本發(fā)明涉及一種基于無(wú)線能量和信息傳輸下的云邊協(xié)同卸載策略的優(yōu)化方法和系統(tǒng)，屬于無(wú)線能量與信息同步傳輸。

背景技術(shù)：

1、隨著油田數(shù)智化建設(shè)的不斷推進(jìn)，為了確保油氣田設(shè)備的正常運(yùn)行和生產(chǎn)安全，需要部署大量無(wú)人巡檢設(shè)備對(duì)油田現(xiàn)場(chǎng)進(jìn)行定期巡檢和維護(hù)。鑒于油田地域廣袤且環(huán)境復(fù)雜多變，穩(wěn)定的能源供應(yīng)和信息傳輸成為關(guān)鍵需求。無(wú)線能量與信息同步傳輸技術(shù)能夠在傳輸電能的同時(shí)完成信息傳輸，具有提高能源利用效率、簡(jiǎn)化系統(tǒng)結(jié)構(gòu)和增強(qiáng)通信安全性等顯著優(yōu)點(diǎn)，因而成為當(dāng)前研究的熱點(diǎn)。

2、傳統(tǒng)的云計(jì)算和邊緣計(jì)算已不足以滿足多場(chǎng)景業(yè)務(wù)的需求，云邊協(xié)同通過(guò)實(shí)現(xiàn)邊緣計(jì)算與云計(jì)算的協(xié)同聯(lián)動(dòng)，共同處理數(shù)據(jù)，能夠滿足多場(chǎng)景業(yè)務(wù)的需求，尤其是在智能巡檢設(shè)備領(lǐng)域。鑒于巡檢機(jī)器人需要在油田環(huán)境中長(zhǎng)時(shí)間執(zhí)行任務(wù)，通過(guò)無(wú)線充電設(shè)備基于能量和信息同步傳輸技術(shù)實(shí)現(xiàn)邊緣端至云端的數(shù)據(jù)傳輸，因此如何有效提高無(wú)線能量與信息傳輸?shù)臄?shù)據(jù)傳輸信道容量，以及如何優(yōu)化卸載策略，對(duì)于保證系統(tǒng)成本、降低系統(tǒng)整體時(shí)延和能耗具有重要意義。

3、現(xiàn)有技術(shù)中通過(guò)合理設(shè)計(jì)電路結(jié)構(gòu)以減少能量傳輸對(duì)數(shù)據(jù)傳輸信道的干擾可以有效提高數(shù)據(jù)信道容量，保證數(shù)據(jù)的傳輸速率。發(fā)明專(zhuān)利cn115626282a“非接觸式模塊化多旋翼無(wú)人機(jī)系統(tǒng)”提出非接觸能量信息傳輸系統(tǒng)用于實(shí)現(xiàn)無(wú)人機(jī)平臺(tái)與任務(wù)載荷之間的電源能量傳遞和信息交互管理。該方案并未對(duì)通信模型或具體的電路設(shè)計(jì)進(jìn)行深入探討。發(fā)明專(zhuān)利cn108512315a“基于雙邊lcc結(jié)構(gòu)的注入式無(wú)線能量與信息同步傳輸電路”提出了一種注入式無(wú)線能量與信息同步傳輸電路，利用阻波電路實(shí)現(xiàn)能量信號(hào)相互隔離，同時(shí)增加了系統(tǒng)的設(shè)計(jì)成本和復(fù)雜度。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)上述問(wèn)題，本發(fā)明的目的是提供一種基于無(wú)線能量和信息傳輸下的云邊協(xié)同卸載策略的優(yōu)化方法和系統(tǒng)，其降低了系統(tǒng)整體時(shí)延，保證了云邊協(xié)同系統(tǒng)的整體系統(tǒng)成本，邊緣計(jì)算能夠在巡檢設(shè)備附近提供計(jì)算能力，從而以更短的傳輸延遲提供更優(yōu)質(zhì)的計(jì)算服務(wù)。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提出了以下技術(shù)方案：一種云邊協(xié)同卸載策略的優(yōu)化方法，包括以下步驟：云邊協(xié)同卸載系統(tǒng)包括：用戶端、mec邊緣服務(wù)器和mcc云服務(wù)器；所述用戶端的信號(hào)發(fā)射端向接收端、所述mec邊緣服務(wù)器和mcc云服務(wù)器傳輸數(shù)據(jù)傳輸載波；將所述數(shù)據(jù)傳輸載波分解為若干正交子載波；在滿足oos要求和發(fā)射功率限制條件下，根據(jù)所述正交子載波建立信息傳輸信道模型，使所述信息傳輸信道模型的目標(biāo)函數(shù)最大化；通過(guò)經(jīng)過(guò)優(yōu)化的所述信息傳輸信號(hào)模型，生成所述數(shù)據(jù)傳輸子載波的功率分配策略和傳輸分配方法；經(jīng)過(guò)數(shù)據(jù)傳輸信號(hào)容量最大化后，對(duì)所述云邊協(xié)同卸載系統(tǒng)的卸載策略進(jìn)行優(yōu)化，在滿足oos要求和發(fā)射功率限制條件下，建立云邊協(xié)同計(jì)算卸載模型，使所述云邊協(xié)同計(jì)算卸載模型的目標(biāo)函數(shù)最小化，對(duì)邊緣服務(wù)器卸載策略、云服務(wù)器卸載策略以及傳輸功率策略進(jìn)行聯(lián)合優(yōu)化，生成最終的云邊協(xié)同卸載策略。

3、進(jìn)一步，所述數(shù)據(jù)傳輸載波的傳輸狀態(tài)通過(guò)子載波是否進(jìn)行數(shù)據(jù)傳輸以及子載波進(jìn)行功率傳輸時(shí)分配的傳輸功率值；在無(wú)線能量和信息同步傳輸接收端接收信息的總比特?cái)?shù)為：

4、

5、其中，u(p,s)為總比特?cái)?shù)，i為第i個(gè)子載波，si表示子載波i是否進(jìn)行數(shù)據(jù)的傳輸；gdp(ω)為數(shù)據(jù)傳輸?shù)膫鬏斣鲆?；gpf為能量噪聲增益；w為信道帶寬；為數(shù)據(jù)傳輸?shù)墓β史峙洳呗?，pi是第i個(gè)子載波的功率；pf是第f個(gè)子載波的功率；nf是子載波數(shù)目。

6、進(jìn)一步，所述si＝1時(shí)，所述子載波i進(jìn)行數(shù)據(jù)傳輸，當(dāng)si＝0時(shí)，所述子載波i不用來(lái)進(jìn)行數(shù)據(jù)傳輸。

7、進(jìn)一步，所述oos要求為：

8、

9、其中，ci是信道容量，rmin是數(shù)據(jù)傳輸?shù)淖钚鬏斔俾手担琾min是數(shù)據(jù)傳輸信道能夠成功傳輸信號(hào)的最小功率值，pmax是無(wú)線能量和信息同步傳輸時(shí)的電池容量限制值。

10、進(jìn)一步，生成所述數(shù)據(jù)傳輸子載波的功率分配策略和傳輸分配方法為：給定功率分配策略，從而將優(yōu)化問(wèn)題轉(zhuǎn)化為子載波分配策略問(wèn)題，從而對(duì)子載波進(jìn)行分配；通過(guò)子載波的分配結(jié)果，采用對(duì)偶法求得功率分配子問(wèn)題的最優(yōu)方案；通過(guò)交替迭代法對(duì)子載波分配和功率分配的優(yōu)化結(jié)果進(jìn)行交替迭代優(yōu)化，若本次的優(yōu)化結(jié)果與上次的優(yōu)化結(jié)果之差小于預(yù)設(shè)閾值或者迭代次數(shù)大于預(yù)設(shè)的最大迭代次數(shù)時(shí)，停止迭代，從而求得目標(biāo)函數(shù)的最優(yōu)解。

11、進(jìn)一步，所述云邊協(xié)同計(jì)算卸載模型為云邊協(xié)同卸載系統(tǒng)成本最小化模型，所述云邊協(xié)同卸載系統(tǒng)成本為任務(wù)處理所產(chǎn)生的能耗和時(shí)延的加權(quán)和，通過(guò)權(quán)值因子將能耗和時(shí)延相加，其中權(quán)值因子屬于(0,1)。

12、進(jìn)一步，所述云邊協(xié)同卸載系統(tǒng)的執(zhí)行方式包括：用戶端本地執(zhí)行、卸載到mec邊緣服務(wù)器以及卸載到mcc云服務(wù)器。

13、進(jìn)一步，當(dāng)任務(wù)在用戶端本地執(zhí)行時(shí)，其計(jì)算時(shí)延和能耗由本地的計(jì)算能力和計(jì)算功率決定，當(dāng)任務(wù)在本地第i個(gè)設(shè)備執(zhí)行任務(wù)時(shí)，執(zhí)行時(shí)延和執(zhí)行能耗表示為：

14、

15、其中，ci為任務(wù)處理所需要的中央處理器cpu周期，是設(shè)備的cpu計(jì)算頻率，為本地的計(jì)算功率；當(dāng)任務(wù)卸載到mec邊緣服務(wù)器時(shí)，將若干個(gè)正在充電的設(shè)備作為邊緣服務(wù)器，各個(gè)設(shè)備選擇其通信范圍內(nèi)的邊緣服務(wù)器卸載任務(wù)，假設(shè)所有的設(shè)備都配備了單個(gè)天線，設(shè)備只能同時(shí)向一個(gè)邊緣服務(wù)器進(jìn)行任務(wù)的卸載；假設(shè)第i個(gè)設(shè)備將需要處理的任務(wù)一部分卸載至邊緣服務(wù)器時(shí)，執(zhí)行時(shí)延和執(zhí)行能耗由任務(wù)的傳輸和計(jì)算產(chǎn)生，執(zhí)行時(shí)延和執(zhí)行能耗表示為：

16、

17、其中，si表示任務(wù)數(shù)據(jù)的大小，um是邊緣服務(wù)器的cpu頻率，ri是上行傳輸速率，是第i個(gè)設(shè)備的傳輸功率，pm是mec服務(wù)器的計(jì)算功率；當(dāng)任務(wù)卸載至云服務(wù)器mcc時(shí)，將正在充電的設(shè)備作為邊緣服務(wù)器，任務(wù)通過(guò)swtpi系統(tǒng)的數(shù)據(jù)傳輸信道由邊緣服務(wù)器傳輸至云服務(wù)器，假設(shè)第i個(gè)設(shè)備卸載任務(wù)至mec時(shí)部分卸載mcc，那么執(zhí)行時(shí)延和執(zhí)行能耗由設(shè)備至mec和mec至mec傳輸以及云服務(wù)器計(jì)算時(shí)延產(chǎn)生，所述執(zhí)行時(shí)延和執(zhí)行能耗表示為：

18、

19、其中，ci是swtpi的最大數(shù)據(jù)傳輸率，uc是云服務(wù)器的cpu頻率，ptrm是邊緣服務(wù)器的傳輸功率，pc是云服務(wù)器的計(jì)算功率。

20、進(jìn)一步，對(duì)邊緣服務(wù)器卸載策略、云服務(wù)器卸載策略以及傳輸功率策略進(jìn)行聯(lián)合優(yōu)化的方法為：獲得任務(wù)卸載功率p、卸載到邊緣服務(wù)器的策略x和卸載到云服務(wù)器的策略y；給定y和p，將優(yōu)化問(wèn)題轉(zhuǎn)換為線性規(guī)劃子問(wèn)題，獲得經(jīng)過(guò)優(yōu)化的卸載策略；給定x和p，將優(yōu)化問(wèn)題轉(zhuǎn)換為線性規(guī)劃子問(wèn)題，獲得經(jīng)過(guò)優(yōu)化的卸載策略；給定x和y，通過(guò)對(duì)偶法和次梯度法來(lái)獲取最優(yōu)傳輸功率分配，通過(guò)交替迭代法對(duì)這三個(gè)子問(wèn)題就行交替迭代優(yōu)化，若本次的優(yōu)化結(jié)果與上次的優(yōu)化結(jié)果之差小于預(yù)設(shè)閾值或者迭代次數(shù)大于預(yù)設(shè)的最大迭代次數(shù)時(shí)，停止迭代，從而求得目標(biāo)函數(shù)的最優(yōu)解；其中，子載波的初始化信道容量o(x,y,p)為：

21、

22、其中，n為任務(wù)工作量，α和(1-α)分別為能耗和延遲的權(quán)重系數(shù)，xi是卸載到第i個(gè)邊緣服務(wù)器的策略，yi是卸載到第i個(gè)云服務(wù)器的策略。

23、本發(fā)明還公開(kāi)了一種云邊協(xié)同卸載策略的優(yōu)化系統(tǒng)，云邊協(xié)同卸載系統(tǒng)包括：用戶端、mec邊緣服務(wù)器和mcc云服務(wù)器；發(fā)送模塊，用于在用戶端的信號(hào)發(fā)射端向接收端、所述mec邊緣服務(wù)器和mcc云服務(wù)器傳輸數(shù)據(jù)傳輸載波；載波分解模塊，用于將所述數(shù)據(jù)傳輸載波分解為若干正交子載波；信道最大化模塊，用于在滿足oos要求和發(fā)射功率限制條件下，根據(jù)所述正交子載波建立信息傳輸信道模型，使所述信息傳輸信道模型的目標(biāo)函數(shù)最大化；通過(guò)經(jīng)過(guò)優(yōu)化的所述信息傳輸信號(hào)模型，生成所述數(shù)據(jù)傳輸子載波的功率分配策略和傳輸分配方法；云邊協(xié)同卸載策略生成模塊，用于在經(jīng)過(guò)數(shù)據(jù)傳輸信號(hào)容量最大化后，對(duì)所述云邊協(xié)同卸載系統(tǒng)的卸載策略進(jìn)行優(yōu)化，在滿足oos要求和發(fā)射功率限制條件下，建立云邊協(xié)同計(jì)算卸載模型，使所述云邊協(xié)同計(jì)算卸載模型的目標(biāo)函數(shù)最小化，對(duì)邊緣服務(wù)器卸載策略、云服務(wù)器卸載策略以及傳輸功率策略進(jìn)行聯(lián)合優(yōu)化，生成最終的云邊協(xié)同卸載策略。

24、本發(fā)明的技術(shù)方案至少具有如下技術(shù)效果或優(yōu)點(diǎn)：

25、1、本發(fā)明中方案降低了系統(tǒng)整體時(shí)延，保證了云邊協(xié)同系統(tǒng)的整體系統(tǒng)成本，邊緣計(jì)算能夠在巡檢設(shè)備附近提供計(jì)算能力，從而以更短的傳輸延遲提供更優(yōu)質(zhì)的計(jì)算服務(wù)。

26、2、本發(fā)明提高了資源利用率。本發(fā)明利用充電中的巡檢設(shè)備作為邊緣服務(wù)器并考慮了最大化能量和信息同步無(wú)線傳輸(swtpi)信道容量的策略來(lái)減少系統(tǒng)延遲。以可用服務(wù)器的設(shè)備資源和最大延遲為約束條件，構(gòu)建了一個(gè)最小化系統(tǒng)延遲和能耗的加權(quán)和的計(jì)算卸載架構(gòu)，將問(wèn)題形式化描述為多變量非凸優(yōu)化問(wèn)題，并基于連續(xù)凸逼近和交替迭代的迭代算法來(lái)解決該問(wèn)題。其與僅使用移動(dòng)邊緣計(jì)算(mec)系統(tǒng)相比，系統(tǒng)成本降低了約30％，顯著提升了系統(tǒng)性能。