在多基站场景中的基于非正交多址接入的移动边缘计算线性搜索式时延优化方法与流程

本发明涉及无线网络中，一种在多基站场景中的基于非正交多址接入的移动边缘计算线性搜索式时延优化方法。

背景技术：

蜂窝系统和移动互联网服务的快速发展产生了各种各样的计算密集型应用，给计算资源有限的移动终端带来了很大的压力。移动边缘计算(mobileedgecomputing，mec)使移动用户(mobileusers，mus)能够将其计算任务卸载到位于蜂窝网络边缘的云服务器(例如，基站(basestations，bss))，为解决这一具有挑战性的问题提供了一种有希望的方法。考虑到由非正交多址接入(nonorthogonalmultipleaccess，noma)提供的高传输效率的优点，我们提出了在多基站场景中一种基于非正交多址接入的移动边缘计算线性搜索式时延优化方法。

技术实现要素：

本发明要克服现有技术的上述缺点，提供一种在多基站场景中的基于非正交多址接入的移动边缘计算线性搜索式时延优化方法，本发明为多基站场景中基于非正交多址接入的移动边缘计算卸载线性搜索式时延优化设计，首先考虑的是mec，与此同时，还考虑的是noma。所以本发明研究的是多基站场景下基于非正交多址接入的移动边缘计算线性搜索式时延优化设计。本发明针对系统时延过大的难点，研究了多基站场景中基于非正交多址接入的移动边缘计算卸载计算时延优化问题和通信时延优化问题。

本发明解决其技术问题所采用的技术方案是：

一种在多基站场景中的基于非正交多址接入的移动边缘计算线性搜索式时延优化方法，包括以下步骤：

(1)在一组集成边缘服务器的基站的覆盖范围下有一个移动用户i，基站用集合表示，移动用户使用非正交多址接入技术同时向基站发送数据，其中移动用户需要处理的数据量用表示；

在无线网络中，在保证移动用户数据需求的情况下最小化系统总时延的优化问题描述为如下所示的非凸性优化问题dm-i问题，dm-i指的是最优化移动用户i总时延问题：

variables:siandti

下面将问题中的各个变量做一个说明，如下：

wi:移动用户i到基站的信道带宽，单位是赫兹；

gik:移动用户i到基站k的信道功率增益；

n0:信道背景噪声的频谱功率密度；

sik:移动用户i需要分配到基站k处理的数据量，单位是兆比特；

移动用户i需要处理的数据量，单位是兆比特；

移动用户i的处理能力，单位是兆比特/秒

vk:基站k的处理能力，单位是兆比特/秒

移动用户i的最大能量消耗，单位是焦耳；

基站k的最大能量消耗，单位是焦耳；

移动用户i发送数据到基站的最大传输时间，单位是秒；

ti:移动用户i发送数据到基站的传输时间，单位是秒；

是关于si和ti的函数，表示移动用户i在给定传输时间ti内完成发送数据量si所需要的最小总发射功率，单位是瓦特；

通过引入一个辅助变量求解(dm-i)优化问题；

(2)(dm-i)问题是在给定移动用户i需要处理的数据量的情况下找到最优的系统总时延，定义一个变量θi，满足如下表达式：

因此，(dm-i)问题等价为(dm-i-e)问题，“e”表示的是等价地，如下：

(dm-i-e):minθi

constraint(1-3),(1-4),(1-5)

variable:si,tiandθi

为了有效解决(dm-i-e)问题，利用(dm-i-e)问题的层结构把(dm-i-e)问题分解成一个底层问题和一个顶层问题；

首先考虑在移动用户i传输时间ti给定的情况下，优化移动用户上传数据量和系统总时延的底层(dm-i-e-sub)问题如下：

constraint(2-4)

variable:siandθi

求解(dm-i-e-sub)问题的过程是：设定θ的上限是一个足够大的数，设定θ的下限是0，通过对θ进行对分搜索来找到最小的θ值，该θ值要同时确保(dm-i-e-sub)问题可行，(dm-i-e-sub)问题可行是指：在给定θ值条件下，(dm-i-e-sub)问题中约束条件(2-4)，(2-6)和(2-7)所产生有关于变量si的可行解集合为一个非空集合；否则，(dm-i-e-sub)问题为不可行，即在给定θ值条件下约束条件(2-4)，(2-6)和(2-7)所产生有关于变量si的可行解集合是一个空集；

最后在底层(dm-i-e-sub)问题的基础下，优化移动用户传输时间和系统总时延的顶层(dm-i-e-top)问题如下：

s.t.constraint(1-5)

variable:ti

求解(dm-i-e-top)问题的过程是：设定ti的上限是最大传输时间设定ti的下限是0，通过对ti进行线性搜索来找到最优的ti值，使得系统总时延最小。

(3)在求解(dm-i-e-sub)问题的过程中，为了判断在给定θ值条件下(dm-i-e-sub)问题是否可行，考虑如下(dm-i-e-sub-check)问题：

s.t.constraint(2-6),(2-7)

variable:si

如果(dm-i-e-sub-check)问题的最优值输出则表示(dm-i-e-sub-check)问题是可行的；否则，(dm-i-e-sub-check)问题将是不可行的；

定义函数gi(si)如下：

因此，得到函数l(si,λ,μ)的一阶偏导数如下：

接着，分析整理表达式(2-9)和(2-10)，发现在给定一组(si,λ,μ)的情况下，him(si,λ,μ)<hin(si,λ,μ)，m<n，所以将在tiandθi给定情况下，si的最优解分为以下三种情况：

i)如果存在使得hiz(si,λ,μ)＝0，那么设置为：

其中，

为满足的解。

ii)如果hi1(si,λ,μ)>0，那么设置为：

iii)如果hik(si,λ,μ)<0，那么设置为：

(4)求解(dm-i-e-sub-check)问题的算法subrountine-q，该算法的思路是；通过对(3)中，在ti和θi给定情况下，si的最优解的i)ii)iii)三种情况，得到最优解；(5)求解(dm-i-e-sub)问题的算法subbs-algorithm，该算法的思路是；在(dm-i-e-sub)问题中，设定θi的上限是一个足够大的数，θi的下限是0，设定容忍计算精度是一个很小的数，通过对θi进行对分搜索来找到最小的θi值，该θi值要同时确保(dm-i-e-sub)问题可行；通过求解(dm-i-e-sub-check)问题，判断在给定θi值条件下(dm-i-e-sub)问题是否可行；其中，如果(dm-i-e-sub-check)问题的最优值输出则表示(dm-i-e-sub)问题是可行的，那通过对分搜索方式减小当前θi值；否则，(dm-i-e-sub)问题将是不可行的，那通过对分搜索方式增大当前θi值；通过对分搜索不断更新当前θi值，直到达到容忍计算精度，跳出对分搜索，算法最后输出的最优θi值，即确保dm-i-e-sub问题可行的最小的θi值，最后，算法subbs-algorithm输出的代表：(dm-i-e-sub)问题所求的在给定传输时间下的最优时延；

(6)求解(dm-i-e-top)问题的算法top-ls-algorithm，该算法的思路是；在(dm-i-e-top)问题中，设定ti的上限是最大传输时间设定ti的下限是0，设定计算步长是一个很小的数，通过对ti进行线性搜索来找到最优的ti值，该ti值要同时确保(dm-i-e-top)问题可行；通过求解(dm-i-e-sub)问题，得到在给定ti值条件下的最优时延通过线性搜索不断更新当前ti值，直到ti达到上限，跳出线性搜索，算法最后输出的最优值即确保(dm-i-e-top)问题可行的最小的值；

最后，算法top-ls-algorithm输出的和代表：(dm-i-e-top)问题所求的最小整体时延和对应的最优传输时间。

进一步，所述步骤(4)中，求解(dm-i-e-sub-check)问题算法的subrountine-q的步骤如下：

步骤4.1：设定参数z＝1，设定参数cbv＝∞，

步骤4.2：开始循环z≤k；

步骤4.3：根据公式(3-5),(3-6)设定参数

步骤4.4：根据公式(3-8),(3-9)设定参数和

步骤4.5：如果设定转至执行步骤4.8；

步骤4.6：否则如果设定转至执行步骤4.8；

步骤4.7：否则区间内使用对分法寻找使得为满足设定转至执行步骤4.8；

步骤4.8：如果设定

步骤4.9：设定z＝z+1；

步骤4.10：当z>k时，结束循环；

步骤4.11：设定参数

步骤4.12：如果并且设定

步骤4.13：设定参数

步骤4.14：如果并且设定

步骤4.15：输出

再进一步，所述步骤(5)中，求解(dm-i-e-sub)问题算法的subbs-algorithm的步骤如下：

步骤5.1：输入容忍计算精度∈＝10^-4，设定参数

步骤5.2：开始循环

步骤3.5：设定

步骤5.3：调用算法subrountine-q计算出

步骤5.4：如果设定转至执行步骤5.2；

步骤5.5：否则如果设定转至执行步骤5.2；

步骤5.6：当时，结束循环；

步骤5.7：输出

更进一步，所述步骤(6)中，求解(dm-i-e-top)问题算法的top-ls-algorithm的步骤如下：

步骤6.1：输入计算步长∈＝10^-4，设定参数

步骤6.2：设定cbv是一个足够大的数；

步骤6.3：调用算法subbs-algorithm计算出

步骤6.4：如果设定

步骤6.5：设定

步骤6.6：如果转至执行步骤6.3；否则，转至执行步骤6.7；

步骤6.7：输出以及

本发明的技术构思为：首先，考虑在蜂窝无线网络中，智能终端通过非正交接入技术传输数据实现最小化系统总时延来获得一定的经济效益和服务质量。在此处，考虑的前提是智能终端的上传能量消耗及上行传输时间的限制。通过对问题的特性分析，将问题等价转换成两层问题，分别是一个底层问题和一个顶层问题来求解。结合对于子问题的分析，提出基于目标函数单调性和线性搜索的方法，从而在保证mu的数据需求下，实现最小化系统总时延。

本发明的有益效果主要表现在:1、对于整体系统而言，利用noma技术大大提高了系统传输效率；2、对于整体系统而言，利用noma和mec技术大大节省带宽资源；3、对于基站bss而言，通过mec技术获得更优质的无线网络体验质量。

附图说明

图1是无线网络中多个智能终端和多个基站的场景示意图，其中，basestations(bs)表示基站，edgeserver表示边缘服务器。

具体实施方式

下面结合附图对于本发明作进一步详细描述。

参照图1，一种在多基站场景中的基于非正交多址接入的移动边缘计算对分搜索式时延优化方法，实行该方法能在同时满足数据需求的前提下，使得系统总时延最小，提高整个系统的无线网络体验质量。本发明应用于无线网络，如图1所示场景中。针对该目标设计对问题的优化方法包括如下步骤：

(1)在一组集成边缘服务器的基站的覆盖范围下有一个移动用户i，基站用集合表示，移动用户使用非正交多址接入技术同时向基站发送数据，其中移动用户需要处理的数据量用表示；

在无线网络中，在保证移动用户数据需求的情况下最小化系统总时延的优化问题描述为如下所示的非凸性优化问题dm-i问题，dm-i指的是最优化移动用户i总时延问题：

variables:siandti

下面将问题中的各个变量做一个说明，如下：

wi:移动用户i到基站的信道带宽，单位是赫兹；

gik:移动用户i到基站k的信道功率增益；

n0:信道背景噪声的频谱功率密度；

sik:移动用户i需要分配到基站k处理的数据量，单位是兆比特；

移动用户i需要处理的数据量，单位是兆比特；

移动用户i的处理能力，单位是兆比特/秒

vk:基站k的处理能力，单位是兆比特/秒

移动用户i的最大能量消耗，单位是焦耳；

基站k的最大能量消耗，单位是焦耳；

移动用户i发送数据到基站的最大传输时间，单位是秒；

ti:移动用户i发送数据到基站的传输时间，单位是秒；

是关于si和ti的函数，表示移动用户i在给定传输时间ti内完成发送数据量si所需要的最小总发射功率，单位是瓦特；

通过引入一个辅助变量求解(dm-i)优化问题；

(2)(dm-i)问题是在给定移动用户i需要处理的数据量的情况下找到最优的系统总时延，定义一个变量θi，满足如下表达式：

因此，(dm-i)问题等价为(dm-i-e)问题，“e”表示的是等价地，如下：

(dm-i-e):minθi

constraint(1-3),(1-4),(1-5)

variable:si,tiandθi

为了有效解决(dm-i-e)问题，利用(dm-i-e)问题的层结构把(dm-i-e)问题分解成一个底层问题和一个顶层问题；

首先考虑在移动用户i传输时间ti给定的情况下，优化移动用户上传数据量和系统总时延的底层(dm-i-e-sub)问题如下：

constraint(2-4)

variable:siandθi

求解(dm-i-e-sub)问题的过程是：设定θ的上限是一个足够大的数，设定θ的下限是0，通过对θ进行对分搜索来找到最小的θ值，该θ值要同时确保(dm-i-e-sub)问题可行，(dm-i-e-sub)问题可行是指：在给定θ值条件下，(dm-i-e-sub)问题中约束条件(2-4)，(2-6)和(2-7)所产生有关于变量si的可行解集合为一个非空集合；否则，(dm-i-e-sub)问题为不可行，即在给定θ值条件下约束条件(2-4)，(2-6)和(2-7)所产生有关于变量si的可行解集合是一个空集；

最后在底层(dm-i-e-sub)问题的基础下，优化移动用户传输时间和系统总时延的顶层(dm-i-e-top)问题如下：

s.t.constraint(1-5)

variable:ti

求解(dm-i-e-top)问题的过程是：设定ti的上限是最大传输时间设定ti的下限是0，通过对ti进行线性搜索来找到最优的ti值，使得系统总时延最小。

(3)在求解(dm-i-e-sub)问题的过程中，为了判断在给定θ值条件下(dm-i-e-sub)问题是否可行，考虑如下(dm-i-e-sub-check)问题：

s.t.constraint(2-6),(2-7)

variable:si

如果(dm-i-e-sub-check)问题的最优值输出则表示(dm-i-e-sub-check)问题是可行的；否则，(dm-i-e-sub-check)问题将是不可行的；

定义函数gi(si)如下：

因此，得到函数l(si,λ,μ)的一阶偏导数如下：

接着，分析整理表达式(2-9)和(2-10)，发现在给定一组(si,λ,μ)的情况下，him(si,λ,μ)<hin(si,λ,μ)，m<n，所以将在tiandθi给定情况下，si的最优解分为以下三种情况：

i)如果存在使得hiz(si,λ,μ)＝0，那么设置为：

其中，

为满足的解。

ii)如果hi1(si,λ,μ)>0，那么设置为：

iii)如果hik(si,λ,μ)<0，那么设置为：

(4)求解(dm-i-e-sub-check)问题的算法subrountine-q，该算法的思路是；通过对(3)中，在ti和θi给定情况下，si的最优解的i)ii)iii)三种情况，得到最优解，求解(dm-i-e-sub-check)问题算法的subrountine-q的步骤如下：

步骤4.1：设定参数z＝1，设定参数cbv＝∞，

步骤4.2：开始循环z≤k；

步骤4.3：根据公式(3-5),(3-6)设定参数

步骤4.4：根据公式(3-8),(3-9)设定参数和

步骤4.5：如果设定转至执行步骤4.8；

步骤4.6：否则如果设定转至执行步骤4.8；

步骤4.7：否则区间内使用对分法寻找使得为满足设定转至执行步骤4.8；

步骤4.8：如果设定

步骤4.9：设定z＝z+1；

步骤4.10：当z>k时，结束循环；

步骤4.11：设定参数

步骤4.12：如果并且设定

步骤4.13：设定参数

步骤4.14：如果并且设定

步骤4.15：输出

(5)求解(dm-i-e-sub)问题的算法subbs-algorithm，该算法的思路是；在(dm-i-e-sub)问题中，设定θi的上限是一个足够大的数，θi的下限是0，设定容忍计算精度是一个很小的数，通过对θi进行对分搜索来找到最小的θi值，该θi值要同时确保(dm-i-e-sub)问题可行；通过求解(dm-i-e-sub-check)问题，判断在给定θi值条件下(dm-i-e-sub)问题是否可行；其中，如果(dm-i-e-sub-check)问题的最优值输出则表示(dm-i-e-sub)问题是可行的，那通过对分搜索方式减小当前θi值；否则，(dm-i-e-sub)问题将是不可行的，那通过对分搜索方式增大当前θi值；通过对分搜索不断更新当前θi值，直到达到容忍计算精度，跳出对分搜索，算法最后输出的最优θi值，即确保dm-i-e-sub问题可行的最小的θi值，求解(dm-i-e-sub)问题算法的subbs-algorithm的步骤如下：

步骤5.1：输入容忍计算精度∈＝10^-4，设定参数

步骤5.2：开始循环

步骤3.5：设定

步骤5.3：调用算法subrountine-q计算出

步骤5.4：如果设定转至执行步骤5.2；

步骤5.5：否则如果设定转至执行步骤5.2；

步骤5.6：当时，结束循环；

步骤5.7：输出

最后，算法subbs-algorithm输出的代表：(dm-i-e-sub)问题所求的在给定传输时间下的最优时延；

(6)求解(dm-i-e-top)问题的算法top-ls-algorithm，该算法的思路是；在(dm-i-e-top)问题中，设定ti的上限是最大传输时间设定ti的下限是0，设定计算步长是一个很小的数，通过对ti进行线性搜索来找到最优的ti值，该ti值要同时确保(dm-i-e-top)问题可行；通过求解(dm-i-e-sub)问题，得到在给定ti值条件下的最优时延通过线性搜索不断更新当前ti值，直到ti达到上限，跳出线性搜索，算法最后输出的最优值即确保(dm-i-e-top)问题可行的最小的值，求解(dm-i-e-top)问题算法的top-ls-algorithm的步骤如下：

步骤6.1：输入计算步长∈＝10^-4，设定参数

步骤6.2：设定cbv是一个足够大的数；

步骤6.3：调用算法subbs-algorithm计算出

步骤6.4：如果设定

步骤6.5：设定

步骤6.6：如果转至执行步骤6.3；否则，转至执行步骤6.7；

步骤6.7：输出以及

最后，算法top-ls-algorithm输出的和代表：(dm-i-e-top)问题所求的最小整体时延和对应的最优传输时间。