一种具有边缘计算辅助的集成雷达感知和无线通信方法

1.本发明涉及双功能雷达通信技术领域，特别是涉及一种具有边缘计算辅助的集成雷达感知和无线通信方法。


背景技术：

2.过去十几年中，越来越多的设备渐渐具有感知能力，传统的传感方法包括摄像头、红外传感器、超声波传感器等。与这些传感技术相比，基于无线电的传感方法应用更广，并且在恶劣环境下具有更加稳健的性能，同时无线电对于支持传感的设备实现控制消息交换和数据通信也是必不可少的。随着支持雷达感知的物联网设备数量的急剧增加，频谱拥塞将成为一个严重的问题。因此，共享的频带的雷达感知和无线电通信的融合系统吸引了学术界和工业界的兴趣。
3.一般来说，实现雷达与通信联合的机制有两种:雷达与通信(coexistence/cooperation of radar and communication,crc)系统的协同共存和双功能雷达-通信(dfrc)系统。在crc中，雷达和通信是两个独立的系统。crc的频谱共享方法主要集中在干扰缓解方案上，如认知无线电接入、干扰对齐方法和发射波束形成设计。然而，这种方法需要独立的雷达和通信系统具有集中的控制实体，并且可以彼此交换某些信息，这就增加了系统的复杂性并且难以实现。为了便于实现，dfrc是一个很有前途的方向，它在共享频谱和硬件平台上进行雷达感知和通信，具有体积小、重量轻、成本低的优点。因此，dfrc技术可以应用于各种用户终端，如无人机、自动驾驶汽车，甚至未来的手机。dfrc支持的终端(user terminals,uts)将在未来的无线通信网络中无处不在。因此，研究多dfrc使能的uts场景并研究传输方案以提高频谱效率和系统性能是有应用意义的。
4.值得注意的是，dfrc技术已经在工业界和学术界广泛讨论。已经许多有关于多用户多输入多输出通信和多输入多输出雷达的联合设计方面的论文，并且在文中比较了两种部署方案来评估联合传输方案。此外，还有论文讨论了dfrc系统的信号模型、基于波束图调制的信息嵌入和波形设计。也有文章已提出了一种用于双功能多输入多输出雷达和多用户多输入多输出通信发射机的新型联合发射波束成形模型，其中雷达波形和通信符号由不同波束独立发射。类似地，基于大规模多输入多输出阵列的多波束设计和发射功率分配也已被考虑用于实现dfrc，旨在提供多个同时发射波束，以支持高效的波束成形通信和雷达感知。在这些工作的基础上，基于大规模多输入多输出阵列的多波束方案是实现dfrc的一种有效方法。
5.通常来说，雷达感知的信号处理和数据分析非常复杂，需要大量的计算资源。此外，提取结果的正确性对雷达感知性能有重要影响。例如，监视雷达检测目标是否存在时提取所需信号，并拒绝由地面杂波、射频干扰和噪声源引起的雷达回波等不需要的信号。此外，越来越多的智能算法被提出用于雷达信号数据处理，以提取更多有用的信息，例如机器学习和深度学习。而大量的雷达数据和先进的处理算法将成为uts的沉重计算负担。移动边缘计算(mec)是一项有希望减轻uts计算负担的技术。由于ut采用大规模多输入多输出阵列
进行联合发射机联合预编码通信符号和雷达波形，多输入多输出计算卸载可用于提高卸载效率。为此，本发明提出了一个多用户终端感知和通信场景，其中每个用户终端通过使用dfrc技术同时执行雷达感知和通信，并且使用mec技术来辅助雷达信号的计算。


技术实现要素：

6.有鉴于此，本发明的目的在于提供一种具有边缘计算辅助的集成雷达感知和无线通信方法，该方法利用大规模多输入多输出阵列和双功能雷达通信技术，在同一频谱上同时执行雷达感知和计算卸载，满足未来通信网络中雷达信号处理的需求。
7.为实现上述目的，本发明采用的方案为：
8.一种具有边缘计算辅助的集成雷达感知和无线通信方法，包括如下步骤：
9.步骤s1、构建通信、雷达感知和移动边缘计算集成架构，该架构包括多用户终端、基站，边缘计算服务器和多用户终端，其中，所述多用户终端中的每个用户终端均具有雷达感知和通信这两种功能，雷达和通信共享频谱，共用硬件设备；所述基站获取所述用户终端发送的发射信号，并且将所述用户终端卸载的计算任务分配给所述边缘计算服务器，所述发射信号是通信符号和雷达波型的加权和；所述边缘计算服务器执行所述用户终端卸载的计算任务；
10.步骤s2、首先构建用户终端和基站之间的无线传输模型、用户终端雷达感知发射和接收波束模型、以及用户终端本地雷达数据预处理模型，然后对终端卸载计算任务到基站的传输延迟与能量消耗进行建模，最后，针对多输入多输出雷达波束形成，构建约束最小二乘问题，其中在该约束最小二乘问题中采用平均干扰噪声比作为确保雷达感知性能的附加约束；
11.步骤s3、构建多用户终端雷达波束图近似问题以及基于移动边缘计算的加权和能耗最小化问题，然后再根据所述多用户终端雷达波束图近似问题以及所述基于移动边缘计算的加权和能耗最小化问题构建针对雷达波束模式设计和计算卸载能耗的多目标优化问题，其中，在所述多用户终端雷达波束图近似问题中，考虑了计算卸载和雷达感知的功率分配约束、卸载延迟约束，以及近似期望的多输入多输出雷达波束模式；
12.步骤s4、采用迭代的方法求解所述步骤s3中构建的针对雷达波束模式设计和计算卸载能耗的多目标优化问题；
13.步骤s5、设计用于雷达感知和边缘计算资源分配预编码的算法，通过该算法确定用于雷达感知的最优发射预编码矩阵以及最优边缘计算资源分配策略；
14.步骤s6、在通信预编码矩阵，多输入多输出雷达预编码矩阵和边缘计算资源分配预编码矩阵固定的情况下，构建局部计算资源分配问题，并且对该问题进行求解，最后得到用户终端本地计算资源分配策略。
15.进一步的，在所述步骤s2中，所述用户终端和基站之间的无线传输模型的表达式为：
16.xk[n]＝w
r,k
sk[n]+w
c,kck
[n]
ꢀꢀꢀ
(1)
[0017]
[0018]
公式(1)中，xk[n]表示为时间序列为n时ut的k阵列的n
×
1离散时间发射信号向量，n
×
1向量sk[n]＝[s
k,1
[n],
…
,s
k,n
[n]]
t
包括n个单独的雷达波形，为雷达波形的预编码矩阵，为要发送到bs的并行通信数据流，为通信波形的预编码矩阵；公式(2)中，表示为bs从ut接收的信号矢量，表示为utk到bs的通信信道矩阵，v[n]表示为协方差的加性高斯白噪声向量，其中，σc表示加性高斯白噪声的噪声功率谱密度，im表示m
×
m的单位矩阵；
[0019]
所述用户终端雷达感知发射和接收波束模型的表达式为：
[0020][0021]
公式(3)中，表示为点状目标位于方向θk，utk在第n个时隙接收到的回波，表示为utk雷达与目标间路径的复路径损耗，表示为utk雷达与目标间路径的复路径损耗，和分别是用户终端k的发送和接收阵列引导向量，h
k,i
表示从用户终端i到用户终端k的干扰信道矩阵，zk[n]表示功率为的雷达信号的加性白高斯噪声；
[0022]
所述用户终端本地雷达数据预处理模型的表达式为：
[0023]bk
＝ηkνkn
θfsbꢀꢀꢀ
(4)
[0024]
公式(4)中，bk表示雷达扫描产生的数据比特的数目，ηk为一个正常数，νk表示雷达波束的切换速度，n
θ
是量化角度的数目，fs是采样频率，b为每次采样的量化比特数目。
[0025]
进一步的，所述平均干扰噪声比的表达式为：
[0026][0027]
公式(5)中，xi是发射信号向量，w
r,i
是雷达波形与预编码矩阵，w
c,i
是通信符号预编码矩阵，σr是雷达接收信号的加性白高斯噪声功率谱密度。
[0028]
进一步的，在所述步骤s3中，所述多用户终端雷达波束图近似问题的表达式为：
[0029][0030]
[0031][0032][0033][0034][0035]
0＜f
l,k
≤f
total,k
,
[0036]
公式(6)中，表示用户终端雷达预编码矩阵集合,表示用户终端通信预编码矩阵集合,表示用户终端本地计算资源分配的集合,表示边缘服务器为用户终端分配的计算资源的集合,表示用户终端k的优先级，为正常数,表示用户终端k的传输波形的协方差矩阵,r
d,k
表示用户终端k的目的波束模式；在约束中，tk表示用户终端k的本地处理时延、计算卸载时延和边缘处理时延之和，t
max,k
表示用户终端k能够接受的最大时延，f
e,k
表示边缘服务器给用户终端k分配的计算资源，f
total
表示边缘服务器总的计算资源，ζk表示用户终端k的雷达接收信号的干扰信合和噪声信号比值的阈值要求，f
l,k
表示用户终端k本地分配的计算资源，f
total,k
表示用户终端k的总的计算资源。
[0037]
进一步的，所述基于移动边缘计算的加权和能耗最小化问题的表达式为：
[0038][0039][0040]
公式(7)中，表示用户终端本地计算资源分配的集合，表示用户终端k的本地计算能耗，κ
l,k
是本地处理器的有效电容系数，α
l,k
表示本地计算任务的处理密度，表示用户终端k的计算卸载能耗，βk表示传输数据大小与原数据大小的比值，表示用户终端k的无线传输速率，其中表示用户接收到
的干扰信号和噪声信号之和，表示用户终端k的发送功率，表示frobenius范数的平方，表示用户终端k在通信目标中的权重系数。
[0041]
进一步的，所述针对雷达波束模式设计和计算卸载能耗的多目标优化问题，表达式为：
[0042][0043][0044]
公式(8)中，γc和γr表示为非负常数，并且γc+γr＝1。
[0045]
进一步的，所述步骤s4具体包括：
[0046]
步骤s401、构建mec的预编码优化子问题，使用二次变换方法处理mec的预编码优化子问题中的分数项和，对速率函数使用拉格朗日对偶变换方法，得到表达式：
[0047][0048]
公式(9)中，表示经过拉格朗日对偶变换后的速率公式，bw是传输带宽，表示辅助变量的集合，d表示传输数据流数目，γ
k,l
表示用户终端k的第l个数据流的辅助变量，w
c,k(l)
表示预编码矩阵w
c,k
的第l列向量，表示用户终端k的信道矩阵hk的共轭转置，的共轭转置，且当γ固定时为常数；
[0049]
步骤s402、通过一阶泰勒展开方法处理多输入多输出雷达波束模式的设计目标，令那么gc(w
c,k
)在可行解的集合处的一阶泰勒展开为其中，
[0050]
在第n次迭代时，表示为
[0051]
将预编码优化问题改写为：
[0052][0053]
公式(10)中，表示辅助变量z
k,l
的集合，γc表示计算卸载能耗的权重系数，ek表示使用基于分式规划的二次变换的辅助变量，表示在第n次迭代时可行的通信预编码矩阵的集合，γr雷达优化目标的权重系数；在约束中，α
l,k
表示用户终端k的本地计算任务的处理密度，α
e,k
表示用户终端k的边缘计算时的处理密度；
[0054]
步骤s403、使用内点法迭代求解公式(10)。
[0055]
进一步的，在所述步骤s5中，所述用于雷达感知的最优发射预编码矩阵的表达式为：
[0056][0057]
公式(11)中，tk表示对分式进行二次变换时的辅助变量，μk表示速率约束的拉格朗日乘子，vk表示利用带权重的最小均方误差变换时用户终端k的接收预编码矩阵，δk表示功率约束的拉格朗日乘子，in表示n
×
n的单位矩阵，
[0058][0059]
且
[0060]
所述最优边缘计算资源分配策略的表达式为：
[0061][0062]
公式(12)中，σ表示边缘服务器计算资源约束的拉格朗日乘子。
[0063]
进一步的，在所述步骤s6中，所述局部计算资源分配问题的表达式为：
[0064][0065]
公式(13)中，κ
l,k
是本地处理器的有效电容系数，f
total,k
表示用户终端k本地的总计算资源。
[0066]
本发明的有益效果是：
[0067]
1、本发明提出了一种crmec集成架构，在该架构中，多个ut可以通过相同的频谱同时执行雷达感知和通信，并使用mec算法以满足雷达信号处理的计算需求。此外，该架构中联合优化了ut在进行计算卸载和雷达检测之间的能量消耗。
[0068]
2、本发明提出的具有边缘计算辅助的集成雷达感知和无线通信方法，通过利用大规模多输入多输出阵列和双功能雷达通信技术，在同一频谱上同时执行雷达感知和计算卸载，满足未来通信网络中雷达信号处理的需求。
附图说明
[0069]
图1为实施例1中提出的具有通信，雷达感知和移动边缘计算的集成架构的示意图；
[0070]
图2为实施例1中发射机联合预编码通信符号和雷达波形的示意图；
[0071]
图3为实施例1中提供的一种具有边缘计算辅助的集成雷达感知和无线通信方法的流程示意图。
具体实施方式
[0072]
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0073]
实施例1
[0074]
参见图1-图3，本实施例提供一种具有边缘计算辅助的集成雷达感知和无线通信方法，具体包括：
[0075]
步骤s1、构建通信、雷达感知和移动边缘计算集成架构，该crmec集成架构如图1所示，该网络中由ut和基站(base station,bs)组成，每个ut采用dfrc技术实现无线通信和雷达检测功能，部署在基站的边缘计算服务器用于处理ut卸载的计算任务，例如雷达信号处理。而提出的dfrc发射机系统图如图2所示，其中，发射信号是通信符号和雷达波型的加权和。
[0076]
步骤s2、首先构建用户终端和基站之间的无线传输模型、用户终端雷达感知发射
和接收波束模型、以及用户终端本地雷达数据预处理模型，然后对终端卸载计算任务到基站的传输延迟与能量消耗进行建模，最后，针对多输入多输出雷达波束形成，构建约束最小二乘问题，其中在该约束最小二乘问题中采用平均干扰噪声比作为确保雷达感知性能的附加约束；
[0077]
具体的说，假设基站bs有m个天线，每个终端ut配备n个天线。则时间序列为n时ut的k阵列的n
×
1离散时间发射信号向量为：
[0078]
xk[n]＝w
r,k
sk[n]+w
c,kck
[n]
[0079]
其中，xk[n]表示为时间序列为n时ut的k阵列的n
×
1离散时间发射信号向量，n
×
1向量sk[n]＝[s
k,1
[n],
…
,s
k,n
[n]]
t
包括n个单独的雷达波形，为雷达波形的预编码矩阵，为要发送到bs的并行通信数据流，为通信波形的预编码矩阵。
[0080]
bs从ut接收的信号矢量可以表示为：
[0081][0082]
表示为bs从ut接收的信号矢量，表示为utk到bs的通信信道矩阵，v[n]表示为协方差的加性高斯白噪声向量，其中，σc表示加性高斯白噪声的噪声功率谱密度以及im表示m
×
m的单位矩阵。
[0083]
假设一个点状目标位于方向θk，utk在第n个时隙接收到的回波可以写成
[0084][0085]
其中，表示为点状目标位于方向θk，utk在第n个时隙接收到的回波，表示为utk雷达与目标间路径的复路径损耗，和分别是用户终端k的发送和接收阵列引导向量，h
k,i
表示从用户终端i到用户终端k的干扰信道矩阵，zk[n]表示功率为的雷达信号的加性白高斯噪声。
[0086]
当ut接收到回波雷达信号时，会生成bk(比特)雷达数据，建模如下：
[0087]bk
＝ηkνkn
θfsb[0088]
其中，bk表示雷达扫描产生的数据比特的数目，ηk为一个正常数，νk表示雷达波束的切换速度，n
θ
是量化角度的数目，fs是采样频率以及b为每次采样的量化比特数目。
[0089]
当ut完成雷达数据预处理后，任务被卸载到bs进行进一步计算。基于前述信号模型，ut和bs之间可实现的数据速率可以由下式给出：
[0090]
[0091]
其中，
[0092]
对于mimo雷达波束形成，其主要目的是将发射波束指向几个给定的方向，利用这些波束可以获得更多的目标信息。为了接近理想的波束方向图，一个约束最小二乘问题可以由下式给出
[0093][0094]
s.t.tr(rd)＝p0,
[0095][0096]
η≥0
[0097]
其中，rd为所需的波束方向图，η为比例因子，pd(θ
l
)为角度θ
l
时所需的理想波束方向图增益，是操纵向量，其中δ是由波长归一化的相邻元件之间的间距，n
t
阵列的天线数目，p0是发射功率预算。
[0098]
通过求解上述最小二乘问题，可以获得近似的理想多输入多输出雷达波束方向图。本发明使用平均inr作为确保雷达感知性能的附加约束，对于utk，其平均inr定义如下：
[0099][0100]
其中，xi是发射信号向量，w
r,i
是雷达波形与预编码矩阵，w
c,i
是通信符号预编码矩阵以及σr是雷达接收信号的加性白高斯噪声功率谱密度。
[0101]
步骤s3、构建多用户终端雷达波束图近似问题以及基于移动边缘计算的加权和能耗最小化问题，然后再根据所述多用户终端雷达波束图近似问题以及所述基于移动边缘计算的加权和能耗最小化问题构建针对雷达波束模式设计和计算卸载能耗的多目标优化问题，其中，在所述多用户终端雷达波束图近似问题中，考虑了计算卸载和雷达感知的功率分配约束、卸载延迟约束，以及近似期望的多输入多输出雷达波束模式；
[0102]
具体的说，crmec系统同时考虑了雷达检测和计算卸载，并在性能指标再两者间实现适当权衡，而dfrc的预编码器设计是为了在雷达检测和数据通信之间实现发射功率分配，同时减轻ut间信号干扰。
[0103]
由于用于计算卸载和雷达感知的功率分配约束以及卸载延迟约束等，不能获得期望的多输入多输出雷达波束图。多ut雷达波束图近似问题可以表示为：
[0104]
[0105][0106][0107][0108][0109][0110]
0＜f
l,k
≤f
total,k
.
[0111]
其中，代表dfrc部署的能耗限制，表示用户终端雷达预编码矩阵集合,表示用户终端通信预编码矩阵集合,表示用户终端本地计算资源分配的集合,表示边缘服务器为用户终端分配的计算资源的集合,表示用户终端k的优先级，为正常数,表示用户终端k的传输波形的协方差矩阵,r
d,k
表示用户终端k的目的波束模式。在约束中，tk表示用户终端k的本地处理时延、计算卸载时延和边缘处理时延之和，t
max,k
表示用户终端k能够接受的最大时延，f
e,k
表示边缘服务器给用户终端k分配的计算资源，f
total
表示边缘服务器总的计算资源，ζk表示用户终端k的雷达接收信号的干扰信合和噪声信号比值的阈值要求，f
l,k
表示用户终端k本地分配的计算资源，f
total,k
表示用户终端k的总的计算资源。
[0112]
如果选计算卸载能耗作为mec的性能指标，在计算卸载期间所有ut的能耗越小越好。ut的和能耗最小化问题可以表示为：
[0113][0114][0115]
其中，表示用户终端本地计算资源分配的集合，表示用户终端k的本地计算能耗，κ
l,k
是本地处理器的有效电容系数，α
l,k
表示本地计算任务的处理密度，表示用户终端k的计算卸载能耗，βk表示传输数据大小与原数据大小的比值，
表示用户终端k的无线传输速率，其中表示用户接收到的干扰信号和噪声信号之和，表示用户终端k的发送功率，表示frobenius范数的平方，表示用户终端k在通信目标中的权重系数。
[0116]
mimo雷达通常以最大可用功率发射，以提高检测性能。然而，增加的发射功率不可避免地会导致ut间干扰和额外的计算卸载能耗。为此本发明针对波束图设计和计算卸载能耗提出一个moo(multi-objective optimization problem)问题。通过引入非负常数γc和γr(γc+γr＝1)，γc和γr分别给出了计算卸载和雷达波束图设计的优先权，moo问题可以表述为：
[0117][0118][0119]
上述moo问题是一个非凸优化问题，因此本实施例采用迭代的方法分三步以获得次优解。
[0120]
步骤s4、采用迭代的方法求解所述步骤s3中构建的针对雷达波束模式设计和计算卸载能耗的多目标优化问题；
[0121]
具体的说，首先，对计算卸载进行mimo预编码设计。给定wr，f
l
，f
l
，mec的预编码优化子问题可以由下式给出：
[0122][0123]
对上式中分数项和使用二次变换方法，可以重新表述为：
[0124][0125]
其中式中速率函数rk通过使用拉格朗日对偶变换方法，可以表述为：
[0126][0127]
其中，表示经过拉格朗日对偶变换后的速率公式，bw是传输带宽，表示辅助变量的集合，d表示传输数据流数目，γ
k,l
表示用户终端k的第l个数据流的辅助变量，w
c,k(l)
表示预编码矩阵w
c,k
的第l列向量，表示用户终端k的信道矩阵hk的共轭转置，
[0128]
且当γ固定时为常数。
[0129]
再将多维二次变换方法应用于rk，并代入u
k,l
的表达式，可以进一步表述为：
[0130][0131]
由上述推断可知在变量γ，上是凹的，再通过一阶泰勒展开法处理g(wc)。令其一阶泰勒展开后可写为:
[0132][0133]
其中，
[0134][0135][0136]
由上述推导，可将预编码优化问题改写为：
[0137][0138][0139][0140]
其中，表示辅助变量z
k,l
的集合，γc表示计算卸载能耗
的权重系数，ek表示使用基于分式规划的二次变换的辅助变量，表示在第n次迭代时可行的通信预编码矩阵的集合，γr雷达优化目标的权重系数。在约束中，α
l,k
表示用户终端k的本地计算任务的处理密度，α
e,k
表示用户终端k的边缘计算时的处理密度。
[0141]
然后，给定e，γ，可以用一种基于内点法的迭代优化算法来求出的最优解。
[0142]
步骤s5、设计用于雷达感知和边缘计算资源分配预编码的算法，通过该算法确定用于雷达感知的最优发射预编码矩阵以及最优边缘计算资源分配策略；
[0143]
具体的说，对雷达感知和边缘计算资源分配进行预编码设计。
[0144]
同样地，已知f
l
的雷达感知预编码设计和边缘计算资源分配问题可以表述为:
[0145][0146]
同样对分数项应用二次变换，可以等价地改写为：
[0147][0148][0149]
其中t是辅助变量的集合，当其他变量固定时，最优值为rk的倒数。且可以由下式给出：
[0150][0151]
可知的凸性由决定。通过代入均方误差矩阵，可以得到：
[0152][0153]
因为迹函数是凸的，所以当其他变量固定时，每个变量的是凹的。这样一来，问题的凸性由确定。
[0154]
同样地令并对其使用一阶泰勒展开可得：
[0155][0156]
所以给定f
l
的雷达发射预编码设计和边缘计算资源分配问题可以重新表述为:
[0157][0158][0159]
其中
[0160]
显然，问题转化为了一个凸问题且满足斯莱特条件。由拉格朗日对偶法可得优化问题的拉格朗日函数：
[0161][0162]
对偶函数式为：
[0163]
其对应的对偶问题为：
[0164]
max
δ,μ,σ,ε
φ(δ,μ,σ,ε)
[0165][0166]
对偶问题是凸的可以采用牛顿法求解，对于给定的δ，μ，ε，雷达感知的最优预编码矩阵utk由下式给出：
[0167][0168]
其中，tk表示对分式进行二次变换时的辅助变量，μk表示速率约束的拉格朗日乘子，vk表示利用带权重的最小均方误差变换时用户终端k的接收预编码矩阵，δk表示功率约束的拉格朗日乘子，in表示n
×
n的单位矩阵，
且
[0169][0170]
类似地，最优边缘计算资源分配可以通过设置来获得，并由下式给出：
[0171][0172]
其中，σ表示边缘服务器计算资源约束的拉格朗日乘子。
[0173]
拉格朗日乘子采用次梯度方法更新。
[0174]
步骤s6、在通信预编码矩阵，多输入多输出雷达预编码矩阵和边缘计算资源分配预编码矩阵固定的情况下，构建局部计算资源分配问题，并且对该问题进行求解，最后得到用户终端本地计算资源分配策略。
[0175]
具体的说，对于具有固定通信预编码矩阵mimo雷达预编码矩阵和边缘计算资源分配的问题，局部计算资源分配问题可以表述为：
[0176][0177][0178]
其中，κ
l,k
是本地处理器的有效电容系数，
[0179]ftotal,k
表示用户终端k本地的总计算资源。
[0180]
最佳f
l,k
可以以封闭解形式导出为：
[0181][0182]
本发明未详述之处，均为本领域技术人员的公知技术。
[0183]
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。