[发明专利]一种5G场景下的边缘计算卸载周期最小化方法

说明书

一种5G场景下的边缘计算卸载周期最小化方法，该方法是针对5G场景下利用非正交多址接入(NOMA)和串行干扰删除(SIC)技术进行实现的，每个无线传感器设备首先都会从基站发射的射频信号中捕获一定的能量，然后利用所捕获的能量进行计算卸载或者本地计算来完成所有的计算任务，并且在同一时间段无线传感器进行部分卸载计算的总任务数据要小于边缘云服务器的最大计算负载，当设备的任务卸载量达到边缘云的最大负载时，所有进行计算卸载的设备将切换到本地计算模式。本发明能够有效解决无线传感器网络负载，无线传感器设备能量消耗和计算时延问题，本发明能提高无线传感器设备任务计算速率，降低计算周期。

技术领域

本发明属于5G网络计算卸载技术领域，尤其涉及一种无线传感器网络计算卸载时延周期最小化方法。

背景技术

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。在无线传感器网络中，传感器设备由于严格的设备尺寸限制和生产成本考虑，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持续的无线信息传输和计算。无线可充电传感器网络作为目前的研究热点，通过捕获外界能量为传感器供电，以解决上述问题。

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，但因计算卸载通信会消耗较多的能量，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，会出现边缘云服务器负载过高，无法在同一时间计算完所有的卸载数据，还会产生多设备同时计算卸载传输效率低等问题。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5G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，以及多用户在5G非正交多址接入(NOMA)和串行干扰删除(SIC)技术下合理卸载，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，工作模式可以在本设备中计算，也可以把计算任务卸载给基站的边缘云服务器。如何合理分配基站给无线传感器设备的供电时间、无线传感器设备的任务数据中本地计算和卸载的比例、有限边缘云计算资源等，使每个无线设备完成一定量的任务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5G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：基站首先切换到射频能量传输的工作模式，在αT时间内给周围的无线传感器设备广播传输能量，其中α是一个比例，表示无线设备能量捕获时间占整个周期的比例，T为整个时间周期，基站广播能量传输功率为

步骤2：基站切换到数据接收模式，等待接收无线传感器设备的卸载数据，边缘云服务器准备数据计算；

步骤3：无线传感器设备切换到能量捕获模式，在αT时间内捕获基站传输的能量，并存储在自身的电池中，求得总捕获的能量E_i；