感知任务卸载和资源分配联合优化方法及相关装置制造方法及图纸

本发明专利技术公开了一种感知任务卸载和资源分配联合优化方法及相关装置，本发明专利技术在移动终端层的感知任务卸载策略和边缘层的资源分配策略的基础上构建以预设时隙内移动终端感知任务数据量最大为目标的联合优化模型，通过求解联合优化模型，获得预设时隙内端边协同网络处理的感知任务数据量最大，从而使端边协同网络资源被充分利用，提高了端边协同网络的服务性能。能。能。

【技术实现步骤摘要】
感知任务卸载和资源分配联合优化方法及相关装置


[0001]本专利技术涉及一种感知任务卸载和资源分配联合优化方法及相关装置，属于无线通信、移动通信


技术介绍

[0002]物联网和无线通信技术的快速发展催生了智慧工厂、智能交通等应用场景。在这些场景中，感知网络除了部署大量传感器节点的外，具有感知、计算和无线通信能力的移动终端（如AGV终端、可穿戴设备、智能手机等）可以在时空粒度上实时地感知周围环境，进行分布式协同计算。移动终端利用自身配备的摄像头、雷达等传感器感知物理环境，每秒将产生大约1GB的数据，这些原始数据需要充足的计算资源实时处理，以保证终端安全行驶，因此，这对拥有有限资源的移动终端提出了巨大的挑战。
[0003]为了应对这样的挑战，可以适当地将计算密集型感知任务进行细粒度划分，从而卸载到其范围内MEC服务器上协同处理，即采用端边协同网络，可以降低任务处理的时延和能量消耗，提高资源利用率。为了充分利用端边协同网络的资源，有必要通过研究端边协同网络中感知任务卸载和资源分配联合优化问题，权衡预设时间内移动终端任务的感知和协同计算过程，但是目前还没有相应的方法。

技术实现思路

[0004]本专利技术提供了一种感知任务卸载和资源分配联合优化方法及相关装置，解决了
技术介绍
中披露的问题。
[0005]为了解决上述技术问题，本专利技术所采用的技术方案是：感知任务卸载和资源分配联合优化方法，包括：根据端边协同网络中移动终端层的感知任务卸载策略和边缘层的资源分配策略，构建联合优化模型；其中，联合优化模型以在感知任务卸载策略和资源分配策略下，预设时隙内移动终端感知任务数据量最大为目标；求解联合优化模型，获得作为联合优化结果的预设时隙内端边协同网络处理的感知任务数据量。
[0006]边缘层的资源包括基站的通信资源和边缘服务器的计算资源；联合优化模型的目标函数为：；式中，，，，N为端边协同网络中移动终端数量，M为端边协同网络中基站数量，v
n
为第n个移动终端感知周围环
境的速率，为在预设时隙内第n个移动终端分配的感知时间，为第n个移动终端的感知任务协同计算时延，为感知任务卸载策略，为第n个移动终端的感知任务卸载向量，为第n个移动终端在本地计算的感知任务比例，为第n个移动终端卸载到基站的任务比例，为基站的通信资源分配策略，为第m个基站分给移动终端的通信资源，为第m个基站分给第n个移动终端的通信资源，为与基站连接的边缘服务器的计算资源分配策略，为与第m个基站连接的边缘服务器分给移动终端的计算资源，为与第m个基站连接的边缘服务器分给第n个移动终端的计算资源，为第n个移动终端计算单位bit感知任务需要的计算资源数，为第n个移动终端的计算能力，为第n个移动终端的本地计算时延，为与第m个基站连接的边缘服务器的计算时延。
[0007]边缘层的资源包括基站的通信资源和边缘服务器的计算资源，其中，通信资源为带宽资源；联合优化模型的约束条件包括：a、移动终端的感知任务在本地或对应的边缘服务器上计算；其中，对应的边缘服务器为与移动终端通信基站所连的边缘服务器；b、移动终端的感知任务只能卸载到对应的基站上；其中，对应的基站为与移动终端通信的基站；c、基站分配给所有移动终端的带宽资源不超过基站的最大带宽；d、若移动终端的感知任务不卸载到对应的基站上，对应的基站分配给移动终端的带宽资源为0；e、边缘服务器分配给所有移动终端的计算资源不超过边缘服务器的最大计算资源；f、若移动终端的感知任务不卸载到对应的基站上，对应的边缘服务器分配给移动终端的计算资源为0；g、移动终端的感知时间和感知任务协同计算时延之和不超过预设时隙；h、移动终端的感知能耗、本地计算能耗和感知任务传输能耗之和不超过移动终端自身最大能量。
[0008]联合优化模型的约束条件为：约束条件a对应的公式为：；；
式中，为第n个移动终端在本地计算的感知任务比例，为第n个移动终端卸载到基站的任务比例，M为端边协同网络中基站数量；约束条件b对应的公式为：；式中，为第n个移动终端是否在第m个基站覆盖范围的标识，表示第n个移动终端在第m个基站覆盖范围内，表示第n个移动终端不在第m个基站覆盖范围内，为第n个移动终端在第m个基站的距离，R
m
为第m个基站的覆盖范围半径；约束条件c对应的公式为：；；式中，为第m个基站分给第n个移动终端的通信资源，N为端边协同网络中移动终端数量，为第m个基站的最大带宽；约束条件d对应的公式为：；式中，为指示函数，当时，指示函数值为1，当时，指示函数值为0；约束条件e对应的公式为：；；式中，为与第m个基站连接的边缘服务器分给第n个移动终端的计算资源，为与第m个基站连接的边缘服务器的最大计算资源；约束条件f对应的公式为：；约束条件g对应的公式为：；
式中，为在预设时隙内第n个移动终端分配的感知时间，为第n个移动终端的感知任务协同计算时延，T
max
为预设时隙；约束条件h对应的公式为：；式中，为第n个移动终端感知过程消耗的能量，为第n个移动终端感知每比特数据的能耗，v
n
为第n个移动终端感知周围环境速率，为第n个移动终端本地计算能耗，为移动终端本地计算单位比特数据消耗能量，为第n个移动终端计算单位bit感知任务需要的计算资源数，为第n个移动终端的计算能力，为第n个移动终端在本地计算的感知任务比例，为第n个移动终端向第m个基站上行传输感知任务的能耗，P
n
为第n个移动终端的发射功率，为高斯噪声功率，h
mn
为第n个移动终端与第m个基站之间的信道增益，E
max
为移动终端自身最大能量。
[0009]求解联合优化模型，获得作为联合优化结果的预设时隙内端边协同网络处理的感知任务数据量，包括：将联合优化模型的非凸项约束条件近似为凸项约束条件，采用逐次凸近似方法求解近似后的联合优化模型，获得作为联合优化结果的预设时隙内端边协同网络处理的感知任务数据量。
[0010]将联合优化模型的非凸项约束条件近似为凸项约束条件包括：将约束条件d和f进行线性化，线性化后约束条件公式为：；；式中，参数，为指示函数，当
时，指示函数值为1，当时，指示函数值为0，为第n个移动终端卸载到基站的任务比例，为第m个基站分给第n个移动终端的通信资源，为第m个基站的最大带宽，为惩罚因子，为与第m个基站连接的边缘服务器分给第n个移动终端的计算资源，为与第m个基站连接的边缘服务器的最大计算资源，为惩罚因子；将约束条件g和h进行凸近似，转化后约束条件公式为：；式中，为第n个移动终端感知每比特数据的能耗，v
n
为第n个移动终端感知周围环境速率，为在预设时隙内第n个移动终端分配的感知时间，T
max
为预设时隙，E
max
为移动终端自身最大能量，为移动终端本地计算单位比特数据消耗能量，为第n个移动终端计算单位bit感知任务需要的计算资源数，为第n个移动终端的计算能力，为第n个移动终端在本地计算的感知任务比例本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.感知任务卸载和资源分配联合优化方法，其特征在于，包括：根据端边协同网络中移动终端层的感知任务卸载策略和边缘层的资源分配策略，构建联合优化模型；其中，联合优化模型以在感知任务卸载策略和资源分配策略下，预设时隙内移动终端感知任务数据量最大为目标；求解联合优化模型，获得作为联合优化结果的预设时隙内端边协同网络处理的感知任务数据量。2.根据权利要求1所述的感知任务卸载和资源分配联合优化方法，其特征在于，边缘层的资源包括基站的通信资源和边缘服务器的计算资源；联合优化模型的目标函数为：；式中，，，，N为端边协同网络中移动终端数量，M为端边协同网络中基站数量，v
n
为第n个移动终端感知周围环境的速率，为在预设时隙内第n个移动终端分配的感知时间，为第n个移动终端的感知任务协同计算时延，为感知任务卸载策略，为第n个移动终端的感知任务卸载向量，为第n个移动终端在本地计算的感知任务比例，为第n个移动终端卸载到基站的任务比例，为基站的通信资源分配策略，为第m个基站分给移动终端的通信资源，为第m个基站分给第n个移动终端的通信资源，为与基站连接的边缘服务器的计算资源分配策略，为与第m个基站连接的边缘服务器分给移动终端的计算资源，为与第m个基站连接的边缘服务器分给第n个移动终端的计算资源，为第n个移动终端计算单位bit感知任务需要的计算资源数，为第n个移动终端的计算能力，为第n个移动终端的本地计算时延，为与第m个基站连接的边缘服务器的计算时延。3.根据权利要求1所述的感知任务卸载和资源分配联合优化方法，其特征在于，边缘层的资源包括基站的通信资源和边缘服务器的计算资源，其中，通信资源为带宽资源；联合优化模型的约束条件包括：a、移动终端的感知任务在本地或对应的边缘服务器上计算；其中，对应的边缘服务器为与移动终端通信基站所连的边缘服务器；b、移动终端的感知任务只能卸载到对应的基站上；其中，对应的基站为与移动终端通信的基站；
c、基站分配给所有移动终端的带宽资源不超过基站的最大带宽；d、若移动终端的感知任务不卸载到对应的基站上，对应的基站分配给移动终端的带宽资源为0；e、边缘服务器分配给所有移动终端的计算资源不超过边缘服务器的最大计算资源；f、若移动终端的感知任务不卸载到对应的基站上，对应的边缘服务器分配给移动终端的计算资源为0；g、移动终端的感知时间和感知任务协同计算时延之和不超过预设时隙；h、移动终端的感知能耗、本地计算能耗和感知任务传输能耗之和不超过移动终端自身最大能量。4.根据权利要求3所述的感知任务卸载和资源分配联合优化方法，其特征在于，联合优化模型的约束条件为：约束条件a对应的公式为：；；式中，为第n个移动终端在本地计算的感知任务比例，为第n个移动终端卸载到基站的任务比例，M为端边协同网络中基站数量；约束条件b对应的公式为：；式中，为第n个移动终端是否在第m个基站覆盖范围的标识，表示第n个移动终端在第m个基站覆盖范围内，表示第n个移动终端不在第m个基站覆盖范围内，为第n个移动终端在第m个基站的距离，R
m
为第m个基站的覆盖范围半径；约束条件c对应的公式为：；；式中，为第m个基站分给第n个移动终端的通信资源，N为端边协同网络中移动终端数量，为第m个基站的最大带宽；约束条件d对应的公式为：；
式中，为指示函数，当时，指示函数值为1，当时，指示函数值为0；约束条件e对应的公式为：；；式中，为与第m个基站连接的边缘服务器分给第n个移动终端的计算资源，为与第m个基站连接的边缘服务器的最大计算资源；约束条件f对应的公式为：；约束条件g对应的公式为：；式中，为在预设时隙内第n个移动终端分配的感知时间，为第n个移动终端的感知任务协同计算时延，T
max
为预设时隙；约束条件h对应的公式为...

【专利技术属性】
技术研发人员：刘旭，白晶晶，朱晓荣，杨龙祥，朱洪波，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：