[发明专利]一种支持移动边缘计算的任务卸载装置及方法

说明书

本发明涉及一种支持移动边缘计算的任务卸载装置及方法，属于无线通信领域。该装置包括：终端特性感知模块、任务特性感知模块、信息监测模块、网络信息收集模块、信息分析处理模块、任务卸载决策模块和卸载执行模块；该方法为：信息监测模块监测周围可用MEC服务器的状态信息，并发送至网络信息收集模块，信息分析处理模块对用户终端特性、用户任务特性以及候选MEC服务器状态信息进行综合处理，在满足最大可容忍时延要求的限制条件下，最小化任务执行能耗，实现最佳卸载决策选择。本发明支持MEC场景下基于最佳卸载策略的用户任务卸载，可实现UE能耗降低及用户任务执行性能的显著提升。

技术领域

本发明属于无线通信领域，涉及一种支持移动边缘计算的任务卸载装置及方法。

背景技术

随着移动互联网的发展及智能终端的普及，增强现实(Augmented Reality，AR)、虚拟现实及移动高清视频等新型应用不断涌现。然而，各类新型应用的计算资源密集特性对智能终端任务处理能力提出严峻挑战。为解决上述问题，移动边缘计算(Mobile EdgeComputing，MEC)技术应运而生。该技术通过将具备较强计算能力的MEC服务器部署至无线接入网络(Radio Access Network，RAN)中，支持用户将任务卸载至MEC服务器执行计算，可有效降低终端任务执行时延及能耗，显著提升用户服务质量(Quality of Service，QoS)。在MEC系统中，综合考虑任务特性及系统可用状态，设计高效的任务卸载机制。

目前虽然已有文献研究移动用户通过多个无线接入点进行计算卸载的问题，并基于博弈论设计计算迁移算法。基于该算法，每个用户根据计算需求、无线环境条件以及系统计算资源信息，选择本地执行计算任务或者从多个无线接入点中选择一个最优的无线接入点进行计算卸载，实现处理时延和移动设备能量消耗的最小化。又例如，有文献研究了采用动态频率及电压调整(Dynamic Frequency and Voltage Scaling，DFVS)及能量收集技术实现执行时延最小化，提出了一种基于李雅普诺夫优化的动态计算卸载算法，该算法首先以时隙为单位做出二元卸载决策，继而为本地执行的用户分配计算资源或为卸载的用户分配功率。但是现有支持MEC的任务卸载方案的研究较少考虑任务卸载装置的设计，导致所提算法在实际应用中受限；此外，针对存在多个可用MEC候选服务器时，如何优化选择卸载服务器也是亟需研究的问题。

发明内容

有鉴于此，本发明的目的在于提供一种支持移动边缘计算的任务卸载装置及方法，在满足最大可容忍时延要求的限制条件下，最小化任务执行能耗，实现最佳卸载决策选择；还支持MEC场景下基于最佳卸载策略的用户任务卸载，实现用户设备能耗降低及用户任务执行性能的显著提升。

为达到上述目的，本发明提供如下技术方案：

一种支持移动边缘计算的任务卸载装置，包括：

终端特性感知模块：各用户设备(User Equipment，UE)通过内设信息收集机制感知终端的宏微观信息，包括终端计算能力等信息，并发送至信息分析处理模块进行集中处理；

任务特性感知模块：对用户任务特性进行收集，包括任务的输入数据量、完成任务所需的计算资源量以及任务执行时延的最大容忍值，并将所得用户任务信息发送至信息分析处理模块；

信息监测模块：监测UE所关联基站周期性广播消息，获取基站传输带宽和移动边缘计算(Mobile Edge Computing，MEC)服务器计算能力等信息，并传送至网络信息收集模块；

网络信息收集模块：根据信息监测模块监测到的网络状态信息进行网络信息定向性收集，根据网络状态信息实现数据的实时更新，并通过与信息分析处理模块的实时交互，实现监测模块状态信息与信息分析处理模块状态信息关于基站及MEC服务器侧信息的互通性和一致性；