用于频谱监测的边缘计算设备的部署方法、系统以及介质与流程

1.本技术涉及频谱监测领域，具体涉及一种用于频谱监测的边缘计算设备的部署方法、系统以及介质。


背景技术：

2.随着通信和计算机技术的突飞猛进，以及无线业务的激增，各种用频设备数量已呈现指数级增长，充斥在社会的各个角落，其对应产生的频谱数据规模空前，造成的频谱资源挤兑现象也愈发严重。现有技术中，如图1所示，频谱数据传输场景网络包括频谱采集设备20、远端监测站10以及云计算中心30，远端监测站10分别与频谱采集设备20和云计算中心30通信连接，远端监测站10距离频谱采集设备20距离较近，分布在各个角落的频谱采集设备20用于采集频谱数据，并将采集到的频谱数据传输到远端监测站10处，远端监测站10在收到频谱采集设备20采集到的频谱数据后上传至云计算中心30，通过云计算中心30对频谱数据进行分析、计算。
3.然而，随着频谱监测网络建设规模越来越大，频谱采集设备的数量指数级增长，采集到的频谱数据量也急剧增加，面对大规模的频谱数据，由于云计算中心30距离远端监测站10较远，对于远程通信，云计算中心30对数据处理出现网络延迟和对带宽资源有高需求，如此，无法对大规模的频谱数据进行实时监测和分析，且远端监测站10有限的计算和存储能力也无法提供有力的支撑。
4.因此，面对终端产生的大规模数据和频谱监测的实时性需求，如何解决以云计算中心30为处理中心的数据分析处理方式造成的网络延迟和海量带宽资源被占用的问题十分关键。


技术实现要素：

5.本技术的目的在于解决面对大规模的频谱数据，现有以云计算中心为处理中心的数据分析处理方式造成的网络延迟和海量带宽资源被占用的问题，为此，本技术提供一种用于频谱监测的边缘计算设备的部署方法、系统以及介质。
6.为解决上述技术问题，本技术提供一种用于频谱监测的边缘计算设备的部署方法，部署方法包括远端监测站和频谱采集设备，远端监测站与频谱采集设备通信连接，在至少一个远端监测站处部署有边缘计算设备，边缘计算设备与远端监测站连接，未部署有边缘计算设备的远端监测站，将与其连接的频谱采集设备采集到的频谱数据传输至部署有边缘计算设备的远端监测站处，以供边缘计算设备对频谱数据进行处理；部署方法还包括：获取远端监测站的总数m、位置信息以及每个远端监测站对应收集的最大频谱数据容量di，得到全部远端监测站收集的频谱数据容量总量mdi；根据频谱数据容量总量mdi，确定边缘计算设备的总数n，以及每个边缘计算设备对应的存储容量ck，其中，边缘计算设备能接收频谱数据的传输距离为r；计算部署全部边缘计算设备产生的部署花销；计算传输全部频谱数据的传输花销；根据部署花销、传输花销计算总花销；其中，i＝1,2,...,m，k＝1,2,...,n，m≥
n，m为远端监测站的总数，n为边缘计算设备的总数。
7.优选的，计算部署全部边缘计算设备产生的部署花销的步骤包括：将第k个边缘计算设备ek部署在第j个监测站sj处，其表示为z
jk
，且z
jk
＝1，则第i个远端监测站si可以向部署在第j个远端监测站sj处的边缘计算设备ek传输频谱数据，若z
jk
＝0，第k个边缘计算设备ek未部署在第j个远端监测站sj处；根据第k个边缘计算设备ek部署在第j个远端监测站sj处，确定其所需的部署花销w
jk
；确定部署全部边缘计算设备的部署花销为其中，j＝1,2,...,m。
8.优选的，第i个远端监测站si可以向部署在第j个远端监测站sj处的边缘计算设备ek传输频谱数据的步骤之前包括：计算第i个远端监测站si与第j个远端监测站sj之间的欧式距离h
ij
；比较欧式距离h
ij
与传输距离r的大小；若h
ij
≤r，频谱数据可以被传输；若h
ij
》r，频谱数据不可以被传输。
9.优选的，计算传输全部频谱数据的传输花销的步骤包括：根据第i个远端监测站si可以向部署在第j个远端监测站sj处的边缘计算设备ek传输频谱数据，确定传输单位频谱数据的花销为t
ij
；根据第i个远端监测站si向部署在第j个远端监测站sj处的边缘计算设备传输频谱数据，设置传输比例为y
ij
，得到第i个远端监测站si传输频谱数据的传输数据容量为diy
ij
，其中，0≤y
ij
≤1；根据传输单位频谱数据的花销t
ij
和传输数据量diy
ij
，确定传输全部频谱数据的传输花销为
10.优选的，根据部署花销、传输花销计算总花销的步骤还包括：设定部署花销在总花销中所占的权重为β，传输花销在总花销中所占的权重为λ，且β λ＝1；根据部署花销和传输花销，以及二者分别在总花销中所占的权重，得到目标函数为：其中，z＝{z
jk
,1≤j≤m,1≤k≤n}表示全部边缘计算设备对应的部署方案，y＝{y
ij
,1≤i≤m,1≤j≤m}表示全部远端监测站间的频谱数据传输分配比例；根据目标函数与其约束条件，利用局部搜索法求解目标函数。
11.优选的，约束条件包括：远端监测站si和远端监测站sj之间的欧式距离h
ij
小于传输距离r时传输频谱数据，此时l
ij
＝1，欧式距离h
ij
大于传输距离r，则l
ij
＝0，得到y
ij
≤l
ij
，其中，l
ij
表示远端监测站si是否可以向部署在远端监测站sj处的边缘计算设备传输频谱数据；任意一个远端监测站si向部署在其他远端监测站sj处的边缘计算设备的传输的比例和为任意一个远端监测站sj处的边缘计算设备接收的数据容量不能超过边缘计算设备处具备的计算和存储容量，则任意一个边缘计算设备至多部署在一个远端监测站处，则
12.优选的，根据目标函数与其约束条件，利用局部搜索法求解目标函数的步骤包括：令f＝f(z,y)，设全部边缘计算设备对应的部署方案z确定，对目标函数进行转换为且约束条件变为：s.t.0≤y
ij
≤1，y
ij
≤l
ij
，，其中，s.t.0≤y
ij
≤1表示任意的传输频谱数据的比例y
ij
大于等于0且小于等于1，
由于z和ck(k＝1,2,...,n)是已知的，c1可以看作是一个已知的常数值；令y＝ω(z)，目标函数转化为：f＝f(z,ω(z))，其中，ω表示基于已知的z和fy的表达式；建立边缘计算设备部署变量z
jk
和中的元素p＝(j,k)∈p之间的一一对应关系，令得到函数f1(u):＝f(z,ω(z))，其中，z
jk
＝1就表示从p中选中了元素(j,k)，产生了边缘计算设备部署花销，z
jk
＝0则表明没有从p中选中元素(j,k)，无边缘计算设备部署花销，函数f1表示u对总花销的影响；引入来作为标识函数，将目标函数f＝f(z,ω(z))等效转换为且其中，(j,k)∈u表示第k个边缘计算设备ek部署在了第j个远端监测站sj处，j∈m，k∈n，m为远端监测站的总数，n为边缘计算设备的总数；确定目标函数为非负的，其中，q为p子集的集合；求得边缘计算设备对应的部署方案z后，根据线性规划方法求得全部远端监测站间的频谱数据传输分配比例y，得到目标函数的解。
13.优选的，根据u不为得到f1(u)≥0，且则所述目标函数为非负的，其中，f1(u)为总花销。
14.本发明的另一实施例提供了一种基于边缘计算设备的在线测试频谱数据系统，实现前述的用于频谱监测的边缘计算设备的部署方法的步骤，构建在线测试频谱数据系统，包括频谱采集设备、远端监测站以及边缘计算设备，边缘计算设备设置在远端监测站上，远端监测站分别与频谱监测设备通信连接；远端监测站从频谱采集设备收集频谱数据，并将频谱数据传输至边缘计算设备，边缘计算设备对频谱数据进行处理。
15.本发明的又一实施例提供了一种可读存储介质，可读存储介质上存储有边缘计算设备的部署程序，边缘计算设备的部署程序被处理器执行时，实现前述的用于频谱监测的边缘计算设备的部署方法的步骤，完成边缘计算设备的部署过程的仿真计算。
16.有益效果：本方法在现有的由频谱采集设备、远端监测站和云计算中心组成的三层架构的基础上，获取远端监测站的总数m、位置信息以及每个远端监测站对应收集的最大频谱数据容量di，确定边缘计算设备的总数n以及每个边缘计算设备对应的存储容量ck、接收频谱数据的传输距离r；将边缘计算设备部署在适当的远端监测站处。且部署边缘计算设备时并不改变频谱采集设备和远端监测站之间的映射关系，而是利用在建设初期已设计好的远端监测站和频谱采集设备之间相对固定的映射关系，选择直接将边缘计算设备部署在某一远端监测站处。分布在各个角落的频谱采集设备用于采集频谱数据，并将采集到的频谱数据传输到远端监测站处，远端监测站在收到频谱采集设备采集到的频谱数据后，再将数据传输到边缘计算设备上，通过边缘计算设备完成数据的传输、存储和计算。在部署边缘计算设备时，根据不同的部署方案，然后计算部署全部边缘计算设备产生的部署花销和传输全部频谱数据的传输花销，最后根据部署花销、传输花销计算较低的总花销，选择出较优的边缘计算设备部署方案。在本发明中，由于边缘计算设备的部署更接近数据源，不仅可以大大减少频谱数据上传至云计算中心造成的时间延迟，从而更为快速地处理和分析接收到的频谱数据，以便针对当前实际的电磁频谱态势变化及时、迅速地做出决策。
附图说明
17.图1表示现有技术基于云计算中心的频谱数据传输场景图；
18.图2表示基于边缘计算设备的大规模频谱数据传输场景图；
19.图3表示边缘计算设备的部署方法的方法流程图；
20.图4表示小规模场景下不同边缘计算设备部署方法所需花销的对比图；
21.图5表示中等规模场景下不同边缘计算设备部署方法所需花销的对比图；
22.图6表示稍大规模场景下不同边缘计算设备部署方法所需花销的对比图。
具体实施方式
23.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
24.本技术说明书、权利要求书和附图中出现的术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或模块的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。此外，术语“第一”、“第二”和“第三”等是用于区别不同的对象，而并非用于描述特定的顺序。
25.为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
26.请参照图2，图2为基于边缘计算设备100为处理中心的大规模频谱数据传输场景图，如图所示，在频谱数据传输场景网络中，包括远端监测站10和频谱采集设备20，远端监测站10与频谱采集设备20通信连接，远端监测站10距离频谱采集设备20距离较近，在至少一个远端监测站10处部署有边缘计算设备100，边缘计算设备100和远端监测站10通信连接，且边缘计算设备100的数量小于或者等于远端监测站10的数量。分布在各个角落的频谱采集设备20用于采集频谱数据，并将采集到的频谱数据传输到远端监测站10处，远端监测站10在收到频谱采集设备20采集到的频谱数据后，再将频谱数据传输到部署在某一个远端监测站10处的边缘计算设备100上，边缘计算设备100提供通信、计算和存储保障。将部署有边缘计算设备100的远端监测站10设为控制监测站，未部署有边缘计算设备100的远端监测站10设为传输监测站，传输监测站将接收到的频谱数据发送至控制监测站处的边缘计算设备100，边缘计算设备100对频谱数据进行分析、计算，频谱数据的传输距离相当于两个远端监测站10之间的距离。在本发明的其他实施例中，频谱数据传输场景网络还包括云计算中心30，远端监测站10分别与频谱采集设备20和云计算中心30通信连接，远端监测站10距离频谱采集设备20距离较近，边缘计算设备100设置在远端监测站10处，且边缘计算设备100的数量小于或者等于远端监测站10的数量。分布在各个角落的频谱采集设备20用于采集频谱数据，并将采集到的频谱数据传输到远端监测站10处，远端监测站10在收到频谱采集设备20采集到的频谱数据后，传输监测站将接收到的频谱数据发送至控制监测站处的边缘计算设备100，边缘计算设备100对频谱数据进行分析、计算，而云计算中心30则基于其强大的计算和存储能力负责更为宏观、复杂、非实时的数据挖掘任务。由于边缘计算设备100的部
署更接近数据源，因此可以大大减少频谱数据上传至云计算中心30造成的时间延迟，从而更为快速地处理和分析接收到的频谱数据，以便针对当前实际的电磁频谱态势变化及时、迅速地做出决策。
27.为加强对区域内整体频谱资源的监管、迅速应对各种干扰等突发情况、收回闲置的频谱资源以及提高无线频谱的利用效率，本发明通过在远端监测站10处部署边缘计算设备100，对区域内产生的频谱大数据进行实时监测，以及时、全面地把握频谱态势的变化情况。
28.如何在远端监测站10处部署边缘计算设备100，本发明有以下实施方式：
29.实施例1
30.请参照图3，图3为本发明一实施例的边缘计算设备的部署方法的流程示意图。该实施例中，部署方法包括：
31.步骤s10，获取所述远端监测站的总数m、位置信息以及每个所述远端监测站对应收集的最大频谱数据容量di，得到全部所述远端监测站收集的频谱数据容量总量mdi；
32.在部署边缘计算设备之前，在频谱数据传输场景网络中，如图1所示，频谱数据传输场景网络包括频谱采集设备20、远端监测站10以及云计算中心30，远端监测站10分别与频谱采集设备20和云计算中心30通信连接，远端监测站10距离频谱采集设备20距离较近，分布在各个角落的频谱采集设备20用于采集频谱数据，并将采集到的频谱数据传输到远端监测站10处，远端监测站10在收到频谱采集设备20采集到的频谱数据后上传至云计算中心30，通过云计算中心30对频谱数据进行分析、计算。
33.因此，在部署边缘计算设备100之前，要监测的区域内已经构建了多个频谱采集设备20。而且，在建设初期均已考虑了远端监测站10所监测区域内的频谱采集设备20使用情况，远端监测站10和频谱采集设备20之间也已形成了相对固定的映射关系。部署边缘计算设备100时并不改变频谱采集设备20和远端监测站10之间的映射关系，而是充分利用这一早已形成的良好基础，选择直接将边缘计算设备100部署在某一远端监测站10处。
34.由此可得，根据实际需要管控的区域，可以确定区域内远端监测站10总数m，根据远端监测站10的总数m可设任意一个远端监测站表示为si(i＝1,2,...,m)。还可确定任意一个远端监测站si的位置信息，以及任意一个远端监测站si能够接收频谱采集设备20采集的最大频谱数据容量di(i＝1,2,...,m)，根据远端监测站10的总数m和任意一个远端监测站si对应的最大频谱数据容量di，可得到全部远端监测站10收集的频谱数据容量总量mdi。
35.步骤s20，根据所述频谱数据容量总量mdi，确定所述边缘计算设备的总数n以及每个所述边缘计算设备对应的存储容量ck，其中，所述边缘计算设备能接收频谱数据的传输距离为r；
36.根据步骤s10得到全部的远端监测站10收集的频谱数据容量总量mdi，可确定当前的管控的区域的实际频谱数据管理需求，进而确定边缘计算设备100的总数n以及每个边缘计算设备100对应的存储容量ck，其中，所述边缘计算设备100接收频谱数据的传输距离为r，传输距离r的确定要考虑边缘计算设备100本身的通信性能以及现实频谱监测应用场景对实时性的需求，确保传输距离r不大于所需实时响应时间与频谱数据传输速度的乘积。进一步地，根据边缘计算设备100的总数n设边缘计算设备100为边缘计算设备ek，其中，k＝1,2,...,n，n为所述边缘计算设备的总数。
37.步骤s30，计算部署全部所述边缘计算设备产生的部署花销；
38.在部署边缘计算设备100之前，可得到管控区域的远端监测站10的拓扑结构和各个远端监测站10的位置信息，根据拓扑结构和位置信息可计算出第i个远端监测站si与第j个远端监测站sj之间的欧式距离h
ij
；若将第k个边缘计算设备ek部署在第j个监测站sj处，则第i个远端监测站si与第k个边缘计算设备ek之间的距离就等于第i个远端监测站si与第j个远端监测站sj之间的欧式距离h
ij
，因此，计算出两个远端监测站之间的欧式距离，即可得出第i个远端监测站si到第k个边缘计算设备ek的距离；欧式距离表示指在m维空间中两个点之间的真实距离，或者向量的自然长度(即该点到原点的距离)。在二维和三维空间中的欧式距离就是两点之间的实际距离。其中，i＝1,2,...,m，j＝1,2,...,m，k＝1,2,...,n，m≥n，m为远端监测站的总数，n为所述边缘计算设备的总数。
39.比较欧式距离h
ij
与边缘计算设备的传输距离r的大小，若h
ij
≤r，表示第i个远端监测站si与第j个远端监测站sj之间的距离小于或者等于边缘计算设备可接收频谱数据的传输距离，则第i个远端监测站si可以向部署在第j个远端监测站sj处的边缘计算设备传输频谱数据，可表述为第i个远端监测站si可以向第j个远端监测站sj传输频谱数据；若h
ij
》r，表示第i个远端监测站si与第j个远端监测站sj之间的距离大于边缘计算设备可接收频谱数据的传输距离，则第i个远端监测站si不可以向部署在第j个远端监测站sj处的边缘计算设备传输频谱数据，可表述为第i个远端监测站si不可以向第j个远端监测站sj传输频谱数据；用l
ij
表示第i个远端监测站si与第j个远端监测站sj之间是否可以传输频谱数据，若可以传输频谱数据，则l
ij
＝1，若不可以传输频谱数据，则l
ij
＝0。
40.根据边缘计算设备的部署花销与具体设备容量ck和各个远端监测站所收集的最大频谱数据容量di成正比的原则，确定将第k个边缘计算设备ek部署在第j个监测站sj处所需的部署花销为w
jk
(j＝1,2,...,m,k＝1,2,...,n)，而产生部署花销，需要确定第k个边缘计算设备ek是否部署在第j个监测站sj处。
41.从前述步骤可知，根据第i个远端监测站si可以向第j个远端监测站sj传输频谱数据可知，第i个远端监测站si与第j个远端监测站sj之间的欧式距离h
ij
小于或等于边缘计算设备的传输距离r，且有第k个边缘计算设备ek部署在第j个监测站sj处。用z
jk
表示是否将第k个边缘计算设备ek部署在第j个监测站sj处，若第k个边缘计算设备ek部署在第j个监测站sj处，则z
jk
＝1，若第k个边缘计算设备ek未部署在第j个监测站sj处，则z
jk
＝0；其中，k＝1,2,...,n，n为所述边缘计算设备的总数。
42.因此，根据第k个边缘计算设备ek是否部署在第j个远端监测站sj处和第k个边缘计算设备ek部署在第j个监测站sj处所需的部署花销w
jk
，确定部署总的边缘计算设备的部署花销为
43.其中，i＝1,2,...,m，j＝1,2,...,m，k＝1,2,...,n，m为远端监测站的总数，n为边缘计算设备的总数。
44.步骤s40，计算传输全部频谱数据的传输花销；
45.从步骤30可知，第i个远端监测站si与第j个远端监测站sj之间的距离小于或者等于边缘计算设备可接收频谱数据的传输距离，且第k个边缘计算设备ek部署在第j个监测站sj处，第i个远端监测站si和第j个远端监测站sj之间才可能会产生传输频谱数据的传输花
销。基于计算出的第i个远端监测站si和第j个远端监测站sj之间的欧式距离h
ij
，根据单位数据传输花销与欧式距离成正比的原则，确定第i个远端监测站si和第j个远端监测站sj之间传输单位频谱数据的花销为t
ij
。
46.第i个远端监测站si向第j个远端监测站sj传输频谱数据，si处对应的频谱数据容量为di。第i个远端监测站si向部署在第j个远端监测站sj处的边缘计算设备传输一定比例的频谱数据，比例为y
ij
，且0≤y
ij
≤1，得到第i个远端监测站si向第j个远端监测站sj传输频谱数据的容量为diy
ij
；
47.因此，根据第i个远端监测站si和第j个远端监测站sj之间传输单位频谱数据的花销为t
ij
，以及第i个远端监测站si向第j个远端监测站sj传输的数据容量为diy
ij
，确定第i个远端监测站si和第j个远端监测站sj之间传输全部频谱数据的传输花销为
48.其中，i＝1,2,...,m，j＝1,2,...,m，m为远端监测站的总数，n为边缘计算设备的总数。
49.步骤s50，根据所述部署花销、传输花销计算总花销；其中，i＝1,2,...,m，k＝1,2,...,n，m≥n，m为所述远端监测站的总数，n为所述边缘计算设备的总数。
50.z
jk
表示是否将第k个边缘计算设备ek部署在第j个远端监测站sj处，y
ij
表示第i个远端监测站si将比例为y
ij
的频谱数据传输到了部署在第j个远端监测站sj处的边缘计算设备上，设定z＝{z
jk
,1≤j≤m,1≤k≤n}表示全部边缘计算设备对应的部署方案，y＝{y
ij
,1≤i≤m,1≤j≤m}表示全部远端监测站间的频谱数据传输分配比例，边缘计算设备的部署花销在所述总花销中所占的权重为β，远端监测站之间传输全部频谱数据的传输花销在总花销中所占的权重为λ，且β λ＝1；
51.因此，根据部署花销和传输花销，以及二者分别在所述总花销中所占的权重，得到目标函数为：
52.其中，i＝1,2,...,m，j＝1,2,...,m，k＝1,2,...,n，m≥n，m为所述远端监测站的总数，n为所述边缘计算设备的总数。
53.进一步地，求解目标函数还需考虑实际应用场景的特点，设定约束条件为：
54.s.t.0≤y
ij
≤1
55.y
ij
≤l
ij
[0056][0057][0058]zjk
∈{0，1}
[0059][0060]
具体地，由于y
ij
表示第i个远端监测站si将比例为y
ij
的频谱数据传输到了部署在第j个远端监测站sj处的边缘计算设备上，因此有0≤y
ij
≤1。而且，当且仅当第i个远端监测站si和第j个远端监测站sj之间的欧式距离h
ij
在传输距离r之内，即h
ij
≤r时，第i个远端监测站si才可以向部署在第j个远端监测站sj处的边缘计算设备传输频谱数据，此时对应有
l
ij
＝1。若h
ij
》r，则第i个远端监测站si不可以向部署在第j个远端监测站sj处的边缘计算设备传输频谱数据，即l
ij
＝0，此时的频谱数据传输比例y
ij
为0。可见，两种情况下都有y
ij
≤l
ij
成立。再者，对于任意一个远端监测站si来说，其传输到其它远端监测站sj(即部署有边缘计算设备)的数据比例和为1，即在具体应用过程中，也不能无限制地都往一个远端监测站处传输频谱数据，而实际情况应该是传输到某一远端监测站sj处的频谱数据总量不能超过其处的边缘计算设备所具备的计算和存储容量故而有除此之外，还需要注意边缘计算设备ek只有部署在第j个远端监测站sj处和没有部署在第j个远端监测站sj处两种情况，因此变量z
jk
是非0即1的。又因为一个边缘计算设备至多部署在一个远端监测站处，因此有
[0061]
因此，根据不同边缘计算设备部署方案对应的部署花销、部署后频谱数据的传输花销以及边缘计算设备部署和频谱数据传输时需要满足的各种实际约束条件，利用局部搜索法求解目标函数，也就是求得较优解，使得部署边缘计算设备的总花销较低。
[0062]
具体地，求解目标函数f，就是在满足各项约束条件下，在全部的边缘计算设备对应的部署方案z中找到较优的部署方案和在全部远端监测站之间的频谱数据传输分配比例方案y中找到较佳传输比例方案，其可以表示为f＝f(z,y)。当边缘计算设备对应的部署方案z变量确定时，针对于全部远端监测站之间的频谱数据传输分配比例方案y变量的目标函数由目标函数变成了：
[0063][0064]
约束条件也相应地变成了：
[0065]
s.t.0≤y
ij
≤1
[0066]yij
≤l
ij
[0067][0068][0069]
其中，由于z和ck(k＝1,2,...,n)是已知的，c1可以看作是一个已知的常数值。根据目标函数fy及其对应的约束条件可知，频谱数据传输比例y
ij
以一次幂的形式出现。这样，当边缘计算设备部署变量z确定时，频谱数据传输方案变量y的求解就转换成线性规划求解。如此，当边缘计算设备部署变量z已知时，即可使用现有的线性规划求解方法去获得频谱数据传输方案变量y。
[0070]
对于任何一个边缘计算设备ek来说，其都可能部署在任意一个远端监测站sj处。这样，采用遍历法，将n个边缘计算设备部署在m个远端监测站处就有mn种部署方案。在大规模的应用场景中采用遍历法，对应的运算量巨大。例如，某地域有m＝100个远端监测站，需要部署n＝10个边缘计算设备，采用遍历法，一共有100
10
＝10
20
种方案，从100
10
＝10
20
中方案中寻找目标函数的最优解，运算量过于巨大。基于此，考虑频谱监测的实时性要求，本发明基
于局部搜索对目标函数进行求解。
[0071]
具体地，将频谱数据传输方案变量y表示为y＝ω(z)，其中，ω表示基于已知的边缘计算设备部署变量z和的表达式，求解得到y的过程。
[0072]
因此，上述要求解的目标函数f就可以进一步表示为：f＝f(z,ω(z))，从表达式f＝f(z,ω(z))可以认为目标函数f只受边缘计算设备部署变量z的影响。基于上述表达式f(z,ω(z))，进一步设计以建立起第i个远端监测站si是否向第j个远端监测站sj传输频谱数据的变量z
jk
和p中的元素p＝(j,k)∈p之间的一一对应关系。
[0073]
如果z
jk
＝1就表示从p中选中了元素(j,k)，即第k个边缘计算设备ek部署在第j个远端监测站sj处，反之，如果z
jk
＝0则表明没有从p中选中元素(j,k)。从前述可知，z
jk
＝1表示将第k个边缘计算设备ek部署在了第j个远端监测站sj处，这样就产生了对应的部署花费。而且，也只有当第j个远端监测站sj处部署有边缘计算设备时，在传输距离内的其他远端监测站才会向第j个远端监测站sj处传输频谱数据。如果对于都有z
jk
＝0，则说明远端监测站sj处没有部署任何边缘计算设备，因此就不再会有其它远端监测站往sj处发送频谱数据，对应的部署花销和数据传输花销自然也都为0。因此，通过上述分析可以发现，真正对边缘计算设备部署花销和部署后数据传输花销产生影响的实质上是z
jk
＝1的值，也就是第k个边缘计算设备ek部署在第j个远端监测站sj处。如果z
jk
＝0是不会产生对应的边缘计算设备部署花销和频谱数据传输花销的。
[0074]
进一步地，设计u＝{(j,k)|z
jk
＝1,j∈m,k∈n}，u表示第k个边缘计算设备ek部署在第j个远端监测站sj处的元素的集合。引入一个函数f1来表示u对总花销的影响，且由此可得：
[0075]
f1(u):＝f(z,ω(z))
[0076]
更进一步地，通过引入来作为标识函数，目标函数f又可以等效转换成：
[0077][0078][0079]
其中，对于任意(j,k)∈u而言都有z
jk
＝1，即有第k个边缘计算设备ek部署在了第j个远端监测站sj处。由于每一个边缘计算设备至多部署在一个远端监测站处，因此对于有可见，经过一系列等效转换以后，要解决的目标函数f就变成了f1，而影响这个函数的至关重要的因素则是那些z
jk
＝1的值的集合u。
[0080]
对于函数f1，如果并且f1(u)≥0，成立，就说f1是非负的，其中，表示空集，表示未部署任何边缘计算设备时总花销为0，表示有部署边缘计算设备，f1(u)≥0表示有部署边缘计算设备时总花销大于等于0。f1(u)表示的是总花销，只要部署了边缘计算设备，总花销必定为非负的。
[0081]
具体地，本发明部署n个边缘计算设备来保障m个远端监测站所对应频谱数据的传输和相关的分析计算。如果u为即没有部署任何的边缘计算设备，此时部署花销为0，频
谱数据传输花销也为0。因此，成立。相对应地，只要u不为就会产生对应的部署花费，而频谱数据传输花费也不可能为负。因此f1(u)≥0，成立。
[0082]
如果对于任意的和任意的一个元素p∈p且即p∈(p\u2)，都有：f1{u1∪{p}}-f1(u1)≥f1(u2∪{p})-f1{u2}成立，就说f1是次模的。反之，如果对于任意的和任意的一个元素p∈p\u2，都满足：f1{u1∪{p}}-f1(u1)≤f1(u2∪{p})-f1{u2}成立，就说f1是超模的。其中，集合u1、u2都包含若干个z
jk
＝1的元素，但集合u1中元素的个数小于等于集合u2中元素的个数，集合u1包含于集合u2。
[0083]
设p＝(j1,k1)，p＝(j1,k1)表示p中的元素，由上述目标函数的分析和等效转换过程可以知道，f1(u)＝f(z,ω(z))是
[0084]
的等效转换。
[0085]
基于此，设定为边缘计算设备按照u1部署后，利用线性规划方法求得的频谱数据传输分配方案，则：
[0086][0087]
其中，表示边缘计算设备按照u1部署时，第i个远端监测站si和第j个远端监测站sj之间传输频谱数据的传输比例y
ij
的集合。
[0088]
设定为边缘计算设备按照u1∪{j1,k1}部署后，利用线性规划方法求得的频谱数据传输分配方案，则：
[0089][0090]
其中，表示边缘计算设备按照u1∪{j1,k1}部署时，第i个远端监测站si和第j个远端监测站sj之间传输频谱数据的传输比例y
ij
的集合；
[0091]
设定为边缘计算设备按照u2部署后，利用线性规划方法求得的频谱数据传输分配方案，则：
[0092][0093]
其中，表示边缘计算设备按照u2部署时，第i个远端监测站si和第j个远端监测站sj之间传输频谱数据的传输比例y
ij
的集合；
[0094]
设定为边缘计算设备按照u2∪{j1,k1}部署后，利用线性规划方法求得的频谱数据传输分配方案，则：
[0095][0096]
其中，表示边缘计算设备按照u2∪{j1,k1}部署时，第i个远端监
测站si和第j个远端监测站sj之间传输频谱数据的传输比例y
ij
的集合；
[0097]
从上述式子可以计算得出：
[0098][0099][0100]
因此，只需要比较和的大小即可知道f1是超模的还是次模的。也就是说，只需要比较边缘计算设备部署方案在u1和u2两种情况下增加了点(j1,k1)后频谱数据传输花销变化量的大小，即在远端监测站处增加了边缘计算设备后，对频谱数据传输花销的影响；其中，(j1,k1)表示第k1个边缘计算设备部署在第j1个远端监测站处。
[0101]
首先，当边缘计算部署方案为u1时增加点(j1,k1)后频谱数据传输花销的变化情况。增加点(j1,k1)后带来的频谱数据传输花销的变化主要体现在两个方面。一方面，部分远端监测站距离(j1,k1)相较于u1中的点(j2,k2)较近。所以，当增加了点(j1,k1)以后，这些远端监测站就由原来向(j2,k2)处传输频谱监测数据改为了向(j1,k1)处传输频谱监测数据，由此降低了数据的传输花销。另一方面，原本u1中的(j2,k2)可能是满负载的，这就使得一些远端监测站不得不向u1中更远的(j3,k3)处传输频谱数据。现在增加了(j1,k1)以后，(j2,k2)就空余出一些存储容量(j2,k2)附近的远端监测站自然地就由原来向(j3,k3)处传输频谱数据改为了向(j2,k2)处传输频谱数据，对应地就降低了频谱数据的传输花销。因此，在u1的基础上增加了点(j1,k1)以后，总的频谱数据传输花销是减少的，即f1(u1∪{j1,k1})-f1(u1)为负数。而由于除了上述u1中提到的点(j2,k2)和(j3,k3)外，u2中还可能存在点(j4,k4)与部分远端监测站的距离更近。因此，增加了点(j1,k1)以后，数据传输花销的减少量相较于在u1中而言就相对较少，又经过上述分析可以发现在增加了点(j1,k1)以后总的频谱数据传输花销是减少的，即f1(u1∪{j1,k1})-f1(u1)和f1(u2∪{j1,k1})-f1(u2)都为负数，因此则有：
[0102]
f1(u1∪{j1,k1})-f1(u1)≤f1(u2∪{j1,k1})-f1(u2)
[0103]
即f1是超模的。
[0104]
在本发明中，设定n≥2，即需要在远端监测站部署至少2个边缘计算设备来提供通信、计算和存储保障。基于n≥2的设定以及每个边缘计算设备至多部署在一个远端监测站的实际约束，进一步定义u1＝(j1,k1)表示第k1个边缘计算设备部署在第j1个监测站处，u2＝(j2,k2)表示第k2个边缘计算设备部署在第j2个远端监测站处，q为p子集的集合。对于(p,q)而言，如果满足以下两个条件则称(p,q)为拟阵：1)如果那么u∈q；2)如果u，v∈q并且|u|≤|v|，存在元素v∈v使得u∪{v}∈q。
[0105]
条件1)：假设根据q的定义，u中必然至少存在2个点的第二个元素是相同的。又因为所以v中也必然至少存在2个点的第二个元素是相同的，而这就与v∈q冲
突了，所以假设不成立，即如果那么u∈q，第一个条件是满足的。进一步，条件2)：假设不存在满足条件的元素v，也就是说，对于设d＝u∪{v}，根据q的定义以及则d中必然至少存在2个点的第二个元素是相同的。又因为|u|≤|v|，所以v中至少有2个点的第二个元素是相同的，这就与v∈q冲突，所以假设不成立。因此，当u，v∈q，并且|u|≤|v|时，存在元素v∈v使得u∪{v}∈q。可见，第二个条件也是满足的。因此，(p,q)是拟阵。
[0106]
综上可知，f1是非负的，超模的，对应设计的(p,q)为拟阵，因此，可以使用线性松弛法等很多现有的具有针对性的次优化方法或者局部搜索法来高效率地寻找到边缘计算设备部署方案z的解，从而在保证边缘计算设备部署质量的同时，大大降低求解方法的计算复杂度。而在求得z以后，y也就可以使用单纯形法或者多项式算法等线性规划方法求解得到。
[0107]
本发明在现有的由远端监测站、频谱采集设备和云计算中心组成的三层架构的基础上，获取远端监测站的总数m、位置信息以及每个远端监测站对应收集的最大频谱数据容量di，确定边缘计算设备的总数n以及每个边缘计算设备对应的存储容量ck、接收频谱数据的传输距离r；将边缘计算设备部署在适当的远端监测站处。且部署边缘计算设备时并不改变频谱采集设备和远端监测站之间的映射关系，而是利用在建设初期已设计好的远端监测站和频谱采集设备之间相对固定的映射关系，选择直接将边缘计算设备部署在某一远端监测站处。分布在各个角落的频谱采集设备用于采集频谱数据，并将采集到的频谱数据传输到远端监测站处，远端监测站在收到频谱采集设备采集到的频谱数据后，再将数据传输到部署在某一远端监测站的边缘计算设备上，通过边缘计算设备完成数据的传输、存储和计算。在本发明中，由于边缘计算设备的部署更接近数据源，可以大大减少频谱数据上传至云计算中心造成的时间延迟，从而更为快速地处理和分析接收到的频谱数据，以便针对当前实际的电磁频谱态势变化及时、迅速地做出决策。
[0108]
进一步地，为了验证使用基于局部搜索的高效求解方法带来的巨大效益，如图4至图6所示，本发明设计了三种不同的场景来进行仿真。
[0109]
第一种：小规模。这种情景下设计有m＝10个远端监测站，其对应的频谱监测数据最大容量在[17882，56866]之间，n＝4个边缘计算设备，其对应的计算和存储容量在[75000，100000]之间，仿真过程中设定边缘计算设备的最大传输距离r为5km。各远端频谱采集设备20对应的位置信息如表1：
[0110]
[0111]
表1
[0112]
第二种：中等规模。这种情景下设计有m＝30个远端监测站，其对应的频谱监测数据最大容量在[3594，92969]之间，n＝8个边缘计算设备，其对应的计算和存储容量在[110000，145000]之间，仿真过程中设定边缘计算设备的最大传输距离r为5km。各远端频谱采集设备20对应的位置信息如表2：
[0113][0114]
表2
[0115]
第三种：稍大规模。这种情景下设计有m＝50个远端监测站，其对应的频谱监测数据最大容量在[3594，92969]之间，n＝15个边缘计算设备，其对应的计算和存储容量在[80000，150000]之间，仿真过程中设定边缘计算设备的最大传输距离r为5km。各远端频谱采集设备20对应的位置信息如表3：
[0116][0117][0118]
表3
[0119]
本发明中所提及的遍历法是指将所有可能的mn种部署方案全部尝试一遍，去寻找花费最小的边缘计算设备部署方案，进而算出对应的边缘计算设备部署花销、频谱数据传输花销和总花销。随机部署法则是指将n个边缘计算设备随机地部署在某些远端监测站处。
为更客观地反映随机部署法的性能，在实际仿真过程中，随机部署法对应的各项花销均为其进行100次仿真的平均值。值得说明的是，在中等规模和稍大规模的场景中，由于仿真所用计算机内存已经无法支持运行遍历法来寻找最优的部署方案，因此在图5和图6中只比较了局部搜索法和随机部署法两种情况。如图4所示，在小规模的场景中，比较了基于局部搜索法的求解方法和现有的遍历法以及随机部署法。在小规模的场景中，遍历法对应部署方案的总花销为101250，所提局部搜索法105560，随机部署法128600。在这种情景下，高效的局部搜索法仅仅比遍历法多花费4.08％的花销，而相对于随机部署法却省了17.62％。在中等规模的场景中，高效的局部搜索法对应的总花销为246270，随机部署法则为624550。在稍大规模的场景中，高效的局部搜索法对应的总花销为429502，随机部署法为699530。可见，在中等规模和稍大规模的应用场景中，局部搜索法的优势更加明显，相比于随机部署法而言，分别节约花销60.57％和38.61％。
[0120]
综上，本发明结合实际应用场景特点，基于局部搜索的求解方法非常适合于大规模频谱数据实时监测。
[0121]
实施例2：
[0122]
本实施例提供一种基于频谱监测的边缘计算设备的监测系统，实现图2的用于频谱监测的边缘计算设备的部署方法的步骤，构建监测系统，包括远端监测站10和频谱采集设备20，边缘计算设备100设置在远端监测站10上，远端监测站10与频谱监测设备20通信连接；远端监测站10接收从频谱采集设备20收集到的频谱数据，并将频谱数据传输至边缘计算设备100，边缘计算设备100对频谱数据进行处理。在本发明的其他实施例中，监测系统还包括云计算中心30，云计算中心30与远端监测站10通信连接；远端监测站10将部分频谱数据传输至边缘计算设备100，边缘计算设备100对频谱数据进行处理，远端监测站10将剩余部分的频谱数据传输至云计算中心30，云计算中心30对接收到的频谱数据进行处理，剩余部分的频谱数据通常需要较长的处理时间或者数据较复杂，优先通过云计算中心进行处理。
[0123]
实施例3：
[0124]
本实施例提供一种可读存储介质，可读存储介质上存储有边缘计算设备的部署程序，边缘计算设备的部署程序被处理器执行时，实现如图3的指令，完成所述边缘计算设备的部署过程的仿真计算。具体该边缘计算设备的部署过程及有益效果请参阅前述实施例，此处不做赘述。
[0125]
以上所述，仅是本技术的较佳实施例而已，并非对本技术作任何形式上的限制，虽然本技术已以较佳实施例揭露如上，然而并非用以限定本技术,任何熟悉本专业的技术人员，在不脱离本技术技术方案范围内,当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本技术技术方案内容，依据本技术的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属于本技术技术方案的范围内。