[发明专利]一种超密集网络中基于混合接入方式的动态边缘计算卸载方法

说明书

本发明属于移动通信技术领域，具体涉及一种超密集网络中基于混合接入方式的动态边缘计算卸载方法，该方法包括：构建多用户超密集网络；用户设备产生计算任务，并向宏基站发送任务请求；宏基站构建任务模型，并获取当前网络的状态信息；根据当前网络的状态信息执行不同的任务传输方式；将当前网络的状态信息输入到训练好的神经网络中，得到卸载决策以及资源分配方案；宏基站将决策方案发送到各个用户，将资源分配方案发送给微基站；用户根据决策方案进行任务卸载，微基站根据资源分配方案进行资源分配；发明采用目标较为先进的双延时确定性策略梯度算法来求解优化问题，提高了模型的训练效率。

技术领域

本发明属于移动通信技术领域，具体涉及一种超密集网络中基于混合接入方式的动态边缘计算卸载方法。

背景技术

随着无线通信技术的快速发展和智能设备的广泛普及，近年来移动应用迎来爆炸式增长，比如人脸识别，在线移动游戏，虚拟现实(Virtual Reality,VR) 和增强现实(Augmented Reality,AR)。其中大部分都是计算密集型或者延迟敏感型应用，然而移动设备(如智能手机，可穿戴设备)的计算能力和电池电量通常都是有限的。应用和资源受限设备之间的关系对提高用户计算体验提出了巨大的挑战。

移动边缘计算(Mobile Edge Computing,MEC)将计算服务器从云中心下沉到网络边缘，用户设备和服务器之间的距离大大缩短，用户可以利用计算卸载技术将任务卸载到边缘服务器进行计算来满足密集计算的需求。另外5G架构下的超密集网络(Ultra-DenseNetwork,UDN)是一种多基站协作服务的异构网络方案，通过在热点地区部署大量微基站和宏基站来改善网络的整体性能。非正交多址(Nonorthogonal Multiple Access,NOMA)是一种无线接入技术，它支持在付出更多能力的情况下，多个用户共用相同信道进行信息传输。提高了网络的吞吐率和网络容量。因此，与MEC和NOMA集成的UDN被视为5G应用中的一种可靠的技术。然而，由于密集部署的微基站和MEC服务器导致多个用户会处在多个微基站的覆盖范围内，并且不同的基站具有不同的计算能力，不同信道也应该进行合理分配，如何为用户进行卸载决策以及资源分配是一项挑战。

现有的资源分配方法包括一种学习辅助的平均场博弈方法，该方法在超密集网络NOMA-MEC系统中，对基站群进行分簇，每一簇使用NOMA进行信息传输。物联网移动边缘计算中的动态请求调度优化，该方法将联合请求卸载和资源调度问题建模为一个混合整数非线性规划，并考虑用户移动性以最小化请求的响应延迟。

上述方法中都是在动态的MEC系统中，有的还考虑到了用户的移动性，然而这些工作场景中用户只是在卸载期间进行简单的位置变化，对卸载的影响只是信道状态发生的变化，没有考虑到用户的移动带来的用户数量的变化。而在某些人流量变化较大的地区，固定的基站部署在人流量激增时无法满足每个用户的传输和计算需求。此时传统的传输方式无法满足该需求。因此，如何在超密集网络中，人流量变化较大的地区设计卸载方案以满足用户的计算需求具有重要的研究价值。

发明内容

为解决以上现有技术存在的问题，本发明提出了一种超密集网络中基于混合接入方式的动态边缘计算卸载方法，该方法包括：

构建多用户超密集网络，并对网络初始化；

用户设备产生计算任务，并向宏基站发送任务请求；

宏基站接收当前系统中的任务请求，并根据任务请求构建任务模型；

宏基站获取当前网络的状态信息，该信息包括任务模型、基站服务器的计算资源、基站信道状态以及基站与用户之间的信道信息；

宏基站的控制器根据当前网络的状态信息判断网络是否达到OMA传输方式的最大值，若达到最大值，则其他用户采用NOMA传输方式进行任务传输，未达到最大值，则采用OMA传输方式传输任务；

基站控制器将当前网络的状态信息输入到训练好的神经网络中，得到卸载决策以及资源分配方案；