CN115988536B - 一种双可重构智能表面辅助移动边缘计算系统优化方法 - Google Patents
一种双可重构智能表面辅助移动边缘计算系统优化方法 Download PDFInfo
- Publication number
- CN115988536B CN115988536B CN202310266664.1A CN202310266664A CN115988536B CN 115988536 B CN115988536 B CN 115988536B CN 202310266664 A CN202310266664 A CN 202310266664A CN 115988536 B CN115988536 B CN 115988536B
- Authority
- CN
- China
- Prior art keywords
- user
- base station
- task
- representing
- time delay
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 16
- 238000005457 optimization Methods 0.000 title claims description 16
- 230000010363 phase shift Effects 0.000 claims abstract description 19
- 238000004364 calculation method Methods 0.000 claims abstract description 14
- 239000013598 vector Substances 0.000 claims description 28
- 102100025450 DNA replication factor Cdt1 Human genes 0.000 claims description 23
- 101000914265 Homo sapiens DNA replication factor Cdt1 Proteins 0.000 claims description 23
- 102100021009 Cytochrome b-c1 complex subunit Rieske, mitochondrial Human genes 0.000 claims description 20
- 101000643956 Homo sapiens Cytochrome b-c1 complex subunit Rieske, mitochondrial Proteins 0.000 claims description 20
- 101000655155 Homo sapiens Transmembrane protein 158 Proteins 0.000 claims description 20
- 230000005540 biological transmission Effects 0.000 claims description 15
- 239000011159 matrix material Substances 0.000 claims description 15
- 238000005562 fading Methods 0.000 claims description 10
- 230000009977 dual effect Effects 0.000 claims description 7
- 239000000654 additive Substances 0.000 claims description 3
- 230000000996 additive effect Effects 0.000 claims description 3
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 abstract description 3
- 238000009795 derivation Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
Images
Classifications
-
- 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
- Mobile Radio Communication Systems (AREA)
Abstract
本发明属于无线通信技术领域,公开了一种双可重构智能表面辅助移动边缘计算系统优化方法,该系统包括基站、D‑RIS以及用户终端,其中BS处配有MEC服务器,用户终端具有时延敏感型任务,本发明提出了D‑RIS辅助MEC的任务卸载与任务分配联合优化方法,构建了基于时延最小化的任务卸载及任务分配模型,以最小化用户任务处理时延为目标,设计了用户任务分配、D‑RIS相移和接收波束成形向量的联合交替优化算法。本发明与等比例任务分配且RIS相移固定等方案相比,获得了更低的用户任务处理时延,有效降低用户任务的卸载时延和计算时延。
Description
技术领域
本发明属于无线通信技术领域,具体的说是涉及一种双可重构智能表面辅助移动边缘计算系统优化方法。
背景技术
当前用户对网络延迟的感知越来越敏感,对低延迟的需求比较严格。移动边缘计算技术在对时延有严格要求的领域发挥着十分重要的作用。移动边缘计算通过将一部分计算能力下沉到移动边缘节点,拉近了用户和云服务器的距离,减少任务的卸载时间,最终达到降低任务处理时延的目的。但是,当用于卸载计算任务的通信环境恶劣时,不能充分利用移动边缘计算的益处。
目前,可重构智能表面作为一项革命性的技术,它由大量低成本的无源元件组成,每个无源元件能够以可调节的相移独立地反射入射信号,协同改变反射信号的传播,从而有效提高接收信噪比。因此,本发明提出了双可重构智能表面辅助移动边缘计算系统。
发明内容
为了解决上述技术问题,本发明提供了一种双可重构智能表面辅助移动边缘计算系统优化方法,在用户直传信道环境很差时,采用双可重构智能表面(D-RIS,Double-Reconfigurable Intelligence Surface)来改善信道环境,并且通过任务分配,来产生时延较低的用户部分任务卸载方案。
为了达到上述目的,本发明是通过以下技术方案实现的:
本发明是一种双可重构智能表面辅助移动边缘计算系统优化方法,包括如下步骤:
获取信道衰落增益,计算用户与基站(BS,Base Station)之间的信道传输速率;
由于用户对时延敏感,因此用户终端需要将其任务划分为两部分,其中一部分进行本地计算,另一部分通过BS处的移动边缘计算(MEC,Mobile Edge Computing)服务器进行计算。根据所述信道传输速率,计算用户任务卸载至BS的卸载时延;
分别获取用户任务在本地与BS处的MEC服务器进行计算的时延;
构建了以最小化用户任务的处理时延为目标的任务分配、D-RIS相移和接收波束成形向量联合优化模型。
进一步的,所述用户的信道衰落增益可表示为:
其中,表示用户与BS之间的信道增益,/>表示N×1维复矩阵;N表示BS的天线数;/>表示双RIS系统中第一个RIS,记作为RIS1(符号表示为I1),与另外一个RIS,记作为RIS2(符号表示为I2)之间的信道增益,M1表示RIS2的反射单元个数,M2表示RIS2的反射单元个数;/>表示RIS2与基站B之间的信道增益;/>表示用户(符号表示为u)与RIS1之间的信道增益;/>表示用户与RIS2之间的信道增益;表示RIS1与BS之间的信道增益。不失一般性,/>记作为RIS1的相移系数,其中/>m1∈{1,2,…,M1},则RIS1的相移反射矩阵表示为Φ1=diag{θ1},diag表示将向量进行对角化处理,形成对角矩阵;/>记作为RIS2的相移系数,其中/>m2∈{1,2,…,M2},则RIS2的相移反射矩阵表示为Φ2=diag{θ2};其中,/> 其中,dm表示D的第m列向量,m∈{1,2,...,M1}。
进一步的,BS处接收信号可表示为:
假设BS处使用线性接收波束成形向量对接收信号进行解码,在BS处恢复的信号可表示为:
进一步的,所述用户任务卸载至BS的链路信噪比可表示为:
进一步的,所述用户与基站之间的信道传输速率可表示为:
Roff=Blog2(1+γ) (5)
其中,B表示用户所分配的传输带宽;γ表示用户任务卸载至基站的链路信噪比。
进一步的,用户部分任务卸载至BS的卸载时延可表示为:
其中,Dp表示用户卸载至BS的任务量;Roff表示用户与基站之间的信道传输速率。
进一步的,用户在本地进行任务处理的计算时延可表示为:
其中,Dt表示用户任务的数据量;C表示用户计算1比特任务所需的中央处理器(CPU,Central Processing Unit)周期数;fl表示用户的CPU频率。
进一步的,BS处的MEC服务器完成用户剩余任务的计算时延可表示为:
其中,fm表示MEC的CPU频率。
进一步的,所述联合优化模型为:
Dp∈{0,1,…,Dt}(9c)
||ω||2=1(9d)
其中,(9a)与(9b)分别代表RIS1和RIS2的相移反射系数限制,(9c)代表计算任务量的分配限制,(9d)代表BS处接收信号波束成形向量的归一化处理。通过联合优化任务分配,D-RIS相移和接收波束成形向量,最小化系统总时延。
进一步的,所述联合优化模型的求解方法如下:
为方便求解,联合优化模型重写为:
Dp∈{0,1,…,Dt}(10c)
||ω||2=1(10d)
对于给定Dp,问题可重写为:
||ω||2=1 (12c)
问题可进一步等效为:
||ω||2=1 (13c)
本发明的有益效果是:本发明对于延迟敏感型用户,将部分任务通过D-RIS辅助卸载至MEC处进行处理;
本发明采用的D-RIS可有效改变发射信号的传播,增大MEC处接收信号的信噪比,从而提升任务卸载速率,降低系统延迟。
综上所述,本发明通过双RIS辅助,降低用户卸载计算任务链路的路径损耗,有效满足低延迟用户的需求。
附图说明
图1是本发明实施例的流程示意图。
图2是本发明实施例的系统模型图。
图3是本发明实施例的仿真图。
具体实施方式
下面结合附图对本发明的技术方案作进一步说明:以下实施例仅用于更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。
如图1所示,本发明提出了一种双可重构智能表面辅助移动边缘计算系统优化方法,所述方法包括如下步骤:
步骤1、获取信道衰落增益,计算用户与基站(BS,Base Station)之间的信道传输速率。
步骤2、由于用户对时延敏感,因此用户终端需要将其任务划分为两部分,其中一部分进行本地计算,另一部分通过BS处的移动边缘计算(MEC,Mobile Edge Computing)服务器进行计算。根据所述信道传输速率,计算用户任务卸载至BS的卸载时延。
步骤3、分别获取用户任务在本地与BS处的MEC服务器进行计算的时延。
步骤4、构建了以最小化用户任务的处理时延为目标的任务分配、双可重构智能表面(D-RIS,Double-Reconfigurable Intelligence Surface)相移和接收波束成形向量联合优化模型。
步骤5、通过交替优化,分别求出各个变量的闭式解,通过迭代算法直至收敛,求得最优解。
其中,用户任务卸载至BS的链路信道衰落增益可表示为:
其中,表示用户与BS之间的信道增益,/>表示N×1维复矩阵;N表示BS的天线数;/>表示双RIS系统中第一个RIS,记作为RIS1(符号表示为I1),与另外一个RIS,记作为RIS2(符号表示为I2),之间的信道增益,M1表示RIS2的反射单元个数,M2表示RIS2的反射单元个数;/>表示RIS2与BS(符号表示为B),之间的信道增益;表示用户u与RIS1之间的信道增益;/>表示用户与RIS2之间的信道增益;/>表示RIS1与BS之间的信道增益。不失一般性,/>记作为RIS1的相移系数,其中/>m1∈{1,2,…,M1},则RIS1的相移反射矩阵表示为Φ1=diag{θ1},diag表示将向量进行对角化处理,形成对角矩阵;/>记作为RIS2的相移系数,其中/>m2∈{1,2,…,M2},则RIS2的相移反射矩阵表示为Φ2=diag{θ2};其中,/> 其中,dm表示D的第m列向量,m∈{1,2,...,M1}。
用户BS处接收信号可表示为:
假设BS处使用线性接收波束成形向量对接收信号进行解码,在BS处恢复的信号可表示为:
用户任务卸载至BS的链路信噪比可表示为:
用户与基站之间的信道传输速率可表示为:
Roff=Blog2(1+γ) (5)
其中,B表示用户所分配的传输带宽;γ表示用户任务卸载至基站的链路信噪比。
用户部分任务卸载至BS的卸载时延可表示为:
其中,Dp表示用户卸载至BS的任务量;Roff表示用户与基站之间的信道传输速率。
用户在本地进行任务处理的计算时延可表示为:
其中,Dt表示用户任务的数据量;C表示用户计算1比特任务所需的中央处理器(CPU,Central Processing Unit)周期数;fl表示用户的CPU频率。
所述BS处的MEC服务器完成用户剩余任务的计算时延可表示为:
其中,fm表示MEC的CPU频率。
本发明中,问题可被建模为:
Dp∈{0,1,…,Dt}(9c)
||ω||2=1(9d)
其中,(9a)与(9b)分别代表RIS1和RIS2的相移反射系数限制,(9c)代表计算任务量的分配限制,(9d)代表BS处接收信号波束成形向量的归一化处理。通过联合优化任务分配,D-RIS相移和接收波束成形向量,最小化系统总时延。
本发明中,所述问题求解方法如下:
为方便求解,问题重写为:
Dp∈{0,1,…,Dt}(10c)
||ω||2=1(10d)
对于给定Dp,问题可重写为:
||ω||2=1 (12c)
问题可进一步等效为:
||ω||2=1 (13c)
下面给出计算机上利用MATLAB语言仿真实现发明的一个实例。本发明考虑一个二维笛卡尔坐标系,将用户,RIS1,RIS2,BS的位置分别设置为(0,0),(1,0),(10,50),(0,50),单位为米,用户到MEC的信道服从瑞利分布,路径损耗设为3,用户到RIS1(路径损耗设为1.9,莱斯因子设为9)再到RIS2(路径损耗设为3,莱斯因子设为9)最后到MEC(路径损耗设为1.9,莱斯因子设为3),用户到RIS1再到MEC(路径损耗设为3,莱斯因子设为9)和用户到RIS2(路径损耗设为3,莱斯因子设为3)再到MEC均服从莱斯分布,RIS1与RIS2的元素数均为32,C表示计算1bit所需的CPU周期数,取值为8×108cycles/bit,fl为用户的CPU频率,取值为8×108cycles/s,fm为BS出的MEC服务器的CPU频率,取值为8×108cycles/s,P表示用户的发射功率,取值为30dBm,噪声功率σ2为-90dBm,用户到MEC的信道带宽为1MHz,用户与基站天线数分别设为1和4。图3为本发明所提出的方案与固定相移优化任务比例,任务等比例分配优化相移以及固定任务比例与相移三种方案的对比,图中的自变量为总任务量Dt,由图可知,本发明提出的方案在时延上均小于三种对比方案,凸显了本发明方案的优势。
以上所述仅是本发明的优选实施方式,但本发明的保护范围并不局限于此,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形,这些改进和变形也应视为本发明的保护范围。
Claims (1)
1.一种双可重构智能表面辅助移动边缘计算系统优化方法,其特征在于,所述优化方法包括如下步骤:
步骤1、获取信道衰落增益,计算用户与基站之间的信道传输速率;
步骤2、用户终端将用户的任务划分为两部分,一部分在本地进行计算,另一部分通过基站处的移动边缘计算MEC服务器进行计算,根据步骤1的信道传输速率,计算用户任务卸载至基站的卸载时延;
步骤3、分别获取用户在本地进行任务处理的计算时延与基站处的MEC服务器完成用户剩余任务的计算时延;
步骤4、构建以最小化用户任务的处理时延为目标的任务分配、双可重构智能表面相移和接收波束成形向量联合优化模型;
步骤5、对步骤4构建的联合优化模型求得最优解;
其中:
在步骤2中,用户任务卸载至基站的信道衰落增益表示为:
其中,表示用户与基站之间的信道增益,/>表示N×1维复矩阵;N表示基站的天线数;/>表示双RIS系统中第一个RIS,记作为RIS1符号表示为I1,与另外一个RIS,记作为RIS2符号表示为I2之间的信道增益,M1表示RIS2的反射单元个数,M2表示RIS2的反射单元个数;/>表示RIS2与基站B之间的信道增益;/>表示用户u与RIS1之间的信道增益;/>表示用户与RIS2之间的信道增益;/>表示RIS1与基站之间的信道增,/>记作为RIS1的相移系数,其中表示RIS1反射单元的相位,j表示复数的虚部,则RIS1的相移反射矩阵表示为Φ1=diag{θ1},diag表示将向量进行对角化处理,形成对角矩阵;记作为RIS2的相移系数,其中/>表示RIS2反射单元的相位,则RIS2的相移反射矩阵表示为Φ2=diag{θ2},其中, 其中,dm表示D的第m列向量,m∈{1,2,…,M1};
在所述步骤2中,所述基站处接收信号可表示为:
假设基站处使用线性接收波束成形向量对接收信号进行解码,在基站处恢复的信号表示为:
在所述步骤2中,用户任务卸载至基站的链路信噪比表示为:
其中:h为户任务卸载至基站的信道衰落增益。
在步骤1中,所述用户与基站之间的信道传输速率表示为:
Roff=Blog2(1+γ) (5)
其中,B表示用户所分配的传输带宽;γ表示用户任务卸载至基站的链路信噪比;
在所述步骤2中,用户任务卸载至基站的卸载时延表示为:
其中,Dp表示用户卸载至基站的任务量;Roff表示用户与基站之间的信道传输速率;
所述步骤3中,用户在本地进行任务处理的计算时延表示为:
其中,Dt表示用户总任务量;C表示用户计算1比特任务所需的中央处理器周期数;fl表示用户的中央处理器的频率;Dp表示用户卸载至基站的任务量;
所述基站处的MEC服务器完成用户剩余任务的计算时延表示为:
其中,fm表示MEC的CPU频率;
在所述步骤4中,以最小化用户任务的处理时延为目标的任务分配、双可重构智能表面相移和接收波束成形向量联合优化模型具体为:
Dp∈{0,1,…,Dt} (9c)
||ω||2=1 (9d)
其中,(9a)与(9b)分别代表RIS1和RIS2的相移反射系数限制,(9c)代表计算任务量的分配限制,(9d)代表基站处接收信号波束成形向量的归一化处理,通过联合优化任务分配,双可重构智能表面相移和接收波束成形向量,最小化系统总时延;
所述步骤5具体为:
为方便求解,联合优化模型重写为:
Dp∈{0,1,…,Dt} (10c)
||ω||2=1 (10d)
对于给定Dp,问题重写为:
||ω||2=1 (12c)
问题进一步等效为:
||ω||2=1 (13c)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310266664.1A CN115988536B (zh) | 2023-03-20 | 2023-03-20 | 一种双可重构智能表面辅助移动边缘计算系统优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310266664.1A CN115988536B (zh) | 2023-03-20 | 2023-03-20 | 一种双可重构智能表面辅助移动边缘计算系统优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115988536A CN115988536A (zh) | 2023-04-18 |
CN115988536B true CN115988536B (zh) | 2023-06-27 |
Family
ID=85968582
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310266664.1A Active CN115988536B (zh) | 2023-03-20 | 2023-03-20 | 一种双可重构智能表面辅助移动边缘计算系统优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115988536B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117156494B (zh) * | 2023-10-31 | 2024-01-19 | 南京邮电大学 | 一种ris辅助无线通信的三端融合任务调度模型与方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113163497B (zh) * | 2021-03-29 | 2023-05-23 | 南京航空航天大学 | 一种基于可重构智能面的毫米波移动边缘计算系统中计算效率优化方法 |
CN115278784A (zh) * | 2022-07-26 | 2022-11-01 | 南京邮电大学 | 基于mec的无线用户任务带宽功率联合优化方法及系统 |
CN115243382A (zh) * | 2022-07-28 | 2022-10-25 | 大唐三门峡风力发电有限公司 | Ris辅助边缘计算的去蜂窝网络用户公平性资源分配方法 |
CN115633369B (zh) * | 2022-12-21 | 2023-04-18 | 南京邮电大学 | 一种面向用户任务与功率联合分配的多边缘设备选择方法 |
-
2023
- 2023-03-20 CN CN202310266664.1A patent/CN115988536B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115988536A (zh) | 2023-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hu et al. | Reconfigurable intelligent surface aided mobile edge computing: From optimization-based to location-only learning-based solutions | |
Cui et al. | TransNet: Full attention network for CSI feedback in FDD massive MIMO system | |
CN112689303B (zh) | 一种边云协同资源联合分配方法、系统及应用 | |
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 | |
CN115988536B (zh) | 一种双可重构智能表面辅助移动边缘计算系统优化方法 | |
CN113377533B (zh) | 无人机协助移动边缘计算中的动态计算卸载和服务器部署方法 | |
CN114900400A (zh) | 一种基于智能反射面辅助物联网的联合稀疏信道估计方法 | |
CN113904742A (zh) | 非正交多址接入网络中基于智能反射面的资源分配方法 | |
CN113141233B (zh) | 一种信道矩阵排序qr分解处理方法、系统 | |
CN114697978A (zh) | 一种智能反射面辅助的上行移动边缘计算方法及系统 | |
Liu et al. | Power allocation in ultra-dense networks through deep deterministic policy gradient | |
CN116033461B (zh) | 一种基于star-ris辅助的共生无线电传输方法 | |
CN116761218A (zh) | 一种云边端协同系统中的联合优化方法、系统及存储介质 | |
CN116709538A (zh) | 一种双ris协作辅助的noma系统上行传输方法及装置 | |
CN114285443B (zh) | 动态超表面天线辅助的近场宽带上行mimo传输方法 | |
CN114337902B (zh) | 一种irs辅助的毫米波多小区间干扰的抑制方法 | |
CN115767637A (zh) | 一种基于机会访问的云雾计算网络资源优化分配方法 | |
CN113596860B (zh) | 一种智能反射面ofdm系统的低开销反射波束优化方法 | |
CN113067813B (zh) | 基于频控阵的物理层安全传输优化方法和装置 | |
Hu et al. | IRS‐Aided Mobile Edge Computing: From Optimization to Learning | |
CN117354837B (zh) | 空中计算系统的参数联合优化方法、均方误差降低方法 | |
CN113630734B (zh) | 一种智能电网供电系统的计算卸载与资源分配方法 | |
US20240221198A1 (en) | Image processing method and apparatus, and electronic device and storage medium | |
Lu et al. | Reconfigurable intelligent surface aided wireless powered mobile edge computing | |
CN115037394B (zh) | 基于GSIC的多RISs辅助的NOMA系统设计方法 |
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 |