【技术实现步骤摘要】
本专利技术涉及边缘计算，尤其涉及一种智能超表面辅助的端边协同计算卸载方法及系统。
技术介绍
1、随着5g和物联网的迅猛发展，终端设备，如智能手机、物联网设备等已经成为人们日常生活和工作的重要工具，这些终端设备通常需要处理大量的计算任务，包括图像处理、语音识别、数据分析等。然而，由于终端设备的计算资源有限，处理复杂任务可能会导致性能下降、时延增加和能耗过高的问题。计算卸载作为一种重要的解决方案，将计算任务从终端设备卸载到云或边缘服务器上进行处理，可以有效减轻终端设备的负担，提高计算性能和能效。然而，传统的计算卸载方法往往采用集中式的计算资源，会导致数据传输时延较长，影响用户体验，特别是在移动通信环境下，为了解决传统计算卸载方法，近年来出现了称之为智能超表面(intelligent reflecting surface，irs)的一种新型技术，智能超表面依托自身对电磁环境的重构能力，将传统的被动适应转变为主动调控信道而备受青睐，同时又具备能耗低、易部署，能够增强信号强度等特点，智能超表面和移动边缘计算结合，能提高移动边缘计算网络的覆盖和通信能力，能提升任务数据卸载能力，是一种经济、节能的方式，被认为是下一代无线通信的重要突破点。
2、有一部分研究学者提出将云的容量扩展到用户网络边缘附近，克服了集中式云计算的高延迟和低带宽缺点，另一部分研究学者提出移动用户通过无线链路将其全部或部分计算任务卸载到邻近的mec服务器，还有一部分研究学者建议如何调整智能超表面的相移，最终将用户的发射功率和时间合理分配，以及边缘服务器为最终用户的
3、有研究学者提出了一种基于全主动智能超表面辅助多用户多输入单输出(miso)下行链路通信系统，通过联合设计接入点(ap)处的波束成形和智能超表面元素的相位矢量，最大化所有用户的加权和速率，降低卸载时延，然后这种方法在实际应用中并没有带来理想性能和效果。本专利技术在智能超表面的引入下，可以将其应用于计算卸载过程中，克服了在计算过程中盲目选择计算和卸载方式导致比本地计算执行更高的延迟，同时考虑了边缘用户的实际通信情况，更加客观的去比较计算卸载方式。
技术实现思路
1、本专利技术意在提供一种智能超表面辅助的端边协同计算卸载方法及系统，以找到最佳卸载方式并进行计算处理，最大化的减轻终端设备的计算负担，降低任务上传延迟和端到端延迟，满足计算任务的低延迟要求。
2、为达到上述目的，本专利技术提供如下技术方案：
3、一种智能超表面辅助的端边协同计算卸载方法，包括如下步骤：
4、s101、将所述任务集中的每个任务的计算卸载策略初始化为边计算；
5、s102、基于波束赋形迭代算法确定所述智能超表面的相移策略和所述任务集中卸载策略为边计算的任务的上传速率；
6、s103、计算所述任务集中计算卸载策略为边计算的任务的任务上传延迟；
7、s104、为所述任务集中计算卸载策略为边计算的任务分配边服务器的计算资源，并确定所述任务的边计算延迟；
8、s105、对所述任务集中计算卸载策略为本地计算的任务分配本地计算资源并确定本地计算延迟；
9、s106、确定所述任务集中每个任务的端到端延迟，具体为，对于卸载策略为本地计算的任务，其端到端延迟用本地计算延迟表示；对卸载策略为边计算的任务，其端到端延迟是任务上传延迟与边计算延迟之和；
10、s107、计算所述任务集的平均端到端延迟；
11、s108、查找是否存在可更新的计算卸载策略，使得策略更新后的平均端到端延迟低于当前平均端到端延迟：是，前往步骤s109；否，则跳往步骤s111；
12、s109、将当前的计算卸载策略更新为所述可更新的策略；
13、s110、迭代次数是否达到阈值，是，前往步骤s111，否，则跳往步骤s102；
14、s111、配置资源和执行计算处理，具体为：按最新的智能超表面的相移策略配置智能超表面反射单元的相移，按最新的计算卸载策略卸载任务集中的任务，按最新的计算资源分配策略为任务集中的任务分配计算资源，执行计算处理并进行结果反馈。
15、进一步的技术方案，所述步骤s102具体包括如下步骤：
16、s201、将所述任务集中卸载策略为边计算的任务的传输增益因子初始化，公式为：
17、
18、其中mo+ml＝m，m表示系统接收到的计算任务集，mo表示所述任务集中计算卸载策略为边计算的任务集，ml表示所述任务集中卸载决策为本地计算的任务集，mo表示所述边计算任务集中第mo个计算任务，ml表示所述本地计算任务集中的第ml个任务，表示为物联网终端到智能超表面的信道增益矩阵，||x||表示x的二范数。
19、s202、将智能超表面每一反射单元的相移角用随机值初始化；
20、s203、对智能超表面中的每一反射单元更新其相移：
21、s204、确定所述任务集中卸载策略为边计算的任务的上传速率，具体为：
22、计算任务集中卸载策略为边计算的任务的任务上传速率，其公式为
23、
24、其中，mo表示边计算任务集中的第mo个任务，b表示信道带宽；
25、
26、其中，p表示所述任务对应物联网终端的发射功率，δr表示智能超表面的工作噪声，δ表示无线传输系统的高斯白噪声，ε表示系统信号放大因子。
27、进一步的技术方案，在步骤s203中，按如下步骤更新其相移：
28、s301、令n(n∈n)表示智能超表面中第n个反射单元，计算物联网终端集到所述反射单元的相移角，其公式为
29、
30、计算所述反射单元与基站的相移角，其公式为
31、
32、对所述反射单元n的相移进行更新，其公式为
33、
34、其中gn表示第n个反射单元到基站的信道增益；
35、s302、对反射系数矩阵更新，其公式为
36、
37、其中，diag(.)表示对角矩阵，ex表示对变量x求指数函数；
38、s303、对计算卸载策略为边计算的每一任务，更新其传输增益因子，具体为：对任一mo∈mo，更新其传输增益因子，其公式为
39、
40、其中，g是1×n维的智能超表面到基站的信道增益，是n×1维的物联网终端mo到智能超表面的信道增益，||x||表示x的二范数，(x)h表示x的共轭转置。
41、进一步的技术方案，所述步骤s103中，所述任务的任务上传延迟公式为
42、
43、其中，表示所述边计算任务的比特任务量。
44、进一步的技术方案，所述步骤s104中，所述边计算任务的边计算延迟为
45、<本文档来自技高网...
【技术保护点】
1.一种智能超表面辅助的端边协同计算卸载方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种智能超表面辅助的端边协同计算卸载方法，其特征在于，所述步骤S102具体包括如下步骤：
3.根据权利要求2所述的一种智能超表面辅助的端边协同计算卸载方法，其特征在于，在步骤S203中，按如下步骤更新其相移：
4.根据权利要求1所述的一种智能超表面辅助的端边协同计算卸载方法，其特征在于，所述步骤S103中，所述任务的任务上传延迟公式为
5.根据权利要求1所述的一种智能超表面辅助的端边协同计算卸载方法，其特征在于，所述步骤S104中，所述边计算任务的边计算延迟为
6.根据权利要求1所述的一种智能超表面辅助的端边协同计算卸载方法，其特征在于，所述步骤S107中，所述任务集的平均端到端延迟为
7.根据权利要求1所述的一种智能超表面辅助的端边协同计算卸载方法，其特征在于，所述步骤S108中，所述查找可更新的计算卸载策略方法具体步骤包括：
8.一种智能超表面辅助的端边协同计算卸载系统，其特征在于：包括一台及以上
9.根据权利要求8所述的一种智能超表面辅助的端边协同计算卸载系统，其特征在于：所述物联网终端集合，用于接收到来自应用程序发布的计算任务，将所述计算任务的任务信息和本地资源信息发送给卸载决策控制器；以及获取决策结果中的任务处理指令，执行任务处理过程；所述卸载决策控制器，用于接收所述任务信息和本地资源信息后，执行计算卸载决策过程，生成卸载决策结果，并将所述决策结果发送至物联网终端集合、智能超表面控制器和边服务器；所述智能超表面控制器，用于获取所述卸载决策结果中的相移信息，配置反射单元的相移；所述边服务器，用于获取所述卸载决策结果中的边计算决策信息，执行任务处理过程，并将处理结果返回给所述物联网终端集合。
...【技术特征摘要】
1.一种智能超表面辅助的端边协同计算卸载方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种智能超表面辅助的端边协同计算卸载方法，其特征在于，所述步骤s102具体包括如下步骤：
3.根据权利要求2所述的一种智能超表面辅助的端边协同计算卸载方法，其特征在于，在步骤s203中，按如下步骤更新其相移：
4.根据权利要求1所述的一种智能超表面辅助的端边协同计算卸载方法，其特征在于，所述步骤s103中，所述任务的任务上传延迟公式为
5.根据权利要求1所述的一种智能超表面辅助的端边协同计算卸载方法，其特征在于，所述步骤s104中，所述边计算任务的边计算延迟为
6.根据权利要求1所述的一种智能超表面辅助的端边协同计算卸载方法，其特征在于，所述步骤s107中，所述任务集的平均端到端延迟为
7.根据权利要求1所述的一种智能超表面辅助的端边协同计算卸载方法，其特征在于，所述步骤s108中，所述查找可更新的计算卸载策略方法具体步骤包括：
8.一种智能超表面辅助的端边协同...
【专利技术属性】
技术研发人员：柳秀山，丁家俊，郭棉，陈月红，许清媛，庄志惠，
申请(专利权)人：广东技术师范大学，
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。