[发明专利]一种多用户场景下的边缘计算卸载周期最小化方法

说明书

一种多用户场景下的边缘计算卸载周期最小化方法，包括如下步骤：步骤1，基站切换到能量发送模式，给无线传感器设备发送能量；步骤2，无线传感器设备切换到能量捕获模式从电磁波中捕获能量存储，再切换到任务计算模式依次进行部分任务数据卸载和本地计算；步骤3，基站切换到数据接收模式依次接收无线传感器设备卸载的数据，并交给边缘云服务器进行数据计算；步骤4，基站返回计算结果给无线传感器设备。本发明通过合理设置节点充电时间，计算卸载的比例，以及卸载合理调度，使整个计算周期时延最小化。

技术领域

本发明属于无线传感器网络中边缘计算卸载技术领域，尤其涉及一种无线传感器计算卸载时延周期最小化方法。

背景技术

无线传感器网络技术(Wireless Sensor Network,WSN)的最新发展使得环境监测、智能电网、智能家居等许多重要工业和商业系统实现正真智能和远程控制走出了关键一步。无线传感器网络具有成本低、功耗小、分布式和自组织等特点，已被广泛应用于社会生产和生活中。

在WSN中，部署了大量能够进行无线通信和数据计算的传感器设备。由于严格的设备尺寸限制和生产成本考虑，传感器设备通常自身携带的电池容量受限。有限的设备电池寿命无法支持无线传感器设备的无线信息的传输和计算。为了解决上述问题，基于能量捕获的无线传感器网络是解决WSN电池容量限制问题的有效方案。在这种WSN中节点可捕获射频能量并把它转化为电能，用于传感器的数据收发和计算。这种方案很好的解决了无线传感器设备持续供电问题。

另一方面，由于无线传感器设备的计算能力有限，无法支持许多复杂计算的场景，比如一些需要大量数据计算的人工智能，虚拟现实等应用场景。一种有效的方案是边缘计算，它通过将部分计算任务卸载到附近的边缘云服务器上，在服务器上完成复杂的计算，从而提高无线传感器设备的计算能力。

在能量捕获无线传感器网络中，如果把无线传感器设备的数据全都卸载到边缘云服务器去计算，虽然计算速度快，但因计算卸载会消耗较多的能量，甚至导致一些无线传感器设备捕获的能量不足无法完成所有的计算任务；进一步，如果所有的无线传感器设备同时卸载数据到附近的边缘云上去，会出现网络传输拥堵，数据卸载冲突等问题。反之，如果全部计算都在无线传感器设备本地执行，虽然能耗会降低，但计算速度会变慢。如何权衡它们之间的关系是本发明解决的问题。

发明内容

针对上述问题，本发明提出了一种多用户场景下的边缘计算卸载周期最小化方法，通过合理设置节点充电时间，计算卸载的比例，以及多用户卸载任务的合理调度，使整个计算周期时延最小化。

本发明适用于如图1所示的场景。基站周围部署了若干无线传感器设备，基站配有边缘云服务器，工作模式可以给周边无线设备供电，也可以接收周边设备卸载的计算任务进行计算；无线传感器设备能量从基站发送的电磁波中获得，工作方式可以在本设备中计算，也可以把计算任务卸载给基站。如何合理分配基站给无线传感器设备的供电时间、无线传感器设备的本地计算任务和卸载任务、以及无线传感器设备卸载时的发送功率等，使每个无线设备完成一定量的计算所需的总时间最少。

为了解决上述技术问题本发明提供如下的技术方案：

一种多用户场景下的边缘计算卸载周期最小化方法，包括如下步骤：

步骤1：基站切换到能量发送工作模式，在一定时间内给附近的无线传感器设备广播发送能量，然后切换到边缘云服务器数据接收模式；

步骤2：无线传感器设备切换到能量捕获模式，在这段基站发送能量时间内捕获能量并存储，然后无线传感器设备各自切换到本地计算模式或者计算卸载模式进行计算；

步骤3：基站切换到数据接收模式，依次接收无线传感器设备卸载的数据，并进行计算；

步骤4：基站完成无线传感器设备卸载的计算任务后，把计算结果返回给无线传感器设备。

进一步，所述步骤1的处理过程为：