买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京邮电大学

摘要：本发明公开了一种SWIPT辅助NOMA‑MEC系统资源分配建模方法，针对智能家居、智慧城市等新型应用场景，考虑智能终端设备的服务质量要求、终端设备的最大发射功率以及可用能量的有限性，提出以最大化系统中卸载任务总数为目标，联合优化发射功率和时间切换系数的问题；为了解决所建模的含多个变量的混合整数规划问题，将问题分解为两个子问题：在给定时间切换系数时的功率分配问题以及时间切换系数的优化问题；利用连续凸逼近、拉格朗日乘子法、梯度下降法构建迭代的功率分配算法；构建基于遗传算法的资源分配算法，联合优化发射功率和时间切换系数，从而获得智能终端设备的能量收集和数据卸载联合资源分配模型，保证SWIPT辅助NOMA‑MEC系统中能量资源的高效利用。

主权项：1.一种SWIPT辅助NOMA-MEC系统资源分配建模方法，其特征在于，所述的SWIPT辅助NOMA-MEC系统由一个AP、K个智能终端设备和一个MEC服务器组成，其中，智能终端设备选择将计算密集型、时延敏感型且不可分割的任务卸载到MEC服务器，每个设备都采用解码转发的模式，并使用基于时隙切换的SWIPT技术接收来自AP的能量和控制信息，系统以时隙方式工作且信道是准静态的，即信道系数在每个时隙内保持不变，将信道建模为瑞利衰落信道，信道响应服从独立的复高斯分布，每个时隙分为三个阶段：第一阶段为AP到设备的能量传输，第二阶段进行信息解码，第三个阶段将卸载任务到MEC服务器，设备在αkT的持续时间内进行信息解码，在βkT的时间内向MEC服务器卸载任务，其中0＜βk＜1，T表示每个时隙的持续时间，时隙T归一化为1；在能量收集阶段，每个设备在1-αk-βkT的时间内从AP收集能量，设AP的发射功率为Ps，则设备k收集的能量表示为： 其中0＜η＜1表示设备的能量转换效率，hs,k表示设备k与AP间的信道增益；在信息解码阶段，AP将控制消息传递给每个设备，使用时分多址协议处理计算和卸载任务，设备将收集能量的一部分用于信息解码，设备k的数据速率表示为： 其中，N0表示设备处的加性白高斯噪声；每个设备在信息解码阶段的能耗表示为： 其中，ε是基于能量收集解码器的常数；在信息解码阶段后，终端设备使用收集的能量将任务卸载到MEC服务器，假设信道带宽为单位带宽，且每个设备的信道增益满足h1≥…≥hk≥…≥hK，其中hk表示设备k与MEC服务器间的信道增益；首先对信道增益较高的设备进行解码，并将信道增益较低的设备发送的信号作为干扰，设备k卸载计算任务的可达传输速率为： 其中，pk表示设备k的发射功率；在任务卸载时采用TDMA协议，每个设备使用相同的卸载时间，即每个设备在的时间内将任务卸载至MEC服务器，每个设备的卸载过程的能耗为： Lk＝tkRk6其中，Lk是在tk时间内设备k卸载的比特数；方法包括以下步骤：S1、考虑智能终端设备的服务质量要求、终端设备的最大发射功率以及可用能量的有限性，提出以最大化系统中卸载任务总数为目标，联合优化发射功率和时间切换系数的问题；优化问题表示如下： 其中，约束7b表示每个设备最小传输速率的服务质量要求，约束7c确保每个设备在解码信息和卸载任务所消耗的能量不超过其所收集的能量，约束7d保证每个设备卸载任务时的发射功率不超过最大发射功率，7e给出了时间切换系数的可行性约束条件；S2、为了解决所建模的含多个变量的混合整数规划问题，将问题分解为两个子问题：在给定时间切换系数时的功率分配问题以及时间切换系数的优化问题；针对在给定时间切换系数时的功率分配问题，通过建立数学模型来求解每个设备的最优发射功率，具体方法如下：在假设设备k的时间切换系数已知的条件下，传输功率pk的计算公式为： 应用连续凸逼近方法，将基于信噪比的速率函数表示为： 其中参数的初始值对应于系统参数的初始化；公式8简化为： 使用拉格朗日乘子法来求解优化问题，拉格朗日函数的定义如下： 其中λk，μk和θk是拉格朗日乘子，且满足λk≥0，μk≥0和θk≥0；基于拉格朗日对偶方法将公式9转化为： 公式9分解为两层优化问题，内层问题为最大化拉格朗日函数值，外层问题为最小化对偶间隙，根据KKT条件，得到最优的发射功率： 其中[x]+＝max{0,x}；在外层循环中根据梯度下降原理更新拉格朗日乘子： θkl+1＝[θkl+s3lpmax-pk]+,15其中l为迭代次数，s1l，s2l和s3l为正的迭代步长；S3、利用连续凸逼近、拉格朗日乘子法、梯度下降法构建迭代的功率分配算法；迭代的功率分配算法具体如下：初始化时间切换系数αk、βk，定义迭代精度Δ，初始化拉格朗日因子λ0，μ0和θ0，初始化梯度下降法的迭代步长s10,s20和s30，定义l＝1，k＝1；循环1k：计算每一个终端设备的发射功率；循环2l：更新拉格朗日因子；将时间切换系数αk、βk，拉格朗日因子λk，μk和θk带入式子12求得最优的发射功率利用式子131415更新拉格朗日因子；l＝l+1；直到|Fkl+1-Fkl|＜Δ，其中Fkl＝[λkl,μkl,θkl]T，则拉格朗日因子收敛，结束循环2；当k＝K时，结束循环1；利用式子6计算当设备的发射功率最优时系统的卸载任务总数；S4、构建基于遗传算法的资源分配算法，联合优化发射功率和时间切换系数，从而获得智能终端设备的能量收集和数据卸载联合资源分配模型。

全文数据：

权利要求：

百度查询： 北京邮电大学 SWIPT辅助NOMA-MEC系统资源分配建模方法