[发明专利]一种基于5G毫米波通信的高速公路车联网任务卸载算法

权利要求书

1.一种基于5G毫米波通信的高速公路车联网任务卸载算法，其特征在于：

该算法包括以下步骤：

S1：建立5G毫米波高速公路车联网系统模型；在高速公路一侧按照一定的间隔部署5G毫米波微基站，5G毫米波微基站通过光纤连接到核心网，车辆通过V2I技术与5G毫米波微基站通信，并且多个5G微基站构成一个簇，共享一个MEC服务器；同时考虑到单个MEC服务器计算资源有限，将计算任务通过光纤卸载至相距一跳至两跳范围内的邻居MEC服务器进行协同计算，邻居MEC服务器集合为M＝{1,2,...,m}，用N＝{1,2,...,n}表示簇内车辆的集合；假设车辆n产生的计算任务数据量为s_n，任务可以在本地进行处理，也可以卸载到多个MEC上进行处理，定义λ_n＝[λ₀,λ₁,...,λ_m]为任务的卸载比例向量，λ₀表示在车辆本地处理的比例，λ_i表示卸载到MEC服务器i上处理的比例；

S2：根据通信及计算模型，建立资源块分配和卸载向量联合优化问题；簇内5G毫米波基站的集合为S＝{1,2,...,s}，簇内资源块记为k∈K，每个资源块的带宽为ω₀，假设簇内所有的5G毫米波基站共用这K个资源块服务其覆盖范围内的车辆；

在60GHz的毫米波环境下，车辆n与基站i在资源块k上的信道增益为：

其中，δ_i,j表示车辆n与基站i之间的损失指数，d_i,j为车辆n与基站i之间的欧式距离，此外，15d_i,j/1000表示60GHz的毫米波信号在大气中的衰减损耗；

因此，车辆n使用资源块k与基站i进行通信时，基站的信干噪比为

其中，p_n表示车辆n的最大发射功率，表示资源块k的高斯白噪声功率，表示来自其他基站和车辆的干扰，φ表示当前簇内的车辆与相邻簇内车辆的集合，表示当前簇内的基站与相邻簇内基站的集合，I₀表示来自卫星通信的干扰；

S3：将原联合优化问题解耦为资源块分配子问题和卸载决策子问题分别进行求解；由于车辆本身拥有一定的计算资源，车辆产生的计算任务可以在本地进行处理，也可以卸载至MEC服务器进行处理，将车载任务分成若干个子任务，由车辆及MEC服务器进行协同处理，以减少任务处理时延；

包括以下步骤：

S31：本地计算模型

在车辆本地处理数据量为λ₀s_n的子任务所需要的计算时延为

其中，C_n表示车辆每处理1bit数据所需要的CPU周期数，f_n表示车辆的计算资源；

S32：MEC服务器计算模型

MEC_i服务器处理数据量为λ_is_n的子任务所需的计算时延为

其中，表示MEC服务器i每处理1bit数据所需要的CPU周期数，表示MEC服务器i分配给车辆n的计算资源；

S4：基于注水算法对资源块分配子问题进行求解，包括以下步骤：

S41：车辆最小数据传输速率计算；

首先对每个车辆用户的任务卸载比例向量进行初始化，即λ_i＝1/(m+1)，得到卸载比例向量后，可通过约束条件计算求出车辆的最小数据传输速率其中d表示规定的距离，v_n表示车辆的平均速度，表示MEC服务器i每处理1bit数据所需要的CPU周期数，表示MEC服务器i分配给车辆n的计算资源；

S42：基于注水算法的资源块分配：

假设车辆用户的接入是已知，因此簇内基站使用注水算法对其服务的用户进行第一阶段的资源块分配；在第一阶段资源块分配完成后，计算所有用户的数据传输速率，对那些数据传输速率未达到要求的用户进行第二阶段的子信道分配，直至每个车辆用户的数据传输速率都满足要求；若第二阶段结束后仍有资源块剩余，则将车辆用户按数据传输速率的升序排列，依次给数据传输速率较小的车辆用户分配SINR值最大的资源块，直至所有的资源块被分配完成，以保证用户间的公平性；

S5：基于粒子群算法对卸载决策子问题进行求解，包括以下步骤：

S51：初始化产生L个粒子：

假设车辆用户可卸载的MEC服务器的数量为M，即搜索空间维度为M+1，初始化产生L个粒子：W^(l)＝(λ₀,λ₁,...,λ_m)；

S52：更新粒子的速度和位置：

粒子的速度和位置按下式进行更新：

S53：更新学习因子c₁：

通过在迭代求解的过程中，动态非线性地增大c₁使粒子的学习能力不断增强以解决过早收敛的问题；

学习因子c1按下式进行更新：其中c_1min为c1的最小值，c_1max为c₁的最大值，t为当前迭代次数，T为设置的最大迭代次数；

S6：通过迭代求解资源块分配子问题和卸载决策子问题得到最优的资源块分配方案及卸载决策向量。

2.根据权利要求1所述的一种基于5G毫米波通信的高速公路车联网任务卸载算法，其特征在于：所述S6步骤还包括以下步骤：资源块和卸载比例向量联合优化算法：基于注水算法的资源块分配算法在固定卸载比例向量后基于注水算法得到了最优的资源块分配策略，基于粒子群优化的卸载比例向量算法通过资源块分配算法的结果使用粒子群算法求得最优的卸载比例向量。