具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

需要说明的是，在本文中，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、物品或者装置不仅包括那些要素，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、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、物品或者装置中还存在另外的相同要素。

本发明在固定的用户配对情况下，首先对波束宽度变量进行优化。在本过程中，针对波束宽度的优化问题为非凸优化问题，采用连续凸近似的方式将本问题转化为凸问题，并采用内点法对该问题进行迭代优化并最终获得收敛。

针对共存的CPUE和CMUE，假设每个时隙中有一个CPUE和一个CMUE采用非正交多址接入(NOMA)方式进行上行链路传输，因此需要对二者进行匹配，并将上述波束宽度迭代优化过程加入其中。我们提出一种基于一对一匹配的交换匹配策略。

本发明实施例提供一种面向毫米波MEC的低时延-高速率的卸载传输方法，该方法通过以下步骤实现：

步骤1：在固定的用户配对情况下，获得最优波束宽度分配Ω^*；

具体地，初始化辅助变量x和y，令迭代计数器n＝0，并设置迭代终止门限ζ≥0，采用内点法对求解，获得当前波束分配结果Ω^[n]，当两次迭代CMUE的平均时延差小于ζ时，迭代终止，并获得最优波束宽度分配Ω^*。

所述辅助变量x和y二者满足 所述辅助变量x和y分别代替CPUE的信噪比和 CMUE的信号与噪声和。

步骤2：对CPUE和CMUE进行随机配对；

具体地，将CPUE和CMUE进行随机配对，并且产生一个分配状态矩阵A，若A_i,j＝1，则表明CPUEⁱ和CMUE^j形成配对关系，反之，表明CPUEⁱ和CMUE^j未形成配对，生成一个同等大小的交换控制矩阵C，并令C＝1-A。

步骤3：逐一检测所有CMUE的配对关系是否为最优配对；

具体地，如果任意一个CMUE^j对应的交换矩阵C中存在1元素，则确定该 CPUEⁱ和CMUE^j为非最优配对，反之，则确定该CPUEⁱ和CMUE^j为最优配对。

步骤4：对于非最优配对的CPUE和CMUE进行交换配对，获得对应的最优配对；

具体地，所述CPUEⁱ与CMUE^j为非最优配对时，将CPUEⁱ解除与原用户组中 CMUE^j的匹配关系，并令其与CMUE^j'结组，同时将CPUE^i'解除与原用户组中CMUE^j'的匹配关系，并更新分配矩阵A，同时对控制矩阵C出现变化的位置重新置为0。

步骤5：根据所述最优波束宽度分配Ω^*对所有的最优配对的波束宽度进行迭代优化。

所述根据所述最优波束宽度分配Ω^*对所有的最优配对的波束宽度进行迭代优化之后，还方法还包括：继续对所有CMUE进行逐一检测，如果任意一个CMUE 对应的交换控制矩阵C中仍然存在1元素，则确定该配对为非最优配对的CPUE 和CMUE，继续对于非最优配对的CPUE和CMUE进行交换配对，直至整个交换控制矩阵为0为止。

本发明本发明首次将毫米波波束宽度作为优化变量进行优化，相比现有技术进一步提升了系统性能，综合考虑了CPUE和CMUE两种用户的传输和卸载需求，并对上行链路的波束宽度和用户配对情况进行联合优化，针对复杂优化问题的多任务目标进行优化，最终优化结果取双目标的折衷。

本发明的使用场景是CPUE和CMUE并存的mmWave MEC上行链路，假设基站位于小区的中心，两种用户随机地分布在小区内部；假设CPUE共有I个，用i索引；CMUE共有J个，用j索引。同时，考虑时隙数量与两种用户数量相同，每个CP用户的待卸载任务量为C_i。定义发送端毫米波天线的波束增益为G，与波束宽度成反比，针对某一特定CPUEⁱ，其计算任务卸载时延可以表示为：

其中，D₀为波束对齐时间，为用户i等待时长，R_i，t为CPUEⁱ在时隙t的传输速率。由于采用NOMA传输机制，两种用户的传输速率可以分别表示为：

根据上述系统描述，将本问题建模为一个多目标优化问题，旨在完成对 CPUE传输时延的最小化和CMUE传输速率的最大化，该问题可以建模为

s.t.A_i，j＝0，1， (6)

R_j，t≥R₀， (8)

w₀≤ω_i，t≤ω₁， (10)

w₀≤ω_j，t≤ω₁。 (11)

上述问题以所有CPUE的平均时延和CMUE的传输和速率为目标，并对用户配对和波束宽度分配进行优化。约束(6)、(7)为用户配对约束，表明CPUE 和CMUE一一配对关系；约束(8)为CMUE的传输速率下限；约束(9)为CPUE 的能耗约束，约束(10)、(11)分别为两种用户的波束宽度的上下限。

然而，该多目标优化问题无法通过较低复杂度的算法进行求解，因此，将该算法中CMUE的速率转化为约束条件，并将整个问题建模为：

相比于原始优化问题，我们将问题P2转化为约束(13)，通过设置和速率函数下限的方式将原始多目标优化问题转化为单目标优化问题，并通过调整R₁的值求得原多目标优化问题的帕累托最优解。

针对上述优化问题，我们分别对波束宽度Ω和用户配对关系A进行优化，当单独考虑波束宽度Ω优化时，问题P3可以表示为

从上述问题模型可以看出，本问题中目标函数和约束(9)均为非凸函数，因此采用连续凸近似的处理方式对本问题进行转化，具体操作如下：

首先添加辅助变量z，将目标转为约束，将本问题写为

为解决非凸约束(9)，引入辅助变量x和y，二者满足

y_j≥p_j，tG_j，t|h_j，t|²L_j+N₀ (18)

用辅助变量x和y分别代替CPUE的信噪比和CMUE的信号与噪声和，此时约束(9)为凸约束，针对(17)中引入的非凸约束，将其变化为

x_iy_j≤p_i，tG_i，t|h_i，t|²L_i (19)

其中x_iy_j存在上界

将(28)与(29)相结合，可得到

经过上述连续凸近似过程，所有非凸约束均转为凸约束。此时该问题可以写作

此时，针对波束宽度的优化为凸优化问题。

如图1所示，本发明在上述场景的实现步骤如下：

步骤一，波束宽度分配

在固定的用户配对情况下，采用迭代内点法对波束宽度进行优化。具体流程如下

1.1初始化系统，初始化辅助变量x和y，令迭代计数器n＝0，并设置迭代终止门限z³0。

1.2采用内点法对问题(22)进行求解，并获得当前波束分配结果W^[n]

1.3当两次迭代CMUE的平均时延差小于z时，迭代终止，并获得最优波束宽度分配w^*。

步骤二，用户配对

针对共存的CPUE和CMUE，假设每个时隙中有一个CPUE和一个CMUE采用非正交多址接入(NOMA)方式进行上行链路传输。因此需要对二者进行匹配，并将上述波束宽度分配过程加入其中。我们提出一种基于一对一匹配的交换匹配策略，具体方案如下：

2.1初始化，将CPUE和CMUE进行随机配对，此时系统产生一个分配状态矩阵A，若A_i,j＝1，则表明CPUEⁱ和CMUE^j形成配对关系。反之，表明二者未形成配对。同时设立一个同等大小的交换控制矩阵C，并令C＝1-A.

2.2对所有CMUE进行逐一检测，若发现某CMUE^j对应的交换矩阵C中存在1 元素，执行2.3。

2.3CPUEⁱ和CPUE^i'分别与CMUE^j和CMUE^j'进行结组，若将两对NOMA用户组中的CPUE进行位置互换可以实现更好的系统性能，则将CPUEⁱ解除与原用户组中 CMUE^j的匹配关系，并令其与CMUE^j'结组，同时将CPUE^i'解除与原用户组中CMUE^j'的匹配关系，并更新分配矩阵A，同时对的控制矩阵C出现变化的位置重新置为0。

2.4在当前用户配对关系下，执行步骤一中所述的迭代波束宽度优化过程。并将优化结果作为后续匹配算法的输入。

2.5继续对CMUE进行逐一检测，若发现某CMUE对应的交换控制矩阵C中任然存在1元素，则执行2.3。直至整个交换控制矩阵为0矩阵，算法停止。

本发明的效果可以通过仿真进一步说明：

1.仿真条件：设所考虑的mmWave MEC卸载传输场景中，包括1个基站，该基站拥有2GHz的有限发送带宽，8个CPUE和8个CMUE，并考虑8个时隙内的传输情况，旁瓣增益设置为0.001，导频传输时间为1ms，扇区级波束宽度为 p/4rad/s。

2.仿真内容：在图2中，仿真出了所提算法及另两种典型算法的怕累托前沿面。纵轴为CPUE的平均时延，横轴为CMUE的和速率，从图中可以看出，随着CMUE和速率的增加，平均时延呈现递增趋势，表明两种用户对通信资源存在竞争关系。同时，我们所提出的算法在不同的计算任务量时均可以产生优于典型算法的性能。这说明，所提算法可以有效实现mmWave MEC卸载资源分配并产生较好系统性能。

以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。