CN114697978A - 一种智能反射面辅助的上行移动边缘计算方法及系统 - Google Patents
一种智能反射面辅助的上行移动边缘计算方法及系统 Download PDFInfo
- Publication number
- CN114697978A CN114697978A CN202210281398.5A CN202210281398A CN114697978A CN 114697978 A CN114697978 A CN 114697978A CN 202210281398 A CN202210281398 A CN 202210281398A CN 114697978 A CN114697978 A CN 114697978A
- Authority
- CN
- China
- Prior art keywords
- model
- base station
- mobile device
- energy consumption
- reflecting surface
- 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
- 238000004364 calculation method Methods 0.000 title claims abstract description 70
- 238000005265 energy consumption Methods 0.000 claims abstract description 90
- 230000005540 biological transmission Effects 0.000 claims abstract description 70
- 239000013598 vector Substances 0.000 claims abstract description 45
- 230000010363 phase shift Effects 0.000 claims abstract description 35
- 238000000034 method Methods 0.000 claims abstract description 30
- 238000012545 processing Methods 0.000 claims abstract description 27
- 238000013468 resource allocation Methods 0.000 claims abstract description 22
- 238000004891 communication Methods 0.000 claims abstract description 11
- 238000005457 optimization Methods 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 8
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 7
- 238000011480 coordinate descent method Methods 0.000 claims description 5
- 239000000654 additive Substances 0.000 claims description 4
- 230000000996 additive effect Effects 0.000 claims description 4
- 230000001131 transforming effect Effects 0.000 claims 1
- 230000006870 function Effects 0.000 description 55
- 108091006146 Channels Proteins 0.000 description 13
- 238000010586 diagram Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000014509 gene expression Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
- H04B7/04013—Intelligent reflective surfaces
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
- H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
- H04B7/0613—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission
- H04B7/0615—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal
- H04B7/0617—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal for beam forming
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/22—Traffic simulation tools or models
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/53—Allocation or scheduling criteria for wireless resources based on regulatory allocation policies
-
- 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)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了智能反射面辅助通信技术领域的一种智能反射面辅助的上行移动边缘计算方法及系统。设置智能反射面用于移动设备与基站之间的辅助通信；建立智能反射面辅助的移动边缘计算系统，移动设备将计算任务卸载到边缘服务器进行计算；所述方法包括：建立移动设备和基站之间的无线传输模型、智能反射面的有效相移模型、边缘计算中相关的能耗以及时延模型；在满足约束条件的情况下，以系统能耗最小化构建计算系统的目标函数；对目标函数进行处理并求解，获得移动设备的发送功率、边缘服务器的计算资源分配策略、智能反射面的波束赋形向量和基站的波束赋形向量。本发明提升了链路性能，降低了路径损耗和计算能耗。
Description
技术领域
本发明属于智能反射面辅助通信技术领域，具体涉及一种智能反射面辅助的上行移动边缘计算方法及系统。
背景技术
当今生产力的快速发展极大地增加了各行业对电力消耗的需求，与智慧电网相关的各种解决方案层出不穷，但仍存在许多亟待解决的问题。人工智能技术虽然可以大幅提升海量数据的处理和分析能力，但是该技术需要大量计算资源，而普通电网设备不具备此类资源。云计算虽然可以驱动人工智能的运转，但其服务实验较高，且无法处理敏感数据。而发展趋于成熟的边缘计算基数成为信息通信技术与操作技术的桥梁。智慧电网是一个将多种数字计算方式、通信技术和服务集成到电力系统基础设施中的电网系统。智慧电网作为构建泛在电力物联网的重要一环，可以利用边缘计算技术实现。在智慧电网的实施过程中，移动边缘计算(Mobile Edge Computing,MEC)可以实现不同设备中异构数据的实时采集，提供弹性计算资源承载深度学习模型。边缘的计算资源配置可以满足小区域数据离线处理和分析，从而保障各类数据的安全传输和处理。
在实际应用中，MEC有时难以充分发挥其作用，特别是在移动设备与基站之间存在阻碍其传播的物体，无法将计算任务成功地从移动设备转移到基站的情况下。为了解决这一问题，智能反射面(Intelligent Reflecting Surface,IRS)被认为是一种可行的解决方案，但在实践中很难实现连续的智能反射面相移，且没有考虑系统能耗。
发明内容
为解决现有技术中的不足，本发明提供一种智能反射面辅助的上行移动边缘计算方法及系统，提升了链路性能，降低了路径损耗和计算能耗。
为达到上述目的，本发明所采用的技术方案是：
第一方面，提供一种智能反射面辅助的上行移动边缘计算方法，设置智能反射面用于移动设备与基站之间的辅助通信；建立智能反射面辅助的移动边缘计算系统，移动设备将计算任务卸载到边缘服务器进行计算；所述方法包括：建立移动设备和基站之间的无线传输模型、智能反射面的有效相移模型、边缘计算中相关的能耗以及时延模型；根据移动设备和基站之间的无线传输模型、智能反射面的有效相移模型、边缘计算中相关的能耗以及时延模型，在满足约束条件的情况下，以系统能耗最小化构建计算系统的目标函数；对目标函数进行处理并求解，获得移动设备的发送功率、边缘服务器的计算资源分配策略、智能反射面的波束赋形向量和基站的波束赋形向量。
进一步地，所述移动设备和基站之间的无线传输模型、智能反射面的有效相移模型的构建方法，包括：定义第k个移动设备到基站的信道Hk为：
其中，Hd,k∈CM×1为从第k个移动设备到基站的直接链路信道，Hr,k∈CN×1为从第k个移动设备到智能反射面的信道，G∈CM×N为从智能反射面到基站的信道，M为基站配置的天线数量，N为智能反射面的反射元件的数量；则基站所接收到的第k个移动设备发出的信号，即移动设备和基站之间的无线传输模型为：
其中，pk为第k个移动设备的传输功率，xk为第k个移动设备的传输数据，n∈CM×1为加性白高斯噪声向量且满足E[nnH]＝σ2IM；此外定义，
为信道的集合；智能反射面的有效相移模型为：
其中，θn∈[0,2π)(n＝1,…,N)为联合入射信号的相移，ηn∈[0,1](n＝{1,2,...,N})为入射信号的幅度反射系数。
进一步地，所述边缘计算中相关的能耗以及时延模型，包括移动设备计算卸载时的传输时延模型以及能耗模型、基站计算时延模型以及进行任务计算的能耗模型、计算系统卸载时延模型以及加权能耗模型。
进一步地，所述移动设备计算卸载时的传输时延模型以及能耗模型分别为：
其中，Tt,k为移动设备计算卸载时的传输时延，Et,k为移动设备计算卸载时的能耗，Bk为计算任务大小，Rk为第k个移动设备最大可实现传输速率，Rk＝Bwlog2(1+γk)，Bw为系统带宽，γk为第k个移动设备的信号和噪声与干扰比：
uk∈CM ×1为第k个移动设备的接收波束赋形向量。
进一步地，所述基站计算时延模型以及进行任务计算的能耗模型分别为：假设边缘服务器具有多核CPUs，则基站计算时延模型以及进行任务计算的能耗模型分别为：
其中，Te,k为基站计算时延，Ee,k为基站进行任务计算的能耗，κk为由硬件结构决定的常数，αk为移动设备计算任务的处理密度，fk为基站分配给第k个移动设备的计算资源。
进一步地，所述计算系统卸载时延模型以及加权能耗模型分别为：第k个移动设备的计算系统卸载时延模型可以表示为：
Toff,k＝Tt,k+Te,k (10)
则计算系统加权能耗模型为：
其中，le,k表示基站处边缘服务器能量消耗的正的权重系数，lt,k表示移动设备能量消耗的正的权重系数。
进一步地，所述目标函数为：
其中，
为移动设备功率的集合，F＝{f1,f2,…,fk}为计算资源分配的集合，U＝[u1,u2,...,uK]为基站接收波束赋形向量的集合；Pmax,k表示第k个移动设备所能提供的最大传输功率，ftotal表示基站用于进行边缘计算的所有计算资源，Tmax,k表示系统所允许的最大时延，
为移动设备的集合。
进一步地，所述对目标函数进行处理，包括采用二次转换方法将目标函数转化为：
其中，pk为第k个移动设备的传输功率，
为移动设备功率的集合，wk为引入的非负辅助变量，
为引入辅助变量wk的集合，lt,k为移动设备能量消耗的正的权重系数，Bk为计算任务大小，Rk为第k个移动设备最大可实现传输速率，K为移动设备的数量。
进一步地，采用分块坐标下降法将原始问题解耦后对各个优化变量依次求解，获得移动设备的发送功率、边缘服务器的计算资源分配策略、智能反射面的波束赋形向量和基站的波束赋形向量的方法，包括：将处理后的目标函数转化为凸函数：
其中，
为第n次迭代时移动设备的发送功率，
为经过转化后第k个移动设备最大可实现传输速率，Y、Z均为引入辅助变量的集合；
求解凸函数以及进行迭代获得移动设备的发送功率；边缘服务器的计算资源分配策略对应的分配给第k个移动设备的计算资源下界为：
通过引入相移列向量的表达形式
并引入
以及ai,k＝ηdiag(Hr,i)GHuk将目标函数最终转换为：
其中，
关于Φ为仿射的，此时目标函数为Φ的仿射函数，W的最优解可由
得到，对仿射函数可直接进行求解，得到最优化Φopt，并使用Θ＝diag(Φ)得到智能反射面的波束赋形向量的最优解Θopt；
在时延约束下采用二次转换最终将目标函数转换为关于U的凸函数：
使用已有的内点法求解关于U的凸函数，得到基站的波束赋形向量。
第二方面，提供一种智能反射面辅助的上行移动边缘计算系统，设置智能反射面用于移动设备与基站之间的辅助通信；建立智能反射面辅助的移动边缘计算系统，移动设备将计算任务卸载到边缘服务器进行计算；所述系统包括：模型构建模块，用于建立移动设备和基站之间的无线传输模型、智能反射面的有效相移模型、边缘计算中相关的能耗以及时延模型；目标函数构建模块，用于根据移动设备和基站之间的无线传输模型、智能反射面的有效相移模型、边缘计算中相关的能耗以及时延模型，在满足约束条件的情况下，以系统能耗最小化构建计算系统的目标函数；求解模块，用于对目标函数进行处理并求解，获得移动设备的发送功率、边缘服务器的计算资源分配策略、智能反射面的波束赋形向量和基站的波束赋形向量。
与现有技术相比，本发明所达到的有益效果：
(1)本发明通过建立移动设备和基站之间的无线传输模型、智能反射面的有效相移模型、边缘计算中相关的能耗以及时延模型，在满足约束条件的情况下，以系统能耗最小化构建计算系统的目标函数并求解，获得移动设备的发送功率、边缘服务器的计算资源分配策略、智能反射面的波束赋形向量和基站的波束赋形向量，实现了智能反射面的被动波束赋形与基站处的主动波束赋形相结合，更好地提升链路性能，克服严重的路径损耗，在边缘服务器中设计了计算资源的动态分配，有效减少了进行任务计算时的能耗；
(2)本发明采用分块坐标下降法将能耗优化目标解耦，并对移动设备的传输功率、边缘服务器的计算资源分配、智能反射面的相移以及基站的接收波束赋形进行优化，实现了在时延约束下的能耗最小化。
附图说明
图1是本发明实施例提供的一种智能反射面辅助的上行移动边缘计算系统示意图；
图2是本发明实施例提供的一种智能反射面辅助的上行移动边缘计算方法的流程示意图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
实施例一：
本实施例提出了一种智能反射面辅助的上行移动边缘计算方法。在该方法中，移动用户端的计算任务可以卸载到基站，由其配备的边缘服务器来满足任务计算的需求，智能反射面被放置在移动用户附近来重构信道，改善传输环境。
(1)如图1所示，设置智能反射面用于移动设备与基站之间的辅助通信，建立智能反射面辅助的上行移动边缘计算网络架构，包括K个移动设备(Mobile Device,MD)、配有M个天线以及边缘服务器的基站(Base Station,BS)、设置在移动设备附近有N个反射元件的智能反射面(Intelligent Reflecting Surface,IRS)。移动设备将计算任务卸载到边缘服务器进行计算。
一种智能反射面辅助的上行移动边缘计算方法，包括：建立移动设备和基站之间的无线传输模型、智能反射面的有效相移模型、边缘计算中相关的能耗以及时延模型；根据移动设备和基站之间的无线传输模型、智能反射面的有效相移模型、边缘计算中相关的能耗以及时延模型，在满足约束条件的情况下，以系统能耗最小化构建计算系统的目标函数；对目标函数进行处理并求解，获得移动设备的发送功率、边缘服务器的计算资源分配策略、智能反射面的波束赋形向量和基站的波束赋形向量。
(2)智能反射面具有N个低成本反射元件来对入射信号进行反射，更改了发射/接收端的无线信道，N个反射原件所施加的有效相移，即智能反射面的有效相移模型可以表示为：
其中，θn∈[0,2π)(n＝1,…,N)为联合入射信号的相移，ηn∈[0,1](n＝{1,2,...,N})为入射信号的幅度反射系数。
从移动设备到基站的无线传输路径包括可视路径以及智能反射面的反射路径，定义第k个移动设备到基站的信道Hk为：
其中，Hd,k∈CM×1为从第k个移动设备到基站的直接链路信道，Hr,k∈CN×1为从第k个移动设备到智能反射面的信道，G∈CM×N为从智能反射面到基站的信道，M为基站配置的天线数量，N为智能反射面的反射元件的数量。
已知移动设备与基站间的信道，可以得到基站所接收到的第k个移动设备发出的信号，即移动设备和基站之间的无线传输模型为：
其中，pk为第k个移动设备的传输功率，xk为第k个移动设备的传输数据，n∈CM×1为加性白高斯噪声向量且满足E[nnH]＝σ2IM；此外定义，
为信道的集合。
根据移动设备和基站之间的无线传输模型、智能反射面的有效相移模型、边缘计算中相关的能耗以及时延模型，在满足约束条件的情况下，以系统能耗最小化构建计算系统的目标函数。其中，边缘计算中相关的能耗以及时延模型，包括移动设备计算卸载时的传输时延模型以及能耗模型、基站计算时延模型以及进行任务计算的能耗模型、计算系统卸载时延模型以及加权能耗模型。
(3)在确定移动设备与基站间的信号传输关系以及信道条件后，可以得到系统中各个量的表达式。假设系统带宽为Bw，能够得到第k个移动设备最大可实现卸载速率为：
Rk＝Bwlog2(1+γk) (4)
其中，γk为第k个移动设备的信号和噪声与干扰比(SINR)，定义为：
在式(5)中，uk∈CM×1为第k个移动设备的接收波束赋形向量。
在已知第k个移动设备的传输速率以及计算任务大小Bk(以比特为单位)的情况下可以得到第k个移动设备的传输时延和能量消耗，即移动设备计算卸载时的传输时延模型以及能耗模型分别为：
其中，Tt,k为移动设备计算卸载时的传输时延，Et,k为移动设备计算卸载时的能耗，Bk为计算任务大小，Rk为第k个移动设备最大可实现传输速率，Rk＝Bwlog2(1+γk)，Bw为系统带宽。
假设边缘服务器具有多核CPUs，可以并行计算移动设备卸载的计算任务。除此之外，这些CPU的资源是虚拟化的，计算频率可以随任务量动态变化，基站的计算时延和能耗，即基站计算时延模型以及进行任务计算的能耗模型分别为：
其中，Te,k为基站计算时延，Ee,k为基站进行任务计算的能耗，κk为由硬件结构决定的常数，αk(周期/比特)为移动设备计算任务的处理密度，fk(CPU周期数)为基站分配给第k个移动设备的计算资源。
第k个移动设备的卸载时间，即第k个移动设备的计算系统卸载时延模型可以表示为：
Toff,k＝Tt,k+Te,k (10)
(4)为了对系统的能耗进行更好的分析，则计算系统加权能耗模型为：
其中，le,k表示基站处边缘服务器能量消耗的正的权重系数，lt,k表示移动设备能量消耗的正的权重系数。
系统优化设计目标函数为：
其中，
为移动设备功率的集合，F＝{f1,f2,…,fk}为计算资源分配的集合，U＝[u1,u2,…,uK]为基站接收波束赋形向量的集合；Pmax,k表示第k个移动设备所能提供的最大传输功率，ftotal表示基站用于进行边缘计算的所有计算资源，Tmax,k表示系统所允许的最大时延，
为移动设备的集合。
对目标函数进行处理并求解，获得移动设备的发送功率、边缘服务器的计算资源分配策略、智能反射面的波束赋形向量和基站的波束赋形向量。
(5)由于优化目标函数中多个变量耦合在一起，所以采用分块坐标下降法将原始问题解耦后对各个优化变量依次求解。
首先对移动设备传输功率进行设计，由于分式项的存在可以将其归为分式优化问题。首先采用已有的二次转换方法引入辅助变量将目标函数转化为：
其中，pk为第k个移动设备的传输功率，
为移动设备功率的集合，wk为引入的非负辅助变量，
为引入辅助变量wk的集合，lt,k为移动设备能量消耗的正的权重系数，Bk为计算任务大小，Rk为第k个移动设备最大可实现传输速率，K为移动设备的数量。
采用拉格朗日对偶变换的方法对Rk中所含对数项进行处理以及二次转换对分式项进行处理，将其转化为：利用二次转换以及拉格朗日对偶变换对优化目标中的分式以及对偶项进行处理，并对于最终凸差形式的目标函数使用凸差算法进行求解，得到移动设备的传输功率；
进而得到凸函数之差形式的目标函数可以表示为：
其中，
为第n次迭代时移动设备的发送功率，
为经过转化后第k个移动设备最大可实现传输速率，Y、Z均为引入辅助变量的集合。
对于这一形式函数的优化，本实施例采用了凸差算法引入
将其转化为可直接进行求解的凸函数：
通过令函数关于辅助变量的偏导为0可以得到辅助变量的最优解为：
最终通过求解凸函数以及进行迭代获得移动设备的发送功率。
(6)边缘服务器的计算资源所对应目标函数在大于0时单调递增，因此根据约束可以得到边缘服务器的计算资源分配策略对应的分配给第k个移动设备的计算资源下界为：
(7)接下来在相移角度以及时延的约束下进行了智能反射面有效相移的设计，为将相移从信道表达式中解耦，首先引入了相移列向量的表达形式
并引入
以及ai,k＝ηdiag(Hr,i)GHuk将拉格朗日变换以及二次转换后得到的Rk重写为：
使用与(6)中相同的的方法得到辅助变量λk的最优解为：
对式(21)进一步使用多维复数情况下的分式规划，转换为：
其中，
目标函数最终转换为：
其中
关于Φ为仿射的，故式(23)为Φ的仿射函数，W的最优解可由
得到。对仿射函数可直接进行求解，得到最优化Φopt，并使用Θ＝diag(Φ)得到IRS的有效相移的最优解Θopt。
(8)在时延约束下同样采用二次转换将传输速率函数转换为：
其中，βk∈C为引入的辅助变量，通过令
得到其最优解βopt,k为：
在时延约束下采用二次转换最终将目标函数转换为关于U的凸函数：
式(25)关于接收波束赋形向量的集合U为凹，故优化问题为关于U的凸函数，使用已有的内点法求解关于U的凸函数，得到基站的波束赋形向量。
本发明通过建立移动设备和基站之间的无线传输模型、智能反射面的有效相移模型、边缘计算中相关的能耗以及时延模型，在满足约束条件的情况下，以系统能耗最小化构建计算系统的目标函数并求解，获得移动设备的发送功率、边缘服务器的计算资源分配策略、智能反射面的波束赋形向量和基站的波束赋形向量，实现了智能反射面的被动波束赋形与基站处的主动波束赋形相结合，更好地提升链路性能，克服严重的路径损耗，在边缘服务器中设计了计算资源的动态分配，有效减少了进行任务计算时的能耗；采用分块坐标下降法将能耗优化目标解耦，并对移动设备的传输功率、边缘服务器的计算资源分配、智能反射面的相移以及基站的接收波束赋形进行优化，实现了在时延约束下的能耗最小化。
实施例二：
基于实施例一所述的一种智能反射面辅助的上行移动边缘计算方法，本实施例提供一种智能反射面辅助的上行移动边缘计算系统，设置智能反射面用于移动设备与基站之间的辅助通信；建立智能反射面辅助的移动边缘计算系统，移动设备将计算任务卸载到边缘服务器进行计算；所述系统包括：
模型构建模块，用于建立移动设备和基站之间的无线传输模型、智能反射面的有效相移模型、边缘计算中相关的能耗以及时延模型；
目标函数构建模块，用于根据移动设备和基站之间的无线传输模型、智能反射面的有效相移模型、边缘计算中相关的能耗以及时延模型，在满足约束条件的情况下，以系统能耗最小化构建计算系统的目标函数；
求解模块，用于对目标函数进行处理并求解，获得移动设备的发送功率、边缘服务器的计算资源分配策略、智能反射面的波束赋形向量和基站的波束赋形向量。
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。本申请实施例中的方案可以采用各种计算机语言实现，例如，面向对象的程序设计语言Java和直译式脚本语言JavaScript等。
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。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
Claims (15)
1.一种智能反射面辅助的上行移动边缘计算方法，其特征在于，设置智能反射面用于移动设备与基站之间的辅助通信；建立智能反射面辅助的移动边缘计算系统，移动设备将计算任务卸载到边缘服务器进行计算；所述方法包括：
建立移动设备和基站之间的无线传输模型、智能反射面的有效相移模型、边缘计算中相关的能耗以及时延模型；
根据移动设备和基站之间的无线传输模型、智能反射面的有效相移模型、边缘计算中相关的能耗以及时延模型，在满足约束条件的情况下，以系统能耗最小化构建计算系统的目标函数；
对目标函数进行处理并求解，获得移动设备的发送功率、边缘服务器的计算资源分配策略、智能反射面的波束赋形向量和基站的波束赋形向量。
2.根据权利要求1所述的智能反射面辅助的上行移动边缘计算方法，其特征在于，所述移动设备和基站之间的无线传输模型、智能反射面的有效相移模型的构建方法，包括：
定义第k个移动设备到基站的信道Hk为：
其中，Hd，k∈CM×1为从第k个移动设备到基站的直接链路信道，Hr，k∈CN×1为从第k个移动设备到智能反射面的信道，G∈CM×N为从智能反射面到基站的信道，M为基站配置的天线数量，N为智能反射面的反射元件的数量；
则基站所接收到的第k个移动设备发出的信号，即移动设备和基站之间的无线传输模型为：
其中，pk为第k个移动设备的传输功率，Xk为第k个移动设备的传输数据，n∈CM×1为加性白高斯噪声向量且满足E[nnH]＝σ2IM；此外定义，
为信道的集合；
智能反射面的有效相移模型为：
其中，θn∈[0，2π)(n＝1，…，N)为联合入射信号的相移，ηn∈[0，1](n＝{1，2，...，N})为入射信号的幅度反射系数。
3.根据权利要求1所述的智能反射面辅助的上行移动边缘计算方法，其特征在于，所述边缘计算中相关的能耗以及时延模型，包括移动设备计算卸载时的传输时延模型以及能耗模型、基站计算时延模型以及进行任务计算的能耗模型、计算系统卸载时延模型以及加权能耗模型。
4.根据权利要求3所述的智能反射面辅助的上行移动边缘计算方法，其特征在于，所述移动设备计算卸载时的传输时延模型以及能耗模型分别为：
其中，Tt，k为移动设备计算卸载时的传输时延，Et，k为移动设备计算卸载时的能耗，Bk为计算任务大小，Rk为第k个移动设备最大可实现传输速率，Rk＝Bwlog2(1+γk)，Bw为系统带宽，γk为第k个移动设备的信号和噪声与干扰比：
uk∈CM×1为第k个移动设备的接收波束赋形向量。
5.根据权利要求4所述的智能反射面辅助的上行移动边缘计算方法，其特征在于，所述基站计算时延模型以及进行任务计算的能耗模型分别为：
假设边缘服务器具有多核CPUs，则基站计算时延模型以及进行任务计算的能耗模型分别为：
其中，Te，k为基站计算时延，Ee，k为基站进行任务计算的能耗，κk为由硬件结构决定的常数，αk为移动设备计算任务的处理密度，fk为基站分配给第k个移动设备的计算资源。
6.根据权利要求5所述的智能反射面辅助的上行移动边缘计算方法，其特征在于，所述计算系统卸载时延模型以及加权能耗模型分别为：
第k个移动设备的计算系统卸载时延模型可以表示为：
Toff，k＝Tt，k+Te，k (10)
则计算系统加权能耗模型为：
其中，
表示基站处边缘服务器能量消耗的正的权重系数，
表示移动设备能量消耗的正的权重系数。
7.根据权利要求1所述的智能反射面辅助的上行移动边缘计算方法，其特征在于，所述目标函数为：
其中，
为移动设备功率的集合，F＝{f1，f2，…，fk}为计算资源分配的集合，U＝[u1，u2，...，uK]为基站接收波束赋形向量的集合；Pmax，k表示第k个移动设备所能提供的最大传输功率，ftotal表示基站用于进行边缘计算的所有计算资源，Tmax，k表示系统所允许的最大时延，
为移动设备的集合。
8.根据权利要求7所述的智能反射面辅助的上行移动边缘计算方法，其特征在于，所述对目标函数进行处理，包括采用二次转换方法将目标函数转化为：
其中，pk为第k个移动设备的传输功率，
为移动设备功率的集合，wk为引入的非负辅助变量，
为引入辅助变量wk的集合，
为移动设备能量消耗的正的权重系数，Bk为计算任务大小，Rk为第k个移动设备最大可实现传输速率，K为移动设备的数量。
9.根据权利要求8所述的智能反射面辅助的上行移动边缘计算方法，其特征在于，采用分块坐标下降法将原始问题解耦后对各个优化变量依次求解，获得移动设备的发送功率、边缘服务器的计算资源分配策略、智能反射面的波束赋形向量和基站的波束赋形向量的方法，包括：
将处理后的目标函数转化为凸函数：
其中，
为第n次迭代时移动设备的发送功率，
为经过转化后第k个移动设备最大可实现传输速率，Y、Z均为引入辅助变量的集合；
求解凸函数以及进行迭代获得移动设备的发送功率；
边缘服务器的计算资源分配策略对应的分配给第k个移动设备的计算资源下界为：
通过引入相移列向量的表达形式
并引入
以及ai，k＝ηdiag(Hr，i)GHuk将目标函数最终转换为：
其中，
关于Φ为仿射的，此时目标函数为Φ的仿射函数，W的最优解可由
得到，对仿射函数可直接进行求解，得到最优化Φopt，并使用Θ＝diag(Φ)得到智能反射面的波束赋形向量的最优解Θopt；
在时延约束下采用二次转换最终将目标函数转换为关于U的凸函数：
使用已有的内点法求解关于U的凸函数，得到基站的波束赋形向量。
10.一种智能反射面辅助的上行移动边缘计算系统，其特征在于，包括：
模型构建模块，用于在移动设备与基站之间设置智能反射面辅助通信的系统中建立移动设备和基站之间的无线传输模型、智能反射面的有效相移模型、边缘计算中相关的能耗以及时延模型；
移动设备，用于将计算任务卸载到边缘服务器；
目标函数构建模块，用于在移动设备将计算任务卸载到边缘服务器后根据移动设备和基站之间的无线传输模型、智能反射面的有效相移模型、边缘计算中相关的能耗以及时延模型，在满足约束条件的情况下，以系统能耗最小化构建计算系统的目标函数；
求解模块，用于对目标函数进行处理并求解，获得移动设备的发送功率、边缘服务器的计算资源分配策略、智能反射面的波束赋形向量和基站的波束赋形向量。
11.根据权利要求10所述的智能反射面辅助的上行移动边缘计算系统，其特征在于，移动设备和基站之间的无线传输模型为：
其中，pk为第k个移动设备的传输功率，Xk为第k个移动设备的传输数据，n∈CM×1为加性白高斯噪声向量且满足E[nnH]＝σ2IM；此外定义，
为信道的集合；
智能反射面的有效相移模型为：
其中，θn∈[0，2π)(n＝1，…，N)为联合入射信号的相移，ηn∈[0，1](n＝{1，2，...，N})为入射信号的幅度反射系数。
12.根据权利要求10所述的智能反射面辅助的上行移动边缘计算系统，其特征在于，边缘计算中相关的能耗以及时延模型包括移动设备计算卸载时的传输时延模型以及能耗模型，分别为：
其中，Tt，k为移动设备计算卸载时的传输时延，Et，k为移动设备计算卸载时的能耗，Bk为计算任务大小，Rk为第k个移动设备最大可实现传输速率，Rk＝Bwlog2(1+γk)，Bw为系统带宽，γk为第k个移动设备的信号和噪声与干扰比：
uk∈CM×1为第k个移动设备的接收波束赋形向量。
13.根据权利要求10所述的智能反射面辅助的上行移动边缘计算系统，其特征在于，边缘计算中相关的能耗以及时延模型包括基站计算时延模型以及进行任务计算的能耗模型，分别为：
其中，Te，k为基站计算时延，Ee，k为基站进行任务计算的能耗，κk为由硬件结构决定的常数，αk为移动设备计算任务的处理密度，fk为基站分配给第k个移动设备的计算资源。
14.根据权利要求13所述的智能反射面辅助的上行移动边缘计算系统，其特征在于，边缘计算中相关的能耗以及时延模型包括计算系统卸载时延模型以及加权能耗模型，分别为：
第k个移动设备的计算系统卸载时延模型可以表示为：
Toff，k＝Tt，k+Te，k (10)
则计算系统加权能耗模型为：
其中，
表示基站处边缘服务器能量消耗的正的权重系数，
表示移动设备能量消耗的正的权重系数。
15.根据权利要求10所述的智能反射面辅助的上行移动边缘计算系统，其特征在于，所述目标函数为：
其中，
为移动设备功率的集合，F＝{f1，f2，…，fk}为计算资源分配的集合，U＝[u1，u2，...，uK]为基站接收波束赋形向量的集合；Pmax，k表示第k个移动设备所能提供的最大传输功率，ftotal表示基站用于进行边缘计算的所有计算资源，Tmax，k表示系统所允许的最大时延，
为移动设备的集合。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210281398.5A CN114697978B (zh) | 2022-03-22 | 2022-03-22 | 一种智能反射面辅助的上行移动边缘计算方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210281398.5A CN114697978B (zh) | 2022-03-22 | 2022-03-22 | 一种智能反射面辅助的上行移动边缘计算方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114697978A true CN114697978A (zh) | 2022-07-01 |
| CN114697978B CN114697978B (zh) | 2023-08-11 |
Family
ID=82139107
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210281398.5A Active CN114697978B (zh) | 2022-03-22 | 2022-03-22 | 一种智能反射面辅助的上行移动边缘计算方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114697978B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115811793A (zh) * | 2022-11-23 | 2023-03-17 | 广东工业大学 | 一种基于智能反射面辅助的能量采集移动边缘计算方法 |
| CN117858168A (zh) * | 2024-03-07 | 2024-04-09 | 齐鲁工业大学(山东省科学院) | 基于智能反射面的毫米波移动边缘计算系统时延优化方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111163511A (zh) * | 2019-12-20 | 2020-05-15 | 北京邮电大学 | 智能反射表面辅助的毫米波通信中延迟受限的上行功率分配方法 |
| CN111698046A (zh) * | 2020-06-11 | 2020-09-22 | 电子科技大学 | 基于可重构智能反射面的绿色通信方法 |
| CN113507712A (zh) * | 2021-07-09 | 2021-10-15 | 中国传媒大学 | 一种基于交替方向乘子的资源分配与计算任务卸载方法 |
| CN113727371A (zh) * | 2021-08-06 | 2021-11-30 | 北京科技大学 | 一种irs辅助的mec网络无线与计算资源分配方法及装置 |
| CN113873622A (zh) * | 2021-09-01 | 2021-12-31 | 武汉大学 | 一种基于可重构智能表面的通信网络节能方法 |
-
2022
- 2022-03-22 CN CN202210281398.5A patent/CN114697978B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111163511A (zh) * | 2019-12-20 | 2020-05-15 | 北京邮电大学 | 智能反射表面辅助的毫米波通信中延迟受限的上行功率分配方法 |
| CN111698046A (zh) * | 2020-06-11 | 2020-09-22 | 电子科技大学 | 基于可重构智能反射面的绿色通信方法 |
| CN113507712A (zh) * | 2021-07-09 | 2021-10-15 | 中国传媒大学 | 一种基于交替方向乘子的资源分配与计算任务卸载方法 |
| CN113727371A (zh) * | 2021-08-06 | 2021-11-30 | 北京科技大学 | 一种irs辅助的mec网络无线与计算资源分配方法及装置 |
| CN113873622A (zh) * | 2021-09-01 | 2021-12-31 | 武汉大学 | 一种基于可重构智能表面的通信网络节能方法 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115811793A (zh) * | 2022-11-23 | 2023-03-17 | 广东工业大学 | 一种基于智能反射面辅助的能量采集移动边缘计算方法 |
| CN115811793B (zh) * | 2022-11-23 | 2024-02-09 | 广东工业大学 | 一种基于智能反射面辅助的能量采集移动边缘计算方法 |
| CN117858168A (zh) * | 2024-03-07 | 2024-04-09 | 齐鲁工业大学(山东省科学院) | 基于智能反射面的毫米波移动边缘计算系统时延优化方法 |
| CN117858168B (zh) * | 2024-03-07 | 2024-05-10 | 齐鲁工业大学(山东省科学院) | 基于智能反射面的毫米波移动边缘计算系统时延优化方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114697978B (zh) | 2023-08-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114697978B (zh) | 一种智能反射面辅助的上行移动边缘计算方法及系统 | |
| CN108924936B (zh) | 无人机辅助无线充电边缘计算网络的资源分配方法 | |
| CN113727371B (zh) | 一种irs辅助的mec网络无线与计算资源分配方法及装置 | |
| CN113207136A (zh) | 一种联合优化计算卸载和资源分配的方法及装置 | |
| CN114285862B (zh) | 基于智能反射面反向散射通信的数据卸载通信方法及系统 | |
| CN113946423B (zh) | 基于图注意力网络的多任务边缘计算调度优化方法 | |
| CN112231085A (zh) | 一种协同环境下基于时间感知的移动终端任务迁移方法 | |
| Adhikary et al. | Target oriented communication resource allocation for holographic MIMO using sequential neural network model | |
| CN113726395A (zh) | 一种智能反射面增强云接入网多天线用户上行传输方法 | |
| CN118201090A (zh) | 基于irs辅助的通信资源分配方法、系统、设备及介质 | |
| CN114025359A (zh) | 基于深度强化学习的资源分配与计算卸载方法、系统、设备及介质 | |
| Zhu et al. | Online distributed learning-based load-aware heterogeneous vehicular edge computing | |
| CN114845363B (zh) | 一种反射面辅助的低功耗数据卸载方法及系统 | |
| CN115379478B (zh) | 一种基于ris辅助数能同传网络鲁棒能耗优化方法 | |
| CN117149370A (zh) | 一种智能电网的任务分配方法、装置及电子设备 | |
| CN115811793A (zh) | 一种基于智能反射面辅助的能量采集移动边缘计算方法 | |
| CN116347522A (zh) | 云边协同下基于近似计算复用的任务卸载方法及装置 | |
| CN115802419A (zh) | 基于irs辅助的d2d_mec系统的能效优化方法 | |
| CN115134364A (zh) | 基于o-ran物联网系统的节能计算卸载系统及方法 | |
| Wang et al. | Joint optimization of transmission and computing resource in IRS-assisted mobile edge computing system | |
| CN113891465A (zh) | 一种智能反射面辅助通信中的资源分配方法及系统 | |
| Lim et al. | Deep Reinforcement Learning-Based Task Offloading in Multi-access Edge Computing for Marine IoT | |
| CN118590941B (zh) | 任务卸载优化方法、装置、设备、存储介质和程序产品 | |
| CN114553300B (zh) | 一种卫星系统多天线地球站无线资源快速分配方法及系统 | |
| CN113485718B (zh) | 面向边云协同系统中的上下文感知AIoT应用程序部署方法 |
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 |