一种基于优化理论的WPT-MEC网络上下行资源分配与功率控制机制的制作方法

本发明属于移动边缘计算与无线能量传输的复合领域，特别是涉及一种基于优化理论的wpt-mec网络上下行资源分配与功率控制机制。

背景技术：

近年来，为推动绿色移动通信技术的高速发展与广泛应用，移动边缘计算(mec,mobileedgecomputing)技术与无线能量传输(wpt,wirelesspowertransfer)技术相继被提出。作为5g网络关键技术的mec技术通过在网络入口处部署服务器，为移动用户提供高可靠、低时延的计算与通信服务，旨在解决移动用户计算密集型任务但自身计算能力与电池容量受限、云计算资源丰富但接入能力受限以及移动宽带业务显著增长但承载网管道化三个矛盾。无线能量传输技术的提出为解决电池容量受限、更换电池困难、以及设备需稳定且可持续供电等问题提供了新的思路，现有无线能量传输的方式主要包括：1)部署专用能量发射机广播射频能量信号；2)无线传能技术与无线通信相结合，类型有无线传能通信网络(wpcns)和无线携能通信(swipt)。通过将wpt技术应用于mec网络中，可以有效解决移动终端供能与计算能力之间的矛盾，能够充分利用mec服务器强大的计算能力，降低终端设备因计算复杂度和体积受限带来的成本问题，能够充分利用无线网络传能，提升终端续航能力，减少电池损耗。此外，该模式下可以更方便基站对于系统中各设备的能耗管理从而降低用户能耗，提升资源利用率达到节约成本。

在无线传能mec系统(wpt-mec)中，资源管理与分配涉及多个维度，包括传能决策、传能资源分配、迁移决策、通信资源分配以及计算资源分配等。在迁移过程中，涉及任务传输的通信资源分配以及边缘计算服务器的计算资源分配。其难点在于：1)传能与通信耦合，即用户传能与传信息相互耦合于同一信号中；2)计算与通信耦合，即用户感知性能依赖于通信与计算资源的联合配置，比如传输功率、信道、时隙等；3)多用户或多小区网络中还面临用户竞争、小区间干扰与资源竞争等。现有的多用户无线传能mec网络中资源分配机制多以最大化用户节省能耗为目的，且多采用tdma或定向波束传能为主，无实现最小化多用户系统能耗分配方案。

技术实现要素：

有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是提供一种基于优化理论的移动边缘网络资源分配与无线传能功率控制机制。

本发明通过结合在线网络资源分配机制与优化理论联合设计用户在固定任务截止期内完成能量传输与计算迁移过程中联合通信资源分配与功率控制算法。首先，在信道分配阶段依据系统中各用户计算任务量与信道状态信息按照基于任务优先级的周期性信道分配算法(cca-tp)实现在线机制；随后，对于给定信道分配下的能效功率分配松弛为给定上下行时间分配下的能效功率分配并利用凸优化理论得求解，最后采用一维搜索算法直到求出最优上下行时间分配并得到最优分配上下行功率分配方案，算法结束。

为实现上述目的，本发明提供了一种基于优化理论的无线能量传输-移动边缘计算网络上下行资源分配与功率控制机制，其特征在于包括以下步骤：

s1：定义下列各项数据；

定义基站可提供的信道带宽容量为wb；

定义基站可提供的等带宽的子信道数为n，子信道集合为n＝{1,...,n}；

定义网络中用户数为k，用户集合k＝{1,...,k}；

定义系统截止时间长度t；

定义系统上下行分离时间常量为τ,0＜τ＜1，即τt内完成传能，(1-τ)t内完成计算任务迁移；

定义所有用户的能量转换效率为0＜ζ≤1；

定义所有用户的计算任务长度为l＝{l1,...,lk}；

定义子信道n对于用户k的信道功率增益为hk,n；

定义用户k对子信道n的获取情况为xk,n，子信道n的获取情况为xn，nk表示用户k分配到的子信道集；

定义用户k的传能信道为

定义用户的本地运行功率为p_loc；

定义基站为用户k下行传能的发射功率为用户k在子信道n上行发射功率为

s2：初始化n条子信道随机分配，

s3：计算用户对应各子信道的信道功率增益

s4：对用户计算数据量l降序排列得到

s5：对l中用户的降序排列，有

s6：假定为用户分配的信道子集规模相等，即子信道数除用户数结果取整得到，len＝floor(n/k)，该floor函数为取整函数；

s7：执行len次循环，每次循环中依次按l顺序为k个用户分配1条子信道；

s8：用户获得对应的信道子集nk；

s9：在nk中选择用户下行传能信道

s10：初始化τ＝τ0，τ∈(0,1)，搜索步长为δ；

s11：根据分配的信道子集nk获取当前用户各子信道增益与信道子集规模len作为输入；

s12：对由大到小排列；

s13：计算当前各用户k∈k的最小上行速率为：

s14：对于所有用户

计算用户k∈k的最优下行传能功率：

s15：输出基站为系统内各用户传能的发射功率为：

s16：输出给定上下行分离时间常量τ时，基站传能消耗最小能耗：

s17：更新τ＝τ+δ；

s18：搜索所有τ值后，对比不同τ值下所获得的所有基站最小传能能耗，选取能耗最小值所对应的τ^*值和其对应上下行功率分配方案作为最优能效分配方案；

s19：算法结束，输出当前任务截止期t内各用户信道分配情况nk，传能信道下行传能信道发射功率和用户在各信道上行迁移的发射功率及基站最小传能能耗

进一步地：

s7-1：依据顺序为用户分配子信道；

s7-1-1：当信道未被分配即xn＝0时，则令xn＝1,xk,n＝1；

s7-1-2：否则，按h′k,1＞...＞h′k,n＞...＞h′k,n顺序搜索最近的未被分配子信道xn＝0，此时，令xn＝1，xk,n＝1。

进一步地：

所述s14包括如下步骤：

对于所有用户

s14-1：令i＝len，计算当前

s14-2：判断pk,n＜0？若满足，则i＝i-1，返回s4；

否则，得到当前λ值继续下一步；

s14-3：计算用户k∈k各子信道上的发射功率

s14-4：计算用户k∈k对应的最小上行功率和

s14-5：计算用户k∈k的最优下行传能功率：

本发明的有益效果是：

在本发明中的一种基于优化理论的wpt-mec网络上下行资源分配与功率控制机制，结合在线网络资源分配机制与优化理论设计算法流程，以最小化基于tdd-ofdma的多用户系统传能能耗为目标函数。在这种情况下，能使得网络资源均衡分配至系统各用户，功率控制满足最优分配方式，达到合理节约系统传能能耗的有效配置。

本发明为单小区内多用户mec与wpt技术相融合设计了一种基于tdd-ofdma的网络架构；

本发明采用基于任务优先级的周期性信道分配算法保证系统内各用户间子信道分配的均衡性；

本发明利用优化理论简化模型所提出的最小能效算法能快速实现wpt-mec网络上行迁移功率控制；

本发明可快速在wpt-mec网络中实现资源分配与上下行功率控制；

本发明最小化系统传能能耗，使得资源得到有效配置；

本发明适用于移动边缘计算和无线能量传输；

本发明收敛速度快、复杂度低，易实现。

附图说明

图1是本发明性能示例场景图；

图2是本发明用户工作模式；

图3是系统传能能耗对比图。

具体实施方式

下面结合实施例对本发明作进一步说明：

如图1所示，假设网络中包括四个移动用户mu1、mu2、mu3、mu4，一个无线网络接入基站bs，以及一个边缘云服务器server；其中，下行链路为传能链路，上行链路为迁移计算链路。

如图2所示，用户工作模式中表示计算任务截止时间t秒，上下行分离常量为任意用户τ；其中，τt表示基站为用户传能时间，(1-τ)t表示计算任务迁移时间，考虑到服务器计算能力强大且计算后结果量较小，故忽略结果反馈时间。任意用户k(k＝1,…,4)的迁移任务表示为lkbits，能量转换效率为ζ。例如l1＝1000bits表示用户1需要迁移的计算任务长度为1000bits，ζ＝1表示用户吸收的能量全部得以转换为用户供能。系统总带宽为wb，子信道为均等划分，子信道数为n。例如wb＝10⁷hz，n＝32表示系统内子信道带宽为ws＝312.5khz。

针对图1所示网络拓扑模型与图2所示用户工作模式，一种基于优化理论的wpt-mec网络上下行资源分配与功率控制机制，它包含以下步骤：

该方法适用wpt-mec网络中上下行资源分配与功率控制。基于任务优先级周期性的将网络资源分配给系统内各用户，使得资源得到有效均衡配置，获取最大的能量节约。

mec网络的基站负责收集用户信息和边缘计算网络信息，具体收集信息包括用户数、各用户计算任务量、信道资源总量；

一种基于优化理论的无线能量传输-移动边缘计算网络上下行资源分配与功率控制机制，包括以下步骤：

s1：定义下列各项数据；

定义基站可提供的信道带宽容量为wb；

定义基站可提供的等带宽的子信道数为n，子信道集合为n＝{1,...,n}；

定义网络中用户数为k，用户集合k＝{1,...,k}；

定义系统截止时间长度t；

定义系统上下行分离时间常量为τ,0＜τ＜1，即τt内完成传能，(1-τ)t内完成计算任务迁移；

定义所有用户的能量转换效率为0＜ζ≤1；

定义所有用户的计算任务长度为l＝{l1,...,lk}；

定义子信道n对于用户k的信道功率增益为hk,n；

定义用户k对子信道n的获取情况为xk,n，子信道n的获取情况为xn，nk表示用户k分配到的子信道集；

定义用户k的传能信道为

定义用户的本地运行功率为p_loc；

定义基站为用户k下行传能的发射功率为用户k在子信道n上行发射功率为

以上各项数据的定义顺序不分先后；

阶段1：信道资源在线分配方案：基于任务优先级的周期性信道分配算法

s2：初始化n条子信道随机分配，

s3：计算用户对应各子信道的信道功率增益

s4：对用户计算数据量l降序排列,具体为采用matlab软件中的排序函数，l←sort(l)，有

s5：对l中用户的降序排列，有

s6：假定为用户分配的信道子集规模相等，即len＝floor(n/k)，即子信道数除用户数结果取整得到，len＝floor(n/k)，该floor函数采用matlab软件中取整函数；

s7：执行len次循环，每次循环中依次按l顺序为k个用户分配1条子信道；

该s7包括如下步骤：

s7-1：依据顺序为用户分配子信道；

s7-1-1：当信道未被分配即xn＝0时，则令xn＝1,xk,n＝1；

s7-1-2：否则，按h′k,1＞...＞h′k,n＞...＞h′k,n顺序搜索最近的未被分配子信道xn＝0，此时，令xn＝1，xk,n＝1；

s8：用户获得对应的信道子集nk；

s9：在nk中选择用户下行传能信道

阶段2：基于定步长一维搜索的能效功率分配算法

s10：初始化τ＝τ0，τ∈(0,1)，搜索步长为δ；

s11：执行当前τ值下各用户能效功率分配方案，并计算对应该值下的基站最小传能能耗：

s12：更新τ＝τ+δ；

s13：搜索所有τ值后，对比不同τ值所获得的对应基站最小传能能耗，选取最小值所对应的τ^*值和其对应上下行功率分配方案作为最优能效分配方案；

s14：算法结束，输出当前任务截止期t内各用户信道分配情况nk，传能信道下行传能信道发射功率和用户在各信道上行迁移的发射功率及基站最小传能能耗

步骤s11中的所述固定τ值的获取基站最小传能能耗的功率分配方案满足以下步骤：

s1：根据分配的信道子集nk获取当前用户各子信道增益与信道子集规模len作为输入；

s2：对由大到小排列；

s3：计算当前各用户k∈k的最小上行速率为：

s4：对于所有用户

包括如下子步骤：

s4-1：令i＝len，计算当前

s4-2：判断pk,n＜0？若满足，则i←i-1，返回s4；否则，得到当前λ值继续下一步；

s4-3：计算用户k∈k各子信道上的发射功率

s4-4：计算用户k∈k对应的最小上行功率和

s4-5：计算用户k∈k的最优下行传能功率：

s5：输出基站为系统内各用户传能的发射功率为：

s6：输出给定上下行分离时间常量τ时，基站传能消耗最小能耗：

将本发明所提方法与基于任务优先信道分配算法的能效功率分配算法进行性能比较，任务优先信道分配能效功率分配算法基本思想为：信道资源在线分配方式仍先对每个用户的计算任务数据量lk降序排列，并规定每个用户分配相同数量的信道子集，根据lk由大到小顺序依次为用户分配信道子集，直至当前用户的信道子集满员后再考虑下一用户。上下行功率控制方式与本发明所提算法相同。仿真设置条件为：该系统场景下设置系统子信道带宽为312.5khz，子信道共64条，噪声功率1e-9w，系统截止时间0.05秒，用户电路功率0.5*1e-4w，各用户任务长度随机于(5000,15000)bits之间取值。

图3展示了本发明所提方法与基于用户优先的最小能耗算法描述系统总能耗随系统内用户子信道数变化对比图；其为执行20000次蒙特卡洛仿真下平均结果。首先，随着用户分配子信道的增加，两种算法的系统总能耗均逐渐减小，随着用户数增加，其原因在于：随着用户分配子信道的增多，各用户可以选择用于传能的信道选择也变多，系统能够分配信道功率增益大的子信道给用户，用户用于上行迁移的信道增多也会优化能耗；其次，本发明算法能耗表现明显优于基于用户优先的最小能耗算法，本发明算法明显优于拍卖算法，其原因在于：本发明算法在网络资源分配上表现更为合理，整体性更强，用户分配资源更为均衡有效。可以看出，本发明所提方法相对于基于用户优先的最小能耗算法而言能显著降低系统传能能耗。

以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。