端到端通信中基于時間轉換能量采集的計算遷移方案

冬欣松，鄭建超，蔡躍明，尹廷輝，張瀟毅

(1.中國人民解放軍陸軍工程大學 通信工程學院，南京 210000； 2.國防科技創新研究院 人工智能中心，北京 100010)(*通信作者電子郵箱dongxinsong1993@163.com)

0 引言

近年來，在新型智能物聯網應用(例如深度學習驅動的智能視頻監控系統、精準農業、智能家居、自動駕駛、工業自動控制系統、智慧醫療等)受到廣泛關注的同時,它與資源受限智能移動終端間的矛盾也愈加突出[1]。移動云計算(Mobile Cloud Computing, MCC)將傳統無線蜂窩網絡與互聯網業務進行深度融合，利用計算遷移(Computation Offloading)技術將計算密集、時延敏感型任務上傳至云端處理，成為一種有效的應對方案[2-3]。但現有大多研究集中于單、多用戶各自進行計算遷移的策略，而未考慮用戶間通過形成有效的互助計算遷移使雙方均可受益。

部分相關工作已經證明，形成協作互助可以有效地提升端到端(Device-to-Device, D2D)通信性能[4-9]。文獻[4]提出了一個利用移動中繼協作來增強D2D通信的系統架構；文獻[5]中為協作D2D通信設計了相關的中繼選擇算法；文獻[6]研究了多跳譯碼轉發中繼協助下的D2D通信性能；文獻[7]中為D2D通信設計了一個基于社交鏈的協作方案，探索了社交意識與社交信任關系下形成的有效互惠協作；文獻[8]提出了一個聯合任務-數據遷移方案，研究了計算資源與通信資源間的資源共享。然而，這些工作都沒有涉及到移動云計算中的協作計算遷移。近期，文獻[9]提出了一種基于社交意識的計算遷移方案，即在此方案中，人們選擇遷移策略時不僅只想到最小化自己的開銷，同時也會考慮具有社交關系的朋友的遷移開銷。

針對蜂窩D2D通信網絡，本文通過結合基于時間轉換的射頻能量采集技術(即從接收的射頻信號中采集能量)，提出了一個用以提升MCC有效性的計算遷移方案。具體來說，能量受限終端首先從流量受限終端處進行無線能量采集，同時作為回報它會為后者遷移其計算任務(耗費流量)到云端服務器。換句話說，能量受限終端與流量受限終端相互交換了各自剩余的流量與能量資源。更進一步的，通過優化能量受限終端的時間轉換因子、采集能量分配因子以及流量受限終端的傳輸功率來設計最優的互助方案。此優化問題是一個非常具有挑戰性的非凸聯合最小化問題，通過一系列嚴格的等價變換首先把其轉換為了一個凸的最小化問題，然后進一步求解最優方案。

1 系統模型

考慮一個如圖1所示的智能移動終端互助計算遷移系統。這個系統中包括了云端服務器、一個單天線的小基站(Base Station, BS)，以及兩個單天線的智能移動終端，兩個終端占用同一頻帶且每個終端都有一個計算密集且時延敏感的計算任務需要被完成。定義ES為具有充足的能量預算但是剩余流量預算匱乏的終端，定義DS為具有充足的流量預算但能量預算匱乏的終端。假設ES和DS分別有一個計算密集且時延敏感的任務KES(b1,t1,d1)和KDS(b2,t2,d2)，其中:b1和b2分別表示任務KES和KDS所需遷移的計算數據(即輸入參數和程序代碼);t1和t2分別表示任務KES和KDS的最大允許時延;d1和d2分別表示完成任務KES和KDS所需要的總CPU周期。這些參數可以利用文獻[10]中的方法獲得。接下來給出任務KES和KDS的實際傳輸時延分別為:

(1)

1.1 基于時間轉換方案的互助計算遷移模型

如圖2所示，在協作開始前，ES或者DS會通過控制信道尋求一個幫助者(一個DS或者一個ES)，當有幫助者回應時，一個協作組就形成了，BS會為此協作組分配一條信道。定義了一個協作幀，并把其分為如下三個階段。

1)D2D通信階段。ES通過D2D通信以功率p把需要遷移的任務傳給DS，DS利用時間轉換方案進行能量采集。時間轉換方案具體如下：DS首先在κt的時隙內進行能量采集，然后在(1-κ)t/2的時隙內處理來自于ES的射頻信號，κ∈(0,1)是時間轉換因子。

2)蜂窩通信階段。蜂窩通信階段包含兩個子階段:在第一個子階段，DS利用采集能量的α部分來放大轉發(Amplifier-and-Forward, AF)任務KES。在第二個子階段，DS利用采集能量剩余的1-α部分來發送自己的任務KDS，此階段持續t′。

3)云計算階段。首先在ES的云計算階段，當小基站(BS)從DS處接收到轉發的任務KES后，它會立即把任務上傳至云端服務器，服務器會進行計算并返回相應的計算結果給ES。在DS的云計算階段，BS和服務器會完成類似的工作,然后把結果返回給DS。上述各階段完成后，兩終端將再次通過控制信道通信協商是否為接下來的任務繼續進行協作。

圖1 智能移動終端互助計算遷移系統Fig. 1 Cooperative computing offloading system of intelligent mobile terminals

圖2 基于時間轉換方案的互助計算遷移過程Fig. 2 Cooperative computation offloading process based on time switch policy

1.2 基于時間轉換能量采集的傳輸模型

本文如文獻[11-12]一樣考慮一個準靜態衰落的瑞利信道。具體來說，ES和DS之間的信道增益為hSR；DS和BS之間的信道增益為hRD；ES和BS之間的信道增益為hSD。它們模的平方分別服從均值為λSR、λRD和λSD的指數分布。首先分別分析了傳輸模型中的能量采集與采集能量的分配過程。在D2D通信階段時，DS會從ES傳輸過來的射頻信號中采集能量，被采集的能量為：

EH=ηκp|hSR|2t

(2)

其中：η∈(0,1)是能量轉化效率；|hSR|2表示DS處接收到的功率；p為ES發送射頻信號的功率。在蜂窩通信的第一階段，系統需要分配一定的采集能量用于中繼任務KES，這部分的能量為：

EA=αηκp|hSR|2t

(3)

其中，α∈(0,1)是采集能量的分配因子，它被用于分配DS從ES的射頻信號中采集到的能量。而在蜂窩通信的第二階段，DS要利用剩余能量來完成自己任務KDS的計算遷移，這部分的能量為：

ER=(1-α)ηκp|hSR|2t

(4)

接下來分析信號處理過程并進一步確定ES的傳輸功率表達式。在D2D通信階段，把ES的傳輸信號表示為xS，信號的發送功率為p，那么DS處接收到用以進行信息處理的信號yR可以被表示為：

(5)

其中nR是DS處的加性高斯白噪聲(Additive White Gaussian Noise, AWGN))。那么，DS處的信噪比可表示為:

γR=p|hSR|2/N0

(6)

其中,N0是加性高斯白噪聲nR的噪聲功率。在蜂窩通信的第一階段，DS利用放大轉發協議為ES轉發遷移的任務，此時DS處的傳輸信號為:

(7)

其中,ξ是一個放大因子，它受限于DS的功率。接下來,把式(5)中的yR代入到式(7)中，然后利用式(7)獲得BS處的接收信號為:

(8)

其中,nD是BS處的加性高斯白噪聲，假設其噪聲功率為N1。接下來，給出BS處的轉發信噪比γD如下：

(9)

接下來考慮ES的傳輸功率。首先，為了滿足任務KES的遷移時延t，利用式(1-κ)t=b1/(Wlb(1+γD))，經過簡單變換可表示出滿足任務KES遷移時延條件下的ES傳輸功率p1如下：

(10)

在蜂窩傳輸的第二階段，同樣的，為了滿足任務KDS的遷移時延t′，利用公式t′=b2/(Wlb(1+p′|hRD|2/N1))，其中p′=(1-α)ηκp2|hSR|2t/t′，經過簡單變換可表示出滿足任務KDS遷移時延條件下的ES傳輸功率p2如下：

(11)

為了能形成有效協作，ES的傳輸功率必須同時滿足任務KES和任務KDS的遷移時延要求，換句話說，ES的傳輸功率必須為p1和p2中的最大值，即p=max{p1，p2}。

2 最優智能終端協作計算遷移設計

2.1 問題描述

希望最小化協作中的能量與流量消耗總和ucos。根據第1章對于協作方案的分析，ES在協作中將承擔所有任務的能量消耗，而DS將承擔所有的數據消耗?？梢院苋菀椎胤治龀?，因為ES沒有直接與BS通信，所以協作方案中ES的數據消耗是等于0的。另一方面，考慮到DS在完成所有的任務遷移后仍可能有剩余的采集能量儲存。因此，這個優化問題可以表示為：

(12)

(12a)

(12b)

p=max{p1,p2}≤pmax

(12c)

(12d)

(12e)

E2=Eh-EH=

(12f)

2.2 問題轉換及最優方案求解

證明 由于ES的傳輸功率p=max{p1，p2}，所以需要分別證明p=p1和p=p2兩種情況下的正確性。

1)當p=p1(即p1≥p2)時，分別把式(10)與式(11)中的p1與p2取出，代入式(12)的目標函數(即協作開銷)ucos中，那么此時的協作開銷可以被表示為:

u1=abF(t)+cG(t′)+d

(13)

s. t.F(t)=(2b1/(W(1+κ)t)-1)t

(13a)

G(t′)=(2b2/(Wt′)-1)t′

(13b)

(13c)

(13d)

c=μ2N1/|hRD|2

(13e)

(13f)

分別對F(t)和G(t′)求它們各自的一階導數與二階導數，通過它們各自的導數可以證明，F(t)和G(t′)都是單調遞減的函數。而且，可以很容易地分析出a、c和d在可行域內均為正值。接下來，同樣需要證明b為正值。給出了b的下邊界為bl=μ1-μ2|hSR|2，諸多研究例如文獻[9，11-12]可以證明，信道增益模平方通常是遠小于1的，即|hSR|2?1，而μ1和μ2同為能量權重所以同屬于相同量級，那么據此可證明bl恒為正值，進而可以證明b恒為正值。因此，證明u1是關于t和t′的單調遞減函數，同時證明定理1在條件p1≥p2下成立。

2)當p=p2(即p1

u2=eF(t)+fgG(t′)+d

(14)

(14a)

(14b)

(14c)

同樣的，首先可以證明e和f恒為正值。其次，通過利用類似于1)中b的邊界定理可證明g同樣恒為正值，那么，u2同樣可證明為一個關于t和t′的單調遞減函數，同時證明定理1在條件p1

s. t. 式(12c)～(12e)

(15)

定理2 當κ被給定時，可以求得最優的α為：

α*=α(κ)=-(2N1ω+νN1(1-κ)-2νηκHN0)/

(4νηκHN0)+[(2N1ω+νN1(1-κ)-2νηκHN0)2+

8ν2ηκ(1-κ)HN0N1]1/2/(4νηκHN0)

(16)

(17)

用α*來替換式(11)中的α，可以進一步獲得在給定κ條件下的最優ES傳輸功率為：

(18)

最后，在p2(α*)=p1(α*)及E1=p(1+k)tmax/2條件下，通過計算式(12f)可以證明最小化問題式(15)中的E2=0(即DS既沒有儲存能量也沒有消耗自己的能量)。利用p*替換式(12c)以及E1中的p，然后把E1代入式(15)中，式(15)中的最小化問題可以被重新表示為:

s. t.p*≤pmax

式(12d)～(12f)

(19)

其中p=p*，其他參數和上文相同。

為了獲得最優協作方案(即DS的最優時間轉換因子κopt,以及最優采集能量分配因子αopt和ES的最優傳輸功率popt)，首先對式(19)中的優化目標進行求導并使其導數為0，這樣就可以很容易地獲得關于DS的最優時間轉換因子κopt。

接下來，通過把κopt代入式(16)中，可以求得DS的最優采集能量分配因子αopt的閉式表達式為:

αopt=α(κopt)=-(2N1ω+νN1(1-κopt)-2νηκoptHN0)/

(4νηκoptHN0)+[(2N1ω+νN1(1-κopt)-2νηκoptHN0)2+

8ν2ηκopt(1-κopt)HN0N1]1/2/(4νηκoptHN0)

(20)

最后，分別把κopt和αopt代入到式(18)中，可以獲得ES的最優傳輸功率的閉式表達式為:

(21)

3 仿真結果及分析

3.1 仿真參數設置

3.2 協作計算遷移方案性能分析

時間轉換因子κ對于兩用戶協作開銷的影響如圖3所示。圖3中給出了在固定ES與DS的遷移距離(dSR=2 m)和變化的DS與BS的遷移距離(分別為dRD=9 m、dRD=6 m以及dRD=3 m)條件下的結果。

由圖3可以看出，隨著κ的增加，兩用戶的協作開銷會首先降到一個最低值，然后隨著κ繼續增加，兩用戶協作開銷同樣增加。這是因為κ的增加改變了進行能量采集與任務傳輸的時間間隙的長短，這對于ES的能耗有雙面影響作用。此外，可以利用對式(19)中的優化目標進行求導并使其導數為0計算出理論上的最優時間轉換因子κopt，它們分別為0.818、0.809以及0.753(分別對應于條件dRD=9 m、dRD=6 m以及dRD=3 m)，而從圖3可以看出理論最優值與仿真值相同。另一方面，還可以看出兩用戶的協作開銷會隨著DS與BS的遷移距離dRD的增加而增加。這是因為dRD的增加會導致ES的能耗上升，從而影響到兩用戶的協作開銷。

圖4分析了采集能量分配因子α對于兩用戶協作開銷的影響。由圖4可以看出，隨著α的增加，兩用戶協作開銷首先會降低至一個最低值，此值對應的α為此時的最優α，然后隨著α繼續增加，兩用戶協作開銷同樣增加。這是因為α的增加可以分配更多的能量用以中繼ES的計算任務，這使得ES的能耗降低。但是增加的α同樣會減少分配給DS用以傳輸其自己計算任務的能量，為滿足互助要求，ES需要提供更多能量，所以ES能耗增加。此外，利用式(20)同樣可以計算出理論上的最優采集能量分配因子αopt，它們分別為0.390、0.393以及0.408(分別對應于條件dRD=9 m、dRD=6 m以及dRD=3 m)，從圖4中可以看出理論最優值與仿真值相同。

圖3 時間轉換因子對于兩用戶協作開銷的影響Fig. 3 Impact of time switch factor on two-user cooperative cost

圖4 采集能量因子對于兩用戶協作開銷的影響Fig. 4 Impact of harvest-energy allocation factor on two-user cooperative cost

圖5分析了DS與BS間的遷移距離dRD與權重因子(μ1,φ1,μ2,φ2)對于兩用戶遷移開銷的影響。由圖5可以看出：一方面，隨著dRD的增加，協作方案與非協作方案的用戶開銷均增加，但協作方案的開銷要低于非協作方案開銷；另一方面，對于不同的匱乏資源權重下的用戶遷移開銷，協作方案的兩用戶開銷隨匱乏資源權重的增加(即ES的流量權重φ1=0.4，0.45,0.5,0.55，DS的能量權重μ2=0.7,0.75,0.8,0.85)而明顯降低，而非協作方案幾乎無變化。這表明本文所提方案相比于非協作方案在節約終端的匱乏資源(能量或流量)方面更具有效性。

圖5 DS與BS間的遷移距離與權重因子對于兩用戶遷移開銷的影響Fig. 5 Impact of both distance between DS and BS and weight factor on two-user offloading cost

4 結語

針對蜂窩D2D通信網絡，本文提出了一種基于時間轉換能量采集的計算遷移方案來有效地促進智能移動終端間的協作計算遷移，并給出了一個協作幀內的具體協作過程。把此計算遷移方案建模為一個非凸的最小化問題，并利用嚴格的數學變換來轉化此問題，最終獲得相應的最優兩用戶計算遷移方案。仿真結果表明，本文所提的計算遷移方案相比于非協作方案可以有效地減少執行計算遷移時各終端匱乏資源的開銷。在接下來的工作中，我們會進一步研究其他不同激勵機制的有效協作方案。