一种基于非正交多址的车联网络中资源优化方法技术

本发明专利技术涉及车联网络中的资源优化领域，特别涉及一种基于非正交多址技术的车联网络资源优化方法，在NOMA协助的车辆边缘计算系统中对车辆任务处理时，以车辆边缘计算系统的总能耗最小化为原则，确定系统的卸载和缓存决策、计算和缓存资源的分配，即考虑车辆用户的随机流量到达和队列稳定性，通过联合优化计算卸载决策和内容缓存决策，以及计算和缓存资源的分配，定义为随机优化问题；利用李雅普诺夫优化理论，提出求解该问题的动态联合计算卸载、内容缓存和资源分配算法，并将其解耦为两个独立的子问题，利用0‑1整数规划和线性规划求解两个子问题；本发明专利技术能够有效地处理移动边缘计算服务器的计算资源，并降低系统能耗。

【技术实现步骤摘要】
一种基于非正交多址的车联网络中资源优化方法
本专利技术涉及车联网络中的资源优化领域，特别涉及一种基于非正交多址的车联网络中资源优化方法。
技术介绍
随着物联网的快速发展，计算密集型移动应用日益遍及，现有的移动用户设备在应用处理或能量提供方面已无法满足相应的挑战。同时，在移动视频、在线社交媒体等的带动下，大数据流量呈指数级增长，使得移动网络面临计算限制。虽然无线频谱已被诸如超密集网络充分利用，但回程可能成为新的瓶颈，无法负担巨大的业务流量。未来的无线网络有望支持大量计算密集型和延迟敏感的应用，如虚拟现实和自动驾驶。由于大多数移动设备的计算能力和功耗有限，移动边缘计算(MEC，mobileedgecompution)被认为是一种很有效的加强计算服务的方法。通过向附近的MEC服务器卸载负载，计算密集型应用程序可以有效地执行。通过有效卸载和资源分配，可以在很多方面提升系统性能，如降低处理延迟和能耗，或提高能源效率等。由于车辆移动方向和速度的随机性使得动态资源调度变得非常复杂和具有挑战性。因此，在车联网络中，卸载和缓存决策的制定以及计算和缓存资源的优化分配至关重要。非正交多址接入(NOMA，non-orthogonalmultipleaccess)技术在提高网络频谱效率方面显示出了巨大的潜力。与传统的正交多址(OMA,orthogonalmultipleaccess)网络不同，NOMA网络允许多个用户通过不同的功率级别共享相同的频率资源，接收机采用连续干扰消除(SIC，successiveinterferencecancellation)技术进行用户检测。然而，目前大多数MEC卸载缓存方法通常考虑的是OMA。由于NOMA优于OMA的优点，预计将在MEC系统中应用NOMA。目前相关文献在计算卸载和内容缓存方面进行了大量的研究工作，但很少共同考虑和解决计算卸载和缓存的能耗。此外，在现实通信系统中，车辆产生的移动流量通常是随机动态到达的，而上述工作主要是在静态网络中进行计算卸载和内容缓存，没有考虑数据和缓存队列的动态特性以及动态优化数据流量。因此，不可预测性会难以获得相关文献的系统性能。且目前对基于NOMA的MEC系统研究通常忽略了缓存数据包下载这一阶段，将NOMA应用于基站的下行数据包传输，制定缓存策略和缓存资源分配可以进一步提高系统性能。
技术实现思路
为解决以上现有技术问题，本专利技术提出了一种基于非正交多址技术的车联网络资源优化方法，该方法基于NOMA的动态网络中，在NOMA协助的车辆边缘计算系统中对车辆任务处理时，以车辆边缘计算系统的总能耗最小化为原则，确定系统的卸载和缓存决策、计算和缓存资源的分配，以此完成车辆边缘计算系统中的资源优化问题，如图2，所述车辆边缘计算系统的总能耗最小化过程包括：考虑车辆用户的随机流量到达和队列稳定性，通过联合优化计算卸载决策和内容缓存决策，以及计算和缓存资源的分配，定义为一个随机优化问题；利用李雅普诺夫优化理论，提出求解该问题的动态规划问题；联合计算卸载、内容缓存和资源分配算法，将动态规划问题解耦为计算卸载子问题和内容缓存子问题；解出计算卸载子问题，得出卸载决策和计算资源分配最优解；解出内容缓存子问题，得出缓存决策和缓存资源分配最优解。进一步的，基于NOMA的动态网络中对NOMA的设置包括：在同一频率资源上，通过不同的功率级别实现多用户信号传输，接收机采用连续干扰消除技术进行用户检测；动态网络的设置包括：考虑在一个时隙内，网络为准静态，在不同时隙，车辆在基站覆盖单元中位置发生变化，所以对于整个计算卸载或缓存期间无线信道是变化的。进一步的，在对资源进行优化处理之前，还包括车辆对应用程序的处理进行选择的步骤，车辆用户请求处理应用程序时，可以在本地处理应用程序，也可将其卸载到MEC服务器执行。进一步的，车辆边缘计算系统的总能耗表示为：其中，E(t)为t时隙车辆边缘计算系统的总能耗；Eca,k(t)为t时隙MEC服务器因卸载产生的能量消耗；Eca,k(t)为t时隙MEC服务器缓存所消耗的能量；κ为MEC服务器上的有效切换电容；fm,k(t)为t时隙MEC服务器分配给车辆用户的CPU周期数；xk(t)为t时隙车辆用户的卸载决策，当xk(t)＝1表示任务卸载到MEC服务器上计算，xk(t)＝0表示任务在车辆端进行本地计算；Rk,d为下行链路中第k个用户的可用下行速率；Pj为移动数据片段被请求的概率；为为表示基站传输的能量消耗速率；yk(t)为t时隙车辆设备的缓存策略，当yk(t)＝1表示路侧单元服务器缓存车辆用户请求的内容，yk(t)＝0表示路侧单元服务器不缓存车辆用户请求的内容。进一步的，在路侧单元服务器端队列稳定性条件下的路侧单元服务器端消耗的平均能量最小问题，即随机优化问题表示为：s.t.C1：C2:C3:C4:C5:C6:C7:P1,d≤P2,d≤…≤PK,d其中，为在路侧单元服务器端队列稳定性条件下的路侧单元服务器端消耗的平均能量；E(t)为t时隙在路侧单元服务器端队列稳定性条件下的路侧单元服务器端消耗的能量；x(t)为车辆用户卸载决策；f(t)为MEC服务器分配给车辆用户的CPU周期数；y(t)为车辆用户缓存决策；p(t)为基站发射功率；E{}表示求期望；T为总时隙数；κ为路侧单元服务器上的有效切换电容；fm,k(t)为t时隙路侧单元服务器分配给移动车辆的CPU周期数；xk(t)为t时隙车辆用户k的卸载决策，xk(t)＝1表示任务卸载到MEC服务器上计算，xk(t)＝0表示任务在车辆端进行本地计算；τ为单元时隙的大小，τ＝10ms；Rk,d为下行链路中第k个用户的可用下行速率；Pj为移动数据片段被请求的概率；为基站传输的能量消耗速率；yk(t)为t时隙车辆用户k的缓存决策，yk(t)＝1表示路侧单元服务器缓存车辆用户请求的内容，yk(t)＝0表示路侧单元服务器不缓存车辆用户请求的内容；为MEC服务器上车辆用户任务区的平均队列长度；为MEC服务器上动态缓存的平均队列长度；K为系统总用户数；Ak为第k个任务的请求到达率；W为MEC服务器的最大缓存存储；F为路侧单元端的总计算资源；Pk,d为面向车辆用户k的基站发射功率；为路侧单元端的最大发射功率。进一步的，下行链路中第k个用户的可用下行速率Rk,d(t)为：其中，Hk(t)为车载设备与路侧单元之间的信道增益，Pk,d(t)为时隙t内基站发射功率，B为频谱带宽，N0为高斯白噪声功率谱密度。进一步的，移动数据片段被请求的概率Pj表示为：其中，Nf为缓存文件片段总数；φ为Zipf分布指数。进一步的，利用李雅普诺夫优化理论，提出求解该问题的动态规划问题表示为：s.t.C1:C2:C3:C4:C5:C6:P1,d≤P2,d≤…≤PK,d其中，Ck(t)为t时隙完成计算任务所需的本文档来自技高网...

【技术保护点】
1.一种基于非正交多址的车联网络中资源优化方法，基于NOMA的动态网络中，在NOMA协助的车辆边缘计算系统中对车辆任务处理时，以车辆边缘计算系统的总能耗最小化为原则，确定系统的卸载和缓存决策、计算和缓存资源的分配，以此完成车辆边缘计算系统中的资源优化问题，其特征在于，所述车辆边缘计算系统的总能耗最小化过程包括：/n考虑车辆用户的随机流量到达和队列稳定性，通过联合优化计算卸载决策和内容缓存决策，以及计算和缓存资源的分配，定义为一个随机优化问题；/n利用李雅普诺夫优化理论，提出求解该问题的动态规划问题；/n联合计算卸载、内容缓存和资源分配算法，将动态规划问题解耦为计算卸载子问题和内容缓存子问题；/n解出计算卸载子问题，得出卸载决策和计算资源分配最优解；解出内容缓存子问题，得出缓存决策和缓存资源分配最优解；/n其中，NOMA表示非正交多址，MEC表示移动边缘计算。/n

【技术特征摘要】
1.一种基于非正交多址的车联网络中资源优化方法，基于NOMA的动态网络中，在NOMA协助的车辆边缘计算系统中对车辆任务处理时，以车辆边缘计算系统的总能耗最小化为原则，确定系统的卸载和缓存决策、计算和缓存资源的分配，以此完成车辆边缘计算系统中的资源优化问题，其特征在于，所述车辆边缘计算系统的总能耗最小化过程包括：
考虑车辆用户的随机流量到达和队列稳定性，通过联合优化计算卸载决策和内容缓存决策，以及计算和缓存资源的分配，定义为一个随机优化问题；
利用李雅普诺夫优化理论，提出求解该问题的动态规划问题；
联合计算卸载、内容缓存和资源分配算法，将动态规划问题解耦为计算卸载子问题和内容缓存子问题；
解出计算卸载子问题，得出卸载决策和计算资源分配最优解；解出内容缓存子问题，得出缓存决策和缓存资源分配最优解；
其中，NOMA表示非正交多址，MEC表示移动边缘计算。


2.根据权利要求1所述的一种基于非正交多址的车联网络中资源优化方法，其特征在于，车辆边缘计算系统的总能耗表示为：



其中，E(t)为t时隙车辆边缘计算系统的总能耗；EO,k(t)为t时隙MEC服务器因卸载产生的能量消耗；Eca,k(t)为t时隙MEC服务器缓存所消耗的能量；κ为MEC服务器上的有效切换电容；fm,k(t)为t时隙MEC服务器分配给车辆用户的CPU周期数；xk(t)为t时隙车辆用户的卸载决策，当xk(t)＝1表示任务卸载到MEC服务器上计算，xk(t)＝0表示任务在车辆端进行本地计算；Rk,d为下行链路中第k个用户的可用下行速率；Pj为移动数据片段被请求的概率；为为表示基站传输的能量消耗速率；yk(t)为t时隙车辆设备的缓存策略，当yk(t)＝1表示路侧单元服务器缓存车辆用户请求的内容，yk(t)＝0表示路侧单元服务器不缓存车辆用户请求的内容。


3.根据权利要求3所述的一种基于非正交多址的车联网络中资源优化方法，其特征在于，在路侧单元服务器端队列稳定性条件下的路侧单元服务器端消耗的平均能量最小问题，即随机优化问题表示为：



s.t.C1:
C2:
C3:
C4:
C5:
C6:
C7:P1,d≤P2,d≤…≤PK,d
其中，为在路侧单元服务器端队列稳定性条件下的路侧单元服务器端消耗的平均能量；E(t)为t时隙在路侧单元服务器端队列稳定性条件下的路侧单元服务器端消耗的能量；x(t)为车辆用户卸载策略；f(t)为MEC服务器分配给车辆用户的CPU周期数；y(t)为车辆用户缓存决策；p(t)为基站发射功率；E{}表示求期望；T为总时隙数；κ为路侧单元服务器上的有效切换电容；fm,k(t)为t时隙路侧单元服务器分配给车辆用户k的CPU周期数；xk(t)为t时隙车辆用户k的卸载决策，xk(t)＝1表示任务卸载到MEC服务器上计算，xk(t)＝0表示任务在车辆端进行本地计算；τ为单元时隙的大小，τ＝10ms；Rk,d为下行链路中第k个用户的可用下行速率；Pj为移动数据片段被请求的概率；为基站传输的能量消耗速率；yk(t)为t时隙车辆用户k的缓存决策，yk(t)＝1表示路侧单元服务器缓存车辆用户请求的内容，yk(t)＝0表示路侧单元服务器不缓存车辆用户请求的内容；为MEC服务器上车辆用户...

【专利技术属性】
技术研发人员：刘开健，任俊平，张海波，陶小方，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆;50