[发明专利]一种基于移动边缘智能的实时多模态语言分析系统和方法

权利要求书

1.一种基于移动边缘智能的实时多模态语言分析系统的在线卸载方法，包括以下步骤：

步骤1、基于用户分布和信号衰落，通过聚类神经网络实时确定MEI服务器的最佳位置，并输出所有任务与MEI之间的隶属关系矩阵U；

步骤2、根据隶属关系矩阵求解问题输出卸载矩阵和资源分配矩阵u_i表示第i个计算任务到MEI的隶属关系，a_i表示第i个计算任务的卸载决策，f_i表示第i个计算任务分配的计算资源，表示所有任务的集合，根据不同的输入，反复执行启发式算法产生多个样本，形成样本库；

步骤3、初始化一个深度神经网络DNN，网络参数θ随机产生；

步骤4、利用样本库训练深度神经网络；

步骤5、根据实际输出与期望输出，计算网络的损失函数，然后更新网络参数，判断迭代次数是否超过T_CNN，T_CNN表示深度神经网络预定义的迭代次数，若超过T_CNN，则进入DNN决策阶段，否则返回步骤4；

步骤6、DNN决策阶段：将第i个计算任务的隶属度u_i作为DNN网络的输入，输出为第i个计算任务对应的卸载矩阵a_i和资源分配矩阵f_i；

所述的方法中，采用的基于移动边缘智能的实时多模态语言分析系统，包括三类MEI服务器：移动基站、无人车和无人机，三者的计算资源依次减小，移动的灵活性依次增加；

所述的实时多模态语言分析系统，将用户的语言数据分成三种模态：文字、语音和图像，根据计算分析的难度和所需计算资源的大小，将计算任务分配至合适的MEI服务器上执行。

2.根据权利要求1所述的在线卸载方法，其特征在于，步骤1中，具体为：

假设每个用户有一个多模态语言分析任务需要执行，包含文字、语音和图像三个子任务，根据当前任务的位置坐标提出一种基于用户分布和信号衰落的聚类神经网络确定MEI服务器的最佳位置，聚类神经网络包括计算任务位置层和竞争神经层2部分，计算任务z_i与竞争神经元j的匹配程度通过信道质量信息h进行计算：

H(z_i，W_j)＝σh (1)

式(1)中z_i＝(x_i，y_i)与W_j＝(W_j1，W_j2)分别为计算任务z_i与竞争神经元权值W_j的二维坐标，为信道质量信息，σ为神经元系数；H(x_i，W_j)为任务z_i与竞争神经元j的匹配程度；

将与计算任务z_i距离最大的竞争神经元c作为最佳匹配输出神经元，并找到距离竞争神经元c距离最小的n个节点集合然后根据下式训练输出竞争神经元j权值的更新量ΔW_j；

式(2)中，η是聚类神经网络的学习率，t为迭代次数；

当神经网络迭代收敛后，竞争神经元权值W_j即为第j个MEI服务器的最佳位置；

根据MEI服务器的最佳位置即可求解第i个计算任务与第j个MEI服务器之间的隶属关系u_ij：

（3）

式(3)中d′_ij表示信道的衰落信息，计算公式如下：

式(4)中，d_ij表示第i个计算任务位置与第j个MEI服务器之间的距离，即大尺度衰落分量，是第i个计算任务到第j个MEI服务器的发射功率，τ_j是第j个MEI服务器的小尺度衰落分量，γ是权重系数；

U＝[u_ij]是所有任务与MEI服务器之间的隶属关系矩阵，根据聚类后每个类别所持任务的数量由大到小依次将W_j分配给移动基站，无人车和无人机。