CN113326130A - 一种资源分配方法及装置 - Google Patents
一种资源分配方法及装置 Download PDFInfo
- Publication number
- CN113326130A CN113326130A CN202110603246.8A CN202110603246A CN113326130A CN 113326130 A CN113326130 A CN 113326130A CN 202110603246 A CN202110603246 A CN 202110603246A CN 113326130 A CN113326130 A CN 113326130A
- Authority
- CN
- China
- Prior art keywords
- data
- user terminal
- queue
- data volume
- processed
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/54—Interprogram communication
- G06F9/546—Message passing systems or structures, e.g. queues
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明实施例提供了一种资源分配方法及装置,涉及边缘计算领域,上述方法包括:从所述备选计算频率和所述用户终端的最大CPU计算频率中,选择一计算频率,作为所述用户终端的目标计算频率;根据所述目标计算频率、CPU频率数以及待处理数据的数据量,对所述第一数据量进行更新,得到第三数据量,并根据所述用户终端的信号功率、噪声功率以及待处理数据的数据量,对所述第二队列存储数据的第二数据量进行更新,得到第四数据量;向所述边缘基站发送包含所述第三数据量、第四数据量以及所述用户终端的功率统计值的状态信息,以使得所述边缘基站基于所述状态信息为所述用户终端分配传输功率。应用本实施例提供的方案能够实现资源分配。
Description
技术领域
本发明涉及边缘计算技术领域,特别是涉及一种资源分配方法及装置。
背景技术
工业互联网、智能交通、导航、环境监测等创新型应用的蓬勃发展,移动数据流量呈爆炸式增长。由于用户终端的计算和存储资源有限,用户终端在处理数据流量时,导致较大的网络开销和时延。为了应对大规模高密度的无线通信需求,MEC(Mobile EdgeComputing,移动边缘计算)被认为是提升网络性能的一种有效的方法。
MEC的原理是在靠近用户终端的地方部署具有通信、计算、控制和缓存能力的边缘基站,用户终端可以向边缘基站传输数据,边缘基站对接收到的数据进行处理,分担了用户终端的计算负担和存储压力。
在应用MEC方法的过程中需要为各用户终端分配资源,如何对资源进行分配成为当前亟需待解决的问题。
发明内容
本发明实施例的目的在于提供一种资源分配方法及装置,以实现资源分配。具体技术方案如下:
第一方面,本发明实施例提供了一种资源分配方法,应用于用户终端,所述用户终端中存储第一队列和第二队列,所述第一队列用于存储由所述用户终端处理的数据,所述第二队列用于存储由边缘基站处理的数据,所述方法包括:
获得待处理数据的数据量,并获得所述用户终端处理所述待处理数据所需的CPU频率数;
根据所述第一队列存储数据的第一数据量、所述用户终端的功率统计值以及所述CPU频率数,计算CPU计算频率,作为备选计算频率;
从所述备选计算频率和所述用户终端的最大CPU计算频率中,选择一计算频率,作为所述用户终端的目标计算频率;
根据所述目标计算频率、CPU频率数以及待处理数据的数据量,对所述第一数据量进行更新,得到第三数据量,并根据所述用户终端的信号功率、噪声功率以及待处理数据的数据量,对所述第二队列存储数据的第二数据量进行更新,得到第四数据量;
向所述边缘基站发送包含所述第三数据量、第四数据量以及所述用户终端的功率统计值的状态信息,以使得所述边缘基站基于所述状态信息为所述用户终端分配传输功率。
第二方面,本发明实施例提供了一种资源分配方法,应用于边缘基站,所述边缘基站中存储包含数据的待处理队列,所述方法包括:
接收用户终端发送的状态信息,其中,所述状态信息包括所述用户终端中存储第一队列更新后的第三数据量、第二队列更新后的第四数据量以及所述用户终端的功率统计值,所述第一队列用于存储由用户终端处理的数据,所述第二队列用于存储由边缘基站处理的数据;
根据各用户终端的状态信息和所述待处理队列存储数据的数据量,计算各用户终端的传输功率,并为各用户终端分配计算得到的传输功率。
第三方面,本发明实施例提供了一种资源分配装置,应用于用户终端,所述用户终端中存储第一队列和第二队列,所述第一队列用于存储由所述用户终端处理的数据,所述第二队列用于存储由边缘基站处理的数据,所述装置包括:
信息获得模块,用于获得待处理数据的数据量,并获得所述用户终端处理所述待处理数据所需的CPU频率数;
频率计算模块,用于根据所述第一队列存储数据的第一数据量、所述用户终端的功率统计值以及所述CPU频率数,计算CPU计算频率,作为备选计算频率;
频率选择模块,用于从所述备选计算频率和所述用户终端的最大CPU计算频率中,选择一计算频率,作为所述用户终端的目标计算频率;
数据量更新模块,用于根据所述目标计算频率、CPU频率数以及待处理数据的数据量,对所述第一数据量进行更新,得到第三数据量,并根据所述用户终端的信号功率、噪声功率以及待处理数据的数据量,对所述第二队列存储数据的第二数据量进行更新,得到第四数据量;
信息发送模块,用于向所述边缘基站发送包含所述第三数据量、第四数据量以及所述用户终端的功率统计值的状态信息,以使得所述边缘基站基于所述状态信息为所述用户终端分配传输功率。
第四方面,本发明实施例提供了一种资源分配装置,应用于边缘基站,所述边缘基站中存储包含数据的待处理队列,所述装置包括:
信息接收模块,用于接收用户终端发送的状态信息,其中,所述状态信息包括所述用户终端中存储第一队列更新后的第三数据量、所述第二队列更新后的第四数据量以及所述用户终端的功率统计值,所述第一队列用于存储用户终端处理的数据,所述第二队列用于存储由边缘基站处理的数据;
功率分配模块,用于根据各用户终端的状态信息和所述待处理队列存储数据的数据量,计算各用户终端的传输功率,并为各用户终端分配计算得到的传输功率。
第五方面,本发明实施例提供了一种用户终端,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现上述第一方面所述的方法步骤。
第六方面,本发明实施例提供了一种边缘基站,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现上述第二方面所述的方法步骤。
第七方面,本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面或第二方面任一所述的方法步骤。
由以上可见,应用本发明实施例提供的方案进行资源分配时,一方面,在计算备选计算频率时,由于是根据第一队列存储数据的第一数据量、用户终端的功率统计值以及CPU频率数计算得到的,使得所计算的备选频率能够反映相关随机过程的统计信息;又由于当计算频率能够反映统计信息时,计算频率能够提高计算性能,所以,应用本实施例提供的方案分配计算资源能够提高计算性能;另一方面,用户终端向边缘基站发送包含第三数据量、第四数据量以及功率统计值的状态信息,且第三数据量是对第一数据量更新后的数据量、第四数据量是对第二数据量更新后的数据量,上述第三数据量和第四数据量反映了用户终端存储的数据量,又由于在为用户终端分配传输功率时,若通过用户终端的功率统计信息进行确定的,能够提升用户终端传输信号的性能,所以边缘基站基于用户终端的实际存储的数据量以及功率统计值,所分配的传输功率能够提升用户终端传输信号的性能。
当然,实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的实施例。
图1为本发明实施例提供的一种边缘网络场景的示意图;
图2为本发明实施例提供的一种资源分配方法的流程示意图;
图3为本发明实施例提供的另一种资源分配方法的流程示意图;
图4a为本发明实施例提供的第一种对比图;
图4b为本发明实施例提供的第二种对比图;
图4c为本发明实施例提供的第三种对比图;
图4d为本发明实施例提供的第四种对比图;
图5为本发明实施例提供的一种资源分配装置的结构示意图;
图6为本发明实施例提供的另一种资源分配装置的结构示意图;
图7为本发明实施例提供的一种用户终端的结构示意图;
图8为本发明实施例提供的一种边缘基站的结构示意图。
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,所描述的实施例仅仅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基于本申请所获得的所有其他实施例,都属于本发明保护的范围。
首先,结合图1对本发明实施例的应用场景进行说明。
本发明实施例应用于边缘网络场景,边缘网络包括边缘基站,边缘基站用于接收用户终端发送的数据,并对接收到的数据进行处理;用户终端用于响应用户的请求,对数据进行处理,并且向边缘基站发送数据。
其中,用户终端存储第一队列和第二队列,上述第一队列用于存储由用户终端处理的数据,上述第二队列用于存储由边缘基站处理的数据;边缘基站存储包含数据的待处理队列,上述待处理队列用于存储由边缘基站处理的数据。
上述第一队列又可以称为本地计算队列,上述第二队列又可以称为计算卸载队列。
用户终端需要向边缘基站发送第二队列中的数据,由边缘基站处理接收到的数据。
以下对应用于用户终端的资源分配方法进行说明。
参见图2,图2为本发明实施例提供的一种资源分配方法的流程示意图,上述方法包括以下步骤S201-S205。
步骤S201:获得待处理数据的数据量,并获得用户终端处理待处理数据所需的CPU频率数。
上述待处理数据可以是用户终端当前产生的、且未被处理过的数据。
具体的,可以计算待处理数据的数据量大小,作为待处理数据的数据量。
本发明的一个实施例中,可以是获得当前时隙产生的待处理数据的数据量。
具体的,用户终端可以在针对每一时隙,获得该时隙内产生的待处理数据的数据量。这样,由于每一时隙产生的数据量都是不同,从而实现实时获得时隙内产生的数据量,进而能够在每一次时隙实现资源分配,以使得分配的资源更符合当前数据变化情况。
上述CPU频率数是指:用户终端的CPU在处理上述待处理数据时CPU风扇的转数。具体的,可以通过现有技术中任意一种计算CPU频率数的方式计算得到,在此不进行详述。
上述数据量和CPU频率数可以用一个二元组表示:{Am(t),Cm(t)},其中,m表示用户终端的标识,Am(t)表示用户终端m所获得的待处理数据的数据量,Cm(t)表示用户终端m所获得的CPU频率数。
步骤S202:根据第一队列存储数据的第一数据量、用户终端的功率统计值以及CPU频率数,计算CPU计算频率,作为备选计算频率。
上述第一数据量是指第一队列中存储的数据的数据量。
用户终端的功率统计值是指:对用户终端的历史功率进行统计分析的结果。例如:对用户终端的历史功率求平均值、中值等。用户终端的历史功率包括:用户终端的历史计算功率和历史传输功率,计算功率用于对数据进行处理、计算,传输功率用于对数据进行传输。
在计算CPU计算频率时,本发明的一个实施例中,可以按照以下表达式计算CPU计算频率fm(t):
其中,t表示当前时刻,fm(t)表示计算得到的CPU计算频率,也就是备选计算频率,Qm,loc(t)表示第一数据量,ε为预设系数,Qm,p(t)表示用户终端的功率统计值,Cm(t)表示CPU频率数,km表示用户终端的性能参数值。上述性能参数可以为用户终端的CPU性能。
步骤S203:从备选计算频率和用户终端的最大CPU计算频率中,选择一计算频率,作为用户终端的目标计算频率。
上述用户终端的最大CPU计算频率可以从是预先设定的。
在选择目标计算频率时,可以将备选计算频率和用户终端的最大CPU计算频率中最小计算频率作为目标计算频率;还可以计算备选计算频率和用户终端的最大CPU计算频率的平均值,作为目标计算频率。
步骤S204:根据目标计算频率、CPU频率数以及待处理数据的数据量,对第一数据量进行更新,得到第三数据量,并根据用户终端的信号功率、噪声功率以及待处理数据的数据量,对第二队列存储数据的第二数据量进行更新,得到第四数据量。
具体的,在对第一数据量进行更新时,可以根据目标计算频率和CPU频率数,计算得到CPU处理的数据量,也就是第一队列中将被处理的数据的数据量,通过第一数据量、计算得到的数据量以及待处理数据的数据量,可以对第一数据量进行更新。
例如:假设第一数据量为D11,计算得到的数据量为D12,待处理数据的数据量为D13,更新后的第一数据量,也就是第三数据量D1N=D11-D12+D13。
具体的,在对第二数据量进行更新时,可以根据用户终端的信号功率、噪声功率,计算得到用户终端传输数据的数据量,也就是第二队列中将被传输的数据的数据量,通过第二数据量、计算得到的数据量以及待处理数据的数据量,可以对第二数据量进行更新。
例如:假设第二数据量为D21,计算得到的数据量为D22,待处理数据的数据量为D23,更新后的第一数据量,也就是第三数据量D2N=D21-D22+D23。
步骤S205:向边缘基站发送包含第三数据量、第四数据量以及用户终端的功率统计值的状态信息,以使得边缘基站基于状态信息为用户终端分配传输功率。
上述状态信息包含第三数据量、第四数据量以及用户终端的功率统计值的状态信息,边缘基站可以基于状态信息计算用户终端的传输功率,并为用户终端分配所计算的传输功率。
具体的,用户终端可以采用非正交多址接入技术向边缘基站发送状态信息。上述非正交多址接入技术能够利用单个物理资源块同时服务于多个用户终端,也就是可以利用单个物理资源块同时传输多个用户终端发送的信号。
非正交多址接入技术可以满足更大的设备接入需求,支持大规模连接。非正交多址接入技术的并发和短分组传输可以减少设备各自的传输延迟,节省网络资源。
由以上可见,应用本实施例提供的方案进行资源分配时,一方面,在计算备选计算频率时,由于是根据第一队列存储数据的第一数据量、用户终端的功率统计值以及CPU频率数计算得到的,使得所计算的备选频率能够反映相关随机过程的统计信息;又由于当计算频率能够反映统计信息时,计算频率能够提高计算性能,所以,应用本实施例提供的方案分配计算资源能够提高计算性能;另一方面,用户终端向边缘基站发送包含第三数据量、第四数据量以及功率统计值的状态信息,且第三数据量是对第一数据量更新后的数据量、第四数据量是对第二数据量更新后的数据量,上述第三数据量和第四数据量反映了用户终端存储的数据量,又由于在为用户终端分配传输功率时,若通过用户终端的功率统计信息进行确定的,能够提升用户终端传输信号的性能,所以边缘基站基于用户终端的实际存储的数据量以及功率统计值,所分配的传输功率能够提升用户终端传输信号的性能。
在上述步骤S204中对第一数据量和第二数据量进行更新时,还可以先确定待处理数据所添加的目标队列,基于目标队列以及各项参数值对第一数据量和第二数据量进行更新。
本发明的一个实施例中,在确定待处理数据所添加的目标队列时,可以根据第一数据量与第二数据量,从第一队列和第二队列中,选择待处理数据所添加的目标队列。
具体的,在确定目标队列时,可以判断第一数据量是否大于第二数据量;若为是,确定第二队列为待处理数据所添加的目标队列;若为否,确定第一队列为待处理数据所添加的目标队列。
上述过程可以通过以下表达式实现:
其中,ρm,t表示用户终端的卸载策略,ρm,t=0表示待处理数据所添加的目标队列为第一队列,ρm,t=1表示待处理数据所添加的目标队列为第二队列,Qm,off(t)表示当前时刻第二队列的第二数据量,Qm,loc(t)当前时刻第一队列的一数据量,Qm,off(t)≥Qm,loc(t)表示第二数据量大于或者等于第一数据量,“Otherwise”表示第二数据量小于第一数据量。
若目标队列为第一队列,根据目标计算频率和CPU频率数,计算在预设时长内处理的处理数据量,根据处理数据量以及待处理数据的数据量,对第一数据量进行更新,得到第三数据量;并根据用户终端的信号功率和噪声功率,计算在预设时长内传输的传输数据量,基于传输数据量对第二数据量进行更新,得到第四数据量。
具体的,可以按照以下表达式计算处理数据量:
其中,t表示当前时刻,μ1m(t)表示处理数据量,fm(t)表示目标计算频率,Cm(t)表示CPU频率数,Δt表示预设时长。
在得到处理数据量后,可以按照以下表达式对第一数据量进行更新:
Qm,loc(t+1)=[Qm,loc(t)-μ1m(t)]++Am(t)
其中,Qm,loc(t+1)为更新后的第一数据量,即第三数据量,Qm,loc(t)为第一数据量,μ1m(t)为处理数据量,Am(t)为待处理数据的数据量。
上述表达式中[]+表示当[]中的值为大于或者等于0的数时,保留该数值,当[]中的值为小于0的数时,[]+的值为0。例如:假设Qm,loc(t)-μ1m(t)=-20,[Qm,loc(t)-μ1m(t)]+为0;Qm,loc(t)-μ1m(t)=20,[Qm,loc(t)-μ1m(t)]+为20。
具体的,可以按照以下表达式计算传输数据量:
其中,μ2m(t)表示传输数据量,Δt表示预设时长,W表示信道带宽,gm,tpm(t)表示用户终端的信号功率,gm,t表示信道增益,pm(t)表示用户终端的传输功率,Im(t)+n0(t)表示用户终端的噪声功率,Im(t)表示干扰功率,n0(t)表示背景噪声功率。
上述Im(t)是指对于用户终端m来说,其所发送的有用信号收到信道增益更弱的其他信号的干扰,可以采用以下表达式计算得到:
其中,i表示用户终端的标识,gi,t表示用户终端i对应的信道增益,pi(t)表示用户终端i的传输功率,m表示用户终端的标识,M表示用户终端的总数量。
在得到传输数据量后,可以按照以下表达式对第二数据量进行更新:
Qm,off(t+1)=[Qm,off(t)-μ2m(t)]+
其中,Qm,off(t+1)为更新后的第二数据量,即第四数据量,Qm,off(t)为第二数据量,μ2m(t)为传输数据量。
若目标队列为第二队列,根据目标计算频率和CPU频率数,计算在预设时长内处理的处理数据量,基于处理数据量对第一数据量进行更新,得到第三数据量;并根据用户终端的信号功率和噪声功率,计算在预设时长内传输的传输数据量,根据传输数据量以及待处理数据的数据量,对第二数据量进行更新,得到第四数据量。
可以采用以下表达式对第一数据量进行更新:
Qm,loc(t+1)=[Qm,loc(t)-μ1m(t)]+
其中,Qm,loc(t+1)为更新后的第一数据量,即第三数据量,Qm,loc(t)为第一数据量,μ1m(t)为处理数据量。
并按照以下表达式对第二数据量进行更新:
Qm,off(t+1)=[Qm,off(t)-μ2m(t)]++Am(t)
其中,Qm,off(t+1)为更新后的第二数据量,即第四数据量,Qm,off(t)为第二数据量,μ2m(t)为传输数据量,Am(t)为待处理数据的数据量。
综合上述各表达式,可以按照以下两个表达式分别得到第三数据量和第四数据量。
Qm,loc(t+1)=[Qm,loc(t)-μ1m(t)]++(1-ρm,t)Am(t)
其中,Qm,loc(t+1)为第三数据量,Qm,loc(t)为第一数据量,μ1m(t)为处理数据量,Am(t)为待处理数据的数据量,ρm,t为上述卸载策略,当ρm,t为0,表示待处理数据添加至第一队列,当ρm,t为1,表示待处理数据添加至第二队列。
Qm,off(t+1)=[Qoff(t)-Rm(t)]++ρm,tAm(t)
其中,Qm,off(t+1)为第四数据量,Qoff(t)为第二数据量,Rm(t)表示单位时长内传输数据量,Am(t)为待处理数据的数据量,ρm,t为上述卸载策略,当ρm,t为0,表示待处理数据添加至第一队列,当ρm,t为1,表示待处理数据添加至第二队列。
本发明的一个实施例中,可以按照以下表达式计算用户终端的功率统计值
Qm,p(t)=[Qm,p(t-1)-pm,ave]++pm,tot(t-1)
其中,Qm,p(t)为t时刻用户终端的功率统计值,Qm,p(t-1)为t-1时刻用户终端的功率统计值,pm,ave为预设的平均功率阈值,pm,tot(t-1)为在t-1时刻用户终端的总功率。
按照上述表达式可以计算得到各时刻用户终端的功率统计值,可以将这些功率统计值作为第三队列。
与上述应用于用户终端的资源分配方法相对应的,本发明实施例还提供了一种应用于边缘基站的资源分配方法。
上述边缘基站中存储包含数据的待处理队列,边缘基站对待处理队列中的数据进行处理。
参见图3,图3为本发明实施例提供的另一种资源分配方法的流程示意图,上述方法包括以下步骤S301-S302。
步骤S301:接收用户终端发送的状态信息。
上述状态信息包括用户终端中所存储的第一队列更新后的第三数据量、上述第二队列更新后的第四数据量以及用户终端的功率统计值。
上述第一队列用于存储用户终端处理的数据,上述第二队列用于存储由边缘基站处理的数据。
具体的,用户终端可以向边缘基站发送用于请求分配传输功率的请求,且在上述请求中携带状态信息,边缘基站接收到上述请求后,对请求进行解析,得到状态信息。
用户终端还可以向边缘基站发送用于请求分配传输功率的请求之后,再向边缘基站发送状态信息,边缘基站从而可以接收到状态信息。
步骤S302:根据各用户终端的状态信息和待处理队列存储数据的数据量,计算各用户终端的传输功率,并为各用户终端分配计算得到的传输功率。
具体的,可以采用以下表达式计算各用户终端的传输功率。
其中,vt为预设的变量,H3(vt)表示与vt相关的目标函数,s.t.表示约束条件,pm(vt)表示与vt相关的传输功率,pmax表示边缘基站向各用户终端分配的总传输功率,m表示用户终端的标识。
其中,H3(vt)表示与vt相关的目标函数,m表示用户终端的标识,M表示用户终端的总数量,Qm,off(t+1)表示用户终端m的第三数据量,Rm(vt)表示用户终端m的传输速率,Qm,p(t+1)表示用户终端m的功率统计值,pm(vt)表示用户终端m的传输功率,V为非负的预设控制系数,wm表示用户终端m的预设权重,QBS(t)表示边缘基站存储的待处理队列的数据量,vM,t为用户终端m对应的中间变量。
其中,M表示用户终端的总数量,g1,t表示用户终端1对应信道的信道增益,gm,t表示用户终端m对应信道的信道增益,gm+1,t表示用户终端m+1对应信道的信道增益,vm,t为用户终端m对应的中间变量。
可以通过MATLAB中的凸优化工具箱CVX求解上述表达式。
本发明的一个实施例中,可以定义系统效用函数为关于吞吐量的凸函数,具体的,可以选择加权的对数函数:
Um(t)=wmlog(1+xm,off(t)Rm(t))
其中,Um(t)为系统效用函数,wm为用户终端m的预设权重,xm,off(t)表示第二队列的状态因子,当第二队列为空,xm,off(t)=0,当第二队列不为空,xm,off(t)=1,Rm(t)表示用户终端m的传输速率。
上述凸函数是具有关于吞吐量单调递增的性质,且函数的增率逐渐减小,避免了系统只提升一部分用户的吞吐量而导致服务质量不公平的问题。长期系统效用最大化问题可以构建为:
其中,m表示用户终端的标识,M表示用户终端的总数量,Um(t)为用户终端m的目标效用函数,ρm,t表示用户终端m的卸载策略,s.t.表示约束条件,t表示当前时隙,pm,tot表示用户终端m的总功率,pave表示预设的平均功率阈值,fm(t)表示用户终端m的计算频率,fm,max表示用户终端m的最大计算频率,pm(t)表示用户终端m的传输功率,pmax表示用户终端m的最大传输功率,Qm,{loc,off}(t)表示用户终端m的第一队列和第二队列的数据量,QBS(t)表示边缘基站存储的待处理队列的数据量,E[]表示对括号中的变量计算期望值。
针对长期功率约束,引入虚拟队列,即
其中,Qm,p(t+1)为t+1时刻用户终端m的功率统计值,Qm,p(t)为t时刻用户终端m的功率统计值,pm,ave为预设的平均功率阈值,pm,tot(t)为在t时刻用户终端m的总功率。
将优化问题中四个队列稳定性的约束条件整合到目标函数,定义李雅普诺夫函数L(Θ(t))为:
其中,Θ(t)表示由第一队列、第二队列、虚拟队列以及待处理队列构成的向量,Qm,off(t)表示用户终端m中存储的第二队列的数据量,Qm,loc(t)表示用户终端m中存储的第一队列的数据量,Qm,p(t)表示用户终端m对应的虚拟队列的数据量,QBS(t)表示边缘基站存储的待处理队列的数据量。
接着定义李雅普诺夫转化函数为上式在两个相邻时隙的差值ΔL(t):
其中,L(Θ(t))表示李雅普诺夫函数中当前时隙的函数值,L(Θ(t+1))表示李雅普诺夫函数中t+1时隙的函数值,Θ(t)表示由第一队列、第二队列、虚拟队列以及待处理队列构成的向量。
上述原优化问题可以转化为三个优化子问题。
A)第一个优化子问题:首先将卸载决策变量ρm,t在区间[0,1]之间松弛为连续型变量,原问题则转化为在连续区间[0,1]内求解函数值最小化问题。根据目标函数的表达式H1(ρt):
其中,m为用户终端的标识,M为用户终端的总数量,Qm,off(t)表示用户终端m的第二队列的数据量,Qm,loc(t)表示用户终端m的第一队列的第一数据量,Am(t)表示用户终端m所获得的待处理数据的数据量,ρm,t表示用户终端m的卸载策略。
上述卸载决策最优解是:
其中,ρm,t表示用户终端的卸载策略,ρm,t=0表示待处理数据所添加的目标队列为第一队列,ρm,t=1表示待处理数据所添加的目标队列为第二队列,Qm,off(t)表示当前时刻第二队列的第二数据量,Qm,loc(t)当前时刻第一队列的一数据量,Qm,off(t)≥Qm,loc(t)表示第二数据量大于或者等于第一数据量,“Otherwise”表示第二数据量小于第一数据量。
B)CPU频率最优化问题的优化目标函数是关于变量f(t)的三次函数H2(f(t)):
其中,m表示用户终端的标识,M表示用户终端的总数量,Qm,p(t)为t时刻用户终端m的功率统计值,km表示用户终端m的性能参数值,fm(t)表示用户终端m对应的计算频率变量,pave表示预设的平均功率阈值,ε为预设系数,Qm,loc(t)表示用户终端存储的第一队列的第一数据量,Cm(t)表示用户终端m的CPU频率数。
上述CPU频率最优化问题的最优解是:
其中,t表示当前时刻,fm(t)表示CPU计算频率,也就是备选计算频率,Qm,loc(t)表示用户终端m的第一数据量,ε为预设系数,Qm,p(t)表示用户终端m的功率统计值,Cm(t)表示用户终端m对应的CPU频率数,km表示用户终端m的性能参数值。上述性能参数可以为用户终端的CPU性能。
C)上行发射功率最优化问题构建为下列凸优化问题:
其中,vt为预设的变量,H3(vt)表示与vt相关的目标函数,pm(vt)表示与vt相关的传输功率,pmax表示边缘基站向各用户终端分配的总传输功率。
其中,H3(vt)表示与vt相关的目标函数,m表示用户终端的标识,M表示用户终端的总数量,Qm,off(t+1)表示用户终端m的第三数据量,Rm(vt)表示用户终端m的传输速率,Qm,p(t+1)表示用户终端m的功率统计值,pm(vt)表示用户终端m的传输功率,V为非负的预设控制系数,wm表示用户终端m的预设权重,QBS(t)表示边缘基站存储的待处理队列的数据量,vM,t为用户终端m对应的中间变量。
可见,转化后的目标函数是关于变量νt的凸函数,而约束条件也是凸集合,因此,转化后的凸优化问题可采用MATLAB中的凸优化工具箱CVX来求解。
本发明的一个实施例中,上述步骤S301中状态信息可以是接收当前时隙用户终端发送的状态信息。也就是用户终端和边缘基站是基于时隙结构进行资源分配的。
在这种情况下,边缘基站获得当前时隙内所有用户终端的状态信息需要耗费较大的网络开销难度较大,为了节省网络开销,边缘基站可以获得当前时隙内部分用户终端的状态信息,剩余用户终端的状态信息可以基于这些用户终端的历史状态信息得到。
基于此,在当前时隙接收的状态信息为部分用户终端发送的状态信息时,边缘基站在计算各用户终端的传输功率时,本发明的一个实施例中,可以根据部分用户终端发送的状态信息、剩余用户终端的历史状态信息以及待处理队列存储数据的数据量,计算各用户终端的传输功率。
图4a为本发明实施例中基于所提算法的系统吞吐量随用户终端设备数量大小变化与基于正交频分多址接入技术的对比图,一个蜂窝小区中的设备数量设置为从0变化到200。结果表明,无论是实时调度还是10个时隙间隔调度,本发明提出的算法都优于基于正交频分多址接入的方案。特别是当设备数量超过100个时,它们之间的相对性能增益差距可达85%。而在蜂窝网络中,当设备数量超过70个时,基于正交频分多址接入的算法吞吐量下降。
图4b为本发明实施例中基于所提算法的系统开销随用户终端设备数量大小变化与基于正交频分多址接入技术的对比图。信号总开销快速增长,表现出两者之间的幂函数关系。每次从设备到基站的卸载和反馈都会产生信号开销,包括等待、传输和计算延迟。因此,较慢的传输速度和计算速度会导致队列中积累更多的任务。从曲线中可以看出,所提算法的信令总开销相对较小,与基于正交频分多址接入的算法相比,其开销减少了50%,这证实了基于非正交多址接入的卸载可以显著降低时延。
图4c为本发明实施例中队列长度随时间的变化趋势图。队列总长度先是增加,然后稳定在不同的值上。本发明所设计的算法在T=10/20调度周期的情况下,稳定队列长度比实时调度的队列长度短。静态调度有最短的稳定时间和最短的队列长度,但与实时调度相比,系统吞吐量有25%的损失。
图4d为本发明实施例中系统吞吐量随反馈周期的变化图。所设计算法的平均系统吞吐量随反馈周期呈线性递减、随参数V增加。设备反馈占用了更多原本分配的卸载时间,导致系统吞吐量下降。此外,系统的平均吞吐量也随着V的减小而减小,V的值越小,反馈间隔越长。
与上述应用于用户终端的资源分配方法相对应,本发明实施例还提供了一种应用于用户终端的资源分配装置。所述用户终端中存储第一队列和第二队列,所述第一队列用于存储由所述用户终端处理的数据,所述第二队列用于存储由边缘基站处理的数据
参见图5,图5为本发明实施例提供的一种资源分配装置的结构示意图,上述装置包括以下模块501-505。
信息获得模块501,用于获得待处理数据的数据量,并获得所述用户终端处理所述待处理数据所需的CPU频率数;
频率计算模块502,用于根据所述第一队列存储数据的第一数据量、所述用户终端的功率统计值以及所述CPU频率数,计算CPU计算频率,作为备选计算频率;
频率选择模块503,用于从所述备选计算频率和所述用户终端的最大CPU计算频率中,选择一计算频率,作为所述用户终端的目标计算频率;
数据量更新模块504,用于根据所述目标计算频率、CPU频率数以及待处理数据的数据量,对所述第一数据量进行更新,得到第三数据量,并根据所述用户终端的信号功率、噪声功率以及待处理数据的数据量,对所述第二队列存储数据的第二数据量进行更新,得到第四数据量;
信息发送模块505,用于向所述边缘基站发送包含所述第三数据量、第四数据量以及所述用户终端的功率统计值的状态信息,以使得所述边缘基站基于所述状态信息为所述用户终端分配传输功率。
本发明的一个实施例中,上述数据量更新模块,包括:
队列选择子模块,用于根据所述第一数据量与所述第二数据量,从所述第一队列和所述第二队列中,选择所述待处理数据所添加的目标队列;
第一数据量更新子模块,用于若所述目标队列为所述第一队列,根据所述目标计算频率和CPU频率数,计算在预设时长内处理的处理数据量,根据所述处理数据量以及所述待处理数据的数据量,对所述第一数据量进行更新,得到第三数据量;并根据所述用户终端的信号功率和噪声功率,计算在所述预设时长内传输的传输数据量,基于所述传输数据量对所述第二数据量进行更新,得到第四数据量;
第二数据量更新子模块,用于若所述目标队列为所述第二队列,根据所述目标计算频率和CPU频率数,计算在预设时长内处理的处理数据量,基于所述处理数据量对所述第一数据量进行更新,得到第三数据量;并根据所述用户终端的信号功率和噪声功率,计算在所述预设时长内传输的传输数据量,根据所述传输数据量以及所述待处理数据的数据量,对所述第二数据量进行更新,得到第四数据量。
本发明的一个实施例中,上述队列选择子模块,具体用于判断所述第一数据量是否大于第二数据量;若为是,确定所述第二队列为所述待处理数据所添加的目标队列;若为否,确定所述第一队列为所述待处理数据所添加的目标队列。
本发明的一个实施例中,上述数据量更新模块,具体用于按照以下表达式计算所述处理数据量:
其中,t表示当前时刻,μ1m(t)表示处理数据量,fm(t)表示所述目标计算频率,Cm(t)表示所述CPU频率数,Δt表示所述预设时长;
上述数据量更新模块,具体用于按照以下表达式计算所述传输数据量:
其中,μ2m(t)表示传输数据量,W表示信道带宽,gm,tpm(t)表示所述用户终端的信号功率,Im(t)+n0(t)表示所述用户终端的噪声功率。
本发明的一个实施例中,上述频率选择模块,具体用于按照以下表达式计算所述备选计算频率:
其中,t表示当前时刻,fm(t)表示所述备选计算频率,Qm,loc(t)表示所述第一数据量,ε为预设系数,Qm,p(t)表示所述用户终端的功率统计值,Cm(t)表示所述CPU频率数,km表示所述用户终端的性能参数值。
本发明的一个实施例中,上述用户终端的功率统计值为按照以下表达式计算得到的功率:
Qm,p(t)=[Qm,p(t-1)-pm,ave]++pm,tot(t-1)
其中,Qm,p(t)为t时刻所述用户终端的功率统计值,Qm,p(t-1)为t-1时刻所述用户终端的功率统计值,pm,ave为预设的平均功率阈值,pm,tot(t-1)为在t-1时刻所述用户终端的总功率。
本发明的一个实施例中,上述信息获得模块,具体用于获得当前时隙产生的待处理数据的数据量。
与上述应用于边缘基站的资源分配方法相对应,本发明实施例还提供了一种应用于边缘基站的资源分配装置。所述边缘基站中存储包含数据的待处理队列。
参见图6,图6为本发明实施例提供的另一种资源分配装置的结构示意图,上述装置包括以下模块601-602。
信息接收模块601,用于接收用户终端发送的状态信息,其中,所述状态信息包括所述用户终端中存储第一队列更新后的第三数据量、所述第二队列更新后的第四数据量以及所述用户终端的功率统计值,所述第一队列用于存储用户终端处理的数据,所述第二队列用于存储由边缘基站处理的数据;
功率分配模块602,用于根据各用户终端的状态信息和所述待处理队列存储数据的数据量,计算各用户终端的传输功率,并为各用户终端分配计算得到的传输功率。
本发明的一个实施例中,上述信息接收模块,具体用于接收当前时隙用户终端发送的状态信息;
所述功率分配模块,具体用于在当前时隙接收的状态信息为部分用户终端发送的状态信息时,根据所述部分用户终端发送的状态信息、剩余用户终端的历史状态信息以及所述待处理队列存储数据的数据量,计算各用户终端的传输功率,其中,所述剩余用户终端为:所述边缘基站连接的各用户终端中除所述部分用户终端外的用户终端。
本发明的一个实施例中,上述功率分配模块,具体用于按照以下表达式计算各用户终端的传输功率:
其中,vt为预设的变量,pmax表示边缘基站向各用户终端分配的总传输功率,H3(vt)表示与vt相关的目标函数,pm(vt)表示与vt相关的传输功率,
其中,Qm,off(t+1)表示用户终端的第三数据量,Rm(vt)表示用户终端的传输速率,Qm,p(t+1)表示用户终端的功率统计值,pm(vt)表示用户终端的传输功率,V为非负的预设系数,wm表示用户终端m的预设权重,QBS(t)表示边缘基站存储的待处理队列的数据量,vM,t为预设的中间变量。
其中,M表示用户终端的总数量,g1,t表示用户终端1对应信道的信道增益,gm,t表示用户终端m对应信道的信道增益,gm+1,t表示用户终端m+1对应信道的信道增益,vm,t为用户终端m对应的中间变量。
与上述应用于用户终端的资源分配方法相对应,本发明实施例还提供了一种用户终端。
参见图7,图7为本发明实施例提供的一种用户终端的结构示意图,包括处理器701、通信接口702、存储器703和通信总线704,其中,处理器701,通信接口702,存储器703通过通信总线704完成相互间的通信,
存储器703,用于存放计算机程序;
处理器701,用于执行存储器703上所存放的程序时,实现本发明实施例提供的应用于用户终端的资源分配方法。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,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。
与上述应用于边缘基站的资源分配方法相对应,本发明实施例还提供了一种边缘基站。
参见图8,图8为本发明实施例提供的一种边缘基站的结构示意图,包括处理器801、通信接口802、存储器803和通信总线804,其中,处理器801,通信接口802,存储器803通过通信总线804完成相互间的通信,
存储器803,用于存放计算机程序;
处理器801,用于执行存储器803上所存放的程序时,实现本发明实施例提供的应用于边缘基站的资源分配方法。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,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。
在本发明提供的又一实施例中,还提供了一种计算机可读存储介质,该计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现本发明实施例提供的应用于用户终端或者边缘基站的资源分配方法。
在本发明提供的又一实施例中,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行时实现本发明实施例提供的应用于用户终端或者边缘基站的资源分配方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置、用户终端、边缘基站、计算机可读存储介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (10)
1.一种资源分配方法,其特征在于,应用于用户终端,所述用户终端中存储第一队列和第二队列,所述第一队列用于存储由所述用户终端处理的数据,所述第二队列用于存储由边缘基站处理的数据,所述方法包括:
获得待处理数据的数据量,并获得所述用户终端处理所述待处理数据所需的CPU频率数;
根据所述第一队列存储数据的第一数据量、所述用户终端的功率统计值以及所述CPU频率数,计算CPU计算频率,作为备选计算频率;
从所述备选计算频率和所述用户终端的最大CPU计算频率中,选择一计算频率,作为所述用户终端的目标计算频率;
根据所述目标计算频率、CPU频率数以及待处理数据的数据量,对所述第一数据量进行更新,得到第三数据量,并根据所述用户终端的信号功率、噪声功率以及待处理数据的数据量,对所述第二队列存储数据的第二数据量进行更新,得到第四数据量;
向所述边缘基站发送包含所述第三数据量、第四数据量以及所述用户终端的功率统计值的状态信息,以使得所述边缘基站基于所述状态信息为所述用户终端分配传输功率。
2.根据权利要求1所述的方法,其特征在于,所述根据所述目标计算频率、CPU频率数以及待处理数据的数据量,对所述第一数据量进行更新,得到第三数据量,并根据所述用户终端的信号功率、噪声功率以及待处理数据的数据量,对所述第二队列存储数据的第二数据量进行更新,得到第四数据量,包括:
根据所述第一数据量与所述第二数据量,从所述第一队列和所述第二队列中,选择所述待处理数据所添加的目标队列;
若所述目标队列为所述第一队列,根据所述目标计算频率和CPU频率数,计算在预设时长内处理的处理数据量,根据所述处理数据量以及所述待处理数据的数据量,对所述第一数据量进行更新,得到第三数据量;并根据所述用户终端的信号功率和噪声功率,计算在所述预设时长内传输的传输数据量,基于所述传输数据量对所述第二数据量进行更新,得到第四数据量;
若所述目标队列为所述第二队列,根据所述目标计算频率和CPU频率数,计算在预设时长内处理的处理数据量,基于所述处理数据量对所述第一数据量进行更新,得到第三数据量;并根据所述用户终端的信号功率和噪声功率,计算在所述预设时长内传输的传输数据量,根据所述传输数据量以及所述待处理数据的数据量,对所述第二数据量进行更新,得到第四数据量。
3.根据权利要求2所述的方法,其特征在于,所述根据所述第一数据量与所述第二数据量,从所述第一队列和所述第二队列中,选择所述待处理数据所添加的目标队列,包括:
判断所述第一数据量是否大于第二数据量;
若为是,确定所述第二队列为所述待处理数据所添加的目标队列;
若为否,确定所述第一队列为所述待处理数据所添加的目标队列。
6.根据权利要求5所述的方法,其特征在于,所述用户终端的功率统计值为按照以下表达式计算得到的功率:
Qm,p(t)=[Qm,p(t-1)-pm,ave]++pm,tot(t-1)
其中,Qm,p(t)为t时刻所述用户终端的功率统计值,Qm,p(t-1)为t-1时刻所述用户终端的功率统计值,pm,ave为预设的平均功率阈值,pm,tot(t-1)为在t-1时刻所述用户终端的总功率。
7.一种资源分配方法,其特征在于,应用于边缘基站,所述边缘基站中存储包含数据的待处理队列,所述方法包括:
接收用户终端发送的状态信息,其中,所述状态信息包括所述用户终端中存储第一队列更新后的第三数据量、第二队列更新后的第四数据量以及所述用户终端的功率统计值,所述第一队列用于存储由用户终端处理的数据,所述第二队列用于存储由边缘基站处理的数据;
根据各用户终端的状态信息和所述待处理队列存储数据的数据量,计算各用户终端的传输功率,并为各用户终端分配计算得到的传输功率。
8.根据权利要求7所述的方法,其特征在于,
所述接收用户终端发送的状态信息,包括:
接收当前时隙用户终端发送的状态信息;
所述根据各用户终端的状态信息和所述待处理队列存储数据的数据量,计算各用户终端的传输功率,包括:
在当前时隙接收的状态信息为部分用户终端发送的状态信息时,根据所述部分用户终端发送的状态信息、剩余用户终端的历史状态信息以及所述待处理队列存储数据的数据量,计算各用户终端的传输功率,其中,所述剩余用户终端为:所述边缘基站连接的各用户终端中除所述部分用户终端外的用户终端。
9.一种资源分配装置,其特征在于,应用于用户终端,所述用户终端中存储第一队列和第二队列,所述第一队列用于存储由所述用户终端处理的数据,所述第二队列用于存储由边缘基站处理的数据,所述装置包括:
信息获得模块,用于获得待处理数据的数据量,并获得所述用户终端处理所述待处理数据所需的CPU频率数;
频率计算模块,用于根据所述第一队列存储数据的第一数据量、所述用户终端的功率统计值以及所述CPU频率数,计算CPU计算频率,作为备选计算频率;
频率选择模块,用于从所述备选计算频率和所述用户终端的最大CPU计算频率中,选择一计算频率,作为所述用户终端的目标计算频率;
数据量更新模块,用于根据所述目标计算频率、CPU频率数以及待处理数据的数据量,对所述第一数据量进行更新,得到第三数据量,并根据所述用户终端的信号功率、噪声功率以及待处理数据的数据量,对所述第二队列存储数据的第二数据量进行更新,得到第四数据量;
信息发送模块,用于向所述边缘基站发送包含所述第三数据量、第四数据量以及所述用户终端的功率统计值的状态信息,以使得所述边缘基站基于所述状态信息为所述用户终端分配传输功率。
10.一种资源分配装置,其特征在于,应用于边缘基站,所述边缘基站中存储包含数据的待处理队列,所述装置包括:
信息接收模块,用于接收用户终端发送的状态信息,其中,所述状态信息包括所述用户终端中存储第一队列更新后的第三数据量、所述第二队列更新后的第四数据量以及所述用户终端的功率统计值,所述第一队列用于存储用户终端处理的数据,所述第二队列用于存储由边缘基站处理的数据;
功率分配模块,用于根据各用户终端的状态信息和所述待处理队列存储数据的数据量,计算各用户终端的传输功率,并为各用户终端分配计算得到的传输功率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110603246.8A CN113326130B (zh) | 2021-05-31 | 2021-05-31 | 一种资源分配方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110603246.8A CN113326130B (zh) | 2021-05-31 | 2021-05-31 | 一种资源分配方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113326130A true CN113326130A (zh) | 2021-08-31 |
CN113326130B CN113326130B (zh) | 2022-07-12 |
Family
ID=77422903
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110603246.8A Active CN113326130B (zh) | 2021-05-31 | 2021-05-31 | 一种资源分配方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113326130B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114336600A (zh) * | 2021-12-13 | 2022-04-12 | 广东电网有限责任公司 | 一种功率控制方法、装置、移动终端及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102196564A (zh) * | 2010-03-19 | 2011-09-21 | 电信科学技术研究院 | 一种分配上行共享资源的方法和设备 |
CN108184270A (zh) * | 2018-01-29 | 2018-06-19 | 京信通信系统(中国)有限公司 | 一种基于tdma系统的资源调度方法及系统 |
CN109857546A (zh) * | 2019-01-03 | 2019-06-07 | 武汉理工大学 | 基于Lyapunov优化的多服务器移动边缘计算卸载方法及装置 |
CN110543336A (zh) * | 2019-08-30 | 2019-12-06 | 北京邮电大学 | 基于非正交多址接入技术的边缘计算任务卸载方法及装置 |
CN110830964A (zh) * | 2018-08-08 | 2020-02-21 | 中国电信股份有限公司 | 信息调度方法、物联网平台和计算机可读存储介质 |
CN111511028A (zh) * | 2020-04-13 | 2020-08-07 | 北京邮电大学 | 一种多用户资源分配方法、装置、系统及存储介质 |
-
2021
- 2021-05-31 CN CN202110603246.8A patent/CN113326130B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102196564A (zh) * | 2010-03-19 | 2011-09-21 | 电信科学技术研究院 | 一种分配上行共享资源的方法和设备 |
CN108184270A (zh) * | 2018-01-29 | 2018-06-19 | 京信通信系统(中国)有限公司 | 一种基于tdma系统的资源调度方法及系统 |
CN110830964A (zh) * | 2018-08-08 | 2020-02-21 | 中国电信股份有限公司 | 信息调度方法、物联网平台和计算机可读存储介质 |
CN109857546A (zh) * | 2019-01-03 | 2019-06-07 | 武汉理工大学 | 基于Lyapunov优化的多服务器移动边缘计算卸载方法及装置 |
CN110543336A (zh) * | 2019-08-30 | 2019-12-06 | 北京邮电大学 | 基于非正交多址接入技术的边缘计算任务卸载方法及装置 |
CN111511028A (zh) * | 2020-04-13 | 2020-08-07 | 北京邮电大学 | 一种多用户资源分配方法、装置、系统及存储介质 |
Non-Patent Citations (4)
Title |
---|
ALI AL-SHUWAILI等: "《Energy-Efficient_Resource_Allocation_for_Mobile_Edge_Computing-Based_Augmented_Reality_Applications》", 《IEEE WIRELESS COMMUNICATIONS LETTERS》 * |
BARBAROSSA S等: "《Joint allocation of computation and communication resources in multiuser mobile cloud computing》", 《IEEE INTERNATIONAL SYMPOSIUM ON》 * |
LIU J W等: "《Tolerable Data Transmission of Mobile》", 《IEEE ACCESS》 * |
LIU JUAN等: "《Delay-optimal computation task scheduling for mobile-edge computing systems》", 《IEEE INTERNATIONAL SYMPOSIUM ON INFORMATION THEORY》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114336600A (zh) * | 2021-12-13 | 2022-04-12 | 广东电网有限责任公司 | 一种功率控制方法、装置、移动终端及存储介质 |
CN114336600B (zh) * | 2021-12-13 | 2024-04-26 | 广东电网有限责任公司 | 一种功率控制方法、装置、移动终端及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113326130B (zh) | 2022-07-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113950103B (zh) | 一种移动边缘环境下多服务器完全计算卸载方法及系统 | |
CN110543336B (zh) | 基于非正交多址接入技术的边缘计算任务卸载方法及装置 | |
CN112600921B (zh) | 一种面向异构移动边缘网络的动态任务卸载方法 | |
US7729308B2 (en) | Optimal allocation of resources in a wireless communication system | |
CN110096362B (zh) | 一种基于边缘服务器协作的多任务卸载方法 | |
CN112579194B (zh) | 基于时延和事务吞吐量的区块链共识任务卸载方法及装置 | |
CN112911016B (zh) | 边端协同计算卸载方法及系统、电子设备和存储介质 | |
CN110149401B (zh) | 一种用于优化边缘计算任务的方法和系统 | |
CN110868700B (zh) | 车载边缘计算环境下基于可分裂任务的协作计算卸载方法 | |
CN111511028B (zh) | 一种多用户资源分配方法、装置、系统及存储介质 | |
CN112804728B (zh) | 一种基于上下文学习的电力物联网海量终端接入控制方法 | |
CN109144730B (zh) | 一种小小区下任务卸载方法及装置 | |
CN113835878A (zh) | 一种资源分配方法、装置、计算机设备及存储介质 | |
CN114760311A (zh) | 一种面向移动边缘网络系统的优化服务缓存及计算卸载方法 | |
EP3688938B1 (en) | Predictive scheduler | |
CN113326130B (zh) | 一种资源分配方法及装置 | |
US20080320278A1 (en) | System and method for efficient data transmission in a multi-processor environment | |
CN114938381A (zh) | 一种基于深度强化学习的d2d-mec卸载方法、计算机程序产品 | |
Li et al. | Privacy-aware online task offloading for mobile-edge computing | |
KR102562732B1 (ko) | Mec 기반 무선 네트워크의 태스크 오프로딩 장치 및 방법 | |
CN116302404B (zh) | 面向资源解耦合数据中心的服务器无感知计算调度方法 | |
KR102056894B1 (ko) | 포그 산업용 사물인터넷 네트워크의 동적 리소스 재분배 방법 | |
Abraham et al. | Energy-efficient and delay-aware mobile cloud offloading over cellular networks | |
CN113472591B (zh) | 一种业务性能的确定方法及装置 | |
CN113778682B (zh) | 一种mec系统资源分配方法 |
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 |