CN110543336B - 基于非正交多址接入技术的边缘计算任务卸载方法及装置 - Google Patents

Abstract

本发明实施例提供了基于非正交多址接入技术的边缘计算任务卸载方法及装置，确定生成的待处理任务的任务信息；根据任务信息，信道状态信息，频率约束，以及功率约束，确定最小期望能耗的优化方程；基于最小期望能耗的优化方程，确定任务卸载策略，上行传输时间和CPU频率决策。基于任务卸载策略，将待处理任务划分为第一子任务和多个第二子任务；基于非正交多址接入技术，将每个第二子任务发送至相对应的边缘基站，并在本地处理第一子任务。由于采用非正交多址接入技术，用户设备的不同传输子任务之间共用时隙和频谱资源，提高了频谱效率，此外，通过优化任务卸载策略，上行传输时间和CPU频率，能够降低用户设备的能耗。

Description

基于非正交多址接入技术的边缘计算任务卸载方法及装置

技术领域

本发明涉及无线通信技术领域，特别是涉及一种基于非正交多址接入技术的边缘计算任务卸载方法及装置。

背景技术

随着物联网与智能终端的发展，产生了一系列新型应用，例如自动驾驶，虚拟现实，交互游戏等。这些应用对数据传输实时性要求较好，且数据处理的能耗较大。目前的用户设备性能难以达到上述要求，在处理计算量较大的应用程序时，会导致服务质量受限。

目前，边缘计算是解决移动终端计算资源不足，电池能量有限问题的新兴技术。具体的，将用户设备的部分待处理任务卸载到资源丰富的边缘基站中，借助边缘基站的处理能力加快计算速度，缩短任务执行时间，减少用户设备能耗。

然而，边缘计算的网络技术方面也面临一些亟待解决的问题。在用户设备所需处理数据量极大的情况下，需要多个边缘基站联合协作计算。同时，随着用户设备数量及边缘基站数量的增多，传统的正交多址接入方式难以满足其任务的时延需求，边缘计算网络的频谱效率也不高，这也间接导致用户设备侧的能耗较高。

发明内容

本发明实施例的目的在于提供一种基于非正交多址接入技术的边缘计算任务卸载方法及装置，以实现在满足任务时延需求的前提下，提高频谱效率，降低用户设备侧的能耗。具体技术方案如下：

为实现上述目的，本发明实施例提供了一种基于非正交多址接入技术的边缘计算任务卸载方法，应用于边缘计算系统中的用户设备，所述边缘计算系统包括用户设备和多个边缘基站，所述用户设备采用非正交多址接入方式与每个边缘基站通信连接，所述方法包括：

确定生成的待处理任务的任务信息，所述任务信息包括时延约束和数据总量；

根据所述任务信息，用户设备与每个边缘基站的信道状态信息，用户设备的频率约束，以及功率约束，确定最小期望能耗的优化方程；

基于所述最小期望能耗的优化方程，确定任务卸载策略，上行传输时间和CPU频率决策，所述任务卸载策略包括：在本地处理的数据量，以及卸载至每个边缘基站处理的数据量；所述CPU频率决策包括每个CPU周期的CPU频率；

基于所述任务卸载策略，将所述待处理任务划分为第一子任务和多个第二子任务；所述第二子任务与所述边缘基站一一对应；

基于非正交多址接入技术，将每个第二子任务发送至相对应的边缘基站，并在本地处理所述第一子任务。

可选的，所确定的最小期望能耗的优化方程为：

0≤D≤T；

其中，E_tot表示用户设备的总能耗，l表示任务卸载策略，τ表示上行传输时间，f表示CPU频率决策，K表示边缘基站的总数目，k表示边缘基站的标号，

表示用户设备对边缘基站k的发射功率，Q表示用户设备在本地处理未卸载的数据所需的CPU总周期数，q表示CPU周期的标号，ξ表示有效电容系数，f_q表示在第q周期内CPU频率，p^t表示用户设备对各个边缘基站的总发射功率，C表示用户设备处理单位数据所需的CPU周期数，R表示用户设备生成的待处理的数据总量，l_k表示卸载至边缘基站k的数据量，D表示用户设备处理任务的时间，T表示预定的处理任务的最大时间，

表示边缘基站k的能量分配值，

表示边缘基站k的CPU计算功率，V_k表示边缘基站k的计算速率，f_max表示用户设备所支持的最大CPU频率，p_loc表示用户设备本地处理未卸载数据的计算功率，

表示用户设备所能支持的最大功率。

可选的，所述基于所述最小期望能耗的优化方程，确定任务卸载策略，上行传输时间和CPU频率决策的步骤，包括：

根据CPU频率在各周期均等分配的最低能耗原则，对所述最小期望能耗的优化方程进行转换，得到转换后的优化方程；

基于转换后的优化方程，确定任务卸载策略，上行传输时间和CPU频率决策。

可选的，所述转换后的优化方程为：

0≤D≤T；

其中，E_tot表示用户设备的总能耗，l表示任务卸载策略，τ表示上行传输时间，K表示边缘基站的总数目，k表示边缘基站的标号，

表示用户设备对边缘基站k的发射功率，Q表示用户设备在本地处理未卸载的数据所需的CPU总周期数，q表示CPU周期的标号，ξ表示有效电容系数，W表示信道带宽，n₀表示噪声功率，p^t表示用户设备对各个边缘基站的总发射功率，C表示用户设备处理单位数据所需的CPU周期数，R表示用户设备生成的待处理的数据总量，l_k表示卸载至边缘基站k的数据量，D表示用户设备处理任务的时间，T表示预定的处理任务的最大时间，

表示边缘基站k的能量分配值，

表示边缘基站k的CPU计算功率，V_k表示边缘基站k的计算速率，p_loc表示用户设备本地处理未卸载数据的计算功率，

表示用户设备所能支持的最大功率。

为实现上述目的，本发明实施例还提供了一种基于非正交多址接入技术的边缘计算任务卸载装置，应用于边缘计算系统中的用户设备，所述边缘计算系统包括用户设备和多个边缘基站，所述用户表示采用非正交多址接入方式与每个边缘基站通信连接，所述装置包括：

第一确定模块，用于确定生成的待处理任务的任务信息，所述任务信息包括时延约束和数据总量；

第二确定模块，用于根据所述任务信息，用户设备与每个边缘基站的信道状态信息，用户设备的频率约束，以及功率约束，确定最小期望能耗的优化方程；

第三确定模块，用于基于所述最小期望能耗的优化方程，确定任务卸载策略，上行传输时间和CPU频率决策，所述任务卸载策略包括：在本地处理的数据量，以及卸载至每个边缘基站处理的数据量；所述CPU频率决策包括每个CPU周期的CPU频率；

划分模块，用于基于所述任务卸载策略，将所述待处理任务划分为第一子任务和多个第二子任务，所述第二子任务与所述边缘基站一一对应；

发送模块，用于基于非正交多址接入技术，将每个第二子任务发送至相对应的边缘基站，并在本地处理所述第一子任务。

可选的，所确定的最小期望能耗的优化方程为：

0≤D≤T；

其中，E_tot表示用户设备的总能耗，l表示任务卸载策略，τ表示上行传输时间，f表示CPU频率决策，K表示边缘基站的总数目，k表示边缘基站的标号，

表示用户设备对边缘基站k的发射功率，Q表示用户设备在本地处理未卸载的数据所需的CPU总周期数，q表示CPU周期的标号，ξ表示有效电容系数，f_q表示在第q周期内CPU频率，p^t表示用户设备对各个边缘基站的总发射功率，C表示用户设备处理单位数据所需的CPU周期数，R表示用户设备生成的待处理的数据总量，l_k表示卸载至边缘基站k的数据量，D表示用户设备处理任务的时间，T表示预定的处理任务的最大时间，

表示边缘基站k的能量分配值，

表示边缘基站k的CPU计算功率，V_k表示边缘基站k的计算速率，f_max表示用户设备所支持的最大CPU频率，p_loc表示用户设备本地处理未卸载数据的计算功率，

表示用户设备所能支持的最大功率。

可选的，所述第三确定模块，具体用于：

根据CPU频率在各周期均等分配的最低能耗原则，对所述最小期望能耗的优化方程进行转换，得到转换后的优化方程；

基于转换后的优化方程，确定任务卸载策略，上行传输时间和CPU频率决策。

可选的，所述转换后的优化方程为：

0≤D≤T；

其中，E_tot表示用户设备的总能耗，l表示任务卸载策略，τ表示上行传输时间，K表示边缘基站的总数目，k表示边缘基站的标号，

表示用户设备对边缘基站k的发射功率，Q表示用户设备在本地处理未卸载的数据所需的CPU总周期数，q表示CPU周期的标号，ξ表示有效电容系数，W表示信道带宽，n₀表示噪声功率，p^t表示用户设备对各个边缘基站的总发射功率，C表示用户设备处理单位数据所需的CPU周期数，R表示用户设备生成的待处理的数据总量，l_k表示卸载至边缘基站k的数据量，D表示用户设备处理任务的时间，T表示预定的处理任务的最大时间，

表示边缘基站k的能量分配值，

表示边缘基站k的CPU计算功率，V_k表示边缘基站k的计算速率，p_loc表示用户设备本地处理未卸载数据的计算功率，

表示用户设备所能支持的最大功率。

为实现上述目的，本发明实施例还提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

存储器，用于存放计算机程序；

处理器，用于执行存储器上所存放的程序时，实现上述任一方法步骤。

为实现上述目的，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一方法步骤。

可见，应用本发明实施例提供的基于非正交多址接入技术的边缘计算任务卸载方法及装置，确定生成的待处理任务的任务信息，任务信息包括时延约束和数据总量；根据任务信息，用户设备与每个边缘基站的信道状态信息，用户设备的频率约束，以及功率约束，确定最小期望能耗的优化方程；基于最小期望能耗的优化方程，确定任务卸载策略，上行传输时间和CPU频率决策，任务卸载策略包括：在本地处理的数据量，以及卸载至每个边缘基站处理的数据量；CPU频率决策包括每个CPU周期的CPU频率；基于任务卸载策略，将待处理任务划分为第一子任务和多个第二子任务；第二子任务与边缘基站一一对应；基于非正交多址接入技术，将每个第二子任务发送至相对应的边缘基站，并在本地处理第一子任务。由于在向边缘基站卸载任务时采用非正交多址接入技术，使得用户设备的不同传输子任务之间共用时隙和频谱资源，提高了频谱效率，此外，通过优化任务卸载策略，上行传输时间和CPU频率，能够降低用户设备的能耗。

当然，实施本发明的任一产品或方法必不一定需要同时达到以上所述的所有优点。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的边缘计算系统的一种示意图；

图2为本发明实施例提供的基于非正交多址接入技术的边缘计算任务卸载方法的一种流程示意图；

图3为本发明实施例提供的求解最小期望能耗的优化方程的一种流程示意图；

图4为本发明实施例提供的基于非正交多址接入技术的边缘计算任务卸载装置的一种结构示意图；

图5为本发明实施例提供的电子设备的一种结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

为了解决现有的以传统正交多址接入方式进行边缘计算中任务卸载方式，难以满足任务的时延需求，频谱效率不高，用户设备侧的能耗较高的技术问题，本发明实施例提供了一种基于非正交多址接入技术的边缘计算任务卸载方法、装置、电子设备及计算机可读存储介质。

本发明实施例提供的基于非正交多址接入技术的边缘计算任务卸载方法可以应用于边缘计算系统中的用户设备，其中，如图1所示，边缘计算系统可以包括用户设备和多个边缘基站，用户设备采用非正交多址接入方式与每个边缘基站通信连接，即用户设备通过非正交多址接入技术向边缘基站卸载部分任务。

为了便于理解，下面先对本发明的应用场景进行说明。

本发明实施例中，用户设备在运行应用时会产生待处理任务，为了缩短任务执行时间，减少设备能耗，用户设备可以将部分任务卸载至多个边缘基站，以借助边缘基站的计算资源进行处理，边缘基站处理后将结果反馈至用户设备。

具体的，参见图2，图2为本发明实施例提供的基于非正交多址接入技术的边缘计算任务卸载方法的一种流程示意图，方法可以包括以下步骤：

S201：确定生成的待处理任务的任务信息，所述任务信息包括时延约束和总数据量。

在本发明实施例中，用户设备在运行应用时，会生成待处理任务。用户设备可以确定待处理任务的任务信息，包括时延约束，和待处理的数据量。

时延约束表示待处理的任务要在预定的时间内处理完毕，可以用公式0≤D≤T来表示，D表示用户设备处理任务时间，T表示预定的处理任务的最大时间，例如某任务需要在1秒内处理完毕，则D取值为1秒。

用户设备产生的待处理任务的总数据量可以用R表示，最小单位可以是比特(BIT，binary system)。

S202：根据所述任务信息，用户设备与每个边缘基站的信道状态信息，用户设备的频率约束，以及功率约束，确定最小期望能耗的优化方程。

在本发明实施例中，由于用户设备将待处理任务的部分数据量卸载至边缘基站进行处理，因此用户设备的能耗包括两个部分，一部分是用户设备将数据发送至边缘基站的上行传输能耗，另一部分是用户设备在本地处理未卸载的数据的计算能耗。

而第一部分的上行传输能耗等于用户设备的发射功率与上行传输时间的乘积，第二部分的计算能耗可以用CPU处理的数据量以及CPU在每个周期的频率来表示。

因此，用户设备的总能耗可以用如下式子表示：

其中，E_tot表示用户设备的总能耗，τ表示上行传输时间，k表示边缘基站的标号，K表示边缘基站的总数，

表示用户设备对边缘基站k的发射功率；Q表示用户设备在本地处理未卸载的数据所需的CPU总周期数，ξ表示有效电容系数，取决于CPU内部芯片的结构，f_q表示在第q周期内CPU的频率。

本发明实施例中，用户设备对边缘基站的发射功率是与卸载至该边缘基站的数据量相关的。定义l表示任务卸载策略，即卸载至每个边缘基站的数据量，以留在本地处理的数据量。可以表示为l＝(l₁,l₂..l_k..l_K)，其中l_k表示卸载至边缘基站k的数据量，设用户设备产生的待处理任务的数据量为R，则留在本地处理的数据量可以表示为

进而可以计算用户设备在本地处理未卸载的数据所需的CPU总周期数，即

其中C表示处理单位数据所需的CPU周期数，此外，定义CPU频率决策f＝(f₁,f₂..l_q..l_Q)，表示在每个CPU周期的CPU频率。

在本发明的一种实施方式中，用户设备对各个边缘基站的总发射功率可以表示为：

其中，W表示信道带宽，n₀表示噪声功率，g_k表示用户设备与边缘基站k之间的信道增益。

可见，用户设备的总能耗与任务卸载策略l，上行传输时间τ，以及CPU频率决策f相关。本发明实施例中，以任务卸载策略l，上行传输时间τ以及CPU频率决策f作为优化变量，以用户设备的总能耗最小作为目标进行优化。

此外，还需要考虑优化方程的约束条件，下面分别介绍。

约束条件C1：0≤D≤T；

约束条件C2：

约束条件C3：

约束条件C4：

约束条件C5：

其中，约束条件C1表示用户设备处理任务时间不超过预定的处理任务的最大时间。

约束条件C2表示卸载至边缘基站k的数据量不超过待处理任务的总数据量以及边缘基站k所能处理的数据量，其中，

表示边缘基站k的能量分配值，

表示边缘基站k的CPU计算功率，V_k表示边缘基站k的计算速率，也即单位时间处理的数据量。

约束条件C3表示卸载至边缘基站的总数据量不超过待处理任务的总数据量以及边缘基站所能处理的总数据量。

约束条件C4表示在每个CPU周期CPU的频率不超过用户设备所支持的最大频率，其中，f_max表示用户设备所支持的最大CPU频率。

约束条件C5表示用户设备对各个边缘基站的总发射功率，与本地处理未卸载数据的计算功率总和不超过用户设备所能支持的最大功率，其中，

表示用户设备所能支持的最大功率。

综上，最小期望能耗的优化方程为：

0≤D≤T；

S203：基于所述最小期望能耗的优化方程，确定任务卸载策略，上行传输时间和CPU频率决策，所述任务卸载策略包括：在本地处理的数据量，以及卸载至每个边缘基站处理的数据量；所述CPU频率决策包括每个CPU周期的CPU频率。

在本发明实施例中，在构建最小期望能耗的优化方程后，可以通过优化任务卸载策略，上行传输时间和CPU频率决策，使用户设备的能耗最小。

在本发明的一种实施例中，由于上述最小期望能耗的优化方程涉及三个优化变量，优化变量较多不容易求解，因此可以根据CPU频率在各周期均等分配的最低能耗原则，对最小期望能耗的优化方程进行转换，得到转换后的优化方程。

具体的，针对用户设备在本地处理未卸载的数据的计算能耗，当CPU频率在各周期均等分配时能够达到最低能耗。

即当满足

时，能耗最低，因此可以将CPU频率决策f用任务卸载策略l表示，则可以将最小期望能耗的优化方程进行转换，转换后的优化方程的优化变量变为任务卸载策略l和上行传输时间τ。

此外，将用户设备对各个边缘基站的总发射功率p^t的计算公式代入公式(1)，得到转换后的优化方程：

0≤D≤T；

可见，转换后的优化方程的优化变量为任务卸载策略l和上行传输时间τ。

上述优化问题为非凸优化问题，本发明实施例中，为了解决该非凸优化问题，可以构建一个能量分布函数，即满足约束条件的变量，上行传输能耗表示为上行传输时间与发射功率的乘积，否则定义为无穷大。

可以用如下公式表示：

其中，U_k(τ,l,x,y)表示构建的能量分布函数，Λ表示能量分布函数的定义域。具体的，定义域可以根据约束条件来确定，即在约束条件下可取的值组合成能量分布函数的定义域。

此外，将上行传输时间τ这个标量拓展为矢量，引入两个局部变量x,y替代全局变量l和τ。则约束条件变为

转换后的问题可以表示为：

上述问题为凸优化问题，可以采用现有的多种算法求解。

本发明的一种实施例中，基于交替方向乘子法进行求解。

具体的，可以构建增强型拉格朗日函数及对偶函数：

其中，α,β是拉格朗日乘子，d(α,β)表示对偶函数，θ表示增强型拉格朗日函数中的参数，与交替方向乘子法的收敛速度相关，其值越大收敛速度越快，但所得结果的精确值越低，因此，可以根据实际需求设置θ的值。

在构建增强型拉格朗日函数后，可以采用迭代计算的方式对局部变量x,y，全局变量τ,l，以及拉格朗日乘子进行优化。

具体的，在每轮迭代过程中，基于上一轮优化结果计算本轮的优化结果。下面以第γ+1轮迭代过程为例进行说明。

步骤11：根据第γ轮迭代的全局变量{τ^γ,l^γ}，以及拉格朗日乘子{α^γ,β^γ}，根据以下公式计算本轮迭代的局部变量。

步骤12：根据第γ轮迭代的局部变量{x^γ,y^γ}，以及拉格朗日乘子{α^γ,β^γ}，根据以下公式计算本轮迭代的全局变量。

上式为二次规划问题，可以通过计算驻点获得最优解，即

步骤13：根据第γ轮迭代的局部变量{x^γ,y^γ}，以及全局变量{τ^γ,l^γ}，根据以下公式计算本轮迭代的拉格朗日乘子。

则在本轮迭代后，可以得到本轮的任务卸载策略，将其代入原始的最小期望能耗的优化方程中，采用二分法搜索得到上行传输时间τ的最优解。

此外，将本轮迭代得到的任务卸载策略代入

中可以计算得到CPU频率决策。进而，基于本轮迭代中的任务卸载策略，上行传输时间以及CPU频率决策，可以计算本轮迭代中得到的用户设备的总能耗。

将本轮迭代中计算的用户设备的总能耗与上一轮迭代中计算的用户设备的总能耗的差值与预设的差值阈值进行比较，若小于差值阈值，则可以认为迭代收敛，若不小于差值阈值，则进入下一轮迭代。

为了便于理解，下面结合附图3进行说明。

参见图3，最小期望能耗的优化过程可以包括以下步骤：

S301：初始化用户设备总能耗和迭代次数。

具体的，可以初始化用户设备总能耗

迭代次数γ＝0。

S302：根据CPU频率在各周期均等分配的最低能耗原则，对所述最小期望能耗的优化方程进行转换，得到转换后的优化方程。

即根据

对原始的最小期望能耗的优化方程进行转换，得到上述优化函数U_k(τ,l,x,y)。

S303：初始化局部变量，全局变量和拉格朗日乘子。

S304：根据上轮迭代得到的局部变量，全局变量和拉格朗日乘子，计算本轮迭代的局部变量，全局变量和拉格朗日乘子。

以第γ+1轮迭代过程为例，即根据第γ轮迭代计算的局部变量{x^γ,y^γ}，全局变量{τ^γ,l^γ}和拉格朗日乘子{α^γ,β^γ}，计算第γ+1轮迭代的局部变量{x^γ+1,y^γ+1}，全局变量{τ^γ+1,l^γ+1}，和拉格朗日乘子{α^γ+1,β^γ+1}。具体计算过程参见上文，这里不再赘述。

S305：基于本轮迭代结果确定本轮的任务卸载策略。

S306：基于本轮的任务卸载策略，采用二分法搜索得到上行传输时间τ的最优解。

S307：基于本轮迭代结果确定本轮的任务卸载策略，计算本轮迭代的CPU频率决策f。

S308：基于本轮迭代的任务卸载策略，上行传输时间和CPU频率决策，计算本轮迭代中用户设备的总能耗。

S309：基于本轮迭代中用户设备的总能耗与上一轮迭代中用户设备的总能耗判断是否迭代收敛，若未收敛，返回步骤S304，若收敛，执行步骤S310。

具体的，可以根据本轮迭代中用户设备的总能耗与上一轮迭代中用户设备的总能耗的差值判断是否收敛。当然也可以预设迭代次数上限，当迭代次数达到上限，则认为已收敛。

S310：将当前的任务卸载策略，上行传输时间和CPU频率决策确定为最小期望能耗的最优解。

本发明实施例中，当迭代收敛时，可以确定最优的任务卸载策略，上行传输时间和CPU频率决策，至此，步骤S203执行完毕。

S204：基于任务卸载策略，将待处理任务划分为第一子任务和多个第二子任务；第二子任务与边缘基站一一对应。

本发明实施例中，在求解最小期望能耗的优化方程后，可以得到任务卸载策略，即本地处理的数据量，以及卸载至每个边缘基站处理的数据量。用户设备可以基于任务卸载策略将待处理任务划分为一个第一子任务，和多个第二子任务，第一子任务为留在用户设备本地处理的任务，第二子任务与边缘基站一一对应。

例如，若确定的任务卸载策略为在用户设备本地处理10个单位的数据量，卸载至边缘基站A的数据量为20单位，卸载至边缘基站B的数据量为30单位，卸载至边缘基站C的数据量为40单位。则用户设备可以将待处理任务划分为包含10个单位数据量的第一子任务，和分别包含20，30，40个数据量的第二子任务a,b,c。第二子任务a与边缘基站A对应，第二子任务b与边缘基站B对应，第二子任务c与边缘基站C对应。

S205：基于非正交多址接入技术，将每个第二子任务发送至相对应的边缘基站，并在本地处理所述第一子任务。

结合上例，可以将第二子任务a发送至边缘基站A，将第二子任务b发送至边缘基站B，将第二子任务c发送至边缘基站C。

可见，本发明实施例提供的基于非正交多址接入技术的边缘计算任务卸载方法，确定生成的待处理任务的任务信息，任务信息包括时延约束和数据总量；根据任务信息，用户设备与每个边缘基站的信道状态信息，用户设备的频率约束，以及功率约束，确定最小期望能耗的优化方程；基于最小期望能耗的优化方程，确定任务卸载策略，上行传输时间和CPU频率决策，任务卸载策略包括：在本地处理的数据量，以及卸载至每个边缘基站处理的数据量；CPU频率决策包括每个CPU周期的CPU频率；基于任务卸载策略，将待处理任务划分为第一子任务和多个第二子任务；第二子任务与边缘基站一一对应；基于非正交多址接入技术，将每个第二子任务发送至相对应的边缘基站，并在本地处理第一子任务。由于在向边缘基站卸载任务时采用非正交多址接入技术，使得用户设备的不同传输子任务之间共用时隙和频谱资源，提高了频谱效率，此外，通过优化任务卸载策略，上行传输时间和CPU频率，能够降低用户设备的能耗。

基于相同的发明构思，根据上述基于非正交多址接入技术的边缘计算任务卸载方法实施例，本发明实施例还提供了一种基于非正交多址接入技术的边缘计算任务卸载装置，参加图4，可以包括以下模块：

第一确定模块401，用于确定生成的待处理任务的任务信息，所述任务信息包括时延约束和数据总量。

第二确定模块402，用于根据所述任务信息，用户设备与每个边缘基站的信道状态信息，用户设备的频率约束，以及功率约束，确定最小期望能耗的优化方程。

第三确定模块403，用于基于所述最小期望能耗的优化方程，确定任务卸载策略，上行传输时间和CPU频率决策，所述任务卸载策略包括：在本地处理的数据量，以及卸载至每个边缘基站处理的数据量；所述CPU频率决策包括每个CPU周期的CPU频率。

划分模块404，用于基于所述任务卸载策略，将所述待处理任务划分为第一子任务和多个第二子任务，所述第二子任务与所述边缘基站一一对应。

发送模块405，用于基于非正交多址接入技术，将每个第二子任务发送至相对应的边缘基站，并在本地处理所述第一子任务。

在本发明的一种实施例中，所确定的最小期望能耗的优化方程为：

0≤D≤T；

其中，E_tot表示用户设备的总能耗，l表示任务卸载策略，τ表示上行传输时间，f表示CPU频率决策，K表示边缘基站的总数目，k表示边缘基站的标号，

表示用户设备对边缘基站k的发射功率，Q表示用户设备在本地处理未卸载的数据所需的CPU总周期数，q表示CPU周期的标号，ξ表示有效电容系数，f_q表示在第q周期内CPU频率，p^t表示用户设备对各个边缘基站的总发射功率，C表示用户设备处理单位数据所需的CPU周期数，R表示用户设备生成的待处理的数据总量，l_k表示卸载至边缘基站k的数据量，D表示用户设备处理任务的时间，T表示预定的处理任务的最大时间，

表示边缘基站k的能量分配值，

表示边缘基站k的CPU计算功率，V_k表示边缘基站k的计算速率，f_max表示用户设备所支持的最大CPU频率，p_loc表示用户设备本地处理未卸载数据的计算功率，

表示用户设备所能支持的最大功率。

在本发明的一种实施例中，第三确定模块403，具体可以用于：

根据CPU频率在各周期均等分配的最低能耗原则，对所述最小期望能耗的优化方程进行转换，得到转换后的优化方程；

基于转换后的优化方程，确定任务卸载策略，上行传输时间和CPU频率决策。

在本发明的一种实施例中，述转换后的优化方程为：

0≤D≤T；

其中，E_tot表示用户设备的总能耗，l表示任务卸载策略，τ表示上行传输时间，K表示边缘基站的总数目，k表示边缘基站的标号，

表示用户设备对边缘基站k的发射功率，Q表示用户设备在本地处理未卸载的数据所需的CPU总周期数，q表示CPU周期的标号，ξ表示有效电容系数，W表示信道带宽，n₀表示噪声功率，p^t表示用户设备对各个边缘基站的总发射功率，C表示用户设备处理单位数据所需的CPU周期数，R表示用户设备生成的待处理的数据总量，l_k表示卸载至边缘基站k的数据量，D表示用户设备处理任务的时间，T表示预定的处理任务的最大时间，

表示边缘基站k的能量分配值，

表示边缘基站k的CPU计算功率，V_k表示边缘基站k的计算速率，p_loc表示用户设备本地处理未卸载数据的计算功率，

表示用户设备所能支持的最大功率。

可见，应用本发明实施例提供的基于非正交多址接入技术的边缘计算任务卸载装置，确定生成的待处理任务的任务信息，任务信息包括时延约束和数据总量；根据任务信息，用户设备与每个边缘基站的信道状态信息，用户设备的频率约束，以及功率约束，确定最小期望能耗的优化方程；基于最小期望能耗的优化方程，确定任务卸载策略，上行传输时间和CPU频率决策，任务卸载策略包括：在本地处理的数据量，以及卸载至每个边缘基站处理的数据量；CPU频率决策包括每个CPU周期的CPU频率；基于任务卸载策略，将待处理任务划分为第一子任务和多个第二子任务；第二子任务与边缘基站一一对应；基于非正交多址接入技术，将每个第二子任务发送至相对应的边缘基站，并在本地处理第一子任务。由于在向边缘基站卸载任务时采用非正交多址接入技术，使得用户设备的不同传输子任务之间共用时隙和频谱资源，提高了频谱效率，此外，通过优化任务卸载策略，上行传输时间和CPU频率，能够降低用户设备的能耗。

基于相同的发明构思，根据上述基于非正交多址接入技术的边缘计算任务卸载方法实施例，本发明实施例还提供了一种电子设备，如图5所示，包括处理器501、通信接口502、存储器503和通信总线504，其中，处理器501，通信接口502，存储器503通过通信总线504完成相互间的通信，

存储器503，用于存放计算机程序；

处理器501，用于执行存储器503上所存放的程序时，实现如下步骤：

确定生成的待处理任务的任务信息，所述任务信息包括时延约束和数据总量。

根据所述任务信息，用户设备与每个边缘基站的信道状态信息，用户设备的频率约束，以及功率约束，确定最小期望能耗的优化方程。

基于所述最小期望能耗的优化方程，确定任务卸载策略，上行传输时间和CPU频率决策，所述任务卸载策略包括：在本地处理的数据量，以及卸载至每个边缘基站处理的数据量；所述CPU频率决策包括每个CPU周期的CPU频率。

基于所述任务卸载策略，将所述待处理任务划分为第一子任务和多个第二子任务；所述第二子任务与所述边缘基站一一对应。

基于非正交多址接入技术，将每个第二子任务发送至相对应的边缘基站，并在本地处理所述第一子任务。

上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

通信接口用于上述电子设备与其他设备之间的通信。

存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。

上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

可见，应用本发明实施例提供的电子设备，确定生成的待处理任务的任务信息，任务信息包括时延约束和数据总量；根据任务信息，用户设备与每个边缘基站的信道状态信息，用户设备的频率约束，以及功率约束，确定最小期望能耗的优化方程；基于最小期望能耗的优化方程，确定任务卸载策略，上行传输时间和CPU频率决策，任务卸载策略包括：在本地处理的数据量，以及卸载至每个边缘基站处理的数据量；CPU频率决策包括每个CPU周期的CPU频率；基于任务卸载策略，将待处理任务划分为第一子任务和多个第二子任务；第二子任务与边缘基站一一对应；基于非正交多址接入技术，将每个第二子任务发送至相对应的边缘基站，并在本地处理第一子任务。由于在向边缘基站卸载任务时采用非正交多址接入技术，使得用户设备的不同传输子任务之间共用时隙和频谱资源，提高了频谱效率，此外，通过优化任务卸载策略，上行传输时间和CPU频率，能够降低用户设备的能耗。

基于相同的发明构思，根据上述基于非正交多址接入技术的边缘计算任务卸载方法实施例，在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述图2所示的基于非正交多址接入技术的边缘计算任务卸载方法步骤。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于基于非正交多址接入技术的边缘计算任务卸载卸载装置、电子设备以及计算机可读存储介质实施例而言，由于其基本相似于基于非正交多址接入技术的边缘计算任务卸载方法实施例，所以描述的比较简单，相关之处参见基于非正交多址接入技术的边缘计算任务卸载方法实施例的部分说明即可。

以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (8)

1.一种基于非正交多址接入技术的边缘计算任务卸载方法，其特征在于，应用于边缘计算系统中的用户设备，所述边缘计算系统包括用户设备和多个边缘基站，所述用户设备采用非正交多址接入方式与每个边缘基站通信连接，所述方法包括：

确定生成的待处理任务的任务信息，所述任务信息包括时延约束和数据总量；

根据所述任务信息，用户设备与每个边缘基站的信道状态信息，用户设备的频率约束，以及功率约束，确定最小期望能耗的优化方程；

基于所述最小期望能耗的优化方程，确定任务卸载策略，上行传输时间和CPU频率决策，所述任务卸载策略包括：在本地处理的数据量，以及卸载至每个边缘基站处理的数据量；所述CPU频率决策包括每个CPU周期的CPU频率；

基于所述任务卸载策略，将所述待处理任务划分为第一子任务和多个第二子任务；所述第二子任务与所述边缘基站一一对应；

基于非正交多址接入技术，将每个第二子任务发送至相对应的边缘基站，并在本地处理所述第一子任务；

所确定的最小期望能耗的优化方程为：

0≤D≤T；

其中，E_tot表示用户设备的总能耗，l表示任务卸载策略，τ表示上行传输时间，f表示CPU频率决策，K表示边缘基站的总数目，k表示边缘基站的标号，

表示用户设备对边缘基站k的发射功率，Q表示用户设备在本地处理未卸载的数据所需的CPU总周期数，q表示CPU周期的标号，ξ表示有效电容系数，f_q表示在第q周期内CPU频率，p^t表示用户设备对各个边缘基站的总发射功率，C表示用户设备处理单位数据所需的CPU周期数，R表示用户设备生成的待处理的数据总量，l_k表示卸载至边缘基站k的数据量，D表示用户设备处理任务的时间，T表示预定的处理任务的最大时间，

表示边缘基站k的能量分配值，

表示边缘基站k的CPU计算功率，V_k表示边缘基站k的计算速率，f_max表示用户设备所支持的最大CPU频率，p_loc表示用户设备本地处理未卸载数据的计算功率，

表示用户设备所能支持的最大功率。

2.根据权利要求1所述的方法，其特征在于，所述基于所述最小期望能耗的优化方程，确定任务卸载策略，上行传输时间和CPU频率决策的步骤，包括：

根据CPU频率在各周期均等分配的最低能耗原则，对所述最小期望能耗的优化方程进行转换，得到转换后的优化方程；

基于转换后的优化方程，确定任务卸载策略，上行传输时间和CPU频率决策。

3.根据权利要求2所述的方法，其特征在于，所述转换后的优化方程为：

0≤D≤T；

其中，E_tot表示用户设备的总能耗，l表示任务卸载策略，τ表示上行传输时间，K表示边缘基站的总数目，k表示边缘基站的标号，

表示用户设备对边缘基站k的发射功率，Q表示用户设备在本地处理未卸载的数据所需的CPU总周期数，q表示CPU周期的标号，ξ表示有效电容系数，W表示信道带宽，n₀表示噪声功率，p^t表示用户设备对各个边缘基站的总发射功率，C表示用户设备处理单位数据所需的CPU周期数，R表示用户设备生成的待处理的数据总量，l_k表示卸载至边缘基站k的数据量，D表示用户设备处理任务的时间，T表示预定的处理任务的最大时间，

表示边缘基站k的能量分配值，

表示边缘基站k的CPU计算功率，V_k表示边缘基站k的计算速率，p_loc表示用户设备本地处理未卸载数据的计算功率，

表示用户设备所能支持的最大功率。

4.一种基于非正交多址接入技术的边缘计算任务卸载装置，其特征在于，应用于边缘计算系统中的用户设备，所述边缘计算系统包括用户设备和多个边缘基站，所述用户表示采用非正交多址接入方式与每个边缘基站通信连接，所述装置包括：

第一确定模块，用于确定生成的待处理任务的任务信息，所述任务信息包括时延约束和数据总量；

第二确定模块，用于根据所述任务信息，用户设备与每个边缘基站的信道状态信息，用户设备的频率约束，以及功率约束，确定最小期望能耗的优化方程；

第三确定模块，用于基于所述最小期望能耗的优化方程，确定任务卸载策略，上行传输时间和CPU频率决策，所述任务卸载策略包括：在本地处理的数据量，以及卸载至每个边缘基站处理的数据量；所述CPU频率决策包括每个CPU周期的CPU频率；

划分模块，用于基于所述任务卸载策略，将所述待处理任务划分为第一子任务和多个第二子任务，所述第二子任务与所述边缘基站一一对应；

发送模块，用于基于非正交多址接入技术，将每个第二子任务发送至相对应的边缘基站，并在本地处理所述第一子任务；

所确定的最小期望能耗的优化方程为：

0≤D≤T；

其中，E_tot表示用户设备的总能耗，l表示任务卸载策略，τ表示上行传输时间，f表示CPU频率决策，K表示边缘基站的总数目，k表示边缘基站的标号，

表示用户设备对边缘基站k的发射功率，Q表示用户设备在本地处理未卸载的数据所需的CPU总周期数，q表示CPU周期的标号，ξ表示有效电容系数，f_q表示在第q周期内CPU频率，p^t表示用户设备对各个边缘基站的总发射功率，C表示用户设备处理单位数据所需的CPU周期数，R表示用户设备生成的待处理的数据总量，l_k表示卸载至边缘基站k的数据量，D表示用户设备处理任务的时间，T表示预定的处理任务的最大时间，

表示边缘基站k的能量分配值，

表示边缘基站k的CPU计算功率，V_k表示边缘基站k的计算速率，f_max表示用户设备所支持的最大CPU频率，p_loc表示用户设备本地处理未卸载数据的计算功率，

表示用户设备所能支持的最大功率。

5.根据权利要求4所述的装置，其特征在于，所述第三确定模块，具体用于：

根据CPU频率在各周期均等分配的最低能耗原则，对所述最小期望能耗的优化方程进行转换，得到转换后的优化方程；

基于转换后的优化方程，确定任务卸载策略，上行传输时间和CPU频率决策。

6.根据权利要求5所述的装置，其特征在于，所述转换后的优化方程为：

0≤D≤T；

其中，E_tot表示用户设备的总能耗，l表示任务卸载策略，τ表示上行传输时间，K表示边缘基站的总数目，k表示边缘基站的标号，

表示用户设备对边缘基站k的发射功率，Q表示用户设备在本地处理未卸载的数据所需的CPU总周期数，q表示CPU周期的标号，ξ表示有效电容系数，W表示信道带宽，n₀表示噪声功率，p^t表示用户设备对各个边缘基站的总发射功率，C表示用户设备处理单位数据所需的CPU周期数，R表示用户设备生成的待处理的数据总量，l_k表示卸载至边缘基站k的数据量，D表示用户设备处理任务的时间，T表示预定的处理任务的最大时间，

表示边缘基站k的能量分配值，

表示边缘基站k的CPU计算功率，V_k表示边缘基站k的计算速率，p_loc表示用户设备本地处理未卸载数据的计算功率，

表示用户设备所能支持的最大功率。

7.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

存储器，用于存放计算机程序；

处理器，用于执行存储器上所存放的程序时，实现权利要求1-3任一所述的方法步骤。

8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-3任一所述的方法步骤。

Images