论文部分内容阅读
随着移动智能终端大量普及以及新型的计算密集且延迟敏感的应用高速发展,当今蜂窝异构网络的延迟和能耗问题逐渐凸显,对未来的蜂窝网络数据速率需求和绿色通信的实现提出了更高的要求。这些需求促使创新性的移动边缘计算(Mobile Edge Computing,MEC)概念的诞生。在移动网络边缘的基站部署计算能力,结合蜂窝异构网络的双层结构,使得移动终端用户可以将待处理的计算任务卸载到MEC服务器进行处理,从而有效地减少用户可感知的延迟和能量消耗。本文主要研究的内容为关于MEC面向用户的三个关键挑战,分别是决定用户的计算卸载、频谱资源分配和MEC计算资源分配。针对现有策略的不足,本文在蜂窝异构网络下研究了三种不同的系统模型,以联合最小化延迟和能量消耗为目标,提出了两种不同的计算卸载策略和一种联合计算卸载、无线频谱资源分配和计算资源分配的策略。首先,提出的第一种基于用户选择的计算卸载策略。考虑的的系统模型为一个部署MEC服务器的宏蜂窝基站(Macro cell base station,MBS)和一个可作为中继的小蜂窝基站(Small cell base station,SBS)。以最小化MEC系统的延迟和能量消耗为优化目标,建立了公式化的优化问题,由于受限于二进制约束和不等式约束,导致优化问题是NP-hard的,本文采用了一种基于用户选择的并行迭代算法来求解优化问题。仿真结果验证了本策略具有实用和高效的特性。其次,提出了一种基于交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)的计算卸载策略。考虑的异构网络系统模型中,MBS和SBS均部署了MEC服务器。以最小化用户可感知的延迟和能耗为目标建立了优化问题并将其转化为凸优化问题,而后采用ADMM算法实现优化问题高效求解。仿真结果表明本策略相比第一种策略可以更有效地节省延迟和能耗,并且求解决策结果的速度显著提升。最后,考虑了无线频谱资源和MEC计算资源的分配,提出了基于ADMM和全局共识(Global Consensus)的计算卸载、无线频谱资源分配和计算资源分配的联合优化策略。对应的蜂窝异构网络系统模型中宏蜂窝下有用多个小蜂窝,MEC服务器分层、分布式部署与MBS和多个SBS。同样以最小化用户可感知的延迟和能量消耗为优化目标建立公式化的优化问题并将其转化为凸优化问题,利用Global Consensus概念以分布式的方式求解优化问题。仿真结果表明本策略相比前两种策略,节省延迟和能耗方面表现更佳,分布式求解效率更高。