[发明专利]一种面向LEO卫星系统的多星MEC计算卸载策略

权利要求书

1.一种面向LEO卫星系统的多星MEC计算卸载策略，其特征在于，包括如下步骤：

1)建立网络模型，包括如下步骤：

1-1)建立系统框架：建立LEO卫星MEC系统框架，该系统框架包括多个无星间链路的LEO卫星M＝{1,2,3......m}和多个终端N＝{1,2,3......n}，终端包括有本地计算能力的用户终端和无本地计算能力的物联网IoT终端，无计算能力的IoT终端通过汇聚节点将任务以并行的方式发送到卫星，用户终端直接与LEO卫星通信，卸载决策用a_nm表示；

1-2)确定星地通信的最长时间和星地的直线距离：

根据卫星和终端的几何关系，设α为终端的仰角，γ为LEO卫星覆盖区域的地心角，R为地球半径，h为卫星的高度，在不考虑其他因素的影响下，当0α180时才支持数据传输；已知终端的仰角α，根据几何关系，γ表示为星地进行通信的弧长表示为L＝2γ(R+h)；星地通信的最长时间表示为其中V_S是LEO卫星的速度；星地的直线距离表示为：

1-3)确定上行传输速率：

根据自由空间传播模型，信道状态由星地距离决定，信道增益为其中ρ₀表示参考距离S_nm＝1m时的信道增益，高斯白噪声为δ²，终端与MEC服务器之间的干扰功率终端传输功率I_nm，终端传输功率为P_nm，LEO卫星分配给终端的信道带宽为B_nm，则终端的上行传输速率R_nm表示为：令终端的上行传输速率R_nm表示为：R_nm＝B_nmχ_nm；

2)建立计算模型，包括本地计算模型和MEC计算模型，包括如下步骤：

2-1)建立本地计算模型，包括如下步骤：

2-1-1)终端的任务N_n的信息包括完成计算任务N_n所需的计算资源C_n，任务N_n的数据大小D_n，完成计算任务N_n可容忍的最大延迟为表示终端n的计算能力，则终端n的本地计算时延为：

2-1-2)将终端n的本地计算的能耗定义为：其中k是有效的开关电容，取决于芯片的结构；

2-1-3)联合步骤2-1-1)和步骤2-1-2)，本地计算的代价函数为终端n的能耗权重因子为表示时延权重因子；

2-2)建立MEC计算模型，包括如下步骤：

2-2-1)根据上行传输速率R_nm、任务信息C_n、D_n、星地的直线距离S_nm，以及LEO卫星分配给终端的计算资源f_nm、光速C，得到任务卸载计算的时延代价包括传播时延数据传输时延和计算时延

2-2-2)根据上行传输速率R_nm、任务信息D_n、C_n、终端传输功率为P_nm、有效的开关电容k，以及LEO卫星分配给终端的计算资源f_nm，得到任务卸载计算的能耗代价包括计算能耗和数据传输能耗：

2-2-3)根据终端n的能耗权重因子和时延权重因子联合步骤2-2-1)和步骤2-2-2)，得到LEO卫星计算的代价函数为终端将任务卸载计算的代价函数为

3)建立优化问题模型：

由于任务多样性、LEO卫星覆盖时间以及资源受限，考虑多星重叠覆盖网络服务区域情况，联合优化资源分配和卸载决策，以系统的时延和能耗为代价函数并满足以下约束：

C1、计算任务执行时延不能超过可容忍的最大时延；

C2、卸载到LEO卫星的计算任务时延不能超过卫星的覆盖时间；

C3、LEO卫星分配给终端的总带宽资源不能超过其最大带宽，其中B是LEO卫星总的带宽；

C4、LEO卫星分配给终端的总计算资源不能超过其最大计算资源；

C5、计算任务不能分割；

C6、计算任务至多选择一个LEO卫星来卸载其任务；

C7、LEO卫星至多能接入number_max个终端；

联合资源分配和卸载决策的优化问题被表示为：

s.t C1:

C2:

C3:C4:

C5:a_nm∈{0,1}C6:

C7:

4)设定卸载决策优化方案，包括如下步骤：

4-1)卸载决策—匹配算法

4-1-1)提出多对一匹配模型，每个LEO卫星至多可以匹配number_max个终端，终端至多允许匹配一颗LEO卫星；

4-1-2)定义1：给定两个不相交的有限玩家M和N，匹配博弈Φ被定义为M→N的函数，其中：

I、

II、

III、

IV、

4-1-3)LEO卫星M与终端N参与匹配，双方的个体根据已有的信息对另一方的个体构建偏好列表，用符号表示个体的偏好；

(1)表示终端n对比LEO卫星m₂更偏好m₁，其中表示终端n对LEO卫星m的效用函数；

(2)表示LEO卫星m对比终端n₂更偏好n₁，其中表示LEO卫星m对终端n的效用函数；

4-1-4)终端依据接收信号的强度进行初始匹配，效用函数为：考虑自由空间传播模型，是卫星的发射功率，G_T和G_R分别是信号的收发天线增益，λ是无线电波对应的波长；

4-1-5)终端和LEO卫星依据效用函数建立对彼此的偏好，获得初始终端卸载决策；

4-2)卸载决策—联盟博弈

4-2-1)任务计算所需代价不仅与它所匹配的LEO卫星有关，而且还与匹配同一LEO卫星的其他终端有关，利用联盟博弈应对外部特性的挑战；

4-2-2)根据步骤4-1)得到的初始卸载决策，LEO卫星之间通过无线链路共享信息，相互协调进行联盟博弈的迭代；

4-2-3)联盟博弈的模型定义为{U,Θ,Γ}，其中U为参与者的合集，由决定卸载的终端组成，每个终端的效用函数表示为

4-2-4)Θ＝{θ₁.........θ_M}表示联盟集，θ_m是由终端组成的联盟，每个联盟的效用函数表示为联盟集的效用函数为其中θ_m∩θ_m'＝{0}，m≠m'，

4-2-5)联盟博弈设计一个明确定义比较两个联盟，设置规则，让玩家能够根据他们的喜好加入或离开他们的联盟；

4-2-6)切换准则：m≠m'表示玩家u对比联盟θ_m'更偏好θ_m，联盟集Θ中，若玩家u想要离开当前联盟θ_m'加入另一个联盟θ_m，形成一个新的联盟集Θ'，即：

a)假设|θ_m|number_max，新的联盟集可表示为Θ'＝{Θ\{θ_m,θ_m'}}∪{θ_m'\{u},θ_m∪{u}}；

b)假设|θ_m|＝number_max，新的联盟集可表示为Θ'＝{Θ\{θ_m,θ_m'}}∪{θ_m'\{u}∪{u'},θ_m\{u'}∪{u}}；

4-2-7)允许玩家u切换的充要条件为即联盟集效用函数降低；

4-2-8)当没有玩家愿意离开当前的联盟加入另一个联盟时，联盟集是纳什稳定的；

5)设定资源分配优化方案，包括如下步骤：

5-1)计算资源分配

5-1-1)通过计算资源的分配来降低任务卸载计算的系统代价，其中N_m表示卸载到LEO卫星m的终端数，令

5-1-2)计算资源分配问题被表示为：

s.t C1,C2:

C4:

5-1-3)用α_sate表示卫星能耗占系统代价的权重因子，根据卫星能量的实际状态进行调节，如果卫星能量过少就增大α_sate，如果卫星能量充裕就减小α_sate；

5-1-4)求得目标函数和约束条件是凸函数，得出5-1-2)所提问题是一个凸优化问题；

5-1-5)选用Rosen梯度投影法优化计算资源分配问题，该算法当迭代点在可行区域的内部时，取该点处的负梯度方向为可行下降方向，当迭代点在可行域边界时，取该点的负梯度方向在可行域边界上的投影为可行下降方向；

5-1-6)给定初始可行点x⁽¹⁾，令k＝1，在点x^(k)处，将约束条件分为起作用约束和不起作用约束，改写成矩阵形式A₁x^(k)＝b₁,A₂x^(k)≥b₂；

5-1-7)令如果M是空的，则令P＝I，否则，P＝I-M'(MM')^-1M；

5-1-8)令若d^(k)≠0，则转步骤5-1-10)：否则，则进行步骤5-1-9)；

5-1-9)若M是空的，则停止计算，得到x^(k)；否则，令如果u≥0，则停止计算，x^(k)为KKT点；否则选取u的一个负分量，比如u_j0，通过去掉A₁中对应u_j的行来修正A₁，返回步骤5-1-7)；

5-1-10)求出λ_max，通过求步长λ_k，令x^(k+1)＝x^(k)+λ_kd^(k)，置k＝k+1，返回步骤5-1-6)；

5-2)带宽资源分配

5-2-1)通过带宽资源的分配来降低任务卸载计算的系统代价，带宽资源分配问题被表示为：

s.t C1，C2:

C3:

5-2-2)求得目标函数和约束条件是凸函数，则拉格朗日函数表示为：

5-2-3)根据KKT条件求出最优带宽分配表示为：

5-2-4)通过更新拉格朗日乘子η_m，迭代出拉格朗日乘子更新如下：其中v是迭代步数，δ_s(v)表示迭代的步长，