一种IRS辅助的MEC网络无线与计算资源分配方法及装置

一种irs辅助的mec网络无线与计算资源分配方法及装置
技术领域
1.本发明涉及无线通信技术领域，特别涉及一种irs辅助的mec网络无线与计算资源分配方法及装置。


背景技术：

2.移动边缘计算(mobile edge computing,mec)能够有效提升用户处理计算密集业务的性能。然而，当用于任务卸载的通信链路条件差时，mec的优势不能得到充分发挥。智能反射面(intelligent reflective surface，irs)能够通过调整反射信号的相位与振幅，使接收机的直射信号得到增强。尽管irs能够提升通信链路质量，降低计算卸载传输时延与能耗，但是由于加入irs使得通信系统模型更为复杂，变量耦合性进一步加强，传统的资源分配算法不再适用irs辅助的mec网络。
3.在irs辅助的mec网络中，现有工作仅单独优化时延或者能量，而单独优化一方面不能保证另外一方面的性能。此外，现有研究工作仅优化无线终端上行传输功率、irs相位系数矩阵、基站信号检测矩阵、边缘服务器计算资源分配中的一部分，没有将上述所有变量联合优化。


技术实现要素：

4.本发明提供了一种irs辅助的mec网络无线与计算资源分配方法及装置，以解决现有的资源分配算法不适用于irs辅助的mec网络的技术问题。
5.为解决上述技术问题，本发明提供了如下技术方案：
6.一方面，本发明提供了一种irs辅助的mec网络无线与计算资源分配方法，该irs辅助的mec网络无线与计算资源分配方法包括：
7.以最小化用户时延与能耗加权和为目标，建立无线与计算资源分配优化模型；以优化信号解码矩阵、用户发射功率、irs相移系数矩阵及mec计算资源；
8.对所述优化模型进行解耦，将优化问题拆分成几个不同的子问题，并在子问题优化过程中，利用连续凸逼近技术，通过迭代优化得到信号解码矩阵、用户发射功率、irs相移系数矩阵及mec计算资源的最优值。
9.进一步地，所述优化模型的表达式如下：
[0010][0011]
s.t.0＜p
i
≤p
max,i
,i∈n
[0012]
f
si
＞0,i∈n
[0013][0014]
θ
i
∈[0,2π],i∈m
[0015]
[0016]
其中，s.t.表示限制条件；n＝{1,2,...,n}表示用户集合；χ
i
表示用户i的权重因子；β
ti
,β
ei
表示用户i对时延与能耗的偏好因子，β
ti
,β
ei
也有单位归一化的作用，β
ti
+β
ei
＝1；t
i
表示执行时延，d
i
为用户i的任务尺寸，c
i
为用户i任务执行所需要的计算资源，r
i
(p,w
i
,θ)为用户i卸载任务时的传输速率，p为用户发射功率集合，p＝{p1,p2,...,p
n
}，p
i
为用户i的发射功率；p
max,i
表示用户i最大发射功率，w为信号检测向量集合，w＝[w1,w2,...w
n
]，w
i
为用户i的信号检测向量，表示w
i
的共轭转置，为irs相移系数对角矩阵，θ
i
为第i个反射单元的相位，为用户i到基站的信道矩阵，为用户i到irs的信道矩阵，为irs到基站的信道矩阵，表示i
×
j的矩阵，n0为加性高斯白噪声；f
s
为分配给用户的边缘计算资源集合，f
s
＝{f
s1
,f
s2
,...,f
sn
}，f
si
表示分配给用户i的边缘计算资源，f
max
为mec服务器计算资源总量；e
i
表示执行能耗，b表示上行传输带宽。
[0017]
进一步地，对所述优化模型进行解耦，包括：
[0018]
利用块坐标下降bcd算法，对所述优化模型进行解耦。
[0019]
进一步地，所述将优化问题拆分成几个不同的子问题，并在子问题优化过程中，利用连续凸逼近技术，通过迭代优化得到信号解码矩阵、用户发射功率、irs相移系数矩阵及mec计算资源的最优值，包括：
[0020]
将所述优化模型分解成计算资源分配子问题和通信资源分配子问题；其中，
[0021]
所述计算资源分配子问题为：
[0022][0023]
s.t.f
si
＞0,i∈n
[0024][0025]
所述通信资源分配子问题为：
[0026][0027]
s.t.0＜p
i
≤p
max,i
,i∈n
[0028]
θ
i
∈[0,2π],i∈m
[0029]
[0030]
针对所述计算资源分配子问题，利用凸优化理论得到最优计算资源分配
[0031]
进一步地，针对通信资源分配子问题，继续利用bcd算法将所述通信资源分配子问题分解为信号检测向量优化子问题和功率
‑
irs相位优化子问题；其中，
[0032]
所述信号检测向量优化子问题为：
[0033][0034][0035]
将所述信号检测向量优化子问题约化成一个特征值问题，并对所述特征值问题进行求解，得到最优的信号检测向量；
[0036]
所述功率
‑
irs相位优化子问题为：
[0037][0038]
s.t.0＜p
i
≤p
max,i
,i∈n
[0039]
θ
i
∈[0,2π],i∈m
[0040]
将所述功率
‑
irs相位优化子问题，继续拆成不同的子问题，并利用连续凸逼近技术将拆分出的子问题转换成凸问题，迭代优化直至收敛。
[0041]
进一步地，将功率
‑
irs相位优化子问题，继续拆成不同的子问题，并利用连续凸逼近技术将拆分出的子问题转换成凸问题，迭代优化直至收敛，包括：
[0042]
将所述功率
‑
irs相位优化子问题变换到对偶域，将所述功率
‑
irs相位优化子问题变换为功率
‑
irs相位优化对偶子问题，功率
‑
irs相位优化对偶子问题为：
[0043][0044]
s.t.0＜p
i
≤p
max,i
,i∈n
[0045]
θ
i
∈[0,2π],i∈m
[0046]
其中，与分别为拉格朗日对偶变量与松弛变量；
[0047]
利用拉格朗日对偶重构的方法将所述功率
‑
irs相位优化对偶子问题变换为功率
‑
irs相位优化对偶重构子问题，所述功率
‑
irs相位优化对偶重构子问题为：
[0048][0049]
s.t.0＜p
i
≤p
max,i
,i∈n
[0050]
θ
i
∈[0,2π],i∈m
[0051]
其中，μ为引进的辅助变量集合，μ＝{μ1,μ2,...,μ
n
}；
[0052][0053]
基于所述功率
‑
irs相位优化对偶重构子问题，得到μ
i
的最优值。
[0054]
进一步地，将功率
‑
irs相位优化子问题继续拆成不同的子问题，并利用连续凸逼近技术将拆分出的子问题转换成凸问题，迭代优化直至收敛，还包括：
[0055]
利用bcd算法以及二次变换的方法将所述功率
‑
irs相位优化对偶重构子问题分解为功率优化子问题与irs优化子问题；其中，
[0056]
功率优化子问题为：
[0057][0058]
s.t.0＜p
i
≤p
max,i
,i∈n
[0059]
其中，ν为引进的辅助变量集合，ν＝{ν1,ν2,...,ν
n
}；
[0060][0061]
求解所述功率优化子问题，得到最优ν，p；
[0062]
所述irs优化子问题为：
[0063][0064]
s.t.θ
i
∈[0,2π],i∈m
[0065]
其中，为引进的辅助变量集合，
[0066][0067]
为的共轭值，迭代优化与θ，得到最优的；
[0068]
固定优化θ，利用优化最小值的方法将所述irs优化子问题转换为一个irs相位迭代优化子问题，所述irs相位迭代优化子问题为：
[0069][0070]
s.t.|φ
i
|＝1,i∈n
[0071]
其中，φ为引进的替代变量，φ＝[φ1,...,φ
m
]，g(φ|φ
t
)为替代函数，φ
t
为φ第t次迭代的值；
[0072][0073][0074][0075][0076]
为w
i
的共轭，求解所述irs相位迭代优化子问题，得第t+1迭代最优的φ；
[0077]
基于所述第t+1迭代最优的φ，得到第t+1次最优的θ；
[0078]
针对优化变量p,w,θ,f
s
，不断迭代直至收敛；其中，收敛条件为：δ≤ε；
[0079]
其中，y
(t)
是y第t次迭代值；ε是停止迭代的门限值。
[0080]
另一方面，本发明还提供了一种irs辅助的mec网络无线与计算资源分配装置，该irs辅助的mec网络无线与计算资源分配装置包括：
[0081]
无线与计算资源分配优化模型构建模块，用于以最小化用户时延与能耗加权和为目标，建立无线与计算资源分配优化模型；以优化信号解码矩阵、用户发射功率、irs相移系数矩阵及mec计算资源；
[0082]
优化求解模块，用于对所述优化模型进行解耦，将优化问题拆分成几个不同的子问题，并在子问题优化过程中，利用连续凸逼近技术，通过迭代优化得到信号解码矩阵、用户发射功率、irs相移系数矩阵及mec计算资源的最优值。
[0083]
再一方面，本发明还提供了一种电子设备，其包括处理器和存储器；其中，存储器中存储有至少一条指令，所述指令由处理器加载并执行以实现上述方法。
[0084]
又一方面，本发明还提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述指令由处理器加载并执行以实现上述方法。
[0085]
本发明提供的技术方案带来的有益效果至少包括：
[0086]
本发明提供的无线与计算资源分配方法，结合irs技术，兼顾优化了时延与能量；优化变量全面，包含无线终端上行传输功率、irs相位系数矩阵、基站信号检测矩阵、边缘服务器计算资源分配；优化算法方面，利用bcd算法，将问题拆分成几个不同的子问题，子问题优化过程中利用了连续凸逼近技术将非凸问题转换成凸问题并且得到优化变量的闭式解，算法收敛速度快，复杂度低。
附图说明
[0087]
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0088]
图1是本发明实施例提供的irs辅助的mec网络无线与计算资源分配方法的流程示意图；
[0089]
图2是irs辅助的mec网络示意图；
[0090]
图3是本发明实施例提供的仿真场景图；
[0091]
图4是本发明实施例提供的任务尺寸d
i
对卸载开销影响示意图。
具体实施方式
[0092]
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
[0093]
第一实施例
[0094]
本实施例提供了一种irs辅助的mec网络无线与计算资源分配方法，该方法可以由
电子设备实现，该电子设备可以是终端或者服务器。该irs辅助的mec网络无线与计算资源分配方法的执行流程如图1所示，包括以下步骤：
[0095]
s1，以最小化用户时延与能耗加权和为目标建立无线与计算资源分配优化模型；优化信号解码矩阵、用户发射功率、irs相移系数矩阵及mec计算资源；
[0096]
s2，利用bcd算法对所述优化模型进行解耦，将优化问题拆分成几个不同的子问题，并在子问题优化过程中，利用连续凸逼近技术，通过迭代优化得到信号解码矩阵、用户发射功率、irs相移系数矩阵及mec计算资源的最优值。
[0097]
下面，结合图2至图4，对本实施例的上述方法进行详细说明。
[0098]
(1)网络模型
[0099]
如图2所示，irs辅助的mec网络包括1个配备mec服务器的k根天线小区；1个有m个反射单元的irs，反射单元集合为m＝{1,2,...,m}；n个用户，用户集合为n＝{1,2,...,n}。mec服务器收集请求卸载的移动用户任务信息、用户与基站之间的信道信息、用户与irs之间的信道信息、irs与基站之间的信道信息等。
[0100]
(2)通信模型
[0101]
特殊符号定义：表示i
×
j的矩阵，diag{
·
}表示对角阵阵，[
·
]
h
表示矩阵[
·
]的共轭转置，表示(
·
)的共轭，(
·
)
(t)
表示(
·
)第t次迭代值。
[0102]
h
d,i
：直射信道，
[0103]
h
r,i
：用户到irs信道，
[0104]
g：irs到基站信道,
[0105]
θ：irs反射角，θ＝[θ1,θ2,...,θ
m
]，
[0106]
w：信号检测向量集合，w＝{w1,w2,...w
n
}，
[0107]
假设在该mec系统中，每个用户都有一个任务υ
i
需要卸载到边缘执行，用户i的任务用二元组＜c
i
,d
i
＞来表示，其中，c
i
为用户i任务执行所需要的计算资源，d
i
为用户i的任务尺寸。
[0108]
所有用户在同一时间使用同频资源，用户i的传输速率为：
[0109][0110]
其中，p为用户发射功率集合，p＝{p1,p2,...,p
n
}，p
i
为用户i的发射功率，w为信号检测向量集合，w＝{w1,w2,...w
n
}，w
i
为用户i的信号检测向量，表示w
i
的共轭转置，为irs相移系数对角矩阵，θ
i
为第i个反射单元的相位，为用户i到基站的信道矩阵，为用户i到irs的信道矩阵，为irs到基站的信道矩阵，n0为加性高斯白噪声。b表示上行传输带宽。
[0111]
(3)系统模型
[0112]
用户i的卸载开销定义为用户i在计算卸载过程中时延与能耗加权和：
[0113]
y
i
＝β
ti
t
i
+β
ei
e
i
[0114]
其中，β
ti
,β
ei
表示用户i对时延与能耗的偏好因子，β
ti
,β
ei
也有单位归一化的作用，β
ti
+β
ei
＝1；t
i
表示用户i执行时延，e
i
表示执行能耗，
[0115]
系统目标为最小化n个用户的卸载开销，系统模型为：
[0116][0117]
s.t.0＜p
i
≤p
max,i
,i∈n
[0118]
f
si
＞0,i∈n
[0119][0120]
θ
i
∈[0,2π],i∈m
[0121][0122]
其中，χ
i
表示用户i的权重因子；p
max,i
表示用户i最大发射功率；f
s
＝{f
s1
,f
s2
,...,f
sn
}，f
si
表示分配给用户i的边缘计算资源，f
max
为mec服务器计算资源总量。
[0123]
(4)算法
[0124]
系统模型非凸，利用块坐标下降(block coordinate descent，bcd)算法将问题分解为计算资源分配子问题与通信资源分配子问题。
[0125]
计算资源分配子问题为：
[0126][0127]
s.t.f
si
＞0,i∈n
[0128][0129]
利用凸优化理论易得最优计算资源分配
[0130]
通信资源分配子问题为：
[0131][0132]
s.t.0＜p
i
≤p
max,i
,i∈n
[0133]
θ
i
∈[0,2π],i∈m
[0134][0135]
因为通信资源分配子问题仍然非凸，所以继续利用bcd算法将通信资源分配子问题分解为信号检测向量优化子问题与功率
‑
irs相位优化子问题。
[0136]
信号检测向量优化子问题为：
[0137][0138][0139]
该信号检测向量子问题可以约化成一个特征值问题，该类问题求解过程简单，容易得到最优的信号检测向量。
[0140]
功率
‑
irs相位优化子问题为：
[0141][0142]
s.t.0＜p
i
≤p
max,i
,i∈n
[0143]
θ
i
∈[0,2π],i∈m
[0144]
功率
‑
irs相位优化子问题依然是非凸问题，将问题变换到对偶域解决，功率
‑
irs相位优化子问题变换为功率
‑
irs相位优化对偶子问题，功率
‑
irs相位优化对偶子问题为：
[0145][0146]
s.t.0＜p
i
≤p
max,i
,i∈n
[0147]
θ
i
∈[0,2π],i∈m
[0148]
其中，与分别为拉格朗日对偶变量与松弛变量。
[0149]
所述功率
‑
irs相位优化对偶子问题依然是非凸问题，利用拉格朗日对偶重构的方法将所述功率
‑
irs相位优化对偶子问题变换为功率
‑
irs相位优化对偶重构子问题。功率
‑
irs相位优化对偶重构子问题为：
[0150][0151]
s.t.0＜p
i
≤p
max,i
,i∈n
[0152]
θ
i
∈[0,2π],i∈m
[0153]
其中，μ为引进的辅助变量集合，μ＝{μ1,μ2,...,μ
n
}；
[0154][0155]
功率
‑
irs相位优化对偶重构子问题对于松弛变量μ
i
为图问题，可得μ
i
的最优值。
[0156]
该功率
‑
irs相位优化对偶重构子问题关于p与θ依然是非凸问题，利用bcd算法以及二次变换的方法将其分解为功率优化子问题与irs优化子问题。
[0157]
功率优化子问题为：
[0158][0159]
s.t.0＜p
i
≤p
max,i
,i∈n
[0160]
其中，ν为引进的辅助变量集合，ν＝{ν1,ν2,...,ν
n
}；
[0161][0162]
功率优化子问题分别对于ν，p为凸问题所以易得最优ν，p。
[0163]
irs相位优化子问题为：
[0164][0165]
s.t.θ
i
∈[0,2π],i∈m
[0166]
其中，为引进的辅助变量集合，
[0167][0168]
为的共轭值，迭代优化与θ，可得最优的
[0169]
固定优化θ，所述irs相位优化子问题为一个非凸问题，利用优化最小值的方法将irs相位优化子问题转换为一个irs相位迭代优化子问题，irs相位迭代优化子问题为：
[0170][0171]
s.t.|φ
i
|＝1,i∈n
[0172]
其中，φ为引进的替代变量，φ＝[φ1,...,φ
m
]，g(φ|φ
t
)为替代函数，φ
t
为φ第t次迭代的值；
[0173]
g(φ|φ
t
)＝φξ
max
i
m
φ
h
‑
2re{φ(ξ
max
i
m
‑
α)(φ
t
)
h
}+φ
t
(ξ
max
i
m
‑
α)(φ
t
)
h
+2re{φβ}
‑
x；
[0174][0175][0176][0177]
为w
i
的共轭，求解irs相位迭代优化子问题，可得第t+1迭代最优的φ
[0178]
基于所述第t+1迭代最优的φ，可得第t+1次最优的θ
[0179]
上述的优化变量p,w,θ,f
s
需要不断迭代直至收敛。
[0180]
收敛条件为：δ≤ε
[0181]
其中，y
(t)
是y第t次迭代值；ε是停止迭代的门限值。
[0182]
irs、移动用户通过基站得到mec服务器的优化结果，并据此执行相应的卸载操作。
[0183]
(5)仿真
[0184]
仿真场景如图3所示，任务尺寸d
i
对卸载开销影响如图4所示。
[0185]
基站坐标为(0，0)，基站覆盖范围r1＝100m，基站天线数为4根；
[0186]
irs坐标为(x1，0)，x1＝150m，irs有20块反射单元；
[0187]
用户任意分布在以(x2，y2)为中心，x2＝200m，y2＝150m，以r2＝50m为半径的圆内，用户有4个；
[0188]
路径损耗模型为：l
p
＝l0+10αlog2(d
[m]
)，其中l0＝30db为路径损耗的参考距离，d
[m]
为不同设备之间的距离，α为路径损耗因子。分别设置终端到基站，终端到irs，irs到基站的路径损耗为3.5，2.1，2.1。
[0189]
其他参数设置：c
i
＝0.8mcycles,i∈n；d
i
＝500kb,i∈n；系统带宽b＝20mhz；噪声n0＝
‑
100dbm；β
ti
＝0.8,β
ei
＝0.2,i∈n；mec服务器计算资源总量f
max
＝700gcycle/s；用户最大发射功率p
max,i
＝2w,i∈n。
[0190]
综上，本实施例的资源分配方法，结合irs技术，兼顾优化了时延与能量；优化变量全面，包含无线终端上行传输功率、irs相位系数矩阵、基站信号检测矩阵、边缘服务器计算资源分配；优化算法方面，利用bcd算法，将问题拆分成几个不同的子问题，子问题优化过程中利用了连续凸逼近技术将非凸问题转换成凸问题并且得到优化变量的闭式解，算法收敛速度快，复杂度低。
[0191]
第二实施例
[0192]
本实施例提供了一种irs辅助的mec网络无线与计算资源分配装置，包括：
[0193]
无线与计算资源分配优化模型构建模块，用于以最小化用户时延与能耗加权和为目标，建立无线与计算资源分配优化模型；以优化信号解码矩阵、用户发射功率、irs相移系数矩阵及mec计算资源；
[0194]
优化求解模块，用于对所述优化模型进行解耦，将优化问题拆分成几个不同的子问题，并在子问题优化过程中，利用连续凸逼近技术，通过迭代优化得到信号解码矩阵、用户发射功率、irs相移系数矩阵及mec计算资源的最优值。
[0195]
本实施例的irs辅助的mec网络无线与计算资源分配装置与上述第一实施例的irs辅助的mec网络无线与计算资源分配方法相对应；其中，本实施例的irs辅助的mec网络无线与计算资源分配装置中的各功能模块所实现的功能与上述第一实施例的irs辅助的mec网络无线与计算资源分配方法中的各流程步骤一一对应；故，在此不再赘述。
[0196]
第三实施例
[0197]
本实施例提供一种电子设备，其包括处理器和存储器；其中，存储器中存储有至少一条指令，所述指令由处理器加载并执行，以实现第一实施例的方法。
[0198]
该电子设备可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(central processing units，cpu)和一个或一个以上的存储器，其中，存储器中存储有至少一条指令，所述指令由处理器加载并执行上述方法。
[0199]
第四实施例
[0200]
本实施例提供一种计算机可读存储介质，该存储介质中存储有至少一条指令，所述指令由处理器加载并执行，以实现上述第一实施例的方法。其中，该计算机可读存储介质可以是rom、随机存取存储器、cd
‑
rom、磁带、软盘和光数据存储设备等。其内存储的指令可由终端中的处理器加载并执行上述方法。
[0201]
此外，需要说明的是，本发明可提供为方法、装置或计算机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。
而且，本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质上实施的计算机程序产品的形式。
[0202]
本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0203]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0204]
还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
[0205]
最后需要说明的是，以上所述是本发明优选实施方式，应当指出，尽管已描述了本发明优选实施例，但对于本技术领域的技术人员来说，一旦得知了本发明的基本创造性概念，在不脱离本发明所述原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。