随 着 第 五 代 移 动 通 信 系 统 (Fifth Generation Mobile Communication
System,5G)正式投入商用,类似于智能手机、平板电脑和手持设备等用户终端
(User Terminals,UTs)的数量呈现指数增长趋势
[1-2]
。在日常生活中,高清视频播
放、自然语言处理和交互式游戏等计算资源密集型任务大量涌现,移动边缘计
算系统
[3⇓-5]
被提出用以扩展用户终端的存储和计算能力。虽然移动边缘计算系
统 能 提 高 智 能 用 户 体 验 质 量 , 但 构 建 支 持 移 动 边 缘 计 算 (Mobile Edge
Computing,MEC)功 能 的 网 络 基 础 架 构 仍 具 挑 战 性
[6]
。 云 无 线 接 入 网 (Cloud
Radio Access Network,C-RAN) 是 一 种 由 集 中 式 基 带 单 元 (Base Band
Units,BBUs)池、远程射频头端(Remote Radio Heads,RRHs)和光纤前传链路
构成的绿色接入网
[7]
,通过将用户终端及云中心计算任务卸载到结合 MEC 的 C-
RAN 中,能有效解决移动边缘计算网络架构难题
[8]
。这种方式不仅有助于减少
端到端时延和节省用户终 端的设备能源,还能增强用户终端的隐私和安全 性
[9]
。
但是,不相匹配的传统资源分配方式使服务提供商(Service Provider,SP)的能
耗成本支出压力与日俱增,而高效的节能效率能为 SP 带来丰厚的可持续性收
益,为此,美国明确提出在 2030 年前将网络能耗降低 25%,英国设定了在 2050
年前将网络能耗降低 50%的目标
[10]
。
为 了 解 决 移 动 边 缘 计 算 系 统 资 源 分 配 失 衡 和 网 络 能 效 (Energy
Efficiency,EE)低的问题,在文献[11]中,研究者提出了多个带有移动边缘计算的
基站协作策略,通过进一步将额外任务卸载到与其连接的移动边缘计算服务器
来增强计算卸载服务,能提高用户终端的计算能力并延长电池使用寿命,然而文
中并未涉及降低网络能耗成本问题。在文献[12]中,研究者提出了在 MEC 与 C-
RNA 联合架构下,频谱效率感知的计算卸载和资源分配机制,在卸载时延、有限
带宽光前传链路容量和计算资源的约束下,联合优化卸载策略、无线电资源和
计算资源,以实现 SP 利润最大化,但移动边缘计算服务器仅部署于 BBU 池中,用
户终端任务卸载形式单一。在文献[13]中,研究者提出了一种远近计算增强 C-
RAN 架构,优化无线大数据处理的任务分配,部署于 BBU 池中的移动边缘计算
服务器,为用户终端提供大量的计算资源,而部署于 RRHs 上的移动边缘计算服
务器可以快速响应对延迟敏感的应用,但是这种移动边缘计算部署方式没有体
现出不同小区的差异性服务需求,增加了移动边缘计算服务器的部署成本。在
文 献 [14] 中 , 研 究 者 提 出 了 一 种 结 合 时 分 复 用 无 源 光 网 络 (Time Division
Multiplexing-Passive Optical Networks,TDM-PONs)的 资 源 分配 策略 ,其 最终
评论0
最新资源