一种基于NOMA-MEC的上行能效最小化的功率分配方法与流程

本发明涉及移动通信与无线网络
技术领域：
，具体涉及异构网中基于noma-mec的移动边缘计算上行传输过程中最小化能效的功率分配方法。
背景技术：
：随着5g的普及以及物联网的发展，网络的设备接入量爆炸式增长且不同类型的设备对网络时延以及速率要求各异。为了满足用户需求对时延的要求，传统的网络计算框架正在向边缘化转化，移动边缘计算技术(mobileedgecomputing；mec)可以在网络边缘对用户传输资源进行卸载和计算，进而极大的降低计算和传输时延；另一方面为了服务各种用户，非正交多址接入技术(non-orthogonalmultipleaccess；noma)可以在同样的频率资源接入多个用户，进而提升系统传输速率和频谱利用率。noma技术和mec技术在异构网上行链路中的联合使用可以在满足用户各种需求的同时提升网络性能，两个技术都被认为是5g的关键技术，目前得到了研究者们的广泛关注。noma技术是在发送端使用叠加编码将多个用户传输的信息在同样的时频资源传输，在接收端使用串行干扰自消除技术根据用户之间的功率差别进行解码。mec技术是将本地的高计算需求的任务卸载到mec服务器上进行计算进而解决本地计算时延大的一种技术，其中卸载包括部分卸载和部分卸载且部分卸载有更大的设计自由度。由于异构网传输中基站和用户的服务关心错综复杂，所以我们需要设计合理的功率分配来最小化系统的能耗。目前已经有很多专家学者对noma-mec系统进行研究，旨在降低传输时延、降低系统能耗以及提升系统总速率。但是由于noma-mec在异构网的传输复杂，用户之间功率的合理分配一直是较难解决的问题，所以找到一种功率分配方法非常重要。经对现有技术的文献检索发现，a.kiani和n.ansari在《ieeeinternetofthingsjournal,april2018，vol.5,no.2,pp.1299-1306页.(ieee物联网期刊，2018年4月，第5卷，第2期，第1299-1306)》上发表了题为“edgecomputingawarenomafor5gnetworks(面向5g网络的边缘计算感知noma)”一文，该文提出一种基于noma的mec上行链路传输，并且通过提出合适的用户分簇算法、计算资源分配算法来最小化系统的能效。另检索发现，y.pan和m.chen等人在《ieeecommunicationsletters,feb.2019，vol.23,no.2,pp.310-313.(ieee通信快报，2019年2月，第23卷，第2期，第310-313页)》上发表了题为“energy-efficientnoma-basedmobileedgecomputingoffloading(基于能效非正交多址的移动边缘计算卸载)”一文，该文考虑多单个基站配备一个mec计算中心同时服务多个用户的问题，且同时考虑资源上传和结果下传的场景并且使用连续凸优化解决了功率分配、时间分配的问题。该文表明使用基于noma传输的mec比传统的正交传输的性能要好。但不幸的是，上述两文考虑的都是单小区只有一个基站且只分布一个mec计算中信的情况，并不能适用于异构网传输场景。另检索发现，张海君等人在《通信学报》2020年四月第41卷第4期发表了一篇题为“基于移动边缘计算的noma异构网络资源分配”一文，该文考虑的是异构网中noma-mec场景，该文使用能量效率的提升作为缓存增益，然后以最大化能量效率作为最大化能效的目标，通过使用dc(differenceofconvex)进行功率分配，获得了较好的缓存增益，但是该文只考虑了mec资源卸载中上传资源部分的能量，并没有考虑本地计算的能效，所以该文章的内容不能适应于实际系统中的能效优化。另检索发现，钱丽萍等人在2019年申请了一篇题为“一种基于mec的noma窄带物联网的系统能耗最小方化法”(公开号:cn110519833a)的专利，该方法在联合考虑资源分配、用户传输功率和noma解码实现等非凸约束的情况下，通过分解方式将非凸的能耗问题转化为优化资源分配和优化解码顺序两个子问题，首先根据对数变换将解码顺序转换为凸问题,再通过梯度下降算法来优化发射功率和计算资源分配的问题。但是该方法考虑的是窄带物联网系统，不能很好的适用于无线通信网络的情况。王保云等人在2020年申请了一篇题为“基于noma-mec系统的下行传输时延最小化的方法”(公开号:cn111314935a)的专利，该方法建立了一个mec服务多个用户的模型，然后根据noma传输的特点和mec系统的特征推导出了信噪比以及功率约束，最后以最小化传输时延为目标，得到一种资源分配方案。该方法得到了较低的传输时延，但是该专利研究场景是单小区的场景，并不适用于异构网的情况。技术实现要素：本发明针对异构网上行链路中基于noma传输的移动边缘计算资源卸载中以最小化能效的问题，提出了一种功率分配的方法。首先对该系统资源传输和卸载过程中的能耗问题进行建模，其次通过变量松弛将本地资源部分卸载的问题转化为一个凸问题。然后使用二次转化方法，将上行传输中的能耗问题也转化为一个凸问题，最后通过迭代优化得到最优的功率分配。本发明是通过以下技术方案实现的：本发明为异构网上行基于noma传输的移动边缘计算网络提供了一种以最小化能效为目标的功率分配方法，应用于异构网多mec设备多用户的场景。本发明采用的技术方案具体包括以下步骤s1、建立在以最小化能效为目标，满足功率约束小于最大发射功率、用户速率大于最低速率、资源传输卸载计算时延小于总时延、客户端计算频率小于最大计算频率条件下的问题模型。在异构网noma-mec上行传输系统中，我们考虑异构网的场景，小区内配备一个宏基站和m个微基站，所有的基站共用同一个频率，且每个基站配备一个mec服务器。另外，上行链路中一共有k个子载波，每个载波上都可以传输多个用户的信息。信号在传输中由于微基站的之间的距离以及信号强度等原因，每个基站都会收到自己服务用户的信号同时也能收到别的基站服务用户的信号。为了方便计算，我们假设用户到基站之间的信道信息都是可以使用信道估计的方式获得。小区内的基站集合表示为载波集合表示为假设每个用户只能在一个载波上，那么由第m个基站服务的第k个子载波上的第i个用户表示为um，k，i，其中每个载波k上的用户总数为nm，k，且满足nm，k≥2。用户um，k，i的信道信息表示为hm，k，i。在mec部分卸载传输中，每个用户um，k，i输入的总的数据量记为lm，k，i，卸载率为αm，k，i，那么本地计算需要的计算能量为其中为本地计算的功率消耗，ξ为功率因子，fm，k，i为用户um，k，i的本地cpu计算频率，为用户um，k，i本地计算需要的计算时间，βm，k，i为本地计算cpu处理1比特信息要转的圈数。用户上传时使用noma传输，上传需要的能量消耗为其中pm，k，i为noma传输中用户um，k，i的功率分配，且满足pm，k，i≤pmax，pmax为用户最大发射功率。tm，k，i为用户um，k，i本传输所需要的时间。用户的上行传输的速率为rm，k，i，且满足rm，k，i≥rmin，rmin为用户上行传输中的最小传输速率。综上所述我们可知用户整个卸载过程中的能量消耗为s2：对于最小化noma-mec系统中最小化能效的问题，采用约束松弛方法将本地计算中能量消耗问题转换成一个关于卸载比例的凸问题。本地计算所需要的能量目前与部分卸载率和本地计算每个用户的cpu频率两个变量有关，我们知道本地计算的cpu频率fm，k，i的最大频率fmax以及本地计算的最大时间tl，所以本地计算的cpu频率可以松弛为(1-αm，k，i)lm，k，iβm，k，i/tl≤fm，k，i≤fmax。由于本地计算的能效是与频率递增的，所以取最小的cpu频率就能得到最小的能效。即fm，k，i的值可以表示为fm，k，i＝(1-αm，k，i)lm，k，iβm，k，i/tl通过将本地计算的cpu频率进行松弛处理，本地能效变成了一个与卸载率有关的凸优化问题。s3：对于noma-mec系统中上行传输中的能量消耗问题，使用二次函数转化的方法将其转换成一个关于功率的凸问题，进而得到各个辅助变量和功率分配的表达式。由于上行传输中传输速率的约束是一个非凸优化约束的问题，我们采用二次函数转换的方法来处理，具体实现步骤如下：首先，引入一个变量将上传速率rm，k，i从一个非凸对数函数问题转换成一个非函数分式问题。可以通过一次导数得到辅助变量的值，表示为其次，关于上传部分的能效是一个关于的分式规划问题，我们通过引入一个变量vm，k，i然后采用二次函数转换的方式将分母分离出来，二次变量vm，k，i可以通过一次导数求出，表示为最后，使用二次函数转换以后目标函数变为关于功率分配的凸函数，我们采用拉格朗日计算就可以得到的pm，k，i的表达式，表示为其中λm，k，i和μm，k，i分别是关于速率约束和功率约束引入的拉格朗日乘子，tup是上行传输中允许的最大的传输时延。s4：对于最小化系统总能效为目标，提出一种迭代优化算法，得到每个用户上行传输中的最优功率分配。本发明首先对非凸优化问题经过数学运算的方法转换成凸优化问题，由于功率分配与本地计算的能效无关，但是本地计算的任务量影响上行传输的时间，进而会影响功率分配。所以先将本地计算的能效问题通过变量松弛转换为一个关于卸载率的凸函数，然后针对上传中的能效问题转使用二次函数转化成一个关于功率分配的凸函数。我们提出一种使用迭代方法来获得最优的功率分配，具体的迭代步骤包括：(1)初始化用户um，k，i的总的输入量lm，k，i，本地计算最大时延tl以及上传最大时延tup；(2)使用变量松弛的方法建立本地计算频率和卸载率的关系，使用凸优化求解卸载率αm，k，i；(3)使用迭代运算求解功率分配pm，k，i；(4)循环迭代直到能效收敛或者迭代次数到最大值。其中，s4中的(3)求解pm，k，i是通过二次函数转换实现的，具体也是采用迭代运算的方式求解，具体分成以下几步：(3.1)求解辅助变量的值和辅助变量vm，k，i的值；(3.2)代入求解得到的卸载率αm，k，i的值求解功率分配pm，k，i。与现有技术相比，本发明具有以下有益效果：1)在异构网noma-mec上线链路部分卸载传输系统首次将本地计算能耗和上传能耗分开计算，然后分别采用变量松弛和二次转换的方式将能效问题转换为一个凸问题；2)本发明能够在转换后得到最优的卸载率，然后带入功率分配表达式求解中，能够得到在满足上传速率条件下的功率分配；3)本发明应用迭代运算，在计算更新卸载率和功率分配的时候都是使用的全局最优值更新，可以在保证最小化能效的前提下得到最优的功率分配。附图说明图1是本发明所述的异构网noma-mec上线链路部分卸载传输系统模型示意图；图2是本发明所述的异构网noma-mec上线链路部分卸载传输系统功率分配框架示意图；图3是本发明所述的异构网noma-mec上线链路部分卸载传输系统能耗随输入总数据量示意图；图4是本发明所述的异构网noma-mec上线链路部分卸载传输系统能耗随数据计算允许总时延示意图；图5是本发明所述的异构网noma-mec上线链路部分卸载传输系统能耗随用户个数示意图。具体实施方式下面对本发明的实施例作详细说明，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护权限不限于下述的实施例。基于本发明的任何实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施例，都属于本发明所保护的范围。本发明针对异构网上行链路中基于noma传输的移动边缘计算资源卸载中以最小化能效的问题，提出了一种功率分配的方法。如图1所示，一共有一个宏基站和三个微基站，每个基站都同时服务于多个用户，且每个用户的发射功率最大都为pmax。如图2所示，本实施例通过以下步骤实现：s1：建立在以最小化能效为目标，满足功率约束小于最大发射功率、用户速率大于最低速率、资源传输卸载计算时延小于总时延、客户端计算频率小于最大计算频率条件下的问题模型。小区内的基站集合表示为载波集合表示为假设每个用户只能在一个载波上，那么由第m个基站服务的第k个子载波上的第i个用户表示为um，k，i，其中每个载波k上的用户总数为nm，k，且满足nm，k≥2。用户um，k，i的信道信息表示为hm，k，i。在mec部分卸载传输中，每个用户um，k，i输入的总的数据量记为lm，k，i，卸载率为αm，k，i，那么本地计算需要的计算能量为其中为本地计算的功率消耗，ξ为功率因子，fm，k，i为用户um，k，i的本地cpu计算频率，为用户um，k，i本地计算需要的计算时间，βm，k，i为本地计算cpu处理1比特信息要转的圈数。用户上传时使用noma传输，上传需要的能量消耗为其中pm，k，i为noma传输中用户um，k，i的功率分配，且满足pm，k，i≤pmax，pmax为用户最大发射功率。tm，k，i为用户um，k，i本传输所需要的时间。用户的上行传输的速率为rm，k，i，且满足rm，k，i≥rmin，rmin为用户上行传输中的最小传输速率。综上所述我们可知用户整个卸载过程中的能量消耗为s2：对于最小化noma-mec系统中最小化能效的问题，采用约束松弛方法将本地计算中能量消耗问题转换成一个关于卸载比例的凸问题。本地计算所需要的能量目前与部分卸载率和本地计算每个用户的cpu频率两个变量有关，我们知道本地计算的cpu频率fm，k，i的最大频率fmax以及本地计算的最大时间tl，所以本地计算的cpu频率可以松弛为(1-αm，k，i)lm，k，iβm，k，i/tl≤fm，k，i≤fmax。由于本地计算的能效是与频率递增的，所以取最小的cpu频率就能得到最小的能效。即fm，k，i的值可以表示为fm，k，i＝(1-αm，k，i)lm，k，iβm，k，i/tl通过将本地计算的cpu频率进行松弛处理，本地能效变成了一个与卸载率有关的凸优化问题。s3：对于noma-mec系统中上行传输中的能量消耗问题，使用二次函数转化的方法将其转换成一个关于功率的凸问题，进而得到各个辅助变量和功率分配的表达式。由于上行传输中传输速率的约束是一个非凸优化约束的问题，我们采用二次函数转换的方法来处理，具体实现步骤如下：首先，引入一个变量将上传速率rm，k，i从一个非凸对数函数问题转换成一个非函数分式问题。可以通过一次导数得到辅助变量的值，表示为其次，关于上传部分的能效是一个关于的分式规划问题，我们通过引入一个变量vm，k，i然后采用二次函数转换的方式将分母分离出来，二次变量vm，k，i可以通过一次导数求出，表示为最后，使用二次函数转换以后目标函数变为关于功率分配的凸函数，我们采用拉格朗日计算就可以得到的pm，k，i的表达式，表示为其中λm，k，i和μm，k，i分别是关于速率约束和功率约束引入的拉格朗日乘子，tup是上行传输中允许的最大的传输时延。s4：对于最小化系统总能效为目标，提出一种迭代优化算法，得到每个用户上行传输中的最优功率分配。本发明首先对非凸优化问题经过数学运算的方法转换成凸优化问题，由于功率分配与本地计算的能效无关，但是本地计算的任务量影响上行传输的时间，进而会影响功率分配。所以先将本地计算的能效问题通过变量松弛转换为一个关于卸载率的凸函数，然后针对上传中的能效问题转使用二次函数转化成一个关于功率分配的凸函数。我们提出一种使用迭代方法来获得最优的功率分配，具体的迭代步骤包括：(1)初始化用户um，k，i的总的输入量lm，k，i，本地计算最大时延tl以及上传最大时延tup；(2)使用变量松弛的方法建立本地计算频率和卸载率的关系，使用凸优化求解卸载率αm，k，i；(3)使用迭代运算求解功率分配pm，k，i；(4)循环迭代直到能效收敛或者迭代次数到最大值。其中，s4中的(3)求解pm，k，i是通过二次函数转换实现的，具体也是采用迭代运算的方式求解，具体分成以下几步：(3.1)求解辅助变量的值和辅助变量υm，k，i的值；(3.2)代入求解得到的卸载率αm，k，i的值求解功率分配pm，k，i。本实施例考虑异构网的场景，小区内所有基站服务的用户进行联合功率分配，本实施例仿真场景的主要参数如表1所示。表1仿真场景主要参数基站覆盖范围1km宏基站数1微基站数3本地计算最大允许时延0.5s上传最大允许时延0.5s用户输入数据量3-6×106bit平均路径损耗114+38log10(d)阴影衰落标准差8dbm信道带宽10mhz噪声功率密度-176dbm本实施例考虑异构网的场景，小区内各用户均匀分步在小区覆盖范围内，小区内的基站、卸载数据、以及信道信息如上表所示。图3是本发明本发明所述的异构网noma-mec上线链路部分卸载传输系统能耗随输入总数据量示意图。该图仿真了全部本地计算、部分卸载计算使用ofdm方式传输和部分卸载计算使用noma方式传输三种方式。仿真结果表明随着输入的数据量增加，三种方式的能耗都增加，但是使用noma传输的方式能耗一直是最低，该方法表明我们的提出的noma传输的功率分配方案能够获得较好的能效。图4是本发明所述的异构网noma-mec上线链路部分卸载传输系统能耗随数据计算允许总时延示意图。该图仿真了最大允许时延不同的情况下的三种方案的能效，该图可以看出我们提出的noma传输的功率方案的能效与其余两种方式相比有很大幅度上的降低。图5是本发明所述的异构网noma-mec上线链路部分卸载传输系统能耗随用户个数示意图。该图表明随着用户的个数增多，系统的总的能耗一直在增加，另外使用本地计算和使用ofdm方式传输的能耗的增加趋势比使用noma传输的趋势高，这种现象表明，当用户个数越来越多的时候，使用noma传输能够允许多个用户在同样的时间上传卸载数据，有效的提升系统的性能。最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。当前第1页12