一种基于全双工中继的移动边缘计算网络资源分配方法与流程

本发明属于移动边缘计算领域，涉及一种基于全双工中继的移动边缘计算网络资源分配方法。

背景技术：

随着移动通信技术的高速发展和智能终端的日益普及，各种网络服务和应用不断涌现，例如虚拟现实、在线会议、视频通话等。这类数据量大的通信业务对通信网络在低时延、高可靠等方面提出了更严格的要求。虽然新型智能终端处理器的处理能力越来越强大，但依然无法处理计算量大且时延要求高的通信业务。另一方面，终端设备对本地数据的处理也加剧了电池电量的消耗和自身损耗，这极大地影响了终端设备的运行效率和服务质量。

为了解决上述问题，移动边缘计算作为一种可行的技术方案被提出。具体来说，移动边缘计算允许资源受限的终端设备将部分或全部计算任务卸载到边缘服务器进行处理，以解决终端设备在计算性能低、电池电量不足等条件下的传输问题，从而为终端设备提供低时延、低能耗的网络服务。因此，基于移动边缘计算的无线通信网络成为工业界和学术界关注的热点。

资源分配技术在传统无线网络中具有重要作用。它是通过调节传输功率、子载波分配等无线资源来有效的实现干扰管理，提升用户的服务质量。但在基于移动边缘计算的通信网络中，由于无线通信资源与计算资源相互影响，使得这类网络的资源分配问题变得更为复杂且十分具有挑战性。

目前，针对基于移动边缘计算网络资源分配问题的研究大多是基于双边任务计算方案(即，任务只能由用户或者边缘计算服务器全部计算)。然而，在实际的移动边缘计算网络中，由于任务数据量与时延请求的随机性，双边任务计算方式，无法对计算资源进行灵活的分配，从而导致用户本地服务器或边缘服务器的计算资源利用率低下且计算消耗较高。同时，基于传统半双工中继的移动边缘计算系统虽然在一定程度上改善了网络边缘用户的服务质量，提升了网络的覆盖范围，但半双工非同步收发的方式也导致数据传输时间较长，难以处理更低时延请求的数据业务。此外，虽然已有少量工作针对全双工中继的边缘计算网络的资源分配问题进行了研究，但该研究是在假设完美信道状态信息条件下设计的。然而，由于用户设备分布的随机性、量化误差以及信道时延等因素的影响，使得完美获得信道状态信息是不切实际的。因此，在考虑信道状态信息不确定性的条件下，如何实现全双工中继移动边缘计算网络顽健资源分配、减小用户中断概率，是一个非常有意义的研究问题。

技术实现要素：

有鉴于此，本发明的目的在于提供一种基于全双工中继的移动边缘计算网络资源分配方法。

为达到上述目的，本发明提供如下技术方案：

一种基于全双工中继的移动边缘计算网络资源分配方法，包括如下步骤：

s1：构建基于全双工中继辅助的上行移动边缘计算网络模型；

s2：分析所构建系统的传输特性，在满足用户计算任务时延约束、用户中断概率约束、用户最大计算能力和最大发射功率约束，联合优化用户匹配策略、用户任务卸载系数、用户与中继的传输功率，建立系统总能耗最小化问题；

s3：基于最坏准则方法，将含有概率约束的问题转化为确定性的优化问题。利用变量松弛方法，将目标函数与约束条件中的整数变量转化为连续变量；

s4：基于交替迭代方法，将原非凸问题分解为两个子问题，并利用内点法和拉格朗日对偶原理分别进行求解。

进一步，步骤s1中所述基于全双工中继辅助的上行移动边缘计算网络包括一个宏基站，n个用户和m个全双工中继，分别用和表示。其中，宏基站配备边缘计算服务器，用于远程执行任务。每个中继节点配备全双工天线，用于接收与转发用户的数据。考虑任务执行时延以及计算能耗，用户可将计算任务通过中继卸载到边缘计算服务器处理。对于用户n而言，其执行的任务可表示为其中，sn为用户n的计算任务的数据量，cn为用户n的计算任务的计算量，为用户n的计算任务的最大时延，φ为计算单位数据所需的计算能力。假设数据任务是独立的且可以按位操作，因此可以将计算任务分为不同的数据组，并且由网络中的不同实体进行执行。

进一步，步骤s2中所述分析所构建系统的传输特性，其内容包括：

定义αn,m∈{0,1}为用户n关联到中继m的关联因子。当用户n关联到第m个中继，αn,m＝1；否则，αn,m＝0。因此，用户n到所关联中继m的上行传输速率rn,m为

其中，为中继m接收到用户n传输信号的信干噪比；b表示相应子信道的带宽；pn,m和hn,m表示用户n到中继m的传输功率和信道增益；σ²和θm为第m个中继处的背景噪声功率和自干扰信道；为中继m分配给第n个用户的上行传输功率；表示第m个中继节点的自干扰功率。基于干扰消除技术，全双工天线的自干扰功率可以被忽略。

同理，中继m到基站的传输速率为

其中，为基站接收到中继m传输信号的信噪比，表示中继m到基站的信道增益，σ²表示基站接收端的背景噪声功率。

为了保证正常的中继通信，用户n的传输速率应该满足

同时，由于全双工通信要求输入端的速率应大于输出端的速率，否则会产生中断。因此，应满足如下关系

b.数据卸载模型

定义xn,m为用户n的计算任务卸载比例系数，且满足xn,m∈[0,1]。则用户n本地计算的任务量为(1-xn,m)cn。相应地，卸载任务的计算量为xn,mcn。因此，用户n本地执行时间为

其中，表示用户n本地的任务计算能力。

定义为用户n本地执行任务的功率消耗，且满足于其中，κ表示用户终端处理单元的转换系数。因此，用户n本地执行任务的能量消耗可以表示为

同理，边缘计算服务器用于计算用户n卸载任务的时间为

其中，为边缘计算服务器用于处理用户n任务的计算能力。

定义xn,msn为卸载任务的数据量，则用户n卸载任务数据上行传输的时间为

因此，卸载数据上传的能量消耗为

c.信道不确定性模型

考虑信道估计误差的影响，定义和分别为用户到中继链路、中继到基站链路的信道不确定性集合，即

其中，和分别为用户n到中继m、中继m到基站的信道估计值，和为相应信道估计误差。其中，表示信道估计误差δhn,m的方差，表示信道估计误差的上界值。

根据最坏情况方法，结合所述信道不确定性描述模型，可以得到如下中断概率

其中，ξn,m为中断概率门限。

进一步，步骤s2中所述，建立系统总能耗最小化问题，其内容包括：

s.t.c1:αn,m∈{0,1}

c2:

c3:

c4:

c5:

c6:

c7:0≤xn，m≤1

c8:其中，c1表示一个用户只能关联到一个中继，一个中继可以关联多个用户，最大关联用户数量为nm。c2表示第n个用户传输功率不超过其最大发射功率门限c3表示第m个中继的传输功率不超过其最大发射功率门限c4和c5表示第n个用户任务执行的时间不超过其最大值c6表示第n个用户的本地计算能力不超过其最大的计算能力c7用于限制计算任务卸载系数。c8用于表示用户n的中断概率。

进一步，基于步骤s3中所述，将含有概率约束的约束条件转化为确定性的约束，具体为：由于c8为中断概率约束，权利要求4中所述的优化问题难以直接求解。根据权利要求3中所述的信道不确定性集合，c8可以转化为：

其中，同理，根据最坏准则，有

进一步，基于步骤s3中所述，将目标函数与约束条件在中的整数变量转化为连续变量，具体为：基于权利要求4中所述优化问题的单调性，为减小本地计算的消耗，则最优的本地计算时间以及计算能力为

由于αn,m的存在，使得所提优化依然很难求解。基于变量松弛法，定义和其中αn,m∈[0,1]。同时定义将和带入优化问题中，则有等效的优化问题

s.t.c5,c7,0≤αn,m≤1

其中，

进一步，步骤s4具体包括以下步骤：

s4.1.首先，固定αn,m，和分解出关于xn,m的子问题，并用内点法进行求解；

s4.2.其次，固定xn,m，分解出关于αn,m,和的子问题，并用拉格朗日对偶原理进行求解；

s4.3.交替优化s4.1与s4.2中所述的子问题。

进一步，步骤s4.1中所述的关于xn,m的子问题，表示为：

s.t.c7:0≤xn,m≤1

由于目标函数是关于xn,m的凸函数，且约束条件和c7为线性约束，因此该问题是一个凸优化问题，可以利用内点法求得xn,m。

步骤4.2中所述于αn,m,和的子问题，表示为

s.t.

根据变量单调性，则有

因此，等价的优化问题为

s.t.

进一步，基于majorization-minimization算法以及dinkelbach方法，优化问题转化为

s.t.

其中，q为中间变量。该优化问题的拉格朗日函数为

其中，λn,m，μm和ωn,m为拉格朗日乘子。

同时，所得优化问题的对偶问题为

s.t.λn,m≥0,μm≥0,ωn,m≥0

其中，

进一步，根据kkt条件，则有如下结论

其中，[x]⁺＝max(0,x)。

基于梯度下降法，所述拉格朗日乘子迭代表达式为

其中，t表示迭代次数。d1，d2和d3为迭代步长。

本发明的有益效果在于：本发明结合了全双工中继和移动边缘计算两者的优势，不仅能够提升频谱利用效率，降低传输时延，同时还可以减小用户的计算压力，提升用户体验。此外，考虑信道参数不确定性带来的影响，本发明所提算法可以有效降低传输的中断概率，有效保障用户的服务质量。

本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。

附图说明

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作优选的详细描述，其中：

图1为本发明实施例所构建的基于全双工中继的移动边缘计算网络模型图；

图2为本发明提供的最小能耗模型的求解方案流程图；

图3为本发明方法用户实际中断概率与信道估计误差之间的关系图；

图4为本发明方法系统总能耗与用户任务数据量和时延之间的关系图；

图5为本发明方法系统总能耗与用户任务数据量之间的关系图。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本发明的限制；为了更好地说明本发明的实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。

本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本发明的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。

如图1、图2所示，本发明实施例提供了一种基于全双工中继的移动边缘计算网络资源分配方法，使用该方法能够在满足用户最大计算能力约束，用户任务时延约束下，降低系统的总能耗，有效提升系统的资源利用率。实施例包括以下步骤：

s1：构建基于全双工中继辅助的上行移动边缘计算网络模型；

s2：分析所构建系统的传输特性，在满足用户计算任务时延约束、用户中断概率约束、用户最大计算能力和最大发射功率约束，联合优化用户匹配策略、用户任务卸载系数、用户与中继的传输功率，建立系统总能耗最小化问题；

s3：基于最坏准则方法，将含有概率约束的问题转化为确定性的优化问题。利用变量松弛方法，将目标函数与约束条件中的整数变量转化为连续变量；

s4：基于交替迭代方法，将原非凸问题分解为两个子问题，并利用内点法和拉格朗日对偶原理分别进行求解。

所述步骤s1中基于全双工中继辅助的上行移动边缘计算网络包括一个宏基站，n个用户和m个全双工中继，分别用和表示。其中，宏基站配备边缘计算服务器，用于远程执行任务。每个中继节点配备全双工天线，用于接收与转发用户的数据。考虑任务执行时延以及计算能耗，用户可将计算任务通过中继卸载到边缘计算服务器处理。对于用户n而言，其执行的任务可表示为其中，sn为用户n的计算任务的数据量，cn为用户n的计算任务的计算量，为用户n的计算任务的最大时延，φ为计算单位数据所需的计算能力。假设数据任务是独立的且可以按位操作，因此可以将计算任务分为不同的数据组，并且由网络中的不同实体进行执行。

所述步骤s2中分析所构建系统的传输特性，其内容包括：

a.数据传输模型

定义αn,m∈{0,1}为用户n关联到中继m的关联因子。当用户n关联到第m个中继，αn,m＝1；否则，αn,m＝0。因此，用户n到所关联中继m的上行传输速率rn,m为

其中，为中继m接收到用户n传输信号的信干噪比；b表示相应子信道的带宽；pn,m和hn,m表示用户n到中继m的传输功率和信道增益；σ²和θm为第m个中继处的背景噪声功率和自干扰信道；为中继m分配给第n个用户的上行传输功率；表示第m个中继节点的自干扰功率。基于干扰消除技术，全双工天线的自干扰功率可以被忽略。

同理，中继m到基站的传输速率为

其中，为基站接收到中继m传输信号的信噪比，表示中继m到基站的信道增益，σ²表示基站接收端的背景噪声功率。

为了保证正常的中继通信，用户n的传输速率应该满足

同时，由于全双工通信要求输入端的速率应大于输出端的速率，否则会产生中断。因此，应满足如下关系

b.数据卸载模型

定义xn,m为用户n的计算任务卸载比例系数，且满足xn,m∈[0,1]。则用户n本地计算的任务量为(1-xn,m)cn。相应地，卸载任务的计算量为xn,mcn。因此，用户n本地执行时间为

其中，表示用户n本地的任务计算能力。

定义为用户n本地执行任务的功率消耗，且满足于其中，κ表示用户终端处理单元的转换系数。因此，用户n本地执行任务的能量消耗可以表示为

同理，边缘计算服务器用于计算用户n卸载任务的时间为

其中，为边缘计算服务器用于处理用户n任务的计算能力。

定义xn,msn为卸载任务的数据量，则用户n卸载任务数据上行传输的时间为

因此，卸载数据上传的能量消耗为

c.信道不确定性模型

考虑信道估计误差的影响，定义和分别为用户到中继链路、中继到基站链路的信道不确定性集合，即

其中，和分别为用户n到中继m、中继m到基站的信道估计值，和为相应信道估计误差。其中，表示信道估计误差δhn,m的方差，表示信道估计误差的上界值。

根据最坏情况方法，结合所述信道不确定性描述模型，可以得到如下中断概率

其中，ξn,m为中断概率门限。

进一步，步骤s2中所述，建立系统总能耗最小化问题，其内容包括：

s.t.c1:αn,m∈{0,1}

c2:

c3:

c4:

c5:

c6:

c7:0≤xn，m≤1

c8:

其中，c1表示一个用户只能关联到一个中继，一个中继可以关联多个用户，最大关联用户数量为nm。c2表示第n个用户传输功率不超过其最大发射功率门限c3表示第m个中继的传输功率不超过其最大发射功率门限c4和c5表示第n个用户任务执行的时间不超过其最大值c6表示第n个用户的本地计算能力不超过其最大的计算能力c7用于限制计算任务卸载系数。c8用于表示用户n的中断概率。

所述步骤s3中将含有概率约束的约束条件转化为确定性的约束，具体为：由于c8为中断概率约束，权利要求4中所述的优化问题难以直接求解。根据权利要求3中所述的信道不确定性集合，c8可以转化为：

其中，为累积分布函数。根据可以得到

因此，c8可以描述为

其中，同理，根据最坏准则，有

进一步，将目标函数与约束条件在中的整数变量转化为连续变量，具体为：基于权利要求4中所述优化问题的单调性，为减小本地计算的消耗，则最优的本地计算时间以及计算能力为

由于整数变量αn，m的存在，使得所提优化依然很难求解。基于变量松弛法，定义和其中αn，m∈[0，1]。同时定义将和带入优化问题中，则有等效的优化问题

s.t.c5，c7，0≤αn，m≤1

其中，

所述步骤s4具体包括以下步骤：

s4.1.首先，固定αn，m，和分解出关于xn，m的子问题，并用内点法进行求解；

s4.2.其次，固定xn，m，分解出关于αn，m，和的子问题，并用拉格朗日对偶原理进行求解；

s4.3.交替优化s4.1与s4.2中所述的子问题。

进一步，步骤s4.1中所述的关于xn，m的子问题，表示为：

s.t.c7：0≤xn，m≤1

由于目标函数是关于xn，m的凸函数，且约束条件和c7为线性约束，因此该问题是一个凸优化问题，可以利用内点法求得xn，m。

步骤4.2中所述于αn，m，和的子问题，表示为

s.t.

根据变量单调性，则有

因此，等价的优化问题为

s.t.

进一步，基于majorization-minimization算法以及dinkelbach方法，优化问题转化为

s.t.

其中，q为中间变量。该优化问题的拉格朗日函数为

其中，λn，m，μm和ωn，m为拉格朗日乘子。

同时，所得优化问题的对偶问题为

s.t.λn，m≥0，μm≥0，ωn，m≥0

其中，

进一步，根据kkt条件，则有如下结论

其中，[x]⁺＝max(0，x)。

基于梯度下降法，所述拉格朗日乘子迭代表达式为

其中，t表示迭代次数。d1，d2和d3为迭代步长。

本实施例既可以满足用户任务计算时延的要求，又可以提升系统顽健性，以此前提下，通过联合优化无线电资源与计算资源，来最小化系统的能耗。本发明可以使移动边缘计算网络中的覆盖范围增加，同时还可以减轻用户计算任务的压力，可以提升用户的服务质量，降低系统的能耗，从而提高资源利用率。

如图3所示，本发明给出了用户实际中断概率与信道估计误差的关系。随着信道估计误差的增加，系统实际中断概率逐渐增大。当信道估计误差值较大时，非顽健的算法具有较大的中断概率。在不同的中断概率门限下，本发明所提算法能够使用户的实际中断概率满足约束条件。因为本发明所提算法考虑了信道不确定性带来的影响，具有较好的顽健性。

如图4所示，本发明给出了系统总能耗与用户任务数据量、最大时延的关系。随着用户任务数据量的增加且用户任务时延减小，两种算法的总能耗逐渐增大。本发明所提算法的系统总能耗要低于传统基于半双工的资源分配算法。其原因是：利用全双工技术可以同时同频地进行数据传输，而半双工需要在时延要求内，对数据进行接收后再转发，因此需要消耗更多的能量。

如图5所示，本发明给出了系统总能耗与用户任务数据量的关系。随着用户任务数据量的增加，系统总能耗逐渐增大，并且本发明所提算法具有最低的能耗。因为本文所提算法允许将不同数量的计算资源合理地分配到用户与边缘服务器处分别进行处理，可以有效地降低计算任务所消耗的能量。且基于纯本地计算的算法所消耗的能量要高于另外两种算法。其原因是：当时延请求较小时，本地计算需要的计算能力更高，从而使得能耗较大。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于计算机可读存储介质中，存储介质可以包括：rom、ram、磁盘或光盘等。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。