一种基于区块链和无线充电赋能的边缘卸载方法

本发明涉及一种结合区块链的无线充电移动边缘计算卸载模型及方法，属于移动边缘计算领域。

背景技术：

0、技术背景

1、随着物联网技术的迅速发展以及通信技术的不断进步，移动边缘计算(mobileedge computing，mec)作为一种新兴的计算范式，逐渐成为解决移动设备算力受限问题的有效途径。mec技术允许移动设备将计算任务卸载至边缘位置的mec服务器，从而实现了计算资源的有效利用和任务处理效率的提升。

2、然而，随着移动设备数量的增加和应用场景的复杂化，mec网络所面临的挑战也日益显现。首先，移动设备的体积往往较小，电能、计算能力等资源较为有限，为设备安装大容量电池或频繁充电、更换电池是不现实的。若设备能源耗尽，移动设备将无法持续地提供服务，导致服务中断，影响用户体验和关键应用的可靠性。同时，保证mec网络产生的关键信息的不可篡改性和安全性也亟待解决。而区块链技术作为一种分布式账本技术，以其去中心化、不可篡改和可追溯的特性，为解决数据安全和信任问题提供了新的解决方案。通过将区块链技术应用于mec网络，可以实现对关键信息的安全存储和传输，确保信息的完整性和可信度，进而提升mec网络的安全性和可靠性。

3、然而，在区块链赋能的mec系统中，mec服务器不仅处理它们的任务，还处理区块链系统的任务，例如生成块和执行共识过程，这使得模型的构建更加复杂。并且区块链在保证关键数据安全性的同时，也降低了系统的能耗。因此，需要平衡区块链的安全性以及带来的能耗影响，联合优化区块链系统和mec系统。

4、综上所述，本发明研究了结合区块链的无线充电移动边缘计算卸载研究，考虑区块链共识机制带来的能耗以及时延，提出了一种区块链赋能的wpt-mec计算卸载模型，并设计了一种基于资源信誉和负载均衡的raft(raft based on resource reputation andload balancing，raft-rrlb)区块链共识机制，实现可感知的安全资源交易。在确保所有任务在规定时延内完成的前提下，联合优化任务卸载策略，资源分配策略以及带宽分配策略，基于凸优化的分布式并行迭代算法(distributed parallel iterative algorithm basedon convex optimization，dpia-co)求解区块链模型以及wpt-mec模型能耗最小化问题。

技术实现思路

1、为了解决mec场景下设备能量限制问题以及关键数据的不可篡改性和可追溯性，本发明提出了一种区块链赋能的wpt-mec计算卸载模型，并设计了一种基于资源信誉和负载均衡的raft(raft based on resource reputation and load balancing，raft-rrlb)区块链共识机制，减少系统整体能耗以及时延。

2、本发明公开了一种结合区块链的无线充电移动边缘计算卸载模型及方法，该模型的构建包括以下步骤：

3、步骤1、构建系统模型。本发明构建了一种结合区块链的无线充电场景下的移动边缘计算模型。mec服务器不仅可以处理移动设备卸载的任务，还可以作为无线混合电源为移动设备提供能量供应，混合电源由可再生能源如风能，太阳能等和电力电网能源共同支撑。同时mec服务器还承担着区块链网络节点的职责，负责收集和处理从wpt-mec中产生的交易，并将这些wpt-mec系统中的关键信息挖掘成块进行共识。移动设备集成了eh单元，捕获来自于mec服务器的射频信号能量，并将其由电能转化为化学能储存至其电池单元，为后续传输、计算任务提供能量。

4、步骤2、构建任务卸载模型。在一个时间槽内，每个设备生成一个任务，全部卸载到mec服务器上计算。使用三元组来表示设备n需要卸载的任务，其中ln、ρn和分别表示任务数据大小、计算密度和最大容忍延迟。当设备n生成一个任务并将卸载请求发送到网络时，网络中的mec服务器将决定是否加入设备n的集群。

5、步骤3、设计raft-rrlb共识机制。由于区块链共识机制中，领导者负责数据块的生成和复制，因此与其他追随者相比，它需要消耗更多的资源，因此应该仔细选择领导者。然而，传统的raft机制中领导者是随机分配的，这远不是最优的。此外，raft在选举阶段容易出现多个拥有相同票数的候选人，这会导致选举失败，所有节点都需要等待很长时间，重新启动选举过程，从而大大增加了共识开销。因此，本发明提出了一种基于资源信誉和负载平衡的raft来提高传统raft的性能。

6、步骤4、构建计算卸载问题模型。

7、步骤4.1、构建mec服务器计算模式模型。

8、由于用户将任务按比例划分，传输到集群中相应的mec进行处理，对于用户设备n，将计算任务卸载到mecm时的数据传输延迟如下式所示。

9、

10、当mec服务器接收到任务时，它将消耗自己的计算资源来进行任务处理。用户设备n将其任务卸载到mec时的数据处理延迟如下式所示。

11、

12、一个设备的能耗与运行时间呈正相关，当用户设备n向mecm传输数据时，上行传输的能耗如下式所示。

13、

14、其中，∈c(j/ms)为传输能耗系数。

15、同样，mecm处理设备n的卸载任务时的计算能耗如下式所示。

16、

17、其中，∈p(j/ms)表示计算能耗系数。

18、因此，mec服务器计算模式下，设备总传输能耗和服务器总计算能耗分别表示为

19、

20、步骤4.2、构建本地计算模式模型。

21、在本地计算模式下，用户设备n的计算能力为fn，表示其可用于本地处理任务的计算资源。设备可以决定将任务本地处理或卸载到mec集群中进行处理，则本地处理任务时延如下式所示。

22、

23、则本地处理任务的能耗如下式所示。

24、

25、其中，pl代表本地处理任务时设备的功率。

26、步骤4.3、构建区块链共识机制模型。

27、在raft-rrlb中的选举阶段，领导者需要执行(2+di)(m-1)次状态确认通信、包括(m-1)次投票请求、(m-1)次选举确认和di(m-1)次心跳。此外，领导者需要在块验证阶段执行(m-1)次块重复。

28、值得注意的是，mec在每次数据传输中都需要占用带宽和消耗能量。因此，数据传输的总能量消耗应等于每次传输所消耗的能量之和。根据前面部分中提到的带宽分配策略，每个状态确认信号传输的带宽等于因此，领导者传输状态确认信号的能量消耗如下式所示。

29、

30、同样，领导者复制块的能量消耗可以表示为。

31、

32、则数据传输的领导者的能耗如下式所示。

33、

34、此外，领导还需要消耗计算资源来生成块。领导者执行块生成所需的计算延迟如下式所示。

35、

36、则领导者产生这个块的能耗如下式所示。

37、

38、在共识过程中，每个追随者需要发送一个投票应答、di个心跳包应答和一个块确认应答，因此总共有(di+2)次确认传输。

39、则跟随者的传输时延如下式所示。

40、

41、跟随者的数据传输的能耗如下式所示。

42、

43、因此，将共识中mecm的能耗表示为

44、

45、综上所述，基于区块链的无线充电mec系统中，总能耗包括所有用户的传输能耗，计算任务能耗，以及mec基站的计算任务能耗以及共识能耗。总能耗如下式所示。

46、

47、在卸载过程中，对于用户设备n，其任务将被本地处理或者被mec集群中的mec并行处理。因此，用户n的卸载延迟是mec集群中所有mec的服务延迟以及本地服务延迟的最大值，由下式所述。

48、

49、其中，为本地服务延迟。

50、mec的卸载决策为所有mec的计算资源分配和带宽分配分别记为和卸载和共识中的能耗最小化问题如下式所述：

51、

52、其中(a)表示卸载延迟不能超过任务延迟阈值；(b)和(c)表示mec分配的计算资源和带宽不能超过其最大计算能力和带宽；(d)表示决策变量是[0,1]中的连续变量；(e)表示每个用户卸载的任务可以被mec集群并行处理或者进行本地处理。(f)表示每个设备剩余能量大于设备运行最小能量，小于设备存储最大能量。

53、步骤5、使用基于凸优化的分布式并行迭代算法进行求解。为解决上述计算卸载问题本发明通过引入新变量解耦非凸问题为凸问题后基于区块链的分布式凸优化并行迭代算法进行求解。每个mec节点独立地处理本地的任务子问题，根据分配给它的部分数据和约束条件，执行优化计算以解决特定的子问题。每个mec节点求解完自己的子问题后，将得到的结果或部分信息通过区块链网络与其他mec节点共享。这个共享过程依赖于区块链的共识机制，例如，可能会使用分布式共识算法(比如拜占庭容错、pow、pos等)确保网络中各节点间的信息一致性和正确性。在本发明中使用改进的raft，进行共识。一旦区块链节点收集了完整的全局信息，它将根据这些信息对自己的局部变量进行更新。

54、本发明的有益效果是：将无线能量传输技术(wireless power transfer，wpt)与移动边缘计算相结合，通过无线信道为终端设备提供持续可靠的能量供给，解决设备能源不足导致的服务中断以及数据丢失等问题，进一步延长了mec的生命周期。同时，本发明考虑了wpt-mec中关键信息的可追溯性不可篡改性，结合区块链技术，构建了结合区块链技术的wpt-mec计算卸载模型，并设计了一种基于资源信誉和负载均衡的raft(raft based onresource reputation and load balancing，raft-rrlb)共识机制，通过感知mec节点的剩余资源以及负载状况，来选举资源丰富的节点充当领导者进行共识，提高wpt-mec的资源利用率。