一种基于NOMA异构蜂窝网络的任务卸载方法

一种基于noma异构蜂窝网络的任务卸载方法
技术领域
1.本发明属于通信网技术领域。具体涉及一种基于noma异构蜂窝网络的任务卸载方法。


背景技术：

2.随着移动通信用户数量的迅速增长，传统的蜂窝网络频谱资源难以满足大量终端设备的接入需求，通过引入异构蜂窝网络和非正交多址接入(non-orthogonal multiple-access，noma)技术，能够有效提升无线网络的频谱资源利用率。noma异构蜂窝网络由宏基站和多个微基站构成，其中，微基站通过noma技术重用子信道资源，以提高频谱效率。
3.noma允许多个用户共享相同的子信道，通过为同一信道不同链路质量的用户分配不同的功率，实现功率域中的信号区分。相较于传统正交多接入(oma)，noma具有更高的频谱资源效率。然而，大量用户共享子信道可能造成严重的同频干扰和较大的传输时延，因此，功率干扰管理在noma异构蜂窝网络的应用中具有极其重要的作用。然而，在noma异构蜂窝网络中，因此，在边缘任务卸载业务中，需要采用合理的任务卸载和资源分配策略来减小任务传输及计算时延。
4.针对noma异构蜂窝网络中的任务卸载问题，现有大量研究主要采用在宏基站和微基站分别配置服务器，并利用宏、微基站纵向协作模式降低任务卸载的传输时延和计算时延。少量研究采用仅在微基站配置服务器且微基站覆盖区密集交叠的网络模型，在减少计算资源配置的同时优化卸载时延。然而，在宏基站未配置服务器且微基站覆盖区互不交叠的稀疏网络场景下，移动终端的非均匀分布可能导致微基站服务器负载失衡，从而造成卸载性能下降和用户服务体验恶化的问题。因此，如何优化微基站间的卸载任务调度和计算资源分配，对降低网络资源代价并改善用户服务体验具有非常重要的价值。
5.本发明提出一种基于noma异构蜂窝网络中的任务卸载方法。该方法采用本地微基站卸载、宏微基站协作卸载、微基站间协作卸载相结合的混合卸载模式，通过相应的任务调度、功率控制和计算资源分配策略，提高微基站服务器的资源利用率，减小任务卸载时延，从而有效提高用户的服务质量体验。


技术实现要素：

6.本发明旨在解决以上现有技术的问题。提出了一种基于noma异构蜂窝网络的任务卸载方法。本发明的技术方案如下：
7.一种基于noma异构蜂窝网络的任务卸载方法，用于宏基站未配备服务器，微基站配备服务器且有效覆盖区域互不交叠的稀疏网络场景，其包括以下步骤：
8.101、设全体用户集合为i，微基站集合为s，将s中每个微基站s有效覆盖范围内的用户放入集合is，初始化i中每个用户i的发射功率
9.102、对集合i中的每个用户i，如果令卸载模式mi＝1，否则，令卸载模式
mi＝2，将用户i放入临时集合ic中；
10.103、对每个集合is中的每个用户i，根据用户请求卸载的任务单元数ni，用户至微基站s的传输速率mi，求出计算资源需求并将is中的用户按照的值升序排列，根据及微基站s的最大可用计算资源fs，求出微基站s可为用户i分配的计算资源f
is
；
11.104、对每个集合is，分别调用子算法1，优化is内每个用户的发射功率并更新及f
is
，如果令mi＝3，将is内用户依次加入集合ic中，跳转到步骤105，否则，跳转到步骤105；
12.105、根据f
is
计算用户i可卸载至微基站s的任务单元数根据f
is
，更新fs，令如果跳转到步骤106，否则，跳转到步骤109；
13.106、将集合s中fs＞0的微基站s移入临时集合sc，如果将集合ic中所有用户根据ni升序排列，跳转到步骤107，否则，跳转到步骤110；
14.107、将集合sc中fs最大的微基站s作为当前的协作微基站，将集合ic中的第一个用户i加入协作微基站s的用户集合is，并根据mi，及fs计算f
is
和令fs＝f
s-f
is
，如果跳转到步骤107，否则，跳转到步骤108；
15.108、将集合sc中fs＝0的微基站s从集合sc移入s，如果跳转到步骤109，否则，集合i中所有用户执行任务卸载，跳转到步骤110；
16.109、对每个用户集合is，令更新每个用户i在微基站s中分配的计算资源f
is
，集合i中所有用户执行任务卸载；
17.110、结束。
18.进一步的，所述步骤103中计算资源需求的计算方法如公式(1)所示：
[0019][0020]
其中，表示用户i调度至微基站s的任务单元数，δd表示最小任务单元，ci表示计算复杂度，表示用户i的最大容忍时延，r
is
表示用户i传输任务至微基站s的速率，计
算方法如公式(2)所示，r
io
表示用户i传输任务至宏基站o的速率，计算方法如公式(3)所示，表示宏基站o传输任务至微基站s
′
的速率,计算方法如公式(4)所示，表示微基站s传输任务至宏基站o的速率，计算方法如公式(5)所示；
[0021]
用户i传输任务至微基站s的速率的计算方法如公式(2)所示：
[0022][0023]
其中,b表示用户i与微基站s间的通信带宽，pi表示用户i的发射功率，表示用户i与微基站s之间的信道增益，σ2表示加性高斯白噪声功率，i
′
表示用户集合is中除用户i之外的其他任一用户，为二进制变量，如果则用户i
′
为用户i的干扰用户，令否则，令否则，令表示其他用户对用户i的干扰功率之和。
[0024]
用户i传输任务至宏基站o的速率r
io
的计算方法如公式(3)所示：
[0025][0026]
其中,b表示宏基站分配的正交子信道带宽，表示用户i与宏基站o之间的信道增益。
[0027]
宏基站o传输任务至微基站s
′
的速率的计算方法如公式(4)所示：
[0028][0029]
其中,po表示宏基站o的发射功率，表示协作微基站s
′
与宏基站o之间的信道增益；
[0030]
微基站s传输任务至宏基站o的速率的计算方法如公式(5)所示：
[0031][0032]
其中,ps表示微基站s的发射功率，表示微基站s与宏基站o之间的信道增益。
[0033]
进一步的，所述用户i调度至微基站s的任务单元数的计算方法如公式(6)-(8)所示，如果卸载模式mi＝1，用户i调度至微基站s的任务单元数的计算方法如公式(6)所示：
[0034]
[0035]
其中，f
is
表示微基站s可为用户i分配的计算资源。
[0036]
如果卸载模式mi＝2，用户i调度至协作微基站s
′
的任务单元数的计算方法如公式(7)所示：
[0037][0038]
如果卸载模式mi＝3，用户i调度至协作微基站s
′
的任务单元数的计算方法如公式(8)所示：
[0039][0040]
进一步的，所述步骤103中微基站s可为用户i分配的计算资源f
is
的计算方法如公式(9)所示：
[0041][0042]
其中,fs为微基站s的当前可用资源，为二进制变量，如果微基站s为用户i
′
分配计算资源，令否则，令
[0043]
进一步的，所述步骤105中微基站s当前可用资源fs的计算方法如公式(10)所示：
[0044][0045]
进一步的，所述步骤104中子算法1具体包括：
[0046]
用户与本地微基站之间采用noma技术通信，采用粒子群优化算法的思想构建用户功率优化模型，具体包括：
[0047]
步骤1)：设种群迭代次数为k，每次迭代中的粒子数量，即可行解数量为u，功率优化随机因子γ1∈[0,1]，γ2∈[0,1]，功率影响因子θ1，θ2，最大功率调节因子δ
max
，最小功率调节因子δ
min
；
[0048]
步骤2)：设集合is中每个用户i的功率功率变化量初始化u个可行解其中当前最优解全局最优解用户i的可分配计算资源其中，f
is
为微基站s上用户i的可用计算资源，适应度函数令迭代计数变量k＝0，可行解计数变量u＝0；
[0049]
步骤3)：令k＝k+1，如果k≤k，跳转到步骤4)，否则，跳转到步骤11)；
[0050]
步骤4)：令u＝u+1，如果u≤u，跳转到步骤5)，否则，令u＝0，跳转到步骤3)；
[0051]
步骤5)：更新集合is中每个用户i的功率变化量功率功率调节因子δ
(k)；
[0052]
步骤6)：对集合is中的每个用户i，如果用户i的功率令跳转到步骤7)，否则，跳转到步骤7)；
[0053]
步骤7)：对集合is中的每个用户i，如果用户i的功率令跳转到步骤8)，否则，跳转到步骤8)；
[0054]
步骤8)：令集合is中每个用户i的功率根据mi，及更新将集合is中的用户i按照的值升序排列，根据及fs更新f
is
，令更新
[0055]
步骤9)：如果令跳转到步骤10)，否则，跳转到步骤10)；
[0056]
步骤10)：如果令跳转到步骤4)，否则，跳转到步骤4)；
[0057]
步骤11)：对集合is中每个用户i，令pi等于φg的第i维分量φ
g,i
，根据mi，及r
is
，计算将集合is中的用户i按照的值升序排列，根据及fs计算f
is
；
[0058]
步骤12)：算法结束。
[0059]
进一步的，所述步骤5)中更新集合is中每个用户i的功率变化量功率功率调节因子δ(k)的方法如公式(11)、(12)、(13)所示：
[0060][0061][0062][0063]
其中，δ
max
表示最大功率调节值，δ
min
表示最小功率调节值，k表示种群迭代次数，θ1，θ2表示功率影响因子，γ1，γ2表示功率优化随机因子，γ1∈[0，1]，γ2∈[0，1]，φ
u,i
表示当前最优解中用户i的最优功率，φ
g,i
表示全局最优解中用户i的最优功率。
[0064]
本发明的优点及有益效果如下：
[0065]
本发明提出一种基于noma异构蜂窝网络的任务卸载方法。目前，传统的异构蜂窝网络任务卸载方法通常采用ofdma技术分配信道资源且未考虑到微基站间协作卸载，用户的任务传输速率及微基站服务器的资源利用率较低。本发明利用粒子群算法思想构建用户功率优化模型，采用本地微基站卸载、宏微基站协作卸载、微基站间协作卸载相结合的混合
卸载模式完成任务卸载，通过相应的任务调度、功率控制和计算资源分配策略，提高微基站服务器的资源利用率，减小任务卸载时延，从而有效提高用户的服务质量体验。
附图说明
[0066]
图1是本发明提供优选实施例一种基于noma异构蜂窝网络中的任务卸载方法流程图。
具体实施方式
[0067]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、详细地描述。所描述的实施例仅仅是本发明的一部分实施例。
[0068]
本发明解决上述技术问题的技术方案是：
[0069]
本发明内容所涉及的概念和模型如下。
[0070]
1.网络模型
[0071]
在宏基站未配置服务器且微基站覆盖区互不交叠的稀疏网络场景下，宏基站作为中央控制器收集覆盖范围内所有微基站和用户信息，采用ofdma技术与微基站及用户进行通信，微基站采用noma技术与有效覆盖范围内的用户通信，宏基站和各微基站分别工作在不同频段。针对移动终端的非均匀分布可能导致微基站服务器负载失衡，从而造成卸载性能下降和用户服务体验恶化的问题，提出一种基于noma异构蜂窝网络的任务卸载方法，该方法采用本地微基站卸载、宏微基站协作卸载、微基站间协作卸载相结合的混合卸载模式，通过相应的任务调度、功率控制和计算资源分配策略，提高微基站服务器的资源利用率，减小任务卸载时延，从而有效提高用户的服务质量体验。
[0072]
2.本发明内容所涉及的其它符号说明如下。
[0073]
δd：任务单元大小
[0074]
ni：用户i产生的任务单元数
[0075]
ni：用户i的待调度任务单元数
[0076]
用户i的任务时延约束
[0077]ris
：用户i与微基站s间的传输速率
[0078]
b：用户i与微基站s间的通信带宽
[0079]
用户i调度至微基站s的任务单元数
[0080]fis
：微基站s可为用户i分配的计算资源
[0081]
σ2：加性高斯白噪声功率
[0082]
i：用户
[0083]
s：微基站
[0084]
o：宏基站
[0085]
i：系统中的用户集合
[0086]is
：微基站s的用户集合
[0087]
s：微基站集合
[0088]
pi：用户i的发射功率
[0089]
判断微基站s下的用户i
′
是否为干扰用户
[0090]
用户i与微基站s间的信道增益
[0091]
微基站s传输任务至宏基站o的速率
[0092]
宏基站o传输任务至协作微基站s
′
的速率
[0093]
判断用户i是否卸载任务至协作微基站s
′
的二进制变量
[0094]
b：宏基站o分配的正交子信道带宽
[0095]
ps：微基站s的发射功率
[0096]
微基站s与宏基站o之间的信道增益
[0097]
po：宏基站o的发射功率
[0098]
用户i传输任务至宏基站o的速率
[0099]
用户i与宏基站o之间的信道增益
[0100]
用户i与微基站s连接状态的二进制变量
[0101]
mi：用户i的任务卸载模式
[0102]
微基站s是否为用户i分配计算资源的二进制变量
[0103]fs
：微基站s的可用计算资源
[0104]
δ(k)：第k次迭代下的功率调节因子
[0105]
在第k次迭代下第u个可行解对应的用户i的功率变化量在第k次迭代下第u个可行解对应的用户i的功率
[0106]
在第k次迭代下的第u个可行解
[0107]
θ1,θ2：功率影响因子
[0108]
δ
max
：最大功率调节值
[0109]
δ
min
：最小功率调节值
[0110]
γ1,γ2：控制功率的随机因子
[0111]
φ
u,i
：第u个可行解的当前最优解对应用户i的最优功率
[0112]
φ
g,i
：全局最优解对应用户i的最优功率
[0113]
φu：第u个可行解的当前最优解
[0114]
φg：全局最优解
[0115]
本发明的技术方案说明如下。
[0116]
1、用户与微基站之间的位置关系
[0117]
设用户i与微基站s的距离为如公式(1)所示：
[0118][0119]
2、任务卸载时延
[0120]
如果用户i在微基站s的覆盖范围内且卸载模式为用户-微基站卸载，设任务卸载
至微基站s的时延为如公式(2)所示：
[0121][0122]
其中，r
is
表示用户i传输任务至微基站s的速率，f
is
表示微基站s可为用户i分配的计算资源，表示用户i调度至微基站s的任务单元数，r
is
如公式(3)所示：
[0123][0124]
其中，b表示用户i与微基站s间的通信带宽，pi表示用户i的发射功率，表示用户i与微基站s之间的信道增益，σ2表示加性高斯白噪声功率，i
′
表示用户集合is中除用户i之外的其他任一用户，为二进制变量，如果则用户i
′
为用户i的干扰用户，令否则，令否则，令表示其他用户对用户i的干扰功率之和。
[0125]
如果用户i在微基站s的有效覆盖范围内且卸载模式为用户-微基站-宏基站-协作微基站卸载，设其任务卸载时延为如公式(4)所示：
[0126][0127]
其中，表示微基站s传输任务至宏基站o的速率，表示宏基站o传输任务至协作微基站s
′
的速率，f
is
′
表示协作微基站服务器s
′
为用户i分配的计算资源，表示二进制变量，如果用户i卸载任务至协作微基站s
′
，令否则，令且其中，分别如公式(5)，(6)所示：
[0128][0129][0130]
其中，b表示宏基站分配的正交子信道带宽，ps表示微基站s的发射功率，表示微基站s与宏基站o之间的信道增益，po表示宏基站o的发射功率，表示协作微基站s
′
与宏基站o之间的信道增益。
[0131]
如果用户i不在微基站的有效覆盖范围内且卸载模式为用户-宏基站-协作微基站卸载，设其任务卸载时延为如公式(7)所示：
[0132][0133]
其中，r
io
表示用户i传输任务至宏基站o的速率，如公式(8)所示：
[0134][0135]
其中，表示用户i与宏基站o之间的信道增益。
[0136]
设为用户i与微基站s连接状态的二进制变量，用户i的任务卸载时延为ti，如公式(9)所示：
[0137][0138]
其中，如果令否则，令由于微基站的有效覆盖范围互不交叠，用户i最多在一个微基站的有效覆盖范围内，即
[0139]
设用户i的任务归一化时延为ti′
，如公式(10)所示：
[0140][0141]
设用户i的任务完成情况为ωi，如公式(11)所示：
[0142][0143]
其中，如果用户i生成的任务在最大容忍时延内完成，ωi＝0，否则，ωi＝1。
[0144]
3、计算资源需求
[0145]
设用户i的计算资源需求为如公式(12)所示：
[0146][0147]
4、微基站s可为用户i分配的计算资源f
is
，计算方法如公式(13)所示：
[0148][0149]
其中，fs为微基站s的当前可用资源，为二进制变量，如果微基站s为用户i
′
分配计算资源，令否则，令
[0150]
5、微基站s当前可用资源fs，计算方法如公式(14)所示：
[0151][0152]
6、用户i调度任务至微基站s的任务单元数计算方法如公式(15)-(17)所示：
[0153]
如果卸载模式mi＝1，用户i调度至微基站s的任务单元数的计算方法如公式(15)所示：
[0154][0155]
其中，f
is
表示微基站s可为用户i分配的计算资源。
[0156]
如果卸载模式mi＝2，用户i调度至协作微基站s
′
的任务单元数的计算方法如公式(16)所示：
[0157][0158]
如果卸载模式mi＝3，用户i调度至协作微基站s
′
的任务单元数的计算方法如公式(17)所示：
[0159]
[0160]
7、用户i的待调度任务单元数ni，计算方法如公式(18)所示：
[0161][0162]
8、在第k次迭代中可行解u对应用户i的功率变化量对应用户i的功率第k次迭代中的功率调节因子δ(k)，计算方法分别如公式(19)-(21)所示：
[0163][0164][0165][0166]
9、子算法1：基于粒子群优化的功率控制算法
[0167]
用户与本地微基站之间采用noma技术通信，采用粒子群优化算法的思想构建用户功率优化模型,解决同一微基站下的用户之间可能存在的通信干扰，并提升用户与本地微基站之间的通信速率；
[0168]
步骤1)：设种群迭代次数为k，每次迭代中的粒子数量，即可行解数量为u，功率优化随机因子γ1∈[0,1]，γ2∈[0,1]，功率影响因子θ1，θ2，最大功率调节因子δ
max
，最小功率调节因子δ
min
；
[0169]
步骤2)：设集合is中每个用户i的功率功率变化量初始化u个可行解其中当前最优解全局最优解用户i的可分配计算资源其中，f
is
为微基站s上用户i的可用计算资源，适应度函数令迭代计数变量k＝0，可行解计数变量u＝0；
[0170]
步骤3)：令k＝k+1，如果k≤k，跳转到步骤4)，否则，跳转到步骤11)；
[0171]
步骤4)：令u＝u+1，如果u≤u，跳转到步骤5)，否则，令u＝0，跳转到步骤3)；
[0172]
步骤5)：根据公式(19)-(21)更新集合is中每个用户i的功率变化量功率功率调节因子δ(k)；
[0173]
步骤6)：对集合is中的每个用户i，如果用户i的功率令跳转到步骤7)，否则，跳转到步骤7)；
[0174]
步骤7)：对集合is中的每个用户i，如果用户i的功率令跳转到步骤8)，否则，跳转到步骤8)；
[0175]
步骤8)：令集合is中每个用户i的功率根据公式(12)更新将集合is中的用户i按照的值升序排列，根据公式(13)更新f
is
，令更新
[0176]
步骤9)：如果令跳转到步骤10)，否则，跳转到步骤10)；
[0177]
步骤10)：如果令跳转到步骤4)，否则，跳转到步骤4)；
[0178]
步骤11)：对集合is中每个用户i，令pi等于φg的第i维分量φ
g,i
，根据公式(12)计算将集合is中的用户i按照的值升序排列，根据公式(13)计算f
is
；
[0179]
步骤12)：算法结束。
[0180]
一种基于noma异构蜂窝网络的任务卸载方法，其具体实施方法包括以下步骤：
[0181]
步骤1：设全体用户集合为i，微基站集合为s，将s中每个微基站s有效覆盖范围内的用户放入集合is，初始化i中每个用户i的发射功率
[0182]
步骤2：对集合i中的每个用户i，如果令卸载模式mi＝1，否则，令卸载模式mi＝2，将用户i放入临时集合ic中；
[0183]
步骤3：对每个集合is中的每个用户i，根据卸载模式mi及公式(12)计算求出计算资源需求并将is中的用户按照的值升序排列，根据公式(13)，求出微基站s可为用户i分配的计算资源f
is
；
[0184]
步骤4：对每个集合is，分别调用子算法1，优化is内每个用户的发射功率并更新及f
is
，如果令mi＝3，将is内用户依次加入集合ic中，跳转到步骤5，否则，跳转到步骤5；
[0185]
步骤5：根据f
is
计算用户i可卸载至微基站s的任务单元数根据卸载模式mi及公式(12)-(18)更新fs及ni，如果跳转到步骤6，否则，跳转到步骤9；
[0186]
步骤6：将集合s中fs＞0的微基站s移入临时集合sc，如果将集合ic中所有用户根据ni升序排列，跳转到步骤7，否则，跳转到步骤10；
[0187]
步骤7：将集合sc中fs最大的微基站s作为当前的协作微基站，将集合ic中的第一个用户i加入协作微基站s的用户集合is，根据卸载模式mi及公式(12)-(17)计算f
is
和如果跳转到步骤7，否则，跳转到步骤8；
[0188]
步骤8：将集合sc中fs＝0的微基站s从集合sc移入s，如果跳转到步骤9，否则，集合i中所有用户执行任务卸载，跳转到步骤10；
[0189]
步骤9：对每个用户集合is，令更新每个用户i在微基站s中分配的计算资源f
is
，集合i中所有用户执行任务卸载；
[0190]
步骤10：算法结束。
[0191]
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。
[0192]
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
[0193]
以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后，技术人员可以对本发明作各种改动或修改，这些等效变化和修饰同样落入本发明权利要求所限定的范围。

技术特征：
1.一种基于noma异构蜂窝网络的任务卸载方法，用于宏基站未配备服务器，微基站配备服务器且有效覆盖区域互不交叠的稀疏网络场景，其特征在于，包括以下步骤：101、设全体用户集合为i，微基站集合为s，将s中每个微基站s有效覆盖范围内的用户放入集合i
s
，初始化i中每个用户i的发射功率102、对集合i中的每个用户i，如果令卸载模式m
i
＝1，否则，令卸载模式m
i
＝2，将用户i放入临时集合i
c
中；103、对每个集合i
s
中的每个用户i，根据用户请求卸载的任务单元数n
i
，用户至微基站s的传输速率r
is
，m
i
，求出计算资源需求并将i
s
中的用户按照的值升序排列，根据及微基站s的最大可用计算资源f
s
，求出微基站s可为用户i分配的计算资源f
is
；104、对每个集合i
s
，分别调用子算法1，优化i
s
内每个用户的发射功率并更新及f
is
，如果令m
i
＝3，将i
s
内用户依次加入集合i
c
中，跳转到步骤105，否则，跳转到步骤105；105、根据f
is
计算用户i可卸载至微基站s的任务单元数根据f
is
，更新f
s
，令如果跳转到步骤106，否则，跳转到步骤109；106、将集合s中f
s
＞0的微基站s移入临时集合s
c
，如果将集合i
c
中所有用户根据n
i
升序排列，跳转到步骤107，否则，跳转到步骤110；107、将集合s
c
中f
s
最大的微基站s作为当前的协作微基站，将集合i
c
中的第一个用户i加入协作微基站s的用户集合i
s
，并根据m
i
，及f
s
计算f
is
和令f
s
＝f
s-f
is
，如果跳转到步骤107，否则，跳转到步骤108；108、将集合s
c
中f
s
＝0的微基站s从集合s
c
移入s，如果跳转到步骤109，否则，集合i中所有用户执行任务卸载，跳转到步骤110；109、对每个用户集合i
s
，令更新每个用户i在微基站s中分配的计算资源f
is
，集合i中所有用户执行任务卸载；110、结束。2.根据权利要求1所述的一种基于noma异构蜂窝网络的任务卸载方法，其特征在于，所述步骤103中计算资源需求的计算方法如公式(1)所示：
其中，表示用户i调度至微基站s的任务单元数，δd表示最小任务单元，c
i
表示计算复杂度，表示用户i的最大容忍时延，r
is
表示用户i传输任务至微基站s的速率，计算方法如公式(2)所示，r
io
表示用户i传输任务至宏基站o的速率，计算方法如公式(3)所示，表示宏基站o传输任务至微基站s
′
的速率,计算方法如公式(4)所示，表示微基站s传输任务至宏基站o的速率，计算方法如公式(5)所示；用户i传输任务至微基站s的速率r
is
的计算方法如公式(2)所示：其中,b表示用户i与微基站s间的通信带宽，p
i
表示用户i的发射功率，表示用户i与微基站s之间的信道增益，σ2表示加性高斯白噪声功率，i
′
表示用户集合i
s
中除用户i之外的其他任一用户，为二进制变量，如果则用户i
′
为用户i的干扰用户，令否则，令否则，令表示其他用户对用户i的干扰功率之和。用户i传输任务至宏基站o的速率r
io
的计算方法如公式(3)所示：其中,b表示宏基站分配的正交子信道带宽，h
io
表示用户i与宏基站o之间的信道增益。宏基站o传输任务至微基站s
′
的速率的计算方法如公式(4)所示：其中,p
o
表示宏基站o的发射功率，表示协作微基站s
′
与宏基站o之间的信道增益；
微基站s传输任务至宏基站o的速率r
so
的计算方法如公式(5)所示：其中,p
s
表示微基站s的发射功率，表示微基站s与宏基站o之间的信道增益。3.根据权利要求1所述的一种基于noma异构蜂窝网络的任务卸载方法，其特征在于，所述步骤105中用户i调度至微基站s的任务单元数的计算方法如公式(6)-(8)所示，如果卸载模式m
i
＝1，用户i调度至微基站s的任务单元数的计算方法如公式(6)所示：其中，f
is
表示微基站s可为用户i分配的计算资源。如果卸载模式m
i
＝2，用户i调度至协作微基站s
′
的任务单元数的计算方法如公式(7)所示：如果卸载模式m
i
＝3，用户i调度至协作微基站s
′
的任务单元数的计算方法如公式(8)所示：4.根据权利要求1所述的一种基于noma异构蜂窝网络的任务卸载方法，其特征在于，所述步骤103中微基站s可为用户i分配的计算资源f
is
的计算方法如公式(9)所示：其中,f
s
为微基站s的当前可用资源，为二进制变量，如果微基站s为用户i
′
分配计算资源，令否则，令5.根据权利要求1所述的一种基于noma异构蜂窝网络的任务卸载方法，其特征在于，所述步骤105中微基站s当前可用资源f
s
的计算方法如公式(10)所示：6.根据权利要求1所述的一种基于noma异构蜂窝网络的任务卸载方法，其特征在于，所述步骤104中子算法1具体包括：用户与本地微基站之间采用noma技术通信，采用粒子群优化算法的思想构建用户功率优化模型，具体包括：步骤1)：设种群迭代次数为k，每次迭代中的粒子数量，即可行解数量为u，功率优化随
机因子γ1∈[0,1]，γ2∈[0,1]，功率影响因子θ1，θ2，最大功率调节因子δ
max
，最小功率调节因子δ
min
；步骤2)：设集合i
s
中每个用户i的功率功率变化量初始化u个可行解其中当前最优解全局最优解用户i的可分配计算资源其中，f
is
为微基站s上用户i的可用计算资源，适应度函数令迭代计数变量k＝0，可行解计数变量u＝0；步骤3)：令k＝k+1，如果k≤k，跳转到步骤4)，否则，跳转到步骤11)；步骤4)：令u＝u+1，如果u≤u，跳转到步骤5)，否则，令u＝0，跳转到步骤3)；步骤5)：更新集合i
s
中每个用户i的功率变化量功率功率调节因子δ(k)；步骤6)：对集合i
s
中的每个用户i，如果用户i的功率令跳转到步骤7)，否则，跳转到步骤7)；步骤7)：对集合i
s
中的每个用户i，如果用户i的功率令跳转到步骤8)，否则，跳转到步骤8)；步骤8)：令集合i
s
中每个用户i的功率根据m
i
，及r
is
更新将集合i
s
中的用户i按照的值升序排列，根据及f
s
更新f
is
，令更新步骤9)：如果令跳转到步骤10)，否则，跳转到步骤10)；步骤10)：如果令跳转到步骤4)，否则，跳转到步骤4)；步骤11)：对集合i
s
中每个用户i，令p
i
等于φ
g
的第i维分量φ
g,i
，根据m
i
，及r
is
，计算将集合i
s
中的用户i按照的值升序排列，根据及f
s
计算f
is
；步骤12)：算法结束。7.根据权利要求6所述的一种基于noma异构蜂窝网络的任务卸载方法，其特征在于，所述步骤5)中更新集合i
s
中每个用户i的功率变化量功率功率调节因子δ(k)的方法如公式(11)、(12)、(13)所示：法如公式(11)、(12)、(13)所示：法如公式(11)、(12)、(13)所示：
其中，δ
max
表示最大功率调节值，δ
min
表示最小功率调节值，k表示种群迭代次数，θ1，θ2表示功率影响因子，γ1，γ2表示功率优化随机因子，γ1∈[0，1]，γ2∈[0，1]，φ
u,i
表示当前最优解中用户i的最优功率，φ
g,i
表示全局最优解中用户i的最优功率。

技术总结
本发明请求保护一种基于NOMA异构蜂窝网络的任务卸载方法，属于通信技术领域。在宏基站未配备服务器，微基站配备服务器且有效覆盖区互不交叠的稀疏网络场景中，针对移动终端的非均匀分布可能导致微基站服务器负载失衡，从而造成卸载性能下降和用户服务体验恶化的问题，提出一种基于NOMA异构蜂窝网络的任务卸载方法，该方法采用本地微基站卸载、宏微基站协作卸载、微基站间协作卸载相结合的混合卸载模式，通过相应的任务调度、功率控制和计算资源分配策略，提高微基站服务器的资源利用率，减小任务卸载时延，从而有效提高用户的服务质量体验。体验。体验。


技术研发人员：鲍宁海 魏刚波 崔丽平 宋明洋
受保护的技术使用者：重庆邮电大学
技术研发日：2023.02.20
技术公布日：2023/7/22