技术特征：
1.一种irs辅助的mec网络无线与计算资源分配方法，其特征在于，所述irs辅助的mec网络无线与计算资源分配方法包括：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；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。2.如权利要求1所述的irs辅助的mec网络无线与计算资源分配方法，其特征在于，所述优化模型的表达式如下：s.t.0＜p
i
≤p
max,i
,i∈nf
si
＞0,i∈nθ
i
∈[0,2π],i∈m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
＝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。3.如权利要求1或2所述的irs辅助的mec网络无线与计算资源分配方法，其特征在于，对所述优化模型进行解耦，包括：
利用块坐标下降bcd算法，对所述优化模型进行解耦。4.如权利要求3所述的irs辅助的mec网络无线与计算资源分配方法，其特征在于，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：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，所述计算资源分配子问题为：s.t.f
si
＞0,i∈n所述通信资源分配子问题为：s.t.0＜p
i
≤p
max,i
,i∈nθ
i
∈[0,2π],i∈m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5.如权利要求4所述的irs辅助的mec网络无线与计算资源分配方法，其特征在于，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，所述信号检测向量优化子问题为：s.t.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；所述功率
‑
irs相位优化子问题为：s.t.0＜p
i
≤p
max,i
,i∈nθ
i
∈[0,2π],i∈m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。
6.如权利要求5所述的irs辅助的mec网络无线与计算资源分配方法，其特征在于，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，包括：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：s.t.0＜p
i
≤p
max,i
,i∈nθ
i
∈[0,2π],i∈m其中，与分别为拉格朗日对偶变量与松弛变量；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：s.t.0＜p
i
≤p
max,i
,i∈nθ
i
∈[0,2π],i∈m其中，μ为引进的辅助变量集合，μ＝{μ1,μ2,...,μ
n
}；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。7.如权利要求6所述的irs辅助的mec网络无线与计算资源分配方法，其特征在于，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，还包括：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，功率优化子问题为：s.t.0＜p
i
≤p
max,i
,i∈n其中，ν为引进的辅助变量集合，ν＝{ν1,ν2,...,ν
n
}；求解所述功率优化子问题，得到最优ν，p；所述irs优化子问题为：s.t.θ
i
∈[0,2π],i∈m其中，为引进的辅助变量集合，
为ζ
i
的共轭值，迭代优化与θ，得到最优的固定优化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：s.t.|φ
i
|＝1,i∈n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；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；x；x；x；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；基于所述第t+1迭代最优的φ，得到第t+1次最优的θ；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；其中，y
(t)
是y第t次迭代值；ε是停止迭代的门限值。8.一种irs辅助的mec网络无线与计算资源分配装置，其特征在于，所述irs辅助的mec网络无线与计算资源分配装置包括：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；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。
技术总结
本发明公开了一种IRS辅助的MEC网络无线与计算资源分配方法及装置，所述方法包括：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相移系数矩阵以及MEC计算资源；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相移系数矩阵以及MEC计算资源的最优值。本发明可解决IRS辅助的MEC无线网络中卸载时延与能耗联合优化问题。优化问题。优化问题。
技术研发人员：陈月云 陈广 邓韬玉 潘聪晗
受保护的技术使用者：北京科技大学
技术研发日：2021.08.06
技术公布日：2021/11/30