一种IRS-MEC系统的资源分配方法技术方案

本发明专利技术涉及移动边缘计算和无线通信技术领域，具体公开了一种IRS

【技术实现步骤摘要】
一种IRS
‑
MEC系统的资源分配方法


[0001]本专利技术涉及移动边缘计算和无线通信
，尤其涉及一种IRS
‑
MEC系统的资源分配方法。

技术介绍

[0002]近年来，随着智能用户的普及以及无线多媒体应用需求剧增，移动边缘计算(mobile edge computing,MEC)作为一种新的计算范式被提出，其核心思想是将用户产生的计算密集型任务从卸载到云端转变为卸载到网络边缘，从而满足计算任务的低延迟需求。与此同时，为实现定制化的无线传播环境，一种称为智能反射表面(intelligent reflecting surface,IRS)的无线通信使能技术被提出。本质上，IRS通过在微观电磁单元特殊结构设计基础上引入单元调控能力，以实现入射到其表面电磁波信号反射行为的智能调控，从而获得可定制化无线传播环境。鉴于IRS能够按需实现指定空域位置上信号增强，因而将其引入MEC系统将能够提升用户计算卸载传输性能。
[0003]在IRS
‑
MEC系统中涉及多个维度资源的联合决策与分配，需要解决如迁移决策、通信资源分配以及边缘计算服务器的计算资源分配等问题。现有的资源分配机制多利用优化理论进行建模，通常为非凸问题，求解复杂度高。此外，现有关于IRS
‑
MEC系统迁移决策与资源分配研究的系统设计目标主要为时延、能耗或时延
‑
能耗权重和，并未考虑最小
‑
最大加权能耗。

技术实现思路

[0004]本专利技术提供一种IRS
‑
MEC系统的资源分配方法，解决的技术问题在于：如何降低对用户计算能力的要求，减小用户计算密集型任务执行带来的能耗，同时提升用户计算卸载传输性能。
[0005]为解决以上技术问题，本专利技术提供一种IRS
‑
MEC系统的资源分配方法，IRS
‑
MEC系统包括一个排布有多个反射单元的智能反射表面即IRS、一个多天线的接入点、K个单天线的用户、一个MEC服务器，所述智能反射表面临近K个所述用户安设，所述MEC服务器临近所述接入点安设，每个所述用户与所述接入点、所述智能反射表面之间有传输信道，所述接入点与所述智能反射表面之间有传输信道，其关键在于，该资源分配方法具体包括步骤：
[0006]S1、计算用户k的本地CPU的工作频率f
k,loc
、本地任务计算能耗给出迁移决策门限ξ的计算式，k＝1,2,
…
,K；
[0007]S2、基于迁移决策门限ξ的计算式，确定用于输入步骤S3的迁移计算用户集合和迁移决策门限ξ；
[0008]S3、在确定的迁移计算用户集合和迁移决策门限ξ下，以最小化最大用户任务计算能耗为目标构建优化模型；
[0009]S4、对所述优化模型进行求解，得到迁移用户的发射功率、智能反射表面的反射系
数、所述接入点的接收波束成形及所述MEC服务器的CPU工作频率。
[0010]进一步地，所述步骤S1中，用户k的本地CPU的工作频率本地任务计算能耗和迁移决策门限ξ由下式计算：
[0011][0012][0013]ξ＝(ξ
max
+ξ
min
)/2
[0014][0015]其中，T表示最大时延容忍；b
k
表示用户k的计算任务数据大小；c
k
表示用户k计算1bit任务所需CPU时钟周期数；a
k
表示用户k的迁移决策变量，a
k
＝0表示该用户迁移，a
k
＝1表示该用户不迁移；ρ是每个用户的CPU能耗系数；ξ
max
表示最大迁移决策门限；ξ
min
表示最小迁移决策门限；μ
k
为用户k的能耗权重系数，表示用户k的任务迁移能耗，表示K个用户的集合，表示任意的k，表示对于每个用户都是用同一个公式进行计算。
[0016]进一步地，所述步骤S2具体包括步骤：
[0017]S21、初始化：所有用户全部选择本地计算，即所有用户的迁移决策变量均为1，表示为a
k
＝1，用户k的迁移能耗最小迁移决策门限ξ
min
＝0；第一收敛精度ε＞0；
[0018]S22、进行迭代计算：在每一次的迭代过程中，针对当前用户k，判断是否大于迁移决策门限ξ，若大于则令迁移决策变量a
k
＝0，表示该用户迁移，并计算出选择迁移的用户构成迁移用户集合并判定是否满足第一收敛条件|ξ
max
‑
ξ
min
|≤ε，若满足则结束所有迭代，若不满足则更新迁移决策判决门限ξ并进入针对下一个迁移用户的下一次迭代；
[0019]S23、输出迭代结束时当前的迁移用户集合和迁移决策判决门限ξ。
[0020]进一步地，在所述步骤S3中，所述优化模型构建为：
[0021][0022][0023][0024][0025][0026][0027]其中，p表示所有迁移用户的发射功率，φ表示所述智能反射表面的反射系数矢量，W表示所述接入点的接收波束成形矩阵，f
c
表示所述MEC服务器的CPU工作频率；find{}
表示寻找使得该问题可行的可行点这一过程；r
k
表示迁移用户k的可达传输速率；p
k
表示迁移用户k的发射功率，表示迁移用户k的最大发射功率；为简化自定义的参数表示迁移用户k的最大发射功率；为简化自定义的参数表示所述MEC服务器分配给迁移用户k的CPU的工作频率，F
c
表示所述MEC服务器的最大计算能力；φ
m
表示所述智能反射表面第m个反射单元的反射系数，m＝1,2,
…
,M，M为所述智能反射表面设有的反射单元的数量。
[0028]进一步地，所述步骤S4具体包括步骤：
[0029]S41、初始化迭代次数和第二误差精度ε1，随机生成所述迁移用户的发射功率p
(0)
、所述智能反射表面的反射系数矢量φ
(0)
，所述MEC服务器的CPU工作频率f
c(0)
和所述接入点的接收波束成形矩阵W
(0)
；
[0030]S42、给定一组φ、f
c
、W，基于步骤S41的初始化参数，在步骤S2给出的迁移用户集合和迁移决策判决门限ξ下，对所述优化模型进行求解，得到p的中间解；
[0031]S43、给定一组f
c
、W、p，基于步骤S41的初始化参数，在步骤S2给出的迁移用户集合和迁移决策判决门限ξ下，对所述优化模型进行求解，得到φ的中间解；
[0032]S44、给定一组φ、p，基于步骤S41的初始化参数，在步骤S2给出的迁移用户集合和迁移决策判决门限ξ下，对所述优化模型进行求解，得到W的中间解本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种IRS
‑
MEC系统的资源分配方法，IRS
‑
MEC系统包括一个排布有多个反射单元的智能反射表面即IRS、一个多天线的接入点、K个单天线的用户、一个MEC服务器，所述智能反射表面临近K个所述用户安设，所述MEC服务器临近所述接入点安设，每个所述用户与所述接入点、所述智能反射表面之间有传输信道，所述接入点与所述智能反射表面之间有传输信道，其特征在于，该资源分配方法具体包括步骤：S1、计算用户k的本地CPU的工作频率f
k,loc
、本地任务计算能耗给出迁移决策门限ξ的计算式，k＝1,2,
…
,K；S2、基于迁移决策门限ξ的计算式，确定用于输入步骤S3的迁移计算用户集合和迁移决策门限ξ；S3、在确定的迁移计算用户集合和迁移决策门限ξ下，以最小化最大用户任务计算能耗为目标构建优化模型；S4、对所述优化模型进行求解，得到迁移用户的发射功率、智能反射表面的反射系数、所述接入点的接收波束成形及所述MEC服务器的CPU工作频率。2.根据权利要求1所述的一种IRS
‑
MEC系统的资源分配方法，其特征在于，所述步骤S1中，用户k的本地CPU的工作频率本地任务计算能耗和迁移决策门限ξ由下式计算：和迁移决策门限ξ由下式计算：ξ＝(ξ
max
+ξ
min
)/2其中，T表示最大时延容忍；b
k
表示用户k的计算任务数据大小；c
k
表示用户k计算1bit任务所需CPU时钟周期数；a
k
表示用户k的迁移决策变量，a
k
＝0表示该用户迁移，a
k
＝1表示该用户不迁移；ρ是每个用户的CPU能耗系数；ξ
max
表示最大迁移决策门限；ξ
min
表示最小迁移决策门限；μ
k
为用户k的能耗权重系数；表示用户k的任务迁移能耗；表示K个用户的集合；表示任意的k，表示对于每个用户都是用同一个公式进行计算。3.根据权利要求2所述的一种IRS
‑
MEC系统的资源分配方法，其特征在于，所述步骤S2具体包括步骤：S21、初始化：所有用户全部选择本地计算，即所有用户的迁移决策变量均为1，表示为用户k的迁移能耗最小迁移决策门限ξ
min
＝0；第一收敛精度ε＞0；S22、进行迭代计算：在每一次的迭代过程中，针对当前用户k，判断是否大于迁移决策门限ξ，若大于则令迁移决策变量a
k
＝0，表示该用户迁移，并计算出选择迁移的用户构成迁移用户集合并判定是否满足第一收敛条件|ξ
max
‑
ξ
min
|≤ε，若满足则结束所有迭代，若不满足则更新迁移决策判决门限ξ并进入针对下一个迁移用户的下一次迭代；S23、输出迭代结束时当前的迁移用户集合和迁移决策判决门限ξ。
4.根据权利要求3所述的一种IRS
‑
MEC系统的资源分配方法，其特征在于，在所述步骤S3中，所述优化模型构建为：S3中，所述优化模型构建为：S3中，所述优化模型构建为：S3中，所述优化模型构建为：S3中，所述优化模型构建为：S3中，所述优化模型构建为：其中，p表示所有迁移用户的发射功率，φ表示所述智能反射表面的反射系数矢量，W表示所述接入点的接收波束成形矩阵，f
c
表示所述MEC服务器的CPU工作频率；find{}表示寻找使得该问题可行的可行点这一过程；r
k
表示迁移用户k的可达传输速率；p
k
表示迁移用户k的发射功率，表示迁移用户k的最大发射功率；为简化自定义的参数表示迁移用户k的最大发射功率；为简化自定义的参数表示所述MEC服务器分配给迁移用户k的CPU的工作频率，F
c
表示所述MEC服务器的最大计算能力；φ
m
表示所述智能反射表面第m个反射单元的反射系数，m＝1,2,
…
,M，M为所述智能反射表面设有的反射单元的数量。5.根据权利要求4所述的一种IRS
‑
MEC系统的资源分配方法，其特征在于，所述步骤S4具体包括步骤：S41、初始化迭代次数和第二误差精度ε1，随机生成所述迁移用户的发射功率p
(0)
、所述智能反射表面的反射系数矢量φ
(0)
，所述MEC服务器的CPU工作频率f
c(0)
和所述接入点的接收波束成形矩阵W
(0)
；S42、给定一组φ、f
c
、W，基于步骤S41的初始化参数，在步骤S2给出的迁移用户集合和迁移决策判决门限ξ下，对所述优化模型进行求解，得到p的中间解；S43、给定一组f
c
、W、p，基于步骤S41的初始化参数，在步骤S2给出的迁移用户集合和迁移决策判决门限ξ下，对所述优化模型进行求解，得到φ的中间解；S44、给定一组φ、p，基于步骤S41的初始化参数，在步骤S2给出的迁移用户集合和迁移决策判决门限ξ下，对所述优化模型进行求解，得到W的中间解；S45、给定一组W、φ、p，基于步骤S41的初始化参数，在步骤S2给出的迁移用户集合和迁移决策判决门限ξ下，对所述优化模型进行求解，得到f
c
的中间解；S46、基于f
c
、W、φ、p的中间解，求解所述优化模型，并判断是否满足第二收敛条件||p
(n)
‑
p
(n
‑
1)
||2+||f
c(n)
‑
f
c(n
‑
1)
||2+||φ
(n)
‑
φ
(n
‑
1)
||2+||vec(W
(n)
‑
W
(n
‑
1)
)||2≤ε1，其中，||||表示复向量的欧氏范数，vec()表示向量化，n表示迭代次数为n，n
‑
1表示迭代次数为n
‑
1，若所述优化模型有可行解且满足所述第二收敛条件，则基于可行解计算迁移用户的迁移计算能耗并更新迁移决策判决门限上界为ξ
max
＝ξ，若所述优化模型无可行解即无法满足
所述第二收敛条件，则更新迁移决策判决门限下界为ξ
min
＝ξ；S47、重复上述步骤S42～S46，直至满足所述第一收敛条件|ξ
max
‑
ξ
min
|≤ε，输出此时f
c
、W、φ、p的解作为所述优化模型的解。6.根据权利要求5所述的一种IRS
‑
MEC系统的资源分配方法，其特征在于，所述步骤S42具体包括步骤：S421、给定在第n
‑
1次迭代所求得的一组φ、f
c
、W值分别记为φ
(n
‑
1)
、f
c(n
‑
...

【专利技术属性】
技术研发人员：蒋卫恒，万紫贤，彭霜，罗闯，黎文杰，彭安妮，冯睿，
申请(专利权)人：重庆大学，
类型：发明
国别省市：