[發明專利]一種提高移動邊緣計算蜂窩網絡能耗效率的資源分配方法

有效

• 申請號: 202011229372.3
• 申請日: 2020-11-06
• 公開（公告）號: CN112423394B
• 公開（公告）日: 2022-05-24
• 發明（設計）人: 黃霖宇
• 申請（專利權）人: 四川大學
• 主分類號: H04W72/04
• 分類號: H04W72/04;H04W72/08;H04W72/12;H04B17/318;H04B17/336;H04B17/382
• 代理公司: 成都天嘉專利事務所(普通合伙) 51211
• 代理人: 蘇丹

本發明涉及通信領域，具體的說是一種提高移動邊緣計算蜂窩網絡能耗效率的資源分配方法，其對用戶未來T個時隙內的位置進行預測，并計算用戶在未來T個時隙內與基站的距離；基于所預測的距離對用戶未來的通信信道質量以及成功傳輸數據給基站所需要的傳輸功率進行分析計算；將資源分配問題建模為混合整數規劃問題進行求解，得到傳輸時隙和發射功率分配的最優方法。本發明在充分利用用戶移動上下文的基礎上，通過對卸載策略和通信資源進行聯合優化，實現在滿足用戶對任務處理延遲需求的前提下，對系統中用戶所消耗能耗資源最小化的目的。

技術領域

本發明涉及通信領域，具體的說是一種提高移動邊緣計算蜂窩網絡能耗效率的資源分配方法。

背景技術

隨著移動互聯網以及智能終端的發展，新興的互聯網應用大量涌現。這些新興應用給大家帶來了豐富多彩的生活體驗，但同時也對通信系統和移動終端帶來了全新的挑戰。大量新興應用都對數據處理時延高度敏感，并且具有較高的計算復雜度，比如人臉識別，圖像分析，增強現實，3D在線游戲等。由于移動終端通常采用電池供電，并且數據處理能力有限，已經難以滿足新興應用的高計算復雜度、低處理時延容忍度的要求。移動邊緣計算(MEC)技術將傳統的云計算方式下沉到網絡邊緣，在基站等位置放置具有較強處理能力的計算服務器。用戶通過任務遷移，將需要處理的任務上傳到布置在基站的邊緣云服務器進行處理分析。待服務器分析完成后，基站再將結果回傳給用戶，從而實現降低移動終端能耗和減小數據處理時延的目的。

在基于邊緣計算的蜂窩網絡中，計算任務卸載(Task Offloading)和通信資源分配方案是決定系統能耗性能的重要因素。計算任務卸載方案是指決定網絡系統中哪些用戶需要將任務上傳到MEC服務器處理，而通信資源分配則是指如何將有限的通信資源(如頻率，時隙以及發射功率等)合理地分配給多個需要上傳任務到MEC服務器的用戶。對于網絡系統中指定的某一用戶，是否需要卸載任務到MEC服務器一方面取決于在MEC服務器遠程處理任務的能耗是否低于在該用戶本地設備處理所需能耗，另一方面取決于遠程處理和本地處理是否能滿足用戶對于該任務處理時延的要求。而卸載任務到MEC服務器所需的能耗和時間均與通信資源分配方案有直接關系。因此，為了使系統中所有用戶的總能耗最小化，將計算任務卸載決策和通信資源分配方案進行聯合優化是至關重要的。

盡管部分現有文獻針對計算任務卸載和通信資源分配決策進行了聯合優化，但通常在進行資源預分配時沒有將用戶的移動性考慮進去，并且假設用戶在上傳任務的過程中位置是移動不變的。但事實上，移動蜂窩網絡中的用戶在很多場景下都具有很強的移動性，例如在高速公路、高鐵以及地鐵等場景下。因此，將沒有考慮用戶移動性的方案應用于實際系統時，可能導致性能并非最優。一方面，由于通信資源(例如帶寬和發射功率)在預先分配時，沒有考慮用戶移動性引起的信道變化，可能導致預分配的資源達不到實際系統的要求從而致使傳輸失敗。另一方面，可以通過利用用戶移動性上下文信息來進一步改善系統性能(例如，能量消耗和吞吐量)。例如，我們可以將移動用戶的傳輸調度到用戶運動到靠近基站的時再傳輸，通常可以使用更少的傳輸能耗。因為通常情況下，當用戶靠近基站時，信道狀態會比遠離基站時更好，因此可以使用更小的發射功率進行通信。

現有專利如公開號為CN111542107A的中國發明專利，其公開了：本發明公開了一種基于增強學習的移動邊緣網絡資源分配方法，S1，建立基于CSCN由兩張相同參數的卷積神經網絡qeval、qtarget構成深度增強學習模型；S2，將基站與用戶終端之間的時變信道環境建模為有限狀態的時變馬爾科夫信道，確定基站與用戶之間的歸一化信道系數，并輸入卷積神經網絡qeval。但是上述專利只能針對下行信道的子載波進行分配，并且其在分配時并未考慮到用戶的移動性，并且上述專利的具體計算過程有較大缺陷，并不能提供全局最優的解決方案。

發明內容

為了克服現有技術中出現的上述問題，現提出一種提高移動邊緣計算蜂窩網絡能耗效率的資源分配方法，針對時分蜂窩移動通信系統，在考慮用戶移動性的基礎上，對任務卸載決策和資源分配方案進行聯合優化，達到使該網絡系統中所有用戶處理任務所需的能耗最小化的目的。