CN113115424A - 一种基于认知云网络的三边资源匹配方法及系统 - Google Patents
一种基于认知云网络的三边资源匹配方法及系统 Download PDFInfo
- Publication number
- CN113115424A CN113115424A CN202110437367.XA CN202110437367A CN113115424A CN 113115424 A CN113115424 A CN 113115424A CN 202110437367 A CN202110437367 A CN 202110437367A CN 113115424 A CN113115424 A CN 113115424A
- Authority
- CN
- China
- Prior art keywords
- matching
- user
- cognitive
- matched
- users
- 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.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/04—TPC
- H04W52/18—TPC being performed according to specific parameters
- H04W52/24—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters
- H04W52/243—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters taking into account interferences
- H04W52/244—Interferences in heterogeneous networks, e.g. among macro and femto or pico cells or other sector / system interference [OSI]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/382—Monitoring; Testing of propagation channels for resource allocation, admission control or handover
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/04—TPC
- H04W52/30—TPC using constraints in the total amount of available transmission power
- H04W52/34—TPC management, i.e. sharing limited amount of power among users or channels or data types, e.g. cell loading
- H04W52/346—TPC management, i.e. sharing limited amount of power among users or channels or data types, e.g. cell loading distributing total power among users or channels
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/54—Allocation or scheduling criteria for wireless resources based on quality criteria
- H04W72/541—Allocation or scheduling criteria for wireless resources based on quality criteria using the level of interference
Abstract
本发明公开了一种基于认知云网络的三边资源匹配方法及系统,针对覆盖式认知无线电非正交多址接入网络,基于三边匹配算法的功率分配及频谱共享部分,对主要用户和认知用户进行匹配,对匹配成功的用户对实现发射功率共享,认知用户将使用与之匹配的主要用户的频谱进行卸载数据的传输,主要用户和认知用户进行两边匹配得若干个用户对;基于三边匹配算法的时间分配部分,将匹配得到的若干用户对和基站传输时间段进行匹配得到若干三元组,每个三元组中的用户对在匹配到的传输时间段内进行卸载数据的传输,按次序将全部数据卸载到MEC服务器上,完成资源分配。本发明合理分配资源,提高频谱利用率、降低系统能耗并提高时间利用率。
Description
技术领域
本发明属于移动通信技术领域,具体涉及一种基于认知云网络的三边资源匹配方法及系统。
背景技术
在认知无线电网络中,随着用户的增多,数据流量呈爆炸式增长,与此同时,用户对于数据传输的速度有越来越高的需求。面对巨增的数据流量和高速传输的需求,有限的频谱资源愈发紧张。在频谱资源受限的情况下,部分授权频段的频谱利用率较低,使无线电频谱的使用效率难以最大化。在此背景下,一种频谱资源共享技术有效地解决了这一问题。
这种频谱资源共享技术即在认知网络中,在非主要用户带来的干扰不影响主要用户通信质量前提下,主要用户允许非主要用户使用与其相同的频谱进行数据传输。为了提高移动网络的频谱接入效率,采用非正交多址接入(Non-orthogonal multiple access,NOMA)技术,系统可以为用户分配不同的功率,在相同时间或频域内为多个用户服务。由于发射机的叠加编码和接收机的连续干扰抵消(Successive interference cancellation,SIC),NOMA比传统的正交多址接入(Orthogonal multiple access,OMA)技术具有更高的频谱效率。
随着智能通信的迅速发展,移动边缘计算(Mobile edge computing,MEC)被认为是未来通信的一种很有前途的技术,因为它可以改善计算机用户在应用程序中的能力,如增强现实(Augmented reality,AR)。采用移动边缘计算,用户可以将计算密集型任务卸载到位于网络边缘的MEC服务器上,进而从中获益。MEC服务器可以在用户附近部署,具有MEC的网络可以为用户提供低延迟和低能耗。MEC的基本思想是在无线电接入网络中引入强大的计算设施,如集成到基站中的MEC服务器。
MEC有两种卸载模式:部分卸载及完全卸载。部分卸载模式下,用户的计算任务一部分在本地服务器进行计算,另一部分需要卸载到MEC服务器进行计算。完全卸载模式下,用户的全部计算任务在本地执行或卸载到MEC服务器。
在认知无线电非正交多址接入网络中引入MEC,将有效提高系统性能。在实际系统中,用户必然不是单一的。考虑多个主要用户和非主要用户之间的频谱共享,用户将计算任务卸载到MEC服务器的时间资源分配。基于上述两个主要问题,本专利提出了一种三边匹配算法。该算法。
发明内容
本发明所要解决的技术问题在于针对上述现有技术中的不足,提供一种基于认知云网络的三边资源匹配方法及系统,在用户密集且基站单一情况下,合理分配频谱、功率及时间资源,使得系统性能(能耗小、传输时延小)显著提高,提高系统频谱利用率及基站时间利用率,降低系统能耗。
本发明采用以下技术方案:
一种基于认知云网络的三边资源匹配方法,针对覆盖式认知无线电非正交多址接入网络,基于三边匹配算法的功率分配及频谱共享部分,对主要用户和认知用户进行匹配,当引入的认知用户使得主要用户获得最高的通信性能且当前认知用户能够获得最高发射功率时,主要用户和认知用户匹配成功,对匹配成功的用户对,基于非正交多址介入技术实现发射功率共享,认知用户将使用与之匹配的主要用户的频谱进行卸载数据的传输,I个主要用户和J个认知用户进行两边匹配得若干个用户对(PUi,CUj),实现最佳功率分配和频谱共享;
基于三边匹配算法的时间分配部分,将匹配得到的若干用户对(PUi,CUj)和基站传输时间段Tk进行匹配,当基站传输时间段Tk的时间使用效率最大化时完成匹配,得到若干三元组(PUi,CUj,Tk),每个三元组中的用户对(PUi,CUj)在匹配到的传输时间段内进行卸载数据的传输,按次序将全部数据卸载到MEC服务器上,完成资源分配。
具体的,主要用户和认知用户进行匹配具体为:
S3、所有用户对达到稳定状态时,主要用户、认知用户匹配结束。
进一步的,步骤S2中,接收到邀请的CUj处于未匹配状态具体为:
S2011、若发邀PUi的发射功率分配系数满足受邀CUj的系数要求,发邀PUi和受邀CUj暂时匹配成功;在PUi的偏好表中,对应位置的PUi匹配状态标记为已匹配;对状态表中处于未匹配状态的下一主要用户执行操作如下:根据当前主要用户的偏好表向首选项发出匹配邀请;
S2012、若发邀PUi的发射功率分配系数不满足受邀CUj的系数要求,受邀CUj拒绝发邀PUi的匹配邀请。
进一步的,步骤S2中,接收到邀请的CUj处于匹配状态具体为:
更进一步的,若被拒绝的PUi的功率分配系数已改变X次,PUi不再改变功率分配系数;在PUi的偏好表中,对应位置的PUi匹配状态标记为放弃匹配;对状态表中处于未匹配状态的下一主要用户执行操作如下:根据当前主要用户的向首选项发出匹配邀请;
若被拒绝的PUi的功率分配系数改变次数不超过X次,PUi改变发射功率分配系数为αPUi=αPUi-τ,更新当前主要用户的对状态表中处于未匹配状态的下一主要用户执行操作如下:根据当前主要用户向首选项发出匹配邀请。
进一步的,步骤S3中,当所有未匹配成功的主要用户的功率分配因子改变为X次时,主要用户和认知用户的匹配结束,所有获得的用户对处于稳定状态。
具体的,用户对(PUi,CUj)和传输时间段Tk进行匹配具体为:
S6、所有匹配三方达到稳定状态,(PUi,CUj)、Tk匹配结束,匹配成功的三元组中的用户对(PUi,CUj)将在对应时间段Tk将所有需要处理的数据传输到MEC服务器上,而对于未匹配成功的PUi、CUj,将在系统总时延T内在本地服务器进行数据处理。
进一步的,步骤S5具体为:
S501、接收到邀请的Tk处于未匹配状态,则发邀(PUi,CUj)和受邀Tk暂时匹配成功。在中,对应位置(PUi,CUj)的匹配状态标记为已匹配;对中标记为未匹配状态的下一用户对执行操作如下:根据当前用户对的向首选项发出匹配邀请;
S502、接收到邀请的Tk处于匹配状态,其匹配项为(PUi,CUj)mch。
更进一步的,步骤S502具体为:
S5021、发邀用户对(PUi,CUj)的卸载时延大于已匹配项(PUi,CUj)mch的卸载时延,受邀Tk抛弃已匹配项(PUi,CUj)mch,和发邀(PUi,CUj)暂时匹配成功;在中,对应位置(PUi,CUj)的匹配状态标记为已匹配,(PUi,CUj)mch匹配状态标记为未匹配,(PUi,CUj)mch更新偏好列表,对中标记为未匹配状态的下一用户对执行如下操作:根据当前用户对的向首选项发出匹配邀请。
S5022、发邀用户对(PUi,CUj)的卸载时延小于等于已匹配项(PUi,CUj)mch的卸载时延,受邀Tk拒绝发邀(PUi,CUj)的匹配邀请,和已匹配项(PUi,CUj)mch保持匹配;被拒绝的(PUi,CUj)更新对中标记为未匹配状态的下一用户对执行操作如下:根据当前用户对的向首选项发出匹配邀请。
本发明的另一技术方案是,一种基于认知云网络的三边资源匹配系统,包括:
匹配模块,针对覆盖式认知无线电非正交多址接入网络,基于三边匹配算法的功率分配及频谱共享部分对主要用户和认知用户进行匹配,当引入的认知用户使得主要用户获得最高的通信性能且当前认知用户能够获得最高发射功率时,主要用户和认知用户匹配成功;
共享模块,对匹配成功的用户对,基于非正交多址介入技术实现发射功率共享,认知用户将使用与之匹配的主要用户的频谱进行卸载数据的传输,I个主要用户和J个认知用户进行两边匹配得若干个用户对(PUi,CUj),实现了最佳功率分配和频谱共享;
卸载模块,基于三边匹配算法的时间分配部分将匹配得到的若干用户对(PUi,CUj)和基站传输时间段Tk进行匹配,当基站传输时间段Tk的时间使用效率最大化时完成匹配,得到若干三元组(PUi,CUj,Tk),每个三元组中的用户对(PUi,CUj)在匹配到的传输时间段内进行卸载数据的传输,按次序将全部数据卸载到MEC服务器上。
与现有技术相比,本发明至少具有以下有益效果:
本发明一种基于认知云网络的三边资源匹配方法,结合未来移动通信网络的必然发展趋势,考虑用户携带计算能力下的移动边缘计算网络,通过三边匹配算法的功率分配及频谱共享方案部分,即主要用户和非主要用户的匹配过程,实现认知网络中用户密集情景下的功率分配、频谱共享;通过三边匹配算法的时间分配部分,即用户对和传输时间段之间的最佳匹配,使得传输时间段的时间资源利用率较高;三边匹配算法应用于基于移动边缘计算的上行认知无线电非正交多址接入系统,将为用户提供合理的数据卸载策略,最大限度降低能耗和传输时延。
进一步的,为解决功率分配问题以及认知用户无可用频谱进行数据传输的问题,考虑主要用户和认知用户之间的匹配,当所有获得的用户对稳定时,匹配结束。针对匹配成功的用户对,基于非正交多址接入技术实现功率共享,认知用户使用主要用户的频谱,并同主要用户一起将所有数据卸载到位于基站处的MEC服务器上。
进一步的,主要用户根据偏好列表向首选项发送邀请,为使得匹配过程更加顺利,针对处于不同状态的CUj,有不同的匹配思想。若接收到邀请的CUj处于未匹配状态,其将在所有满足基础条件的发邀主要用户中选择使其性能最佳的主要用户,使得匹配双方达到暂时稳定的匹配状态。
进一步的,若接收到邀请的CUj处于匹配状态,该认知用户将把现有匹配项同所有发邀主要用户进行比较,选择使其性能最好的主要用户。在满足主要用户、认知用户意愿基础上形成暂时稳定的匹配状态。
进一步的,在匹配过程中,主要用户作为发送方,存在被拒绝或者被抛弃的情况,为满足主要用户的匹配意愿,每次被拒绝都改变自身的功率分配因子以更新偏好列表,进而再次向首选项发送邀请;同时,在被多次拒绝的情况下,为保证主要用户的传输性能,对功率分配因子的改变次数进行限制。总的来说,该步满足了主要用户的匹配意愿,并且保证了其传输性能。
进一步的,主用户和认知用户之间的匹配不可能无限循环下去,需要为其设定一个停止指令。当所有未匹配的主要用户的功率分配因子改变次数为X次时,三边匹配算法的功率分配部分,即主要用户和认知用户匹配部分结束,同时获得若干用户对。
进一步的,为使得功率分配部分获得的所有用户对可以进行有次序且高效地数据卸载,将通过时间分配部分,即用户对和传输时间段之间的匹配来完成该目标,当所有获得的三元组稳定时,匹配结束。匹配最终将获得若干三元组(PUi,CUj,Tk),每个三元组中的用户对将在对应传输时间段内,通过频谱共享以及功率共享,将所有数据卸载到位于基站处的MEC服务器上,实现较高时间利用率从且传输高效。
进一步的,用户对根据偏好列表向首选项发送邀请,为使得匹配过程更加顺利,针对处于不同状态的Tk,有不同的匹配思想。若接收到邀请的Tk处于未匹配状态,为使得时间利用率较高,其将在所有的发邀用户对中选择所需传输时间和最高的用户对,使得匹配双方达到暂时稳定的匹配状态。若接收到邀请的Tk处于匹配状态,为使得匹配更加顺利且时间利用率高效,有同上述不同的匹配思想。
进一步的,针对接收到邀请的Tk处于匹配状态的情况,Tk将把现有匹配的用户对和发邀用户对进行比较,选择所需传输时间和最大的用户对形成暂时稳定的匹配状态,实现较高时间利用率。
综上所述,本发明合理分配资源,可用于未来网络用户密集的情况下,提高频谱利用率、降低系统能耗并提高时间利用率。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
图1为本发明的实现流程图;
图2为用本发明对认识无线电移动边缘计算网络的参与匹配三方的最终匹配结果图;
图3为本发明所采用的认知无线电非正交多址接入网络与认知无线电非正交多址接入网络的能耗对比仿真图;
图4为本发明在迭代情况下使得系统能耗趋于收敛的性能仿真图。
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。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
在附图中示出了根据本发明公开实施例的各种结构示意图。这些图并非是按比例绘制的,其中为了清楚表达的目的,放大了某些细节,并且可能省略了某些细节。图中所示出的各种区域、层的形状及它们之间的相对大小、位置关系仅是示例性的,实际中可能由于制造公差或技术限制而有所偏差,并且本领域技术人员根据实际所需可以另外设计具有不同形状、大小、相对位置的区域/层。
本发明提供了一种基于认知云网络的三边资源匹配方法,首先基于三边匹配算法第一部分,实现主要用户和认知用户间的匹配,使得认知用户在使用主要用户频谱进行数据传输的同时,合理分配发射功率,保障主要用户性能;其次基于三边匹配算法的第二部分,实现用户对和传输时间段之间的匹配,保障用户对的卸载数据可以快速高效的传输到MEC服务器,提高了时间利用率。能够解决覆盖式(underlay)基于边缘计算技术的新型认知无线电网络系统中的功率分配及频谱共享问题,最大限度降低能耗和传输时延。
本发明的应用场景是覆盖式认知无线电非正交多址接入网络,包括I个主要用户、J个认知用户和一个集成有MEC服务器的基站。基于所使用的认知无线电网络,本发明采取频谱资源共享方案,即在认知用户对主要用户的干扰不影响主要用户性能的前提下,认知用户可使用主要用户的频谱传输卸载数据。为保证主要用户的性能,I个主要用户和J个认知用户要进行两边匹配得若干个用户对(PUi,CUj),目的是保证所有共享频谱的主要用户性能。为提高数据传输和处理的效率,每组用户对(PUi,CUj)的卸载数据的传输时延采用的是时分多址(Time division multiple access,TDMA),即每组用户对(PUi,CUj)选择不同的时间段进行卸载数据的传输,该过程是三边匹配的第二步,即用户对(PUi,CUj)和基站K个时间段之间的匹配,最终得若干三元组(PUi,CUj,Tk)。
本发明中MEC卸载模式采取的是完全卸载,即未匹配成功的主要用户、认知用户将在本地进行全部计算数据的处理,而匹配成功的用户对(PUi,CUj)将根据匹配的时间段Tk,按次序将全部数据卸载到MEC服务器上。主要用户、认知用户之间的匹配准则是认知用户对主要用户的干扰低于主要用户规定的干扰阈值,若匹配成功,认知用户将使用与之匹配的主要用户的频谱进行卸载数据的传输。用户对(PUi,CUj)和传输时间段Tk之间的匹配准则是使得各时间段Tk的时间使用效率最大化,若匹配成功,各用户对(PUi,CUj)将根据自己对应的时间段按次序传输卸载数据。
在上行CR-NOMA网络中,由于主要用户更加靠近基站,其信道条件较强,从而即主要用户发射机-基站接收机之间的信道增益大于认知用户发射机-基站接收机之间的信道增益。由于采用上行NOMA方案,信道条件较强的主要用户将获得更大的发射功率,即
αPUi>αCUj (1)
同时,功率分配系数满足条件
αPUi+αCUj=1 (2)
由此得出发射功率分配系数满足
主要用户和认知用户匹配的前提是认知用户对于主要用户的干扰低于主要用户所设定的门限值,且主要用户对于认知用户的干扰不高于认知用户设定的门限值,即认知用户的干扰使得主要用户的可实现速率不低于其需求速率同时主要用户携带的发射功率分配系数αPUi不高于认知用户所设定的最大发射功率分配系数
主要用户、认知用户的最低需求速率定义如下:
在上行CR-NOMA网络中采用频谱共享方案会引入用户间干扰,采用SIC来检测信道条件强的用户信息,可将其他用户的干扰移除,而先到条件差的用户将受到其他用户的干扰,因此主要用户、认知用户的实现速率表示为:
用户对(PUi,CUj)的速率满足以下条件:
推导得
对于用户对中的主要用户,其αPUi满足不等式(12);认知用户在保障性能前提下,所能接受的最大功率分配系数满足等式(13):
三边匹配的第一步是用户间的匹配,本发明首要前提是保证主要用户的数据传输性能,因此在匹配过程中,主要用户是邀请方,认知用户是接收者。下面明确一下主要用户对于认知用户的偏好列表,表示为:
其中,CUJ(j)是J个认知用户中所有满足不等式(8)的认知用户,即和主要用户匹配后,使得主要用户的可实现速率不低于需求速率的认知用户将出现在主要用户的偏好列表中,排在偏好列表最顶端的认知用户是使得可实现速率最大的认知用户。注意一点,在匹配过程中,不是固定不变的,每轮匹配结束,匹配失败的主要用户将改变发射功率分配系数,改变步长为τ,进而更新
请参阅图1,本发明一种基于认知云网络的三边资源匹配方法,针对覆盖式认知无线电非正交多址接入网络,基于三边匹配算法第一部分对主要用户和认知用户进行匹配,在认知用户对主要用户的干扰不影响主要用户性能的前提下,认知用户使用主要用户的频谱传输卸载数据,I个主要用户和J个认知用户进行两边匹配得若干个用户对(PUi,CUj);匹配成功后,基于三边匹配算法的第二部分对用户对(PUi,CUj)和基站时间段Tk进行匹配,然后每组用户对(PUi,CUj)选择不同的时间段进行卸载数据的传输,用户对(PUi,CUj)和基站时间段Tk匹配得到若干三元组(PUi,CUj,Tk),对每个三元组,用户对将按照匹配时间段次序,在对应的传输时间段内,通过非正交多址接入技术共享发射功率,通过共享组内主要用户的频谱一起将数据卸载到MEC服务器上;如果主要用户和认知用户或用户对(PUi,CUj)和基站时间段Tk匹配不成功,用户在本地服务器进行数据处理。
主要用户和认知用户之间的匹配步骤如下:
P1:功率分配及频谱共享方案
S1、初始化
S201、接收到邀请的CUj处于未匹配状态;
S2011、若发邀PUi的发射功率分配系数满足受邀CUj的系数要求,即则发邀PUi和受邀CUj暂时匹配成功。在中,对应位置的PUi匹配状态标记为已匹配。对状态表中处于未匹配状态的下一主要用户执行操作如下:根据当前主要用户的偏好表向首选项发出匹配邀请;
S2021、发邀PUi的功率分配系数比已匹配项的功率分配系数低,即则受邀CUj抛弃已匹配项和发邀PUi暂时匹配成功。在中,对应位置的PUi匹配状态标记为已匹配,匹配状态标记为未匹配,重复步骤S20121和S20122;
针对步骤S201和S202,有如下操作:
若被拒绝(抛弃)的PUi的功率分配系数已改变X次,即则PUi不再改变其功率分配系数。在中,对应位置的PUi匹配状态标记为放弃匹配。对状态表中处于未匹配状态的下一主要用户执行操作如下:根据主要用户的向首选项发出匹配邀请;
若被拒绝的PUi的功率分配系数改变次数不超过X次,即则PUi改变其发射功率分配系数为αPUi=αPUi-τ,进而更新当前主要用户的对状态表中处于未匹配状态的下一主要用户执行操作如下:根据当前主要用户的向首选项发出匹配邀请。
S3、所有用户对达到稳定状态,主要用户、认知用户匹配结束。
根据上述匹配过程所得的匹配结果,首先得到用户对(PUi,CUj)中两个用户的可实现数据传输速率。
主要用户和认知用户各自所需要处理的全部数据量表示为DPU={DPU1,DPU2,……,DPUi},DCU={DCU1,DCU2,……,DCUj}。已知数据量和可实现数据传输速率,计算用户对(PUi,CUj)传输卸载数据所需要的时间如下:
各个用户对(PUi,CUj)对于各传输时间段Tk存在偏好列表表示为:
其中,TK(k)是K个时间段中所有满足下列条件的时间段:
|Tk|≥TPUi,CUj (17)
其中,|Tk|表示传输时间段Tk的长度。传输时间段长度|Tk|不低于用户对(PUi,CUj)传输卸载数据所需时延TPUi,CUj的传输时间段将出现在用户对(PUi,CUj)的偏好列表中,排在偏好列表最顶端的Tk是长度最接近TPUi,CUj的传输时间段。同样的,在匹配过程中,不是固定不变的,每轮匹配结束,匹配失败的用户对(PUi,CUj)将把拒绝邀请的Tk从偏好列表移除,即更新
用户对(PUi,CUj)和传输时间段Tk之间的匹配,匹配的实施步骤如下:
P2:时间分配
S4、初始化;
S501、接收到邀请的Tk处于未匹配状态,则发邀(PUi,CUj)和受邀Tk暂时匹配成功。在中,对应位置(PUi,CUj)的匹配状态标记为已匹配。对中标记为未匹配状态的下一用户对执行操作如下:根据当前用户对的向首选项发出匹配邀请;
S502、接收到邀请的Tk处于匹配状态,其匹配项为(PUi,CUj)mch;
S5021、发邀用户对(PUi,CUj)的卸载时延比已匹配项(PUi,CUj)mch的卸载时延更高,即则受邀Tk抛弃已匹配项(PUi,CUj)mch,和发邀(PUi,CUj)暂时匹配成功。在中,对应位置(PUi,CUj)的匹配状态标记为已匹配,(PUi,CUj)mch匹配状态标记为未匹配,(PUi,CUj)mch更新其偏好列表,对中标记为未匹配状态的下一用户对执行操作如下:根据当前用户对的向首选项发出匹配邀请。
S5022、发邀用户对(PUi,CUj)的卸载时延不高于已匹配项(PUi,CUj)mch的卸载时延,即则受邀Tk拒绝发邀(PUi,CUj)的匹配邀请,和已匹配项(PUi,CUj)mch保持匹配。被拒绝的(PUi,CUj)更新对中标记为未匹配状态的下一用户对执行操作如下:根据当前用户对的向首选项发出匹配邀请。
S6、所有匹配三方达到稳定状态,(PUi,CUj)、Tk匹配结束。
三边匹配第二步结束,即可得匹配三元组(PUi,CUj,Tk);匹配成功的三元组中的用户对(PUi,CUj)将在对应时间段Tk将所有需要处理的数据传输到MEC服务器上,而对于未匹配成功的PUi、CUj,将在系统总时延T内在本地服务器进行数据处理。
本发明再一个实施例中,提供一种基于认知云网络的三边资源匹配系统,该系统能够用于实现上述基于认知云网络的三边资源匹配方法,具体的,该认知无线电网络资源分配系统包括匹配模块、共享模块以及卸载模块。
其中,匹配模块,针对覆盖式认知无线电非正交多址接入网络,基于三边匹配算法的功率分配及频谱共享部分对主要用户和认知用户进行匹配,当引入的认知用户使得主要用户获得最高的通信性能且当前主要用户能够获得最高发射功率时,主要用户和次要用户匹配成功;
共享模块,对匹配成功的用户对,基于非正交多址介入技术实现发射功率共享,认知用户将使用与之匹配的主要用户的频谱进行卸载数据的传输,I个主要用户和J个认知用户进行两边匹配得若干个用户对(PUi,CUj),实现了最佳功率分配和频谱共享;
卸载模块,基于三边匹配算法的时间分配部分将匹配得到的若干用户对(PUi,CUj)和基站传输时间段Tk进行匹配,当基站传输时间段Tk的时间使用效率最大化时完成匹配,得到若干三元组(PUi,CUj,Tk),每个三元组中的用户对(PUi,CUj)在匹配到的传输时间段内进行卸载数据的传输,按次序将全部数据卸载到MEC服务器上,完成资源分配。
本发明再一个实施例中,提供了一种终端设备,该终端设备包括处理器以及存储器,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器用于执行所述计算机存储介质存储的程序指令。处理器可能是中央处理单元(Central ProcessingUnit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor、DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable GateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等,其是终端的计算核心以及控制核心,其适于实现一条或一条以上指令,具体适于加载并执行一条或一条以上指令从而实现相应方法流程或相应功能;本发明实施例所述的处理器可以用于基于认知云网络的三边资源匹配方法的操作,包括:
针对覆盖式认知无线电非正交多址接入网络,基于三边匹配算法的功率分配及频谱共享部分,对主要用户和认知用户进行匹配,当引入的认知用户使得主要用户获得最高的通信性能且当前认知用户能够获得最高发射功率时,主要用户和认知用户匹配成功,对匹配成功的用户对,基于非正交多址介入技术实现发射功率共享,认知用户将使用与之匹配的主要用户的频谱进行卸载数据的传输,I个主要用户和J个认知用户进行两边匹配得若干个用户对(PUi,CUj),实现最佳功率分配和频谱共享;基于三边匹配算法的时间分配部分将匹配得到的若干用户对(PUi,CUj)和基站传输时间段Tk进行匹配,当基站传输时间段Tk的时间使用效率最大化时完成匹配,得到若干三元组(PUi,CUj,Tk),每个三元组中的用户对(PUi,CUj)在匹配到的传输时间段内进行卸载数据的传输,按次序将全部数据卸载到MEC服务器上,完成资源分配。
本发明再一个实施例中,本发明还提供了一种存储介质,具体为计算机可读存储介质(Memory),所述计算机可读存储介质是终端设备中的记忆设备,用于存放程序和数据。可以理解的是,此处的计算机可读存储介质既可以包括终端设备中的内置存储介质,当然也可以包括终端设备所支持的扩展存储介质。计算机可读存储介质提供存储空间,该存储空间存储了终端的操作系统。并且,在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令,这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是,此处的计算机可读存储介质可以是高速RAM存储器,也可以是非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。
可由处理器加载并执行计算机可读存储介质中存放的一条或一条以上指令,以实现上述实施例中有关基于认知云网络的三边资源匹配方法的相应步骤;计算机可读存储介质中的一条或一条以上指令由处理器加载并执行如下步骤:
针对覆盖式认知无线电非正交多址接入网络,基于三边匹配算法的功率分配及频谱共享部分对主要用户和认知用户进行匹配,当引入的认知用户使得主要用户获得最高的通信性能且当前认知用户能够获得最高发射功率时,主要用户和认知用户匹配成功,对匹配成功的用户对,基于非正交多址介入技术实现发射功率共享,认知用户将使用与之匹配的主要用户的频谱进行卸载数据的传输,I个主要用户和J个认知用户进行两边匹配得若干个用户对(PUi,CUj),实现最佳功率分配和频谱共享;基于三边匹配算法的时间分配部分将匹配得到的若干用户对(PUi,CUj)和基站传输时间段Tk进行匹配,当基站传输时间段Tk的时间使用效率最大化时完成匹配,得到若干三元组(PUi,CUj,Tk),每个三元组中的用户对(PUi,CUj)在匹配到的传输时间段内进行卸载数据的传输,按次序将全部数据卸载到MEC服务器上,完成资源分配。
本发明的效果通过仿真进一步说明:
1.仿真条件
假设认知无线电非正交多址计入网络中,包括25个主要用户、25个认知用户和25各个传输时间段。总的发射功率为31dB,发射功率分配系数改变步长τ=0.03,多路复用损耗因子β=0.4,系统总时延T=15s。
2.仿真内容
请参阅图2,对underlay认知无线电非正交多址接入移动边缘计算网络中采用本发明三边匹配算法进行三边的仿真结果呈现,横坐标为“传输时间段”;纵坐标为“主要用户”,表示对应传输时间段要进行数据卸载传输的用户对。
由图2仿真结果可知,在用户数量较多且认知用户无可用频谱传输卸载数据情况下,采用本发明的非正交认知无线电移动边缘计算网络可以解决以下问题:在用户密集情况下,认知用户无可用频谱将卸载数据传输到基站的问题;在总时延有限情况下,数据何时传输使得时间效用最大的问题。本发明提高了频谱利用率和时延利用率,节约了资源。本发明算法可应用与不同数量的用户、传输时间段场景,且频谱利用率提高显著。
请参阅图3,对比认知无线电网络中,采用正交多址接入技术和采用基于本发明三边匹配算法的非正交多址接入网络的能耗性能对比仿真图,横坐标为“迭代次数”;纵坐标为“系统能耗”,表示OMA和NOMA方案下,主要用户传输卸载数据所需要的能耗。
由图3仿真结果可知,在系统中主要用户、认知用户、传输时间段以及总发射功率不变情况下,采用本发明的非正交认知无线电移动边缘计算网络的系统能耗永远低于正交认知无线电网络;由此可以证明在非正交认知无线电网络中使用本发明算法,使得系统性能优于正交认知无线电网络。
请参阅图4,总发射功率改变情况下,本发明算法的收敛性,横坐标为“迭代次数”;纵坐标为“系统平均能耗”,表示截至当前迭代次数,平均每次得到的用户对能耗和。
由图4仿真结果可知,随着迭代次数的增多,不管总发射功率为多少,用户对平均能耗总是趋于收敛;由此可以证明本发明算法的收敛性,有效性。
综上所述,本发明一种基于认知云网络的三边资源匹配方法及系统,考虑主要用户、认知用户及传输时间段之间的匹配,为一个三边匹配问题;将该问题分解为两个子问题,即功率分配及频谱共享问题和时间分配问题,提出了三边匹配算法。针对第一个子问题,主要考虑主要用户和认知用户之间的匹配,通过算法获得若干用户对,实现功率分配及频谱共享;对于第二个子问题,考虑上一步获得的用户对和传输时间段之间的匹配,通过算法获得若干三元组,实现时间资源分配;对于最终获得的三元组,每个三元组中的用户对按照匹配的时间段,通过非正交多址接入技术实现功率共享,并通过共享主要用户频谱将数据卸载到MEC服务器上;本发明能够解决用户密集场景下的资源分配问题,完成功率分配、频谱共享及时间分配,使得用户卸载数据更加高效,且时间利用率较高。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上内容仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明权利要求书的保护范围之内。
Claims (10)
1.一种基于认知云网络的三边资源匹配方法,其特征在于,针对覆盖式认知无线电非正交多址接入网络,基于三边匹配算法的功率分配及频谱共享部分对主要用户和认知用户进行匹配,当引入的认知用户使得主要用户获得最高的通信性能且当前认知用户能够获得最高发射功率时,主要用户和认知用户匹配成功,对匹配成功的用户对,基于非正交多址介入技术实现发射功率共享,认知用户将使用与之匹配的主要用户的频谱进行卸载数据的传输,I个主要用户和J个认知用户进行两边匹配得若干个用户对(PUi,CUj),实现最佳功率分配和频谱共享;
基于三边匹配算法的时间分配部分,将匹配得到的若干用户对(PUi,CUj)和基站传输时间段Tk进行匹配,当基站传输时间段Tk的时间使用效率最大化时完成匹配,得到若干三元组(PUi,CUj,Tk),每个三元组中的用户对(PUi,CUj)在匹配到的传输时间段内进行卸载数据的传输,按次序将全部数据卸载到MEC服务器上,完成资源分配。
6.根据权利要求2所述的方法,其特征在于,步骤S3中,当所有未匹配成功的主要用户的功率分配因子改变为X次时,主要用户和认知用户的匹配结束,所有获得的用户对处于稳定状态。
7.根据权利要求1所述的方法,其特征在于,用户对(PUi,CUj)和传输时间段Tk进行匹配具体为:
S6、所有匹配三方达到稳定状态,(PUi,CUj)、Tk匹配结束,匹配成功的三元组中的用户对(PUi,CUj)将在对应时间段Tk将所有需要处理的数据传输到MEC服务器上,而对于未匹配成功的PUi、CUj,将在系统总时延T内在本地服务器进行数据处理。
9.根据权利要求8所述的方法,其特征在于,步骤S502具体为:
S5021、发邀用户对(PUi,CUj)的卸载时延大于已匹配项(PUi,CUj)mch的卸载时延,受邀Tk抛弃已匹配项(PUi,CUj)mch,和发邀(PUi,CUj)暂时匹配成功;在中,对应位置(PUi,CUj)的匹配状态标记为已匹配,(PUi,CUj)mch匹配状态标记为未匹配,(PUi,CUj)mch更新偏好列表,对中标记为未匹配状态的下一用户对执行如下操作:根据当前用户对的向首选项发出匹配邀请;
10.一种基于认知云网络的三边资源匹配系统,其特征在于,包括:
匹配模块,针对覆盖式认知无线电非正交多址接入网络,基于三边匹配算法的功率分配及频谱共享部分对主要用户和认知用户进行匹配,当引入的认知用户使得主要用户获得最高的通信性能且当前认知用户能够获得最高发射功率时,主要用户和认知用户匹配成功;
共享模块,对匹配成功的用户对,基于非正交多址介入技术实现发射功率共享,认知用户将使用与之匹配的主要用户的频谱进行卸载数据的传输,I个主要用户和J个认知用户进行两边匹配得若干个用户对(PUi,CUj),实现了最佳功率分配和频谱共享;
卸载模块,基于三边匹配算法的时间分配部分将匹配得到的若干用户对(PUi,CUj)和基站传输时间段Tk进行匹配,当基站传输时间段Tk的时间使用效率最大化时完成匹配,得到若干三元组(PUi,CUj,Tk),每个三元组中的用户对(PUi,CUj)在匹配到的传输时间段内进行卸载数据的传输,按次序将全部数据卸载到MEC服务器上。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110437367.XA CN113115424B (zh) | 2021-04-22 | 2021-04-22 | 一种基于认知云网络的三边资源匹配方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110437367.XA CN113115424B (zh) | 2021-04-22 | 2021-04-22 | 一种基于认知云网络的三边资源匹配方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113115424A true CN113115424A (zh) | 2021-07-13 |
CN113115424B CN113115424B (zh) | 2021-12-21 |
Family
ID=76719774
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110437367.XA Active CN113115424B (zh) | 2021-04-22 | 2021-04-22 | 一种基于认知云网络的三边资源匹配方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113115424B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114828244A (zh) * | 2022-03-03 | 2022-07-29 | 华北电力大学 | 面向内容服务三边匹配的天空地6g网络资源分配方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130301622A1 (en) * | 2006-12-01 | 2013-11-14 | Microsoft Corporation | Dynamic Time-Spectrum Block Allocation For Cognitive Radio Networks |
EP2843849A1 (en) * | 2012-04-27 | 2015-03-04 | Huawei Technologies Co., Ltd. | User pairing method, device and system for achieving user scheduling |
CN105682231A (zh) * | 2015-12-16 | 2016-06-15 | 上海大学 | 认知无线电网络协作通信的功率和时间联合分配方法 |
US20180234867A1 (en) * | 2017-02-14 | 2018-08-16 | National Tsing Hua University | Joint user clustering and power allocation method and base station using the same |
CN108462975A (zh) * | 2017-02-21 | 2018-08-28 | 上海交通大学 | D2d无线供电通信网络中功率与时间联合分配方法 |
CN109951897A (zh) * | 2019-03-08 | 2019-06-28 | 东华大学 | 一种能耗与延迟约束下的mec卸载方法 |
CN110446265A (zh) * | 2019-08-19 | 2019-11-12 | 电子科技大学 | 一种节能的基于动态分组的noma的移动边缘计算方法 |
CN110474701A (zh) * | 2019-07-18 | 2019-11-19 | 西北工业大学 | 基于配对论的非正交认知无线电网络中用户组对方法 |
CN111800812A (zh) * | 2019-10-10 | 2020-10-20 | 华北电力大学 | 一种基于非正交多址接入的移动边缘计算用户接入方案 |
CN112399467A (zh) * | 2019-08-13 | 2021-02-23 | 中国移动通信有限公司研究院 | 数据传输时间段的确定方法、装置、业务平台及终端 |
-
2021
- 2021-04-22 CN CN202110437367.XA patent/CN113115424B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130301622A1 (en) * | 2006-12-01 | 2013-11-14 | Microsoft Corporation | Dynamic Time-Spectrum Block Allocation For Cognitive Radio Networks |
EP2843849A1 (en) * | 2012-04-27 | 2015-03-04 | Huawei Technologies Co., Ltd. | User pairing method, device and system for achieving user scheduling |
CN105682231A (zh) * | 2015-12-16 | 2016-06-15 | 上海大学 | 认知无线电网络协作通信的功率和时间联合分配方法 |
US20180234867A1 (en) * | 2017-02-14 | 2018-08-16 | National Tsing Hua University | Joint user clustering and power allocation method and base station using the same |
CN108462975A (zh) * | 2017-02-21 | 2018-08-28 | 上海交通大学 | D2d无线供电通信网络中功率与时间联合分配方法 |
CN109951897A (zh) * | 2019-03-08 | 2019-06-28 | 东华大学 | 一种能耗与延迟约束下的mec卸载方法 |
CN110474701A (zh) * | 2019-07-18 | 2019-11-19 | 西北工业大学 | 基于配对论的非正交认知无线电网络中用户组对方法 |
CN112399467A (zh) * | 2019-08-13 | 2021-02-23 | 中国移动通信有限公司研究院 | 数据传输时间段的确定方法、装置、业务平台及终端 |
CN110446265A (zh) * | 2019-08-19 | 2019-11-12 | 电子科技大学 | 一种节能的基于动态分组的noma的移动边缘计算方法 |
CN111800812A (zh) * | 2019-10-10 | 2020-10-20 | 华北电力大学 | 一种基于非正交多址接入的移动边缘计算用户接入方案 |
Non-Patent Citations (6)
Title |
---|
李立欣,梁微,王大伟等: "Efficient Resource Allocation for NOMA-MEC", 《IEEE》 * |
李立欣,梁微等: "Matching-Based Resource Allocation and", 《IEEE》 * |
李立欣: "Resource Allocation for NOMA-MEC Systems in", 《IEEE》 * |
梁微: "Distributed Sequential Coalition Formation Algorithm for Spectrum Allocation in Underlay Cognitive Radio Networks", 《IEEE》 * |
梁微等: "Matching Theory Assisted Resource Allocation in", 《IEEE》 * |
梁微等: "User Pairing for Downlink Non-Orthogonal Multiple", 《IEEE》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114828244A (zh) * | 2022-03-03 | 2022-07-29 | 华北电力大学 | 面向内容服务三边匹配的天空地6g网络资源分配方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113115424B (zh) | 2021-12-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109413724B (zh) | 一种基于mec的任务卸载和资源分配方案 | |
CN112492626B (zh) | 一种移动用户计算任务的卸载方法 | |
Hu et al. | Wireless powered cooperation-assisted mobile edge computing | |
Song et al. | Joint task offloading and resource allocation for NOMA-enabled multi-access mobile edge computing | |
CN109842931B (zh) | 一种基于noma的d2d蜂窝系统资源分配方法 | |
CN108924796B (zh) | 一种资源分配及卸载比例联合决策的方法 | |
CN111884696B (zh) | 一种基于多载波的中继协作移动边缘计算方法 | |
Ti et al. | Computation offloading leveraging computing resources from edge cloud and mobile peers | |
Huynh et al. | Joint computational offloading and data-content caching in NOMA-MEC networks | |
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 | |
Shang et al. | Deep learning-assisted energy-efficient task offloading in vehicular edge computing systems | |
CN111988806A (zh) | 一种基于全双工中继的移动边缘计算网络资源分配方法 | |
CN113064665A (zh) | 一种基于李雅普诺夫优化的多服务器计算卸载方法 | |
CN111093226A (zh) | 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 | |
CN112738822A (zh) | 移动边缘计算环境中基于noma的安全卸载和资源分配方法 | |
CN113115424B (zh) | 一种基于认知云网络的三边资源匹配方法及系统 | |
Jia et al. | Distributed resource allocation and computation offloading scheme for cognitive mobile edge computing networks with NOMA | |
Zeng et al. | Dynamic spectrum sharing for load balancing in multi-cell mobile edge computing | |
Tang et al. | Joint optimization task offloading strategy for mobile edge computing | |
CN113709728B (zh) | 一种基于noma及无人机辅助的两阶段移动边缘计算通信方法及系统 | |
KR102391956B1 (ko) | 비직교 다중접속(noma) 방식을 지원하는 다중접속 에지 컴퓨팅(mec)에서 컴퓨팅 오프로딩 최적화를 위한 연합 방법 | |
CN114189521A (zh) | 在f-ran架构中协作计算卸载的方法 | |
Cao et al. | Energy-efficient mobile edge computing in NOMA-based wireless networks: A game theory approach | |
CN113573280B (zh) | 一种车辆边缘计算成本效益优化方法、系统、设备、终端 | |
CN113395684B (zh) | 一种基于可变带宽信道的分布式运算卸载方法 |
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 |