(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210853134.2 (22)申请日 2022.07.07 (71)申请人 哈尔滨理工大 学 地址 150080 黑龙江省哈尔滨市南岗区学 府路52号 (72)发明人 黄长帅　车楠　曹红达　 (51)Int.Cl. H04W 28/08(2009.01) G06F 9/50(2006.01) (54)发明名称 基于SDWN的边云协同任务卸载 方法 (57)摘要 本发明提出了一种基于SDWN的边云协同任 务卸载方法。 包括： 1.通过SDWN获取边缘服务器 无线指标， 采用随机森 林方式对 未来网络吞吐量 进行预测。 2.在边云协同卸载决策中考虑网络因 素， 根据边缘、 云服务器计算能力、 任务大小、 未 来网络状况进行综合分析， 决定任务执行位置。 3.SDWN接收到任务卸载通知后， 对边缘服务器网 络进行优化， 包括信道切换、 设备迁移等操作。 本 发明将无线网络因素考虑到边云协同任务卸载 过程中， 可以有效的提升任务卸载判断精度和效 果。 权利要求书2页 说明书5页 附图5页 CN 115209480 A 2022.10.18 CN 115209480 A 1.一种基于SDWN的边云协同任务卸载方法， 其特征在于， 所述任务卸载方法包括以下 步骤： 步骤一： SDWN控制器采集边缘网络信息， 对边缘服务器网络进行监控， 主要收集信息 为： 无线信道占用率、 信号强度、 AP客户端关联数量、 客户端 上行下行数据包统计。 并且控制 器上层运行随机森林模型， 模型参数根据所处无线环境进行调整； 步骤二： 一旦边缘服务器产生计算任务， 结合任务量与自身的计算能力， 计算在边缘服 务器本地计算时间。 并通知云服 务器； 步骤三： SDWN结合当前采集的无线信息， 预测未来一段时间内的无线网络吞吐量， 并实 时上传至云端决策程序； 步骤四： 云端服务器结合自身的计算能力、 以及边缘服务器计算能力和SDWN控制器预 测的未来网络吞吐量， 计算上传 任务所需总时长。 然后对比与边缘服务器的计算时间， 决定 任务是否卸载， 并通知S DWN控制器； 步骤五： SDWN结合当前边缘服务器周围网络环境， 对传输的干扰进行分析， 然后进行网 络调整， 如信道切换、 设备迁移等。 2.根据权利要求1所述的一种基于SDWN的边云协同任务卸载方法， 其特征在于， 在步骤 一中， 对无线信息的收集和处 理， 具体包括： 采用SDWN控制器作为局域网内的无线信息收集工具， 并且设置收集周期， 记录的无线 信息包括信号发射功率、 Ap信道、 Tx数据包统计、 平均信号、 开始时间戳、 结束 时间戳、 信道 质量、 RSSI等。 并且模 型运行在现实环境中， 模型根据所处环 境中的历史无线参数来调整 无 线参数， 以提高模型对环境的适应和预测的准确性。 3.根据权利要求1所述的一种基于SDWN的边云协同任务卸载方法， 其特征在于， 在步骤 三中， SDWN采用的机器学习办法， 输入当前的实时网络参数， 得到未来一段时间内的无线网 络吞吐量， 具体包括： SDWN控制器运行随机森林预测模型， 模型的输入特征为边缘环境的无线信息， 输出为 下一时间段的网络吞吐量， 并且 模型将计算结果实时传至云端服 务器。 4.根据权利要求1所述的一种基于SDWN的边云协同任务卸载方法， 其特征在于， 在步骤 四中， 边云协同卸 载程序考虑到了未来无线带宽和边缘服务器计算能力， 以此作为决策依 据， 具体包括： 当边缘服务器存在计算任务时， 触发云端 的卸载决策程序， 根据SDWN控制器上传的未 来网络吞吐量来计算任务上传至云端的时间， 并且计算任务在云端的处理能力， 最后 综合 比较与边 缘服务器的本地计算时间来决定任务计算 位置。 5.根据权利要求1所述的一种基于SDWN的边云协同任务卸载方法， 其特征在于， 在步骤 五中， 在决定任务卸载后， SDWN控制器会根据边缘服务器的网络状况进 行网络控制， 以此辅 助边缘服务器的任务传输， 具体包括： SDWN控制器采集边缘服务器的无线网络环境， 来生成信道质量 图和无线干扰图。 信道 质量图是一个有向图， 如果两个节点在相互的通信范围内， 就会存在一条有向边， 边的权重 代表通信质量。 干扰图则是， 两个无线设备在互相的载波检测范围内， 并且一个节点的数据 传输干扰了另一个节点的分组接收， 那么就定义这两个链路之间存在冲突。 调整主要是通 过LVAP设备迁移实现， 通过将设备迁移到附近AP以减少网络传输拥 挤， 从而达到加 速卸载权　利　要　求　书 1/2 页 2 CN 115209480 A 2的效果。权　利　要　求　书 2/2 页 3 CN 115209480 A 3