[发明专利]移动计算卸载方法、系统及存储介质

说明书

本公开实施例中提供了一种移动计算卸载方法、系统及存储介质，属于数据处理技术领域，具体包括：在目标时间片开始时，收集边缘服务器和每个保健物联网设备的实时信息；根据边缘服务器的实时信息和每个物联网设备的实时信息构建本地计算模型、边缘计算模型、能量收集模型和隐私熵模型；根据本地计算模型、边缘计算模型、能量收集模型和隐私熵模型，构建目标函数；最大化目标函数，求解目标时间片内的任务卸载策略。通过本公开的方案，收集物联网设备以及边缘服务器的实时信息，建立计算模型、能量收集模型和隐私熵模型，得到目标优化函数，最终可以求解得到卸载决策向量，提高了无线能量供应的适应性和对隐私的保护强度。

技术领域

本公开实施例涉及数据处理技术领域，尤其涉及一种移动计算卸载方法、系统及存储介质。

背景技术

目前，随着信息化进程的加快，在某些特定场景中需要对人员的状态信息进行实时监测和跟踪，为了更好地满足移动计算的需求，移动边缘计算成为了移动云计算支持的移动体系的有效补充和完善。然而，传统的移动云计算方式依赖于硬件的电力供给，且物联网设备的卸载策略与无线信道功率增益高度相关，只要物联网设备和边缘服务器之间的无线信道条件良好，设备就会将尽可能多的计算任务卸载给服务器，从而导致用户的隐私容易泄露。

可见，亟需一种适应性和安全性强的移动计算卸载方法。

发明内容

有鉴于此，本公开实施例提供一种移动计算卸载方法、系统及存储介质，至少部分解决现有技术中存在适应性和安全性较差的问题。

第一方面，本公开实施例提供了一种移动计算卸载方法，包括：

在目标时间片开始时，收集边缘服务器和每个保健物联网设备的实时信息，其中，所述边缘服务器的实时信息包括每个所述物联网设备与所述边缘服务器之间的无线信道功率增益，所述物联网设备的实时信息包括所述物联网设备产生的计算任务大小和所述物联网设备从射频能量源接收到的无线能量；

根据所述边缘服务器的实时信息和每个所述物联网设备的实时信息构建本地计算模型、边缘计算模型、能量收集模型和隐私熵模型；

根据所述本地计算模型、所述边缘计算模型、所述能量收集模型和所述隐私熵模型，构建目标函数；

最大化所述目标函数，求解所述目标时间片内的任务卸载策略。

根据本公开实施例的一种具体实现方式，所述无线信道功率增益遵循具有状态集和转移概率的马尔可夫模型。

根据本公开实施例的一种具体实现方式，所述本地计算模型为其中，表示物联网设备i的本地计算能力，k为取决于芯片架构的有效开关电容，D_i(t)为所述物联网设备从射频能量源接收到的无线能量，a_i(t)表示所述物联网设备i在所述目标时间片t的任务卸载策略，c_i表示计算1bit任务所需要的计算资源。

根据本公开实施例的一种具体实现方式，所述边缘计算模型为其中，表示物联网设备i在t时间片生成的任务在本地处理的时间延迟，表示传输时延，表示边缘服务器计算时延，表示物联网设备相应的传输能耗，表示物联网设备i相应的空闲能耗。

根据本公开实施例的一种具体实现方式，所述能量收集模型为其中，v为能量转换效率，为传输的能量强度，路劲损坏指数，G表示射频能量发射器天线和物联网设备天线的组合增益，d_i(t)为物联网设备i与射频能量发射器的距离。

根据本公开实施例的一种具体实现方式，所述隐私熵模型中熵值公式为

其中，

根据本公开实施例的一种具体实现方式，所述目标函数为