MAR客户端在边缘计算中的任务卸载与参数优化方法及系统技术方案

本发明专利技术属于移动通信领域，提供了一种MAR客户端在边缘计算中的任务卸载与参数优化方法及系统。该方法包括：根据所有待执行任务的实时信息、所有MAR客户端用户的业务特点、所有MAR客户端的能量损耗、所有MAR客户端的服务期延迟和目标检测函数，确定适应度函数；根据边缘服务器的状态和MAR客户端的状态生成卸载决策；利用服务器选择和参数优化算法进行相关参数计算，将计算参数返回给MAR客户端进行调整，然后MAR客户端将单个图像帧发送给相关联边缘服务器进行目标检测；重复参数计算和目标检测的过程，直到适应度函数收敛，得到最终参数值和卸载决策。和卸载决策。和卸载决策。

【技术实现步骤摘要】
MAR客户端在边缘计算中的任务卸载与参数优化方法及系统


[0001]本专利技术属于移动通信领域，尤其涉及一种移动增强现实(Mobile Augmented Reality，MAR)客户端在边缘计算中的任务卸载与参数优化方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]随着移动设备的不断普及以及互联网的快速发展，移动应用对资源需求和延迟的敏感度也在不断的提升，移动边缘计算的发展成为主流趋势。传统的云计算虽然能够为应用任务提供集中服务，然而云与用户之间的距离很远，如果将任务卸载到远端云这样容易造成了极大的端到端的延迟。我们所研究的MAR，对较低延迟和较高的计算能力有极大的要求，移动边缘计算(Mobile Edge Computing，MEC)能够使计算资源更加接近用户，相比于云计算来讲，MEC降低了端到端的延迟，会加大的提高用户验。MEC的计算能力虽然比移动设备计算能力强大，如果仅有单个MEC为多个MAR客户端服务，很容易超出MEC的负载，增大服务延迟。另外不同的MAR客户端任务对带宽资源需求不同，不同的服务器可以为MAR客户端分配的带宽资源也不同，例如，处理视频任务就意味着需要高持续的带宽，尤其是利用的现在带高分辨率的手机摄像头，带宽资源分配的不均或不足将导致降低用户的体验感。所以需要多个边缘服务器来为系统中的多个MAR客户端提供服务，由于每个MAR客户端的位置分布不均匀和每个边缘服务器的负载不同，因此需要设计一个服务器选择算法来使MAR客户端能够选择合适的服务器。
[0004]随着深度学习的不断深入发展，MAR技术一直在不断的趋于成熟，使我们可以通过构建智能的机器学习模型来更加精确的检测和区分我们现实中的复杂世界。与此同时，人们对许多MAR应用的需求量也在不断扩大，例如：AR游戏、旅游体验、特殊人群认知辅助等。所以在移动设备上实现增强现实技术是技术发展的一个主流趋势。然而，在移动设备上发展MAR存在一些挑战，(i)移动设备电池容量是有限的，运行增强现实应用需要耗费大量电量(ii)MAR有时计算非常密集，移动设备资源有限，没有如此强大的计算能力。为了解决以上问题，出现了几个不同的研究方向，其中一个是研究计算密集型的计算机算法来在移动设备上运行，虽然能够在一定程度上缩小延迟，但是与MAR预期的服务延迟要长。另一个是将密集的计算转移到云服务器上进行运算，依靠云服务器强大的CPU虽然能够显著的降低了计算延迟，但是在视频或图片卸载到云服务器的过程中，无线信道的时变和容量会受到限制，这样容易造成网络延迟。

技术实现思路

[0005]为了解决上述
技术介绍
中存在的技术问题，本专利技术提供一种MAR客户端在边缘计算中的任务卸载与参数优化方法及系统，设计了基于不同的用户业务特点并考虑MAR客户端能量消耗、服务延迟和检测精度影响的适应度函数，以最小化适应度函数作为目标，将移
动设备接收到的图像或者是视频帧传输到周围的边缘服务上，来执行深度学习的算法。
[0006]为了实现上述目的，本专利技术采用如下技术方案：
[0007]本专利技术的第一个方面提供一种MAR客户端在边缘计算中的任务卸载与参数优化方法。
[0008]MAR客户端在边缘计算中的任务卸载与参数优化方法，包括：
[0009]根据所有待执行任务的实时信息、所有MAR客户端用户的业务特点、所有MAR客户端的能量损耗、所有MAR客户端的服务期延迟和目标检测函数，确定适应度函数；
[0010]根据边缘服务器的状态和MAR客户端的状态生成卸载决策；
[0011]利用服务器选择和参数优化算法进行相关参数计算，将计算参数返回给MAR客户端进行调整，然后MAR客户端将单个图像帧发送给相关联边缘服务器进行目标检测；
[0012]重复参数计算和目标检测的过程，直到适应度函数收敛，得到最终参数值和卸载决策。
[0013]进一步的，所述利用服务器选择和参数优化算法进行相关参数计算，将计算参数返回给MAR客户端进行调整，然后MAR客户端将单个图像帧发送给相关联边缘服务器进行目标检测包括：
[0014]根据适应度函数的所有待执行任务所允许的最大完成时间，确定每个任务执行的优先级；
[0015]按照优先级队列对每个MAR客户端任务进行判断，然后利用层次分析法卸载对应的任务，选择边缘服务器；
[0016]在选择的边缘服务器上进行参数计算；
[0017]判断适应度函数是否收敛，若是，得到参数值和任务分配结果；否则，计算每个MAR客户端完成任务允许的最大服务延迟与完成任务的服务延迟的差值，找到优先级队列中差值最大的任务，对该任务及其之后的任务进行重分配，直到适应度函数收敛，得到最终参数值和任务分配结果。
[0018]进一步的，所述选择边缘服务器包括：综合边缘服务器的负载和MAR客户端与边缘服务器的距离，选择最优的边缘服务器。
[0019]进一步的，所述层次分析法包括：目标层、准则层和方案层，所述目标层用于选择最优边缘服务器；所述准则层用于MAR客户端选择边缘服务器所需考虑的边缘服务器的负载和MAR客户端到边缘服务器的距离；所述方案层用于选择服务器。
[0020]进一步的，所述适应度函数为：
[0021][0022][0023][0024][0025][0026]其中：正权重参数和来表示用户业务特点；Q
n
表示第n个MAR总的能量消耗；T
n
表示第n个MAR客户端的总的服务期延迟；R
n
表示目标检测函数；表示第n个客户端所能容忍的最大服务延迟；表示第m个边缘服务的最大带宽资源；约束C1表示是边缘服务器为MAR客户端分配的无线带宽资源不能超出与其关联的边缘服务器的最大无线带宽资源；约束C2表示MAR客户端处理任务的服务延迟不能超出该任务所能容忍的最大服务时延；约束C3和C4是MAR客户端CPU频率和任务分辨率大小的限制条件。
[0027]进一步的，在确定适应度函数之前包括：系统初始化；系统初始化包括：获取各个边缘服务器的计算能力、无线带宽资源的大小和负载情况；MAR客户端的用户业务特点、所选相机帧数、任务分辨率大小、CPU频率大小、任务的最大允许完成时间。
[0028]进一步的，所述所有待执行任务的实时信息包括：MAR客户端的地理位置信息、边缘服务器的负载信息。
[0029]本专利技术的第二个方面提供一种MAR客户端在边缘计算中的任务卸载与参数优化系统。
[0030]MAR客户端在边缘计算中的任务卸载与参数优化系统，包括：
[0031]适应度函数确定模块，其被配置为：根据所有待执行任务的实时信息、所有MAR客户端用户的业务特点、所有MAR客户端的能量损耗、所有MAR客户端的服务期延迟和目标检测函数，确定适应度函数；
[0032]卸载决策生成模块，其被配置为：根据边缘服务器的状态和MAR客户端的状态生成卸载决策；
[0033]参本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.MAR客户端在边缘计算中的任务卸载与参数优化方法，其特征在于，包括：根据所有待执行任务的实时信息、所有MAR客户端用户的业务特点、所有MAR客户端的能量损耗、所有MAR客户端的服务期延迟和目标检测函数，确定适应度函数；根据边缘服务器的状态和MAR客户端的状态生成卸载决策；利用服务器选择和参数优化算法进行相关参数计算，将计算参数返回给MAR客户端进行调整，然后MAR客户端将单个图像帧发送给相关联边缘服务器进行目标检测；重复参数计算和目标检测的过程，直到适应度函数收敛，得到最终参数值和卸载决策。2.根据权利要求1所述的MAR客户端在边缘计算中的任务卸载与参数优化方法，其特征在于，所述利用服务器选择和参数优化算法进行相关参数计算，将计算参数返回给MAR客户端进行调整，然后MAR客户端将单个图像帧发送给相关联边缘服务器进行目标检测包括：根据适应度函数的所有待执行任务所允许的最大完成时间，确定每个任务执行的优先级；按照优先级队列对每个MAR客户端任务进行判断，然后利用层次分析法卸载对应的任务，选择边缘服务器；在选择的边缘服务器上进行参数计算；判断适应度函数是否收敛，若是，得到参数值和任务分配结果；否则，计算每个MAR客户端完成任务允许的最大服务延迟与完成任务的服务延迟的差值，找到优先级队列中差值最大的任务，对该任务及其之后的任务进行重分配，直到适应度函数收敛，得到最终参数值和任务分配结果。3.根据权利要求2所述的MAR客户端在边缘计算中的任务卸载与参数优化方法，其特征在于，所述选择边缘服务器包括：综合边缘服务器的负载和MAR客户端与边缘服务器的距离，选择最优的边缘服务器。4.根据权利要求2所述的MAR客户端在边缘计算中的任务卸载与参数优化方法，其特征在于，所述层次分析法包括：目标层、准则层和方案层，所述目标层用于选择最优边缘服务器；所述准则层用于MAR客户端选择边缘服务器所需考虑的边缘服务器的负载和MAR客户端到边缘服务器的距离；所述方案层用于选择服务器。5.根据权利要求1所述的MAR客户端在边缘计算中的任务卸载与参数优化方法，其特征在于，所述适应度函数为：在于，所述适应度函数为：在于，所述适应度函数为：在于，所述适应度函数为：在于，所述适应度函数为：
其中：正权重参数和来表示用户业务特点；Q
n
表示第n个MAR总的能量消...

【专利技术属性】
技术研发人员：翟临博，李玉美，杨峰，赵景梅，
申请(专利权)人：山东师范大学，
类型：发明
国别省市：