本文工作支持项目

这项工作部分得到了国家重点研发计划项目 2020YFB1807602 的支持,部分得到了国家自然科学基金项目 61901231、62071223、62031012、61931011 和 CAST 青年精英科学家资助计划的支持。中国博士后科学基金2020M671480和江苏省博士后科学基金2020Z295,部分由工业和信息化部电磁频谱空间动态认知系统重点实验室开放项目KF20202102,在国家重点科学仪器设备研制项目61827801号。

摘要:

由于其广泛的应用感知和灵活的部署,无人驾驶飞行器(UAV)群支持的边缘计算被认为在第六代无线通信网络中很有前景。然而,现有的大部分工作都集中在由单个或小型无人机支持的边缘计算上,这与无人机群支持的边缘计算有很大不同。为了促进无人机群边缘计算的实际应用,本文介绍了最先进的研究。说明了潜在的应用程序、体系结构和实施注意事项。此外,还讨论了无人机群支持边缘计算的有前景的支持技术。此外,我们概述了挑战和未解决的问题,以阐明未来的研究方向

引言

近年来,无人机在军事、农业、商业和公共服务等领域得到广泛应用。此外,受自然界中野生动物成群结队行为的启发,预计在实际应用中,越来越多的无人机以编队或成群的形式出现,包括2015年美国发起的低成本集群技术项目,2016 年范堡罗航展丛林狼无人机展出,2017 年中国电子科技集团公司 119 架无人机成功群飞[1]。此外,预计到 2025 年,无人机将具备完全的自主集群能力,这将为无人机群提供强大的能力 [2]。

图1:无人机群控边缘计算集成网络的潜在应用场景

除了无人机技术,边缘计算也很有前景,因为它可以显着提高有限能量和计算受限的移动设备计算能力。然而,传统的地面边缘计算网络无法在自然灾害等紧急情况下工作。最近,边缘计算(MEC)技术与无人机网络的集成引起了极大的关注[1]。无人机可以被视为用户/中继/MEC-服务器,通过适当地利用网络边缘的计算资源来减少处理延迟并提高利用效率,并且可以显着提高无人机使能的边缘计算网络的性能。与传统的单机和小型无人机赋能的边缘计算网络相比,无人机群赋能的边缘计算网络可以处理更复杂的任务,例如货物运输、地球监测、精准农业和大规模军事部署,将在支持未来人类活动方面获得广泛普及。可以预见,基于无人机群的边缘计算将为我们迎接即将到来的“无人机互联网 (IoD)”[2],[3] 时代提供强有力的支持。这项有前途的技术具有许多吸引人的优势,如下所示。

  • 显着提高的任务执行能力:UAV swarm 为多点协作 (CoMP) 技术开辟了新的机会,使计算资源能够在大量 UAV 之间共享。通过设计网络级资源共享方案,使任务可以并行有效地处理,无人机群支持的边缘计算网络可以显着提高任务执行能力[1],[3]。

  • 增强卸载安全性:由于灵活的空中CoMP,可以将多个单天线无人机组合成一个虚拟的多天线系统,从而可以显着提高所需接收端的信号接收质量。甚至更少的传输功率[3]。因此,可以保证无人机群支持的边缘计算网络中的物理层安全卸载任务。

  • 高容错性:借助机载传感器和有效的身份验证机制,无人机群系统可以具有高容错性[4]。例如,如果几架无人机离开一个集群,仍然可以维持操作,其余无人机形成重建的飞行网络。

  • 有用的 UAV 到 UAV 通信:最后但同样重要的是,类似于地面设备到设备 (D2D) 通信,UAV 到 UAV 通信可以广泛用于群内空中无线网络中,用于数据传输、中继、自主飞行、聚集等[5]。因此,它将带来能源效率、频谱效率和扩大空中覆盖范围的好处。此外,可以减轻回程链路的负担,从而降低传输延迟。

图2:无人机群体边缘计算的两种范式。

无人机群支持边缘计算的研究和开发仍处于起步阶段,相关研究非常有限[4]、[6]、[7]。 [4] 中的作者通过通信和计算资源的联合优化研究了一组三维分布式无人机的响应延迟最小化问题。为了避免恶意启用无人机群的边缘计算系统,[6] 中的作者研究了无人机群的准确检测和定位。 [7] 中进一步研究了服务驱动的协作 MEC 模型,以支持无人机群中的计算密集型和延迟关键型服务。为了提供全面的理解和促进深入的研究,在本文中,我们概述了无人机群支持的边缘计算。强调了一些关键的实施问题,并讨论了有前途的技术。此外,我们阐明了无人机群支持的边缘计算网络中的挑战,并概述了开放的研究问题。

图5:无人机对地面和无人机对无人机的严重干扰。

本文的其余部分组织

第2节介绍了主要的应用场景和基本的基础架构范式。第3节详细说明了关键的实施注意事项。第4节介绍了实现无人机群边缘计算的有前景的技术。第5节概述了未来研究的挑战和未解决的问题。第6节总结。

成为VIP会员查看完整内容
66

相关内容

【TPAMI2022】双曲深度神经网络研究综述
专知会员服务
64+阅读 · 2021年12月29日
【文献综述】边缘计算与深度学习的融合综述论文
专知会员服务
158+阅读 · 2019年12月26日
现在入行CV还有前途吗?来听AI青年学者怎么说
机器之心
0+阅读 · 2021年4月28日
「时空数据分析」综述论文,44页pdf
专知
8+阅读 · 2021年3月20日
【边缘计算】边缘计算面临的问题
产业智能官
17+阅读 · 2019年5月31日
图神经网络概述第三弹:来自IEEE Fellow的GNN综述
机器之心
46+阅读 · 2019年1月7日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
3+阅读 · 2009年12月31日
Image Segmentation Using Deep Learning: A Survey
Arxiv
43+阅读 · 2020年1月15日
Arxiv
12+阅读 · 2018年9月5日
A Survey on Deep Transfer Learning
Arxiv
11+阅读 · 2018年8月6日
VIP会员
相关VIP内容
【TPAMI2022】双曲深度神经网络研究综述
专知会员服务
64+阅读 · 2021年12月29日
【文献综述】边缘计算与深度学习的融合综述论文
专知会员服务
158+阅读 · 2019年12月26日
相关基金
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
3+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员