一种辅助车联网异构任务卸载与时延优化方法

摘要: 本发明涉及移动边缘计算,具体涉及一种辅助车联网异构任务卸载与时延优化方法。背景技术:1、随着车联网技术(v2x)的快速发展与智能交通系统的不断演进,车辆在运行过...
一种辅助车联网异构任务卸载与时延优化方法

本发明涉及移动边缘计算,具体涉及一种辅助车联网异构任务卸载与时延优化方法。

背景技术:

1、随着车联网技术(v2x)的快速发展与智能交通系统的不断演进,车辆在运行过程中产生了海量的实时数据与高并发计算需求,尤其在环境感知、协同决策和自动驾驶等关键应用中,毫秒级的低时延响应已成为不可或缺的核心要求。为应对通信、感知与计算一体化集成的技术挑战,集成感知与通信(isac)技术应运而生,它通过统一的信号处理框架和资源共享机制,实现了感知与通信功能的深度融合,显著提升了系统频谱效率和资源利用率。与此同时,为切实保障车联网业务对计算效率与响应速度的严苛要求,移动边缘计算(mec)凭借其分布式架构将计算与存储能力下沉至网络边缘,有效降低了传输时延与核心网络负载。在此背景下,isac与mec赋能的通感算一体化‌(iscc)辅助车联网构建了更加智能、可靠和高效的新一代车联网体系,已成为当前智能交通领域的重要研究方向。

2、在复杂的实际道路环境中有效部署上述系统仍面临显著挑战。主要存在两个方面:首先,无线传播环境易中断。城市建筑群、立体交通枢纽等密集建筑结构极易阻断车辆与mec服务器之间、以及isac感知所需的视距(los)信号链路,导致通信中断、感知盲区及计算任务迁移失败,严重制约系统性能。为无线传输环境,智能反射面(ris)技术被引入车联网领域。ris是一种由大量低成本无源反射单元构成的新型平面结构,其优点在于能够通过智能控制器实时重构无线信号的传播方向,从而在障碍物周围智能地构建非视距(nlos)链路,有效解决信号遮挡问题。ris部署可以动态增强mec服务器与车辆间的通信连接可靠性,同为isac系统提供更丰富、更稳定的感知信号路径。其次,大量车联用户需要接入。面对车联网中海量设备接入与高频谱效率的需求,传统正交多址(oma)技术因频谱利用率有限,难以满足高并发场景下的低时延与高容量要求。

技术实现思路

1、本发明的目的在于提供一种辅助车联网异构任务卸载与时延优化方法,引入非正交多址(noma)技术,构建基于ris-noma的iscc辅助车联网系统,通过ris与noma的协同工作,提升在复杂场景下的通信感知一体化性能,有效应对信号阻塞和频谱资源分配效率低下的问题。

2、为实现上述目的,本发明提供了一种辅助车联网异构任务卸载与时延优化方法,包括下列步骤:

3、步骤1:系统初始化与网络架构构建;

4、步骤2:基于transformer生成联合动作,智能体依据当前时刻的观测状态,通过由transformer增强的演员网络生成基础决策动作;

5、步骤3:基于半定松弛与连续凸近似方法进行发射功率优化;

6、步骤4:联合动作后设计奖励函数进行环境交互;

7、步骤5:进行网络参数更新,训练迭代后输出收敛的策略网络及对应的优化变量最优值集合。

8、可选的,步骤1中首先初始化经验回放缓冲区并设定最大训练回合数,随后随机生成演员在线网络以及两个评论家在线网络、的参数,同时构建目标网络体系,将目标演员网络参数与评论家网络参数、分别初始化为当前在线网络的参数值,状态空间定义为:

9、其中状态包括每个v-ue的通信速率、每个v-ue的有效信道、上一次的奖励还有上一次的动作。

10、可选的,步骤2中利用多头自注意力机制深度挖掘多用户信道状态、任务队列与star-ris单元间的复杂关联,输出连续动作向量:

11、其中为探索噪声,生成的动作空间定义为:

12、其中,动作包括ris反射面相位偏移、每个v-ue卸载比例、每个v-ue在部分卸载时分配的mec的cpu周期、雷达信息融合时分配的mec的cpu周期。

13、可选的,步骤3中结合步骤2输出动作固定的前提,引入辅助变量,将原优化问题p1转化为p2、p3,同时标注波束成形矩阵为秩1埃尔米特半正定矩阵,增加秩约束,采用连续凸近似对通信速率做一阶泰勒展开得到凸下界;结合半定松弛松弛秩1约束,将非凸问题p3转化为可求解的凸优化问题p4,求解p4后获得当前当前配置下的系统总时延。

14、可选的,步骤4中的即时奖励的具体形式为:

15、

16、其中依据以下公式判断mec的cpu周期是否满足约束:

17、

18、依据公式反映子问题一的求解可行性:

19、。

20、可选的,步骤5中通过双评论家网络取最小值构建稳健的目标q值,再通过最小化均方误差损失函数来同步更新两个当前评论家网络和的参数,建立对系统时延更精确的评估模型。

21、本发明提供了一种辅助车联网异构任务卸载与时延优化方法,通过构建一个以延迟为中心的ris-noma辅助的iscc车辆网络模型,其中每个车辆用户同时支持多个异构任务,再基于模型构建联合资源优化问题,在满足最小所需感知波束图增益和最大允许雷达处理延迟的前提下,最小化系统延迟。针对优化问题,以结构感知的混合优化框架进行优化,具体将对可行性至关重要的发射波束赋形模块从学习动作空间中分离出来,并使用sdr-sca进行求解,而其余变量(包括ris相移、卸载比例和计算资源分配)则进行在线优化,最终输出优化变量最优值集合。本发明降低了学习负担,提高了实时控制的易处理性,解决了现有方法的不足。

1.一种辅助车联网异构任务卸载与时延优化方法,其特征在于,包括下列步骤:

2.如权利要求1所述的辅助车联网异构任务卸载与时延优化方法,其特征在于,

3.如权利要求2所述的辅助车联网异构任务卸载与时延优化方法,其特征在于,

4.如权利要求3所述的辅助车联网异构任务卸载与时延优化方法,其特征在于,

5.如权利要求4所述的辅助车联网异构任务卸载与时延优化方法,其特征在于,

6.如权利要求5所述的辅助车联网异构任务卸载与时延优化方法,其特征在于,