[发明专利]一种超密异构网络中联合下上行的边缘计算迁移方法

说明书

一种超密异构网络中联合下上行的边缘计算迁移方法，宏基站和微基站中的不同规模边缘服务器，为了满足移动智能应用的计算密集型和数据密集型的延迟敏感要求，需要设计有效的联合上下行接入和资源分配方法来减少智能应用延迟。首先将联合上下行的计算迁移问题建模为最小化系统时延优化模型，并同时考虑节省用户设备的能耗。由于联合下行链路和上行链路计算迁移问题是一个混合整数规划问题，从而转化为资源分配子问题和计算迁移子问题，从而提出了一种有效的联合下行链路和上行链路迁移和资源分配方法。实验结果验证了该方法在系统时延和能耗方面的有效性。

技术领域

本发明属于移动通信蜂窝网络技术领域，涉及联合下上行计算资源分配、用户上下行接入和下上行通信资源联合分配的实现方法，具体涉及一种超密异构网络中联合下上行的边缘计算迁移方法。

背景技术

智能用户终端广泛用于各种资源要求苛刻的应用，如增强现实，多媒体应用和自动驾驶等。在移动设备上运行智能应用会导致长响应延迟，并且对移动用户来有效的电池容量来说能耗也是制约移动应用的因素。

为了实时处理计算密集型任务迁移，边缘计算的提出可以为用户提供更低延迟和更高性能的计算服务，同时使用靠近用户的网络边缘服务器，改善移动设备的能效。与移动云计算不同，用户设备通过无线网络将计算任务迁移到云平台，并且发送回用户设备的结果无法为许多智能应用提供足够低的响应时间，而新兴边缘计算可能提供足够计算接近用户以满足智能应用的低延迟要求。

超密异构网络在第五代通信系统(5G)技术中发挥了重要作用，通过在高功率宏蜂窝下部署低功率的微蜂窝提高蜂窝网络的无线接入能力。对于移动蜂窝网络，用户接入取决于来自基站的接收下行链路信号参考功率(RSRP,Reference Signal ReceivingPower)，但会导致宏基站过载和微基站欠载。此外，如果我们使用上行链路和下行链路的联合负载均衡来分配用户，则下行链路将被分配更多资源，因为下行链路的功率大于上行链路的功率并且下行链路的流量也更大。因此，需要设计一种联合上下行的计算和通信资源分配的无线接入满足计算密集型和数据密集型任务的低时延要求。

发明内容

为了克服上述现有技术的不足，本发明提出了一种超密异构网络中联合下上行的边缘计算迁移方法，联合下行链路(DL,Downlink)和上行链路(UL,Uplink) 的资源分配方法，用于超密异构网络中的负载迁移，针对超密异构网络的联合下行链路和上行链路计算迁移问题，不仅考虑计算密集型和数据密集型任务，还考虑边缘宏小区的计算资源和通信资源以及超密微蜂窝的场景。以最小化任务的总延迟为目标，联合考虑用户和基站的资源约束以及上下行链路的无线信道条件，建立系统模型和约束条件。为了解决超密异构网络中的混合整数优化问题，将该问题转化为两个子问题：通信和计算资源的分配以及计算迁移决策的0-1整数规划问题。通过采用交替迭代优化技术，可以获得联合下行链路和上行链路的有效方案，用于超密异构网络中的资源分配和计算迁移。实验结果表明了所提出方法的性能优越，可以很好地适应计算和数据的需求变化。

为了实现上述目的，本发明采用的技术方案是：

一种超密异构网络中联合下上行的边缘计算迁移方法，包括以下步骤：

1)构建一个由宏蜂窝和微蜂窝构成的双层异构网络，用户只能选择接入单个的宏蜂窝或者微蜂窝，不能同时接入两个；

2)对于每一个宏蜂窝，在其覆盖的区域内微蜂窝和用户，测量上下行的信道状态和干扰状态，将结果上报给宏蜂窝，宏蜂窝计算后确定用户的接入和计算资源的分配；

3)对于每一个用户，在整个带宽计算接收到的下行信号强度，分别选择一个宏蜂窝和一个微蜂窝作为候选接入蜂窝的集合，再根据联合下上行的边缘计算迁移方法确定任务在本地或者在宏蜂窝或者微蜂窝执行；

4)联合下上行的边缘计算迁移方法的初始化，将此问题分为两个子问题：通信和计算资源分配和迁移决策问题，并采用交替迭代优化技术进行求解；