没有合适的资源?快使用搜索试试~ 我知道了~
车联网中基于NOMA-MEC的卸载策略研究.docx
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 94 浏览量
2023-02-23
20:11:58
上传
评论
收藏 322KB DOCX 举报
温馨提示
试读
13页
车联网中基于NOMA-MEC的卸载策略研究.docx
资源推荐
资源详情
资源评论
1. 引言
随着移动通信技术的发展以及移动终端设备的普及,新型车载终端应用对移动通信网
络提出了更加严苛的要求。移动边缘计算(Mobile Edge Computing, MEC)技术的出现能够有
效地解决这一挑战。MEC 是一种新型通信架构,将具有计算、存储以及通信功能的服务平
台安置在网络边缘,帮助移动终端用户将计算密集型、时延敏感型任务卸载到边缘节点进
行处理
[1,2]
。MEC 技术是第 5 代移动通信的一项重要技术,目前广泛应用于通信网络系统
研究
[3,4]
。基于 MEC 的通信系统能够降低任务处理时间,同时减少移动终端设备的能耗以
及传输成本
[5-7]
。在车联网场景下,新型的服务应用正在发展,如无人驾驶、超清视频、增
强现实等
[8]
,MEC 可以满足这些任务的高计算要求,而非正交多址(Non-Orthogonal
Multiple Access, NOMA)技术的应用能够更进一步减少多任务卸载延迟的问题。
NOMA 技术是第 5 代蜂窝网络的关键技术之一,通过为终端用户分配不同的功率,
可以在同一频带上同时为多个用户提供服务,从而有效地提高频谱利用率
[9]
。NOMA 已被
视为在未来通信场景中增强系统容量的基本多址访问技术
[10]
。文献[11,12]将 NOMA 的上
下行传输都应用于基于 MEC 的网络系统,并提出了基于 Dinkelbach 方法的迭代算法,最
小化终端用户的卸载时延。文献[13]提出了两种用于 V2X 通信的中继辅助 NOMA 传输方
案,有效地提高了用户的服务质量,减轻了流量拥塞并减少了任务延迟。
文献[14]研究了基于 NOMA 的卸载策略,但其中只包括关于正交多址接入
(Orthogonal Multiple Access, OMA)或纯 NOMA 的卸载选择。文献[15]研究了 NOMA 技术
在 MEC 下的卸载问题,利用混合型 NOMA 提高了卸载的信道利用率,但主要分析单个用
户。文献[16]体现了在车联网中利用 MEC 可减少车辆任务卸载的时延和能耗,提高资源利
用率。文献[17]讲述了 NOMA 在车联网中的可行性,可用于提高车联网的频谱效率。因
此,在车联网下 NOMA-MEC 有效结合,能够进一步完善 MEC 技术在车联网中的应用,
减少移动终端用户进行卸载的延迟和能耗;另外,现有关用户卸载的文献研究中,多是基
于对能耗或者时延的单独优化。而在实际应用场景下,任务的卸载过程需要同时考虑到任
务的时延敏感度和设备能耗的约束,而通过对混合 NOMA-MEC 卸载策略研究能够更加科
学地完成任务卸载。
由此本文提出的混合 NOMA-MEC 卸载策略主要完成了以下工作:
(1) 将 NOMA 技术和基于 MEC 的车联网系统结合,构建了一个车联网通信模型,并
利用 NOMA 的技术优势,更好地适应多用户应用场景,符合实际通信网络需求。
(2) 利用 DQN 合作博弈算法,通过竞争博弈确定信道选择,根据用户请求的任务属
性以及卸载用户的数量,进行信道资源分配。通过合作博弈得到合作收益,以最大化用户
效益。然后利用 DQN,为用户选择最优的卸载策略。
(3) 设计了一种混合 NOMA-MEC 卸载选择机制,较全面地考虑到了目标优化函数的
影响因子,从任务卸载的时延和能耗方面进行优化。主要是通过将部分用户按照传统
OMA 模式进行卸载,另一部分用户利用 NOMA 模式进行卸载传输来实现。
2. 系统模型
在车联网下 MEC 通信网络系统中,车辆用户 v={1,2,⋅⋅⋅,V}v={1,2,···,V}通过同一个接
入点与 MEC 服务器进行通信,并请求任务卸载至 MEC 服务器。该系统模型如图 1 所示,
每个车辆用户卸载任务定义为 Qv=Qv={Sv,Dv}{Sv,Dv},其中 SvSv 和 DvDv 分别表示车辆
用户 vv 需要卸载的任务大小和最大时延容忍度。
图 1 系统模型图
下载: 全尺寸图片 幻灯片
在 NOMA-MEC 的通信系统框架中,可以允许多个车辆用户在同一个时隙完成任务卸
载。假设有两个车辆用户 m 和 n 同时请求任务卸载,若 Dn≥Dn≥Dm,m,n∈{1,2,⋅⋅⋅,V}Dm,m,n
∈{1,2,···,V},那么在该模式下用户 m 和 n 可以同时在 DmDm 时隙内向 MEC 服务器进行
卸载。车辆用户 m 和 n 的传输功率分别为 pOMAmpmOMA 和 pOMAnpnOMA,在这需要指
出如果用户 m 的信息在连续干扰消除(Successive Interference Cancelation, SIC)的第 2 阶段被
解码,则用户 m 的性能与 OMA 相同,因此用户 m 的传输时延不会受到影响
[18]
。用户 n 的
传输速率 RnRn 在时隙 DmDm 内为
Rn≤Blog2(1+pNOMAnm|hn|2pOMAm|hm|2+pv)Rn≤Blog2(1+pnmNOMA|hn|2pmOMA|hm|2+pv)
(1)
其中,pNOMAnmpnmNOMA 表示用户 n 在时隙 DmDm 的传输功率,hmhm 和 hnhn 分
别表示用户 m 和 n 的信道增益。
文献[11]指出用户通过 NOMA 进行任务卸载相较于 OMA 模式将会造成更多的能量损
耗。因此可以通过混合 NOMA-MEC 的方式对车辆用户请求的任务进行卸载。首先,在时
间 DmDm 内用户 m 和 n 同时进行任务卸载;其次当用户 m 完成了任务卸载之后,用户 n
需要继续进行任务卸载,它完成该部分任务卸载的时延为 TrenTnre,因此车辆用户 n 总的
时延 TnTn 为
Tn=Dm+Sn−RnDmBlog2(1+pNOMAnnpv|hn|2)Tn=Dm+Sn−RnDmBlog2(1+pnnNOMApv|hn|2)
(2)
其中,pNOMAnnpnnNOMA 表示车辆用户 n 在第 2 部分卸载传输功率。车辆用户 m 实
际卸载时延 TmTm 表示为
Tm=SmBlog2(1+pOMAm|hm|2pv),s.t.Tm≤DmTm=SmBlog2(1+pmOMA|hm|2pv),s.t.Tm≤Dm
(3)
3. 混合 NOMA-MEC 卸载
混合 NOMA-MEC 卸载策略在最大限度满足任务的时延需求的同时,也能够减少任务
卸载过程中的能量损耗。因此,混合 NOMA-MEC 卸载的优化目标主要是任务卸载的时延
和能耗。具体来讲,在此过程中,优化目标是最小化总开销
[19]
,由式(4)表示
minEmn,TmnλTm(pNOMAm+pNOMAnm)+(1−λ)⋅⎡⎣⎢⎢Sn−RnTmBlog2(1+pNOMAnnpv|hn|2)(pNOMAnn+1)+Tm⎤⎦⎥⎥s.t.C1:TmBlog2(1+pOMAm|hm|2pv)≥SmC2:TmRn+Blog2(1+pNOMAnnpv|hn|2) ⋅(Tn−Tm)≥SnC3:Rn≤Blog2(1+pNOMAnm|hn|2pOMAm|hm|2+pv)C4:Tn≥Tm≥0,Tn≤DnC5:pOMAm≥0C6:pNOMAnm≥0C7:pNOMAnn≥0⎫⎭⎬⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪
⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪minEmn,TmnλTm(pmNOMA+pnmNOMA)+(1−λ)⋅[Sn−RnTmBlog2(1+pnnNOMApv|hn|2)(pnnNOMA+1)+Tm]s.t.C1:TmBlog2(1+pmOMA|hm|2pv)≥SmC2:TmRn+Blog2(1+pnnNOMApv|hn|2) ⋅(Tn−Tm)≥SnC3:Rn≤Blog2(1+pnmNOMA|hn|2pmOMA|hm|2+pv)C4:Tn≥Tm
≥0,Tn≤DnC5:pmOMA≥0C6:pnmNOMA≥0C7:pnnNOMA≥0}
(4)
其中,EmnEmn 和 TmnTmn 分别表示车辆用户 m 和 n 的总能耗和总时延。
pNOMAmpmNOMA 表示车辆用户 m 在 NOMA 模式下的传输功率,一般情况下
pNOMAm=pOMAmpmNOMA=pmOMA。λλ 为时延能耗权重参数,表示系统对时延和能耗的
关注程度。C1C1 和 C2C2 表示车辆用户要完成任务卸载的资源大小;C3C3 表示车辆用户
n 的传输速率 RnRn 在时隙 DmDm 内约束范围;C4C4 表示车辆用户 m 和 n 满足任务卸载
的最大时延容忍度;C5C5, C6C6 和 C7C7 分别表示车辆用户在不同模式下传输功率限制。
为了确定目标优化函数的最优策略,需要保证影响因子
pNOMAnmpnmNOMA, pNOMAnnpnnNOMA 和 TmnTmn 最优。
引理 1 在满足给定约束条件下,目标函数式(4)是一个非凸优化问题。
证明 将优化目标函数式(4)转化为关于变量 pNOMAnmpnmNOMA 和
pNOMAnnpnnNOMA 的 2 元函数为
f(pNOMAnm,pNOMAnn)=λTm(pNOMAm+pNOMAnm)+(1−λ)⎡⎣⎢⎢Sn−RnTmBlog2(1+pNOMAnnpv|hn|2)(pNOMAnn+1)+Tm⎤⎦⎥⎥f(pnmNOMA,pnnNOMA)=λTm(pmNOMA+pnmNOMA)+(1−λ)[Sn−RnTmBlog2(1+pnnNOMApv|hn|2)(pnnNOMA+1)+Tm]
(5)
在上述目标函数里只含有两个变量因子,其余均默认为常量,因此简化为
剩余12页未读,继续阅读
资源评论
罗伯特之技术屋
- 粉丝: 3663
- 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