一种基于联合上下行用户分簇的任务迁移方法

技术领域

本发明属于边缘计算领域，具体涉及一种基于联合上下行用户分簇的任务迁移算法。

背景技术

在过去的几年里，随着智能手机、掌上游戏机和车载多媒体电脑等移动设备的指数型增长，越来越多的新移动应用程序，如增强现实、图像处理、自然语言处理、人脸识别，以及互动游戏等，已经出现并逐渐占据相当高的使用比例。这些类型的移动应用程序通常计算需求密集、对延迟敏感，并且具有高能耗的特点。然而，由于物理尺寸的限制，移动设备通常配备低容量电池和有限的计算能力，并成为移动应用程序发展的瓶颈。

其中一个解决方案是让移动设备将密集的计算任务转移到远程云中心，该中心具有高计算能力和大存储容量。然而，现有的移动云计算面临着各种挑战，包括移动设备到远程云中心的传播距离长而导致的高延迟、低可扩展性，以及云中心的集中部署导致前端链路的高负担。云计算成本下降缓慢，复杂的网络环境使得网络延迟难以实现突破，其集中式计算能力的线性增长已无法与海量边缘数据的爆炸式增长相匹配。总之，将大规模的数据上传到云计算中心进行处理，耗时费力，导致数据处理不及时，失去利用的意义和价值，且数据处理的实时性和灵活性要求给传统的云计算模型带来了无法解决的挑战。在此应用背景下，边缘计算应运而生。

随着未来移动网络B5G/6G向智能化迈进，不同计算密集型和高能耗应用业务的涌现，使得移动终端将任务迁移到边缘服务器进行处理的边缘计算得到了广泛的应用。但由于物理尺寸的限制，移动设备通常在电池容量和计算能力方面受限，而边缘计算任务迁移过程中，大量的密集型计算任务将加速终端的能耗，缩短移动设备电池的使用周期。因此如何高能效地迁移任务、降低移动终端能耗，一直是边缘计算中的开放问题。在当前高能效边缘计算任务迁移研究工作中，现有研究多集中在厘米波或者毫米波的单场景下的任务迁移优化问题。而未来的网络将会是高速率毫米波和长距离厘米波混合应用的场景，是6G非常重要的候选技术之一。由以上可知，目前需解决的问题如下：

(1)传统边缘计算系统在厘米波或毫米波单场景下任务迁移时能效低的问题；

(2)上行厘米波和下行毫米波边缘计算系统中，上行厘米波MIMO用户配对和下行毫米波用户分簇分离而导致高实现复杂度、低能效的问题。

发明内容

为了克服上述现有技术的不足，本发明的目的是提供一种基于联合上下行用户分簇的任务迁移方法，涉及面对海量移动设备，进行灵活可扩展的用户分簇来实现对移动设备的管理，针对面向6G的无线边缘计算中，用户与基站需要上下行多次交互的任务迁移需求，其中包含下行毫米波上行厘米波的任务迁移方法以及基于下行毫米波用户分簇进行上行厘米波虚拟MIMO用户配对算法，根据毫米波大规模天线阵列NOMA系统的信道特征来设计初始化簇心选择和簇心更新方法,基于下行用户分簇结果，利用同簇用户信道相关性强，簇间干扰低的特点，提出了一种基于下行用户分簇的低复杂度的上行虚拟MIMO用户配对算法，最终实现联合上下行用户分簇的任务迁移。实验通过仿真模拟，证明了在边缘计算任务迁移时，在下行传输使用提出的改进的K-means算法进行用户聚簇结果，使用算法进行上行用户虚拟MIMO配对相较于其他传统方法具有更低的能量时延积，更低的能耗，可以有效优化边缘计算场景下移动终端任务迁移的能耗和时延。

为了实现上述目的，本发明采用的技术方案是：

一种基于联合上下行用户分簇的任务迁移方法，包括以下步骤：

1、基于联合上下行用户分簇的任务迁移算法，其特征在于，该基于联合上下行用户分簇的任务迁移算法方法包括以下步骤：

1)将具有不同信道增益的不同终端的多个接收天线分组成NOMA簇，每个集群中的所有用户接收天线都基于NOMA进行调度；

2)在进行初始化簇心选择时，遵循簇心信道增益最大化和簇心用户信道相似度最小化的原则。首先将用户按照信道增益进行排序，选择信道增益最大的用户作为第一个簇的簇心。之后设置一个阈值作为簇心之间信道相似度的最大值，一开始阈值的选择应该尽可能的小，以保证初始化簇心用户之间具有较低的信道干扰。接着将与第一个簇心之间信道相似度小于阈值的用户纳入候选簇心集合，并选择信道增益最大的用户作为新的簇心；

3)在进行K-means簇心更新时，聚类标准为用户信道方向角，将每个用户簇的簇心更新为与其他用户簇相关性最低的用户，用户与其他用户簇的相关性定义为该用户与其他集群用户的归一化信道相关性之和，即:

其中M

基于改进K-means的毫米波下行大规模天线阵列NOMA携能系统的用户分簇算法：

步骤一，计算K个用户的信道增益

步骤二，将用户信道按其信道增益倒序排列，信道增益集合为A＝{a

步骤三，当Ω非空时，将与已选簇心的信道相关性小于阈值δ的用户作为候选簇心，候选簇心集合

步骤四，当l＝L时，选出L个初始簇心用户集合H；

步骤五，比较每个用户与L个初始簇心用户之间的角度差，并将用户i纳入最小角度差的集群；

步骤六，第l个集群的簇心更新为：

步骤七，重复步骤五—步骤六，更新簇内成员，直到结果不再变化。

2、基于下行分簇的上行厘米波虚拟MIMO用户配对算法，其特征在于，该基于下行分簇的上行厘米波虚拟MIMO用户配对算法包括以下步骤：

1)上行多用户虚拟MIMO系统的配置由K个用户组成，每个用户有一个天线，通过平坦衰落信道发送到基站；

2)配对调度将K个用户与基站构建2×2虚拟MIMO无线信道。通过上行链路的空间复用实现时频资源共享，向基站发送信息；

3)下行改进的K-means算法得出的用户簇，在地理位置上具有群聚特征，不同簇用户相距较远，信道相关性低，正交性相对较高。因此，不同簇用户之间组成虚拟MIMO配对，可达到较高的上行系统容量，据此提出一种基于下行用户分簇的上行虚拟MIMO用户配对算法

基于下行用户分簇的上行虚拟MIMO用户配对算法：

步骤一，将下行改进的K-means算法聚类得出的L簇用户按其信道增益倒序排列，第l簇用户信道增益集合为

步骤二，在簇头集群H中，基站随机选择两个用户i、j进行配对；

步骤三，按照信道增益集合A

步骤四，重复步骤二和三，直到没有新的簇头配对产生；

步骤五，若有未配对的用户，则按照SIMO机制进行数据传输。

附图说明

图1为本发明下行多用户大规模天线阵列NOMA系统波束示意图；

图2为本发明上行虚拟MIMO用户配对场景；

图3为本发明能量消耗与用户数的关系；

图4为本发明能量消耗与任务迁移大小的关系；

具体实施方式

以下结合附图对本发明进一步叙述，但本发明不局限于以下实施例。

如图1所示，一种基于联合上下行用户分簇的任务迁移方法，包括以下步骤：

步骤1、构建一个双模基站和K个移动设备组成厘米波和毫米波的混合传输系统，在上行传输中采用厘米波传输，在下行传输中采用毫米波传输；

步骤2、上行任务迁移虚拟MIMO传输初始化,单天线用户终端对于本地不能执行的任务，采用虚拟MIMO上行将本地的任务迁移到+基站边缘服务器，其中对于初始的上行MIMO配对，采用随机配对的方法进行传输；

步骤3、基站边缘服务器对任务进行计算，并将结果通过大规模天线毫米波NOMA的下行传输回传到用户终端，下行设置混合预编码来减少所需要的射频链的数量，允许一个波束形成向量同时服务于多个用户，在进行K-means簇心更新时，聚类标准为用户信道方向角，将每个用户簇的簇心更新为与其他用户簇相关性最低的用户，用户与其他用户簇的相关性定义为该用户与其他集群用户的归一化信道相关性之和，即:

其中M

使用改进K-means对用户设备进行分簇，在簇内采用NOMA技术进行传输，同时利用无线携能传输对终端用户进行充电；即将下行大规模天线毫米波的用户进行分簇传输，在簇内进行NOMA技术进行传输，具体包括：

1)移动用户数为K，计算K个用户的信道增益a

2)下行信道向量h

3)将用户信道按其信道增益倒序排列，信道增益集合为A＝{a

4)初始化候选簇心集合

5)初始阈值δ,当Ω非空时，将与已选簇心的信道相关性小于阈值δ的用户作为候选簇心，候选簇心集合

6)当Ω为空时，将阈值按δ＝δ+(1-δ)/10增加，更新候选簇心集合，候选簇心集合

7)聚簇波束数为L,当l＜L时，重复步骤5)—步骤6)；

8)当l＝L时，选出L个初始簇心用户集合H；

9)比较每个用户与L个初始簇心用户之间的角度差，并将用户i纳入最小角度差的集群。

10)第l个集群的簇心更新为：

11)重复步骤9)—步骤10)，更新簇内成员，直到结果不再变化；

步骤4、用户终端收到下行返回的任务结果，需要再次任务迁移时，在下行的分簇结果中，在不同的簇内选择用户进行虚拟MIMO的配对，进行上行的任务迁移；

即将基于下行毫米波用户分簇进行上行厘米波虚拟MIMO用户配对算法，具体包括：

1)将下行改进的K-means算法聚类得出的L簇用户按其信道增益倒序排列，第l簇用户信道增益集合为

2)在簇头集群H中，基站随机选择两个用户i、j进行配对；

3)按照信道增益集合A

4)重复步骤2)-3)，直到没有新的配对产生；

步骤5、重复步骤2、3，直到用户终端确认任务执行完毕。

所述的基站配备毫米波和厘米波天线阵列。

所述的移动设备配备一根毫米波天线、一根厘米波天线和一个用于SWIPT技术的功率分流接收器。

实施例

基于联合上下行用户分簇的任务迁移算法：

移动用户设备在L个父点周围以R

在下行大规模天线阵列NOMA系统中，如图1所示，将具有不同信道增益的不同终端的多个接收天线分组成NOMA簇，每个集群中的所有用户接收天线都基于NOMA进行调度。

在下行毫米波大天线阵列NOMA系统中，基站配备N

其中，

其中

对于第l(l∈L)个波束中的第m(m∈M

其中，s

NOMA用户簇存在簇间干扰和簇内干扰。为了最小化网络干扰，从而最大化系统容量，将利用NOMA用户之间的信道增益差异和相关性设计“稳健的”毫米波大规模天线阵列NOMA用户分簇算法。令h

由于所考虑的毫米波大规模天线阵列NOMA系统使用单一波束与一个用户簇通信，集群中的用户应该具有强的信道相关性。在毫米波系统中，两个用户信道向量的余弦相似度被证明是确定两个用户信道相似性的有效度量，如下所示

该公式的推导步骤遵循费耶尔核定义，当输入参数增加时，费耶尔核很快收敛到零，这意味着两个用户信道向量的相似性可以用归一化方向来度量，如

由于毫米波NOMA系统中用户聚类的组合特性和功率分配的非凸性，采用机器学习方可快速定位全局最优解。另一方面，对于用户空间分布模型设计了一个适当的真实场景，其中用户彼此位于较近的位置，使用泊松簇过程将用户分布建模为高斯分布的混合模型，以形成真实的集群。人群按簇分布，存在质心，K-means算法在处理用户分布场景聚类时较为适用。传统毫米波NOMA用户聚类的K-means算法需要聚类的数量来运行算法，聚类结果依赖于初始簇中心的随机选择和簇心更新方法。由于用户数K大于射频链数N

在进行K-means簇心更新时，聚类标准为用户信道方向角，将每个用户簇的簇心更新为与其他用户簇相关性最低的用户，用户与其他用户簇的相关性定义为该用户与其他集群用户的归一化信道相关性之和，即:

当聚类结束后，得到用户聚簇集合M

基于下行分簇的上行厘米波虚拟MIMO用户配对算法：

虚拟MIMO技术通过合理的用户分组策略可以获得额外的多用户分集增益，达到上行链路吞吐量的大幅增加，如图2所示，用户配对方法是一个直接影响其性能的关键问题。在传统的上下行用户分簇分离的任务迁移系统中，虚拟MIMO配对算法在计算复杂度和系统性能上未能达到良好的平衡，导致系统复杂度高，能效低。

虚拟MlMO配对方法考虑了信道矩阵的正交性，即优先选择信道矩阵较正交的用户配对。在改进的K-means算法中将用户聚簇成信道相关性和地理位置高度相关的集群，不同簇之间的用户具有相对较低的簇间干扰和较高的信道正交性。

因此，提出一种低复杂度的上行虚拟MIMO用户配对策略。

上行多用户虚拟MIMO系统的配置由K个用户组成，每个用户有一个天线，通过平坦衰落信道发送到基站。配对调度将K个用户与基站构建2×2虚拟MIMO无线信道。通过上行链路的空间复用实现时频资源共享，向基站发送信息。本节所考虑的虚拟MIMO系统可以理解为具有两个发射天线和两个接收天线的点对点MIMO系统。信道矩阵可以描述为：

其中H

其中

其中，x为两对用户的发射信号向量，y为基站的接收信号向量。R

下行改进的K-means算法得出的用户簇，在地理位置上具有群聚特征，不同簇用户相距较远，信道相关性低，正交性相对较高。因此，不同簇用户之间组成虚拟MIMO配对，可达到较高的上行系统容量。

性能评估：

在此仿真中，我们通过使用MATLAB_2018进行仿真模拟。在进行用户位置建模时，考虑泊松集群过程来捕获基站和移动设备之间的空间相关性，移动用户设备在L个父点周围以R

表1仿真参数

将提出的算法与下面两种方法进行比较：

1)下行采用传统的K-means用户聚类算法，而上行用户未配对，采用厘米波多用户OFDM技术传输

2)上行厘米波用户随机配对，下行毫米波用户随机分簇。

图3显示了能量消耗与用户数的关系，其中传输任务B

图4显示了在用户数为8的情况下，所提出的联合上下行用户分簇算法的能耗和能量延迟积与传输任务大小的关系。由仿真结果可知，相较于典型的上下行用户分簇分离的任务迁移算法，本章对下行用户进行改进的K-means用户分簇，并基于下行用户分簇结果进行上行用户虚拟MIMO配对的算法，可以实现更低的能耗和能量时延积。