一种智能计算任务的语义传输与资源管理方法及其系统

本技术涉及移动通信，尤其涉及一种智能计算任务的语义传输与资源管理方法及其系统。

背景技术：

1、移动边缘计算(mobile edge computing,mec)通过就近为移动终端提供通信、计算和存储服务，可以降低移动网络负载、减小传输时延并满足业务服务质量要求。同时，以高速率低时延的移动蜂窝网络为基础设施，工业界涌现了大量智能类任务应用，例如：物联网(internet ofthings,iot)和车联网(internet ofvehicles,iov)中的多种智能识别类的任务等，因此，mec系统需要承载大量来自移动终端的智能计算任务。与传统计算任务不同，智能计算任务引入了人工智能推理模型，具有较高的算力资源需求和复杂的计算逻辑，这为mec技术实现带来了新的挑战，例如：由于各类场景下智能计算任务的数据特性，使得终端上行传输的任务数据量较大，从而导致系统面临传输速率受限的问题，以及随着智能计算任务中的智能模型的引入，其非线性计算复杂度和计算过程会使得mec进行计算卸载时面临任务计算复杂的难题。

2、由于智能计算任务普遍具有多模态特性，因此卸载数据量往往会更大，这给mec系统的计算卸载过程带来了更大的数据传输压力。智能计算任务往往包括文本、图像、语音和视频多类模态的数据处理，在考虑与mec系统卸载结合时，不同模态的数据会呈现不同的性质。在考虑资源分配时则需要重点关注任务的数据量变化带来的通信传输压力和时延性能，因此需要结合具体任务设计更好的传输方法与过程以降低传输速率受限的影响。

3、另一方面，由于mec系统计算资源受限，因此在卸载过程中引入智能计算任务将面临一系列问题。与传统计算任务不同，智能计算任务是一类面向人工智能应用的计算任务，主要包括各类神经网络的训练和推理任务，如深度神经网络、卷积神经网络(convolutional neural network,cnn)以及其他智能分类识别相关的任务等，这类任务计算模型的结构十分复杂，导致其往往需要占用更多的算力，相较于传统计算任务会给mec带来更大的资源压力，在资源分配时进行算力需求分析会更为复杂。因此需要结合具体任务和模型进行mec的计算卸载资源分配的分析。

4、目前，部分研究揭示了mec系统中的一些新场景，并研究了智能模型的非线性特性以及在移动网络中的部署，进一步考虑了mec系统中日益复杂的智能计算任务卸载场景，包括神经网络部署、智能任务需求和任务推理机制。但由于智能计算过程和数据特性而造成的资源压力一直没有得到解决。

5、在mec系统中，对智能计算任务卸载的资源分配研究涉及到任务的传输需求和计算量的变化，这会使传输机制和资源管理决策变得复杂。当前，mec系统中智能计算任务的语义传输和资源管理面临以下难点问题：

6、1)现有研究通常以传统方式对mec系统中的智能计算任务建模，考虑一般的通信传输方式和线性计算复杂度方式，然后通过引入部分智能特性和需求来研究任务卸载过程。然而，一方面，一般的通信传输方式难以适应智能计算任务卸载的需求；另一方面，线性计算复杂度难以准确描述智能任务的神经网络结构的复杂计算过程，难以充分利用系统资源。

7、2)现有研究通常直接以任务完成时延最小化为目标进行系统资源分配的研究，但却忽略了任务完成时延的边际效应和智能计算任务的优先级。因此需要通过设计优先级权重来调整基于任务完成时延的系统收益能够更好地适应不同的智能场景。

8、因此，mec系统中智能计算任务的语义传输和资源管理，需要解决由数据量特性和计算量变化带来的基于任务完成时延的系统收益的最大化问题，包括高效的终端接入、子载波分配、语义传输以及计算资源分配联合设计与实现。

技术实现思路

1、本技术的目的在于提供一种智能计算任务的语义传输与资源管理方法及其系统，通过对mec系统中智能计算任务场景的终端接入、子载波分配、语义传输以及计算资源分配的联合设计，能够最大化基于任务完成时延的系统收益。

2、为达到上述目的，本技术提供一种智能计算任务的语义传输与资源管理方法，包括如下步骤：

3、s1：将移动边缘计算服务器部署于地面雾无线接入网中的微基站中，获得移动边缘计算系统，移动边缘计算系统覆盖区域内的各个终端将任务卸载需求上传至微基站，再由微基站将任务卸载需求和自身模型结构信息作为任务信息上传至地面雾无线接入网的宏基站内；其中，任务卸载需求至少包括：任务相关的数据量、时延容忍度、压缩比和优先级；

4、s2：由地面雾无线接入网的宏基站内中的软件定义网络控制器控制联合设计模型对任务信息进行处理，获得输出结果，其中，输出结果至少包括：移动边缘计算系统智能计算任务的终端接入方案、子载波分配方案、语义传输决策以及计算资源分配方案；

5、s3：由地面雾无线接入网的宏基站将输出结果广播至各微基站中，进行相应终端的接入、卸载执行和资源分配。

6、如上的，其中，由地面雾无线接入网的宏基站内中的软件定义网络控制器控制联合设计模型对任务信息进行处理，获得输出结果的子步骤如下：

7、s21：在系统运行之前，通过联合设计模型中的终端信息初始化模块对系统初始化参数进行设计，并根据终端位置分布和任务信息完成初始化终端信息；其中，设计的内容至少包括：移动边缘计算系统的终端接入方案、子载波分配方案、语义传输决策和计算资源分配方案；

8、s22：初始化完成之后，由联合设计模型中的多基站接入和通信资源管理模块进行多基站的终端接入和子载波分配，得到移动边缘计算系统的终端接入方案和子载波分配方案；

9、s23：各移动边缘计算系统的终端接入和子载波分配完成之后，由语义传输和计算资源分配模块获得各终端的语义传输决策和计算资源分配方案；

10、s24：通过结果输出模块判定系统是否满足最佳输出条件，若已达输出条件，则终止迭代，输出基于任务完成时延的系统收益，以及输出结果；否则，更新各变量参数，继续进行下一次迭代。

11、如上的，其中，由联合设计模型中的多基站接入和通信资源管理模块进行多基站的终端接入和子载波分配，得到移动边缘计算系统的终端接入方案和子载波分配方案的子步骤如下：

12、s221：输入初始化变量信息作为给定值；

13、s222：利用匹配思想，构建基站-终端-子载波的三维匹配问题；

14、s223：求解基站-终端的二维匹配问题，获得优化的多基站终端接入方案；

15、s224：求解基站-终端-子载波的二维匹配问题，获得优化的子载波分配方案；

16、s225：通过预设的迭代次数限制和迭代收敛限判断基站-终端的二维匹配的迭代过程和基站-终端-子载波的二维匹配的迭代过程是否收敛或达到最大迭代次数，若满足收敛或达到最大迭代次数中的一个，则结束，并根据优化的多基站终端接入方案和优化的子载波分配方案更新原有的方案，并计算出总收益值更新原有的收益值；

17、s226：未达到迭代终止要求，更新变量值和系统收益值，迭代次数+1，并继续迭代；达到迭代终止要求，将优化的多基站终端接入方案作为移动边缘计算系统的终端接入方案，将优化的子载波分配方案作为子载波分配方案，并整合移动边缘计算系统的终端接入方案和子载波分配方案得到块坐标z1，并输出。

18、如上的，其中，块坐标z1的表达式为：

19、z1＝{x,ρ}；

20、其中，x为终端接入变量集合；ρ为子载波分配变量集合。

21、如上的，其中，由语义传输和计算资源分配模块获得各终端的语义传输决策和计算资源分配方案的子步骤如下：

22、s231：将初始化信息和块坐标z1作为输入，其中，初始化信息包括：终端的位置分布和任务信息情况，以及初始的语义传输决策和计算资源分配方案；

23、s232：利用凸优化的方法，更新语义传输决策和计算资源分配；

24、s233：输出得到的语义传输决策、计算资源分配方案结果，以及块坐标z2。

25、如上的，其中，块坐标z2的表达式：

26、z2＝{e,f}；

27、其中，e为语义提取和压缩的指示变量集合；f为计算资源变量集合。

28、如上的，其中，基于任务完成时延的系统收益r的表达式为：

29、

30、其中，u∈u表示终端u属于终端集合u；zui为终端u和任务i的指示变量；rui为单终端时延收益；i∈i表示任务i属于任务集合i。

31、本技术还提供一种智能计算任务的语义传输与资源管理系统，包括：地面雾无线接入网的宏基站、移动边缘计算系统和由多个终端构成的终端集合；

32、移动边缘计算系统由微基站配备移动边缘计算服务器形成，微基站所覆盖的每个终端均通过微基站提供的无线信道与移动边缘计算服务器通信；

33、其中，移动边缘计算服务器上部署有预先训练好的卷积神经网络，并设置有推理早期退出机制；

34、地面雾无线接入网的宏基站：用于协调微基站，在覆盖区域内执行上述的智能计算任务的语义传输与资源管理方法。

35、如上的，其中，地面雾无线接入网的宏基站中还包括：联合设计模块；其中，联合设计模块至少包括：终端信息初始化模块、多基站接入和通信资源管理模块、语义传输和计算资源分配模块和结果输出模块；

36、其中，终端信息初始化模块：根据终端的位置分布和任务信息情况，初始化移动边缘计算系统的终端接入方案、子载波分配方案、语义传输决策和计算资源分配方案；

37、多基站接入和通信资源管理模块：通过设定的语义传输决策和计算资源分配方案，利用三维匹配思想，将问题建模为基站-终端-子载波的三维匹配问题，并解耦为基站-终端的二维匹配的迭代过程和基站-终端-子载波的二维匹配的迭代过程两个二维匹配子问题，获得每个终端的接入方案和子载波分配方案，并输出；

38、语义传输和计算资源分配模块：通过设定的终端接入方案和子载波分配方案，现有技术中的原问题分解为一个二元线性问题和凸问题，采用凸优化的方法求解，输出优化后的语义传输决策和计算资源分配方案；

39、结果输出模块：在一次迭代完成后，更新系统收益和移动边缘计算系统的终端接入方案、子载波分配方案、语义传输决策和计算资源分配方案；如果系统收益收敛至设定精度，则终止迭代，输出优化后的结果；或由结果输出模块记录到系统迭代次数大于最大允许次数后终止迭代；否则，进入下一次迭代过程。

40、如上的，其中，终端集合为u＝{1,...,u,...,u}，其中，u表示终端集合中的第u个终端，u为终端集合中的终端的总个数；

41、其中，终端u的上行传输速率为：

42、

43、其中，ru为终端u的上行传输速率；xuk为终端u接入移动边缘计算系统k的微基站的指示变量；为子载波n被分配至接入移动边缘计算系统k的微基站的终端u的指示变量；k∈k表示移动边缘计算系统k属于移动边缘计算系统集合k；n∈n为任务n属于任务集合n；为移动边缘计算系统k中的微基站的终端u的子载波n的信干噪比；b表示单个子载波的信道带宽。

44、本技术实现的有益效果如下：

45、(1)本发明的智能计算任务的语义传输与资源管理方法及其系统，提出了综合的智能计算任务mec系统的终端接入、子载波分配、语义传输和计算资源分配的联合设计方案，面向智能计算任务的多基站多终端mec系统能够充分发掘智能计算任务在mec系统中呈现的新特性。

46、(2)本发明的智能计算任务的语义传输与资源管理方法及其系统，能够提升智能计算任务场景下多基站多终端场景的系统资源的利用效率，并且根据不同的应用场景，能够调整任务优先级和模型结构，从而实现基于任务完成系统收益提升。

47、(3)本发明的智能计算任务的语义传输与资源管理方法及其系统，构造了终端信息初始化、多基站接入和通信资源管理、语义传输和计算资源分配、结果输出四个模块，采用联合设计的方式，每次迭代过程中，依次对每个模块进行单独设计，最终输出基于智能计算任务的完成时延的系统收益，以及优化后的终端接入、子载波分配、语义传输以及计算资源分配方案等结果，

48、(4)本发明的智能计算任务的语义传输与资源管理方法及其系统，针对多基站多终端mec系统中智能计算任务的卸载数据量大和任务计算复杂的问题，设计了语义传输机制，并在mec系统部署的识别模型中引入推理早期退出(early exit ofinference,eeoi)机制。