申请/专利权人：北京鹏鹄物宇科技发展有限公司

申请日：2024-04-12

公开（公告）日：2024-06-14

公开（公告）号：CN118200983A

主分类号：H04W28/08

分类号：H04W28/08;H04W28/084;H04W28/082;H04W84/06;H04L67/10;H04B7/185

优先权：

专利状态码：在审-公开

法律状态：2024.06.14#公开

摘要：本发明公开了一种边缘计算赋能卫星通信系统的任务卸载方法，包括：构建了包括地面用户和低轨卫星的边缘计算网络。建立任务本地计算模型，考虑了地面用户本地设备的计算资源和能源消耗。设计了一种基于多智能强化学习的任务卸载算法，以双重深度Q网络DDQN为基础，使每个地面用户能够自主决策任务的卸载位置，并最大化系统的效能。通过仿真实验验证了提出算法的有效性，并证明随着用户数量的增加，该算法的优势不断增强，实现了任务计算卸载的最优分配。本发明的优点是：具有较低的能耗、高效的任务处理能力和良好的实用性，适用于各种边缘计算场景的应用。

主权项：1.一种边缘计算赋能卫星通信系统的任务卸载方法，其特征在于，包括：1构建边缘计算辅助的卫星通信网络，包括N个地面用户和M个低轨卫星；每个低轨卫星携带一个边缘服务器，向地面用户提供边缘计算服务；每个地面用户返回在每个时隙生成一个计算任务，地面用户可以与所有低轨道卫星建立通信链路；2构建任务本地计算模型，地面用户在其设备上进行任务处理，考虑使用本地设备的计算资源和能量，得到任务在本地计算的时间以及本地计算模式下任务的能耗；3当用户选择边缘计算模式时，将自己的任务卸载到边缘服务器低轨卫星,边缘服务器将承担所需的计算；将任务的计算卸载分为三个阶段；首先，用户将任务数据传输给低轨道卫星；然后，低轨道卫星接受数据，MEC服务器分配计算资源执行任务；最后，低轨道卫星将任务计算结果传回用户设备；4设计一种基于多智能强化学习的任务卸载算法，该算法基于双重深度Q网络DDQN算法；将每个地面用户视为一个代理，每个地面用户可以进行自主决策，利用DDQN的深度学习部分来拟合MEC环境，通过强化学习部分为每个用户任务做出最优的卸载决策；对于每个用户任务，需要确定任务卸载的位置，然后根据任务卸载该位置所消耗的总成本返回该卸载动作的奖赏值，用于指导智能体的学习，并使其不断探索奖赏最大化的方向；5通过仿真实验验证所提算法的有效性，并随着用户数量的增加，所提算法的优势不断增强，实现任务计算卸载的最优分配；6将验证通过的算法部署到实际环境中进行应用；进行系统集成、软硬件部署工作，确保系统正常运行。

全文数据：

权利要求：

百度查询： 北京鹏鹄物宇科技发展有限公司 一种边缘计算赋能卫星通信系统的任务卸载方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD