本发明涉及无线通信，特别涉及d2d辅助无线供能移动边缘计算系统的能效优化方法。
背景技术：
1、随着物联网、智能城市、无人驾驶等新兴技术的发展，移动设备的数量和种类呈现爆炸式增长。这些设备通常具有计算能力和能源受限的特点，因此需要高效的计算资源分配和能量管理策略来满足其日益增长的需求。移动边缘计算（mec）作为一种新兴的计算架构，通过将计算资源从远程云端下沉至网络边缘，能够显著降低时延，提高计算效率，满足实时应用的需求。然而，mec系统仍面临能源供给有限、计算能力不足以及信号传输阻塞等挑战。
2、为解决这些问题，无线能量传输（wpt）和设备到设备（d2d）通信逐渐成为研究的重点。无线供能技术允许设备通过无线信号从基站或其他设备获取能量，延长其工作时间，减少对电池的依赖。与此同时，d2d通信允许设备之间进行直接通信，而无需通过基站中继，不仅降低了通信延迟，还减轻了核心网络的负载，提高了频谱利用率。
3、尽管mec、wpt和d2d技术各自具有显著的优势，如何在复杂的多用户环境中有效整合这些技术，以最大化系统能效和提升通信性能，仍然是一个亟待解决的难题。因此，提出一种能够整合d2d通信、无线供能和移动边缘计算技术的能效优化算法，以满足低功耗设备的计算和通信需求，成为当前无线通信技术领域的重要研究方向。
4、此外，无线供能的移动边缘计算环境研究，只考虑了系统的短期性能，往往忽视长期性能；并且现有无线供能mec系统其能量收集模型大多都采用了线性能量收集模型，但由于无线能量传输过程中，能量收集器的工作效率并不是线性的。因此，亟需将非线性能量收集模型用于能效优化算法中，使其更好地捕捉能量收集器的实际工作特性，快速、准确地获得最优解，实现系统能效的优化，节约能源。
技术实现思路
1、本发明的目的是提供d2d辅助无线供能移动边缘计算系统的能效优化方法，能够降低通信系统核心网络的数据负载，有效地提升系统能效。
2、为实现上述目的，本发明提供d2d辅助无线供能移动边缘计算系统的能效优化方法，包括以下步骤：
3、s1、基于非线性能量收集模型，建立d2d辅助的无线供能mec系统模型；
4、s2、通过d2d通信技术，使远用户和近用户直接进行数据传输，并基于数学模型，将系统能效作为目标函数建立联合优化问题；
5、s3、基于李雅普诺夫优化，对联合优化问题进行确定性转换，并对非线性能量收集模型引入的非线性子问题进行线性转化；
6、s4、基于惩罚对偶分解方法，将转化后的系统能效优化问题分解成子问题进行求解。
7、优选的，步骤s2中，包括：
8、s21、根据近用户和远用户的任务传输，建立用户d2d传输卸载决策模型；
9、s22、建立用户计算模型，包括本地计算模型、远用户卸载模型、近用户卸载模型；
10、s23、基于分段线性能量收集模型，建立用户能量模型；
11、s24、基于任务和能量，分别建立队列模型；
12、s25、定义长期网络能效，并建立数学公式描述原始优化问题。
13、优选的，步骤s25中，原始优化问题以系统能效为目标函数，表达如下：
14、；
15、式中，为系统能效，为时隙系统的能量消耗，为近用户时隙处理的任务量，、分别为、的时间平均期望值的极限；
16、其中，原始优化问题为：
17、
18、；
19、式中，为单天线用户的数量，为近用户的数量，下标为表示远用户，下标为表示近用户，表示时隙的卸载决策，表示时隙用户向irs发送信息的传输时间，表示时隙用户向irs发送信息的发射功率，表示用户在时隙的本地cpu频率，表示hap到远用户的等效基带信道，表示hap到远用户的等效基带信道，表示第段分段线性函数的阈值，、分别为hap广播无线能量信号的传输功率和传输时间，表示芯片结构的系数，表示用户在时隙的任务队列，表示用户在时隙的能量队列；其中，c1、c2和c3为用户d2d传输卸载策略产生的离散约束，c4和c5为需要满足的传输时间约束，c6是用户中央处理器频率约束条件，c7为任务和能量队列稳定性约束，c8是用户传输功率约束条件，c9和c10是模型采用分段线性能量收集模型产生的功率约束。
20、优选的，步骤s3中，包括基于李雅普诺夫优化，对原始优化问题进行变换，并处理目标函数的分数形式，得到转换后的优化问题，表达如下：
21、；
22、式中，为权重参数，表示用户时隙中处理的任务量。
23、优选的，引入离散变量，将非线性能量收集模型中引入的分段线性函数进行线性化，转化后的优化问题表达式为：
24、；
25、式中，为引入的离散变量。
26、优选的，步骤s4中，对转化后的系统能效优化问题进行求解，包括：
27、s41、利用增广拉格朗日方法，处理优化问题中的等式约束，即分段线性函数带来的约束以及d2d卸载策略中产生的离散约束，得到增广拉格朗日问题；
28、s42、通过有效的块坐标下降方法，将增广拉格朗日问题分为d2d卸载策略优化子问题、传输功率和时间优化子问题、辅助变量和本地cpu频率优化子问题，依次进行求解；
29、s43、基于惩罚对偶分解方法的外环算法，更新惩罚因子和拉格朗日乘子，求解最优的系统能效。
30、优选的，步骤s42中，d2d卸载策略优化子问题，具体如下：
31、；
32、式中，，，，和为拉格朗日乘子，是惩罚因子。
33、优选的，步骤s42中，传输功率和时间优化子问题，具体如下：
34、；
35、其中，传输功率和传输时间为高度耦合变量，通过引入辅助变量和进行求解。
36、优选的，步骤s42中，辅助变量和本地cpu频率优化子问题，具体如下：
37、；
38、式中，为辅助变量，为时隙长度，为用户在时隙的能量消耗。
39、因此，本发明采用上述d2d辅助无线供能移动边缘计算系统的能效优化方法，具有以下技术效果：
40、（1）通过联合优化任务卸载、传输时间、功率控制以及cpu频率，算法有效减少了系统能耗，实现了能效的最大化，特别适合能量受限的移动设备。
41、（2）引入d2d通信技术，使设备能够进行直接通信，降低了核心网络的数据负载，显著提高了频谱利用率和系统吞吐量。
42、（3）通过李雅普诺夫优化理论，确保系统在动态网络环境下的稳定性，避免网络波动或负载变化引发的性能不稳定问题。
43、（4）采用惩罚对偶分解方法对复杂的优化问题进行分解，极大提高了求解速度，能够快速准确地找到最优解，满足系统实时处理的需求。
44、（5）能够在多用户场景下进行协同优化，确保任务卸载和能量分配的公平性和效率，从而提升整体系统性能，适用于资源受限的设备和节能需求较高的场景。
45、下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
1.d2d辅助无线供能移动边缘计算系统的能效优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的d2d辅助无线供能移动边缘计算系统的能效优化方法，其特征在于，步骤s2中，包括：
3.根据权利要求2所述的d2d辅助无线供能移动边缘计算系统的能效优化方法，其特征在于，步骤s25中，原始优化问题将长期网络能效作为目标函数，表达如下：
4.根据权利要求1所述的d2d辅助无线供能移动边缘计算系统的能效优化方法，其特征在于，步骤s3中，包括基于李雅普诺夫优化，对原始优化问题进行变换，并处理目标函数的分数形式，得到转换后的优化问题，表达如下：
5.根据权利要求4所述的d2d辅助无线供能移动边缘计算系统的能效优化方法，其特征在于，引入一组离散变量，将非线性能量收集模型中引入的分段线性函数进行线性化，转化后的优化问题表达式为：
6.根据权利要求1所述的d2d辅助无线供能移动边缘计算系统的能效优化方法，其特征在于，步骤s4中，对转化后的系统能效优化问题进行求解，包括：
7.根据权利要求6所述的d2d辅助无线供能移动边缘计算系统的能效优化方法，其特征在于，步骤s42中，d2d卸载策略优化子问题，具体如下：
8.根据权利要求6所述的d2d辅助无线供能移动边缘计算系统的能效优化方法，其特征在于，步骤s42中，传输功率和时间优化子问题，具体如下：
9.根据权利要求6所述的d2d辅助无线供能移动边缘计算系统的能效优化方法，其特征在于，步骤s42中，辅助变量和本地cpu频率优化子问题，具体如下：
