[发明专利]融合射频能量采集的协同节能计算迁移方法

说明书

本发明属于无线通信网络技术领域，公开了一种融合射频能量采集的协同节能计算迁移方法，通过设计了分层的雾计算辅助数据收集架构，基于对计算迁移决策、上行带宽资源分配、下行带宽资源分配及基站功率分割的联合优化考量，构建了一个最小化系统总能耗的优化问题。为有效求解该优化问题，融合惩罚函数的概念设计了新的评价指标，并提出了一种基于自适应粒子群的协同节能计算迁移算法。该算法构造了动态变化的惯性权重和线性调节的惩罚因子，可在迭代搜索过程中实时变更粒子群落的空间分布密度，以生成可容忍惩罚下的最优计算迁移策略；进一步地，为避免粒子越过探索范围，引入了速度边界限制，可降低无效解的产生概率，提升搜索有效性。

技术领域

本发明涉及无线通信网络领域，具体是涉及一种融合射频能量采集的协同节能计算迁移方法。

背景技术

得益于5G赋能新时代的发展，融合人工智能技术的智能物联网为各行业带来了广阔发展机遇，可推动智能安防、智慧城市和智能家居等领域产品升级，建立多层次商业体系。但该新型发展模式往往会使网络使用频率不断上升，引发用户数据的爆炸式增长，导致物联网设备的能量衰减代价与多元化的终端用户服务需求较难匹配。

为提升系统能效比，建设绿色节能体系架构，雾计算这一灵活便捷的计算模式被广泛运用，该模式可高效耦合不同的设备接口，以快速分析物联网应用的交互数据，特别地，基于无线感知技术和计算迁移技术，部署在边缘侧的物理服务器能够有效整合环境可用资源，并对无线传输链路资源进行分割调度，以处理部分能耗较高的用户计算任务，实现良好的边端协作，目前有以下两类有代表性的方案：

第一类方案以较优策略降低终端数据处理能耗，并在一定程度上提升系统能源利用效率，如文献[Resource allocation and computation offloading for multi-accessedge computing with fronthaul and backhaul constraints]，其构建了一个垂直异构移动边缘计算场景下的能耗最小化问题，并将该非凸问题划分为多个子问题，以有效求解最优计算迁移决策和上下行带宽资源分配；但伴随着数据网联动性建设进程的商业化推广，物联网设备的电池损耗开销极大，而定期更换该元件是难以容忍且较为艰巨的。

第二类方案如文献[Computation efficiency maximization in wireless-powered mobile edge computing networks]，其研究了一种基于非线性能量采集的部分计算迁移机制，通过联合优化迁移时间、采集时间和本地计算频率等来实现处理效率最大化；采用固定单位时间内的节点采集能力，亦或是采用线性或非线性能量采集模式对任务迁移时间和能量采集时间进行时隙划分，均未考虑设备之间的型号差异性；并且，这类模式会将系统周期设定为一估计值，往往会引发用户接收反馈结果的等待时延误差。

发明内容

为解决上述技术问题，本发明基于分离式能量采集架构，提出了一种融合射频能量采集的协同节能计算迁移方法，基于对计算迁移决策、上行带宽资源占比、下行带宽资源占比及宏基站发射功率分割占比的联合优化考量，构建了一个最小化处理所有任务所需系统总能耗的优化问题；针对该优化问题，提出了最优求解方法，能够以较快的速度收敛至某一固定值，迁移策略的求解精确度高，可以获得最低能耗值，具有良好的性能优势。

本发明所述的融合射频能量采集的协同节能计算迁移方法，步骤为：

步骤1、设计分层的网络模型，所述网络模型由用户层和雾节点层构成；所述用户层包括若干物联网设备，所述雾节点层包括若干个宏基站及雾节点；

步骤2、所述物联网设备每隔固定时间间隔T，随机地通过宏基站向雾节点发送计算任务请求；