無人機輔助MEC系統：架構、關鍵技術與未來挑戰

張天魁，徐瑜，劉元瑋，楊鼎成，任元紅

（1.北京郵電大學信息與通信工程學院，北京 100876；2.英國倫敦瑪麗女王大學電子工程與計算機科學學院，英國 倫敦 E1 4NS；3.南昌大學信息工程學院，江西 南昌 330031；4.北方自動控制技術研究所，山西 太原 030006）

0 引言

隨著第五代移動通信技術（5G）快速商業部署和第六代移動通信技術（6G）研究序幕開啟，未來網絡將變為以“數字孿生”和“智慧泛在”為特點的智慧型網絡，萬物智聯、通感一體、人工智能（artificial intelligence，AI）賦能等愿景將逐步成為現實[12]。目前，一些新興移動網絡應用技術的不斷涌現，如虛擬現實（virtual reality，VR）、自動駕駛、視頻直播等，正在推動移動應用技術的變革[3]。同時，這些計算密集型和時延敏感型應用加劇了移動終端設備在能量及算力等方面的問題，使設備的計算需求不能得到很好的滿足。為應對上述挑戰，移動邊緣計算（mobile edge computing，MEC）技術應運而生。作為一種新的網絡結構，MEC能夠將設備的計算任務由傳統的云計算采用的中心化處理方式下沉到網絡邊緣執行，有效緩解核心網計算壓力并縮短計算數據的傳輸距離，從而滿足設備對高可靠、低時延計算的需求，極大提高網絡的計算能力[4-7]。

另一方面，為了解決野外、湖泊、災后等復雜地域環境中邊緣設備對計算資源的需求，無人機輔助邊緣計算系統成為有效的解決方案[8]，將無人機與邊緣計算技術結合，能夠突破傳統邊緣計算場景在靈活部署、地域位置約束、覆蓋能力等方面的局限，極大擴展了邊緣計算網絡適用范圍，提高了網絡計算能力和用戶服務質量。相對于固定基礎設施的邊緣計算方案，無人機輔助MEC具有高移動性、快速響應、靈活可控、使用成本低等優勢[9]，成為5G和未來6G網絡中關鍵技術之一。

為了更好地理解和研究無人機MEC技術，本文對無人機MEC進行了全面系統的概述：首先，提出了無人機MEC系統的一般性架構，介紹了每一層結構的主要功能；接著，對無人機MEC的典型應用場景進行了分析，梳理得到現階段無人機MEC常見網絡拓撲結構和關鍵技術，從中可以獲得一般性的設計方法；最后，討論了未來研究存在的開放性問題和實際應用面臨的挑戰。與現有的無人機MEC相關綜述文獻[8,10-11]相比，本文的創新性主要體現在以下方面。

? 提出了完整的MEC系統架構，并對架構中的關鍵技術和功能進行了介紹，而文獻[8,10]只對無人機輔助MEC系統的概念和關鍵使能技術進行了介紹，忽略了其體系架構。

? 梳理了無人機輔助MEC關鍵技術，對現階段應用的先進技術及各技術之間的脈絡關系進行了呈現。現有文獻缺乏對無人機輔助MEC關鍵技術的系統性總結，缺少對整個技術輪廓和系統設計的詳細刻畫。

? 完整闡述了無人機輔助 MEC在未來無線網絡中的潛在技術和挑戰，而文獻[8,10-11]在這兩方面均沒有開展全面的總結工作，如未提及多無人機協同、無人機算力網絡等內容。

另外，文獻[10-11]只重點討論了無人機 MEC與當前 5G網絡融合帶來的機遇和挑戰，沒有關注在未來 6G網絡場景中的潛在技術發展和面臨的新難題。

1 系統架構與使能技術

1.1 系統架構

無人機輔助MEC基本網絡架構如圖1所示，主要由地面數據層、無人機邊緣接入層和以飛艇及近地衛星等組成的高空接入層3個部分組成。

圖1 無人機輔助MEC基本網絡架構

1.1.1 地面數據層

地面數據層主要收集各種網絡應用場景產生的文本、圖片、視頻等計算任務，主要網絡場景包括無線傳感器網絡、蜂窩網絡、車聯網等，這些場景中終端設備會持續產生監測、應用服務等數據，設備自身無法有效處理，需要將計算任務卸載到無人機邊緣接入層，由無人機幫助計算，再將結果回傳，減少設備計算壓力，提高用戶體驗質量和服務質量。根據無人機和地面MEC服務器的協同關系，可以將數據接入方式分為兩種類型：第一類為無地面MEC服務器協助的場景，此時終端設備通過無線鏈路直接接入無人機；第二類為空地協同的場景，即終端設備既可以接入無人機，也可以通過無線接入點（access point，AP）或基站接入，將計算任務就近卸載至部署有MEC服務器的AP和基站側進行處理，或直接上傳至云端進行計算。

1.1.2 無人機邊緣接入層

無人機邊緣接入層負責接入來自數據層的卸載任務，并對任務進行處理。在該層，搭載有MEC服務器的無人機作為MEC計算單元，可以直接接收來自數據層終端設備的計算任務。無人機之間也可以通過無線鏈路連接，組成多無人機協同系統或無人機集群，計算任務可以從地面終端設備通過多跳的形式進行傳輸，充分利用網絡中無人機的計算資源，提高計算效率。

1.1.3 高空接入層

高空接入層主要是由飛艇、熱氣球以及近地軌道衛星組成的高空平臺，為無人機邊緣接入層提供中繼通信，即無人機接收計算任務后，可進一步將任務轉發至高空平臺進行計算。考慮傳輸時延問題，高空接入層對計算時延不太敏感的業務類型尤為適用，可以進一步提升無人機邊緣接入層的計算能力，能夠滿足終端設備更加嚴苛的計算需求。高空平臺一方面能夠繼續提供算力支持，另一方面也能夠直接與云計算中心建立通信連接，調度遠端更強大的計算資源。由此可知，圖1構建了完整的端—邊—云一體化移動邊緣計算網絡體系，具有普適的意義。

1.2 使能技術

為了支持圖1提出的無人機輔助MEC基本網絡架構，實現對不同無人機之間的管理，還需要采用一些使能技術，主要包括軟件定義網絡（software defined network，SDN）、人工智能技術和邊緣容器管理架構。

（1）軟件定義網絡

SDN可以用于網絡的控制。具體來說，讓某一架無人機當作SDN-MEC中心節點，除進行常規計算外，還作為 SDN控制器，實現對無人機飛行狀態控制和網絡資源管理。SDN是一種通過軟件控制器進行集中控制的網絡架構，能夠實現將底層物理設備的控制決策和數據轉發兩個功能分離，可以為大規模復雜網絡的控制提供解決方案[12-13]。無人機輔助MEC系統SDN控制器邏輯架構如圖2所示，自下而上分別是數據層、控制層和應用層。數據層負責信息轉發和數據處理，通過基于OpenFlow標準協議的南向接口與控制層進行交互；控制層運行各種 SDN控制軟件，分析接收的各類數據流，并將運行結果作為控制策略通過北向接口發至上層，實現網絡服務和管理功能，或通過南向接口下發至數據層，實現物理資源管控；應用層主要運行各種應用程序，如無人機軌跡優化、通信/計算資源調度算法等，并通過北向接口將網絡行為告知控制層，進而達到對網絡全局管控的目的。

圖2 無人機輔助MEC系統SDN控制器邏輯架構

（2）人工智能技術

無人機輔助MEC網絡豐富業務應用和極致性能需求對網絡架構提出了較高要求。AI賦能的無人機輔助MEC網絡具有支持AI原生的能力，為AI算法的運行提供基本環境和基礎插件。通過部署群智協同、云邊端一體化和分布式學習等算法，可以提高網絡資源的管理能力（如智能調度、跨域管理等）、提升資源利用效率、增強任務匹配性能，并增強對差異化實時業務的兼容能力。在無人機輔助MEC網絡中，利用AI技術不僅為網絡提供了一種優化工具，也提供了一種AI原生新型網絡結構和智能空口技術的有效實現方案，激發網絡通信和計算性能上的更大潛力。

（3）邊緣容器管理架構

無人機輔助MEC系統中應用程序分散在云、邊、端各側，應用程序需要得到有效管理。另外，無人機輔助MEC系統還面臨單集群節點跨地域、計算資源分散、云邊端網絡不可靠等問題，應用很難部署到邊緣計算節點上進行可靠運行。可以采用基于Kubernetes（K8S）的邊緣容器管理架構，如圖3所示。通過該架構，能夠把分布在云、邊、端各處的計算資源放在一個 K8S集群中進行管理，打造專屬邊緣平臺即服務（platform as a service，PaaS）平臺。基于 K8S的邊緣容器管理架構為分布式架構，能夠為分布式MEC應用系統提供基本框架，并提供管理所有運行應用程序的容器，持續監視應用集群并對其組成進行調整，達到對整個網絡資源的彈性納管和控制的目的，實現效率上的極致。

圖3 基于K8S的邊緣容器管理架構

2 典型應用分類和關鍵技術

本節主要介紹無人機輔助 MEC系統常見網絡結構以及典型應用分類，并介紹在實際網絡設計中涉及的關鍵技術。

2.1 網絡結構

無人機輔助MEC網絡結構如圖4所示，主要分為4種典型網絡拓撲結構。

圖4 無人機輔助MEC網絡結構

（1）點對點計算

無人機作為 MEC服務器直接為終端設備提供計算服務，此結構常見于無地面基礎設施的野外環境、應急救災等場景[14-16]。終端設備通過任務卸載將數據傳輸到無人機，無人機通過本地計算再將結果回傳至終端，構成兩點之間的閉環。這種結構具有拓撲簡單、部署快、容易實現等特點，在面對臨時快速響應、環境監測等場景時具有良好的應用效果，但對無人機的計算能力要求較高，并不能很好地應對地面超大規模用戶、計算需求密集等場景。

（2）空地協同

在空地協同網絡結構中，終端設備可以將計算任務卸載到無人機和地面MEC服務器進行數據處理，即網絡中的算力支持同時來自空中無人機平臺和地面部署在接入點或基站的MEC服務器[17-19]。該場景中，空地協同主要體現在終端設備對空地計算資源的選擇和調度上，以及對計算任務的卸載策略上。相對于點對點計算而言，空地協同網絡結構能夠提供更強大的計算保障，網絡拓撲更加靈活，在蜂窩網、熱點覆蓋、D2D通信（device-to-device communication）等場景中較為常見，但終端與地面MEC服務器之間的信號傳輸衰減嚴重，容易受地面傳輸環境的影響，因此該類結構網絡覆蓋能力依然有限。

（3）空地中繼協同

為了進一步提升上述空地協同網絡結構的覆蓋能力，學術界提出了一種空地中繼協同網絡結構，如圖4（c）所示。在空地中繼協同網絡結構中，無人機同時具備計算和中繼轉發的功能[20-22]。無人機接收來自地面終端的計算任務時，無人機可以通過執行本地計算，完成計算任務；也可以通過中繼傳輸協議，將接收的計算任務轉發至高空平臺或云計算中心協助計算，從而極大地釋放自身的計算壓力，提升網絡計算能力。無人機由于中繼的存在，可以調度到遠端 MEC計算資源，有效擴展網絡的覆蓋范圍和計算能力。空地中繼協同屬于云—邊—端深度融合的一種網絡結構，能夠充分有效地調度全域計算資源，實現全域資源的有效管理，適合計算需求大、覆蓋范圍廣和無人機計算能力受限等場景。然而，此類結構拓撲結構較為復雜，調度策略設計難度較大，而且信號多跳會帶來路由管理上的難題和設計上的復雜度，造成額外計算時延開銷的問題。

（4）多無人機協同

多無人機協同是一種比較常見的無人機輔助MEC網絡結構，主要考慮采用多無人機或無人機群的方式為地面終端設備提供計算服務[23-25]。多無人機協同能夠適應更加復雜的網絡環境，對不同網絡結構、不同任務數據類型具有很好的兼容能力，如超密集網絡、異構蜂窩網絡等。通過對多無人機的協同控制，包括無人機之間的計算資源協同管理、無人機軌跡規劃等，能夠滿足不同任務類型對計算能力的要求，從而提供強大的計算支持，并能夠解決廣域復雜環境的覆蓋問題。另外，多無人機間也可以通過鏈路連接，形成多無人機間資源共享，大幅提升對網絡離散資源聯動設計的靈活性，消除終端設備對某一部分無人機的依賴性，網絡的魯棒性能夠得到充分的保障。值得一提的是，多無人機協同中的無人機聯合設計問題、三維軌跡規劃問題等在實際研究和應用中依然極具挑戰。

2.2 典型應用分類

得益于無線通信領域不斷發展，以及在無人機機動性和控制方面取得飛速進步，無人機輔助MEC具有廣闊的應用前景。目前，常見應用場景包括以下幾點。

（1）定制化邊緣云服務

根據用戶需求，可以利用無人機輔助MEC提供定制化邊緣云服務，如賽事直播、超清點播、云游戲、云渲染等。通過無人機靈活部署，能夠增強用戶接入，降低傳輸時延，滿足用戶聯機互動的需求。另外，還可以通過無人機輔助MEC為用戶提供云安全解決方案，防止流量攻擊和病毒傳播，保障用戶的計算安全。

（2）熱點覆蓋

在通信熱點區域，如重大賽事、節日活動、音樂會現場等，大規模用戶帶來密集的計算需求，造成地面固定基礎設施超負荷運行，用戶服務需求得不到保證。通過部署無人機MEC，可以對熱點區域數據進行分流，擴大網絡計算容量，有效緩解區域內計算數據的擁塞，提升用戶的體驗質量和服務質量。

（3）應急救援

在突發自然災害時，往往會造成地面通信基礎設施損毀的情況。為了及時恢復通信，第一時間了解受災現場，可以部署無人機MEC節點，通過拍攝圖像或視頻，分析提取關鍵信息，如人員搜救、目標物體受災監測等，輔助指揮人員準確采取有效應對措施。

（4）數據采集

在湖泊、山地、沙漠等野外環境中，由于缺少通信設施，并受地理地形的影響，環境監測和對廣泛部署的傳感節點進行數據采集都是難以開展的工作。通過派遣無人機MEC節點可以有效克服這些難題，規避人力實施帶來的各種危害和風險，而且能夠避免建設大量的固定基礎設施，極大地降低監測和數據采集成本。

（5）軍事應用

在軍事場景中，面臨的環境一般都缺少地面通信基礎設施，前線與指揮中心的通信連接很難持續得到穩定保障。因此，利用無人機MEC節點，不僅可以幫助建立前線與后方之間的無線連接，還能夠通過無人機實時偵察并分析回傳敵方的狀態，為指揮中心作戰命令下達提供有效情報。另外，與人工智能、飛控導航等先進技術結合后，無人機MEC還能夠參與到人質救援、目標打擊、戰場毀傷評估等作戰活動，加速了無人化、智能化戰爭的發展。

2.3 關鍵技術

在當前研究中，無人機輔助MEC系統關鍵技術總結如圖5所示。在進行設計時，主要從計算任務和無人機設計兩個方面考慮，其中計算任務又可分為本地計算和任務卸載兩種方式。本地計算是指計算任務在設備自身進行本地處理，根據CPU計算頻率的分配情況，分為固定計算頻率方式和動態計算頻率方式；任務卸載是指設備將部分任務傳輸到其他設備進行輔助計算，這個過程主要包括卸載模式、卸載技術和資源分配3個關鍵方面。首先，卸載模式包括部分卸載和二元卸載（也稱為二進制卸載）。部分卸載允許設備將計算任務分成若干子任務，這些子任務一般為相互獨立的關系，可以通過無線傳輸的方式遷移到其他設備進行計算；而二元卸載是將任務作為一個整體，只能在設備本地完成計算或作為整體卸載至其他設備。相比于部分卸載，二元卸載硬件實現復雜度更低，但靈活性不強。另外，卸載技術主要指一些先進的無線傳輸技術，包括多址接入技術（如 NOMA、正交多址（orthogonal multiple access，OMA））、多輸入多輸出（multiple-input multiple-output，MIMO）技術、智能反射面（intelligent reflecting surface，IRS）技術、全雙工（full duplex）技術等，通過應用這些技術，能夠提高任務卸載速率，使系統獲得更大的增益。最后，資源分配主要包括兩個方面的內容，分別是通信資源分配和計算資源分配。通信資源主要指系統中的時隙、編碼、通信帶寬、發射功率等系統資源，計算資源則指設備自身和MEC服務器提供的CPU計算模塊。在實際研究場景中，對系統資源進行分配方案優化對于提高系統運行效率至關重要，是無人機輔助MEC系統設計的重點內容。

圖5 無人機輔助MEC系統關鍵技術總結

無人機設計涵蓋兩個大的方面，一是空地信道建模問題，另一個是無人機控制問題。空地信道建模主要分為3種信道模型，分別是視距鏈路模型（line-of-sight channel model）、概率信道模型（probabilistic channel model）和仰角信道模型（angle dependent channel model）。視距鏈路模型適用于開闊、沒有障礙物遮擋的信道環境，是一種比較理想化的模型；概率信道模型和仰角信道模型都考慮了非視距鏈路的影響，更適合實際應用場景，如鄉村城市等有障礙物影響的傳輸環境。無人機控制問題可以根據無人機的運動模式分成動態軌跡規劃和靜態位置部署，其中動態軌跡規劃是最為常見的一類。相比于靜態位置部署，動態軌跡規劃能夠帶來更明顯的性能增益，無人機的移動性能得到更充分的利用。動態位置規劃中，根據無人機的數量可以分為單無人機軌跡規劃和多無人機軌跡規劃；根據空間維度可以分為一維軌跡優化、二維軌跡優化和三維軌跡優化。目前，無人機的軌跡優化問題正從二維軌跡優化向三維軌跡優化方向發展，同時也出現了諸多仍未徹底解決的問題，如三維無人機能耗建模問題、三維多無人機協同控制問題等。

上述關鍵技術為無人機輔助 MEC的研究工作奠定了技術基礎和基本設計思路，并催生了諸多應用類型。根據當前文獻中研究目標的不同，無人機輔助MEC系統研究分類見表1，大致可分為5類。

表1 無人機輔助MEC系統研究分類

（1）能耗最小

能耗作為無人機輔助 MEC系統關鍵性能指標之一，得到了廣泛的研究。無人機輔助MEC系統能耗主要來自3個方面，即無人機飛行能耗、計算能耗和通信能耗。在具體設計中，需要分別就這3部分能耗進行考慮，以達到系統能耗最小的目的。文獻[16]的目標是最大化終端設備的最小能耗，提出一種聯合優化算法解決了非凸問題；文獻[19]采用加權均方誤差法和 S-procedure方法，實現了無人機和終端設備能耗最小化的目的；文獻[20]則通過聯合優化系統通信和計算資源、無人機軌跡，考慮了無人機作為移動中繼MEC場景的系統總能耗最小化問題。

（2）計算時延最低

計算時延也是無人機輔助 MEC系統關鍵性能指標之一，計算時延主要包括3個方面：任務卸載時延、任務計算時延和結果回傳時延。減少無人機MEC系統的時延開銷，對保障系統的有效性至關重要。文獻[15]考慮了最小化最大終端設備計算時延的問題；文獻[15]則考慮了所有終端計算時延和最小化，并同時考慮了無人機的能耗問題；文獻[21]通過設計三維無人機位置部署，減少系統的計算時延開銷；文獻[23]主要設計了多無人機協同的場景，通過開展多無人機聯合軌跡設計和系統資源管理，實現了終端設備任務計算時延最小的目標。

（3）計算容量最高

計算容量的定義為終端設備或無人機在給定的網絡資源能夠實現的最大計算量，是用于衡量無人機MEC系統計算能力強弱的關鍵性能指標。一般而言，無人機輔助MEC系統的資源都是受限的，而如何利用有限的資源滿足盡可能多的計算需求具有顯著意義。文獻[26]提出了在無人機無線能量傳輸MEC網絡中的計算容量問題，同時考慮了部分卸載（partial offloading）和二元卸載（binary offloading）兩種卸載模式；文獻[27]和文獻[28]分別提出了在無人機中繼協作傳輸和非正交多址接入（non-orthogonal multiple access，NOMA）網絡場景的無人機計算容量最大化問題。

（4）計算能效最大

計算能效是指在單位計算能耗上能完成的最大計算量，一般也稱為計算效率（computation efficiency），可以用來權衡計算量與能量開銷之間的關系。對于無人機輔助MEC系統而言，計算量和能量都是非常關鍵的性能指標，因此在實際設計中，通常需要考慮兩者間的最佳折中關系。文獻[17]提出在空地協同場景中，以系統能效作為目標，通過對系統資源管理和無人機軌跡設計，尋求計算容量與計算能耗之間的最佳權衡關系；文獻[29]通過優化無人機的軌跡和任務分配實現了系統能效最大化；文獻[30]和文獻[31]都考慮了多無人機計算能效的問題，且文獻[31]采用了NOMA作為多址方式。

（5）計算安全性最強

由于無線傳輸環境的開放性，信息傳輸很容易受到非法用戶的監聽，造成數據泄露風險。無人機輔助 MEC系統的計算安全主要體現在任務數據卸載的過程。如何有效保障終端設備數據的私密性，對于衡量無人機MEC系統的安全性來說至關重要，受到比較廣泛的關注。文獻[32]考慮采用雙無人機的網絡結構抵御地面竊聽用戶，其中一架無人機作為MEC服務器輔助地面設備計算，另一架無人機則作為干擾（Jamming）無人機，用于發射干擾噪聲，抑制非法用戶的惡意竊聽；文獻[33]考慮了來自空中的非法竊聽用戶，利用地面干擾機發射抑制噪聲減少竊聽，增大合法用戶的安全計算容量；為了減少計算數據泄露風險，文獻[34]提出通過無人機和地面非卸載用戶聯合發送噪聲的方式抑制竊聽，并考慮了不確切的信道狀態信息的情況；文獻[35]提出了在能量收集的網絡場景中，無人機利用全雙工通信的方式，同時接收用戶卸載的任務和發送干擾噪聲攻擊非法竊聽者，從而提高系統的安全計算效率。

3 未來研究方向和應用挑戰

3.1 未來研究方向

作為5G關鍵性技術，無人機輔助MEC技術將繼續賦能未來6G網絡發展。可以預見的是，新興技術的不斷涌現勢必會推動無人機 MEC技術的不斷發展與進步。結合當前無線通信領域的研究趨勢和潛在技術，未來無人機輔助MEC研究主要包括以下幾個方向。

（1）三維多無人機協同MEC

如前文所述，三維無人機設計和多無人機協同均具有顯著優勢，也是當前研究的熱點。將三維無人機與多無人機進行結合，可以實現更為復雜的功能。三維無人機軌跡設計能夠通過水平和縱向操縱，實現全空域移動控制，完全釋放無人機移動性促進系統性能提升的潛力。另外，多無人機協同能夠同時實現空—空、空—地、空—天—地等多域資源聯合調度，極大增強網絡資源配置的靈活性。因此，三維無人機協同MEC將具有巨大應用潛力，是未來通信發展的一種必然范式。

（2）基于智能無線傳輸的無人機MEC

基于智能無線傳輸的無人機 MEC是指通過采用IRS重構無線傳輸環境，以達到增強無線傳輸性能的目的。IRS是一種無源的平面反射陣列，其表面整齊排列著許多可重構元素，每一個元素都可以對入射信號進行單獨的相移和幅度控制，從而改變入射信號的傳輸特性[27]。目前，IRS作為6G關鍵技術，已經被寫入6G白皮書。在基于智能無線傳輸的無人機輔助MEC系統中，根據場景需求，可以采取地面部署IRS的方式，也可以將IRS部署在無人機上，兩種結構各有其優勢。在實際設計中，基于智能無線傳輸的無人機輔助MEC系統主要需要考慮通過結合多天線技術和IRS無源波束成形技術，以及對無人機軌跡進行規劃，增強信號傳輸質量，提高任務卸載效率。該研究方向開辟了新的設計維度，是對隨機信道被動適應到主動控制的跨越，具有廣闊的研究前景。

（3）通感一體無人機MEC

通信感知一體化（integrated sensing and communication，ISAC）是未來無線網絡發展的一項重要使能技術，能夠同時實現通信任務和感知任務[36]。未來無人機輔助MEC系統中，無人機的功能不單單限于通信和計算，還需要具備高精度且穩健的感知能力，以更好地滿足工業互聯網、環境監測、車聯網、智能家居等不同應用場景的需求。一方面，通過復用數據卸載的射頻信號，可以實現對目標物體的感知，達到狀態觀測的目的，擴展了網絡功能。尤其通過結合先進的太赫茲（terahertz，THz）超大帶寬通信技術，可以極大提高通信和感知能力，獲得高精度的定位和高分辨率3D成像信息；另一方面，通過感知，能夠獲取對無線傳輸環境的反饋信息，進而輔助增強信號傳輸質量。因此，通感一體無人機MEC的研究將突破傳統設計的局限，具有顯著的現實意義。目前，通感一體無人機 MEC相關議題仍處于研究空白階段，其基本設計思路、典型研究架構、關鍵性能指標等仍有待進一步探索。

（4）智能算法融合的無人機MEC

當前，AI技術已經逐漸滲透到各研究領域，對基于傳統方法開展的研究工作產生了深遠的影響。在無人機MEC研究場景中，AI智能算法正在逐步替代傳統算法發揮作用。盡管有些場景還未能達到一些經典算法實現的效果，但隨著未來算法的改進、機器算力的提升，AI智能算法不排除取得與經典算法一樣的效果，甚至超越經典算法。值得一提的是，AI智能算法已經在一些問題中發揮不可替代的作用，如高復雜問題求解、隨機問題優化、網絡預測等，傳統方法往往不能有效解決上述問題，或需要依靠復雜的分析、近似和簡化等過程獲取數值解，性能很難得到保障。而在無人機輔助MEC中，經常需要進行計算任務預測，還面臨著計算任務和信道參數隨機、問題建模結構復雜等現實難題，通過融合智能算法，能夠很好地貼合無人機MEC場景，并有望開辟全新的設計思路和嶄新的研究途徑。同時，無人機軌跡規劃具有時間上的長期性，且滿足馬爾可夫決策過程，具有應用智能算法的天然優勢。

（5）無人機算力網絡

現有無人機輔助 MEC系統受限于單個或少數無人機計算能力，沒有形成無人機算力網絡。與單純多無人機協同不同的是，無人機算力網絡可以通過多無人機間、各云之間的算力資源協同調度與分配，將算力資源信息與網絡資源信息匹配，實現多云、多類資源的聯合優化。在無人機算力網絡中，可以將網絡中所有的算力資源進行池化，算力池能夠根據當前的狀態及時向網絡控制面報告可利用的空閑算力信息，用戶會根據得到的算力信息以最佳的路由獲取這些空閑算力資源，極大提高網絡的計算性能。目前，對無人機算力網絡的研究處于起步階段，對于算力度量、資源視圖、信息分發和資源調度等方面的關鍵性議題仍有待探索。

3.2 未來應用挑戰

盡管無人機輔助 MEC可以克服傳統地面MCE網絡覆蓋范圍小、靈活性差和成本高等一些弊端，但是也面臨著諸多限制和挑戰，無人機輔助MEC系統面臨的部分挑戰如圖6所示。

圖6 無人機輔助MEC系統面臨的部分挑戰

（1）無人機能力受限

無人機作為空中平臺，一直面臨著能量受限的問題，導致無人機輔助MEC系統的服務周期較短，給實際任務的開展帶來不便。電池續航問題也間接導致網絡處理能力的局限性，對網絡進行節能優化、提高續航時間對解決此問題尤為重要。另外，無人機有效載荷限制也導致無人機只能搭載計算能力極為有限的MEC服務器，因此在計算需求大的網絡場景容易出現飽和的狀態，影響系統的計算效果。

（2）多無人機協同控制

相較于單無人機，多無人機協同MEC場景具有覆蓋范圍廣、計算能力強、網絡魯棒性高等優勢，是未來無人機輔助 MEC系統發展的重要范式。然而，多無人機協同控制問題依然需要被解決。在多無人機場景，需要考慮的關鍵因素主要包括卸載模式選取、用戶接入方式、無人機與地面設備間單跳任務卸載、無人機與無人機之間的多跳任務傳輸，以及多無人機聯合軌跡設計等，這些因素無疑加劇了多無人機協同設計的建模難度和算法實現的復雜度，也是未來多無人機協同MEC網絡研究需要重點解決的問題。

（3）無線連接受限

無人機由于高空優勢，能夠獲得相較于地面通信更好的鏈路質量，但在障礙物密集的復雜環境中，如城市、山區、叢林等，無線連接的穩定性和有效性很難得到保障。地面終端的任務卸載很容易受到周圍障礙物的遮擋，造成信號傳輸衰減嚴重，甚至無法傳輸到無人機邊緣節點。盡管無人機可以通過移動性優勢，增強與目標終端之間的鏈路質量，但在多用戶場景中，此時其他設備的服務效果卻很難得到保證，從而影響網絡整體性能。因此，如何改善無線傳輸環境，提高無線鏈路傳輸質量，也是目前無人機輔助MEC系統面臨的一大挑戰。

（4）數據卸載安全問題

無人機高空優勢有助于幫助改善無線傳輸質量，但同時也增加了數據泄露的風險。而且，未來竊聽用戶不僅來自地面，也可能來自空中，空地雙重竊聽無疑極大增加了數據安全防御方面的挑戰。一般而言，竊聽方式分為主動竊聽和被動竊聽兩種，主動竊聽方式下竊聽用戶會對外發出電磁信號，容易被偵查識別，進而可以開展精準打擊，因此這種方式在實際中相對容易應對。在被動竊聽方式下，竊聽用戶通常保持電磁靜默狀態，因此無法對其展開精確打擊，只能通過技術手段偵查竊聽用戶的大致范圍，通過對網絡卸載策略和無人機軌跡設計等，盡可能降低數據泄露的風險，這種情況更具有現實意義，但同時也是目前研究工作中待解決的難題。

（5）無人機無線信道測量與建模

為了能夠對無人機通信系統開展可靠研究，并進行實際優化設計和性能評估，建立準確的無人機無線信道模型至關重要。與傳統固定路徑之間的通信不同，無人機通信系統表現了更為復雜的特性。首先，無人機的快速移動性導致信號傳輸不穩定，多普勒頻移帶來的影響不可忽視；其次，無人機對地通信過程中信號歷經的路徑復雜多變，容易被各類障礙物的頻繁遮擋，造成接收信號包絡起伏變化劇烈。因此，開展無人機無線信道測量與建模工作具有現實意義。目前，針對無人機的信道建模方式主要分為確定性模型和統計模型兩種。盡管如此，依靠現有模型獲得的無人機傳輸特性與實際測量結果值之間仍有差距，如現有信道模型無法有效反映無人機非平穩信道特性和地面反射分量等。另外，在無人機輔助MEC網絡中，高計算時延的需求對無人機信道的測量帶來了更嚴峻的挑戰。而且，為了便于設計，無人機通信場景對信道模型的低復雜性也有一定的要求。未來的研究工作需要借助各類手段著力解決上述挑戰，如通過引入時變參數表現無人機信道的非平穩特性，或通過借助隨機幾何的方法推導更加普適、低復雜度的參考模型。總之，如何開展無人機無線信道測量、提出無人機無線信道統一標準化模型，是無人機未來應用需要重點解決的問題之一。

（6）標準化及商業模式

無人機輔助 MEC系統對于運營商、設備商和芯片廠商而言是一種創新的網絡架構和業務模式，相關的標準化工作正受到各大標準化組織的關注。目前，關于 MEC的標準化工作已基本開展完畢，包括平臺架構、技術需求、程序接口等都已被歐洲電信標準組織（European Telecommunications Standards Institute，ETSI）明確，而在此之上的無人機輔助 MEC的標準化工作還沒有被制定，有待行業進一步探討。此外，無人機輔助 MEC的業務場景雖然可以借鑒ETSI對MEC的七大業務場景的規范和描述，但對無人機輔助 MEC系統中區別于傳統MEC的典型業務場景類型并沒有得到行業和標準化組織的統一，從計費標準和商業模式到最后落地部署等一系列工作，仍需要進一步討論和確定。

4 結束語

無人機輔助 MEC系統作為未來無線通信網絡的發展方向，具有高空平臺、移動性、低成本等優勢，能夠顯著改善網絡計算能力、降低時延，獲得了廣闊的研究價值和應用前景。此外，無人機輔助MEC技術融合自身全域資源管理特性，能夠深度賦能未來空—天—地—海一體化網絡實現，有助于打造全方位立體算力網絡。本文全面剖析了無人機輔助MEC系統的特點、網絡架構和關鍵技術，討論了目前面臨的主要挑戰，并展望了未來發展方向。無人機輔助MEC技術在5G中持續發展及產業融合，將助推集研發設計、生產制造、服務管理于一體的工業生產實踐，為社會和企業賦能。同時，持續開展對未來無人機輔助MEC系統的學術研究，將有助于推動更多的創新應用出現，從而帶動垂直行業不斷演進。同樣地，在社會產業需求的正向反饋下，無人機輔助MEC系統研究也必將獲得更深遠的發展。