CN113162658A - 一种电力线通信中基于升价配额匹配的任务卸载方法 - Google Patents

Abstract

本发明公开了一种电力线通信中基于升价配额匹配的任务卸载方法，该方法在电力线通信设备与通信网关之间建有双向连接通路，并将通信网关接入到边缘服务器的前提下，获取电力线通信设备的长时间平均能耗约束以及实际传输时延和电力线通信设备的吞吐量；利用Lyapunov优化理论中的虚拟队列的概念将长期能耗约束条件转换为队列稳定性约束；并利用Lyapunov优化漂移‑惩罚理论将PLC设备长期吞吐量最大化优化目标转化为短期确定性子问题；并将优化问题建模成一种基于升价配额匹配的任务卸载方法。通过实施本发明，通过升价配额匹配的任务卸载方法，实现所有PLC设备长期吞吐量的最大化，减少了队列能耗，提升了队列稳定性。

Description

一种电力线通信中基于升价配额匹配的任务卸载方法

技术领域

本发明涉及电力线通信中资源分配方法的问题技术领域，尤其是一种基于升价配额匹配的任务卸载方法。

背景技术

电力线通信(Power Line Communication，PLC)被认为是一种提供宽带通信服务和工业物联网(Industrial Internet of Things，IIoT)中实现PLC设备互联的潜在技术。通常，大量PLC设备所产生的计算任务必须发送到距离设备较远的云平台上进行处理，具体原因如下：一方面，由于电力线最初设计时被用于传递电能，复杂的噪声、电缆衰减以及不可避免的干扰的存在等，使得电力线通信难以满足大带宽、长距离数据传输的需求。另一方面，PLC设备和云服务器之间长距离的数据传输导致时延增加和网络拥塞严重。为了解决上述问题，在电力线通信中需要增加数据传输的能量，从而导致能耗增加、干扰恶化。

通过将具有计算能力的边缘服务器从遥远的云端转移到距离PLC设备很近的网络边缘，边缘计算提供了一种可行的解决方案。因此，在PLC网络中计算密集型任务可以被卸载到相邻的边缘服务器中进行处理，从而大大缩短数据传输距离并且有效缓解信道压力和网络拥塞。此外，在具有边缘计算功能的PLC网络中需要使用高效的信道编码和调制技术来协助进行任务卸载。由于正交频分复用技术具有复杂度低、信道均衡、容量大和抗脉冲噪声干扰能力强等特点，故在PLC网络中被广泛使用。正交频分复用技术可以将传输带宽划分为多个相互正交的子信道，在进行任务卸载时，每一个PLC设备可以选择多个可用的子信道进行数据传输。

然而，随着PLC设备通信需求的指数增长，如何在有限的频谱资源的条件下进行信道选择成为PLC网络的一个关键问题。首先，当多个PLC设备同时选择相同的子信道进行任务卸载时，会产生频谱资源的竞争和访问冲突。其次，为了实现绿色通信并且减少电能损耗，需要同时考虑长期的能耗约束和短期的任务卸载决策。然而，由于任务卸载决策的决定需要考虑未来的信道状态和任务到达等信息，因此短期吞吐量性能的提升需要依靠长期的能量预算来获取。最后，由于任务队列的积压量同时取决于任务达到量和任务卸载的优化策略，故在任务随机到达的统计信息不可知的情况下，如何在有限的能源预算的条件下保证队列的稳定性依然是一个挑战。

目前一种动态随机接入信道的任务卸载方案，这种接入控制方法需要提前知晓所有用户对服务质量和时延的要求，需要的先验知识较多，无法满足大规模和长期的信道接入要求。另外一种方法基于一对一匹配理论的任务卸载方案，每个设备只能选择一台服务器或一个信道进行任务卸载，限制了资源的利用率。此外，出于简化模型的目的，忽略了多对一匹配问题中设备之间竞争性的存在。

因此，迫切需要设计一种电力线通信中资源分配方法实现有效的任务卸载，最大化所有PLC设备长期的吞吐量。

发明内容

本发明的目的是：克服现有技术中存在的不足，提供一种电力线通信中基于升价配额匹配的任务卸载方法，本发明利用Lyapunov优化理论中的虚拟队列的概念将长期能耗约束条件转换为队列稳定性约束，并利用Lyapunov优化漂移-惩罚理论将PLC设备长期吞吐量最大化优化目标转化为一系列短期确定性子问题进行求解，并结合升价匹配理论实现所有PLC设备长期吞吐量的最大化的问题。

为解决上述技术问题，本发明采用的技术方案如下：包括四个步骤：

(1)构建系统模型建立PLC网关、边缘服务器、PLC设备和相互正交的子信道电力线通信场景，建立电力线通信设备的长期吞吐量模型；

(2)优化电力线通信设备的长期吞吐量模型；

(3)基于Lyapunov优化原理联合优化问题的分解和求解，将长期的优化约束条件转化为队列稳定性的约束；

(4)基于升价配额匹配的任务卸载方法，最大化所有电力线通信设备的长期吞吐量。

进一步，步骤(1)构建系统模型如图1所示，本发明考虑了一种具有边缘计算功能的电力线通信场景，在该场景下使用正交频分复用技术进行数据传输，且所有的电力线通信设备与通信网关之间建有双向连接通路，并将通信网关接入到边缘服务器，由边缘服务器进行数据处理。在该场景中，本发明假设存在I个PLC设备和J个相互正交的子信道，其集合分别表示为

和

同时，本发明采用时隙模型，将总的优化时间划分为T个时隙，每个时隙的持续时间为τ，其集合表示为

并且每个时隙中包含N_s个正交频分复用信号。此外，本发明考虑一种准静态模型，即信道状态信息在一个时隙中保持不变，但在不同的时隙间发生变化。在每个时隙，电力线通信设备m_i可以选择至多ρ_i个子信道进行任务卸载，或者为了节约能量保持空闲状态，ρ_i是预先分配给电力线通信设备m_i的子信道数量配额。简单地说，电力线通信设备m_i面临J+1个可以选择的子信道，其集合表示为N_T＝{n₁,...,n_j,...,n_J,n_J+1}，其中n_j,j＝1,...,J代表相应的子信道，n_J+1代表空闲状态。

在第t时隙，假设电力线通信设备m_i产生A_i(t)比特数据，这些数据首先被储存在m_i的本地缓存中，然后被卸载到电力线通信网关。令U_i(t)为电力线通信设备m_i卸载到通信网关的数据量，则在第t个时隙，对于电力线通信设备m_i而言，任务卸载队列Q_i(t)的数据积压可动态表示为：

Q_i(t+1)＝max{Q_i(t)-U_i(t)，0}+A_i(t) (1)

且当Q_i(t)满足

队列Q_i是平均速率稳定的。

本发明中任务卸载决策指示符由J+1个二进制元素组成，其集合可表示为

且x_i，j(t)取值为0或1。当j＝1，2，...J时，x_i，j(t)＝1表示在t时隙，电力线通信设备m_i选择子信道n_j进行任务卸载，当j＝J+1时，x_i，j(t)＝1表示电力线通信设备m_i保持空闲状态。本发明采用正交幅度调制，则当设备m_i选择子信道n_j时被分配的传输信息的比特数可表示为：

上式中，p_i，j(t)是设备m_i加载在子信道n_j的功率，并且

其中

是功率谱密度掩码。特别地，本发明令p_i，J+1(t)＝0。g_i，j(t)是设备m_i在子信道n_j上的信噪比增益，表示为：

其中，H_i，j(t)是在子信道n_j上设备m_i的信道频率响应，N_i，j(t)为噪声功率。Γ_i是设备m_i的信噪比间隙，它取决于误码率P_e、应用的编码方式和系统的信噪比余量，它反映了在信噪比恶化的情况下，系统的抗干扰性能的变化。故Γ_i可以表示为：

其中Q^-1(x)是

的反函数。

基于以上分析，设备m_i的传输速率R_i(t)(单位比特/时隙)可以表示为：

依据上式可得，在t时隙，电力线通信设备m_i的吞吐量可以表示为：

U_i(t)＝min{R_i(t)，Q_i(t)} (7)

在实际的电力线通信中，考虑到绿色通信的需求，本发明考虑了长期的电力线通信设备的能耗约束，假定E_i(t)为电力线通信设备m_i在t时隙内的能耗，则E_i(t)可表示为：

其中，

为电力线通信设备m_i在t时隙内的实际传输时延。由此可得，设备m_i的能耗约束条件为：

其中，E_i，mean是电力线通信设备m_i的长时间平均能耗约束。

进一步，步骤(2)优化电力线通信设备的长期吞吐量模型。本发明的优化目标为最大化所有电力线通信设备的长期吞吐量，故随机优化问题可表述为：

其中，C₁～C₄为信道选择约束，C₂表示每个子信道最多只能被分配给一个电力线通信设备，C₃表示在每个时隙每个电力线通信设备最多可以利用ρ个子信道进行任务卸载，C₄表示在每个时隙每个电力线通信设备可以选择进行任务卸载或保持空闲状态。其中，ρ为分配给每个电力线通信设备的子信道数量配额，C₅为长期能耗约束，C₆为队列稳定性约束。

进一步步骤(3)基于Lyapunov优化原理联合优化问题的分解和求解，将长期的优化约束条件转化为队列稳定性的约束；由于长期能量约束以及队列稳定性约束与短期任务卸载决策间的耦合，直接求解优化问题P₁是困难的。Lyapunov优化理论是一种用于解决长期优化问题的有效方法。相比于随机优化等传统优化方法，Lyapunov优化方法需要的先验知识较少，且计算复杂度更低。本发明利用Lyapunov优化理论将长期的优化约束条件转化为队列稳定性的约束，从而将长期的优化问题转化为一系列的短期确定性子问题。具体实现过程如下所述。基于虚拟队列的概念，长期能量约束C₅可以转化为队列稳定性约束，且将与约束条件C₄相关联的虚拟能量赤字队列表示为

其更新公式为：

在上式中，如果

是平均速率稳定的，则约束C₄自动成立，从而优化问题P₁可转化为下式：

C₇：Q_i和

都是平均速率稳定的，

本发明构造向量L(Θ(t))＝[Q(t)，Z(t)]为数据队列和虚拟队列的串联向量，则Lyapunov函数可以定义为：

由于Lyapunov漂移被定义为Lyapunov函数在连续两个时隙中的条件期望变化值，则一阶Lyapunov漂移可以表示为：

直观地说，一个更小的Lyapunov漂移对于保证队列的稳定性是至关重要的。为了在队列稳定约束条件下求解问题P₂，本发明定义Lyapunov漂移-惩罚为：

DM(Θ(t))＝ΔL(Θ(t))-VE{U(t)|Θ(t)} (13)

在上式中，

V是一个非负的权重参数，它代表着Lyapunov漂移ΔL(Θ(t))和惩罚

的相关性，即在“队列稳定性”和“惩罚最大化”之间进行权衡。基于Lyapunov优化定理，P₂可转化为下式：

其中，ψ[x_i，j(t)]的计算公式为：

进一步步骤(4)基于升价配额匹配的任务卸载方法，最大化所有电力线通信设备的长期吞吐量具体为将优化问题P3建模成在每个时隙，设备与子信道之间多对一的匹配问题，并提出一种基于升价配额匹配的任务卸载方法。在该算法中，P_j是为解决匹配冲突而强加在子信道上的虚拟报价，初始值被设置为0，ΔP是在n_j∈Ω条件下的单次价格变化值。该算法的具体实现步骤如下：

(1)初始化阶段

将Q_i(1)作为数据队列积压的初始值，且令

并将未被匹配的所有PLC设备和子信道的集合分别表示为M_t＝M，N_t＝N_T，子信道选择指示符x_i，j(t)＝0，虚拟价格P_j＝0，以及匹配冲突集合

(2)喜爱列表的构建阶段

每个电力线通信设备通过选择相应的子信道来最大化设备吞吐量，则电力线通信设备m_i对于子信道n_j的偏好值可表示为：

L_i，j(t)＝-ψ[x_i，j(t)]-P_j (16)

依据电力线通信设备对每个信道的偏好值，本发明为每个设备建立其喜爱列表

并且以降序方式对每个电力线通信设备的喜爱列表

进行排序。

(3)迭代匹配阶段

在迭代匹配过程中，每个电力线通信设备根据其喜爱列表和配额ρ_i向其喜爱列表中前ρ_i个子信道发起请求。如果电力线通信设备m_i对于n_J+1的偏好值位于其喜爱列表的第μ_i个位置，则该电力线通信设备的配额数ρ_i更新为：ρ_i＝min{μ_i-1，ρ_i}。当ρ_i＝0时，将设备m_i从未被匹配的设备集合M_t中移除。若子信道

只收到一个设备的请求，则直接配对成功，并将n_j从未被匹配的子信道集合移除，并令ρ_i＝ρ_i-1。同理，当ρ_i＝0时将设备m_i从未被匹配的设备集合M_t中移除。若子信道

收到多个设备发送的请求，则将子信道n_j加入到匹配冲突集合Ω中，并且开始进行升价匹配过程。

在升价匹配进程中，位于集合Ω内的子信道n_j将按照单次价格变化ΔP来提升价格，即该信道的虚拟价格变为P_j＝P_j+ΔP。相应地，所有向子信道n_j发出请求的电力线通信设备将更新其喜爱列表并发出新的请求。最后，当只有一个设备选择该子信道n_j时，升价匹配过程结束。同时将子信道n_j从集合Ω中移出，并将与子信道n_j匹配的设备m_i从未被匹配的设备集合M_t中移除。当t＞T时，该算法迭代停止。

(4)任务卸载

基于上阶段得出的匹配结果，每个PLC设备执行任务卸载决策，并依据公式(1)和(11)更新队列Q_i(t+1)和

本发明相对于现有计算具有如下的优点及效果：

(1)基于升价配额匹配的任务卸载方法：基于升价匹配理论，本发明将PLC设备与子信道之间的选择问题建模为多对一匹配问题，并依据PLC设备选择每个子信道产生的吞吐量值建立其喜爱列表，以及通过涨价机制来解决子信道选择冲突问题，从而实现所有PLC设备长期吞吐量的最大化。

(2)利用Lyapunov优化理论中虚拟队列概念将长期的能量约束转化为队列稳定性约束，并利用Lyapunov优化漂移-惩罚理论将PLC设备长期吞吐量最大化优化目标转化为一系列短期确定性子问题进行求解，从而减少了队列能耗，提升了队列稳定性。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某个实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1是本发明实施例中系统模型的场景示意图；

图2是本发明实施例中平均吞吐量示意图；

图3是本发明实施例中平均能耗示意图；

图4是本发明实施例中队列积压示意图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

本发明在理想的室内PLC网络中对所提出的基于升价配额匹配的任务卸载方法进行对比仿真实验，假定在室内PLC网络中含有40个的PLC设备，通信带宽为1-10MHz，每个子信道的带宽为20KHz，共有450个子信道。每个PLC设备可以选择的子信道的配额数为10。

采用两种现有的算法作为对比算法，对比算法1是是贪婪匹配算法，该算法中PLC设备会优先选择那些速率大的子信道。对比算法2为随机匹配算法，该算法中PLC设备随机选择子信道。

步骤1在第t时隙，假设电力线通信设备m_i产生A_i(t)比特数据，这些数据首先被储存在m_i的本地缓存中，然后被卸载到电力线通信网关。令U_i(t)为电力线通信设备m_i卸载到通信网关的数据量，则在第t个时隙，对于电力线通信设备m_i而言，任务卸载队列Q_i(t)的数据积压可动态表示为：

Q_i(t+1)＝max{Q_i(t)-U_i(t)，0}+A_i(t)

且当Q_i(t)满足

队列Q_i是平均速率稳定的。

任务卸载决策指示符由451个二进制元素组成，其集合可表示为

且x_i，j(t)取值为0或1。当j＝1，2，3，...，450时，x_i，j(t)＝1表示在t时隙，电力线通信设备m_i选择子信道n_j进行任务卸载，当j＝451时，x_i，j(t)＝1表示电力线通信设备m_i保持空闲状态。本发明采用正交幅度调制，则当设备m_i选择子信道n_j时被分配的传输信息的比特数可表示为：

上式中，p_i，j(t)是设备m_i加载在子信道n_j的功率，并且

其中

是功率谱密度掩码。特别地，本发明令p_i，451(t)＝0。g_i，j(t)是设备m_i在子信道n_j上的信噪比增益，表示为：

其中，H_i，j(t)是在子信道n_j上设备m_i的信道频率响应，N_i，j(t)为噪声功率。Γ_i是设备m_i的信噪比间隙，它取决于误码率P_e、应用的编码方式和系统的信噪比余量，它反映了在信噪比恶化的情况下，系统的抗干扰性能的变化。故Γ_i可以表示为：

其中Q^-1(x)是

的反函数。

基于以上分析，设备m_i的传输速率R_i(t)(单位比特/时隙)可以表示为：

依据上式可得，在t时隙，电力线通信设备m_i的吞吐量可以表示为：

U_i(t)＝min{R_i(t)，Q_i(t)}

在实际的电力线通信中，考虑到绿色通信的需求，本发明考虑了长期的电力线通信设备的能耗约束，假定E_i(t)为电力线通信设备m_i在t时隙内的能耗，则E_i(t)可表示为：

其中，

为电力线通信设备m_i在t时隙内的实际传输时延。由此可得，设备m_i的能耗约束条件为：

其中，E_i，mean是电力线通信设备m_i的长时间平均能耗约束，取值为1×10^-8J。

步骤2：随机优化问题可表述为

C₆：Q_i平均速率稳定，

其中，C₁～C₄为信道选择约束，C₂表示每个子信道最多只能被分配给一个电力线通信设备，C₃表示在每个时隙每个电力线通信设备最多可以利用10个子信道进行任务卸载，C₄表示在每个时隙每个电力线通信设备可以选择进行任务卸载或保持空闲状态。其中分配给每个电力线通信设备的子信道数量配额为10个，C₅为长期能耗约束，C₆为队列稳定性约束。

步骤3：将与约束条件C₄相关联的虚拟能量赤字队列表示为

其更新公式为：

在上式中，如果

是平均速率稳定的，则约束C₄自动成立，从而优化问题P₁可转化为下式：

s.t.C₁～C₄

C₇：Q_i和

部是平均速率稳定的，

本发明构造向量L(Θ(t))＝[Q(t)，Z(t)]为数据队列和虚拟队列的串联向量，则Lyapunov函数可以定义为：

由于Lyapunov漂移被定义为Lyapunov函数在连续两个时隙中的条件期望变化值，则一阶Lyapunov漂移可以表示为：

直观地说，一个更小的Lyapunov漂移对于保证队列的稳定性是至关重要的。为了在队列稳定约束条件下求解问题P₂，本发明定义Lyapunov漂移-惩罚为：

DM(Θ(t))＝ΔL(Θ(t))-VE{U(t)|Θ(t)}

在上式中，

V＝300是一个非负的权重参数，它代表着Lyapunov漂移ΔL(Θ(t))和惩罚

的相关性，即在“队列稳定性”和“惩罚最大化”之间进行权衡。基于Lyapunov优化定理，P₂可转化为下式：

s.t.C₁～C₄，

其中，ψ[x_i，j(t)]的计算公式为：

步骤4：将优化问题P3建模成在每个时隙，设备与子信道之间多对一的匹配问题，并提出一种基于升价配额匹配的任务卸载方法。在该算法中，P_j是为解决匹配冲突而强加在子信道上的虚拟报价，初始值被设置为0，ΔP是在n_j∈Ω条件下的单次价格变化值。该算法的具体实现步骤如下：

1)初始化阶段

将Q_i(1)作为数据队列积压的初始值，且令

并将未被匹配的所有PLC设备和子信道的集合分别表示为M_t＝M，N_t＝N_T，子信道选择指示符x_i，j(t)＝0，虚拟价格P_j＝0，以及匹配冲突集合

(2)喜爱列表的构建阶段

每个电力线通信设备通过选择相应的子信道来最大化设备吞吐量，则电力线通信设备m_i对于子信道n_j的偏好值可表示为：

L_i，j(t)＝-ψ[x_i，j(t)]-P_j

依据电力线通信设备对每个信道的偏好值，本发明为每个设备建立其喜爱列表

并且以降序方式对每个电力线通信设备的喜爱列表

进行排序。

(3)迭代匹配阶段

在迭代匹配过程中，每个电力线通信设备根据其喜爱列表和配额向其喜爱列表中前ρ_i个子信道发起请求。如果电力线通信设备m_i对于n_J+1的偏好值位于其喜爱列表的第μ_i个位置，则该电力线通信设备的配额数ρ_i更新为：ρ_i＝min{μ_i-1，ρ_i}。当ρ_i＝0时，将设备m_i从未被匹配的设备集合M_t中移除。若子信道

只收到一个设备的请求，则直接配对成功，并将n_j从未被匹配的子信道集合移除，并令ρ_i＝ρ_i-1。同理，当ρ_i＝0时将设备m_i从未被匹配的设备集合M_t中移除。若子信道

收到多个设备发送的请求，则将子信道n_j加入到匹配冲突集合Ω中，并且开始进行升价匹配过程。

在升价匹配进程中，位于集合Ω内的子信道n_j将按照单次价格变化ΔP＝0.1来提升价格，即该信道的虚拟价格变为P_j＝P_j+ΔP。相应地，所有向子信道n_j发出请求的电力线通信设备将更新其喜爱列表并发出新的请求。最后，当只有一个设备选择该子信道n_j时，升价匹配过程结束。同时将子信道n_j从集合Ω中移出，并将与子信道n_j匹配的设备m_i从未被匹配的设备集合M_t中移除。当t＞T＝100时，该算法迭代停止。

(4)任务卸载

基于上阶段得出的匹配结果，每个PLC设备执行任务卸载决策，并依据公式(1)和(11)更新队列Q_i(t+1)和

图2显示了平均吞吐量性能随时隙的变化情况，可以发现本发明提出的算法可以实现的吞吐量性能优于另外两种算法，数据结果表明在t＝100时，本发明提出的算法分别比贪婪匹配和随机匹配算法实现的吞吐量性能高14.57％和3.19％。这是因为基于升价配额匹配的任务卸载算法可以根据PLC设备的队列数据积压量来选择子信道。然而，使用贪婪匹配算法时，即使PLC设备没有数据要传输，依然会选择传输速率最快的子信道，导致那些有大量数据积压量的PLC设备不能使用这些传输速率快的子信道进行任务卸载，从而导致吞吐量性能下降。

图3显示了三种匹配算法的平均能耗，可以发现在考虑能耗约束的前提下，本发明提出的算法所消耗的能量最少。当t＝100时，本发明提出的算法所消耗的能量分别比随机匹配和贪婪匹配算法低12.63％和70.78％。

图4显示了三种算法的平均队列积压随时隙的变化情况，可以发现由于本发明提出的基于升价配额匹配的任务卸载算法考虑了每个PLC设备的队列积压量，所以队列数据积压最小。当t＝100时，本发明提出的算法产生的队列数据积压分别比随机匹配和贪婪匹配算法的队列数据积压量低66.75％和87.13％。同时，可以发现贪婪匹配算法的队列数据积压最严重，这是因为该算法不平衡的子信道选择导致了队列积压的增加。此外，由于子信道选择的随机性，导致子信道的使用较为均衡，因此随机匹配算法的队列积压性能优于贪婪匹配算法。

本发明所提基于升价配额匹配的任务卸载方法，基于升价匹配理论，本发明将PLC设备与子信道之间的选择问题建模为多对一匹配问题，并依据PLC设备选择每个子信道产生的吞吐量值建立其喜爱列表，以及通过涨价机制来解决子信道选择冲突问题，从而实现所有PLC设备长期吞吐量的最大化。

以上所述仅是本发明的优选实施方式，并不用于限制本发明，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变型，这些改进和变型也应视为本发明的保护范围。

Claims (4)

1.一种电力线通信中基于升价配额匹配的任务卸载方法，其特征在于，该方法包括5个步骤：(1)建立具有边缘计算功能的电力线通信场景，使用正交频分复用技术进行数据传输，且所有的电力线通信设备与通信网关之间建有双向连接通路，并将通信网关接入到边缘服务器，由边缘服务器进行数据处理，预设长期的电力线通信设备的能耗约束和电力线通信设备的吞吐量；(2)根据信道选择约束、长期能耗约束、队列稳定性约束以及信道任务卸载配额条件，最大化所有电力线通信设备的长期吞吐量；(3)利用Lyapunov优化理论将长期的优化约束条件转化为队列稳定性的约束，将长期的优化问题转化为短期确定性子问题；(4)基于升价配额匹配的任务卸载方法为各业务的目标计算任务卸载决策。

2.根据权利要求1所述的一种电力线通信中基于升价配额匹配的任务卸载方法，其特征在于：所述步骤(1)建立具有边缘计算功能的电力线通信场景，信道状态信息在一个时隙中保持不变，但在不同的时隙间发生变化，采用时隙模型，将总优化时间划分为T个时隙，每个时隙的持续时间为τ，其集合表示为

并且每个时隙中包含N_s个正交频分复用信号。

3.根据权利要求2所述的一种电力线通信中基于升价配额匹配的任务卸载方法，其特征在于：步骤(3)构造向量为数据队列和虚拟队列的串联向量。

4.一种电力线通信中基于升价配额匹配的任务卸载方法，其特征在于，算法包括以下步骤：

(1)将任务卸载队列初始化：将未被匹配的所有PLC设备和子信道的集合分别进行表示，定义子信道选择指示符、虚拟价格以及匹配冲突集合；

(2)构建喜爱列表：每个电力线通信设备通过选择相应的子信道来最大化设备吞吐量，依据电力线通信设备对每个信道的偏好值，为每个设备建立其喜爱列表，并且以降序方式对每个电力线通信设备的喜爱列表进行排序；

(3)迭代匹配阶段：在迭代匹配过程中，每个电力线通信设备根据其喜爱列表和配额向其喜爱列表中排在前列的子信道发起请求，若子信道收到多个设备发送的请求，则将子信道加入到匹配冲突集合中，并且开始进行升价匹配过程；在升价匹配进程中，位于匹配冲突集合内的子信道将按照单次价格变化来提升价格，相应地，所有向子信道发出请求的电力线通信设备将更新其喜爱列表并发出新的请求；最后，当只有一个设备选择了某个子信道时，升价匹配过程结束，同时将被选择的子信道从匹配冲突集合中移出，并将与子信道匹配的设备从未被匹配的设备集合中移除，直到时间段的最后一个时隙结束，迭代停止；

(4)任务卸载：基于步骤(3)得出的匹配结果，每个PLC设备根据任务卸载队列的数据积压和虚拟能量赤字队列约束执行任务卸载决策。

Images