论文部分内容阅读
关键任务型物联网(Mission-Critical Internet-of-Things，MC-IoT)将在远程医疗、触觉交互和工业自动化中发挥重要作用。一方面，在这些应用领域中，触觉通信至关重要。得益于第五代移动通信网络(the Fifth Generation ， 5G)的发展和物联网(Internet of Things，IoT)技术的进步，触觉网络可用于支持MC-IoT服务。另一方面，不同的MC-IoT服务具有不同需求。这要求设计一种灵活的网络架构以支持不同的MC-IoT服务。随着不同MC-IoT服务计算需求激增，多接入边缘计算(Multi-access Edge Computing，MEC)可在网络边缘进一步支持触觉网络部署，满足MC-IoT服务需求。
为灵活地提供MC-IoT服务，本文设计了基于网络功能虚拟化(Network Function Virtualization，NFV)的5G网络架构，以支持触觉网络部署。此外，提出了用于评价基于5GNFV触觉网络性能的效用函数模型。考虑人感知分辨最小觉差(Just-Noticeable Difference，JND)和实现相应MC-IoT服务所需的网络代价，提出了基于人感知的触觉网络效用优化(humAn perCeption-based Tactile Internet utility OptimizatioN，ACTION)算法，来提升基于5GNFV的触觉网络性能。仿真结果表明，与网络切片请求(Network Slice Requests，NSRs)部署算法相比，使用ACTION算法的触觉网络效用函数值最大提高了35.4%。进一步地，本文构建了MEC系统的代价函数模型，代价函数中同时考虑了完成多个用户设备(User Equipment，UE)任务的计算时延和计算能耗。为在无线资源和计算资源约束下，使系统代价函数值最小，提出了基于强化学习的任务卸载和资源分配共同优化方法。仿真结果表明，分别与本地计算模式，AP计算模式和云计算模式相比，采用基于Q-learning的强化学习方法优化后，系统代价函数值最大降低了86.6%，89.7%和92.1%。
为灵活地提供MC-IoT服务，本文设计了基于网络功能虚拟化(Network Function Virtualization，NFV)的5G网络架构，以支持触觉网络部署。此外，提出了用于评价基于5GNFV触觉网络性能的效用函数模型。考虑人感知分辨最小觉差(Just-Noticeable Difference，JND)和实现相应MC-IoT服务所需的网络代价，提出了基于人感知的触觉网络效用优化(humAn perCeption-based Tactile Internet utility OptimizatioN，ACTION)算法，来提升基于5GNFV的触觉网络性能。仿真结果表明，与网络切片请求(Network Slice Requests，NSRs)部署算法相比，使用ACTION算法的触觉网络效用函数值最大提高了35.4%。进一步地，本文构建了MEC系统的代价函数模型，代价函数中同时考虑了完成多个用户设备(User Equipment，UE)任务的计算时延和计算能耗。为在无线资源和计算资源约束下，使系统代价函数值最小，提出了基于强化学习的任务卸载和资源分配共同优化方法。仿真结果表明，分别与本地计算模式，AP计算模式和云计算模式相比，采用基于Q-learning的强化学习方法优化后，系统代价函数值最大降低了86.6%，89.7%和92.1%。