CN111884696B - 一种基于多载波的中继协作移动边缘计算方法 - Google Patents

一种基于多载波的中继协作移动边缘计算方法 Download PDF

Info

Publication number
CN111884696B
CN111884696B CN202010625030.7A CN202010625030A CN111884696B CN 111884696 B CN111884696 B CN 111884696B CN 202010625030 A CN202010625030 A CN 202010625030A CN 111884696 B CN111884696 B CN 111884696B
Authority
CN
China
Prior art keywords
relay
task
calculation
user side
optimized
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010625030.7A
Other languages
English (en)
Other versions
CN111884696A (zh
Inventor
黄高飞
胡叠丽
唐冬
赵赛
刘贵云
郑晖
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Southern Power Grid Internet Service Co ltd
Ourchem Information Consulting Co ltd
Original Assignee
Guangzhou University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangzhou University filed Critical Guangzhou University
Priority to CN202010625030.7A priority Critical patent/CN111884696B/zh
Publication of CN111884696A publication Critical patent/CN111884696A/zh
Application granted granted Critical
Publication of CN111884696B publication Critical patent/CN111884696B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/14—Relay systems
    • H04B7/15—Active relay systems
    • H04B7/155—Ground-based stations
    • H04B7/15592—Adapting at the relay station communication parameters for supporting cooperative relaying, i.e. transmission of the same data via direct - and relayed path
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L5/00—Arrangements affording multiple use of the transmission path
    • H04L5/0001—Arrangements for dividing the transmission path
    • H04L5/0003—Two-dimensional division
    • H04L5/0005—Time-frequency
    • H04L5/0007—Time-frequency the frequencies being orthogonal, e.g. OFDM(A), DMT
    • H04L5/001—Time-frequency the frequencies being orthogonal, e.g. OFDM(A), DMT the frequencies being arranged in component carriers
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L5/00—Arrangements affording multiple use of the transmission path
    • H04L5/003—Arrangements for allocating sub-channels of the transmission path
    • H04L5/0032—Distributed allocation, i.e. involving a plurality of allocating devices, each making partial allocation
    • H04L5/0035—Resource allocation in a cooperative multipoint environment
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Abstract

本发明公开了一种基于多载波的中继协作移动边缘计算方法，包括以下步骤：S1、中央控制器收集所有子载波信道状态信息、用户端任务信息以及用户端、中继和AP处的MEC服务器的计算资源信息；S2、中央控制器基于步骤S1的内容，确定初始资源分配策略；S3、中央控制器根据连续凸逼近优化问题和初始资源分配策略，确定优化的子载波分配方案；S4、中央控制器根据优化问题和优化的子载波分配方案，确定其余资源的优化方案；S5、中央控制器将优化资源分配结果传输至用户端、中继和AP，在确定中继和AP完成任务计算后，中继和AP把计算结果反馈至用户端。本发明节省提出任务计算要求的无线节点和协作中继节点的任务卸载和计算总能耗。

Description

一种基于多载波的中继协作移动边缘计算方法
技术领域
本发明涉及无线通信技术领域，尤其是一种基于多载波的中继协作移动边缘计算方法。
背景技术
随着互联网连接数量的增加，移动数据则以爆发式的方式增长。移动云计算(MCC)通常用来解决因大量移动数据而导致的计算能力不足和存储不便等问题。但是由于数据需要全部上传到远程云中心，不仅传输时延无法满足要求，网络也容易中断。因此，移动云计算无法达到毫秒级时延要求的应用场景，例如智能驾驶、视频加速和远程医疗等应用场景，从而加速了由云计算向移动边缘计算(MEC)的转变过程。移动边缘计算在移动网络边缘和小型蜂窝基站(BS)提供网络服务环境、存储资源和计算功能，通过临近访问的方式来减少网络操作和端到端(E2E)时延。
移动边缘计算面临着计算资源和通信资源的分配、卸载任务的分配等问题。为了扩展无线通信覆盖范围，提高MEC系统的性能，提出了中继协作的方法，即利用附近辅助节点的计算和通信资源，帮助移动终端完成任务卸载以及计算。文献1[X.Cao,F.Wang,J.Xu,R.Zhang and S.Cui,“Joint computation and communication cooperation forenergy-efficient mobile edge computing,”IEEE Internet Things J.,vol.6,no.3,pp.4188-4200,Jun.2019.]提出了一种基于中继的移动边缘计算架构，即同时利用附近空闲设备的计算和通信资源来执行用户端的任务，在满足时延约束的前提下将能耗降至最低。协作中继可以低成本地扩展无线通信覆盖范围，是当代和新一代无线通信系统的关键技术。但该架构的协议是基于时分多址(TDMA)，并没有克服无线传输环境中频率选择性衰落、频谱利用率不高等问题。
基于TDMA的移动边缘计算架构的问题，正交频分多址(OFDMA)能够很好的解决。OFDMA是将正交且互不重叠的子载波集合分配给需要的用户端以实现多用户端分集增益，是5G中实现宽带高速率数据传输的一项核心技术。文献2[M.Li,S.Yang,Z.Zhang,J.Ren,and G.Yu,“Joint subcarrier and power allocation for OFDMA based mobile edgecomputing system,”in Proc.IEEE Int.Symp.Pers.,Indoor Mobile Radio Commun.,2017,pp.1–6.]研究了基于OFDMA的移动边缘计算卸载(MECO)问题，为了最小化用户端的时延，联合优化了子载波和功率分配。因此，如果把OFDMA和MEC结合起来，可以解决频率选择衰落问题，以实现具有高数据传输速率的无线宽带通信，有望获得良好性能的MEC系统。虽然已有工作分别研究了结合OFDMA和协作中继的MEC系统，但如何在协作多载波中继网络中部署MEC，目前尚未有相关研究。
发明内容
为了在一定程度上解决上述技术问题，本发明的目的在于：提供了一种基于多载波的中继协作移动边缘计算方法，使用户端能基于协作卸载与计算协议同时在并行多载波上将任务卸载至中继和AP，以进行协作计算，并利用无速率编码技术提高任务卸载的效率。通过为用户端和中继分配合适的子载波集合用于任务卸载，以增强移动边缘计算方案的性能。
本发明实施例提供了一种基于多载波的中继协作移动边缘计算方法，包括以下步骤：
S1、中央控制器收集所有子载波信道状态信息、用户端任务信息以及用户端、中继和AP处的MEC服务器的计算资源信息；
S2、中央控制器基于收集的子载波信道状态信息、用户端任务信息以及用户端、中继和AP处的MEC服务器的计算资源信息，以最小化用户端及中继的计算能耗和卸载能耗为目标，并结合多载波技术和无速率编码技术进行任务卸载的多载波中继协作移动边缘计算系统优化问题，确定初始资源分配策略，所述初始资源分配策略包括子载波分配方案、用户端和中继以及MEC服务器的计算任务分配方案、各个子载波的功率分配方案、任务卸载时间和计算时间分配方案；
S3、中央控制器根据由多载波中继协作移动边缘计算系统优化问题转换得到的连续凸逼近优化问题和初始资源分配策略，通过迭代优化算法，确定优化的子载波分配方案；
S4、中央控制器根据中继协作移动边缘计算系统优化问题和优化的子载波分配方案，确定其余资源的优化方案，从而得到中继协作移动边缘计算系统的优化资源分配结果，所述其余资源的优化方案包括优化的用户端和中继以及MEC服务器的计算任务分配方案、优化的各个子载波的功率分配方案、优化的任务卸载时间和计算时间分配方案；
S5、中央控制器将优化资源分配结果传输至用户端、中继和AP，使用户端、中继和MEC服务器根据优化的资源分配结果进行任务卸载和联合计算，在确定中继和MEC服务器处的计算任务完成后，中继和AP把计算结果反馈至用户端。
进一步，所述步骤S1中的用户端、中继和AP位于移动边缘计算系统场景中，所述移动边缘计算系统各节点使用OFDM方式发送和接收数据，用户端能够在并行多载波上同时将任务卸载至中继和AP，所述中央控制器收集的信息包括：所有子载波的信道增益、用户端和中继CPU有效电容系数、用户端及中继和MEC服务器执行1比特计算任务所需的CPU周期数以及最大CPU频率、用户端总任务大小和任务完成时间。
进一步，所述步骤S2中的多载波中继协作移动边缘计算系统优化问题，以最小化用户端和中继的计算能耗和卸载能耗为优化目标，且约束任务的执行时延不能超过所述任务完成时间，约束用户端、中继和MEC服务器计算的任务数据量之和等于用户端任务数据量，约束中继和MEC服务器计算的任务数据量不能超过用户能卸载至中继和AP的数据量，约束用户和中继的发射功率不能超过用户和中继的最大发射功率，约束子载波的分配以及子载波分配指示符的取值范围，子载波分配指示符为0或1的离散值，初始资源分配策略由多载波中继协作移动边缘计算系统优化问题的子载波分配指示符连续化后的优化问题确定。
进一步，所述步骤S3中把多载波中继协作移动边缘计算系统优化问题转换得到连续凸逼近优化问题，令初始资源分配策略作为迭代优化算法的初始值，根据连续凸逼近优化问题和初始资源分配策略计算得到子载波分配指示符，并对计算的结果进行四舍五入取整，以得到子载波分配向量优化方案。
进一步，所述步骤S4中根据优化的子载波分配方案和中继协作移动边缘计算系统优化问题中的子载波分配指示符的已知值，确定其余资源的优化方案，所述其余资源的优化方案包括用户端和中继以及MEC服务器的计算任务分配方案、各个子载波的功率分配方案、任务卸载时间和计算时间分配方案。
进一步，所述步骤S5中中央控制器将优化资源分配结果传输至用户端、中继和AP，用户端根据优化的资源分配结果进行任务分配，用户端和中继分别根据优化的子载波分配方案和功率分配方案在优化的任务卸载时间内卸载任务，用户端、中继和MEC服务器在优化的任务计算时间内完成任务的联合计算，中继和AP在完成任务计算后将计算结果反馈至用户端。
本发明的有益效果是：本发明实施例利用具有计算能力的无线通信节点作为协作中继，在频率选择性衰落信道上实现高效的任务卸载和分配，节省提出任务计算要求的无线节点和协作中继节点的任务卸载和计算总能耗。
附图说明
图1为本发明实施例的移动边缘计算系统场景图；
图2为本发明实施例的协作卸载与计算协议图；
图3为本发明实施例的一种基于多载波的中继协作移动边缘计算方法流程图；
图4为本发明实施例的不同任务完成时间与系统平均能耗的关系图；
图5为本发明实施例的不同计算任务大小与系统平均能耗的关系图。
具体实施方式
下面结合附图和具体实施例对本发明做进一步的详细说明。对于以下实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。
首先，对本申请出现的名词进行解释：
云计算：分布式计算的一种，是通过网络“云”将巨大的数据计算处理程序分解成无数个小程序，然后，通过多部服务器组成的系统进行处理和分析这些小程序得到结果并返回给用户端。
MCC：移动云计算，其通过移动网络以按需、易扩展的方式获取所需的基础设施、平台、软件等一种资源或者服务的交付与使用模式。
MEC：移动边缘计算，其为应用程序开发人员和内容提供了云计算功能，以及在网络边缘的IT服务环境。这种IT服务环境的特点是超低延迟和高宽带，以及对应程序可以利用的无线网络信息的实时访问。
MECO：移动边缘计算卸载。
MEC服务器：其是具有一定计算能力，能提供一定计算服务的设备。
BS：小型蜂窝基站，其是利用微型蜂窝技术实现微蜂窝小区覆盖的移动通信系统，可达到小范围内高密度话务量的目的。
E2E：端到端，也称为网络连接。网络要通信，必须建立连接，不远有多远，中间有多少机器，都必须在始发地和目的地之间建立连接，一旦建立连接了，就说已经是端到端连接了，即端到端是逻辑链路，这条链路可能经过了很复杂的物理路线，但是只认为是两端的连接，而且一旦完成通信，该链路就释放，物理线路可能又被其他的应用用来连接了。
如图1所示，移动边缘计算系统由一个用户端(U)，一个半双工解码转发(DF)中继(R)和一个配备有MEC服务器的AP组成。这三个节点通过多载波信道发送和接收信号，子载波的数量是N，子载波集合表示为
Figure BDA0002564467190000041
用户端可以通过直达链路或中继将计算任务卸载至AP执行，这里的中继作为具有一定计算能力的无线节点，也可以协助用户端进行任务计算。因此数据量为L比特的用户端计算任务可以分别在本地、中继和MEC服务器共同执行。进一步地，假设用户端的计算任务需要在任务完成事假T内完成，则把用户端的计算任务完成时间T称为一个时间帧。如图2所示，一个时间帧被划分为3个时隙，程度分别为τ1、τ2和τ3，在第一个时隙τ1，用户端发送卸载的数据，中继和AP接收数据。在第二个时隙τ2，用户端继续卸载计算任务数据至AP，中继则转发第一个时隙τ1接收到的数据至AP，同时中继开始执行在第一个时隙接收到的计算任务。在第三个时隙τ3，与AP共址的MEC服务器开始执行接收到的计算任务，同时中继也继续执行第二个时隙开始的协作计算任务。
如图3所示，本发明实施例的一种基于多载波的中继协作移动边缘计算方法，具体包括以下步骤：
首先，为方便描述子载波分配，把第一时隙的子载波集合
Figure BDA0002564467190000051
分成两个子集合
Figure BDA0002564467190000052
和
Figure BDA0002564467190000053
把第二时隙的子载波集合
Figure BDA00025644671900000536
分成两个子集合
Figure BDA0002564467190000054
和
Figure BDA0002564467190000055
即
Figure BDA0002564467190000056
且
Figure BDA0002564467190000057
(空集)，
Figure BDA0002564467190000058
且
Figure BDA0002564467190000059
其中，
Figure BDA00025644671900000510
表示第一时隙用户端卸载任务数据至AP所用的子载波集合，
Figure BDA00025644671900000511
表示第一时隙用户端卸载任务数据至中继协作计算所用的子载波集合，
Figure BDA00025644671900000512
表示第二时隙用户端卸载任务数据至AP所用的子载波集合，
Figure BDA00025644671900000513
表示第二时隙中继卸载任务数据至AP所用的子载波集合。在子载波集合
Figure BDA00025644671900000514
上，用户端以无速率编码方式发送卸载至AP的任务数据；在子载波集合
Figure BDA00025644671900000515
上，用户端发送由中继协作计算的任务数据，中继在所有子载波(即子载波集合
Figure BDA00025644671900000516
)上解码接收到的数据，而AP仅在子载波集合
Figure BDA00025644671900000517
上解码接收的数据；在第二个时隙，用户端在子载波集合
Figure BDA00025644671900000518
继续卸载任务数据至AP，中继则在子载波集合
Figure BDA00025644671900000519
上转发第一个时隙接收到的数据至AP，同时中继开始执行在子载波集合
Figure BDA00025644671900000520
接收到的计算任务。分别令
Figure BDA00025644671900000521
和
Figure BDA00025644671900000522
为子载波n是否分配至集合
Figure BDA00025644671900000523
Figure BDA00025644671900000524
和
Figure BDA00025644671900000525
的指示符，即
Figure BDA00025644671900000526
和
Figure BDA00025644671900000527
的值为1分别表示子载波n分配至子载波集合
Figure BDA00025644671900000528
和
Figure BDA00025644671900000529
相反地，
Figure BDA00025644671900000530
和
Figure BDA00025644671900000531
的值为0分别表示子载波n不属于子载波集合
Figure BDA00025644671900000532
和
Figure BDA00025644671900000533
S1、中央控制器收集所有子载波信道状态信息、用户端任务信息以及用户端、中继和AP处的MEC服务器的计算资源信息；
具体地，中央控制器需要收集的信息包括：用户端至中继、中继至AP和前两个时隙用户端至AP的第n个子载波的信道增益
Figure BDA00025644671900000534
和
Figure BDA00025644671900000535
用户端和中继的CPU有效电容系数KU和KR，用户端、中继和MEC服务器计算每比特计算任务所需的CPU周期数CU、CR和CA，用户端、中继和MEC服务器的最大CPU频率fU,max、fR,max和fA,max，总任务大小L和任务完成时间T。以上参数用于确定本发明的多载波中继协作移动边缘计算系统资源分配优化方案，也用于计算用户端和中继的计算能耗和卸载能耗。
S2、中央控制器基于收集的子载波信道状态信息、用户端任务信息以及用户端、中继和AP处的MEC服务器的计算资源信息，以最小化用户端及中继的计算能耗和卸载能耗为目标，并结合多载波技术和无速率编码技术进行任务卸载的多载波中继协作移动边缘计算系统优化问题，确定初始资源分配策略，所述初始资源分配策略包括子载波分配方案、用户端和中继以及MEC服务器的计算任务分配方案、各个子载波的功率分配方案、任务卸载时间和计算时间分配方案；
具体地，所述步骤S2包括以下步骤：
S21、建立用户端的本地计算模型
具体地，用户端计算的任务量大小为lU，令fU,n为用户端CPU的第n个周期的频率，则用户端的计算能耗为公式(1)：
Figure BDA0002564467190000061
其中，
Figure BDA0002564467190000062
为用户端的计算能耗，频率fU,n受到最大频率的限制，即fU,n≤fU,max。可以证明，为最小化计算能耗，每个CPU周期的频率必须相等。因此，fU,n可以表示为公式(2)：
Figure BDA0002564467190000063
因此，通过公式(1)和公式(2)可得用户端的计算能耗为：
Figure BDA0002564467190000064
S22、建立中继协作计算模型
在第一时隙τ1，用户端利用子载波集合
Figure BDA0002564467190000065
将lR个任务数据卸载至中继，并在剩下的两个时隙中协助用户端完成计算任务。因此，在子载波n上从用户端到中继的最大可达速率(以比特/秒为单位)可表示为公式(4)：
Figure BDA0002564467190000066
其中，
Figure BDA0002564467190000067
为在子载波n上从用户端到中继的发射功率，
Figure BDA0002564467190000068
是中继接收机的加性高斯白噪声(AWGN)功率，B表示每个子载波的带宽。从用户端卸载至中继的数据量lR应满足公式(5)表示的不等式：
Figure BDA0002564467190000071
假设主要的能耗是用户端的卸载能耗，即数据传输能耗。而且，与从用户端卸载至AP或中继的数据量相比，从AP或中继反馈至用户端结果的数据量少很多，因此可忽略AP或中继把计算结果反馈给用户端的传输能耗。因此，在第一个时隙，用户端把计算任务卸载至中继的能耗为公式(6)：
Figure BDA0002564467190000072
中继在第一个时隙中接收来自用户端的任务，并在其余两个时隙中进行计算。与用户端计算类似，应把中继CPU的第n个周期的频率fR,n设置为公式(7)：
Figure BDA0002564467190000073
可得中继的计算能耗
Figure BDA0002564467190000074
为公式(8)：
Figure BDA0002564467190000075
S23、建立MEC服务器的AP远程计算模型
用户端在第一个时隙发送的任务数据，中继和AP都接收，而用户端在第二个时隙发送的任务数据只有AP接收。中继在第一个时隙接收并在第二个时隙发送。在第一个时隙，用户端在子载波集合
Figure BDA0002564467190000076
发送OFDM调制信号,中继和AP接收。在第二个时隙，中继在子载波集合
Figure BDA0002564467190000077
转发解码后的数据至AP，用户端在子载波集合
Figure BDA0002564467190000078
卸载数据到AP，AP接收前两个时隙来自用户端和中继的数据并进行解码之后，MEC服务器可以在第三个时隙中计算解码的数据。
在DF中继的协助下，用户端在前两个时隙把数据卸载至AP，在第一时隙，卸载数据被用户端以功率
Figure BDA0002564467190000079
广播到中继和AP。在子载波n上从用户端到中继的最大可达速率为公式(9)：
Figure BDA00025644671900000710
Figure BDA0002564467190000081
表示AP处的AWGN。在子载波n上从用户端到AP的最大可达速率为公式(10)：
Figure BDA0002564467190000082
在第二时隙，中继解码接收的数据后以发射功率
Figure BDA0002564467190000083
转发到AP，在子载波n上的最大可达速率为公式(11)：
Figure BDA0002564467190000084
由于卸载能耗为主要能耗，因此第一时隙用户端向AP和中继卸载数据以及第二时隙中继向AP卸载数据的能耗分别为公式(12)和公式(13)：
Figure BDA0002564467190000085
Figure BDA0002564467190000086
在第二个时隙，用户端使用子载波集合
Figure BDA0002564467190000087
直接将数据卸载至AP，用户端的卸载能耗为公式(14)：
Figure BDA0002564467190000088
其中，在AP上计算的卸载数据量应满足公式(15)表示的不等式：
Figure BDA0002564467190000089
假设MEC服务器能以最大CPU频率fA,max完成计算任务，以最小化时延，因此，MEC服务器完成卸载任务的时间，也即第三时隙的长度为公式(16)：
Figure BDA00025644671900000810
S24、制定一个多载波中继协作移动边缘计算系统优化问题，其具体可通过公式(17.1)-公式(17.9)表示：
Figure BDA0002564467190000091
Figure BDA0002564467190000092
lU+lR+lA＝L,lU≥0,lR≥0,lA≥0 公式(17.3)
Figure BDA0002564467190000093
Figure BDA0002564467190000094
Figure BDA0002564467190000095
Figure BDA0002564467190000096
Figure BDA0002564467190000097
Figure BDA0002564467190000098
Figure BDA0002564467190000099
Figure BDA00025644671900000910
其中，公式(17.1)是用户端和中继的计算能耗和卸载能耗，公式(17.2)是时隙分配约束，公式(17.3)是任务分配约束，公式(17.4)和公式(17.5)分别表示从用户端到中继和AP的卸载任务量的约束，公式(17.6)和公式(17.7)分别表示用户端和中继的发射功率约束，公式(17.8)是子载波分配约束，公式(17.9)是子载波指示符的取值范围约束。
S25、连续松弛转换
为了求解多载波中继协作移动边缘计算系统优化问题，需要对子载波分配指示符
Figure BDA00025644671900000911
进行连续松弛，即允许各个子载波的分配因子在非负实数集上取值，并定义
Figure BDA0002564467190000101
Figure BDA0002564467190000102
得到连续松弛转换优化问题，其具体可通过公式(18.1)-公式(18.9)表示：
Figure BDA0002564467190000103
Figure BDA0002564467190000104
lU+lR+lA＝L,lU≥0,lR≥0,lA≥0 公式(18.3)
Figure BDA0002564467190000105
Figure BDA0002564467190000106
Figure BDA0002564467190000107
Figure BDA0002564467190000108
Figure BDA0002564467190000109
Figure BDA00025644671900001010
Figure BDA00025644671900001011
上述连续松弛转换优化问题可以通过凸优化软件求解，但求解得到的子载波分配方案可能无法满足公式(17.9)给出的整数约束。因此，通过求解连续松弛转换优化问题得到的分配方案仅为初始资源分配策略(S(0),E(0),τ(0),l(0))。
S3、中央控制器根据由多载波中继协作移动边缘计算系统优化问题转换得到的连续凸逼近优化问题和初始资源分配策略，通过迭代优化算法，确定优化的子载波分配方案；
具体地，将多载波中继协作移动边缘计算系统优化问题中的整数子载波分配约束等效地重写为一个凸集与d.c(两个凸集的差)的交集：
Figure BDA0002564467190000111
Figure BDA0002564467190000112
所以可以将
Figure BDA0002564467190000113
等价地表示为W＝X∩Y，然后通过差分凸规划理论和CCCP(凹凸过程)方法得到需要迭代求解的一系列凸优化问题：
Figure BDA0002564467190000114
s.t.(18.2)-(18.9)
其中，
Figure BDA0002564467190000115
Figure BDA0002564467190000116
Figure BDA0002564467190000117
Figure BDA0002564467190000118
Figure BDA0002564467190000119
和
Figure BDA00025644671900001110
分别表示在s和τ处的梯度，μ是惩罚因子，κ是迭代索引，确定优化的子载波分配方案的迭代优化算法如表1所示：
表1
Figure BDA00025644671900001111
Figure BDA0002564467190000121
其中，每一次迭代过程的凸优化问题都可以利用凸优化软件求解，根据上述迭代算法得到s*和τ*后，根据以下等式计算子载波分配指示符ω*：
Figure BDA0002564467190000122
上述等式计算得到的子载波分配指示符ω*未必是离散值0或1，从而导致可能无法得到原始优化问题的可行解。为此，在得到ω*后，需对计算的结果进行四舍五入取整，得到ω*的离散解ω·，最终确定了优化的子载波分配方案。
S4、中央控制器根据中继协作移动边缘计算系统优化问题和优化的子载波分配方案，确定其余资源的优化方案，从而得到中继协作移动边缘计算系统的优化资源分配结果，所述其余资源的优化方案包括优化的用户端和中继以及MEC服务器的计算任务分配方案、优化的各个子载波的功率分配方案、优化的任务卸载时间和计算时间分配方案；
具体地，根据优化的子载波分配方案，中继协作移动边缘计算系统优化问题表达为：
Figure BDA0002564467190000123
Figure BDA0002564467190000124
lU+lR+lA＝L,lU≥0,lR≥0,lA≥0 公式(26.3)
Figure BDA0002564467190000125
Figure BDA0002564467190000131
Figure BDA0002564467190000132
Figure BDA0002564467190000133
其中，
Figure BDA0002564467190000134
通过凸优化软件求解出每个子载波的发射功率，用户端、中继和MEC服务器的计算任务大小以及任务卸载时间和计算时间，从而得到中继协作移动边缘计算系统的的优化资源分配结果。
S5、中央控制器将优化资源分配结果传输至用户端、中继和AP，使用户端、中继和MEC服务器根据优化的资源分配结果进行任务卸载和联合计算，在确定中继和MEC服务器处的计算任务完成后，中继和AP把计算结果反馈至用户端。
具体地，中央控制器将优化的资源分配结果传输至用户端、中继和AP，用户端、中继和MEC服务器根据优化的资源分配策略进行任务卸载和计算。中继和AP在完成任务计算后将计算结果反馈至用户端，整个系统能在任务完成时间内以最小的用户端和中继的计算能耗和卸载能耗实现计算任务的执行。
将本发明实施例提出的联合方案与现有技术的其他方案进行仿真对比，可得图4和图5的对比曲线图。
从图4可知，随着总任务时间T的增加，平均能耗的趋势逐渐减小，与现有的卸载方案相比，本实施例的联合方案的能耗始终最低，优势明显。当T<0.05秒时，无中继协作通信方案比无中继协作计算方案消耗更少的能量；当T>0.05秒时，无中继协作计算方案具有更好的性能，并且随着总任务时间的增加，无中继协作计算方案的性能越来越接近本发明实施例提出的联合方案。
从图5可知，随着计算任务的增加，任何一种方案的能耗也会增加，但是本实施例的联合方案的能耗始终是最少的。在L<9.2×104比特时，无中继协作计算方案比无中继协作通信方案消耗更少的能量；当L>9.2×104比特时，情况恰好相反，随着输入数据的增加，本发明实施例的联合方案的优势变得更加显著。
其中，图4和图5中的联合方案的下界作为评估本发明的多载波中继协作移动边缘计算系统能耗的性能下界。
综上所述，因为同时利用了中继的计算和协作通信的能力，本发明实施例与其它没有联合计算和协作通信的部分卸载实施例相比具有显著的节能优势。共同利用网络中已有的无线通信节点和MEC资源，能在降低成本的同时增加无线覆盖面积，显著改善对用户端的服务。此外，本实施例与现有的基于时分多址任务卸载的方案相比，本实施例能提高频谱利用率，增强系统的吞吐量和信息传输速率，更适用于5G移动边缘计算技术场景。因为用户端能够同时在不同的子载波上将任务卸载至中继和AP，而基于时分多址任务卸载的方案以时分的方式卸载任务。可以看出，本发明通过设计一种高效的协作卸载与计算协议，优化了子载波、功率、时隙和任务的分配，达到了节能的目的。
以上是对本发明的较佳实施进行了具体说明，但本发明并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。

Claims (6)

1.一种基于多载波的中继协作移动边缘计算方法，其特征在于，包括以下步骤：
S1、中央控制器收集所有子载波信道状态信息、用户端任务信息以及用户端、中继和AP处的MEC服务器的计算资源信息；
S2、中央控制器基于收集的子载波信道状态信息、用户端任务信息以及用户端、中继和AP处的MEC服务器的计算资源信息，以最小化用户端及中继的计算能耗和卸载能耗为目标，并结合多载波技术和无速率编码技术进行任务卸载的多载波中继协作移动边缘计算系统优化问题，确定初始资源分配策略，所述初始资源分配策略包括子载波分配方案、用户端和中继以及MEC服务器的计算任务分配方案、各个子载波的功率分配方案、任务卸载时间和计算时间分配方案；
S3、中央控制器根据由多载波中继协作移动边缘计算系统优化问题转换得到的连续凸逼近优化问题和初始资源分配策略，通过迭代优化算法，确定优化的子载波分配方案；
S4、中央控制器根据中继协作移动边缘计算系统优化问题和优化的子载波分配方案，确定其余资源的优化方案，从而得到中继协作移动边缘计算系统的优化资源分配结果，所述其余资源的优化方案包括优化的用户端和中继以及MEC服务器的计算任务分配方案、优化的各个子载波的功率分配方案、优化的任务卸载时间和计算时间分配方案；
S5、中央控制器将优化资源分配结果传输至用户端、中继和AP，使用户端、中继和MEC服务器根据优化的资源分配结果进行任务卸载和联合计算，在确定中继和MEC服务器处的计算任务完成后，中继和AP把计算结果反馈至用户端；
其中，结合多载波技术和无速率编码技术进行任务卸载的多载波中继协作移动边缘计算系统优化的方式为：用户端、中继和AP处的MEC服务器这三个节点通过多载波信道发送和接收信号，用户端的计算任务在时间帧内完成，一个时间帧被划分为3个时隙；第一时隙的子载波集合
Figure FDA0003297055420000011
分成两个子集合
Figure FDA0003297055420000012
和
Figure FDA0003297055420000013
第二时隙的子载波集合
Figure FDA0003297055420000014
分成两个子集合
Figure FDA0003297055420000015
和
Figure FDA0003297055420000016
即
Figure FDA0003297055420000017
且
Figure FDA0003297055420000018
且
Figure FDA0003297055420000019
其中，
Figure FDA00032970554200000110
表示第一时隙用户端卸载任务数据至AP所用的子载波集合，
Figure FDA00032970554200000111
表示第一时隙用户端卸载任务数据至中继协作计算所用的子载波集合，
Figure FDA00032970554200000112
表示第二时隙用户端卸载任务数据至AP所用的子载波集合，
Figure FDA00032970554200000113
表示第二时隙中继卸载任务数据至AP所用的子载波集合；在子载波集合
Figure FDA00032970554200000114
上，用户端以无速率编码方式发送卸载至AP的任务数据；在子载波集合
Figure FDA00032970554200000115
上，用户端发送由中继协作计算的任务数据，中继在子载波集合
Figure FDA00032970554200000116
上解码接收到的数据；AP在子载波集合
Figure FDA0003297055420000021
上解码接收的数据；在第二个时隙，用户端在子载波集合
Figure FDA0003297055420000022
继续卸载任务数据至AP，中继则在子载波集合
Figure FDA0003297055420000023
上转发第一个时隙接收到的数据至AP，同时中继开始执行在子载波集合
Figure FDA0003297055420000024
接收到的计算任务；AP接收前两个时隙来自用户端和中继的数据并进行解码之后，MEC服务器在第三个时隙中计算解码的数据。
2.根据权利要求1所述的一种基于多载波的中继协作移动边缘计算方法，其特征在于，所述步骤S1中的用户端、中继和AP位于移动边缘计算系统场景中，所述移动边缘计算系统各节点使用OFDM方式发送和接收数据，用户端能够在并行多载波上同时将任务卸载至中继和AP，所述中央控制器收集的信息包括：所有子载波的信道增益、用户端和中继CPU有效电容系数、用户端及中继和MEC服务器执行1比特计算任务所需的CPU周期数以及最大CPU频率、用户端总任务大小和任务完成时间。
3.根据权利要求2所述的一种基于多载波的中继协作移动边缘计算方法，其特征在于，所述步骤S2中的多载波中继协作移动边缘计算系统优化问题，以最小化用户端和中继的计算能耗和卸载能耗为优化目标，且约束任务的执行时延不能超过所述任务完成时间，约束用户端、中继和MEC服务器计算的任务数据量之和等于用户端任务数据量，约束中继和MEC服务器计算的任务数据量不能超过用户能卸载至中继和AP的数据量，约束用户和中继的发射功率不能超过用户和中继的最大发射功率，约束子载波的分配以及子载波分配指示符的取值范围，子载波分配指示符为0或1的离散值，初始资源分配策略由多载波中继协作移动边缘计算系统优化问题的子载波分配指示符连续化后的优化问题确定。
4.根据权利要求1所述的一种基于多载波的中继协作移动边缘计算方法，其特征在于，所述步骤S3中把多载波中继协作移动边缘计算系统优化问题转换得到连续凸逼近优化问题，令初始资源分配策略作为迭代优化算法的初始值，根据连续凸逼近优化问题和初始资源分配策略计算得到子载波分配指示符，并对计算的结果进行四舍五入取整，以得到子载波分配向量优化方案。
5.根据权利要求1所述的一种基于多载波的中继协作移动边缘计算方法，其特征在于，所述步骤S4中根据优化的子载波分配方案和中继协作移动边缘计算系统优化问题中的子载波分配指示符的已知值，确定其余资源的优化方案，所述其余资源的优化方案包括用户端和中继以及MEC服务器的计算任务分配方案、各个子载波的功率分配方案、任务卸载时间和计算时间分配方案。
6.根据权利要求1所述的一种基于多载波的中继协作移动边缘计算方法，其特征在于，所述步骤S5中中央控制器将优化资源分配结果传输至用户端、中继和AP，用户端根据优化的资源分配结果进行任务分配，用户端和中继分别根据优化的子载波分配方案和功率分配方案在优化的任务卸载时间内卸载任务，用户端、中继和MEC服务器在优化的任务计算时间内完成任务的联合计算，中继和AP在完成任务计算后将计算结果反馈至用户端。
CN202010625030.7A 2020-07-01 2020-07-01 一种基于多载波的中继协作移动边缘计算方法 Active CN111884696B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010625030.7A CN111884696B (zh) 2020-07-01 2020-07-01 一种基于多载波的中继协作移动边缘计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010625030.7A CN111884696B (zh) 2020-07-01 2020-07-01 一种基于多载波的中继协作移动边缘计算方法

Publications (2)

Publication Number Publication Date
CN111884696A CN111884696A (zh) 2020-11-03
CN111884696B true CN111884696B (zh) 2022-03-25

Family

ID=73149884

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010625030.7A Active CN111884696B (zh) 2020-07-01 2020-07-01 一种基于多载波的中继协作移动边缘计算方法

Country Status (1)

Country Link
CN (1) CN111884696B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112506656A (zh) * 2020-12-08 2021-03-16 深圳市国电科技通信有限公司 一种基于配电物联网计算任务的分配方法
CN112887128A (zh) * 2021-01-12 2021-06-01 西安电子科技大学 一种资源配置联合优化方法、系统、存储介质及应用
CN113056007B (zh) * 2021-02-06 2022-04-08 重庆邮电大学 基于正交频分多址的并行移动边缘计算网络资源分配方法
CN112990662B (zh) * 2021-02-07 2022-10-04 支付宝(杭州)信息技术有限公司 目标资源确定方法及装置
CN113411394B (zh) * 2021-06-16 2022-09-09 广东电网有限责任公司电力调度控制中心 一种超密集网络场景下卸载任务的处理的方法及装置
CN113613260B (zh) * 2021-08-12 2022-08-19 西北工业大学 远近距离协作的感知延迟移动边缘计算优化方法及系统
CN113676982B (zh) * 2021-09-28 2021-12-28 南京邮电大学 一种面向mec时延最小的任务功率联合优化方法和系统
CN114599041B (zh) * 2022-01-13 2023-12-05 浙江大学 一种计算和通信的融合方法
CN115002801B (zh) * 2022-04-27 2024-04-16 燕山大学 基于无源中继协作的边缘计算资源动态卸载方法及装置

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107846270B (zh) * 2016-09-20 2021-05-28 中国移动通信有限公司研究院 传输策略配置方法及装置、信息传输方法及装置
CN106961322B (zh) * 2017-02-28 2020-03-17 南京邮电大学 基于信息和能量同时无线传输的ofdm中继网络资源分配方法
CN106911445B (zh) * 2017-03-02 2020-01-31 西安电子科技大学 增量af-ofdm协作网络多维度资源优化算法
WO2019000376A1 (zh) * 2017-06-30 2019-01-03 北京小米移动软件有限公司 一种实现网络边缘计算的方法及装置
US10455640B2 (en) * 2017-12-30 2019-10-22 Intel Corporation IoT networking extension with bi-directional packet relay
CN109391681B (zh) * 2018-09-14 2021-07-16 重庆邮电大学 基于mec的v2x移动性预测与内容缓存卸载方案
CN109561470B (zh) * 2018-11-26 2020-10-27 厦门大学 一种网络编码与边缘缓存在链式通信网络的协作方法
CN109814951B (zh) * 2019-01-22 2021-09-28 南京邮电大学 移动边缘计算网络中任务卸载及资源分配的联合优化方法
CN110062026A (zh) * 2019-03-15 2019-07-26 重庆邮电大学 移动边缘计算网络中资源分配和计算卸载联合优化方案
CN110493825B (zh) * 2019-07-18 2022-06-14 广东工业大学 一种边缘计算架构下多任务的负载均衡方法
CN110753374B (zh) * 2019-10-18 2022-07-26 广州大学 一种面向任务卸载的协作网络中继节点选择方法及装置
CN111132175B (zh) * 2019-12-18 2022-04-05 西安电子科技大学 一种协同计算卸载和资源分配方法及应用

Also Published As

Publication number Publication date
CN111884696A (zh) 2020-11-03

Similar Documents

Publication Publication Date Title
CN111884696B (zh) 一种基于多载波的中继协作移动边缘计算方法
CN110392079B (zh) 面向雾计算的节点计算任务调度方法及其设备
Moubayed et al. Wireless resource virtualization with device-to-device communication underlaying LTE network
JP2020523830A (ja) トランスポートブロックサイズを決定する方法及び装置
CN110545584A (zh) 一种全双工移动边缘计算通信系统的通信处理方法
WO2016145751A1 (zh) 物联网中的数据传输方法、系统、物联网设备、终端
CN110493854B (zh) 一种基于优化理论的wpt-mec网络上下行资源分配与功率控制机制
CN111447512B (zh) 一种面向边缘云卸载的节能方法
Kim et al. Joint opportunistic subchannel and power scheduling for relay-based OFDMA networks with scheduling at relay stations
CN107343268B (zh) 非正交多播和单播传输波束赋型方法及系统
CN113064665A (zh) 一种基于李雅普诺夫优化的多服务器计算卸载方法
CN113079577B (zh) 基于embb和urllc共存场景下的资源分配方法
CN111615129A (zh) 基于noma的多用户移动边缘计算系统中的资源分配方法
CN111556576B (zh) 基于d2d_mec系统的时延优化方法
Moubayed et al. Power-aware wireless virtualized resource allocation with D2D communication underlaying LTE network
US20200367301A1 (en) Method and apparatus for controlling packet transmission for reducing latency in wireless communication system
CN111212108B (zh) 基于非正交多址接入和移动边缘计算多用户并行迁移方法
CN113891481A (zh) 一种面向吞吐量的蜂窝网络d2d通信动态资源分配方法
CN111836209A (zh) 提升LoRa单通道数据传输效率的方法及系统
CN112235387B (zh) 一种基于能量消耗最小化的多节点协作计算卸载方法
CN106912059B (zh) 支持互信息积累的认知中继网络联合中继选择及资源分配方法
GB2482878A (en) Spectral resources allocation based upon the user who will use it with the greatest energy efficiency
Lu et al. A heuristic D2D communication mode selection algorithm
US8170031B2 (en) High performance scheduling methods and apparatus for leveraging diversity in relay-enabled wireless networks
CN113301638A (zh) 一种基于q学习的d2d通信频谱分配与功率控制算法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20221230

Address after: 510000 room 606-609, compound office complex building, No. 757, Dongfeng East Road, Yuexiu District, Guangzhou City, Guangdong Province (not for plant use)

Patentee after: China Southern Power Grid Internet Service Co.,Ltd.

Address before: Room 301, No. 235, Kexue Avenue, Huangpu District, Guangzhou, Guangdong 510000

Patentee before: OURCHEM INFORMATION CONSULTING CO.,LTD.

Effective date of registration: 20221230

Address after: Room 301, No. 235, Kexue Avenue, Huangpu District, Guangzhou, Guangdong 510000

Patentee after: OURCHEM INFORMATION CONSULTING CO.,LTD.

Address before: 510006 No. 230 West Ring Road, University of Guangdong, Guangzhou

Patentee before: Guangzhou University