CN113517920A - 超密集低轨星座中物联网模拟载荷的计算卸载方法及系统 - Google Patents

Abstract

本发明公开了一种超密集低轨星座中物联网模拟载荷的计算卸载方法及系统。方法包括：S1，将物联网构建为平均场模型；S2，获得模拟载荷t时刻的平均场负载因子；S3，获取模拟载荷t时刻的计算卸载开销；S4，构建第一微分方程；利用第一微分方程求解出模拟载荷在t时刻的计算卸载的发射功率和传输功率的最小值p^*(t)；若t≥T，结束，若t＜T，进入S5；S5，构建第二微分方程，将p^*(t)代入第二微分方程求得模拟载荷t+1时刻的卸载传输的信道增益、需要卸载的计算任务量和平均场模型值，令t＝t+1，返回执行S2、S3和S4。模拟载荷根据信道、数据状态、平均场负载因子的演进，动态调整卸载决策，最小化载荷在应用约束时间内开销，有效缓解了计算资源紧缺问题。

Description

超密集低轨星座中物联网模拟载荷的计算卸载方法及系统

技术领域

本发明涉及计算卸载技术领域，特别是涉及一种超密集低轨星座中物联网模拟载荷的计算卸载方法及系统。

背景技术

近年来，随着商业航天的快速发展，在全世界范围内掀起了卫星互联网的建设热潮，国内外各大航天企业纷纷推出了各自的卫星互联网计划。我国也将卫星互联网纳入了通信网络基础设施范畴。在这些星座计划中，规划的卫星少则几百颗，多则上万颗，如此大规模的卫星系统建设，势必将形成超密集的卫星系统。此外，随着空天地一体化网络的发展，卫星载荷的数据处理能力也显著提高，为了解决星基物联网短时间内产生的海量数据，对物联网模拟载荷的计算处理能力提出了新的挑战，但是考虑到卫星对于能量补给的困难性，不可能短时间内将一个模拟载荷的能量耗尽，而模拟载荷之间的协同计算对解决这项难题提供了可能。协同计算也就是模拟载荷的计算卸载，即模拟载荷可以将计算密集型任务的全部或者只是一部分卸载到其他空闲的模拟载荷上，而不仅仅只是在本地处理任务。

在制定计算卸载策略时，需要考虑到各个方面，例如计算应用的延迟约束，卸载能量开销等。目前的卸载策略主要有部分卸载、二元卸载和随机卸载并且这些计算卸载方案大多都是通过解决集中式的优化问题而获得的，这种方式对于少数的几个模拟载荷来说是可行的，但是集中式优化在超密集网络中需要以大量的信令开销为代价来获取全局网络信息，这对于超密集的星座网络是难以实现的。此外，低轨星座的卫星具有超高的移动速度，常规的静态优化方案不再适用，而应该动态的调整自身的卸载策略。

现有的计算卸载的研究都有一个动态与静态的矛盾，集中式与分布式的矛盾，单个载荷与大量密集载荷的矛盾。为了解决这些问题，考虑到我们的大规模模拟载荷和动态的计算卸载需求，我们提出一种分布式的，动态的，且用于大规模载荷计算卸载的方法。

发明内容

本发明旨在至少解决现有技术中存在的技术问题，特别创新地提出了一种超密集低轨星座中物联网模拟载荷的计算卸载方法及系统。

为了实现本发明的上述目的，根据本发明的第一个方面，本发明提供了一种超密集低轨星座中物联网模拟载荷的计算卸载方法，包括：步骤S1，将超密集星座物联网构建为平均场模型；步骤S2，基于模拟载荷t时刻的卸载传输的信道增益h(t)、需要卸载的计算任务量q(t)和平均场模型值m(t,s)获得模拟载荷t时刻的平均场负载因子

s(t)表示模拟载荷t时刻的数据和信道的状态，s(t)＝[q(t),h(t)]，s(t)简记为s；步骤S3，获取模拟载荷t时刻的计算卸载的开销c(t)；步骤S4，构建第一微分方程：

其中，p(t)表示模拟载荷在t时刻计算卸载传输所需功率；W表示数据传输带宽；

表示加性高斯白噪声的功率；α(t)表示t时刻信道模型变化函数的函数值；β(t)表示t时刻布朗运动方差；

利用第一微分方程求解出模拟载荷在t时刻的计算卸载传输所需功率的最小值p^*(t)为：

若t≥T，结束，所述T表示为预设的T个时刻，若t＜T，进入步骤S5；步骤S5，构建第二微分方程：

将p^*(t)代入第二微分方程求得模拟载荷t+1时刻的平均场模型值m(t+1,s)，再求得模拟载荷t+1时刻的卸载传输的信道增益h(t+1)和需要卸载的计算任务量q(t+1)，令t＝t+1，返回执行步骤S2、S3和S4。

上述技术方案：模拟载荷根据自己的信道和数据状态，以及平均场负载因子的演进，动态的调整自己的卸载决策，从而最小化载荷在应用约束时间内的资源开销，通过提出平均场博弈卸载方法，从模拟载荷自身的卸载决策出发，只需要考虑载荷自身的信道状态和数据状态，分布式的做出最优的卸载决策，不仅降低了系统的信令开销和算法计算复杂度，还有效的缓解了模拟载荷计算资源紧缺问题。

在本发明一种优选实施方式中，获取模拟载荷t时刻的卸载传输的信道增益h(t)的过程包括：建立模拟载荷的动态信道模型为：dh(t)＝α(t)dt+β(t)dω(t)；其中，α(t)dt表示载荷之间确定性的路径损耗；β(t)dω(t)表示信道变化的不确定性部分，ω(t)表示布朗运动因子；根据所述动态信道模型获得模拟载荷t时刻的卸载传输的信道增益h(t)。

上述技术方案：对信道状态的建模，有效的预测了载荷卸载过程中的信道变化，对于卸载决策的制定提供了更加可靠的信息，不仅适用于运转快速的低轨星座，也适用于相对移动速度较慢的高轨星座。

在本发明一种优选实施方式中，获取模拟载荷t时刻需要卸载的计算任务量q(t)的过程包括：建立卸载数据演进模型为：

根据所述卸载数据演进模型获得模拟载荷t时刻需要卸载的数据量q(t)。

上述技术方案：卸载数据演进模型即模拟载荷需要卸载的计算任务量的模型，通过卸载数据演进模型能够快速获得模拟载荷每个时刻基于p(t)、h(t)、W等变量或参数的需要卸载的计算任务量。

在本发明一种优选实施方式中，所述平均场模型为：

且满足∫_sm(t,s)ds＝1；其中，N表示超密集低轨星座中的模拟载荷数量，i表示模拟载荷索引；Ι表示指示函数；s_i(t)表示第i个模拟载荷在t时刻数据和信道的状态；s₀表示预设的模拟载荷的数据和信道的一个固定状态，s_i(t)＝s₀表示第i个模拟载荷在t时刻的数据和信道的状态为s₀；

表示数据和信道的状态为s₀的模拟载荷在N个模拟载荷中占据的比例。

上述技术方案：构建了动态演变的平均场。

在本发明一种优选实施方式中，在所述步骤S2中，所述模拟载荷t时刻的平均场负载因子

为：

其中，

表示整个平均场没有接受计算卸载任务时整个平均场的平均计算任务量；ξ表示单位转换系数。

上述技术方案：平均场模型将原本大量载荷计算卸载的相互影响转化为单个载荷与平均场的互动，有效地解决了超密集星座网络中动态随机博弈的高计算复杂度问题。

在本发明一种优选实施方式中，在所述步骤S3中，模拟载荷t时刻的计算卸载的开销c(t)为：

在本发明一种优选实施方式中，所述T表示模拟载荷一个通信周期中包含的时隙个数，第t时刻表示第t时隙。

为了实现本发明的上述目的，根据本发明的第二个方面，本发明提供了一种超密集低轨星座物联网系统，包括多个模拟载荷；全部或部分有计算卸载需求的模拟载荷分别按照本发明所述的超密集低轨星座中物联网模拟载荷的计算卸载方法获得每个时刻的计算卸载的发射功率和传输功率的最小值，并基于该功率最小值进行计算任务量卸载。

上述技术方案：大量的物联网终端产生海量的数据传输到模拟载荷，使得短时间内模拟载荷的计算资源匮乏，为此，本系统充分利用超密集大规模星座网络的优势，动态调整卸载方案，通过卫星之间的协同计算最小化模拟载荷的资源开销，在满足应用时间约束的情况下完成数据业务的计算处理。模拟载荷根据自己的状态和平均场负载因子的演进，动态调整自己的卸载决策，从而最小化载荷在应用约束时间内的资源开销。

附图说明

图1是本发明一具体实施方式中超密集低轨星座中物联网模拟载荷的计算卸载方法的实现流程示意图；

图2是本发明一具体实施方式中超密集低轨星座物联网系统中模拟载荷与平均场互动示意图；

图3是本发明的超密集低轨星座中物联网模拟载荷的计算卸载方法与其它计算卸载算法的性能对比示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

在本发明的描述中，需要理解的是，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

在本发明的描述中，除非另有规定和限定，需要说明的是，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是机械连接或电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。

本发明所要解决的技术问题是提供一种超密集星座中物联网模拟载荷的计算卸载方法，能够有效适应动态的超密集星座网络，以分布式的角度出发，在满足应用时延约束的前提下，最小化模拟载荷的任务计算开销。

为了达到上述的目标，本发明公开了一种超密集低轨星座中物联网模拟载荷的计算卸载方法，在一种优选实施方式中，该方法包括：

步骤S1，根据模拟载荷的数据和信道的状态将超密集星座物联网构建为平均场模型，平均场模型值是根据时间动态变化的，m(t,s)表示模拟载荷t时刻的数据和信道的状态值，记为模拟载荷t时刻的平均场模型值；

步骤S2，基于模拟载荷t时刻的卸载传输的信道增益h(t)、需要卸载的计算任务量q(t)和平均场模型值m(t,s)获得模拟载荷t时刻的平均场负载因子

s(t)表示模拟载荷t时刻的数据和信道的状态，s(t)＝[q(t),h(t)]，s(t)简记为s；

步骤S3，获取模拟载荷t时刻的计算卸载的开销c(t)；

步骤S4，构建第一微分方程：

其中，p(t)表示模拟载荷在t时刻计算卸载传输所需功率，优选的，可认为是发射功率；W表示数据传输带宽；

表示加性高斯白噪声的功率；α(t)表示t时刻信道模型变化函数的函数值，α(t)可以为一个常规函数，如sin函数；β(t)表示t时刻布朗运动方差，当时间t固定时，α(t)和β(t)都是定值；

利用第一微分方程求解出模拟载荷在t时刻的计算卸载传输所需功率的最小值p^*(t)为：

若t≥T，结束，所述T表示为预设的T个时刻，若t＜T，进入步骤S5；第一微分方程是根据动态规划理论，本卸载策略特定的状态方程，可以有效的求解出当前时隙处在当前状态下模拟载荷的最优卸载策略。

步骤S5，构建第二微分方程：

将p^*(t)代入第二微分方程求得模拟载荷t+1时刻的平均场模型值m(t+1,s)，在求得模拟载荷t+1时刻的卸载传输的信道增益h(t+1)和需要卸载的计算任务量q(t+1)，令t＝t+1，返回执行步骤S2、S3和S4。第二微分方程是根据平均场理论推导的，载荷卸载对平均场演变的特定的状态方程，有效的描述了载荷变化的卸载策略对于平均场的影响。

在本实施方式中，通过第二微分方程可直接求得m(t+1,s)，再通过公式dh(t)＝α(t)dt+β(t)dω(t)求得h(t+1)并更新，再通过公式

求得q(t+1)并更新，三个变量均更新后，更新一轮后影响第一微分方程，令t＝t+1，返回执行步骤S2、S3和S4。

在本实施方式中，本方法基于模拟载荷数据的动态变化和传输信道变化，将超密集星座构建为动态变化的平均场，在卸载过程中结合平均场负载因子的变化，提出基于平均场博弈的动态计算卸载方法，最小化模拟载荷的资源开销。

在一种优选实施方式中，获取模拟载荷t时刻的卸载传输的信道增益h(t)的过程包括：

建立模拟载荷的动态信道模型为：

dh(t)＝α(t)dt+β(t)dω(t)；其中，α(t)dt表示载荷之间确定性的路径损耗；β(t)dω(t)表示信道变化的不确定性部分，ω(t)表示布朗运动因子；

根据动态信道模型获得模拟载荷t时刻的卸载传输的信道增益h(t)，dh(t)表示对h(t)求微分，dω(t)表示对ω(t)求微分，优选的可通过对动态信道模型求积分获得模拟载荷t时刻的卸载传输的信道增益h(t)。

在本实施方式中，动态信道模型指的是模拟载荷与其所计算卸载的目标模拟载荷之间在当前时隙(当前时刻)的无线信道状态，对于非地球同步轨道的卫星，模拟载荷之间的位置都在时刻变化，模拟载荷之间的信道状态，根据轨道位置可以预测信道状态的确定性变化，而不确定性的信道变化则采用布朗运动来描述。通过对信道的动态建模，可以对卸载决策提供更加有效的帮助，提高计算资源的利用率。

在一种优选实施方式中，获取模拟载荷t时刻需要卸载的计算任务量q(t)的过程包括：

建立卸载数据演进模型为：

根据所述卸载数据演进模型获得模拟载荷t时刻需要卸载的数据量q(t)。

在本实施方式中，卸载数据演进模型指的是当前时隙(当前时刻)模拟载荷所需要卸载的计算任务量的多少，q(t)直接体现当前时隙(当前时刻)模拟载荷的计算任务的压力并根据业务的时间约束动态调整自己的卸载策略。p(t)为模拟载荷当前t时刻计算卸载传输所需功率，p(t)是有界的，即p(t)∈[0,p_max(t)]，p_max(t)为预设的最大功率值。

在一种优选实施方式中，平均场模型为：

且满足∫_sm(t,s)ds＝1；

其中，N表示超密集低轨星座中的模拟载荷数量，i表示模拟载荷索引；Ι表示指示函数；s_i(t)表示第i个模拟载荷在t时刻数据和信道的状态，包含第i个模拟载荷在t时刻的需要卸载的计算任务量q_i(t)和信道增益h_i(t)；s₀表示预设的模拟载荷的数据和信道的一个固定状态，s_i(t)＝s₀表示第i个模拟载荷在t时刻的数据和信道的状态为s₀；

表示数据和信道的状态为s₀的模拟载荷在N个模拟载荷中占据的比例。s(t)＝[q(t),h(t)]，s_i(t)包含传输剩余的数据量大小q_i(t)和当前信道状态h_i(t)。

在本实施方式中，平均场模型是对复杂的超密集星座的简化，平均场将原本的超密集星座中单一载荷统一起来，大规模的载荷形成了一个统一的整体，即平均场。有效的将系统中多个载荷计算卸载的相互影响简化为了单个载荷对平均场的影响，可以有效的降低算法的计算复杂度。公式中趋于无穷也是场景为超密集星座的一种理想表示，且m(t,s)满足一下约束条件：∫_sm(t,s)ds＝1。

在一种优选实施方式中，在所述步骤S2中，所述模拟载荷t时刻的平均场负载因子

为：

其中，

表示整个平均场没有接受计算卸载任务时整个平均场的平均计算任务量，平均计算任务量可叫做平均负载，ds为dqdh；ξ表示单位转换系数。

在本实施方式中，均场负载因子

描述了模拟载荷当前t时刻的卸载决策对于系统的计算任务负载影响，反映在开销上就是系统的负载越大，模拟载荷计算卸载后协同处理单位数据的计算开销会增加，也即当系统中有大量空闲的模拟载荷时，有充足的计算资源来协同完成计算任务，其开销也会降低，因而每个需要计算卸载的模拟载荷可以根据平均场负载因子的大小动态的调整自己的卸载策略。

的物理意义为单位数据在当前负载下计算所需的功率开销。

在一种优选实施方式中，在所述步骤S3中，模拟载荷t时刻的计算卸载的开销c(t)为：

在本实施方式中，模拟载荷的计算卸载的开销c(t)指的是模拟载荷在当前时隙(当前时刻t)采用当前的卸载策略所需要的传输功率消耗和计算这部分任务所需的资源消耗。优化的目标函数为：

而优化的目标函数就是在计算业务要求的时延约束范围内，完成计算业务所需的累积开销。

在一种优选实施方式中，T表示模拟载荷一个通信周期中包含的时隙个数，第t时刻表示第t时隙。

在本发明超密集低轨星座中物联网模拟载荷的计算卸载方法的一种应用场景中，具体的流程如图1所示，具有以下步骤：

A.初始化，给出物联网模拟载荷无线信道的初始值h(0)、卸载数据的初始值q(0)和超密集星座网络初始的平均场m(0,s)，然后根据公式：

求解出平均场负载因子的初始值

B.构建偏微分方程(Eq1)：

其中，

C.利用构建的偏微分方程(Eq1)求解出最优卸载决策p^*(t)：

D.构建偏微分方程(Eq2)：

E.更新信道状态h(t)、数据状态q(t)、平均场状态m(t,s)和系统负载因子

F.迭代流程B、C、D、E，得到所有时隙的卸载决策，图2形象的描述了整个迭代互动过程。

本发明采用以上技术方案与现有技术相比，具有以下效果：

1)本发明对于信道状态的建模，有效的预测了模拟载荷卸载过程中的信道变化，对于计算卸载决策的制定提供了更加可靠的信息。不仅适用于运转快速的低轨星座，也适用于相对移动速度较慢的高轨星座。

2)本发明平均场负载因子的构建，将原本大量模拟载荷计算卸载的相互影响转化为了单个模拟载荷与平均场的互动，有效的解决了超密集星座网络中动态随机博弈的高计算复杂度问题。

3)本发明从模拟载荷自身的卸载决策出发，只需要考虑模拟载荷自身的信道状态和数据状态，分布式的做出最优的计算卸载决策，避免了集中式优化在超密集星座网络中为得到全局状态的大量没有必要的信令开销。

4)本发明的卸载策略是动态变化的，现有的一些载荷的卸载策略都是静态的，但是对于复杂的超密集星座而言，动态的卸载策略才能有效的达到性能优化的目的，而且动态的策略对于资源的利用率也是最优的。

本发明所设计的超密集低轨星座中物联网模拟载荷的计算卸载方法，针对超密集星座中物联网模拟载荷短时间内计算资源缺乏的问题，提出基于平均场博弈的动态计算卸载方案，将大量模拟载荷计算卸载产生的相互影响构建为单个模拟载荷与平均场的互动，首先构建了动态的信道模型和卸载数据模型，然后通过平均场理论得到了平均场的动态演变，并结合动态优化理论计算出最优的卸载决策，采用分布式的架构，将模拟载荷计算卸载累积开销降到最低的同时，有效的提高了整个超密集星座网络的资源利用率。

将本发明的超密集低轨星座中物联网模拟载荷的计算卸载方法与现有的最大功率卸载算法S2、固定功率卸载算法S3以及注水算法S4的计算卸载累积开销对比，仿真结果如图3所示。从图中可以看出，相较于最大功率卸载算法S2和固定功率卸载算法S3，我们提出的卸载方法S1具有最优的累积计算开销，而注水算法S4的累积开销虽然很接近S1，但是其计算复杂度极高。

可见，本发明提供的超密集星座中物联网模拟载荷的计算卸载方法，针对大量的物联网终端产生海量的数据传输到模拟载荷导致短时间内模拟载荷的计算资源匮乏的问题，考虑到超密集大规模星座网络的优势，提出一种基于平均场博弈的计算卸载方法，动态调整卸载方案，通过卫星之间的协同计算最小化模拟载荷的资源开销，在满足应用时间约束的情况下完成数据业务的计算处理。模拟载荷根据自己的状态和平均场负载因子的演进，动态的调整自己的卸载决策，将模拟载荷在应用约束时间内的资源开销降到了最低。此外还降低了超密集星座中的信令开销和算法计算复杂度，有效的缓解了模拟载荷计算资源紧缺问题。

本发明还公开了一种超密集低轨星座物联网系统，在一种优选实施方式中，该系统包括多个模拟载荷，全部或部分有计算卸载需求的分别作为一个模拟载荷；全部或部分模拟载荷分别按照上述超密集低轨星座中物联网模拟载荷的计算卸载方法获得每个时刻的计算卸载传输所需功率的最小值，并基于该功率最小值进行计算任务量卸载。图2形象的描述了超密集低轨星座物联网系统中模拟载荷与平均场互动示意图。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims (8)

1.一种超密集低轨星座中物联网模拟载荷的计算卸载方法，其特征在于，包括：

步骤S1，将超密集星座物联网构建为平均场模型；

步骤S2，基于模拟载荷t时刻的卸载传输的信道增益h(t)、需要卸载的计算任务量q(t)和平均场模型值m(t,s)获得模拟载荷t时刻的平均场负载因子

s(t)表示模拟载荷t时刻的数据和信道的状态，s(t)＝[q(t),h(t)]，s(t)简记为s；

步骤S3，获取模拟载荷t时刻的计算卸载的开销c(t)；

步骤S4，构建第一微分方程：

其中，p(t)表示模拟载荷在t时刻计算卸载传输所需功率；W表示数据传输带宽；

表示加性高斯白噪声的功率；α(t)表示t时刻信道模型变化函数的函数值；β(t)表示t时刻布朗运动方差；

利用第一微分方程求解出模拟载荷在t时刻的计算卸载传输所需功率的最小值p^*(t)为：

若t≥T，结束，所述T表示为预设的T个时刻，若t＜T，进入步骤S5；

步骤S5，构建第二微分方程：

将p^*(t)代入第二微分方程求得模拟载荷t+1时刻的平均场模型值m(t+1,s)，再求得模拟载荷t+1时刻的卸载传输的信道增益h(t+1)和需要卸载的计算任务量q(t+1)，令t＝t+1，返回执行步骤S2、S3和S4。

2.如权利要求1所述的超密集低轨星座中物联网模拟载荷的计算卸载方法，其特征在于，获取模拟载荷t时刻的卸载传输的信道增益h(t)的过程包括：

建立模拟载荷的动态信道模型为：

dh(t)＝α(t)dt+β(t)dω(t)；其中，α(t)dt表示载荷之间确定性的路径损耗；β(t)dω(t)表示信道变化的不确定性部分，ω(t)表示布朗运动因子；

根据所述动态信道模型获得模拟载荷t时刻的卸载传输的信道增益h(t)。

3.如权利要求1所述的超密集低轨星座中物联网模拟载荷的计算卸载方法，其特征在于，获取模拟载荷t时刻需要卸载的计算任务量q(t)的过程包括：

建立卸载数据演进模型为：

根据所述卸载数据演进模型获得模拟载荷t时刻需要卸载的数据量q(t)。

4.如权利要求1所述的超密集低轨星座中物联网模拟载荷的计算卸载方法，其特征在于，所述平均场模型为：

且满足∫_sm(t,s)ds＝1；

其中，N表示超密集低轨星座中的模拟载荷数量，i表示模拟载荷索引；Ι表示指示函数；s_i(t)表示第i个模拟载荷在t时刻数据和信道的状态；s₀表示预设的模拟载荷的数据和信道的一个固定状态，s_i(t)＝s₀表示第i个模拟载荷在t时刻的数据和信道的状态为s₀；

表示数据和信道的状态为s₀的模拟载荷在N个模拟载荷中占据的比例。

5.如权利要求1所述的超密集低轨星座中物联网模拟载荷的计算卸载方法，其特征在于，在所述步骤S2中，所述模拟载荷t时刻的平均场负载因子

为：

其中，θ表示整个平均场没有接受计算卸载任务时整个平均场的平均计算任务量；ξ表示单位转换系数。

6.如权利要求1所述的超密集低轨星座中物联网模拟载荷的计算卸载方法，其特征在于，在所述步骤S3中，模拟载荷t时刻的计算卸载的开销c(t)为：

7.如权利要求1所述的超密集低轨星座中物联网模拟载荷的计算卸载方法，其特征在于，所述T表示模拟载荷一个通信周期中包含的时隙个数，第t时刻表示第t时隙。

8.一种超密集低轨星座物联网系统，其特征在于，包括多个模拟载荷；全部或部分有计算卸载需求的模拟载荷分别按照权利要求1－7之一所述的超密集低轨星座中物联网模拟载荷的计算卸载方法获得每个时刻的计算卸载传输所需功率的最小值，并基于该功率最小值进行计算任务量卸载。

Images