没有合适的资源?快使用搜索试试~ 我知道了~
资源推荐
资源详情
资源评论
1 引言
随着信息通信技术的高速发展,人类社会开始进入万物互联的信息时代。
智能移动设备的空前普及为许多新型智能应用提供了强大的平台,与此同时也
带来了诸多新的挑战。智能化的应用(如人脸识别、交互游戏、自动驾驶等)
往往计算任务密集且对时延敏感
,然而,大多数移动终端计算能力和电能储
备 有 限 , 无 法 独 立 胜 任 当 下 需 求 。 移 动 边 缘 计 算 (
)通过将云计算
和信息技术服务部署到网络边缘,提供辅助计算,
可有效降低任务处理时延、避免网络拥塞、提高终端设备电池使用寿命
。
近年来,移动边缘计算被广泛研究用于提升蜂窝网络的能量效率、减少时
延或最大化网络运营的系统效用
。文献
研究了非线性无线供能的 网络
中 计 算 能 效 最 大 化 问 题 , 在 时 延 受 限 的 情 况 下 , 分 别 对 时 分 多 址 接 入
( ) 和 非 正 交 多 址 接 入
( !"#)方式下的部分卸载与二元卸载进行
了分析比较。针对部署缓存的 ! 异构网络下的基站用户匹配及功率分配问
题,以最大化缓存收益为目标,对功率资源和用户调度进行了合理设计,显著
提升了系统吞吐量和时延等性能。在安全通信方面,针对有恶意窃听者的情况 ,
文献$
引入安全中断概率度量 ! 系统的安全性能,以最小化加权和
能耗为优化准则,设计了最佳的资源分配方法。在此基础上,文献 %
进一步探
究了在用户设备能量受限的情况下安全中断概率最小化问题,并给出了相应的
最优安全卸载速率和功率分配方案。针对中继辅助的跨蜂窝移动边缘计算网络 ,
文献&
提出了一种混合中继转发协议以实现两终端设备之间的单向计算结果共
享,利用非严格块坐标下降法有效地实现了执行时延与网络能耗之间的均衡。
对原始数据压缩后再进行传输可有效提升网络吞吐量,基于此,文献 '
提出了
一种 辅助的计算与中继方案,以增强点对点通信系统吞吐量,通过对动态
压缩率和发送功率进行联合优化设计,实现了能耗和时延的有效均衡,突破了
传统点对点通信系统的性能瓶颈。
无人机(()"#)辅助的边缘计算与通信具备可灵
活部署、机动性强、视距通信等诸多天然优势。利用无人机的灵活移动特性并
给其配备具有一定运算处理能力的计算服务器,可实现对终端设备计算任务的
高能效、低时延辅助处理
'
*
。与此同时,无人机辅助的边缘计算系统也面
临着诸多现实挑战。无人机能量有限,如何高效地利用有限的通信和计算资源 ,
设计最佳的飞行轨迹,最终以一种高能效的方式快速完成任务的辅助计算和共
享,是研究者普遍关注的问题。此外,无人机飞行抖动及方向变化带来的信号
波束实时动态调整、多无人机辅助时的无人机与地面用户动态关联等现实问题
都给无人机辅助的边缘计算带来不少的挑战。文献'
给无人机配备处理服务器
以帮助多个用户终端设备计算卸载的任务,通过对无人机的飞行轨迹和任务卸
载比特划分进行联合优化,实现了总的移动计算能耗最小化。进一步地,考虑
到终端设备自身储能的局限性,文献*
将无线供能模块引入无人机设备,在辅
助地面终端任务计算的同时利用视距信道对其进行无线供能,相较于传统的地
面基站无线供能更加高效灵活。通过利用交替优化算法,在部分卸载和二元卸
载这 种模式下最大化系统的计算速率。在无人机和可利用地面基站同时存在
的情况下
,无人机在充当移动边缘计算辅助器的同时可作为空中中继,将部分
计算任务二次卸载到地面基站,以减轻无人机的计算负担。为实现较高的系统
能效,复杂的计算资源调度、带宽分配和无人机轨迹优化问题必须得到解决。
文献
针对部分卸载模式下的多无人辅助边缘计算,综合考虑了用户关联、计
算频率、信息传输功率、频谱资源块、多无人机轨迹等多因素的联合设计,以
获得最佳的计算能效。
以上无人机辅助的边缘计算研究工作都关注于无人机协助地面终端计算并
将结果反馈回地面终端的应用场景。不同于现有的研究工作以及&
提出的依赖
地面固定基站的边缘计算与结果共享系统,本文考虑了一种如图
所示的无人
机辅助边缘计算与结果共享系统,提出了一种两阶段交替优化算法以最大化系
统能量效率。首先,利用 +# 方法将建模的非线性分式规划问题转换为
一类等价的参数问题。其次,通过对子问题的分析,给出了中央处理单元频率
和数据比特量的闭式解。最后,所获得的解揭示了源节点选择卸载与共享自身
数据和中继选择转发计算结果的必要条件,以及实现更高能量效率的方法。仿
真结果表明,与传统算法相比,本文所提算法在能量效率方面可获得高达 * 倍
的性能提升。
2 系统模型及问题描述
如图
所示,考虑一种无人机辅助的边缘计算与结果共享系统,该系统包
含一个源节点 ,(位于地面)、一个目的节点 (位于地面)和一个无人机
(位于空中),且均假设它们为单天线设备。假设 , 和无人机都内置有独立的
通信模块和计算处理单元。部署在室外环境下的 , 捕获到图像、自然语言等信
号数据并将该数据的处理结果共享给 。假设 , 和 的位置都是固定的,且因
障碍物遮挡的原因,二者之间的直达无线链路无法进行有效的信息传输
。另
外,小型化低功率的 , 在功率和计算能力方面也十分有限。因此,部署空中无
人机以辅助 , 到 之间的信息传输以及对 , 所捕获数据的处理。进一步地,假
设采用部分卸载的边缘计算模式且 , 可同时进行数据的传输和本地计算。与此
同时,假设无人机中继内配置一定大小的缓存来存储等待计算的卸载任务。因
信息收发和任务计算分别在不同功能单元进行,故可同步进行
。
图
图 1无人机辅助的边缘计算与结果共享系统
采 用 三 维 笛 卡 尔 坐 标 系 , 其 中 , 和 的 三 维 坐 标 分 别 为 -***. 和
-/
,*,*.,且在有限时长 内,无人机的飞行高度固定为 0。为便于探究,将
有限时长 划分成 个等长的时隙,则每个时隙的时长 12 3,其中 1 的
值足够小以至于无人机在每个时隙内的坐标保持不变。因此,无人机在时长
内的飞行轨迹可表示为三维空间中 个离散坐标点的形式-/40.,其中
5526 7。进一步地,假设无人机的起始和最终方
位可被预先设定,将其分别表示为-/
*
4
*
0.和-/
8
4
8
0.。
为简便起见,假设无人机采用频分双工通信模式且各频段带宽相等,无人
机与地面通信节点(, 和 )之间的无线信道主要为视距信道。因此,在第 个
时隙,, 和无人机以及无人机和 之间的信道增益可分别表示为
#"29*":29*/
;4;05<<<-.
#"29*":29*-/:/.<;4;0<<5<<<-.
其中,9
*
表示在基准距离
*
32 情况下的信道功率增益,
"
和
"
分别表示
, 与无人机和无人机与 之间的距离。在快衰落信道模型下,系统涉及的无线
信道在时长 内保持稳定状态。
假设 , 所获取的原始数据逐位独立且可按任意比例进行拆分以便并行处理。
据此,,可采用如下 种方法协作的方式完成数据处理结果的共享:., 在本地
完成部分原始数据的计算处理,然后在无人机中继的辅助下将计算结果发送给
;.,将余下的原始数据卸载到无人机,无人机进行辅助计算处理并将结果发
送给 。进一步地,假设方法 .中 , 的计算时延和无人机的译码时延分别为一
个时隙,方法 .中无人机的计算准备时延和计算处理时延也分别为一个时隙。
=本地计算与结果共享
., 本地计算
捕获到原始数据之后,,同步执行任务的本地计算和卸载。针对本地计算,
令 表示执行单位比特计算任务所需的 >(循环次数,?-*.表示数据压缩
率。为高效利用有限的能量资源,,采用动态电压和频率缩放技术以自适应地
控制计算能量消耗。将 , 在第 时刻的 >( 频率表示为 @
循环每秒。因此,
在第 时刻 , 计算的任务比特量和相应的能耗
$
分别为
!"#$21@<5<<<-.
% !&"$'21A@<5<<<-.
其中,A
表示 , 依赖于芯片结构的有效电容系数。
.无人机中继辅助 , 到 的计算结果共享
随着本地计算的进行,,在无人机中继的辅助下将计算结果共享给 。令
()"表示第 时刻 , 发送出去的数据比特数,于是可以得到第 时
刻 , 相应的信息传输能耗
$
为
%()!()*()+
,"21"21B#"-"1C:.<<<-.
其中,!()"表示信息发送功率,C 表示信道带宽, B
表示无
人机的天线噪声功率。
通过分析易知,在第 时刻,,只能发送或共享那些已被本地计算处理的
数据,因此,有信息因果性约束为
-.()./0-.".#
1D2"E?D2:1@<2 :<<<-$.
考虑处理时延的存在,,在第一个和最后一个时隙不再传输计算结果,并
且 在 最 后 个 时 隙 不 再 进 行 数 据 的 本 地 计 算 。 因 此 , 有
()()"2" 2* 和 @
2@
F2*。
接收到来自 , 的信息之后,无人机充当移动中继对信息进行解码并转发给
。令 ""-.@"表示第 时刻无人机中继转发出去的数据比特量,则
第 时刻无人机相应的信息转发能耗为
剩余19页未读,继续阅读
资源评论
罗伯特之技术屋
- 粉丝: 3654
- 资源: 1万+
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功