论文部分内容阅读
智能设备的飞速发展激发了各种计算密集型和时延敏感型的应用程序的出现,由于一些移动设备的计算资源和电量有限,处理这些具有临界时延要求的高强度计算负荷是一项具有挑战性的任务。移动边缘计算(Mobile Edge Computing,MEC)将本地终端和远程云的计算功能带到了网络边缘,是实现高数据速率和高计算能力的一种关键技术。本文就认知无线非正交多址接入(Non-orthogonal Multiple Access,NOMA)网络计算卸载进行研究,主要研究内容包含如下:1.针对认知无线电网络中移动设备计算资源有限导致任务处理时延过长的问题,本文通过采用NOMA传输协议将次级用户(Secondary User,SU)的任务卸载到边缘服务器,为了保证SU的接入对主用户(Primary User,PU)的干扰可容忍以及边缘服务器不超载,对SU的卸载决策和传输功率进行优化,并将次级网络计算时延问题建立为一个混合整数非线性规划(Mixed Integer Non-Linear Programming,MINLP)问题。为了克服由原问题的非凸性导致的计算复杂性,将原问题分解为卸载决策和功率控制两个子问题,并利用块坐标下降(Block Coordinate Descent,BCD)法交替迭代两个子问题的结果求得原问题的解。仿真结果表明,本文所提计算卸载方案可以在没有造成新的频谱资源开销的情况下,降低次级网络的总计算时延。2.针对认知无线电网络中通信和计算资源分布不均匀导致用户在处理计算密集负荷时能耗过大的问题,本文提出在上行链路采用NOMA方式的情况下,SU可以通过设备对设备通信(Device-to-device,D2D)为PU提供计算换取频谱的使用权从而得到将任务卸载到边缘服务器的机会,在任务计算截止时延以及最大发射功率的约束下,通过对PU和SU的卸载决策和传输功率进行优化,以控制用户间的干扰以及边缘服务器的负载,并将认知无线电网络能耗最小化问题建模为一个混合整数非线性规划问题。为了解决该问题,将二进制变量松弛为连续变量,并将松弛后的问题解耦为两个子问题,利用连续凸近似将非凸的子问题近似为线性规划问题求解,并通过BCD法交替迭代两个子问题的结果。通过仿真分析,证明了所提方案可以提高网络的卸载效率,进而降低了整个网络的总计算能耗。