張延華， 趙鋮澤， 李 萌， 司鵬搏， 孫恩昌， 楊睿哲

(1.北京工業(yè)大學信息學部， 北京 100124； 2.北京工業(yè)大學先進信息網絡北京實驗室， 北京 100124)

物聯(lián)網是當前互聯(lián)網服務的擴展，實現(xiàn)了機器與機器之間的通信，為人與物之間的交流提供了便利，對人們的日常生活產生了深遠的影響[1-2]. 物聯(lián)網有感知層、網絡層和應用層3層技術架構，可以提供信息服務[3]. 此外，物聯(lián)網可以根據(jù)不同用戶的不同需求提供不同領域的服務，例如智能交通、智能家居、環(huán)境監(jiān)控和食品溯源等[4-5].

然而，一些物聯(lián)網設備物理尺寸較小，通常僅裝配輕量級的計算處理器，因此，多數(shù)物聯(lián)網設備僅具有有限的計算能力且無法實現(xiàn)復雜的數(shù)據(jù)計算處理. 云計算的出現(xiàn)為物聯(lián)網中大規(guī)模數(shù)據(jù)存儲和計算需求提供了解決方案[6]，但隨著智能設備和移動設備數(shù)量的快速增長，用戶對服務質量提出了更高的要求，有必要使云服務更加接近用戶[7]. 因此，移動邊緣計算(mobile edge computing, MEC)技術被提出并廣泛應用于物聯(lián)網場景中，它將計算和存儲資源部署在移動網絡的邊緣以便處理物聯(lián)網設備的密集型計算任務，大大減少了網絡時延和網絡擁塞等問題，避免了不必要的能源消耗和網絡開銷[8-9]. 例如，Ren等[10]將邊緣服務器應用于協(xié)同網絡，有效降低了網絡延遲并降低了核心網絡的帶寬使用.

此外，對于部署在較偏遠或者傳輸鏈路容易被中斷環(huán)境下的物聯(lián)網設備，數(shù)據(jù)任務的卸載與計算也是不可忽視的問題. 無人機技術的出現(xiàn)有效地解決了這一問題. 無人機輔助的物聯(lián)網通信是一種具有成本低、可控性強、可按需部署等特點的新興技術，可用于軍事、公共和民用領域[11]. 特別地，低空無人機可以作為中繼提高通信系統(tǒng)的性能，擴大通信覆蓋范圍，并且無人機的可運動性為物聯(lián)網設備帶來了便捷的網絡接入點[12]. 此外，無人機可以攜帶物聯(lián)網設備和通信設備，用于執(zhí)行監(jiān)測和通信任務，在物聯(lián)網領域得到了廣泛的應用[13]. 例如，Wang等[14]利用無人機的靈活性，提出了在線無人機邊緣服務器調度方案，滿足了更多用戶設備的需求，獲得了較高的資源利用率和服務器利用率. Zhang等[15]提出在無人機輔助的MEC網絡中，將無人機作為計算節(jié)點和中繼節(jié)點，同時考慮無人機和宏基站的計算資源分配以實現(xiàn)降低用戶的平均時延的目標. Zhou等[16]將復雜的計算任務卸載到附近部署的無人機上，通過約束時延、卸載數(shù)據(jù)量和總功率，提高了無人機自干擾效率等系統(tǒng)性能.

MEC技術和無人機技術的引入給物聯(lián)網帶來了巨大的優(yōu)勢，但由于邊緣節(jié)點的交互和無人機網絡的不可信廣播特性，數(shù)據(jù)安全性和隱私性的保證面臨巨大挑戰(zhàn). 針對無人機輔助的物聯(lián)網系統(tǒng)，引入新興的區(qū)塊鏈技術可以解決網絡中存在的數(shù)據(jù)安全和數(shù)據(jù)共享問題[17]. 區(qū)塊鏈是一種具有安全性和可驗證性的數(shù)據(jù)結構，能夠在點對點設置中創(chuàng)建防篡改分布式賬本[18]. 因此，它具有去中心化、不可偽造性、可編程性和安全性等特點以提供安全、防篡改的物聯(lián)網網絡[19]. 例如，Islam等[20]提出了基于區(qū)塊鏈技術的數(shù)據(jù)采集方案，利用無人機作為中繼將物聯(lián)網設備的信息轉發(fā)到服務器上，有效保證了信息的安全性并降低了系統(tǒng)的能耗. Asheralieva等[21]研究了基于區(qū)塊鏈和MEC技術的無人機輔助的物聯(lián)網系統(tǒng)，采用分層深度學習的算法實現(xiàn)了系統(tǒng)收益的最大化.

盡管MEC技術和區(qū)塊鏈技術在無人機輔助的物聯(lián)網中對系統(tǒng)性能的優(yōu)化取得了較好的效果，但現(xiàn)有研究工作通常是分開考慮的. 另外，需要聯(lián)合考慮MEC服務器計算資源的分配對MEC系統(tǒng)能耗和區(qū)塊鏈系統(tǒng)計算時延的影響. 綜上所述，本文面向無人機輔助的物聯(lián)網場景中頻譜資源和計算資源分配問題，結合MEC技術和區(qū)塊鏈技術提出了一種資源優(yōu)化框架. 通過考慮資源分配，將實現(xiàn)MEC系統(tǒng)能耗和區(qū)塊鏈系統(tǒng)計算時延的最佳權衡作為優(yōu)化目標，建立優(yōu)化問題模型. 由于該優(yōu)化問題是一個非凸混合整數(shù)問題，采用交替方向乘子(alternating direction method of multipliers, ADMM)法來有效地解決該問題. 仿真結果顯示，所提方法具有快速的收斂性，可有效減少無人機輔助的物聯(lián)網數(shù)據(jù)卸載、計算能耗以及數(shù)據(jù)共識過程的計算時延，實現(xiàn)MEC系統(tǒng)和區(qū)塊鏈系統(tǒng)性能的最佳權衡.

1 系統(tǒng)模型

1.1 網絡模型

本文所提無人機輔助的物聯(lián)網系統(tǒng)模型如圖1所示，包括MEC系統(tǒng)和區(qū)塊鏈系統(tǒng).在所提網絡場景中，物聯(lián)網設備將數(shù)據(jù)可卸載到無人機上，無人機作為中繼節(jié)點將數(shù)據(jù)傳輸?shù)交具M行計算.把O定義為所有物聯(lián)網設備的幾何中心，假設共有M個物聯(lián)網設備、N架無人機和N個基站，每個物聯(lián)網設備的位置表示為{xm,ym,0}，m∈{1,2,…,M}.無人機在目標區(qū)域上空飛行，位置表示為{xn,yn,h}，n∈{1,2,…,N}，第n架無人機懸停的時間為Tn.此外，每個基站配備一臺MEC服務器，假設每個基站只服務于一架無人機.

圖1 系統(tǒng)模型

在區(qū)塊鏈系統(tǒng)中，基站作為區(qū)塊鏈節(jié)點負責區(qū)塊的生成和協(xié)商過程，用來處理來自無人機的計算卸載記錄等事務.當網絡中各節(jié)點之間達成共識時，新塊成為有效塊，然后生成的塊將被廣播到區(qū)塊鏈系統(tǒng).此外，每個節(jié)點可以參與記錄這些交易從而實現(xiàn)數(shù)據(jù)共享.

1.2 通信模型

定義Dmn為第m個物聯(lián)網設備傳輸給第n架無人機的數(shù)據(jù)量，Cmn表示完成計算任務所需的CPU周期總數(shù)，從而Wmn(Dmn，Cmn)表示第m個物聯(lián)網設備傳輸給第n架無人機的計算任務.在本文中，假設無人機所服務的相關物聯(lián)網設備之間不存在干擾.第m個物聯(lián)網設備與第n架無人機之間的距離可以表示為

(1)

設h0為參考距離dmn=1 m處的信道增益，那么從第m個物聯(lián)網設備到第n架無人機的信道功率增益可以表示為

(2)

(3)

因此，從第m個物聯(lián)網設備到第n架無人機的數(shù)據(jù)傳輸?shù)臅r延為

(4)

可以得到從物聯(lián)網設備到無人機的數(shù)據(jù)卸載傳輸?shù)目偰芎臑?/p>

(5)

1.3 計算模型

(6)

那么MEC服務器進行數(shù)據(jù)計算的總能耗為

(7)

式中：ln為有效開關電容；γn為一個正常數(shù).實際測量中，ln=10-26，γn=3.

可以得到MEC系統(tǒng)總能耗為

EM=Etr+Ec

(8)

1.4 區(qū)塊鏈模型

為保證卸載到MEC的數(shù)據(jù)安全，防止惡意的MEC服務器濫用數(shù)據(jù)導致信息泄露，區(qū)塊鏈系統(tǒng)的共識節(jié)點采用實用拜占庭容錯(practical Byzantine fault tolerance，PBFT)協(xié)商機制[22]對MEC系統(tǒng)發(fā)送的計算卸載記錄進行驗證和共識.PBFT是指分布式網絡的一種容錯能力，即網絡在存在無法正常運行或散布錯誤信息的惡意節(jié)點的情況下仍能讓誠實節(jié)點達成共識、正常運行，通過運用集體決策的力量降低惡意節(jié)點對整體網絡的影響力，避免網絡出現(xiàn)嚴重故障.采用密碼學算法的PBFT協(xié)商機制可以保證節(jié)點之間消息傳送的不可篡改性，具體步驟如下.

首先，區(qū)塊鏈中的節(jié)點從MEC系統(tǒng)收集如計算卸載記錄之類的事務.當主節(jié)點收到事務時，需要檢查簽名和消息認證碼(message authentication code, MAC).假設生成或驗證1個簽名、生成或驗證1個MAC分別需要?和θ個CPU周期，得到主節(jié)點的計算成本為

(9)

式中：φ為一個區(qū)塊中可以包含的最大事務數(shù)；g為正確事務的比例.

主節(jié)點向所有副本節(jié)點發(fā)送pre-prepare消息.副本節(jié)點在接收到一個新塊后，首先驗證該塊的簽名和MAC，然后驗證事務的簽名和MAC.在該過程中，副本節(jié)點的計算成本為

g2=(φ+1)(?+θ)

(10)

每個副本節(jié)點向其他副本節(jié)點發(fā)送prepare消息.節(jié)點需要驗證2f(f=(N-1)/3)個來自其他副本節(jié)點的簽名和MAC.另外，副本節(jié)點需要生成1個簽名和N-1個MAC，可得副本節(jié)點的計算成本為

g3=?+(N-1)θ+2f(?+θ)

(11)

每個副本節(jié)點向其他節(jié)點發(fā)送commit消息.節(jié)點在收到commit消息后需要驗證2f個簽名和MAC.因此，副本節(jié)點的計算成本為

g4=?+(N-1)θ+2f(?+θ)

(12)

收集到2f個匹配的commit消息之后，新塊成為有效塊，并將其廣播到區(qū)塊鏈系統(tǒng).副本節(jié)點的計算成本為

g5=φ(?+θ)

(13)

因此，區(qū)塊鏈系統(tǒng)的總計算時延為

(14)

2 問題建模

通過聯(lián)合考慮頻譜資源分配和計算資源分配，提出了一個使MEC系統(tǒng)的能量消耗和區(qū)塊鏈系統(tǒng)的計算時延最小化的優(yōu)化問題.采用函數(shù)

Q={ω1u(Etr+Ec)+(1-ω1)ω2Td}=

(15)

作為系統(tǒng)的目標函數(shù).式中：ω1為一個將目標函數(shù)組合成單個函數(shù)的權重因子；ω2為一個映射因子，用于確保目標函數(shù)處于同一水平；u(·)是一個采用指數(shù)函數(shù)的效用函數(shù).提出的聯(lián)合優(yōu)化問題為

(16)

式中：C1表示分配給卸載到無人機的所有計算任務的頻譜總和不能超過每架無人機的總可用頻譜；C2表示所有相關物聯(lián)網設備的計算任務所需的計算資源和區(qū)塊鏈節(jié)點的計算資源之和不能超過MEC服務器的總計算能力； C3表示數(shù)據(jù)卸載的總時間消耗不應超過每架無人機的懸停時間.

3 資源配置與優(yōu)化設計

本部分設計了聯(lián)合頻譜資源分配和計算資源分配的優(yōu)化算法，用于求解前文提出的聯(lián)合優(yōu)化問題.

3.1 MEC系統(tǒng)中的資源分配

對于MEC系統(tǒng)，可以通過解決以下問題

s.t. C1,C2,C3

(17)

獲得最小能耗.

1) 問題轉化

定義e′mn=1/emn，k′mn=(kmn)γn-1，因此，將問題轉化為

(18)

2) 問題分解

(19)

因此，可以得到每架無人機n∈N的局部變量可行集

(20)

針對每架無人機n∈N的局部效用函數(shù)為

(21)

可以得到式(18)的等價公式，即

(22)

3) 基于ADMM的分布式優(yōu)化算法

針對頻譜資源分配和計算資源分配的聯(lián)合優(yōu)化問題，提出了基于ADMM的分布式優(yōu)化算法.式(22)的增廣拉格朗日式子為

Lρ({n,n}n∈N, {e′,′}, {αn,βn}n∈N)=

(23)

局部變量迭代過程為

(24)

全局變量迭代過程為

(25)

拉格朗日乘子迭代過程為

(26)

式中 [t]為迭代次數(shù).下面討論解決上述迭代的方法.

首先，進行局部變量的更新，在式(24)的迭代過程中，問題被分解為N個子問題.在[t+1]次迭代時，對于每架無人機n∈N等價于求解下列優(yōu)化問題

(27)

之后，進行全局變量和拉格朗日乘子的更新，通過將梯度設置為0，可以得到

(28)

由此可以得到如下結果

(29)

在迭代過程中，通過在[t]次迭代時將拉格朗日乘子初始化為零，即

式(28)可以簡化為

(30)

4) 算法停止準則

在實現(xiàn)過程中，采用了一個合理的停止準則.在[t+1]次迭代時原可行條件和對偶可行條件的殘差應該足夠小，即

(31)

和

(32)

式中υpri>0，υdual>0分別為原可行條件和對偶可行條件的可行性容忍度，在本文中設置υpri=υdual=0.000 1.

基于以上討論，可以得到頻譜資源分配和計算資源分配的最優(yōu)決策，實現(xiàn)MEC系統(tǒng)能耗最小化.基于ADMM的分布式優(yōu)化算法的工作流程見算法1.

--------------------------------------------

算法1基于ADMM的無人機輔助的物聯(lián)網系統(tǒng)資源優(yōu)化調度算法

--------------------------------------------

1) 初始化

① MEC系統(tǒng)決定停止準則閾值υpri和υdual

② 設置初始可行全局解，并將此消息傳送給每架無人機

③ 每架無人機收集與之相關聯(lián)的物聯(lián)網設備的信息

④ 每架無人機決定拉格朗日乘子向量{αn[0],βn[0]}，并將此消息傳送給MEC系統(tǒng)

t=0;

2) 迭代

② MEC系統(tǒng)更新全局變量{e′,k′}[t+1]，并將信息傳送給無人機

t=t+1;直到滿足停止準則(31)(32)

3) 輸出優(yōu)化結果{e′,k′}*

--------------------------------------------

3.2 區(qū)塊鏈系統(tǒng)中的資源分配

在得到MEC系統(tǒng)中頻譜資源分配和計算資源分配的最優(yōu)決策后，式(16)可簡化為區(qū)塊鏈節(jié)點CPU周期頻率的優(yōu)化，即

(33)

(34)

給出.

因此，可以得到區(qū)塊鏈系統(tǒng)中區(qū)塊鏈節(jié)點的最優(yōu)CPU周期頻率，同時實現(xiàn)了區(qū)塊鏈系統(tǒng)最小的計算時延.

4 仿真實驗及結果分析

本文從不同角度對所提系統(tǒng)模型和優(yōu)化算法進行仿真，進而評估所提方案的有效性和系統(tǒng)性能.在仿真網絡場景中，考慮存在4架無人機、4個基站和16個物聯(lián)網設備.基站和物聯(lián)網設備在 50 m×50 m 的二維區(qū)域內隨機均勻分布，無人機所在位置固定高度為6 m.設定場景中物聯(lián)網設備與無人機之間通信總帶寬為10 MHz，物聯(lián)網設備發(fā)射功率和噪聲功率分別為30 dBm和-60 dBm.物聯(lián)網設備需要計算的任務數(shù)據(jù)量和完成計算任務所需的CPU周期總數(shù)分別設為2×104和1×109，MEC服務器的計算能力設置為100 GHz.另外，生成或驗證1個簽名、生成或驗證1個MAC分別需要1×106和1×107個CPU周期，1個塊所包含的事務數(shù)不超過1 500.

另外，參考文獻[23]，本文所提方案與其余3種基線方案進行了比較.主要考慮以下4種方案：

1) 頻譜資源分配和計算資源分配的聯(lián)合設計方案.

2) 頻譜資源均勻分配的方案.

3) 計算資源均勻分配的方案.

4) 頻譜資源和計算資源均勻分配的方案.

圖2展示了本文方法不同ρ值下的收斂性能.這4個迭代過程分別對應ρ=0.800 0、ρ=0.080 0、ρ=0.008 0、ρ=0.000 8.由圖可知，在前20次迭代進程中總效用值迅速下降，在第30次迭代后趨于穩(wěn)定，可以看出該算法能夠快速收斂.此外，由仿真結果可知，ρ值越大，收斂速度越快，并且4個迭代進程最后收斂于相近的效用值.

圖2 不同ρ值下的收斂進程

圖3展示了不同方案下迭代次數(shù)與原始可行性容忍度和對偶可行性容忍度的關系曲線.由圖可知，隨著閾值參數(shù)的增加，3種方案的迭代次數(shù)都有所減少.因此，閾值參數(shù)的設置不能過大，以免在該范圍內3種方案無法在有限的迭代次數(shù)中達到收斂的效果.此外，可以觀察到本文方法較其他2種方案下降速度小，趨勢較為穩(wěn)定.

圖4展示了不同方案下目標函數(shù)值與數(shù)據(jù)大小的關系曲線.隨著任務數(shù)據(jù)量的提升，3種方案的目標函數(shù)值逐漸增加.這是因為數(shù)據(jù)卸載的時間消耗隨著數(shù)據(jù)大小的增大而增加，而數(shù)據(jù)卸載的能量消耗也相應增加，從而影響了目標函數(shù)值.如圖可知，本文方法的目標函數(shù)值始終低于其他方案，源于均勻的資源分配無法實現(xiàn)MEC系統(tǒng)能耗和區(qū)塊鏈系統(tǒng)計算時延的最佳權衡.頻譜資源均勻分配方法增長速度遠遠大于其余2種方法，這是因為數(shù)據(jù)量的大小對頻譜資源分配的影響較大.

圖4 目標函數(shù)值與數(shù)據(jù)大小的關系

圖5展示了不同方案下目標函數(shù)值與無人機數(shù)量的關系曲線.隨著無人機數(shù)量的增加，4種方案的目標函數(shù)值均逐漸增加.其原因為系統(tǒng)的計算任務加重，從而MEC系統(tǒng)消耗的能量增加.在所有曲線中，本文方法的系統(tǒng)目標函數(shù)值同樣始終低于其他方案.由圖可知，在這個范圍內，頻譜資源均勻分配方法的性能優(yōu)于其他2種資源均勻分配的方法，這是因為計算資源分配通常對能耗和時延的影響較大.

圖5 目標函數(shù)值與無人機數(shù)量的關系

圖6 MEC系統(tǒng)能耗與MEC服務器計算能力關系

圖7 區(qū)塊鏈系統(tǒng)計算時延與MEC服務器計算能力關系

圖6、7分別展示了不同方案下MEC系統(tǒng)能耗和區(qū)塊鏈系統(tǒng)計算時延與MEC服務器計算能力的關系曲線.隨著MEC服務器計算能力的增加，MEC系統(tǒng)能耗逐漸增大，區(qū)塊鏈系統(tǒng)計算時延逐漸減小，反映了在較高的計算能力下，區(qū)塊鏈系統(tǒng)性能優(yōu)于MEC系統(tǒng)性能.本文所提方案優(yōu)化指標始終低于其他方法，并且計算資源均勻分配方法產生的系統(tǒng)能耗最大，展示了所提算法良好的優(yōu)化性能.

5 結論與展望

1) 面向無人機輔助的物聯(lián)網場景中頻譜資源分配和計算資源分配問題，提出了一種基于ADMM的資源分配決策方法，將MEC系統(tǒng)的數(shù)據(jù)卸載、數(shù)據(jù)計算和區(qū)塊鏈系統(tǒng)的數(shù)據(jù)共識建立為一個聯(lián)合優(yōu)化問題.

2) 通過聯(lián)合考慮頻譜資源分配和計算資源分配以實現(xiàn)MEC系統(tǒng)能量消耗和區(qū)塊鏈系統(tǒng)計算時延的最佳權衡.

3) 相比于已有的資源分配方法，所提方案可有效減少MEC系統(tǒng)的總能耗和區(qū)塊鏈系統(tǒng)的計算時延，并可根據(jù)實際需求調整權值參數(shù)，獲得更好的系統(tǒng)性能.

4) 未來的工作將基于本文提出更復雜的網絡模型框架，結合數(shù)據(jù)緩存和無人機運行軌跡等相關問題進一步優(yōu)化.同時，也將在所提方法中考慮卸載決策等.