技术特征：
1.一种5g边缘计算环境下终端能耗感知的任务卸载方法，其特征在于，所述方法包括：步骤一、建立全双工自回程异构蜂窝终端总能耗优化模型，所述总能耗优化模型包括第一目标函数和第一约束条件，所述第一目标函数为：所述第一约束条件为：所述第一约束条件为：所述第一约束条件为：所述第一约束条件为：所述第一约束条件为：所述第一约束条件为：所述第一约束条件为：所述第一约束条件为：其中x
m,j
、t
m,j
和p
m
是优化变量，x
m,j
表示终端m是否选择小蜂窝j进行计算任务卸载，t
m,j
表示终端m到小蜂窝j的传输时长，p
m
表示终端m的发送功率；m表示网络中的终端集合，j表示网络中的小蜂窝集合；c
m
表示终端m在本地进行任务计算的单位比特能耗，d
m
表示终端m的计算任务数据量；p
max
表示终端发送功率上限；r
m,j
表示终端m到小蜂窝j的链路可达速率，展开表示为：其中，b表示异构蜂窝的传输频谱带宽，h
m,j
表示终端m到小蜂窝j的信道增益，n0表示系统背景噪声功率，ξ表示多用户干扰，θ表示干扰抵消因子，p
j
表示小蜂窝j的发送功率；r
j
表示小蜂窝j到宏蜂窝的链路可达速率，展开表示为：其中，h
j
表示小蜂窝j到宏蜂窝的信道增益，δ表示相邻小蜂窝干扰；步骤二、计算终端功率耦合约束(1-g)的边界条件：
其中，表示耦合判决门限；表示与小蜂窝j连接的所有终端中最大的信道增益；利用将场景划分为终端功率耦合和终端功率不耦合两种情况：当时，与小蜂窝j连接的所有终端功率不耦合；当时，与小蜂窝j连接的所有终端功率耦合；步骤三、针对终端功率不耦合场景，对所述总能耗优化模型进行简化，然后利用最优性条件求解最优的终端功率、终端连接关系以及终端传输时长，获得第一优化结果；步骤四、针对终端功率耦合场景，利用步骤三的优化结果，对所述总能耗优化模型重新建模并求解，获得第二优化结果，然后根据该第二优化结果对步骤三的第一优化结果进行修正，输出最终优化结果。2.根据权利要求1所述的方法，其特征在于，在步骤三中，所述利用最优性条件求解最优的终端功率、终端连接关系以及终端传输时长，获得第一优化结果的具体步骤如下：3-1)、假设x
m,j
和t
m,j
给定，将第一目标函数化简为针对每个终端m的独立优化问题，获得第二目标函数和第二约束条件，所述第二目标函数为：所述第二约束条件为：0≤p
m
≤p
max
ꢀꢀꢀꢀꢀꢀ
(2-a)其中，f
m
(p
m
)表示第二目标函数；3-2)、针对第二目标函数f
m
(p
m
)求导，令得到然后带入公式(2)，将f
m
(p
m
)转化成关于h
m,j
的函数f
m
(h
m,j
)，表示为：3-3)、利用公式(3)对h
m,j
求导，令得到极大值点然后进行以下步骤：a1)对于终端m，利用极大值点将所有h
m,j
进行归类，当将小蜂窝j归入集合φ
m1
，当将小蜂窝j归入集合φ
m2
；b1)对于集合φ
m1
，令j1表示其中最小元素所对应的小蜂窝序号j；对于集合φ
m2
，令j2表示其中最大元素所对应的小蜂窝序号j；c1)根据序号j1将信道增益h
m,j1
带入公式(3)计算得到函数值f
m
(h
m,j1
)，根据序号j2将信道增益h
m,j2
带入公式(3)计算得到函数值f
m
(h
m,j2
)，然后吗比较f
m
(h
m,j1
)和f
m
(h
m,j2
)的值，将其中的较小者对应的小蜂窝作为关联小蜂窝，将其序号记为j
′
，然后根据关联小蜂窝序号j
′
将终端m和小蜂窝j
′
的关联变量x
m,j
′
设置为x
m,j
′
＝1，将网络中除关联小蜂窝j
′
以外的所有其他小蜂窝作为非关联小蜂窝，非关联小蜂窝j与终端m的关联变量x
m,j
设置为x
m,j
＝0；3-4)、通过以下迭代求得存在可行解时终端m的功率上界a2)输入步骤3-3得到的关联小蜂窝序号j
′
，令迭代初始值迭代次数门限为t，t为迭代序号；
b2)检验t≤t是否成立，如果成立，令返回步骤b2，其中，表示第t次迭代得到的关于终端m的发送功率p
m
的迭代值，表示第t-1次迭代得到的关于终端m的发送功率p
m
的迭代值，h
m,j2
表示终端m到关联小蜂窝j
′
的信道增益，p
j'
表示关联小蜂窝j
′
的发送功率；如果不成立，迭代停止，转入步骤c1；c1)输出3-5)、令3-6)、根据得到的x
m,j
，令t
m,j
＝0,j∈{j|x
m,j
＝0}；3-7)、将得到的x
m,j
和p
m
带回第一目标函数并将其化简为第三目标函数和第三约束条件，所述第三目标函数为：所述第三约束条件为：所述第三约束条件为：所述第三约束条件为：3-8)、利用kkt条件(karush
–
kuhn
–
tucker conditions)求解第三目标函数，得到如下t
m,j
的赋值规则：最终输出第一优化结果中的t
m,j
，x
m,j
，p
m
。3.根据权利要求1所述的方法，其特征在于，在步骤四具体步骤如下：4-1)、利用步骤三的第一优化结果，对第一目标函数重新建模，获得第四目标函数和第四约束条件，所述第四目标函数为：第四约束条件为：第四约束条件为：其中，y
m
表示小蜂窝j是否选择终端m进行本地计算；4-2)、小蜂窝j通过以下迭代对y
m
赋值：
a3)初始化集合φ
m
＝{m|x
m,j
＝1,m∈m,初始化任务卸载备选终端集合ψ
m
＝φ
m
；b3)对于任意m∈φ
m
，令y
m
＝0；c3)检验是否满足，如果不满足，则迭代停止；如果满足，执行步骤d3；d3)在任务卸载备选终端集合ψ
m
中，找到使取最大值所对应的终端序号m，令y
m
＝1，ψ
m
＝ψ
m-{m}，然后返回执行步骤c3；4-3)、对于任意m∈φ
m
，检验y
m
＝1是否成立，如果成立，则令对应的x
m,j
＝0,t
m,j
＝0,p
m
＝0；然后将t
m,j
，x
m,j
，p
m
作为最终优化结果输出。
技术总结
本申请涉及一种5G边缘计算环境下终端能耗感知的任务卸载方法。该方法包括：建立全双工自回程异构蜂窝终端总能耗优化模型，计算终端功率耦合约束的边界条件，针对终端功率不耦合场景，对所述总能耗优化模型进行简化，然后利用最优性条件求解最优的终端功率、终端连接关系以及终端传输时长，获得第一优化结果，针对终端功率耦合场景，利用第一优化结果，对所述总能耗优化模型重新建模并求解，获得第二优化结果，然后根据该第二优化结果对第一优化结果进行修正，输出最终优化结果，利用终端功率耦合约束的边界条件对场景进行划分，从而实现解耦，大大降低了算法复杂度，提升了求解速度，从而高效降低终端能耗。从而高效降低终端能耗。从而高效降低终端能耗。
技术研发人员：成聿伦 张晶 赵海涛 夏文超 杨龙祥 朱洪波
受保护的技术使用者：南京邮电大学
技术研发日：2021.11.29
技术公布日：2022/3/25