1.一种服务感知的资源优化方法，其特征在于：包括以下步骤：S1：确定应用的最大数据时延容忍度和应用数据速率大小，确定物联网设备的数量、时隙的长度以及系统的总带宽；

S2：系统模型：确定物联网设备通过无线能量传输技术获得的能量Ek，假设收集到的能量全部用于地计算的能量消耗和任务卸载的能量消耗，则分配给将本地计算和任务卸载的能量分别是 和 根据能量分配情况，得到本地计算的时延 和任务卸载的时延 从而根据有效容量理论构建与时延指数和应用的最大时延容忍度两个指标有关的网络时延违反概率问题模型；

S3：求解时延指数：在给定系统时间分配的情况下，给定固定物联网设备a的任务卸载比βa来求该物联网设备的时延指数θa；

S4：确定最优任务和资源分配：基于步骤S3得到的时延指数θa，求得最优的任务分配，从而确定带宽分配和本地计算资源分配，进而求得能量分配，如果带宽分配满足最优分配，则进行步骤S5，否则返回步骤S3来更新任务卸载比βa，进而更新时延指数θa，以获取下一轮的任务和资源分配；

S5：确定系统时间分配：如果物联网设备进行能量收集的时间未超过该时隙的最大时间，则返回步骤S3，更新能量收集时间，进而更新任务卸载比βa进行新一轮的任务分配，否则整个资源分配过程结束。

2.根据权利要求1所述的服务感知的资源优化方法，其特征在于：所述步骤S2具体包括以下步骤：

S21：忽略背景噪声对能量收集的影响，则物联网设备Uk在第i个时间块的射频RF能量表示为：

式中的p0表示PS的发射功率；dk表示由于PS和Uk之间的小尺度衰落所导致的信道增益；

是PS和物联网设备Uk之间的路径损耗，它取决于PS和Uk之间的距离；

得到Uk在第i个时间块中收集到的DC能量：式中，ηk表示电路能够达到的最大能量效率，sk和ck分别表示电路灵敏度和漏电流；得到Uk在第i个时间块中收集到的能量：S22：将物联网设备Uk在第i个时间块调度的本地CPU周期数记为 其不能超过物联网设备的最大CPU周期数

物联网设备Uk在第i个时间块的本地计算时延 和本地计算能耗 分别表示为：式中，ρ表示每比特CPU周期数，βk表示物联网设备Uk的任务卸载比，κ是取决于物联网设备的CPU硬件条件的能量参数；

S23：Uk的传输功率pk(i)为：以Bk表示物联网设备Uk卸载任务占用的带宽，则物联网设备Uk在第i个时间块的数据传输速率用香农公式获得：

式中，hk表示Uk和RRH之间的信道增益； 为Uk与RRH之间的路径损耗；N0为高斯白噪声的功率谱密度；

物联网设备Uk在第i个时间块的任务卸载时延 和任务卸载能耗 分别表示为：S24：Uk的有效容量表示为：式中，E[·]为期望函数，θk为Uk的延迟指数，Ck(θk)是随着延迟指数θk的增加而单调递减的；

对于延迟要求Dmax，将第k个物联网设备的时延违反概率表示为：式中，Pr{Qk＞0}表示稳定状态下第k个物联网设备缓冲区Qk非空的概率；假设缓冲区Qk始终是非空状态，即Pr{Qk＞0}＝1；第k个物联网设备可支持的最大源速率为βkλk＝C(θk)；

S25：网络时延违反概率Pr{D＞Dmax}等于对应所有物联网设备的最大LVP，任务和资源联合分配问题建模如下：

s.t.C1：

C2：

C3：

C4：

C5：

C6：

3.根据权利要求1所述的服务感知的资源优化方法，其特征在于：所述步骤S3具体包括以下步骤：

S31：证明对于 当本地计算时延 等于任务卸载时延 时，总会得到最优的网络LVP；

S32：证明随着时延指数θk的增加，物联网设备的LVP逐渐减小，如下式表达：S33：对于数据速率要求为βaλa的任意物联网设备，根据βkλk＝C(θk)和有效容量理论构造函数f1(θa)来求解θa的最优解；f1(θa)表示如下：

4.根据权利要求1所述的服务感知的资源优化方法，其特征在于：所述步骤S4具体包括以下步骤：

S41：证明当最优任务分配为{β1,…,βK}时，对于 总是会有：Pr{Dn＞Dmax}＝Pr{Dm＞Dmax}；

S42：结合步骤S41将原始的网络时延违反概率问题转换成下式：s.t.C1：

C2：

C3：

C4：

C5：

C6：

C7:Pr{Dn＞Dmax}＝Pr{Dm＞Dmax}S43：根据步骤S41可知，当一个物联网设备的任务卸载比为βa时，其他物联网设备的任务卸载比βk通过ΔPr(a)＝ΔPr(k)求得，ΔPr(k)的表达式如下所示：从而构造函数f2(θk)来求解θk的最优解，函数f2(θk)表达式如下所示：S44：根据步骤S43获得的 通过公式 计算出相应的任务卸载比 进而根据公式 求得带宽分配 同时根据公式 求得本地计算资源分配 通过公式 和 求得能量分配*

S45：当分配给每个物联网设备的带宽之和∑B没有超过系统总带宽，则执行步骤S46，若超过则停止带宽分配，此时的带宽分配即为最优的带宽分配，对应的任务分配即为最优的任务分配；

S46：更新βa的值，根据步骤S33中的计算公式计算时延指数θa的最优解，根据步骤S43的公式求解θk的最优解，然后根据公式 计算出相应的任务卸载比 进而分别根据公式 和 求得带宽分配 和本地计算资源分配 进而根据 和 求得能量分配

*

S47：只要分配给每个物联网设备的带宽之和∑B 没有超过系统总带宽，就继续更新βa的值，直到找到最优的任务分配、带宽分配、本地计算资源分配和能量分配。

5.根据权利要求1所述的服务感知的资源优化方法，其特征在于：所述步骤S5具体包括以下步骤：

S51：给定应用的最大时延容忍度Dmax，精准参数ετ；

S52：当分配给物联网设备用于能量收集的时间 未超过时隙的最大长度，则执行步骤S53，否则停止能量收集时间更新，找到历史能量收集时间分配下的最优任务分配；

S53：更新能量收集的时间 根据步骤S46找到最优的任务分配；

S54：只要分配给物联网设备用于能量收集的时间 未超过时隙最大长度，就继续更新能量收集时间，直到找到满足能量收集时间要求下的最优任务分配；

S55：将步骤S54得到的结果带入公式 和βkλk＝C(θk)求得此时的网络时延违反概率；

S56：找到最小的网络时延违反概率值即为最优的网络时延违反概率，输出此时对应的最优任务分配、带宽分配、本地计算资源分配和能量分配以及最优的系统时间分配。