[发明专利]移动边缘计算数据缓存方法、装置、计算机和存储介质

说明书

本发明提供一种移动边缘计算数据缓存方法、装置、计算机和存储介质，该方法包括传感器节点采集原始数据，将采集到的所述原始数据进行稀疏化采样压缩；所述传感器节点将稀疏化采样压缩后的数据发送至MEC服务器；所述MEC服务器接收稀疏化采样压缩后的数据，将稀疏化采样压缩后的数据缓存。通过结合无线传感网络中的移动边缘计算模型，通过将采集到的原始数据进行稀疏化采样压缩，对稀疏化采样压缩后的数据缓存，使无线传感节点间的传输时延大大降低，并提高了缓存存储利用率，有效降低传输时延和对缓存存储容量的需求，并有效提高用户请求命中率。

技术领域

本发明涉及无线通信技术领域，特别涉及一种移动边缘计算数据缓存方法、装置、计算机和存储介质。

背景技术

近年来，无线传感网络得到迅猛发展，尤其是作为物联网的重要支撑，引起广泛关注，随着5G技术的进一步发展，无线传感网络进一步扩增，大规模传感器接入和海量数据传输任务给现有的网络架构带来巨大压力，同时对核心网的计算能力提出更高要求。移动边缘计算(MEC，Mobile Edge Computing)是近年来提出的有效解决方案，该技术通过在无线网络边缘部署边缘计算服务器，可为传感器节点提供低时延，高可靠性的数据传输服务。压缩感知(CS，Compressive Sensing)理论表明，当信号在某个变换域中表现出稀疏性时，可以从远小于奈奎斯特采样理论确定的测量值的数据中以极大概率重构信号。这种新的采集策略对硬件更加友好，能够以亚奈奎斯特采样率采集图像或视频。此外，利用信号中存在的冗余，CS可以同时进行采样和压缩，这大大缓解了对高传输带宽和大存储空间的需求，从而实现了低成本的传感器数据压缩。CS理论已经应用于许多实际应用，包括但不限于单像素成像、加速磁共振成像(MRI)、无线远程监控和认知无线电通信。然而，需要注意的是压缩感知算法要求被处理的数据具有足够的稀疏度，即信号域服从某先验模型。传统的缓存模型性能较为低下，且节点间的传输时延较大，缓存空间利用率和用户请求命中率较低。

发明内容

基于此，有必要针对上述技术问题，提供一种移动边缘计算数据缓存方法、装置、计算机和存储介质。

一种移动边缘计算数据缓存方法，包括：

传感器节点采集原始数据，将采集到的所述原始数据进行稀疏化采样压缩；

所述传感器节点将稀疏化采样压缩后的数据发送至MEC服务器；

所述MEC服务器接收稀疏化采样压缩后的数据，将稀疏化采样压缩后的数据缓存。

在其中一个实施例中，所述MEC服务器接收稀疏化采样压缩后的数据的步骤之后还包括：

所述MEC服务器采用正交匹配追踪压缩感知算法对接收的所述数据进行重构，得到重构数据。

在其中一个实施例中，所述传感器节点将稀疏化采样压缩后的数据发送至MEC服务器的步骤包括：

所述传感器节点将稀疏化采样压缩后的数据发送至中继网关；

所述中继网关将稀疏化采样压缩后的数据发送至所述MEC服务器。

在其中一个实施例中，所述传感器节点采集数据，将采集到的数据进行稀疏化采样压缩包括：

所述传感器节点采集数据，将采集到的数据进行信号分解；

对信号分解后的所述数据进行稀疏分解，得到稀疏化采样压缩后的数据。

一种移动边缘计算数据缓存方法，包括：

采集原始数据，将采集到的所述原始数据进行稀疏化采样压缩；

获取稀疏化采样压缩后的数据；

将稀疏化采样压缩后的数据缓存。

在其中一个实施例中，所述将稀疏化采样压缩后的数据缓存的步骤之后还包括：