一种基于移动边缘计算的反向散射通信系统资源分配方法技术方案

本发明专利技术涉及一种基于移动边缘计算的反向散射通信系统资源分配方法，属于物联网领域。包括构建反向散射辅助无线移动边缘计算网络模型；满足物联网设备的最小计算约束、能量因果关系约束、最大本地计算频率约束以及移动边缘计算服务器的最大传输功率约束，建立联合优化移动边缘计算服务器的发射功率、能量收集时间、反向散射时间、功率反射系数、物联网设备的本地计算频率和时间以及物联网设备二进制卸载决策的系统计算比特最大化问题。利用分时松弛、块坐标体面技术以及引入辅助变量将原多变量耦合、难以求解的非凸优化问题转化为两个凸优化的子问题获得所优化变量的最优解。本发明专利技术在系统抗干扰能力和系统计算能力方面相较于现有技术有较大提升。现有技术有较大提升。现有技术有较大提升。

【技术实现步骤摘要】
一种基于移动边缘计算的反向散射通信系统资源分配方法


[0001]本专利技术属于物联网领域，涉及一种基于移动边缘计算的反向散射通信系统资源分配方法。

技术介绍

[0002]智能物联网应用要求物联网设备在给定的时间预算内从收集的任务数据中获取信息。这种方法要求物联网设备具有一定的计算能力，然而，由于成本限制，物联网设备通常受到计算限制，收集的任务数据可能无法及时处理，导致计算瓶颈问题，阻碍了物联网设备的智能应用。由于移动边缘计算允许物联网设备将一部分任务数据卸载到几乎部署的移动边缘计算服务器上，该服务器拥有非常大的计算能力，因此可以有效地解决上述问题。在实现移动边缘计算时，物联网设备将消耗大量能量用于数据卸载和计算。然而，每个物联网设备中配备的电池通常很小，可能长时间不支持上述操作。因此，有限的寿命是智能物联网中的另一个关键挑战，这促使研究人员将无线电力传输集成到移动边缘计算中，其中专用能源用于为物联网设备供电，每个设备都利用收集的能量来维持数据卸载和计算。在这些工作中，数据卸载是通过有源传输实现的，该有源传输需要功耗部件，例如振荡器。然而，无限功率传输的低效率使得物联网设备需要在每个传输块内调度长时间的能量收集，从而只留下短时间的主动传输卸载。这种方法限制了它们的数据卸载性能，因此需要高效的无线通信来进行数据卸载。
[0003]由于极端的功耗，将反向散射通信应用到无线供电的移动边缘计算中进行数据卸载受到了极大的关注。然而现有技术所提出的二进制卸载方案只考虑了二进制卸载的特殊情况，而没有考虑时分多路复用且忽略了每个物联网设备的最小计算要求，因此研究具有时分多路复用的反向散射辅助无线移动边缘计算网络的加权和计算比特位最大化的问题，具有非常重要的意义。

技术实现思路

[0004]有鉴于此，本专利技术的目的在于提供一种基于移动边缘计算的反向散射通信系统资源分配方法，该方法考虑物联网设备的最小计算约束、能量因果关系约束、最大本地计算频率约束以及移动边缘计算服务器的最大传输功率约束，联合优化移动边缘计算服务器的发射功率、能量收集时间、反向散射时间、功率反射系数、物联网设备的本地计算频率和时间以及物联网设备二进制卸载决策，以最大化系统计算比特，有效提高系统计算能力。
[0005]为达到上述目的，本专利技术提供如下技术方案:
[0006]一种基于移动边缘计算的反向散射通信系统资源分配方法,具体包括以下步骤：
[0007]S1：初始化迭代数i和最大容错率
[0008]S2：设置最大迭代次数i
m
和Flag＝0。
[0009]S3：初始化每个物联网设备的二进制卸载决策
[0010]S4：判断当前迭代次数是否等于最大迭代次数，若是，则结束，否则进入S5。
[0011]S5：获得最优能量收集时间第k个物联网设备的反向散射时间第k个物联网设备的计算频率第k个物联网设备的辅助变量
[0012]S6：获得第k个物联网设备的功率反射系数
[0013]S7：计算所有物联网设备的加权计算比特R
ws,1
。
[0014]S8：由S5得到的解，基于CVX获得第k个物联网设备是否选择执行任务卸载的最优解
[0015]S9：计算所有物联网设备的加权计算比特位R
ws,2
。
[0016]进一步的，在S1中，所述的初始化参数包括迭代次数i和最大容错率
[0017]进一步的，在S2中，所述的参数设置包括最大迭代次数i
m
和Flag＝0。
[0018]进一步的，在S3中，初始化每个物联网设备的二进制卸载决策且β
k
∈{0,1}。
[0019]进一步的，在S5中，所述的获得最优资源分配包括最优能量收集时间第k个物联网设备的反向散射时间k个物联网设备的计算频率第k个物联网设备的辅助变量其中x
k
为第k个物联网设备的功率反射系数ρ
k
与第k个物联网设备的反向散射时间ε
k
的乘积。
[0020]进一步的，在S6中，根据求得第k个物联网设备的功率反射系数
[0021]进一步的，在S7中，R
ws,1
表示所有互联网的加权计算比特位，根据计算，其中β
k
表示第k个物联网设备是否选择执行任务卸载，若β
k
＝1，则第k个物联网设备的任务被卸载到移动边缘计算服务器进行计算，若β
k
＝0，则第k个物联网设备将执行本地计算；ε
k
表示第k个物联网设备的反向散射时间，τ表示主动传输与反向散射传输之间的性能差距，ρ
k
表示第k个物联网设备的功率反射系数，表示物联网设备的信号发射功率，g
k
表示第k个物联网设备与移动边缘计算服务器之间的信道增益，B表示用于传播能量信号的带宽，σ2是加性高斯白噪声的功率谱密度，t
k
表示第k个用于本地计算物联网设备的计算时间，f
k
表示第k个用于本地计算物联网设备的计算频率，C
cpu,k
表示第k个用于本地计算的物联网设备的1位计算所需的CPU周期数。
[0022]进一步的，在S8中，所述最优二进制卸载决策其中β
k
表示第k个物联网设备是否选择执行任务卸载，若β
k
＝1，则第k个物联网设备的任务被卸载到移动边缘计算服务器进行计算，若β
k
＝0，则第k个物联网设备将执行本地计算。
[0023]进一步的，在S9中，R
ws,2
表示所有物联网设备的加权计算比特位，根据计算，其中β
k
表示第k个物联网设备是否选择执行任务卸载，若β
k
＝1，则第k个物联网设备的任务被卸载到移动边缘计算服务器进行计算，若β
k
＝0，则第k个物联网设备将执行本地计算；ε
k
表示第k个物联网设备的反向散射时间，τ表示主动传输与反向散射传输之间的性能差距，ρ
k
表示第k个物联网设备的功率反射系数，
表示物联网设备的信号发射功率，g
k
表示第k个物联网设备与移动边缘计算服务器之间的信道增益，B表示用于传播能量信号的带宽，σ2是加性高斯白噪声的功率谱密度，t
k
表示第k个用于本地计算物联网设备的计算时间，f
k
表示第k个用于本地计算物联网设备的计算频率，C
cpu,k
表示第k个用于本地计算的物联网设备的1位计算所需的CPU周期数。
[0024]为了便于体现出本实例的有效性，本专利技术采用分时松弛、块坐标体面技术、引入辅助变量将原来的非凸混合整数规划问题转化为等价凸优化问题，定义一种两阶段备选方案优化算法(Two
‑
Stage Alternative,TSA)确定优化问题的解，使系统计算比特最大化。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于移动边缘计算的反向散射通信系统资源分配方法，其特征在于，该方法包括以下步骤：S1：初始化迭代数i和最大容错率S2：设置最大迭代次数i
m
和Flag＝0。S3：初始化每个物联网设备的二进制卸载决策S4：判断当前迭代次数是否等于最大迭代次数，若是，则结束，否则进入S5。S5：获得最优能量收集时间第k个物联网设备的反向散射时间第k个物联网设备的计算频率f
k+
，第k个物联网设备的辅助变量S6：获得第k个物联网设备的功率反射系数S7：计算所有物联网设备的加权计算比特位R
ws,1
。S8：由S5得到的解，基于CVX获得第k个物联网设备是否选择执行任务卸载的最优解S9：计算所有物联网设备的加权计算比特位R
ws,2
。2.根据权利要求1所述的一种基于移动边缘计算的反向散射通信系统资源分配方法，其特征在于：在S1中，所述的初始化参数包括迭代次数i和最大容错率3.根据权利要求1所述的一种基于移动边缘计算的反向散射通信系统资源分配方法，其特征在于：在S2中，所述的参数设置包括最大迭代次数i
m
和Flag＝0。4.根据权利要求1所述的一种基于移动边缘计算的反向散射通信系统资源分配方法，其特征在于：在S3中，初始化每个物联网设备的二进制卸载决策且β
k
∈{0,1}。5.根据权利要求1所述的一种基于移动边缘计算的反向散射通信系统资源分配方法，其特征在于：在S5中，所述的获得最优资源分配包括最优能量收集时间第k个物联网设备的反向散射时间k个物联网设备的计算频率f
k+
，第k个物联网设备的辅助变量其中d
k
为第k个物联网设备的功率反射系数ρ
k
与第k个物联网设备的反向散射时间ε
k
的乘积。6.根据权利要求1所述的一种基于移动边缘计算的反向散射通信系统资源分配方法，其特征在于：在S6中，根据求得第k个物联网设备的功率反射系数7.根据权利要求1所述的一种基于移动边缘计算的反向散射通信系统资源分配方法，其特征在于：在S7中，R
ws,1
表示所有物联网设备的加权计算比特，根据计算，其中β
k
表示第k个物联网设备是否选择执行任务卸载，若β
k
＝1，则第k个物联网设备的任务被卸载到移动边缘计算服务器进行计...

【专利技术属性】
技术研发人员：孙艳，张自强，尚闻博，罗发政，李娜，刘晓琴，杨振伟，李燕，侯峰，郭名康，贾永利，王玮，李军军，伏建蓉，
申请(专利权)人：国网甘肃省电力公司信息通信公司，
类型：发明
国别省市：