CN111093226B - 基于非正交多址接入与移动边缘计算多任务并行迁移方法 - Google Patents

Abstract

本发明属于无线通信技术领域，公开了一种基于非正交多址接入与移动边缘计算多任务并行迁移方法，各个移动边缘计算服务器根据当前信道质量，与需要迁移计算任务的最佳用户进行关联；各用户根据能耗优化结果，确定队列中多个计算任务的实际拆分比率；用户将多个计算任务的迁移部分叠加发送给关联的移动边缘计算服务器；各移动边缘计算服务器收到信号后利用串行干扰消除技术逐次解码各计算任务的迁移部分；各移动边缘计算服务器开始逐次执行解码成功的迁移部分计算任务；向对应用户反馈计算结果；将反馈结果与本地计算结果合并，得出最终计算结果。本发明大大提升了网络的频谱利用率，降低了多任务并行迁移过程中计算的能耗。

Description

基于非正交多址接入与移动边缘计算多任务并行迁移方法

技术领域

本发明属于无线通信技术领域，尤其涉及一种基于非正交多址接入与移动边缘计算多任务并行迁移方法。

背景技术

目前，随着移动网络和智能化移动设备的不断升级，移动互联网的用户数量呈现爆炸式增长。而移动用户对于数据传输速率和服务质量的需求也在日益增长。目前第五代移动通信(5G，Fifth Generation Mobile Communications)面临着爆炸式数据流量增长与海量设备连接并存的新挑战。与此同时，5G网络新增的业务场景，如无人驾驶汽车、智能电网、工业通信等，对时延、能效、设备连接数和可靠度等指标也提出了更高的要求。为了应对移动互联网及物联网的高速发展，超低时延、超低功耗、超高可靠性、超高密度连接成为了5G需要满足的新兴业务需求。

尽管新型移动设备具备的计算能力越来越强大，但是也可能无法在短时间内处理计算密集型的应用程序，如：虚拟现实、增强现实、人脸识别等。此外，运行高计算能力需求的应用所带来的能量消耗仍然是限制移动用户充分享受该类应用的重大障碍。这激发了移动云计算概念的发展，将云计算能力集成到移动网络，使移动用户能够访问并使用功能强大的远程云服务器上的计算资源和存储资源，从而解决移动设备自身资源紧缺问题，并节约了任务本地执行能耗。然而将任务迁移卸载到位于核心网的云服务器需要消耗回传链路资源，产生额外的时延开销，无法满足5G场景中低时延、高可靠的需求。移动边缘计算(Mobile Edge Computing，MEC)的概念由此应运而生。移动边缘计算由欧洲电信标准协会与2014年率先提出。移动边缘计算系统允许设备将计算任务迁移到网络边缘节点，如基站、无线接入点等，既满足了终端设备计算能力的扩展需求，同时弥补了云计算时延较长的缺点。移动边缘计算作为5G未来发展的一项关键技术，有助于达到5G业务超低时延、超高能效、超高可靠性等关键技术指标。

移动边缘计算的优点十分显著，首先移动边缘计算能缩短任务执行时延。移动应用任务处理时延包括传输时延、计算时延和通信时延。移动边缘计算将边缘服务器部署在无线接入网侧，缩短了计算服务器与移动设备距离。由于传输距离的缩短，移动边缘计算的任务迁移不需要经过回传链路和核心网，减少了时延开销。另一方面，边缘服务器的计算处理能力远大于移动设备，从而大幅缩短了任务计算时延。其次，移动边缘计算能大幅提升网络能效。物联网设备可广泛应用到各种场景。但部署的物联网设备大多无法通过电网供电，在设备电池能量有限的情况下，移动边缘计算缩短了边缘服务器与移动设备的距离，大幅节约了无线传输所耗能量，延长了物联网设备的使用周期。最后移动边缘计算能提供更高的服务可靠性。移动边缘计算的服务器采用分布式部署，单个服务器服务规模小，不存储过多的有价值信息。因此相较于移动云计算的数据中心，不易成为被攻击的目标，可以提供更可靠的服务。

然而移动边缘计算在满足5G关键技术指标的同时还存在以下问题：如何利用边缘服务器与移动设备的短距离特性，结合计算任务的属性提高任务迁移效率；如何保证无线环境中服务的可靠性与任务迁移效率。另一方面，非正交多址接入技术(Non-orthogonalMultiple Access，NOMA)作为一种信息多址接入手段大幅度提高了日益紧缺的可用频谱资源的频谱利用效率，提高了系统容量，降低了系统的时间延迟。该技术以不同功率将多个信息在时域/频域/码域重叠的信道上传输，在相同无线资源上为多个用户同时提供无线业务，可显著提高系统的频谱效率和用户接入能力，缩短接入时延，降低终端能耗，是未来移动通信非常具有发展前景的通信技术。

目前针对基于非正交多址接入技术的移动边缘计算研究已经取得了一定的论文等相关成果。2018年Zhiguo Ding等在“IEEE Signal Processing Letters”提出了一个两用户单个移动边缘计算服务器的NOMA-MEC系统模型，研究了NOMA-MEC中迁移延迟的最小化问题，并建立了移动边缘计算迁移卸载的正交多址接入技术(OrthogonalMultipleAccess，OMA)、纯NOMA、混合NOMA三种模式选择准则，结果表明引入NOMA，移动边缘计算可大大降低迁移时延。但上述文章考虑的场景仅限于两个用户的NOMA-MEC场景，并不具有一般性。2019年，Zhiguo Ding等还在“IEEE Transactions on VehicularTechnology”提出了联合优化功率和时间分配以减少NOMA-MEC计算迁移的能量消耗，并确定了使用传统OMA、纯NOMA或混合NOMA进行移动边缘计算迁移的条件。上述文章仅考虑了单个接入点作为移动边缘计算服务器，且在进行系统能耗分析时只考虑了迁移任务部分的能量消耗。但在实际场景中，计算任务的能耗包含本地计算能耗，迁移任务计算能耗，计算结果下载所需能耗三个部分，因此上述文章应用的灵活性较低。在2019年，Yijin Pan等在“IEEE Communications Letters”提出了一个单个移动边缘计算服务器多用户的NOMA-MEC系统，同时进行任务迁移和结果下载，通过优化传输功率、传输时间分配和任务迁移降低系统总能耗。结果表明与传统OMA方案相比，基于NOMA-MEC的迁移方案可以显著降低系统能量消耗。然而在实际生活中参与任务迁移的用户和服务器肯定不止一个，且迁移的任务肯定有多个，因此文章场景应用的灵活性较低，不适用于多用户多服务器多任务的一般性网络中。

综上所述，现有技术存在的问题是：

(1)目前针对基于非正交多址接入技术的移动边缘计算的场景仅限于单个边缘服务器多用户的NOMA-MEC场景，并不具有一般性，因为在实际生活中，参与任务迁移的用户和边缘服务器以及迁移的任务不止一个，因此需要考虑多服务器多用户多任务的一般性网络的传输方案，而多用户多服务器多任务的一般性网络会比单服务器多用户的网络复杂许多。

(2)目前针对基于非正交多址接入技术的移动边缘计算的技术很少将用户的多个任务进行拆分，并将任务的本地计算能耗，迁移任务计算能耗全部考虑。且在多用户多服务器多任务的情况下，如何合理的进行用户关联以及任务拆分降低系统的整体能耗，也是需要考虑的问题。

解决上述技术问题的难度：首先，多服务器多用户多任务NOMA-MEC的场景相较于单服务器多用户的NOMA-MEC场景，引入多用户多服务器势必需要考虑用户与服务器之间的合理配对问题，而如何制定合理的用户关联策略是一个问题。其次，由于基于非正交多址接入技术的移动边缘计算技术考虑系统能耗时，需要考虑本地计算能耗、迁移任务计算能耗以及计算结果下载至用户端的能耗。而多用户多服务器多任务的NOMA-MEC场景由于引入了多用户多服务器以及多任务使得优化系统能耗时计算复杂度增高。此外任务拆分可将用户任务拆分为一部分迁移至边缘服务器计算，一部分进行本地计算。而合理的拆分比率可以大大降低系统的整体时延和能耗，但如何制定使得系统性能最优的拆分比率也是一个难点。

解决上述技术问题的意义：多用户多服务器多任务的NOMA-MEC场景更适用于实际生活，能广泛应用于未来无人驾驶、远程医疗、智能电网等应用中。而在多用户多服务器多任务的NOMA-MEC场景中，合理的用户关联可以增加用户与服务器之间通信的公平性和可靠性，提高系统的频谱利用率。而合理的任务拆分，可以有效的决定哪些任务在本地执行，哪些任务迁移至移动边缘计算服务器进行计算。不仅可以减缓将任务全部迁移至服务器或全部本地计算的压力，而且可以有效的降低系统的传输时延和总体能耗。真正意义上实现5G超低时延、超低能耗，高可靠性的要求。

发明内容

针对现有技术存在的问题，本发明提供了一种基于非正交多址接入与移动边缘计算多任务并行迁移方法。

本发明是这样实现的，一种基于非正交多址接入与移动边缘计算多任务并行迁移方法，所述基于非正交多址接入与移动边缘计算多任务并行迁移方法包括以下步骤：

第一步，用户关联，各个移动边缘计算服务器CS_k根据当前信道质量，与需要迁移计算任务的最佳用户

进行关联；

第二步，任务拆分与本地计算，各用户U_n根据能耗优化结果，确定队列中多个计算任务的实际拆分比率，根据该比率将多个计算任务分别拆分为迁移部分和本地部分，随后各用户U_n开始执行计算任务的本地部分；

第三步，多计算任务并行迁移，用户U_n将多个计算任务的迁移部分叠加发送给关联的移动边缘计算服务器CS_k；

第四步，迁移任务解码，各移动边缘计算服务器

收到信号后，利用串行干扰消除技术，逐次解码各计算任务的迁移部分；

第五步，服务器计算，各移动边缘计算服务器CS_k开始逐次执行解码成功的迁移部分计算任务；

第六步，计算结果反馈，各移动边缘计算服务器CS_k完成所有迁移部分计算任务后，向对应用户

反馈计算结果，各用户U_n收到反馈结果后，将该反馈结果与本地计算结果合并，得出最终计算结果。

进一步，所述第一步用户关联，各个移动边缘计算服务器CS_k根据当前信道质量，与需要迁移计算任务的最佳用户

进行关联包括：

(1)需要迁移计算任务的各用户U_n向各移动边缘计算服务器CS_k以功率P发送信令信号，各移动边缘计算服务器CS_k在收到信令后，通过将接收功率与参考功率对比，根据信令获取自身与各用户U_n之间的信道增益|f_n，k|²；

(2)各移动边缘计算服务器CS_k将各自获取的信道增益|f_n，k|²反馈给各用户U_n；

(3)对于各移动边缘计算服务器CS_k，最佳用户的确定方式为选取用户U_n到计算服务器CS_k信道增益最大的用户

作为最佳用户，该过程表示为：

其中C_i表示用户无线传输范围内的移动边缘计算服务器集合；

(4)各移动边缘计算服务器CS_k与所选取的最佳用户

进行关联。

进一步，所述第二步任务拆分与本地计算，各用户U_n根据能耗优化结果，确定队列中多个计算任务的实际拆分比率，根据该比率将多个计算任务分别拆分为迁移部分和本地部分，随后各用户U_n开始执行计算任务的本地部分具体包括：

(1)计算用户U_n在多任务并行迁移过程中的本地计算时延和能耗，在多任务并行迁移中，用户U_n的l个计算任务的本地部分数据量分别为(1-η_n，1)d_n，1，...，(1-η_n，l)d_n，l，计算任务的计算强度分别为I_n，1，..，I_n，l，用户U_n的本地计算时延

和本地计算能耗

分别表示为：

其中d_n，m表示计算任务的数据量，即该计算任务包含的信息比特数，η_n，m表示各任务的实际拆分比率，LF_n表示用户U_n的本地计算能力，

表示用户U_n的单位本地计算能耗；

(2)计算在多任务并行迁移中，向移动边缘计算服务器CS_k迁移计算任务的用户U_n计算任务迁移部分的“迁移-执行”联合时延，联合时延表示为：

迁移能耗为

其中，τ为用户计算任务迁移的传输时隙长度，CF_k为移动边缘计算服务器CS_k的计算能力，P_n表示用户U_n的迁移发送功率；

(3)对多任务并行迁移中，用户U_n的能耗进行最小化处理，在多任务并行迁移中，由于用户U_n并行向多个移动边缘计算服务器CS_k迁移任务，在满足时延要求和迁移可靠性的条件下，通过确定计算任务拆分比率和用户发送功率，最小化向多个移动边缘计算服务器CS_k迁移计算任务的用户U_n总能量开销，可得最优发送功率和最优任务拆分比率。用户U_n的能耗最小化问题表示如下：

其中，

表示迁移计算时延，τ_n，i表示计算任务的时延要求，t_n，i表示计算任务在队列中已等待的时间，

表示信干噪比，P_max表示最大功率的门限值，s_n，m表示计算任务的最大可拆分比；

(4)各用户U_n根据能耗优化结果，确定队列中多个计算任务的实际发送功率和拆分比率，根据该比率将多个计算任务分别拆分为迁移部分和本地部分，，用户U_n与l个移动边缘计算服务器关联，用户U_n将本地计算任务队列中前l个计算任务拆分，各任务的拆分比率为{η_n，1，...，η_n，l}；

(5)各用户U_n开始执行l个计算任务的本地部分。

进一步，所述第三步多计算任务并行迁移，用户U_n将多个计算任务的迁移部分叠加发送给关联的移动边缘计算服务器CS_k具体包括：

(1)各用户U_n将多个计算任务的迁移部分，按照剩余可计算时间升序排列，用户U_n的第i个计算任务的剩余可计算时间为

其中τ_n，i表示计算任务的时延要求，t_n，i为该计算任务在队列中已等待的时间，用户U_n的计算任务按照如下剩余计算时间升序，排序为{T_n，1，...，T_n，l}；

(2)各用户U_n将关联的多个移动边缘计算服务器CS_k按照迁移信道质量升序排列，对用户U_n，按照如下迁移信道质量升序，将关联的l个移动边缘计算服务器排序为

(3)各用户U_n将发送功率分配给升序排列的计算任务迁移部分，并依照功率分配结果，将多个计算任务的迁移部分，叠加发送给关联的移动边缘计算服务器CS_k，用户U_n的叠加发送信号可以表示为

其中x_i为任务T_n，i的迁移部分对应发送信号，α_i为x_i对应的功率分配因子，且满足α₁＞...＞α_l及

进一步，所述第四步迁移任务解码，各移动边缘计算服务器CS_k收到信号后，利用串行干扰消除技术，逐次解码各计算任务的迁移部分具体包括：各移动边缘计算服务器CS_k收到用户U_n发送的叠加信号后，利用串行干扰消除技术，逐次解码各计算任务的迁移部分，即与用户U_n关联的移动边缘计算服务器

按照x₁→x₂→...→x_i的顺序解码，其中解码x_j(1≤j≤i)的信干噪比表示为：

其中σ²代表噪声功率。

进一步，所述第五步服务器计算，各移动边缘计算服务器CS_k开始逐次执行解码成功的迁移部分计算任务具体包括：各移动边缘计算服务器CS_k开始逐次执行解码成功的迁移部分计算任务，系统一个迁移传输时隙长度为τ，则移动边缘计算服务器成功解码信号x_j的条件如下：

其中

本发明的另一目的在于提供一种应用所述基于非正交多址接入与移动边缘计算多任务并行迁移方法的无线通信系统。

本发明的另一目的在于提供一种应用所述基于非正交多址接入与移动边缘计算多任务并行迁移方法的5G移动通信系统。

本发明的另一目的在于提供一种应用所述基于非正交多址接入与移动边缘计算多任务并行迁移方法的无人驾驶汽车。

本发明的另一目的在于提供一种应用所述基于非正交多址接入与移动边缘计算多任务并行迁移方法的智能电网控制系统。

综上所述，本发明的优点及积极效果为：本发明利用非正交多址接入技术(Non-orthogonal Multiple Access，NOMA)所带来的高频谱效率和巨大的应用潜力，提出基于NOMA-MEC的计算多任务并行迁移方法，通过NOMA技术，将用户多个计算任务的迁移部分在功率域叠加传输给移动边缘计算服务器，大大提升了网络的频谱利用率，降低了多任务并行迁移过程中计算的能耗。

与现有技术相比，本发明具有以下优势：

(1)本发明通过将非正交多址接入技术引入移动边缘计算(Mobile EdgeComputing，MEC)系统中，当服务器的数量K大于用户数量N时，通过各用户向各自无线传输范围内一个或多个移动边缘计算服务器进行用户本地队列中的计算任务迁移，显著提高了网络的频谱利用率。

(2)本发明通过将非正交多址接入技术与移动边缘计算结合，有效降低了计算多任务并行迁移过程中能耗。

(3)本发明提出的基于NOMA-MEC的计算多任务并行迁移方法，不仅考虑到了移动边缘计算服务器的通信传输质量，同时用户关联也确保了所选择的最佳用户也有较高的通信传输质量，保证了用户与移动边缘计算服务器之间传输的公平性。

附图说明

图1是本发明实施例提供的基于非正交多址接入与移动边缘计算多任务并行迁移方法流程图。

图2是本发明实施例提供的使用的NOMA-MEC计算多任务并行迁移模型图。

图3是本发明实施例提供的基于非正交多址接入与移动边缘计算多任务并行迁移方法实现流程图。

图4是本发明实施例提供的在用户数服务器数相同，拆分比率不同下系统单位能耗与时延的关系曲线图。

图5是本发明实施例提供的在用户数服务器数不同，拆分比率相同下系统传输过程中总发送功率与时延的关系曲线图。

图6是本发明实施例提供的在用户数服务器数不同情况下，系统单位能耗随拆分比率变化的曲线图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

针对现有技术存在的问题，本发明提供了一种基于非正交多址接入与移动边缘计算多任务并行迁移方法，下面结合附图对本发明作详细的描述。

如图1所示，本发明实施例提供的基于非正交多址接入与移动边缘计算多任务并行迁移方法包括以下步骤：

S101：各个移动边缘计算(Mobile Edge Computing，MEC)服务器根据当前信道质量，与需要迁移计算任务的最佳用户进行关联；

S102：各用户根据能耗优化结果，确定队列中多个计算任务的实际拆分比率，根据该比率将多个计算任务分别拆分为迁移部分和本地部分，之后各用户开始执行计算任务的本地部分；

S103：用户将多个计算任务的迁移部分叠加发送给关联的移动边缘计算服务器；

S104：各移动边缘计算服务器收到信号后利用串行干扰消除技术逐次解码各计算任务的迁移部分；

S105：各移动边缘计算服务器开始逐次执行解码成功的迁移部分计算任务；

S106：各移动边缘计算服务器完成所有迁移部分计算任务后，向对应用户反馈计算结果；各用户收到反馈结果后，将该反馈结果与本地计算结果合并，得出最终计算结果。

下面结合附图对本发明的技术方案作进一步的描述。

如图2所示，本发明所使用的NOMA-MEC多任务并行迁移网络，包含N个用户U_n，(n∈{1，...，N})和K个移动边缘计算服务器CS_k，(k∈{1，...，K})，其中当服务器的数量K大于用户的数量N时，在进行计算任务迁移时，各用户U_n将本地队列中的计算任务，迁移至各自无线传输范围内一个或多个移动边缘计算服务器CS_k。

如图3所示，本发明实施例提供的基于非正交多址接入与移动边缘计算多任务并行迁移方法的网络中包含N个用户U_n和K个移动边缘计算服务器CS_k，其中当服务器的数量K大于用户的数量N时，在进行计算任务迁移时，各用户U_n将本地队列中的计算任务，迁移至各自无线传输范围内一个或多个移动边缘计算服务器CS_k：其特征在于，所述方法包括如下步骤：

第一步，用户关联。各个移动边缘计算服务器CS_k根据当前信道质量，与需要迁移计算任务的最佳用户

进行关联。

第二步，任务拆分与本地计算。各用户U_n根据能耗优化结果，确定队列中多个计算任务的实际拆分比率，根据该比率将多个计算任务分别拆分为迁移部分和本地部分，随后各用户U_n开始执行计算任务的本地部分。

第三步，多计算任务并行迁移。用户U_n将多个计算任务的迁移部分叠加发送给关联的移动边缘计算服务器CS_k。

第四步，迁移任务解码。各移动边缘计算服务器CS_k收到信号后，利用串行干扰消除技术，逐次解码各计算任务的迁移部分。

第五步，服务器计算。各移动边缘计算服务器CS_k开始逐次执行解码成功的迁移部分计算任务。

第六步，计算结果反馈。各移动边缘计算服务器CS_k完成所有迁移部分计算任务后，向对应用户

反馈计算结果。各用户U_n收到反馈结果后，将该反馈结果与本地计算结果合并，得出最终计算结果。

在本发明的优选实施例中，第一步具体方法如下：

(1)需要迁移计算任务的各用户U_n向各移动边缘计算服务器CS_k以一定功率P发送信令信号，各移动边缘计算服务器CS_k在收到信令后，通过将接收功率与参考功率对比，根据信令获取自身与各用户U_n之间的信道增益|f_n，k|²；

(2)各移动边缘计算服务器CS_k将各自获取的信道增益|f_n，k|²反馈给各用户U_n；

(3)对于各移动边缘计算服务器CS_k，最佳用户的确定方式为选取用户U_n到移动边缘计算服务器CS_k信道增益最大的用户

作为最佳用户，该过程可以表示为：

其中C_i表示用户无线传输范围内的移动边缘计算服务器集合；

(4)各移动边缘计算服务器CS_k与所选取的最佳用户

进行关联。

在本发明的优选实施例中，第二步具体方法如下：

(1)计算用户U_n在多任务并行迁移过程中的本地计算时延和能耗。在多任务并行迁移中，用户U_n的l个计算任务的本地部分数据量分别为(1-η_n，1)d_n，1，...，(1-η_n，l)d_n，l，计算任务的计算强度分别为I_n，1，..，I_n，l。因此，用户U_n的本地计算时延

和本地计算能耗

可分别表示为：

其中d_n，m表示计算任务的数据量，即该计算任务包含的信息比特数，η_n，m表示各任务的实际拆分比率，LF_n表示用户U_n的本地计算能力，

表示用户U_n的单位本地计算能耗；

(2)计算在多任务并行迁移中，向移动边缘计算服务器CS_k迁移计算任务的用户U_n计算任务迁移部分的“迁移-执行”联合时延。联合时延可以表示为：

迁移能耗为

其中，τ为用户计算任务迁移的传输时隙长度，

为移动边缘计算服务器CS_k的计算能力，P_n表示用户U_n的迁移发送功率；

(3)对多任务并行迁移中，用户U_n的能耗进行最小化处理。在多任务并行迁移中，由于用户U_n并行向多个移动边缘计算服务器CS_k迁移任务，在满足时延要求和迁移可靠性的条件下，通过确定计算任务拆分比率和用户发送功率，最小化向多个移动边缘计算服务器CS_k迁移计算任务的用户U_n总能量开销，可得最优发送功率和最优任务拆分比率。用户U_n的能耗最小化问题可以表示如下：

其中，

表示迁移计算时延，τ_n，i表示计算任务的时延要求，t_n，i表示计算任务在队列中已等待的时间，

表示信干噪比，P_max表示最大功率的门限值，s_n，m表示计算任务的最大可拆分比；

(4)各用户U_n根据能耗优化结果，确定队列中多个计算任务的实际发送功率和拆分比率，根据该比率将多个计算任务分别拆分为迁移部分和本地部分。即，用户U_n与l个移动边缘计算服务器关联，用户U_n将本地计算任务队列中前l个计算任务拆分，各任务的拆分比率为{η_n，1，...，η_n，l}；

(5)各用户U_n开始执行l个计算任务的本地部分。

在本发明的优选实施例中，第三步具体方法如下：

(1)各用户U_n将多个计算任务的迁移部分，按照剩余可计算时间升序排列。用户U_n的第i个计算任务的剩余可计算时间为

其中τ_n，i表示计算任务的时延要求，t_n，i为该计算任务在队列中已等待的时间。因此，用户U_n的计算任务可按照如下剩余计算时间升序，排序为{T_n，1，...，T_n，l}；

(2)各用户U_n将关联的多个移动边缘计算服务器CS_k按照迁移信道质量升序排列。对用户U_n，可按照如下迁移信道质量升序，将关联的l个移动边缘计算服务器排序为

(3)各用户U_n将发送功率分配给升序排列的计算任务迁移部分，并依照功率分配结果，将多个计算任务的迁移部分，叠加送给关联的移动边缘计算服务器CS_k。用户U_n的叠加发送信号可以表示为

其中x_i为任务T_n，i的迁移部分对应发送信号，α_i为x_i对应的功率分配因子，且满足α₁＞...＞α_l以及

在本发明的优选实施例中，第四步具体方法如下：

各移动边缘计算服务器CS_k收到用户U_n发送的叠加信号后，利用串行干扰消除技术，逐次解码各计算任务的迁移部分。即与用户U_n关联的移动边缘计算服务器CS_k按照x₁→x₂→...→x_i的顺序解码，其中解码x_j(1≤j≤i)的信干噪比可表示为：

其中σ²代表噪声功率。

在本发明的优选实施例中，第五步具体方法如下：

(1)各移动边缘计算服务器CS_k开始逐次执行解码成功的迁移部分计算任务。假设系统一个迁移传输时隙长度为τ，则移动边缘计算服务器成功解码信号xj的条件如下：

其中

下面结合仿真对本发明的技术效果作详细的描述。

图4给出了本发明在用户数服务器数相同，拆分比率不同条件下系统单位能耗随时延变化的性能图。从图中可以看出，随着时延的增加。系统的能耗也随之降低。此外相比于将任务全部进行本地计算，本发明对任务进行部分拆分一部分进行本地计算另一部分进行迁移，可以更加有效降低系统的能耗。通过观察图中时延小于0.035s的曲线可以发现，在系统对时延要求较高的条件下，合理的任务拆分可以显著有效降低系统的单位能耗。在系统对时延要求较低条件下，任务拆分仍旧可以减小系统单位能耗，尽管差距很小。上述说明本发明通过优化能耗，对系统任务进行合理化拆分能有效降低系统整体能耗，具有可行性。

图5给出了本发明在用户数服务器数目不同，拆分比率相同条件下系统传输任务过程中总发射功率(即发送功率)随时延变化的性能图。从图中可以看出，随着时延增加，系统总发射功率随之降低。此外通过观察1个用户4个服务器和2个用户4个服务器的曲线得出，在服务器数目相同的情况下，本发明提出的多用户多移动边缘计算服务器多任务传输的总发射功率要小于单用户多移动边缘计算服务器多任务的总发射功率。此外在用户数相同的情况下，减少服务器数量可有效降低系统总发射功率，在服务器数量相同情况下，增加用户数量可有效降低系统总发射功率。在实际传输中，可根据系统实际指标，调节用户数与移动边缘计算服务器数的大小，使得系统传输满足需求指标。

图6给出了本发明在用户数服务器数不同条件下，系统单位能耗随拆分比率变化的曲线图。从图中可以看出，随着拆分比率的增加，系统的单位能耗先减少后增加。在四种用户数服务器数不同的情况中，都有一个最优的拆分比率，可以使得系统的单位能耗达到最小。同时证明了本发明通过优化能耗，对系统任务进行合理化拆分能有效降低系统的整体能耗，具有可行性。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种基于非正交多址接入与移动边缘计算多任务并行迁移方法，其特征在于，所述基于非正交多址接入与移动边缘计算多任务并行迁移方法包括以下步骤：

第一步，用户关联，各个移动边缘计算服务器CS_k根据当前信道质量，与需要迁移计算任务的最佳用户

进行关联；

所述第一步用户关联，各个移动边缘计算服务器CS_k根据当前信道质量，与需要迁移计算任务的最佳用户

进行关联包括：

(1)需要迁移计算任务的各用户U_n向各移动边缘计算服务器CS_k以功率P发送信令信号，各移动边缘计算服务器CS_k在收到信令后，通过将接收功率与参考功率对比，根据信令获取自身与各用户U_n之间的信道增益|f_n,k|²；

(2)各移动边缘计算服务器CS_k将各自获取的信道增益|f_n,k|²反馈给各用户U_n；

(3)对于各移动边缘计算服务器CS_k，最佳用户的确定方式为选取用户U_n到移动边缘计算服务器CS_k信道增益最大的用户

作为最佳用户，该过程表示为：

其中C_i表示用户无线传输范围内的移动边缘计算服务器集合；

(4)各移动边缘计算服务器CS_k与所选取的最佳用户

进行关联；

第二步，任务拆分与本地计算，各用户U_n根据能耗优化结果，确定队列中多个计算任务的实际拆分比率，根据该比率将多个计算任务分别拆分为迁移部分和本地部分，随后各用户U_n开始执行计算任务的本地部分；具体包括：

(1)计算用户U_n在多任务并行迁移过程中的本地计算时延和能耗，在多任务并行迁移中，用户U_n的l个计算任务的本地部分数据量分别为(1-η_n,1)d_n,1,…,(1-η_n,l)d_n,l，计算任务的计算强度分别为I_n,1,…,I_n,l，用户U_n的本地计算时延

和本地计算能耗

分别表示为：

其中d_n,i表示计算任务的数据量，即该计算任务包含的信息比特数，η_n,i表示各任务的实际拆分比率，LF_n表示用户U_n的本地计算能力，

表示用户U_n的单位本地计算能耗；

(2)计算在多任务并行迁移中，向移动边缘计算服务器CS_k迁移计算任务的用户U_n计算任务迁移部分的“迁移-执行”联合时延，联合时延表示为：

迁移能耗为

其中，τ为用户计算任务迁移的传输时隙长度，

为移动边缘计算服务器CS_k的计算能力，P_n表示用户U_n的迁移发送功率；

(3)对多任务并行迁移中，用户U_n的能耗进行最小化处理，在多任务并行迁移中，由于用户U_n并行向多个移动边缘计算服务器CS_k迁移任务，在满足时延要求和迁移可靠性的条件下，通过确定计算任务拆分比率和用户发送功率，最小化向多个移动边缘计算服务器CS_k迁移计算任务的用户U_n总能量开销，可得最优发送功率和最优任务拆分比率，用户U_n的能耗最小化问题表示如下：

P_n≤P_max；

η_n,i<s_n,i,i＝1,…,l；

其中，

表示迁移计算时延，τ_n,i表示计算任务的时延要求，t_n,i表示计算任务在队列中已等待的时间，

表示信干噪比，P_max表示最大发送功率的门限值，s_n,i表示计算任务的最大可拆分比；

(4)各用户U_n根据能耗优化结果，确定队列中多个计算任务的实际发送功率和拆分比率，根据该比率将多个计算任务分别拆分为迁移部分和本地部分，用户U_n与l个移动边缘计算服务器关联，用户U_n将本地计算任务队列中前l个计算任务拆分，各任务的拆分比率为{η_n,1,…,η_n,l}；

(5)各用户U_n开始执行l个计算任务的本地部分；

第三步，多计算任务并行迁移，用户U_n将多个计算任务的迁移部分叠加发送给各移动边缘计算服务器CS_k；

第四步，迁移任务解码，各移动边缘计算服务器CS_k收到信号后，利用串行干扰消除技术，逐次解码各计算任务的迁移部分；

第五步，服务器计算，各移动边缘计算服务器CS_k开始逐次执行解码成功的迁移部分计算任务；

第六步，计算结果反馈，各移动边缘计算服务器CS_k完成所有迁移部分计算任务后，向对应用户U_n反馈计算结果，各用户U_n收到反馈结果后，将该反馈结果与本地计算结果合并，得出最终计算结果。

2.如权利要求1所述的基于非正交多址接入与移动边缘计算多任务并行迁移方法，其特征在于，所述第三步多计算任务并行迁移，用户U_n将多个计算任务的迁移部分叠加发送给各移动边缘计算服务器CS_k具体包括：

(1)各用户U_n将多个计算任务的迁移部分，按照剩余可计算时间升序排列，用户U_n的第i个计算任务的剩余可计算时间为

其中τ_n,i表示计算任务的时延要求，t_n,i为该计算任务在队列中已等待的时间，用户U_n的计算任务按照如下剩余计算时间升序，排序为{T_n,1,…,T_n,l}；

(2)各用户U_n将关联的多个移动边缘计算服务器CS_k按照迁移信道质量升序排列，对用户U_n，按照如下迁移信道质量升序，将关联的l个移动边缘计算服务器排序为

(3)各用户U_n将发送功率分配给升序排列的计算任务迁移部分，并依照功率分配结果，将多个计算任务的迁移部分，叠加发送给关联的移动边缘计算服务器CS_k，用户U_n的叠加发送信号可以表示为

其中x_i为任务T_n,i的迁移部分对应发送信号，P_n表示用户U_n的迁移发送功率，α_i为x_i对应的功率分配因子，且满足α₁>…>α_l及

3.如权利要求1所述的基于非正交多址接入与移动边缘计算多任务并行迁移方法，其特征在于，所述第四步迁移任务解码，各移动边缘计算服务器CS_k收到信号后，利用串行干扰消除技术，逐次解码各计算任务的迁移部分具体包括：各移动边缘计算服务器CS_k收到用户U_n发送的叠加信号后，利用串行干扰消除技术，逐次解码各计算任务的迁移部分，即与用户U_n关联的移动边缘计算服务器CS_k按照x₁→x₂→…→x_i的顺序解码，其中解码x_j，1≤j≤i，x_j的信干噪比表示为：

其中σ²代表噪声功率，P_n表示用户U_n的迁移发送功率。

4.如权利要求1所述的基于非正交多址接入与移动边缘计算多任务并行迁移方法，其特征在于，所述第五步服务器计算，各移动边缘计算服务器CS_k开始逐次执行解码成功的迁移部分计算任务具体包括：各移动边缘计算服务器CS_k开始逐次执行解码成功的迁移部分计算任务，系统一个迁移传输时隙长度为τ，则移动边缘计算服务器成功解码信号x_j的条件如下：

其中

5.一种应用权利要求1～4任意一项所述基于非正交多址接入与移动边缘计算多任务并行迁移方法的无线通信系统。

6.一种应用权利要求1～4任意一项所述基于非正交多址接入与移动边缘计算多任务并行迁移方法的5G移动通信系统。

7.一种应用权利要求1～4任意一项所述基于非正交多址接入与移动边缘计算多任务并行迁移方法的智能电网控制系统。

Images