一种智能反射面辅助的上行移动边缘计算方法及系统技术方案

本发明专利技术公开了智能反射面辅助通信技术领域的一种智能反射面辅助的上行移动边缘计算方法及系统。设置智能反射面用于移动设备与基站之间的辅助通信；建立智能反射面辅助的移动边缘计算系统，移动设备将计算任务卸载到边缘服务器进行计算；所述方法包括：建立移动设备和基站之间的无线传输模型、智能反射面的有效相移模型、边缘计算中相关的能耗以及时延模型；在满足约束条件的情况下，以系统能耗最小化构建计算系统的目标函数；对目标函数进行处理并求解，获得移动设备的发送功率、边缘服务器的计算资源分配策略、智能反射面的波束赋形向量和基站的波束赋形向量。本发明专利技术提升了链路性能，降低了路径损耗和计算能耗。降低了路径损耗和计算能耗。降低了路径损耗和计算能耗。

【技术实现步骤摘要】
一种智能反射面辅助的上行移动边缘计算方法及系统


[0001]本专利技术属于智能反射面辅助通信
，具体涉及一种智能反射面辅助的上行移动边缘计算方法及系统。

技术介绍

[0002]当今生产力的快速发展极大地增加了各行业对电力消耗的需求，与智慧电网相关的各种解决方案层出不穷，但仍存在许多亟待解决的问题。人工智能技术虽然可以大幅提升海量数据的处理和分析能力，但是该技术需要大量计算资源，而普通电网设备不具备此类资源。云计算虽然可以驱动人工智能的运转，但其服务实验较高，且无法处理敏感数据。而发展趋于成熟的边缘计算基数成为信息通信技术与操作技术的桥梁。智慧电网是一个将多种数字计算方式、通信技术和服务集成到电力系统基础设施中的电网系统。智慧电网作为构建泛在电力物联网的重要一环，可以利用边缘计算技术实现。在智慧电网的实施过程中，移动边缘计算(Mobile Edge Computing,MEC)可以实现不同设备中异构数据的实时采集，提供弹性计算资源承载深度学习模型。边缘的计算资源配置可以满足小区域数据离线处理和分析，从而保障各类数据的安全传输和处理。
[0003]在实际应用中，MEC有时难以充分发挥其作用，特别是在移动设备与基站之间存在阻碍其传播的物体，无法将计算任务成功地从移动设备转移到基站的情况下。为了解决这一问题，智能反射面(Intelligent Reflecting Surface,IRS)被认为是一种可行的解决方案，但在实践中很难实现连续的智能反射面相移，且没有考虑系统能耗。

技术实现思路

[0004]为解决现有技术中的不足，本专利技术提供一种智能反射面辅助的上行移动边缘计算方法及系统，提升了链路性能，降低了路径损耗和计算能耗。
[0005]为达到上述目的，本专利技术所采用的技术方案是：
[0006]第一方面，提供一种智能反射面辅助的上行移动边缘计算方法，设置智能反射面用于移动设备与基站之间的辅助通信；建立智能反射面辅助的移动边缘计算系统，移动设备将计算任务卸载到边缘服务器进行计算；所述方法包括：建立移动设备和基站之间的无线传输模型、智能反射面的有效相移模型、边缘计算中相关的能耗以及时延模型；根据移动设备和基站之间的无线传输模型、智能反射面的有效相移模型、边缘计算中相关的能耗以及时延模型，在满足约束条件的情况下，以系统能耗最小化构建计算系统的目标函数；对目标函数进行处理并求解，获得移动设备的发送功率、边缘服务器的计算资源分配策略、智能反射面的波束赋形向量和基站的波束赋形向量。
[0007]进一步地，所述移动设备和基站之间的无线传输模型、智能反射面的有效相移模型的构建方法，包括：定义第k个移动设备到基站的信道H
k
为：
[0008][0009]其中，H
d,k
∈C
M
×1为从第k个移动设备到基站的直接链路信道，H
r,k
∈C
N
×1为从第k个
移动设备到智能反射面的信道，G∈C
M
×
N
为从智能反射面到基站的信道，M为基站配置的天线数量，N为智能反射面的反射元件的数量；则基站所接收到的第k个移动设备发出的信号，即移动设备和基站之间的无线传输模型为：
[0010][0011]其中，p
k
为第k个移动设备的传输功率，x
k
为第k个移动设备的传输数据，n∈C
M
×1为加性白高斯噪声向量且满足E[nn
H
]＝σ2I
M
；此外定义，为信道的集合；智能反射面的有效相移模型为：
[0012][0013]其中，θ
n
∈[0,2π)(n＝1,
…
,N)为联合入射信号的相移，η
n
∈[0,1](n＝{1,2,...,N})为入射信号的幅度反射系数。
[0014]进一步地，所述边缘计算中相关的能耗以及时延模型，包括移动设备计算卸载时的传输时延模型以及能耗模型、基站计算时延模型以及进行任务计算的能耗模型、计算系统卸载时延模型以及加权能耗模型。
[0015]进一步地，所述移动设备计算卸载时的传输时延模型以及能耗模型分别为：
[0016][0017][0018]其中，T
t,k
为移动设备计算卸载时的传输时延，E
t,k
为移动设备计算卸载时的能耗，B
k
为计算任务大小，R
k
为第k个移动设备最大可实现传输速率，R
k
＝B
w
log2(1+γ
k
)，B
w
为系统带宽，γ
k
为第k个移动设备的信号和噪声与干扰比：u
k
∈C
M
×1为第k个移动设备的接收波束赋形向量。
[0019]进一步地，所述基站计算时延模型以及进行任务计算的能耗模型分别为：假设边缘服务器具有多核CPUs，则基站计算时延模型以及进行任务计算的能耗模型分别为：
[0020][0021][0022]其中，T
e,k
为基站计算时延，E
e,k
为基站进行任务计算的能耗，κ
k
为由硬件结构决定的常数，α
k
为移动设备计算任务的处理密度，f
k
为基站分配给第k个移动设备的计算资源。
[0023]进一步地，所述计算系统卸载时延模型以及加权能耗模型分别为：第k个移动设备的计算系统卸载时延模型可以表示为：
[0024]T
off,k
＝T
t,k
+T
e,k
ꢀꢀꢀꢀꢀꢀꢀꢀ
(10)
[0025]则计算系统加权能耗模型为：
[0026][0027]其中，l
e,k
表示基站处边缘服务器能量消耗的正的权重系数，l
t,k
表示移动设备能量消耗的正的权重系数。
[0028]进一步地，所述目标函数为：
[0029][0030]其中，为移动设备功率的集合，F＝{f1,f2,
…
,f
k
}为计算资源分配的集合，U＝[u1,u2,...,u
K
]为基站接收波束赋形向量的集合；P
max,k
表示第k个移动设备所能提供的最大传输功率，f
total
表示基站用于进行边缘计算的所有计算资源，T
max,k
表示系统所允许的最大时延，为移动设备的集合。
[0031]进一步地，所述对目标函数进行处理，包括采用二次转换方法将目标函数转化为：
[0032][0033]其中，p
k
为第k个移动设备的传输功率，为移动设备功率的集合，w
k
为引入的非负辅助变量，为引入辅助变量w
k
的集合，l
t,k本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能反射面辅助的上行移动边缘计算方法，其特征在于，设置智能反射面用于移动设备与基站之间的辅助通信；建立智能反射面辅助的移动边缘计算系统，移动设备将计算任务卸载到边缘服务器进行计算；所述方法包括：建立移动设备和基站之间的无线传输模型、智能反射面的有效相移模型、边缘计算中相关的能耗以及时延模型；根据移动设备和基站之间的无线传输模型、智能反射面的有效相移模型、边缘计算中相关的能耗以及时延模型，在满足约束条件的情况下，以系统能耗最小化构建计算系统的目标函数；对目标函数进行处理并求解，获得移动设备的发送功率、边缘服务器的计算资源分配策略、智能反射面的波束赋形向量和基站的波束赋形向量。2.根据权利要求1所述的智能反射面辅助的上行移动边缘计算方法，其特征在于，所述移动设备和基站之间的无线传输模型、智能反射面的有效相移模型的构建方法，包括：定义第k个移动设备到基站的信道H
k
为：其中，H
d，k
∈C
M
×1为从第k个移动设备到基站的直接链路信道，H
r，k
∈C
N
×1为从第k个移动设备到智能反射面的信道，G∈C
M
×
N
为从智能反射面到基站的信道，M为基站配置的天线数量，N为智能反射面的反射元件的数量；则基站所接收到的第k个移动设备发出的信号，即移动设备和基站之间的无线传输模型为：其中，p
k
为第k个移动设备的传输功率，X
k
为第k个移动设备的传输数据，n∈C
M
×1为加性白高斯噪声向量且满足E[nn
H
]＝σ2I
M
；此外定义，为信道的集合；智能反射面的有效相移模型为：其中，θ
n
∈[0，2π)(n＝1，
…
，N)为联合入射信号的相移，η
n
∈[0，1](n＝{1，2，...，N})为入射信号的幅度反射系数。3.根据权利要求1所述的智能反射面辅助的上行移动边缘计算方法，其特征在于，所述边缘计算中相关的能耗以及时延模型，包括移动设备计算卸载时的传输时延模型以及能耗模型、基站计算时延模型以及进行任务计算的能耗模型、计算系统卸载时延模型以及加权能耗模型。4.根据权利要求3所述的智能反射面辅助的上行移动边缘计算方法，其特征在于，所述移动设备计算卸载时的传输时延模型以及能耗模型分别为：移动设备计算卸载时的传输时延模型以及能耗模型分别为：
其中，T
t，k
为移动设备计算卸载时的传输时延，E
t，k
为移动设备计算卸载时的能耗，B
k
为计算任务大小，R
k
为第k个移动设备最大可实现传输速率，R
k
＝B
w
log2(1+γ
k
)，B
w
为系统带宽，γ
k
为第k个移动设备的信号和噪声与干扰比：u
k
∈C
M
×1为第k个移动设备的接收波束赋形向量。5.根据权利要求4所述的智能反射面辅助的上行移动边缘计算方法，其特征在于，所述基站计算时延模型以及进行任务计算的能耗模型分别为：假设边缘服务器具有多核CPUs，则基站计算时延模型以及进行任务计算的能耗模型分别为：别为：其中，T
e，k
为基站计算时延，E
e，k
为基站进行任务计算的能耗，κ
k
为由硬件结构决定的常数，α
k
为移动设备计算任务的处理密度，f
k
为基站分配给第k个移动设备的计算资源。6.根据权利要求5所述的智能反射面辅助的上行移动边缘计算方法，其特征在于，所述计算系统卸载时延模型以及加权能耗模型分别为：第k个移动设备的计算系统卸载时延模型可以表示为：T
off，k
＝T
t，k
+T
e，k
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(10)则计算系统加权能耗模型为：其中，表示基站处边缘服务器能量消耗的正的权重系数，表示移动设备能量消耗的正的权重系数。7.根据权利要求1所述的智能反射面辅助的上行移动边缘计算方法，其特征在于，所述目标函数为：其中，为移动设备功率的集合，F＝{f1，f2，
…
，f
k
}为计算资源分配的集合，U＝[u1，u2，...，u
K
]为基站接收波束赋形向量的集合；P
max，k
表示第k个移动设备所能提供的最大传输功率，f
total
表示基站用于进行边缘计算的所有计算资源，T
max，k
表示系统所允
许的最大时延，为移动设备的集合。8.根据权利要求7所述的智能反射面辅助的上行移动边缘计算方法，其特征在于，所述对目标函数进行处理，包括采用二次转换方法将目标函数转化为：其中，p
k
为第k个移动设备的传输功率，为移动设备功率的集合，w
k
为引入的非负辅助变量，为引入辅助变量w
k
的集合，为移动设备能量消耗的正的权重系数，B
k
为计算任务大小，...

【专利技术属性】
技术研发人员：刘锐，黄红兵，李洋，赵高峰，邱兰馨，罗先南，凌芝，于佳，徐阳洲，严宇航，邵炜平，章毅，史俊潇，
申请(专利权)人：国网浙江省电力有限公司信息通信分公司南京南瑞信息通信科技有限公司国家电网有限公司，
类型：发明
国别省市：