CN111988791A - 基于雾计算的无线充电网络节点计算能力提升方法及系统 - Google Patents

Abstract

本发明公开了一种基于雾计算的无线充电网络节点计算能力提升方法，包括步骤输入计算所需数据；根据输入计算数据，确定无线充电网络节点收获的能量、无线充电网络节点计算能耗与向雾服务器卸载任务的能耗；建立关于功率发射器能量波束成形向量，无线充电网络节点时间分配、计算频率和功率分配的优化问题模型；求解并输出最大化系统计算速率；本发明结合考虑无线充电网络节点与功率发射器及多个雾服务器之间的能量因果关系、无线充电网络节点及多个雾服务器系统计算能力，联合优化功率发射器能量波束成形向量，无线充电网络节点时间分配、计算频率和功率分配，确定最大化系统计算速率的目标。

Description

基于雾计算的无线充电网络节点计算能力提升方法及系统

技术领域

本发明涉及网络优化设计技术领域，具体涉及一种基于雾计算并可提升无线充电网络节点计算能力的方法及系统。

背景技术

随着无线通信技术和物联网(Internet of things，IoTs)技术的飞速发展，巨量的无线设备逐渐接入网络，越来越多的计算服务和延迟敏感的应用给带来了巨大的挑战。由于大多数无线设备的计算能力相对较差且能量有限，如何支持如此多的计算服务和延迟敏感的应用程序已成为一个很大的挑战。为了提高无线设备的计算能力，计算卸载被认为是一个很有前途的解决方案，它不仅提高了无线设备的计算能力，而且降低了无线设备的计算能耗。因此，雾计算(fog computing)在学术界和工业界都受到了广泛的关注。不同于传统的云计算，雾计算中部署的雾服务器(fog server)接近无线设备，无线设备通过联合计算与卸载(Joint computing and offloading)将计算任务发送到附近的雾服务器完成计算，可以大大降低任务处理延迟和无线设备的能量消耗。

无线能量传输(Wireless power transfer)作为一种很有应用前景的技术，可以为能量有限的无线设备(如物联网节点和传感器节点)提供可持续的能源供应，延长设备的工作时间。无线能量传输技术可以利用手机、笔记本电脑、电视等家用电器，乃至大型的电力系统实现“隔空”能量输送。无线能量传输技术不仅在工厂企业、能源、航天航空、军事、水下作业等领域有重要价值，而且在家用电器、交通设施、医疗卫生等民用领域也具有广泛的应用前景。无线能量传输技术曾被麻省理工科技评论2016评为“十项引领未来的科学技术”之一。

基于此，亟需提供一种共同考虑及优化无线充电和多个雾服务器联合计算、卸载任务能力的方法。

发明内容

为了解决上述技术问题，本发明提供了一种基于雾计算的无线充电网络节点计算能力提升方法，包括以下步骤：

S1、输入计算所需数据；

S2、根据输入计算数据，确定无线充电网络节点收获的能量、无线充电网络节点计算能耗与向雾服务器卸载任务的能耗；

S3、建立关于功率发射器能量波束成形向量，无源网络节点时间、计算频率和功率分配的优化问题模型；

S4、求解并输出最大化系统计算速率；其中，

无线充电网络包括一个单天线的无线充电网络节点，分别与无线充电网络节点无线连接的设置N根天线的功率发射器及单天线的K个雾服务器。

在上述方法中，所述计算数据包括：

功率发射器发射信号功率，功率发射器能量波束成形向量，功率发射器到无线充电网络节点的信道向量；第k个雾服务器发射信号功率，第k个雾服务器到无线充电网络节点的信道向量；无线充电网络节点接收能量时间、无线充电网络节点能量转换效率、无线充电网络节点本地处理的数据量、无线充电网络节点处理1bit数据需要的CPU周期、无线充电网络节点处理的计算频率和无线充电网络节点有效电容系数，无线充电网络节点向第k个雾服务器卸载任务花费的传输时间，无线充电网络节点向第k个雾服务器卸载任务的传输功率、无线充电网络节点卸载任务的数据量，无线充电网络节点到第k个雾服务器的信道增益、加性高斯白噪声功率。

在上述方法中，所述步骤S2具体如下：

根据无线能量传输理论和射频信号能量波束成形向量可以获得无线充电网络节点收获的能量为：

其中，τ_eh∈(0,T)为无线充电网络节点接收获得能量持续时间，ω∈C^N×1为功率发射器能量波束成形向量，W＝E[ωω^H]∈C^N×N，

为K个单天线的雾服务器的集合，η为无线充电网络节点能量转换效率，h_p为功率发射器到无线充电网络节点的信道向量，h_F,k为第k个雾服务器到无线充电网络节点的信道向量，P_u为功率发射器发射信号功率，P_F,k为第k个雾服务器发射信号功率；

无线充电网络节点本地计算能耗为：

其中，

为无线充电网络节点本地处理时间，

为无线充电网络节点处理的数据量，C_u为无线充电网络节点处理1bit数据需要的CPU周期；f_u,cpu为无线充电网络节点处理的计算频率；ξ_u为无线充电网络节点有效电容系数；

无线充电网络节点向雾服务器卸载任务的能耗为：

式中，τ_k,off为无线充电网络节点向第k个雾服务器卸载任务花费的传输时间，P_u,k为无线充电网络节点向第k个雾服务器卸载任务的传输功率。

在上述方法中，所述步骤S3具体如下：

建立优化问题：联合优化功率发射器处的能量波束成形向量W，无线充电网络节点的时间分配τ、无线充电网络节点处理的计算频率f_u,cpu、发射功率分配P_u，达到无线充电网络节点计算速率最大化；

目标函数：

s.t.E_off+E_loc≤E_eh

其中，目标函数为时间T内无线充电网络节点处理的数据量，

分别为时间分配向量，任务卸载时间分配向量，无线充电网络节点发送功率向量；B为系统带宽，g_u,k为无线充电网络节点到第k个雾服务器的信道增益，

为无线充电网络节点到第k个雾服务器的加性高斯白噪声功率，

为无线充电网络节点最大可用信号发射功率，

为无线充电网络节点的最大计算频率。

在上述方法中，所述步骤S4输出数据包括：无线充电阶段耗时，任务卸载阶段耗时与结果反馈阶段耗时。

在上述方法中，所述无线充电网络节点的处理器每个CPU周期处理速度相同。

本发明还提供了一种基于雾计算的无线充电网络节点计算能力提升系统，包括一个单天线的计算能力、能量受限的无线充电网络节点，分别与无线充电网络节点无线连接的设置N根天线的功率发射器及单天线的K个雾服务器；

与无线充电网络节点、功率发射器及K个雾服务器分别连接的计算分析单元，用于获取系统数据，并根据获取数据建模确定最大化系统计算速率；

结果输出单元，用于输出优化结果。

在上述方案中，所述计算分析单元包括：用于获取计算所需数据的数据获取模块；

与数据获取模块连接用于完成计算的计算模块；包括计算无线充电网络节点本地计算能耗、无线充电网络节点向雾服务器卸载任务的能耗；

与计算模块连接并根据优化目标建立优化模型并求解模型建模计算模块；

数据获取模块包括获取功率发射器发射信号功率，第k个雾服务器发射信号功率；无线充电网络节点本地处理时间、无线充电网络节点处理的计算频率和无线充电网络节点有效电容系数，无线充电网络节点向第k个雾服务器卸载任务花费的传输时间，无线充电网络节点向第k个雾服务器卸载任务的传输功率、无线充电网络节点卸载任务的数据量。

在上述方案中，所述建模计算模块计算时需要满足以下约束条件：

无线充电网络节点接收获得能量不少于无线充电网络节点进行本地计算消耗的能量和无线充电网络节点同时向K个雾服务器卸载任务消耗的能量，即无线充电网络节点收获的能量≥无线充电网络节点计算能耗+无线充电网络节点向多个雾服务器卸载任务的能耗。

在上述方案中，所述结果输出单元输出包括无线充电阶段耗时，任务卸载阶段耗时与结果反馈阶段耗时。

本发明结合考虑无线充电网络节点与功率发射器及多个雾服务器之间的能量因果关系、无线充电网络节点及多个雾服务器系统计算能力，联合优化功率发射器能量波束成形向量，无源网络节点时间、计算频率和功率分配，确定最大化系统计算速率的目标。

附图说明

图1为本发明提供的系统结构示意框图；

图2为本发明提供的系统中无线充电网络结构图；

图3为本发明提供的系统中无线充电网络节点整个过程的时间分配图；

图4为本发明提供的方法流程图。

具体实施方式

本发明提供了一种具有多个雾服务器的无线充电雾计算网络的优化设计，共同考虑无线充电和多个雾服务器联合计算与卸载任务的系统及方法，下面结合具体实施方式和说明书附图对本发明做出详细的说明。

如图1-2所示，本发明提供了一种基于雾计算的无线充电网络节点计算能力提升系统，包括：

一个单天线的计算能力、能量受限的无线充电网络节点(具体可为无线设备)，分别与无线充电网络节点无线连接的设置N根天线的功率发射器及单天线的K个雾服务器，本实施例中K≥1；无线充电网络节点由于体积小功率受限，目前技术条件下大多设计为单天线；雾服务器限制为单天线是为了利用网络中单天线小型设备的计算能力进行雾计算；功率发射器N根天线是因为功率发射器无体积、功率限制，采用多天线可以采用波束成形技术提高能量传输效率。

功率发射器和各雾服务器为有源设备，具有足够的电源。

功率发射器与K个雾服务器作为无线电源通过无线能量传输技术对无线充电网络节点进行充电；具体可为功率发射器与K个雾服务器通过射频信号(radio-frequency)将能量传输给无线充电网络节点，对无线充电网络节点进行充电。

无线充电网络节点利用收获的能量，将其任务划分为(K+1)个部分，将其余K部分任务卸载到K个雾服务器上完成计算，(K+1)部分通过本地计算完成；

K个雾服务器接收并执行相应的分配任务，将结果反馈给无线充电网络节点，无线充电网络节点将自身计算的结果与K个雾服务器反馈的结果，合成原始任务的计算结果。

本系统还包括与无线充电网络节点、功率发射器及K个雾服务器分别连接的计算分析单元，用于获取系统数据，并根据获取数据建模确定最大化系统计算速率；及结果输出单元，用于输出优化结果。

计算分析单元包括用于获取计算所需数据的数据获取模块；包括获取

功率发射器发射信号功率，第k个雾服务器发射信号功率，其中，1≤k≤K；

无线充电网络节点本地处理时间τ_loc、无线充电网络节点处理的计算频率f_u,cpu和无线充电网络节点有效电容系数ξ_u，无线充电网络节点向第k个雾服务器卸载任务花费的传输时间τ_k,off，无线充电网络节点向第k个雾服务器卸载任务的传输功率P_u,k、无线充电网络节点卸载任务的数据量

与数据获取模块连接用于完成计算的计算模块；包括计算无线充电网络节点本地计算能耗、无线充电网络节点向雾服务器卸载任务的能耗；计算具体如下：

如图3所示，为无线充电网络节点整个过程的时间分配图，阶段1无线充电网络节点接收获得能量(Wireless power transfer，WPT)持续时间τ_eh，阶段2和阶段3同时开始，阶段2无线充电网络节点进行本地计算(Local computing)持续时间τ_loc，同时无线充电网络节点也向K个雾服务器卸载任务(阶段3，Offloading)持续时间max(τ_1,off,τ_2,off,...,τ_k,off,...,τ_K,off)；

本实施例根据无线能量传输理论和射频信号能量波束成形向量可以获得无线充电网络节点收获的能量为：

其中，τ_eh∈(0,T)为阶段1持续时间，ω∈C^N×1为功率发射器能量波束成形向量，W＝E[ωω^H]∈C^N×N，

为K个单天线的雾服务器的集合，η为无线充电网络节点能量转换效率，h_p为功率发射器到无线充电网络节点的信道向量，h_F,k为第k个雾服务器到无线充电网络节点的信道向量，P_p为功率发射器发射信号功率，P_F,k为第k个雾服务器发射信号功率。

根据相关文献研究，为最大限度地减少无线充电网络节点本地计算的能耗，无线充电网络节点的处理器每个CPU(central process unit)周期都采用相同的处理速度，即处理频率不变化。因此，根据无线充电网络节点本地处理时间τ_loc(应用的延迟敏感程度决定处理时间

为无线充电网络节点处理的数据量，C_u为无线充电网络节点处理1bit数据需要的CPU周期)、无线充电网络节点处理的计算频率f_u,cpu和无线充电网络节点有效电容系数ξ_u可求得无线充电网络节点本地计算能耗为：

雾服务器采用连续干扰消除检测技术可完美消除干扰；

无线充电网络节点向雾服务器卸载任务的能耗为：

式中，τ_k,off为无线充电网络节点向第k个雾服务器卸载任务花费的传输时间，P_u,k为无线充电网络节点向第k个雾服务器卸载任务的传输功率。

由于雾服务器通常具有强大的计算能力，因此雾服务器计算时间可忽略。同时，由于计算后的结果数据量相对较小，且雾服务器通常具有较高的发射功率，因此计算结果反馈的时间也被忽略。

与计算模块连接的建模计算模块，根据优化目标建立优化模型并求解模型。

根据本实施例设计需求，建模计算模块计算时需要满足以下约束条件：

无线充电网络节点接收获得能量(阶段1)不少于无线充电网络节点进行本地计算消耗(阶段2)的能量和无线充电网络节点同时向K个雾服务器卸载任务消耗的能量(阶段3)，即无线充电网络节点收获的能量≥无线充电网络节点计算能耗+无线充电网络节点向多个雾服务器卸载任务的能耗。

系统工作条件为：无线信道为块衰落信道，在具有时间周期T的每个衰落块内信道系数假定为常数，并且每个衰落块内的信道系数是独立的，信道噪声为加性白高斯噪声(AWGN)。完全信道状态信息(CSI)和计算相关信息为无线充电网络节点已知信息。

通过上述分析，建立优化问题：联合优化功率发射器处的能量波束成形向量W，无线充电网络节点的时间分配τ、无线充电网络节点处理的计算频率f_u,cpu、无线充电网络节点发射功率分配P_u，达到无线充电网络节点计算速率最大化。

s.t.E_off+E_loc≤E_eh

其中，目标函数为时间T内无线充电网络节点处理的数据量，

分别为时间分配向量，任务卸载时间分配向量，无线充电网络节点发送功率向量；B为系统带宽，g_u,k为无线充电网络节点到第k个雾服务器的信道增益，

为无线充电网络节点到第k个雾服务器的加性高斯白噪声功率，

为无线充电网络节点最大可用信号发射功率，

为无线充电网络节点的最大计算频率。

由于优化问题是非凸的，将建模的优化问题通过一些数学变换转化为凸优化问题，可用现有的凸优化求解工具(CVX，SeduMi)直接求解。

本实施例中，为了充分利用频谱效率，无线充电网络节点可采用正交编码用于同时卸载多部分任务和计算结果反馈，可以获得性能增益。

结果输出单元最后输出系统最优计算速率，包括附图2中的3个阶段：(1)无线充电网络节点充电阶段耗时τ_eh；(2)无线充电网络节点任务卸载阶段耗时τ_k,off；(3)雾服务器结果反馈阶段耗时。整个过程中无线充电网络节点的能量都由阶段1(无线充电阶段)的无线充电提供。

本实施例中，根据分析，雾服务器数量不超过三台时整体性能最优。

本系统结合考虑无线充电网络节点与功率发射器及多个雾服务器之间的能量因果关系、无线充电网络节点及多个雾服务器系统计算能力，联合优化功率发射器能量波束成形向量，无源网络节点时间、计算频率和功率分配，确定最大化系统计算速率的目标。

本发明还提出了一种基于上述系统的雾计算辅助的无线充电雾计算网络的优化设计方法，包括以下步骤：

S1、输入计算所需数据；

计算数据包括：功率发射器发射信号功率，第k个雾服务器发射信号功率；无线充电网络节点本地处理时间τ_loc、无线充电网络节点处理的计算频率f_u,cpu和无线充电网络节点有效电容系数ξ_u，无线充电网络节点向第k个雾服务器卸载任务花费的传输时间τ_k,off，无线充电网络节点向第k个雾服务器卸载任务的传输功率、无线充电网络节点卸载任务的数据量

S2、根据输入计算数据；确定无线充电网络节点收获的能量、无线充电网络节点计算能耗与向雾服务器卸载任务的能耗；计算具体如下：

根据无线能量传输理论和射频信号能量波束成形向量可以获得无线充电网络节点收获的能量为：

其中τ_eh∈(0,T)为阶段1持续时间，ω∈C^N×1为功率发射器能量波束成形向量，W＝E[ωω^H]∈C^N×N，

为K个单天线的雾服务器的集合，η为无线充电网络节点能量转换效率，h_p为功率发射器到无线充电网络节点的信道向量，h_F,k为第k个雾服务器到无线充电网络节点的信道向量，P_p为功率发射器发射信号功率，P_F,k为第k个雾服务器发射信号功率；

无线充电网络节点本地计算能耗为：

其中，

为无线充电网络节点本地处理时间，

为无线充电网络节点处理的数据量，C_u为无线充电网络节点处理1bit数据需要的CPU周期；f_u,cpu为无线充电网络节点处理的计算频率；ξ_u为无线充电网络节点有效电容系数。

无线充电网络节点向雾服务器卸载任务的能耗为：

式中，τ_k,off为无线充电网络节点向第k个雾服务器卸载任务花费的传输时间，P_u,k为无线充电网络节点向第k个雾服务器卸载任务的传输功率。

S3、建立关于功率发射器能量波束成形向量，无源网络节点时间、计算频率和功率分配的优化问题模型。具体如下：

建立优化问题：联合优化功率发射器处的能量波束成形向量W，无线充电网络节点的时间分配τ、无线充电网络节点处理的计算频率f_u,cpu、无线充电网络节点发射功率分配P_u，达到无线充电网络节点计算速率最大化；

目标函数：

s.t.E_off+E_loc≤E_eh

其中，目标函数为时间T内无线充电网络节点处理的数据量，

分别为时间分配向量，任务卸载时间分配向量，无线充电网络节点发送功率向量；B为系统带宽，g_u,k为无线充电网络节点到第k个雾服务器的信道增益，

为无线充电网络节点到第k个雾服务器的加性高斯白噪声功率，

为无线充电网络节点最大可用信号发射功率，

为无线充电网络节点的最大计算频率。

S4、求解并输出最大化系统计算速率的目标，其中，

优化问题是非凸的，将建模的优化问题通过一些数学变换转化为凸优化问题，利用凸优化求解工具(CVX，SeduMi)直接求解。

最后输出系统最优计算速率：包括(1)无线充电阶段耗时τ_eh；(2)任务卸载阶段耗时τ_k,off；(3)结果反馈阶段耗时。

本方法结合雾计算、无线能量收集计算的无源网络节点性能最优化设计，通过在能量因果关系约束、系统计算能力、能量约束和存储约束下，联合优化功率发射器能量波束成形向量，无源网络节点时间、计算频率和功率分配，确定最大化系统计算速率的目标。

本发明提出了一种雾计算辅助的无线充电雾计算网络的优化设计方法，解决了以下问题：

一、系统中无线充电网络节点实现最大计算速率的最佳资源分配方案；

二、联合计算与卸载任务划分数量(雾服务器数量)对无线充电网络节点最大计算速率的影响；

三、采用正交编码用于卸载多部分任务和计算结果反馈可以获得性能增益。

本发明不局限于上述最佳实施方式，任何人应该得知在本发明的启示下作出的结构变化，凡是与本发明具有相同或相近的技术方案，均落入本发明的保护范围之内。

Claims (10)

1.一种基于雾计算的无线充电网络节点计算能力提升方法，其特征在于，包括以下步骤：

S1、输入计算所需数据；

S2、根据输入计算数据，确定无线充电网络节点收获的能量、本地计算能耗与向雾服务器卸载任务的能耗；

S3、建立关于功率发射器能量波束成形向量，无线充电网络节点时间分配、计算频率和功率分配的优化问题模型；

S4、求解并输出最大化系统计算速率；其中，

无线充电网络包括一个单天线的无线充电网络节点，分别与无线充电网络节点无线连接的设置N根天线的功率发射器及单天线的K个雾服务器。

2.如权利要求1所述的方法，其特征在于，所述计算数据包括：

功率发射器发射信号功率，功率发射器能量波束成形向量，功率发射器到无线充电网络节点的信道向量；第k个雾服务器发射信号功率，第k个雾服务器到无线充电网络节点的信道向量；无线充电网络节点接收能量时间、无线充电网络节点能量转换效率、无线充电网络节点本地处理的数据量、无线充电网络节点处理1bit数据需要的CPU周期、无线充电网络节点处理的计算频率和无线充电网络节点有效电容系数，无线充电网络节点向第k个雾服务器卸载任务花费的传输时间，无线充电网络节点向第k个雾服务器卸载任务的传输功率、无线充电网络节点卸载任务的数据量，无线充电网络节点到第k个雾服务器的信道增益、加性高斯白噪声功率。

3.如权利要求1所述的方法，其特征在于，所述步骤S2具体如下：

根据无线能量传输理论和射频信号能量波束成形向量可以获得无线充电网络节点收获的能量为：

其中，τ_eh∈(0,T)为无线充电网络节点接收获得能量持续时间，ω∈C^N×1为功率发射器能量波束成形向量，W＝E[ωω^H]∈C^N×N，

为K个单天线的雾服务器的集合，η为无线充电网络节点能量转换效率，h_p为功率发射器到无线充电网络节点的信道向量，h_F,k为第k个雾服务器到无线充电网络节点的信道向量，P_u为功率发射器发射信号功率，P_F,k为第k个雾服务器发射信号功率；

无线充电网络节点本地计算能耗为：

其中，

为无线充电网络节点本地处理时间，l_loc为无线充电网络节点处理的数据量，C_u为无线充电网络节点处理1bit数据需要的CPU周期；f_u,cpu为无线充电网络节点处理的计算频率；ξ_u为无线充电网络节点有效电容系数；

无线充电网络节点向雾服务器卸载任务的能耗为：

式中，τ_k,off为无线充电网络节点向第k个雾服务器卸载任务花费的传输时间，P_u,k为无线充电网络节点向第k个雾服务器卸载任务的传输功率。

4.如权利要求3所述的方法，其特征在于，所述步骤S3具体如下：

建立优化问题：联合优化功率发射器处的能量波束成形向量W，无线充电网络节点的时间分配τ、无线充电网络节点处理的计算频率f_u,cpu、无线充电网络节点发射功率分配P_u，达到无线充电网络节点计算速率最大化；

目标函数：

s.t.E_off+E_loc≤E_eh

其中，目标函数为时间T内无线充电网络节点处理的数据量，

分别为时间分配向量，任务卸载时间分配向量，无线充电网络节点发送功率向量；B为系统带宽，g_u,k为无线充电网络节点到第k个雾服务器的信道增益，

为无线充电网络节点到第k个雾服务器的加性高斯白噪声功率，

为无线充电网络节点最大可用信号发射功率，

为无线充电网络节点的最大计算频率。

5.如权利要求1所述的方法，其特征在于，所述步骤S4输出数据包括：无线充电阶段耗时，任务卸载阶段耗时与结果反馈阶段耗时。

6.如权利要求1所述的方法，其特征在于，所述无线充电网络节点的处理器每个CPU周期处理速度相同。

7.一种基于雾计算的无线充电网络节点计算能力提升系统，其特征在于，包括一个单天线的计算能力、能量受限的无线充电网络节点，分别与无线充电网络节点无线连接的设置N根天线的功率发射器及单天线的K个雾服务器；

与无线充电网络节点、功率发射器及K个雾服务器分别连接的计算分析单元，用于获取系统数据，并根据获取数据建模确定最大化系统计算速率；

结果输出单元，用于输出优化结果。

8.如权利要求7所述的系统，其特征在于，所述计算分析单元包括：用于获取计算所需数据的数据获取模块；

与数据获取模块连接用于完成计算的计算模块；包括计算无线充电网络节点本地计算能耗、无线充电网络节点向雾服务器卸载任务的能耗；

与计算模块连接并根据优化目标建立优化模型并求解模型建模计算模块；

数据获取模块包括获取功率发射器发射信号功率，第k个雾服务器发射信号功率；无线充电网络节点本地处理时间、无线充电网络节点处理的计算频率和无线充电网络节点有效电容系数，无线充电网络节点向第k个雾服务器卸载任务花费的传输时间，无线充电网络节点向第k个雾服务器卸载任务的传输功率、无线充电网络节点卸载任务的数据量。

9.如权利要求8所述的系统，其特征在于，所述建模计算模块计算时需要满足以下约束条件：

无线充电网络节点接收获得能量不少于无线充电网络节点进行本地计算消耗的能量和无线充电网络节点同时向K个雾服务器卸载任务消耗的能量，即无线充电网络节点收获的能量≥无线充电网络节点计算能耗+无线充电网络节点向多个雾服务器卸载任务的能耗。

10.如权利要求7所述的系统，其特征在于，所述结果输出单元输出包括无线充电阶段耗时，任务卸载阶段耗时与结果反馈阶段耗时。

Images