[發明專利]一種超密集網絡中基于混合接入方式的動態邊緣計算卸載方法在審
| 申請號: | 202210299457.1 | 申請日: | 2022-03-25 |
| 公開(公告)號: | CN114885422A | 公開(公告)日: | 2022-08-09 |
| 發明(設計)人: | 鮮永菊;劉闖 | 申請(專利權)人: | 重慶郵電大學 |
| 主分類號: | H04W72/04 | 分類號: | H04W72/04;G06N3/04;G06N3/08 |
| 代理公司: | 重慶輝騰律師事務所 50215 | 代理人: | 王詩思 |
| 地址: | 400065 重*** | 國省代碼: | 重慶;50 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 密集 網絡 基于 混合 接入 方式 動態 邊緣 計算 卸載 方法 | ||
1.一種超密集網絡中基于混合接入方式的動態邊緣計算卸載方法,其特征在于,包括:
構建多用戶超密集網絡,并對網絡初始化;
用戶設備產生計算任務,并向宏基站發送任務請求;
宏基站接收當前系統中的任務請求,并根據任務請求構建任務模型;
宏基站獲取當前網絡的狀態信息,該信息包括任務模型、基站服務器的計算資源、基站信道狀態以及基站與用戶之間的信道信息;
宏基站的控制器根據當前網絡的狀態信息判斷網絡是否達到OMA傳輸方式的最大值,若達到最大值,則其他用戶采用NOMA傳輸方式進行任務傳輸,未達到最大值,則采用OMA傳輸方式傳輸任務;
基站控制器將當前網絡的狀態信息輸入到訓練好的神經網絡中,得到卸載決策以及資源分配方案;
宏基站將決策方案發送到各個用戶,將資源分配方案發送給微基站;用戶根據決策方案進行任務卸載,微基站根據資源分配方案進行資源分配。
2.根據權利要求1所述的一種超密集網絡中基于混合接入方式的動態邊緣計算卸載方法,其特征在于,多用戶超密集網絡包括一個宏基站和N個微基站,每個微基站中配置有MEC服務器執行計算任務;每個微基站采用正交頻分多址接入用戶設備。
3.根據權利要求1所述的一種超密集網絡中基于混合接入方式的動態邊緣計算卸載方法,其特征在于,構建任務模型包括:現有用戶任務Qu(t)=[du(t),cu(t),τu(t)]和新加用戶任務其中Qu(t)、分別為現有用戶和新加用戶的任務,du(t)和分別表示現有用戶任務的數據大小和新加用戶任務的數據大小,cu(t)和分別表示現有用戶任務執行所需的單位CPU循環數和新加用戶任務執行所需的單位CPU循環數,τu(t)和分別表示現有用戶任務的時延閾值和新加用戶任務時延閾值。
4.根據權利要求1所述的一種超密集網絡中基于混合接入方式的動態邊緣計算卸載方法,其特征在于,OMA傳輸方式包括:采用正交頻分復用信道進行數據傳輸。
5.根據權利要求1所述的一種超密集網絡中基于混合接入方式的動態邊緣計算卸載方法,其特征在于,NOMA傳輸方式包括:當網絡容量不足以容納用戶數量時,新加用戶采用NOMA方式傳輸數據,即多個用戶使用相同信道,利用增加傳輸功率的方式增加網絡容量。
6.根據權利要求1所述的一種超密集網絡中基于混合接入方式的動態邊緣計算卸載方法,其特征在于,對神經網絡進行訓練的過程包括:采用雙延時確定性策略梯度算法對神經網絡進行訓練,其步驟包括:
步驟1:初始化網絡的參數,該神經網絡包括策略網絡和價值網絡;
步驟2:每個時隙宏基站作為智能體獲取當前環境狀態信息,該信息包括網絡中信道占用數、用戶計算任務信息、各個微基站服務器的計算資源以及微基站與用戶間的信道狀態;
步驟3:將當前環境狀態信息輸入到策略網絡中,得到任務動作;所述任務動作包括用戶卸載決策、功率控制以及計算資源分配動作;
步驟4:根據任務動作以及當前網絡狀態信息計算該智能體的即時獎勵;
步驟5:智能體將當前網絡狀態、任務動作、即時獎勵以及下一時刻網絡狀態作為四元組存放到優先經驗重放數組中;
步驟6:采用優選經驗重放數組中的數據對策略網絡和價值網絡進行訓練。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于重慶郵電大學,未經重慶郵電大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202210299457.1/1.html,轉載請聲明來源鉆瓜專利網。





