人机辅助应急通信中通信资源和计算资源联合分配方法，其特征在于，构建的加权和函数模型公式表示为：
5.根据权利要求4所述的无人机辅助应急通信中通信资源和计算资源联合分配方法，其特征在于，利用深度神经网络从预先生成的空中基站与用户关联信息矩阵中获取空中基站与地面用户关联策略，包括：
6.根据权利要求5所述的无人机辅助应急通信中通信资源和计算资源联合分配方法，解耦的空中基站的轨迹规划策略子问题为非凸优化问题，通过引入非负辅助参数和松弛变量将非凸优化问题转化为凸优化问题；
7.根据权利要求6所述的无人机辅助应急通信中通信资源和计算资源联合分配方法，所述非凸优化问题公式表示为：
8.根据权利要求7所述的无人机辅助应急通信中通信资源和计算资源联合分配方法，所述凸优化问题公式表示为：
9.根据权利要求8所述的无人机辅助应急通信中通信资源和计算资源联合分配方法，解耦的空中基站与地面基站任务卸载策略子问题对应的数学模型公式表示为：
