CN111314935B - 基于noma-mec系统的下行传输时延最小化的方法 - Google Patents

Abstract

本发明公开了一种基于NOMA‑MEC系统的下行传输时延最小化的方法，首先构建一个配备移动边缘计算服务器的基站和K个移动用户的系统模型，其中基站和用户均配备单个天线用于信号的发送和接收；根据下行NOMA的传输特点和MEC系统的特性，推导出用户的信噪比、传输比特约束、功率约束以及能耗约束；然后，构建以最小化系统时延为目的的数学模型；最后，设计优化算法，得出以最小化时延为目标的最优资源分配方案。本发明解决了现有NOMA‑MEC系统在多用户的场景下，下行传输过程中时延和能效不均衡的问题，且能在计算任务、功率以及能耗的共同约束下将系统的传输时延降至最低。

Description

基于NOMA-MEC系统的下行传输时延最小化的方法

技术领域

本发明属于通信技术领域，更具体地说，是一种基于NOMA-MEC系统的下行传输时延最小化的方法。

背景技术

当前，随着通信数据量的快速增长和用户对高质量体验需求的不断增加，移动通信网络正面临着巨大的挑战，移动边缘计算(MEC)技术的出现有效缓解了这种压力。作为第五代移动通信系统的重要技术之一，MEC通过将具有通信、计算和存储功能的服务平台部署到网络边缘，使得移动用户可以将其计算密集型任务卸载到MEC平台，由MEC服务器进行计算。相对于用户设备而言，MEC服务器拥有较高的计算能力，能够快速地处理大量任务数据，从而大幅度地减少了网络操作和服务交付中产生的延迟。

尽管MEC可以满足用户对高计算能力的需求，但是在MEC平台处理用户的计算任务之前，用户需要先将其卸载到MEC服务器中，这一过程需要花费额外的时间和能量。为了充分发挥MEC技术的优势，目前业界已经将非正交多址接入(NOMA)技术引入MEC系统，来进一步减少系统延迟和能量消耗。非正交多址接入(NOMA)也被视为第五代蜂窝网络的关键技术之一，它可以在功率域内进行非正交资源分配，因此能够在同一频带上为多个用户提供服务。NOMA技术的应用有效地减少了数据传输时产生的时延和能耗，同时大幅度提高了系统的负载能力，对于MEC系统整体性能的提升是非常显著的。

NOMA-MEC系统的工作过程可以划分为三段时间：用户卸载计算任务阶段、服务器计算阶段和用户下载计算结果阶段。基于MEC服务器计算能力无穷大以及计算结果无穷小的假设，目前对NOMA-MEC系统时延优化的研究均忽略了第三段过程。然而在实际系统中，MEC服务器的计算能力是受限的，同时任务的种类也会影响着计算结果的大小。因此，忽略用户下载计算结果这一阶段是不合理的。为了弥补目前方案的缺陷，我们提出了一套针对NOMA-MEC系统下行传输过程中时延最小化的解决方案，并形成了一种基于通信和计算资源共同约束的优化算法。

发明内容

发明目的：本发明针对现有NOMA-MEC系统在多用户的场景下，下行传输过程中时延和能效不均衡的问题，提出一种基于NOMA-MEC系统的下行传输时延最小化的方法，能在计算任务、功率以及能耗的共同约束下将系统的传输时延降至最低。

发明内容：本发明所述的一种基于NOMA-MEC系统的下行传输时延最小化的方法，具体包括以下步骤：

(1)建立系统模型，所述系统具有一个配备移动边缘计算服务器的基站和K个移动用户，其中基站和用户均配备单个天线用于信号的发送和接收；用户信道采用瑞利衰落信道模型进行构建，并且在传输过程中信道状态保持不变；在下行传输过程中，所有用户均采用NOMA方式进行传输；

(2)根据下行NOMA的传输特点和MEC系统的特性，推导出用户的信噪比、传输比特约束、功率约束以及能耗约束；

(3)根据步骤(2)中推导出的约束，构建以最小化系统时延为目的的数学模型；

(4)针对步骤(3)所述数学模型，设计优化算法，得出以最小化时延为目标的最优资源分配方案；所述优化算法为：首先，设置算法迭代的初始参数，即传输功率、传输时间、误差容忍度以及迭代次数，其次，依次计算出各个用户计算结果的最优传输功率及单次迭代的最优传输时间，若算法收敛，则输出最优功率分配，否则，重复迭代，直到算法收敛为止。

进一步地，步骤(1)所述的用户k接收到信号为：

其中，h_k为信道系数，s_k为第k个用户的叠加编码信号，p_k，k∈{1,…,K}为用户k传输功率，n_k为用户k的零均值加性高斯白噪声，其均值和方差分别为0和

进一步地，步骤(2)所述的用户的信噪比、传输比特约束、功率约束以及能耗约束分别为：

其中，R_k用户k的信息传输速率，P_D为基站所能传输的最大功率，I_k为用户k待传输的任务计算结果，E_D为基站提供能量的阈值，B和σ²则分别表示为系统的传输带宽、用户端高斯白噪声的方差。

进一步地，步骤(3)所述的数学模型为：

其中，

为最优传输功率，t^*为最优传输时间，且f(t,{p_k})的表达式为：

进一步地，步骤(4)所述各个用户的最优传输功率及单次迭代的最优传输时间通过以下公式获得：

其中，

为算法在第n次迭代后用户k任务结果的发送功率，且k∈{1,···,K}，

为算法在第n-1次迭代后用户i任务结果的发送功率，t⁽ⁿ⁾为算法在第n次迭代后系统的最小时延。

有益效果：与现有技术相比，本发明的有益效果：1、解决了当前基于NOMA的移动边缘计算系统下行传输过程中传输时延和系统能耗不平衡的问题；2、MEC基站对用户计算结果传输时，可以根据本方案进行调节传输功率，在减小传输时延的同时还能够提高系统的能量利用效率；3、本发明同时提出了一种新型优化算法，该算法不仅收敛速度快、复杂度低，同时具有较强的扩展性，对相似的通信资源优化问题都着出色的解决能力。

附图说明

图1为基于NOMA-MEC系统的模型图；

图2为本发明针对NOMA-MEC系统下行传输时延最小化问题所提出算法的流程图。

具体实施方式

下面结合实施例和附图对本发明做进一步描述，但本发明的实施不仅限于此。

步骤1：建立系统模型。本发明所针对的通信系统，具有一个配备移动边缘计算服务器的基站和K个移动用户，其中基站和用户均配备单个天线用于信息的发送和接收。在用户进行计算任务卸载和从MEC服务器进行计算结果下载时，均采用NOMA方式进行传输。在该系统的下行传输中，基站需要将用户的计算结果传输置用户设备中。这里，将第k个用户待传输的任务计算结果记为I_k，k∈{1,…,K}。同时，将对应的传输功率表示为p_k，k∈{1,…,K}。那么，传输信号的表达式则为：

其中，s_k为第k个用户的叠加编码信号。我们将用户到基站的信道系数记为h_k，并假设所有信道之间是相互独立的。为了更加准确的表达信号传输的实际情况，这里同时考虑了路径损耗和衰落效应。因此，信道系数可以进一步表示为：

其中，α为信号的路径损耗指数，d_k为用户k到基站的距离，g_k表示瑞利衰落信道的归一化状态信息，并服从于CN(0,1)分布。为了不失一般性，这里假设用户1到用户K信道增益是逐渐增加的，用户间的信道系数满足0≤|h₁|²≤|h₂|²≤···≤|h_K|²。接下来，进一步假设发射机知道所有用户的瞬时信道增益|h_k|²，则用户k接收到信号就可以表示为：

其中，n_k为用户k的零均值加性高斯白噪声，其均值和方差分别为0和

同时，我们假设所有用户的噪声方差是相同的，即

步骤2：根据下行NOMA的传输特点和MEC系统的特性，推导出用户的信噪比、传输比特约束、功率约束以及能耗约束。

所有用户均采用串行干扰消除(SIC)并以相同的顺序来解码信息。为了充分发挥系统的传输潜力，我们规定所有用户在解码时，遵循按照信道增益从小到大依次解码的策略。那么，用户k在解码自己的信息前首先对y₁进行解码，再将y₁从接收的信息中移去。接下来对y₂,···,y_k-1依次执行上述操作，直到解码出自己的消息为止。用户k就以这种连续解码的方式消除了来自用户1到用户k-1的干扰。那么，用户k在解码属于自己的信息时，只有y_k+1,···,y_K会影响其解码过程。

因此，用户k的信噪比为：

其中，p_i为用户i任务结果的发送功率，σ²表示用户端高斯白噪声的方差。

我们用t来表示基站将所有待发送的计算结果全部传输完毕所需要的时间，则对于用户k的待传任务来说，同样需要在t时间内全部传输完毕，即需要满足：

其中，R_k用户k的信息传输速率，B表示系统的传输带宽。

基站在传输信息的同时，需要给不同用户的待传信息分配不同的功率，因此，所有分配功率之和不能超出基站所能传输的最大功率P_D，即需要满足约束：

此外，出于系统节能的角度考虑，基站在传输时所消耗的能量不能超过基站提供能量的阈值E_D。所以，必须满足该能耗约束：

步骤3：构建以最小化系统时延为目的的数学模型：

其中，

为最优传输功率，t^*为最优传输时间，且f(t,{p_k})的表达式为：

该时延最小化问题可以描述为一个凸优化问题：

对问题(P)进行分析后可以发现，想要使得时延t变小，则需要在满足约束C₁、C₂和C₃的条件下，尽可能的增大用于用户计算结果传输的功率。由于约束C₃为非凸约束，因此对于该优化问题很难直接得到最优解。针对这种情况，我们提出了一个交替优化的算法来求解该问题。

步骤4：提出优化算法来解决该优化问题。我们用

t⁽ⁿ⁾分别来表示经过算法第n次迭代后的最优功率分配和最小时延。通过对约束C₁和C₂分析后，我们可以得到

的取值上限，即

通过分析约束C₃，我们可以得到

的取值下限，即：

在上文对优化问题(P)分析后，我们已经得到功率达到到范围内的最大值时，才能使得传输时间达到最小。由表达式(10)和(11)，我们可以得到下行功率的闭式解为：

其中，

为算法在第n次迭代后用户k任务结果的发送功率，且k∈{1,···,K}，

为算法在第n-1次迭代后用户i任务结果的发送功率。在获得

的闭式解后，我们就转而分析优化变量t。由约束C₂可以得到t⁽ⁿ⁾的上限：

其中，t⁽ⁿ⁾为算法在第n次迭代后系统的最小时延，同样，我们通过约束C₃可以推出：

通过表达式(13)和(14)，我们可以确定经过第n次迭代后，最优传输时间为：

当算法收敛时，即可得到最优传输功率

最优传输时间t^*＝t⁽ⁿ⁾。该算法的流程如图2所示：首先，设置算法迭代的初始参数，即传输功率、传输时间、误差容忍度以及迭代次数。其次，根据表达式(12)依次计算出各个用户计算结果的最优传输功率。接下来，根据表达式(13)计算出单次迭代的最优传输时间，若算法收敛，则输出最优功率分配。否则，重复迭代，直到算法收敛为止。

通过本发明的方法构建的系统，充分利用了下行NOMA的传输特性，在保证了MEC平台对计算任务的传输要求的情况下，大大降低了系统传输时延，同时又显著提高了整个系统的资源利用效率。该方案具有低延时、资源利用率高和拓展性高等优势，使得未来网络低功耗下的高质量用户体验成为可能。

Claims (3)

1.一种基于NOMA-MEC系统的下行传输时延最小化的方法，其特征在于，包括以下步骤：

(1)建立系统模型，所述系统具有一个配备移动边缘计算服务器的基站和K个移动用户，其中基站和用户均配备单个天线用于信号的发送和接收；用户信道采用瑞利衰落信道模型进行构建，并且在传输过程中信道状态保持不变；在下行传输过程中，所有用户均采用NOMA方式进行传输；

(2)根据下行NOMA的传输特点和MEC系统的特性，推导出用户的信噪比、传输比特约束、功率约束以及能耗约束；

(3)根据步骤(2)中推导出的约束，构建以最小化系统时延为目的的数学模型；

(4)针对步骤(3)所述数学模型，设计优化算法，得出以最小化时延为目标的最优资源分配方案；所述优化算法为：首先，设置算法迭代的初始参数，即传输功率、传输时间、误差容忍度以及迭代次数，其次，依次计算出各个用户计算结果的最优传输功率及单次迭代的最优传输时间，若算法收敛，则输出最优功率分配，否则，重复迭代，直到算法收敛为止；

步骤(2)所述的用户的信噪比、传输比特约束、功率约束以及能耗约束分别为：

其中，t表示基站将所有待发送的计算结果全部传输完毕所需要的时间；h_k为信道系数，p_k，k∈{1,…,K}为用户k传输功率，p_i为用户i任务结果的发送功率，R_k为用户k的信息传输速率，P_D为基站所能传输的最大功率，I_k为用户k待传输的任务计算结果，E_D为基站提供能量的阈值，B和σ²则分别表示为系统的传输带宽、用户端高斯白噪声的方差；

步骤(3)所述的数学模型为：

其中，

为最优传输功率，t^*为最优传输时间，且f(t,{p_k})的表达式为：

2.根据权利要求1所述的一种基于NOMA-MEC系统的下行传输时延最小化的方法，其特征在于，步骤(1)所述的用户k接收到信号为：

其中，h_k为信道系数，s_k为第k个用户的叠加编码信号，p_k，k∈{1,…,K}为用户k传输功率，n_k为用户k的零均值加性高斯白噪声，其均值和方差分别为0和

3.根据权利要求1所述的一种基于NOMA-MEC系统的下行传输时延最小化的方法，其特征在于，步骤(4)所述各个用户的最优传输功率及单次迭代的最优传输时间通过以下公式获得：

其中，

为算法在第n次迭代后用户k任务结果的发送功率，且k∈{1,…,K}，

为算法在第n-1次迭代后用户i任务结果的发送功率，t⁽ⁿ⁾为算法在第n次迭代后系统的最小时延。

Images