【技术实现步骤摘要】
本申请属于5g通信关键，涉及5g业务资源分配领域，具体涉及一种面向能耗的mec场景下的多业务资源分配方法及系统。
技术介绍
1、5g网络主要覆盖三大应用场景：超可靠低时延通信(ultra-reliable low-latency communication,urllc)，增强移动宽带(enhanced mobile broadband,embb)和大规模机器通信(large-scale machine communication,mmtc)。embb业务致力于追求人和人之间极致的通信体验，要求用户体验速率达到1gbps，特定场景下满足20gbps的峰值速率，涵盖了3d、超高清视频、ar/vr、云游戏等超大流量移动带宽和时延中等的业务，为了满足embb业务的需求，5g需要在频谱效率、信令效率、带宽和覆盖范围方面实现进行提升；urllc业务作为全新的领域，要求毫秒级别的端到端时延和高达99.999％的传输可靠性，涵盖了诸如智能电网、工业自动化、自动驾驶、移动医疗、触觉互联网等要求超低时延和超高可靠性的业务。
2、根据5g发展策略，从需求的角度出发，在5g通信发展过程中，urllc与embb两种业务共存将会是常见场景。目前学术界对这两种业务共存场景下的资源分配问题展开了积极探索，针对上述两种业务共存的场景中，移动边缘计算(mobile edge computing,mec)便是其中之一。mec技术将网络控制、存储和移动计算等业务转移到网络边缘进行，以便资源有限的用户端移动设备可以进行计算复杂和低延迟的业务，将显着减少延迟和
3、考虑到urllc用户和embb用户均会产生计算密集型业务，而移动设备本身计算能力和能量限制，需要卸载到mec服务器进行计算，对系统中的频谱资源和计算资源产生竞争。所以，mec系统中频谱资源和计算资源的联合分配是多用户mec系统的非常值得研究的关键问题，由于不同业务具有不同的qos要求，在mec系统中支持不同业务是一个挑战。现有的针对mec系统中urllc业务与embb业务共存的资源分配研究还不够完善，其中优化目标单一便是主要问题之一。
4、传统资源分配方法，例如全卸载计算，全本地计算等，这些方法缺点在于无差别地将资源平均分配给每个用户，无法避免不必要的频谱资源浪费。
技术实现思路
1、为了解决上述问题，本申请提供一种面向能耗的mec场景下的多业务资源分配方法及系统，进行计算资源分配，同时满足用户的urllc业务与embb业务两种业务需求，包括时延，可靠性等指标，并且最小化本地计算和卸载计算所要消耗的能量总和。
2、因此本申请考虑了不同业务的计算量和信道质量需求不同，故根据实际情况给出embb用户本地计算和卸载计算的权重值，以及urllc业务的穿孔权重，以最小化能耗和时延为目标建立最优化问题。再将该问题分解为三个凸优化子问题进行迭代求解，最后求出近似最优解。
3、技术方案：为解决上述技术问题，本申请采用的技术方案为：
4、第一方面，本申请提供一种面向能耗的mec场景下的多业务资源分配方法，包括：
5、构建mec场景下urllc与embb业务共存的传输模型；
6、基于所述传输模型，构建资源分配优化模型；其中所述资源分配优化模型以最小化总能耗和传输时延的加权和为目标；
7、将所述资源分配优化模型分解为三个凸优化子问题，并用迭代法进行求解得到资源分配方案，其中所述三个凸优化子问题为embb最优卸载问题、embb用户资源块分配问题和用户调度问题。
8、在一些实施例中，mec场景下urllc与embb业务共存的传输模型包括：
9、目标区域内存在一个基站bs，并且该基站被一个mec服务器覆盖；该系统中分别有k个embb用户和n个urllc用户，考虑系统所有计算资源，包括mec服务器和移动设备本身的计算资源，因此计算任务能够卸载计算，也能够在本地计算；
10、考虑具有高流量urllc用户的场景，假设系统带宽f＝fe+fu，fe部分为分配给embb用户的带宽资源，剩余fu的带宽资源无法向随时可能请求的urllc业务及时提供服务；因此基站bs会对embb用户的资源块进行打孔穿刺，使得涉及到的embb用户的服务质量qos均能得到保证；embb用户fe的带宽资源被等额划分为b份进行分配b∈{1,2,...,b}，每个资源块b的持续时间为1ms；设每个embb用户都有不同的计算任务，且有不同的时延要求。
11、在一些实施例中，embb用户k可达速率re,k为：
12、
13、其中，ne,k为配给embb用户k的子载波数目，w为每个子载波的带宽，zk为embb用户k的穿透权值，zk∈[0,1]，取值越高表示embb用户k被urllc业务流量影响的程度越高，pe,k为embb用户k的发射功率，n0为加性高斯白噪声功率，ge,k是embb用户的小尺度瑞利衰落，ge,k为embb用户k的路径损耗。
14、进一步地，embb用户k的路径损耗ge,k表示为：
15、ge,k＝128.1+37.6lg(de,k)
16、其中de,k为embb用户k到基站的距离。
17、在一些实施例中，embb用户k的本地计算的时延为：
18、
19、其中，ck为embb用户k处理该任务所需的计算能力，是embb用户k的本地计算能力。
20、在一些实施例中，embb用户k本地计算能耗ek,l表示为：
21、
22、其中，k为能耗因子，与embb用户设备的芯片性能相关，ck为embb用户k处理该任务所需的计算能力，是embb用户k的本地计算能力。
23、在一些实施例中，embb用户k的卸载计算时延为：
24、
25、其中，分别为embb用户k的任务卸载时延和本地计算所需要的时间；le,k表示embb用户k任务比特量；re,k表示embb用户k可达速率；表示mec服务器为embb用户k的任务分配的计算资源。
26、在一些实施例中，当embb用户向目标区域中的mec服务器卸载需要计算的任务时，基站bs将对应的计算资源分配给相应的embb用户端；设为二进制参数为资源块分配参数，用来决定频谱资源是否需要分配给相应的embb用户k：
27、
28、embb用户的数据卸载到mec服务器进行计算所需要的能耗ek,off为：
29、
30、其中，pe,k为embb用户k的发射功率，le,k表示embb用户k任务比特量；re,k表示embb用户k可达速率；b∈{1,2,...,b}，b为资源块总数。
31、在一些实施例中，在对urllc用户的流本文档来自技高网...
【技术保护点】
1.一种面向能耗的MEC场景下的多业务资源分配方法，其特征在于，包括：
2.根据权利要求1所述的面向能耗的MEC场景下的多业务资源分配方法，其特征在于，MEC场景下uRLLC与eMBB业务共存的传输模型包括：
3.根据权利要求2所述的面向能耗的MEC场景下的多业务资源分配方法，其特征在于，eMBB用户k可达速率Re,k为：
4.根据权利要求2所述的面向能耗的MEC场景下的多业务资源分配方法，其特征在于，eMBB用户k的本地计算的时延为：
5.根据权利要求2所述的面向能耗的MEC场景下的多业务资源分配方法，其特征在于，
6.根据权利要求2所述的面向能耗的MEC场景下的多业务资源分配方法，其特征在于，在对uRLLC用户的流量进行调度时，也需要根据eMBB业务的特性，保证对应用户的服务质量；uRLLC用户流量在eMBB用户中的分布，根据uRLLC布局不同的权重w值考虑了信道条件不同的对应用户；将eMBB用户的传输风险用条件风险值CVaR来表示；令：
7.根据权利要求1所述的面向能耗的MEC场景下的多业务资源分配方法
8.根据权利要求7所述的面向能耗的MEC场景下的多业务资源分配方法，其特征在于，将所述资源分配优化模型分解为三个凸优化子问题，包括：
9.一种面向能耗的MEC场景下的多业务资源分配系统，其特征在于，包括处理器及存储介质；
10.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8任一项所述方法的步骤。
...【技术特征摘要】
1.一种面向能耗的mec场景下的多业务资源分配方法，其特征在于，包括：
2.根据权利要求1所述的面向能耗的mec场景下的多业务资源分配方法，其特征在于，mec场景下urllc与embb业务共存的传输模型包括：
3.根据权利要求2所述的面向能耗的mec场景下的多业务资源分配方法，其特征在于，embb用户k可达速率re,k为：
4.根据权利要求2所述的面向能耗的mec场景下的多业务资源分配方法，其特征在于，embb用户k的本地计算的时延为：
5.根据权利要求2所述的面向能耗的mec场景下的多业务资源分配方法，其特征在于，
6.根据权利要求2所述的面向能耗的mec场景下的多业务资源分配方法，其特征在于，在对urllc用户的流量进行调度时，也需要根...
【专利技术属性】
技术研发人员：黄浩，王文帝，胡阳，王宏延，周冬旭，杨爽，曹委，陈泽，余昊，纪业，顾刘婷，张俊尧，
申请(专利权)人：国网江苏省电力有限公司南京供电分公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。