CN113839704B - 一种密集低轨卫星与陆地融合的移动边缘计算方法 - Google Patents

Abstract

本发明公开了一种密集低轨卫星与陆地融合的移动边缘计算方法，包括：1、建立密集低轨卫星与陆地的融合网络架构，在卫星地面网关侧引入边缘服务器；2、建立地面用户终端与低轨卫星的多输入多输出传输模型以及边缘计算中相关的能耗和处理数据量模型；3、根据地面用户终端和低轨卫星的关联决定算法，决定每个时隙地面用户终端和低轨卫星的关联决策；4、基于地面用户终端和低轨卫星的关联决策，设计基于全频复用的多输入多输出的传输方法，获得地面用户终端的发送预编码矩阵；5、基于地面用户终端与低轨卫星的关联策略和发送预编码矩阵，解决地面用户终端和边缘服务器的计算资源分配策略。

Description

一种密集低轨卫星与陆地融合的移动边缘计算方法

技术领域

本发明属于无线通信领域中的移动边缘计算领域，尤其涉及一种密集低轨卫星与陆地融合的移动边缘计算方法。

背景技术

在现有的研究中，MEC服务器一般被布置在蜂窝基站以方便实施并减少卸载时延。由于现今世界上仍然有50％的地区缺乏互联网接入，而且蜂窝设备在自然灾害面前很脆弱，比如地震和洪水，这时的通信需求是很紧迫的。

随着密集低轨卫星通信系统的持续演进，卫星通信系统被期望提供增强型服务，比如低时延通信、高速率传输和服务质量。尽管针对MEC的研究已经很多，大部分已有的研究工作只考虑了陆地蜂窝网络，其中MEC服务器被布置在基站侧。这样很容易因为自然灾害等情况影响数据通信，并且不能满足计算卸载的需求。随着未来设备的增加，大量的设备需要接入网络并有计算需求。这就需要研究卫星辅助的移动边缘计算技术，以满足无处不在的计算需求。

已有的关于边缘计算的研究大部分都假设的是一个静态的计算卸载场景，其中用户设备和接入点都是静止的，并且每个用户设备都有一个计算任务，该计算任务需要在严格的时延要求下完成。静态的卸载场景便于理论分析，但是只能反映短时间的性能，比如每个用户在单个时隙卸载计算任务时的系统性能。由于低轨卫星高速移动，而且点波束覆盖方案已经应用到低轨卫星通信系统中，地面用户终端会经历频繁的切换，因此缺少对低轨卫星辅助的动态移动边缘计算架构以辅助地面用户终端的计算卸载的研究。因此，需要研究随时间变化的动态计算卸载技术，考虑随时间变化的随机优化问题。在现有的研究中，进行计算卸载的用户和边缘计算任务接收侧一般都只配备了单天线，传输速率低，能耗高。由于星地无线信道的大路损、大气衰减以及雨衰效应等，单天线的计算卸载方式效率低，难以克服恶略的星地无线信道条件，因此需要研究多天线技术，利用多输入多输出传输方法提升传输效率，提供额外的链路增益，减少计算卸载能耗。

发明内容

本发明目的在于提供一种卫星与陆地融合的移动边缘计算方法,以解决地面用户终端和低轨卫星之间严重的路损和恶劣的信道条件和缺少对低轨卫星辅助的动态移动边缘计算架构以辅助地面用户终端的计算卸载的研究的技术问题。

为解决上述技术问题，本发明的具体技术方案如下：

一种密集低轨卫星与陆地融合的移动边缘计算方法，包括以下步骤：

步骤1、建立密集低轨卫星网络与陆地融合的移动边缘计算网络架构，所述密集低轨卫星与陆地融合的移动边缘计算网络架构包括地面用户终端、低轨卫星以及安装有边缘服务器的卫星地面网关；

所述低轨卫星服务地面用户终端，负责将计算数据转发给卫星地面网关，由卫星地面网关负责任务的计算；

所述卫星地面网关作为网络的集中控制节点协调地面用户终端和低轨卫星之间的传输，并利用安装的边缘服务器为地面用户终端提供计算服务；

步骤2、根据地面用户终端的计算任务持续性特性，设计地面用户终端和边缘服务器的计算任务缓存模型以及缓存队列长度更新机制；

所述地面用户终端和卫星地面网关侧都配备有充分存储空间的任务缓存器，并且每个用户终端都有与之对应的缓存队列长度，地面用户终端的数据任务缓存器会根据当前缓存器中的数据量、本地计算的任务、计算卸载的数据量以及来到但没有及时处理的计算数据的大小来动态的更新本地数据缓存队列的长度；

卫星地面网关侧的数据任务缓存器会根据当前缓存器中的数据量、到达的数据量以及处理完成的数据量来动态的更新数据缓存队列的长度；

步骤3、地面用户终端得到在本地进行计算任务处理时的能量消耗和处理的数据量，地面用户终端采用多输入多输出传输方法，建立地面用户终端和卫星的无线传输模型和关联模型，并建立计算卸载时的能量消耗和卸载数据量模型，最后，建立边缘服务器计算时的能量消耗和数据量模型；

步骤4、建立平均加权能量和最小化的系统设计目标，并满足卫星的关联负载要求、地面用户终端传输功率约束、边缘服务器计算资源分配约束以及数据任务缓存器在长时间时的稳定性要求；

步骤5、利用李雅普诺夫优化理论，将随机性的系统设计目标转化成针对每个时隙的确定性问题设计，利用在线优化算法解决相关的参数设计；

步骤6、设计地面用户终端和低轨卫星关联算法，并利用分式规划和加权最小均方误差方法解决关联变量的求解，得到地面用户终端和低轨卫星的关联策略；

步骤7、设计地面用户终端和低轨卫星的多输入多输出传输预编码矩阵算法，利用加权最小均方误差方法以及拉格朗日对偶算法获得传输预编码矩阵；

步骤8、设计用户终端侧和边缘服务器侧的计算资源分配算法，获得用户终端本地计算资源和边缘服务器计算资源分配方案。

进一步的，所述步骤1还包括设计地面用户终端与低轨卫星的动态关联方案，以及设计多输入多输出方法进行计算任务的卸载。

进一步的，所述步骤1还包括设计地面用户终端和边缘服务器的计算资源分配方法，以获得时延和能耗之间的折衷。

本发明的一种卫星与陆地融合的移动边缘计算方法，具有以下优点：

1、本发明地面用户终端和低轨卫星采用天线阵列技术方案来生成定向波束，这样可以提升链路增益，克服严重的路径损耗。在传输时采用了多输入多输出传输方案，这样可以实现多地面用户终端和多卫星的频率复用，可以提升频谱效率，减少频率复用时的干扰，并且可以减少计算卸载时的能耗。

2、本发明采用了基于李雅普诺夫优化的动态卸载方案来研究长时间尺度上的随机优化问题，可以研究动态的卫星辅助边缘计算方法，能够将随机优化问题转化为确定性优化问题，可以获得能耗和时延之间的折衷，反映系统在长时间尺度上的平均性能。

附图说明

图1为本发明的密集低轨卫星与陆地融合的移动边缘计算网络示意图；

图2为本发明的一种卫星与陆地融合的移动边缘计算方法流程示意图；

具体实施方式

为了更好地了解本发明的目的、结构及功能，下面结合附图，对本发明一种密集低轨卫星和陆地融合的移动边缘计算方法做进一步详细的描述。

如本发明针对地面用户终端的计算卸载需求，提出了一种密集低轨卫星和陆地融合的移动边缘计算方法。在该方法中，地面用户终端的计算任务可以上传到低轨卫星，再由低轨卫星转发到卫星地面网关，卫星地面网关侧安装的边缘服务器可以满足任务计算的需求。

为了实现上述目的，本发明采用以下技术解决方案：

(1)提出的密集低轨卫星与陆地融合的移动边缘计算网络架构如图1所示。该网络由目的区域内的地面用户终端(Ground User Terminal,GUT)、覆盖目的区域的低轨卫星网络以及带边缘服务器的卫星网关组成。覆盖目的区域的多颗低轨卫星由卫星网关进行控制并协调它们的传输。在密集低轨卫星网络覆盖下，地面的目的区域通常会被多个低轨卫星覆盖，它们共同为GUT提供数据传输服务。地面用户终端会与低轨卫星网络中的卫星建立关联，并将需要卸载的计算数据传输到卫星，然后接收数据的卫星会将数据转发给卫星网关，由网关侧的边缘服务器进行数据的计算。

(2)目的区域内的地面用户终端会持续的产生计算任务，因此地面用户终端侧有任务缓存器，并且存储空间是充分大的，到达的计算数据，以及本地没有处理完或者没有卸载的计算数据会缓存在本地任务队列中。同样，在卫星网关侧的边缘服务器也有任务缓存器，卫星转发接收到的数据，以及边缘服务器没有处理完的数据都会进行任务的缓存。由于任务缓存器的存在，地面用户终端侧的任务缓存器和边缘服务器的任务缓存器都需要进行队列大小的更新。对于地面用户终端k，在第t个时隙，它会产生L_k(t)比特的计算数据，它的队列长度为B_k(t)，并且本地的计算处理能力为C_l,k(t)比特，能够传输的能力为C_g,k(t)比特。那么本地队列长度在t+1时刻可以更新为

B_k(t+1)＝max{B_k(t)-C_l,k(t)-C_g,k(t),0}+L_k(t) (1)

边缘服务器也有任务缓存器来存储每个地面用户终端没有处理掉的计算任务，在第t个时隙，地面用户终端k在边缘服务器的缓存队列长度为Q_k(t)，边缘服务器处理的数据量为C_e,k(t)比特。地面用户终端k在边缘服务器的队列长度的更新策略为

Q_k(t+1)＝{Q_k(t)-C_e,k(t),0}+min{max{B_k(t)-C_l,k(t),0},C_g,k(t)} (2)

(3)根据现有技术，在第t个时隙，地面用户终端k在本地处理计算数据时处理的数据量表示为：

其中τ(秒)表示时隙的时间长度，f_l,k(t)(周期数)表示地面用户终端k在第t个时隙使用的计算资源，α_k(周期数/秒)表示计算任务的处理密度。

地面用户终端k在本地处理计算数据时处理的消耗的能量表示为：

其中κ_k表示地面用户终端k处理器的有效电容系数。

地面用户终端和低轨卫星采用多输入多输出技术，地面用户终端k和低轨卫星s之间的信道可以表示为

H_s,k(t)＝P_s,k(t)D_s,k(t)⊙G_s,k(t) (5)

其中P_s,k(t)表示地面用户终端k和低轨卫星s在第t个时隙时的视距信道系数矩阵。D_s,k(t)表示大气损失矩阵。G_s,k(t)表示卫星接收天线在第t个时隙的归一化辐射模式。然后卫星s接收到地面用户终端k的信号建模为

其中H_s,k(t)表示地面用户终端k和卫星s之间的信道，W_s,k(t)表示地面用户终端的发送预编码矩阵，x_k表示地面用户终端k发送的符号，a_i,g(t)(0或1)表示地面用户终端i和卫星g之间的关联指示变量。n_s表示加性白高斯噪声向量。

相应的传输速率建模为

其中B_w表示传输带宽，

表示M_S×M_S单位矩阵，

表示噪声和干扰信号的和，

表示加性白高斯噪声的噪声功率。

相应的，地面用户终端k在第t个时隙卸载的数据量表示为

其中a_k,s(t)(0或1)表示地面用户终端k和卫星s之间的关联指示变量。地面用户终端k在第t个时隙卸载的能量消耗表示为

其中

表示地面用户终端k向卫星s传输数据时的传输功率，

表示Frobenius范数的平方。

另外，边缘服务器在第t个时隙计算的数据量表示为：

其中f_g,k(t)(周期数)表示边缘服务器分配给地面用户终端k的计算资源边缘服务器在第t个时隙计算的能耗表示为：

其中κ_g表示服务器处理器的有效电容系数。

(4)为了反映系统在长时间尺度上的性能，考虑平均加权能量消耗的最小化性能指标，表示为

其中T表示时间尺度，

表示E_s(t)的期望，E_s(t)表示为

其中w_G表示地面用户终端能量消耗的正的权重系数，w_S表示边缘服务器能量消耗的正的权重系数。

系统优化设计目标为

其中A(t)＝{a_k,s(t)}_{k∈K,s∈S(t)}表示关联变量集合，f_l(t)＝{f_l,k(t)}_k∈K表示本地计算资源分配集合，f_g(t)＝{f_g,k(t)}_k∈K表示边缘服务器计算资源分配集合，

表示传输预编码矩阵集合。

(5)利用李雅普诺夫优化方法，将随机的系统优化设计问题转化为如下的单时隙的优化问题

其中V表示正的权重系数。

(6)由于密集多星的存在，就涉及到地面用户终端和卫星的关联设计。

首先，对于地面任意的地面用户终端i，如果Q_i(t)≥B_i(t)，那么地面用户终端i就不与任何卫星关联，它只在本地处理数据。因此，GUT集合

可以分成GUT本地处理集合

和GUT计算卸载集合

然后，就可以只针对计算卸载集合

进行关联的优化。对于复杂的关联设计问题，可以采用问题等效转换的方法，将原问题转化成分式规划问题，关联优化变量就可以解耦了。

对于分式优化问题，可以采用已有的二次变换方法将其转化为另两个式子相减的形式。再利用加权最小均方误差方法获得传输速率的下界表达形式。最后再用凸函数之差算法将关联问题转化成可求解的问题，获得地面用户终端与低轨卫星的关联策略。

(7)根据步骤(6)中的关联策略，每个地面用户终端都有所连接的低轨卫星，每个卫星也有一定数量的地面用户终端与之关联。对于地面用户终端和低轨卫星之间的传输预编码设计，加权最小均方误差方法可以用来重新表示速率函数。接着，拉格朗日对偶方法可以用来求解传输预编码问题并获得传输预编码矩阵的闭式解。

(8)本地计算资源分配可以根据时延约束获得计算资源分配的下界，而边缘服务器的计算资源分配可以用已有的内点法解决。

可以理解，本发明是通过一些实施例进行描述的，本领域技术人员知悉的，在不脱离本发明的精神和范围的情况下，可以对这些特征和实施例进行各种改变或等效替换。另外，在本发明的教导下，可以对这些特征和实施例进行修改以适应具体的情况及材料而不会脱离本发明的精神和范围。因此，本发明不受此处所公开的具体实施例的限制，所有落入本申请的权利要求范围内的实施例都属于本发明所保护的范围内。

Claims (1)

1.一种密集低轨卫星与陆地融合的移动边缘计算方法，其特征在于，包括以下步骤：

步骤1、提出密集低轨卫星与陆地融合的移动边缘计算网络架构；该网络由目的区域内的地面用户终端GUT、覆盖目的区域的低轨卫星网络以及带边缘服务器的卫星网关组成；覆盖目的区域的多颗低轨卫星由卫星网关进行控制并协调它们的传输；在密集低轨卫星网络覆盖下，地面的目的区域被多个低轨卫星覆盖，它们共同为GUT提供数据传输服务；地面用户终端会与低轨卫星网络中的卫星建立关联，并将需要卸载的计算数据传输到卫星，然后接收数据的卫星会将数据转发给卫星网关，由网关侧的边缘服务器进行数据的计算；

步骤2、目的区域内的地面用户终端会持续的产生计算任务，因此地面用户终端侧有任务缓存器，到达的计算数据以及本地没有处理完或者没有卸载的计算数据会缓存在本地任务队列中；同样，在卫星网关侧的边缘服务器也有任务缓存器，卫星转发接收到的数据，以及边缘服务器没有处理完的数据都会进行任务的缓存；由于任务缓存器的存在，地面用户终端侧的任务缓存器和边缘服务器的任务缓存器都需要进行队列大小的更新；对于地面用户终端k，在第t个时隙，它会产生L_k(t)比特的计算数据，它的队列长度为B_k(t)，并且本地的计算处理能力为C_l,k(t)比特，能够传输的能力为C_g,k(t)比特；那么本地队列长度在t+1时刻更新为

B_k(t+1)＝max{B_k(t)-C_l,k(t)-C_g,k(t),0}+L_k(t) (1)

边缘服务器也有任务缓存器来存储每个地面用户终端没有处理掉的计算任务，在第t个时隙，地面用户终端k在边缘服务器的缓存队列长度为Q_k(t)，边缘服务器处理的数据量为C_e,k(t)比特；地面用户终端k在边缘服务器的队列长度的更新策略为

Q_k(t+1)＝{Q_k(t)-C_e,k(t),0}+min{max{B_k(t)-C_l,k(t),0},C_g,k(t)} (2)；

步骤3、在第t个时隙，地面用户终端k在本地处理计算数据时处理的数据量表示为：

其中τ表示时隙的时间长度，f_l,k(t)表示地面用户终端k在第t个时隙使用的计算资源，α_k表示计算任务的处理密度；

地面用户终端k在本地处理计算数据时处理的消耗的能量表示为：

其中κ_k表示地面用户终端k处理器的有效电容系数；

地面用户终端和低轨卫星采用多输入多输出技术，地面用户终端k和低轨卫星s之间的信道表示为

H_s,k(t)＝P_s,k(t)D_s,k(t)⊙G_s,k(t) (5)

其中P_s,k(t)表示地面用户终端k和低轨卫星s在第t个时隙时的视距信道系数矩阵；D_s,k(t)表示大气损失矩阵；G_s,k(t)表示卫星接收天线在第t个时隙的归一化辐射模式；然后卫星s接收到地面用户终端k的信号建模为

其中H_s,k(t)表示地面用户终端k和卫星s之间的信道，W_s,k(t)表示地面用户终端的发送预编码矩阵，x_k表示地面用户终端k发送的符号，a_i,g(t)表示地面用户终端i和卫星g之间的关联指示变量；n_s表示加性白高斯噪声向量；

相应的传输速率建模为

其中B_w表示传输带宽，

表示M_S×M_S单位矩阵，

表示噪声和干扰信号的和，

表示加性白高斯噪声的噪声功率；

相应的，地面用户终端k在第t个时隙卸载的数据量表示为

其中a_k,s(t)表示地面用户终端k和卫星s之间的关联指示变量；

地面用户终端k在第t个时隙卸载的能量消耗表示为

其中

表示地面用户终端k向卫星s传输数据时的传输功率，

表示Frobenius范数的平方；

另外，边缘服务器在第t个时隙计算的数据量表示为：

其中f_g,k(t)表示边缘服务器分配给地面用户终端k的计算资源；

边缘服务器在第t个时隙计算的能耗表示为：

其中κ_g表示服务器处理器的有效电容系数；

步骤4、考虑平均加权能量消耗的最小化性能指标，表示为

其中T表示时间尺度，

表示E_s(t)的期望，E_s(t)表示为

其中w_G表示地面用户终端能量消耗的正的权重系数，w_S表示边缘服务器能量消耗的正的权重系数；

系统优化设计目标为

其中A(t)＝{a_k,s(t)}_{k∈K,s∈S(t)}表示关联变量集合，f_l(t)＝{f_l,k(t)}_k∈K表示本地计算资源分配集合，f_g(t)＝{f_g,k(t)}_k∈K表示边缘服务器计算资源分配集合，

表示传输预编码矩阵集合；

步骤5、利用李雅普诺夫优化方法，将随机的系统优化设计问题转化为如下的单时隙的优化问题

其中V表示正的权重系数；

步骤6、地面用户终端和卫星的关联设计如下所述：

首先，对于地面任意的地面用户终端i，如果Q_i(t)≥B_i(t)，那么地面用户终端i就不与任何卫星关联，它只在本地处理数据；因此，GUT集合

分成GUT本地处理集合

和GUT计算卸载集合

然后，只针对计算卸载集合

进行关联的优化；对于复杂的关联设计问题，采用问题等效转换的方法，将原问题转化成分式规划问题，关联优化变量就可以解耦了；

对于分式优化问题，采用二次变换方法将其转化为另两个式子相减的形式；再利用加权最小均方误差方法获得传输速率的下界表达形式；最后再用凸函数之差算法将关联问题转化成可求解的问题，获得地面用户终端与低轨卫星的关联策略；

步骤7、根据步骤6中的关联策略，每个地面用户终端都有所连接的低轨卫星，每个卫星也有一定数量的地面用户终端与之关联；对于地面用户终端和低轨卫星之间的传输预编码设计，加权最小均方误差方法用来重新表示速率函数；接着，拉格朗日对偶方法用来求解传输预编码问题并获得传输预编码矩阵的闭式解；

步骤8、本地计算资源分配可以根据时延约束获得计算资源分配的下界，而边缘服务器的计算资源分配用内点法解决。

Images