基于制造技术

本申请涉及一种基于

【技术实现步骤摘要】
基于SCMA
‑
MEC的物联网设备计算速率优化方法


[0001]本申请涉及无线通信
，特别是涉及一种基于
SCMA
‑
MEC
的物联网设备计算速率优化方法
。

技术介绍

[0002]随着通信技术的快速发展，涌现出多种对时延敏感的新型通信场景，如自动驾驶
、
虚拟现实等
。
这些通信场景需要大量物联网设备实时数据处理与决策，但物联网设备有限的计算能力往往难以支撑这些场景中任务的实施
。
移动边缘计算
(Mobile Edge Computing, MEC)
能够满足这些任务的计算要求，
MEC
是一种分布式计算模型，将计算能力强的
MEC
服务器部署于距离物联网设备更近的基站或接入点
。
物联网设备将任务卸载到附近
MEC
服务器上，可以实现更高的计算速率和更低的任务延迟
。
[0003]非正交多址接入
(Non
‑
orthogonal Multiple Access, NOMA)
技术允许多个物联网设备共享正交时频资源，实现大规模连接
。
稀疏码多址（
Sparse Code Multiple Access,SCMA
）是一种码域
NOMA
技术，其采用高维正交调幅映射与低密度扩频技术相结合的码本，通过将不同的码本分配给不同的物联网设备实现多址接入，并在接收端通过消息传递算法将不同设备的数据分离
。
因此
SCMA
技术在物联网场景下具有很大的潜力
。
[0004]当前针对
SCMA
赋能的
MEC
技术研究主要集中在静态环境下，难以适应实际场景中的时变信道与任务随机生成的需求
。
此外，传统优化算法通常需要大量在线计算才能确定最优值，难以考虑任务动态变化，计算效率低
。

技术实现思路

[0005]基于此，有必要针对上述技术问题，提供一种能够提高物联网设备计算效率的基于
SCMA
‑
MEC
的物联网设备计算速率优化方法
。
[0006]一种基于
SCMA
‑
MEC
的物联网设备计算速率优化方法，所述方法包括：利用多个随机移动的物联网设备和配备
MEC
服务器的基站构建
SCMA
‑
MEC
系统模型；对
SCMA
‑
MEC
系统模型进行初始化，在初始化后的
SCMA
‑
MEC
系统模型中，物联网设备通过
SCMA
将任务卸载到基站，计算卸载过程的长期计算速率；根据卸载策略
、
码本分配和功率分配设置约束条件；将最大化长期计算速率设置为目标函数，利用目标函数和约束条件构建物联网设备计算速率优化问题的求解模型；将计算速率优化问题表示为可观测马尔可夫决策过程并设置可观测马尔可夫决策过程中的观测值
、
动作空间和奖励，根据
MQ
‑
RACO
算法对设置后的可观测马尔可夫决策过程进行求解，得到物联网设备的最优卸载策略
、SCMA
码本最优分配策略和最优功率分配策略；根据物联网设备的最优卸载策略
、SCMA
码本最优分配策略和最优功率分配策略进行计算，得到物联网设备最优计算速率
。
[0007]在其中一个实施例中，根据卸载策略
、
码本分配和功率分配设置约束条件，包括：
约束一：本地和边缘计算的计算时间不得超过任务截止时间，即为；其中，表示物联网设备执行本地计算时间，表示物联网设备在时隙的本地计算速率，表示计算密度，表示物联网设备在时隙的传输速率，表示用于任务描述的原始数据，表示任务截止时间；约束二：物联网设备只能选择将任务卸载到一个
MEC
服务器，即为，其中，表示基站；约束三：物联网设备占用
SCMA
码本的二进制变量，即为，其中，表示物联网的码本的分配情况；约束四：物联网设备只能选择一个
SCMA
码本进行任务卸载，且所选择的
SCMA
码本应该对应于卸载决策，即为；其中，表示码本集合，表示物联网设备集合；约束五：在子载波上分配功率因子，且功率分配比例之和等于1，即为；其中，表示码本占用子载波，表示子载波上分配的功率比例
。
[0008]在其中一个实施例中，将最大化长期计算速率设置为目标函数为，其中，表示物联网设备在本地执行任务的时隙的计算速率
。
[0009]在其中一个实施例中，将计算速率优化问题表示为可观测马尔可夫决策过程并设置可观测马尔可夫决策过程中的观测值
、
动作空间和奖励，包括：物联网设备在时隙的观测值包括每个
MEC
服务器的距离，子载波上的信道增益，以及当前生成的任务，即观测值为；物联网设备的动作为，表示选择要卸载的
MEC
服务器，整体动作空间为；
其中，表示选取的
SCMA
码本，表示物联网设备在时隙的动作；奖励表示在给定的动态时间范围内优化所有物联网设备的计算速率，执行联合动作后，环境返回的归一化奖励为；其中，表示物联网设备的计算速率，为系统带宽，表示物联网设备集合，表示物联网设备序号
。
[0010]在其中一个实施例中，根据
MQ
‑
RACO
算法包括智能体网络和中心评论家网络；智能体网络包括
LSTM
网络和密集网络；中心评论家网络包括具有相同结构的个网络；网络用于估计联合值和每个智能体的单独值；每个网络由级联模块
、
特征提取模块和函数估计模块组成；级联模块将所有智能体的观测和动作连接起来，以生成全局状态；特征提取模块为密集网络，用于提取智能体的观测和动作特征；函数估计模块用于根据智能体的观测和动作特征估计值；根据
MQ
‑
RACO
算法对设置后的可观测马尔可夫决策过程进行求解，得到物联网设备的最优卸载策略
、SCMA
码本最优分配策略和最优功率分配策略，包括：将设置后的可观测马尔可夫决策过程的物联网设备作为智能体网络中的智能体，根据
LSTM
网络对智能体的观测值处理，得到智能体的隐藏状态；将智能体的隐藏状态输入密集网络中，得到智能体根据当前环境状态选择的动作；物联网设备根据观测值和
LSTM
生成的隐藏状态的历史记录，使用贪婪策略选择动作，将物联网的观测值和动作都输入到中央评论家网络中估计联合值和单个值；值包括观测值和动作；根据预先设置的
...

【技术保护点】

【技术特征摘要】
1.
一种基于
SCMA
‑
MEC
的物联网设备计算速率优化方法，其特征在于，所述方法包括：利用多个随机移动的物联网设备和配备
MEC
服务器的基站构建
SCMA
‑
MEC
系统模型；对所述
SCMA
‑
MEC
系统模型进行初始化，在初始化后的
SCMA
‑
MEC
系统模型中，物联网设备通过
SCMA
将任务卸载到基站，计算卸载过程的长期计算速率；根据卸载策略
、
码本分配和功率分配设置约束条件；将最大化所述长期计算速率设置为目标函数，利用所述目标函数和约束条件构建物联网设备计算速率优化问题的求解模型；将计算速率优化问题表示为可观测马尔可夫决策过程并设置可观测马尔可夫决策过程中的观测值
、
动作空间和奖励，根据
MQ
‑
RACO
算法对设置后的可观测马尔可夫决策过程进行求解，得到物联网设备的最优卸载策略
、SCMA
码本最优分配策略和最优功率分配策略；根据所述物联网设备的最优卸载策略
、SCMA
码本最优分配策略和最优功率分配策略进行计算，得到物联网设备最优计算速率
。2.
根据权利要求1所述的方法，其特征在于，根据卸载策略
、
码本分配和功率分配设置约束条件，包括：约束一：本地和边缘计算的计算时间不得超过任务截止时间，即为；其中，表示物联网设备执行本地计算时间，表示物联网设备在时隙的本地计算速率，表示计算密度，表示物联网设备在时隙的传输速率，表示用于任务描述的原始数据，表示任务截止时间；约束二：物联网设备只能选择将任务卸载到一个
MEC
服务器，即为，其中，表示基站；约束三：物联网设备占用
SCMA
码本的二进制变量，即为，其中，表示物联网的码本的分配情况；约束四：物联网设备只能选择一个
SCMA
码本进行任务卸载，且所选择的
SCMA
码本应该对应于卸载决策，即为；其中，表示码本集合，表示物联网设备集合；约束五：在子载波上分配功率因子，且功率分配比例之和等于1，即为；其中，表示码本占用子载波，表示子载波上分配的功率比例
。3.
根据权利要求2所述的方法，其特征在于，将最大化所述长期计算速率设置为目标函数为，其中，表示物联网设备在本地执行任务的时隙
的计算速率
。4.
根据权利要求2所述的方法，其特征在于，将计算速率优化问题表示为可观测马尔可夫决策过程并设置可观测马尔可夫决策过程中的观测值
、
动作空间和奖励，包括：物联网设备在时隙的观测值包括每个
MEC
服务器的距离，子载波上的信道增益，以及当前生成的任务，即观测值为；物联网设备的动作为，表示选择要卸载的
MEC
服务器，整体动作空间为；其中，表示选取的
SCMA
码本，表示物联网设备在时隙的动作；奖励表示在给定的动态时间范围内优化所有物联网设备的计算速率，执行联合动作后，环境返回的归一化奖励为；其中，表示物联网设备的计算速率，为系统带宽，表示物联网设备集合，表示物联网设备序号
。5.
根据权利要求4所述的方法，其特征在于，所述根据
MQ...

【专利技术属性】
技术研发人员：雷菁，刘鹏涛，刘伟，杨颜冰，董宇良，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：