一种面向数据采集的带宽分配和数据压缩联合优化方法技术

本发明专利技术公开了一种面向数据采集的带宽分配和数据压缩联合优化方法，属于无线通信和移动边缘计算领域。该方法包括以下步骤：步骤一：建立系统模型：考虑具有K个单天线移动设备的多用户MEC系统；步骤二：建立数据压缩模型，数据压缩可在移动设备本地和MEC服务器进行；步骤三：建立数据传输模型，采用FDMA多址方式；步骤四：基于上述条件建立满足时延和MEC服务器总压缩能力约束情况下基于最小能耗的传输带宽和数据压缩联合优化问题，并将该联合优化问题分解为两个子问题；步骤五：通过迭代优化算法获得使MEC系统总能耗最低的传输带宽和数据压缩分配结果。本发明专利技术具有在保证时延限制的前提下，能有效降低系统总能耗的优点。

A joint optimization method of bandwidth allocation and data compression for data acquisition

【技术实现步骤摘要】
一种面向数据采集的带宽分配和数据压缩联合优化方法
本专利技术涉及无线通信
，具体涉及一种移动边缘计算场景中带宽分配和数据压缩联合优化方法。
技术介绍
随着无线通信技术的快速发展，智能手机，可穿戴设备，平板电脑等移动设备(MobileDevices,MDs)在我们日常生活中发挥着越来越重要的作用。物联网的最新进展也推动了移动设备上各种新型应用程序(例如：自动驾驶，虚拟现实和远程手术等等)的发展。这些新兴的计算密集型和延迟敏感型移动应用严重依赖于大规模无线设备的实时通信和计算。尽管移动设备的处理能力已经有了很大的提高，但往往在计算资源、存储资源和电池容量上受限，大量的计算需求远远超过本地移动设备能够提供的服务，仅仅在移动设备上执行应用程序无法提供令用户满意的服务质量(QualityofService,QoS)。移动边缘计算(MobileEdgeComputing,MEC)是解决这类问题的一种很有前景的技术，它通过无线接入点(AccessPoint,AP)或基站(BaseStation,BS)上集成的MEC服务器在移动网络的边缘提供类似云计算的服务，以减少任务执行时间，并延长移动设备的电池寿命。它的提出是为了解决移动通信中面临的海量移动设备介入造成的全球计算资源短缺的问题，受到了学术界和工业界的广泛关注。移动边缘计算将计算及存储任务拉近到网络边缘，减轻网络压力，使得移动网络传输成本更低且效率更高。能耗和时延是MEC系统中两个非常重要的性能指标，与云计算不同，边缘服务器的资源是有限的。无线资源和计算资源的分配对MEC系统来说至关重要。实际上，在数据中通常存在很多冗余。基于此，可以采用数据压缩技术将数据压缩为较小的尺寸，从而可以进一步节省无线传输的能耗和时间。因此，可能存在最优的数据压缩率以实现最低的能量消耗。
技术实现思路
本专利技术目的在于提供了一种面向数据采集的带宽分配和数据压缩联合优化方法,将移动设备的数据经过压缩和传输后存储至MEC服务器，寻找最优的压缩方案并实现系统总能耗最小化。为实现上述目的，本专利技术采用了如下技术方案：所述的面向数据采集的带宽分配和数据压缩联合优化方法，包括以下步骤：步骤一：建立系统模型：考虑具有K个单天线移动设备的多用户MEC系统；步骤二：建立数据压缩模型，数据压缩可在移动设备本地和MEC服务器进行；步骤三：建立数据传输模型，采用FDMA多址方式；步骤四：基于上述条件建立满足时延和MEC服务器总能力约束情况下基于最小能耗的传输带宽和数据压缩联合优化问题，并将该联合优化问题分解为两个子问题；步骤五：通过迭代优化算法获得使MEC系统总能耗最低的传输带宽和数据压缩分配结果。进一步地，前述的面向数据采集的带宽分配和数据压缩联合优化方法，其中：步骤一具体包括：建立具有K个单天线移动设备和配备一个MEC服务器的基站(BaseStation,BS)的多用户MEC系统。MEC服务器可以看作是移动设备通过无线通道连接的数据中心。每个移动设备持续生成感测到的数据，并且必须及时将其传输到MEC服务器以进行存储和分析。K个移动用户的集合表示为进一步地，前述的面向数据采集的带宽分配和数据压缩联合优化方法，其中：步骤二具体包括：令βk∈(0,1]表示为移动设备k数据的总压缩率(即最终压缩后数据大小和未压缩数据大小之比)。比特的数据将被压缩至比特并存储在MEC服务器中。由于移动设备具有一定的压缩能力，因此压缩操作可以在移动设备本地和/或在MEC服务器上，压缩操作应满足其中是移动设备k在本地实现的数据压缩率，是在MEC服务器实现的数据压缩率。尽管在当前文献中仍然缺少一个完美的模型清楚地描述数据压缩的计算复杂度，但是可以将压缩每比特数据所需的CPU周期数近似为数据压缩率的指数函数其中ε是取决于压缩方法的正常数。具体地说，当β＝1时，C(β,ε)＝0，即不需要压缩，因此，在本地和MEC服务器压缩1比特数据所需要的总CPU数可分别表示为和每个移动设备在本地压缩所需要的能量和时间可分别计算为其中Ek和Fk分别表示CPU每周期消耗的能量和每秒移动设备的CPU周期数。同时，移动设备k在MEC服务器压缩需要的能量可以表示为其中E代表MEC服务器压缩每比特数据所需要的能量。考虑MEC服务器具有有限的压缩能力，则MEC服务器总压缩能力应该满足其中F是MEC服务器压缩时最大可执行的每秒CPU周期数。进一步地，前述的面向数据采集的带宽分配和数据压缩联合优化方法，其中：步骤三具体包括：采用FDMA的多址方式，系统将为每个移动设备分配一部分系统带宽。zk∈[0,1]表示其分配给移动设备k的带宽占比。每个移动设备和BS之间的无线信道都被建模为独立且分布均匀的瑞利变量。hk和pk分别定义为移动设备k的信道增益和传输功率。本专利技术不考虑功率分配问题，将pk视为一个常数，根据香农公式，每个移动设备可获得的数据速率(以每比特/秒为单位)可以表示为其中B和N0/2分别表示系统总带宽和复高斯噪声信道的功率谱密度。对于移动设备k，在FDMA多址方式下，将比特数据从本地传输至MEC服务器所消耗的时间和能量分别计算为同时,MEC服务器的数据压缩和数据存储的延迟比本地压缩和无线传输的延迟小得多，因此可以忽略。此外，我们假设只有在所有移动设备的本地压缩完全完成后才能开始传输。对于移动设备k，其本地压缩和传输的时间不能超过最大时延限制T，即进一步地，前述的面向数据采集的带宽分配和数据压缩联合优化方法，其中：步骤四具体包括：假设所有移动设备的数据大小和多用户信道增益等参数都是已知的，并且可以通过反馈获得，然后将这个联合优化问题设为系统总能耗最小化问题：其中z＝[z1,…,zk],联合时延，传输带宽和MEC服务器压缩能力的约束，优化问题可表述为：其中，(35)表明MEC服务器总压缩能力的限制；(36)表明移动设备k的时延限制；(37)表明系统传输带宽限制。通过固定其中一个优化变量，将优化问题(P1)分解为两个子问题。给定移动设备k的本地数据压缩率，问题(P1)可以简化为以下传输带宽分配优化问题：其中满足优化问题(P2)是凸优化问题，采用拉格朗日方法可以有效地解决优化问题(P2)。其相应部分拉格朗日方程表示为定义和g(zk)＝1/f(zk)，采用KKT条件求解优化问题(P2)，可得到最佳带宽分配为：其中R(λ*)为的根。给定传输带宽占比，问题(P1)可以简化为以下本地数据压缩率分配优化问题：s.t.(35),(36),(38).优化问题(P3)是凸优化问题，可通过内点法有效解决。进一步地，前述的面本文档来自技高网...

【技术保护点】
1.一种面向数据采集的带宽分配和数据压缩联合优化方法，其特征在于，主要包括以下步骤：/n步骤一：建立系统模型：考虑具有K个单天线移动设备的多用户MEC系统；/n步骤二：建立数据压缩模型，数据压缩可在移动设备本地和MEC服务器进行；/n步骤三：建立数据传输模型，采用FDMA多址方式；/n步骤四：基于上述条件建立满足时延和MEC服务器总压缩能力约束情况下基于最小能耗的传输带宽和数据压缩联合优化问题，并将该联合优化问题分解为两个子问题；/n步骤五：通过迭代优化算法获得使MEC系统总能耗最低的传输带宽和数据压缩分配结果。/n

【技术特征摘要】
1.一种面向数据采集的带宽分配和数据压缩联合优化方法，其特征在于，主要包括以下步骤：
步骤一：建立系统模型：考虑具有K个单天线移动设备的多用户MEC系统；
步骤二：建立数据压缩模型，数据压缩可在移动设备本地和MEC服务器进行；
步骤三：建立数据传输模型，采用FDMA多址方式；
步骤四：基于上述条件建立满足时延和MEC服务器总压缩能力约束情况下基于最小能耗的传输带宽和数据压缩联合优化问题，并将该联合优化问题分解为两个子问题；
步骤五：通过迭代优化算法获得使MEC系统总能耗最低的传输带宽和数据压缩分配结果。


2.根据权利要求1所述的一种面向数据采集的带宽分配和数据压缩联合优化方法，其特征在于，步骤一具体包括：
建立具有K个单天线移动设备和配备一个MEC服务器的基站的多用户MEC系统，将MEC服务器看作是移动设备通过无线通道连接的数据中心，每个移动设备持续生成感测到的数据，并且必须及时将其传输到MEC服务器以进行存储和分析，K个移动设备的集合表示为


3.根据权利要求1所述的一种面向数据采集的带宽分配和数据压缩联合优化方法，其特征在于，步骤二具体包括以下步骤：
令βk∈(0,1]表示为移动设备k数据的总压缩率，即最终压缩后数据大小和未压缩数据大小之比；比特的数据将被压缩至比特并存储在MEC服务器中，压缩操作在移动设备本地和/或在MEC服务器上，压缩操作应满足：



其中是移动设备k在本地实现的数据压缩率，是在MEC服务器实现的数据压缩率，将压缩每比特数据所需的CPU周期数近似为数据压缩率的指数函数：



其中ε是取决于压缩方法的正常数，具体地说，当β＝1时，C(β,ε)＝0，即不需要压缩，因此，在本地和MEC服务器压缩1比特数据所需要的总CPU数分别表示为和每个移动设备在本地压缩所需要的能量和时间分别计算为：






其中Ek和Fk分别表示CPU每周期消耗的能量和每秒移动设备的CPU周期数，同时，移动设备k在MEC服务器压缩需要的能量表示为：



其中E代表MEC服务器压缩每比特数据所需要的能量，考虑MEC服务器具有有限的压缩能力，则MEC服务器总压缩能力应该满足：



其中F是MEC服务器压缩时最大可执行的每秒CPU周期数。


4.根据权利要求1所述的一种面向数据采集的带宽分配和数据压缩联合优化方法，其特征在于，步骤三具体包括以下步骤：
采用FDMA的多址方式，系统将为每个移动设备分配一部分系统带宽，zk∈[0,1]表示其分配给移动设备k的带宽占比，每个移动设备和BS之间的无线信道都被建模为独立且分布均匀的瑞利变量，hk和pk分别定义为移...

【专利技术属性】
技术研发人员：王俊波，张金悦雪，杨凡，张华，常传文，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏;32