一种计算和通信的融合方法

1.本发明涉及无线通信领域，尤其涉及一种计算和通信的融合方法。


背景技术：

2.近年来，移动设备和全球物联网核心技术快速发展，智慧城市中新型数字化基础设施大规模部署，网络中设备数量和种类激增，随之而来物联网应用产生的数据流呈爆炸式增长。据gsma发布的预测报告显示，未来几年全球物联网设备将持续高速增长，2025年全球物联网设备使用数量将达到约246亿个，物联网会是继计算机和互联网之后的世界信息产业第三次浪潮。
3.目前，越来越多计算密集型和时延敏感型移动物联网新服务新应用孕育而生，如增强现实、车联网、自动驾驶、工业物联网和智慧城市等，它们有着超低延迟、高可靠性、用户体验连续性等严苛要求标准，这给传统通信和云计算技术带来新的挑战。为此，边缘计算成为一种解决方案，用于在靠近移动设备和物联网设备数据来源的网络边缘处提供数据处理，缓解通信堵塞与资源受限等问题。同时，还需要有效的边缘计算协调机制来优化各类资源的使用，大幅度降低系统的延迟，减轻网络负担，减少能源消耗。
4.因此，有效融合计算技术与通信技术，有望突破传统云计算系统的限制，符合更多先进物联网设备应用场景标准，更好的利用移动边缘计算技术，解决海量移动设备接入无线网络时的一系列问题。


技术实现要素：

5.本发明的目的是为了解决上述方案中大量移动设备接入时通信受限、计算效率低、时延过高、能量消耗大等问题，提出了一种计算和通信的融合方法。
6.本发明所采用的具体技术方案如下：
7.本发明提供了一种计算和通信的融合方法，包括如下步骤：
8.1)在小区中心部署一个配备有边缘计算服务器且天线数为n的基站，将k个具有单天线的移动设备通过该基站接入无线网络；其中，小区指的是一个基站所覆盖的范围；
9.2)所述基站通过估计或反馈，获取第k个移动设备uk到该基站的信道矢量hk，k＝1,
…
,k；再根据长期统计信息，分别获得每个设备到基站的上行信道的大尺度衰落信息gk；将获得的hk和gk统称为信道状态信息；
10.3)分别将每个不同的移动设备uk基于不同的任务ψk，把每个任务的计算量大小ck和数据量大小dk传输到基站，边缘计算服务器把最大计算能力f
max
传输到基站；将所获得的计算量大小ck和数据量大小dk统称为卸载任务特征；
11.4)基站根据所获得的信道状态信息(hk和gk)、边缘计算服务器的最大计算能力(f
max
)和卸载任务特征(ck和dk)，基于联合波束成形和资源分配的边缘计算卸载时延最小化算法，为每个移动设备设计发射功率pk并反馈给各相应的设备，为每个任务ψk在边缘计算服务器分配相应的计算资源fk，同时为基站设计接收波束wk；
12.5)移动设备uk构建发射信号将任务ψk通过上行信道发送给基站，其中pk为发射功率，sk为经采样、量化、编码、调制后得到的数据信号；随后基站利用接收波束对接收信号进行译码，到边缘计算服务器上以分配给每个任务的计算资源fk执行任务ψk的计算，完成计算过程后，再把计算结果回传给移动设备uk，以实现整个系统(包括移动设备、基站和边缘计算服务器)计算和通信的融合。
13.作为优选，所述步骤4)具体如下：
14.a)初始化发射功率pk＝p
max,k
，计算分配给每个任务的计算资源接收波束wk＝[1,0,
…
,0]
t
，其中p
max,k
为第k个移动设备的最大发射功率，f
max
为边缘计算服务器的最大计算能力；
[0015]
b)设计目标为最小化所有移动设备中最大的卸载时延其中，卸载时延gk＝1，|
·
|2表示绝对值的平方，表示高斯白噪声的方差；
[0016]
c)引入辅助变量t、t
1,k
、t
2,k
、rk和γk，设计目标转换为最小化t，令rk≤log2(1 γk)，
[0017]
d)定义中间变量定义常量令tr(
·
)为矩阵的迹；
[0018]
e)根据移动设备的最大发射功率限制，令pk≤p
max,k
；
[0019]
f)根据边缘计算服务器的最大计算能力限制，令
[0020]
g)令
[0021]
其中和为上一轮迭代中的可行点，利用内点法或调用cvx工具包求出使卸载延迟最大值t最小的解，即得到wk和fk；
[0022]
h)令利用内点法或调用
cvx工具包求出使卸载延迟最大值t最小的解，即得到pk和fk；
[0023]
i)将步骤g)和步骤h)交替迭代求解直至t收敛，求解出使卸载延迟最大值t最小的解，即得到pk、fk和wk，对wk进行特征值分解得到wk。
[0024]
本发明相对于现有技术而言，具有以下有益效果：
[0025]
本发明提出的计算和通信的融合方法，解决了海量移动设备进行任务卸载导致通信受限、计算资源匮乏、计算时延过高所产生的一系列问题。本发明提出的联合设计接收波束和资源分配算法，具有复杂度低、系统时延小、能量消耗和计算资源分配合理等优点。
附图说明
[0026]
图1是计算和通信的融合方法的系统框图；
[0027]
图2是在基站的天线数量不同和移动设备最大发射功率不同的情况下，所提方法的性能比较(天线数量分别为16、32和64)；
[0028]
图3是在不同计算和通信融合方法下，任务卸载时延性能比较。
具体实施方式
[0029]
下面结合附图和具体实施方式对本发明做进一步阐述和说明。本发明中各个实施方式的技术特征在没有相互冲突的前提下，均可进行相应组合。
[0030]
实施例
[0031]
本实施例中，计算和通信的融合方法的系统框图如图1所示，基站有n根天线且部署有边缘计算服务器，每个移动设备配置单根天线。基站获取所有移动设备到这个基站的信道状态信息、每个计算任务特征和边缘计算服务器最大计算能力，设计移动设备发射功率、分配给每个任务的计算资源和基站接收波束。小区内每个移动设备向基站发射信号，基站接收机接收并解码数据至边缘计算服务器，完成计算任务的卸载。
[0032]
本实施例所采用的具体技术方案如下:
[0033]
一种计算和通信的融合方法，包括如下步骤：
[0034]
1)部署一个配备有边缘计算服务器且天线数为n的基站，将k个具有单天线的移动设备通过这一基站接入无线网络；
[0035]
2)基站通过估计或反馈，获取第k个移动设备uk到该基站的信道矢量hk,k＝1,
…
,k，再根据长期统计信息，分别获得每个设备到基站的上行信道的大尺度衰落信息gk；将获得的hk和gk统称为信道状态信息；
[0036]
3)移动设备uk基于任务ψk，把每个任务的计算量大小ck和数据量大小dk传输到基站，边缘计算服务器把最大计算能力f
max
传输到基站；将所获得的计算量大小ck和数据量大小dk统称为卸载任务特征；
[0037]
4)基站根据所获得的信道状态信息、边缘计算服务器的最大计算能力和卸载任务特征，基于联合波束成形和资源分配的边缘计算卸载时延最小化算法，为每个移动设备设计发射功率pk并反馈给各设备，为每个任务ψk在边缘计算服务器处分配相应的计算资源fk，同时为基站设计接收波束wk。本步骤中基于所提算法对发射功率pk、计算资源fk和接收波束wk的设计方法具体采用顺序执行的步骤a)～i)：
[0038]
a)初始化发射功率pk＝p
max,k
，分配给每个任务的计算资源接收波束wk＝[1,0,
…
,0]
t
，其中p
max,k
为第k个移动终端的最大发射功率,f
max
为边缘计算服务器的最大计算能力。
[0039]
b)设计目标为最小化所有移动设备中最大的卸载时延其中卸载时延gk＝1,|
·
|2表示绝对值的平方，表示高斯白噪声的方差。
[0040]
c)引入辅助变量t、t
1,k
、t
2,k
、rk和γk，目标转换为最小化t，令rk≤log2(1 γk)，
[0041]
d)定义中间变量定义常量令tr(
·
)为矩阵的迹。
[0042]
e)根据移动设备的最大发射功率限制，令pk≤p
max,k
。
[0043]
f)根据边缘计算服务器的最大计算能力限制，令
[0044]
g)令
[0045]
其中和为上一轮迭代中的可行点，利用内点法或调用cvx工具箱求出使卸载延迟最大值t最小的解，即得到wk和fk。
[0046]
h)令利用内点法或调用cvx工具箱求出使卸载延迟最大值t最小的解，即得到pk和fk。
[0047]
i)将步骤g)和步骤h)交替迭代求解直至t收敛，求解出使卸载延迟最大值t最小的解，即得到pk、fk和wk，对wk进行特征值分解得到wk。
[0048]
5)移动设备uk构建发射信号将任务ψk通过上行信道发送给基站，其中pk为发射功率，sk为经采样、量化、编码、调制后得到的数据信号；随后基站利用接收波束对接收信号进行译码，到边缘计算服务器上以分配给每个任务的计算资源fk执行任务ψk的计
算，完成计算过程后，再把计算结果回传给移动设备uk，以实现移动设备计算和通信的融合。
[0049]
通过计算机仿真表明，如图2所示，本发明提出的一种计算和通信的融合方法，移动设备最大发射功率越大，卸载时延越低。而且，随着基站天线数的增多，性能可以的到明显提升。另外，图3表明本发明所提方法相比于固定发射功率最大和平均计算资源方式具有明显的性能优势。尤其是随着移动设备最大发射功率增加，所取得的性能增益将逐渐增大。因此，本发明为具有大量资源受限的移动设备在计算密集型与时延敏感型场景下的物联网服务提供了一种有效的计算和通信的融合方法。
[0050]
以上所述的实施例只是本发明的一种较佳的方案，然其并非用以限制本发明。有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型。因此凡采取等同替换或等效变换的方式所获得的技术方案，均落在本发明的保护范围内。