【技术实现步骤摘要】
本专利技术涉及通信感知计算一体化领域，具体为一种基于sac的超高可靠超低时延感通算资源编排方法。
技术介绍
1、在新兴智能化应用的驱动下，下一代无线网络节点应朝着多功能集成化演进，从而满足海量接入、高精度感知和低时延算存等全方位性能需求。通信感知一体化技术旨在共享硬件、能量、频谱资源，实现高效的感知和通信，并从中获取双功能的协同增益。移动边缘计算作为另一项关键使能技术，能够为移动终端提供分布式的计算服务，从而显著降低端到端时延和回程链路负载。此外，云边协同计算拥有多层处理及负载均衡能力，有效应对日益增长的计算卸载需求。因此，赋予网络节点感知通信计算一体化能力，进而实现多域性能间的互惠增强是学术界和工业界关注的焦点。
2、然而，缺失合理网络设计与资源管理的感通算简单共存通常面临内在的性能冲突。具体而言，当用户向网络节点卸载计算任务，同时网络节点执行目标感知，此时目标回波信号和计算卸载信号之间存在严重干扰，显著降低了系统性能。对此，noma技术拥有扩展感通算一体化性能折衷区域的潜能。一方面，noma允许多个用户占用相同的时频资源，从而实现了更高的上行传输容量和计算性能上界。另一方面，利用连续干扰消除能够在解码感知回波信号时移除计算卸载信号，有效缓解功能间干扰。因此，noma使能的感通算一体化网络为应对跨域性能的内在冲突提供了框架基础。
3、然而，在上述网络架构下高效解决资源编排问题，并实现多维性能的合理平衡仍面临难题。首先，现有工作大多关注时间平均性能指标，缺乏urllc所需对极端事件的考虑。其次，深度强化学
技术实现思路
1、本专利技术公开了一种基于sac的超高可靠超低时延感通算资源编排方法，面向下一代网络节点感知、通信和计算功能集成化的趋势，通过联合编排感通算多维资源实现urllc性能保障，所述方法的步骤如下：步骤一、建立noma使能的感知通信计算一体化系统模型，推导感知信噪比、通信速率和计算吞吐量表达式，进而描述urllc约束下的感通算资源联合编排问题，从而最大化计算吞吐量；步骤二、采用李雅普诺夫优化将长期计算吞吐量最大化问题分解为通感一体化波束成形和计算资源分配两个短期可决策子问题，并建模为带马尔科夫决策过程，涵盖状态空间、动作空间和回报函数定义；步骤三、将网络节点视为智能体，通过智能体与环境的不断交互收集历史经验，采用sac架构训练智能体的通信感知一体化波束成形决策，并通过随机策略、熵最大化和温度调整改善训练性能，进而采用凸优化获得计算资源分配决策；步骤四、采用训练完备的sac框架执行感通算资源编排，使系统在计算吞吐量性能和urllc约束偏移之间取得合理平衡。具体过程如下：
2、本专利技术提出的noma使能的感知通信计算一体化系统模型包含一个基站、m个noma簇和k个通信用户，且每个簇中有一个感知目标。基站充当多功能网络节点，一方面接收用户卸载的计算任务执行边缘计算，另一方面发射通感一体化波束感知目标同时将任务进一步卸载至云中心。因此，基站的接收信号可以计算为
3、
4、其中，pu和分别用户发射功率和信号，为基站和用户之间的信道向量，βm(t)为感知信道的往返路损，a(l(t),um,0(t))为导向矢量，其中l(t)和um,0(t)分别为基站位置和目标位置，为简化表达定义x(t)表示基站发送信号，为噪声。上式指出基站的接收信号包含用户卸载信号、目标回波信号和噪声。
5、此外，云中心的接收信号写作
6、yf(t)＝[hf(t)a(l(t),uf(t))]hx(t)+nf(t)
7、其中，hf(t)表示基站到云中心的信道增益，a(l(t),uf(t))为二者之间的导向矢量，nf(t)为云中心接收到的噪声。
8、对于目标感知，基站可以通过连续干扰消除获得回波信号，则回波信号的信噪比计算为
9、
10、其中，w(t)为基站的通感一体化波束成形向量。
11、此后，用户任务卸载的速率计算为
12、
13、其中，bm为带宽，干扰加噪声的协方差矩阵表示为
14、
15、基站向云中心进一步任务卸载的速率可以计算为
16、re(t)＝blog2{1+|[hf(t)a(l(t),uf(t))]hw(t)|2/σ2}
17、其中，b为整个网络的总带宽，被平均分给各个簇，因此bm＝bm。
18、为表征用户的任务卸载情况，定义qm,k(t)为用户的队列积压，更新为
19、qm,k(t+1)＝max{qm,k(t)-ym,k(t)+am,k(t),0}
20、其中，am,k(t)为任务到达.ym,k(t)是离开队列的任务量，计算为
21、
22、为确保用户队列中的任务能够尽快卸载至基站以及云中心以进一步处理，我们对队列时延施加如下的urllc约束：
23、
24、
25、
26、其中，为平均任务到达速率，δmax为队列时延上限，υm,k为可容忍的队列时延偏离概率，和为参数阈值。以上三个urllc约束分别表示任一用户的队列时延偏离概率约束、超额队列积压的平均值和二阶矩约束。
27、进而，系统的计算吞吐量，即基站和云中心的计算任务总量表达为
28、
29、其中，和分别为边缘和云计算任务量，τ为时隙长度，和分别为基站和云中心的计算资源分配，λm,k表示每比特数据所需的计算资源。
30、在此基础上，urllc约束下的感通算资源联合编排问题描述如下：
31、
32、
33、
34、
35、
36、
37、
38、
39、其中，w(t)和分别代表基站通感一体化波束成形和边缘、云计算资源分配策略，代表目标m回波信号的信噪比下限，κ为计算功率因数，ym,k(t)和分别为用户到基站卸载和基站到云中心卸载的任务量，c1代表感知信噪比约束，c2～c4为urllc约束，c5为基站功耗约束，pmax为最大功率，c6和c7代表因果约束，即基站和云中心计算的任务量不超过用户卸载的任务量，且云中心计算的任务量不超过基站向其进一步卸载的任务量。
40、该问题求解可以划分为以下几步：
41、1)基于李雅普诺夫优化将该长期随机优化问题分解为两个短期可决策子问题，在子问题1中优化基站通感一体化波束成形以最大化任务卸载吞吐量，同时保证感知性能以及用户任务卸载的urllc约束，该子问题描述为
本文档来自技高网...【技术保护点】
1.本专利技术公开了一种基于SAC的超高可靠超低时延感通算资源编排方法，面向下一代网络节点感知、通信和计算功能集成化的趋势，通过联合编排感通算多维资源实现超高可靠超低时延(Ultra-Reliable Low Latency Communications，URLLC)性能保障，所述方法的步骤如下：
2.根据权利要求1所述的一种基于SAC的超高可靠超低时延感通算资源编排方法，步骤1中的NOMA使能的感知通信计算一体化系统模型中基站充当多功能网络节点，一方面接收用户卸载的计算任务执行边缘计算，另一方面发射通感一体化波束感知目标同时将任务进一步卸载至云中心，进而URLLC约束下的感通算资源联合编排问题描述如下：
3.根据权利要求2所述的URLLC约束下的感通算资源编排问题，其求解步骤为：
4.按照所述方法对NOMA使能的通信感知计算一体化系统进行优化设计，同时确保URLLC约束，有效增强用户任务卸载、边云协同计算及目标感知的性能；所述方法在保证感知信噪比和URLLC的前提下最大化计算吞吐量，从而在多维性能指标之间取得良好平衡；所述方法采用训练完备的S
...【技术特征摘要】
1.本发明公开了一种基于sac的超高可靠超低时延感通算资源编排方法，面向下一代网络节点感知、通信和计算功能集成化的趋势，通过联合编排感通算多维资源实现超高可靠超低时延(ultra-reliable low latency communications，urllc)性能保障，所述方法的步骤如下：
2.根据权利要求1所述的一种基于sac的超高可靠超低时延感通算资源编排方法，步骤1中的noma使能的感知通信计算一体化系统模型中基站充当多功能网络节点，一方面接收用户卸载的计算任务执行边缘计算，另一方面发射通感一体化波束感知目标同...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。