NOMA-MEC系统协作计算卸载技术研究

来源 :西安电子科技大学 | 被引量 : 0次 | 上传用户:zdt19880709
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着无线通信技术和互联网技术的快速发展,万物互联成为了可能,无线终端设备上运行的生活服务、智能办公、信息推送等类型的应用程序为终端用户提供了丰富便捷的服务,但同时也加重了无线终端设备的计算负载和能源负载。受限于无线终端设备的计算能力、缓存能力和电池容量,用户在实际使用这些终端应用程序时,经常会遇到业务处理延迟大的问题。当处理延迟大于业务最大可容忍延迟时,服务就会中断,降低了用户服务质量(Quality of Service,Qo S)。移动边缘计算(Mobile Edge Computing,MEC)技术被认为是解决这一问题的一项关键技术,MEC技术通过将云服务下沉到网络边缘,为无线终端设备提供了计算和缓存资源。无线终端设备可以将本地难以实时处理的计算密集、延迟敏感任务卸载到其附近的MEC服务器,MEC服务器将任务处理完成后,再将处理结果反馈给无线终端设备。只有当MEC服务器具有充足的可接入计算资源、且MEC服务器靠近终端用户部署时,才能实现超低延迟卸载。随着无线终端设备的数量和业务复杂度持续增加,MEC服务器的负载不断加重,MEC服务器的部署和维护成本也在增加。现行的MEC技术存在一些有待改进的问题,例如在多址接入方面,MEC主要采用了传统的正交多址接入(Orthogonal Multiple Access,OMA)技术,系统频谱效率低,最大可接入容量有限。非正交多址接入(Non-Orthogonal Multiple Access,NOMA)技术是一种先进的多址接入技术,与OMA技术相比,NOMA具有更高的频谱效率和更强的网络接入能力,可以有效地提升无线网络的数据传输效率。在资源配置方面,现行的MEC未充分利用无线终端设备自身的资源。终端协作技术则可以将无线网络中的终端设备联合起来,终端协作技术主要包括协作中继、协作卸载、协作缓存等技术,可以更加高效地利用网络中无线终端设备自身的资源。将NOMA技术和终端协作技术应用在MEC技术中可以改进MEC的数据传输和资源利用效率。因此,本文将致力于研究基于NOMA技术与终端协作技术的MEC系统。以设计网络接入容量更大、卸载延迟更低、资源配置更加合理的MEC系统作为研究目标。针对这一研究目标,本文主要完成了以下工作:(1)设计了NOMA-MEC系统协作计算卸载的系统模型。当网络中具有计算密集、延迟敏感业务需求的无线终端设备UE与MEC服务器之间不存在直传链路时,本文利用协作中继和协作卸载等终端协作技术,设计了由MEC服务器和协作终端共同完成卸载任务的资源配置策略;为提升系统数据传输效率,UE向协作终端的传输过程中使用了混合NOMA的传输策略。(2)在UE的周围存在多个可作为协作终端的空闲无线终端设备,为进一步提升系统性能,本文设计了最优协作终端的选择策略,实现了计算卸载延迟的最小化。(3)为了实现资源配置的最优,首先对系统性能进行了理论分析,得到了系统成功卸载概率的闭式解,然后通过分析系统成功卸载概率与任务拆分因子的关系,设计出了可实现系统成功卸载概率最大化的任务拆分算法。仿真结果证明了理论分析的正确性,并且显示本文所提策略相比现有几种技术方案,具有更低的系统平均卸载延迟和更大的系统成功卸载概率。
其他文献
微波雷达生命体征感知技术将新兴的生命科学与飞速发展的微波无线通信技术相结合,极具前沿创新价值,由于具有穿透性强、探测精度高和环境适应能力极强等突出优点,是新一代生物探测及其智能分析领域的重要支撑技术,对于未来智能医疗、生物雷达、安全防护和救援等尖端技术的发展具有极其重要的作用。伴随着相控阵、微电子和片上系统技术的飞速发展,微波生命体征感知系统及芯片研究逐渐成为国内外关注的热点问题之一。因此,本文主
纸质文件数字化对于信息提取、文本内容分析和文化交流传播具有重要意义。本文针对物流仓储包裹上标签的数字化展开研究,属于特殊场景下的纸质文件数字化研究。在运输存储过程中,货物表面的标签易产生折叠、扭曲、褶皱等几何形变,同时采集人员往往手持移动设备捕捉标签图像,更是带来了采集角度不固定、光照不均匀、图像模糊等问题,使得常用的场景文本检测与识别方法难以提取标签图像中的文本信息。针对上述问题,本文面向仓储包
学位
随着电子科学的进步和电子终端市场的不断发展,各种电子设备的数字信号传输速率不断提高,并行总线已经不能满足处理器的发展速度。想要有效提高总线的传输速度,一般有两种途径,一种是提升频率,另一种是提升处理器位宽。如果一味的提升频率,则可能会导致并行总线信号间的串扰增多,从而使得时序难以收敛;如果提高位宽,则会使信号线的数量增多,又会带来其他许多不必要的问题。基于以上问题,高速串行总线开始登上历史舞台,逐
学位
合成孔径雷达(Synthetic Aperture Radar,SAR)船舶检测是SAR图像解译任务的重要组成部分,可在军事侦察、民事探测等任务中提供信息支持。SAR图像船舶检测的结果可作为其他解译任务的前置条件,检测结果影响整个SAR图像自动识别系统的性能。针对SAR图像船舶检测遇到的问题和深度学习模型的优点,本文提出了基于深度学习的SAR图像船舶检测。神经网络从图像数据中学习船舶目标的抽象特征
我国洪水灾害频发,严重威胁着我国人民的生命财产安全,每年造成巨大的经济损失和人口伤亡,如果可以在洪峰峰值和洪水到达时间上实现高精度的预报,提前指导灾区人民紧急避险,就可以将损失大大减少。传统的洪水预报模型涉及洪水产生的物理过程,面临着计算复杂,后期维护成本高,开发周期长等困境。即使是专业人士,在传统模型迁移到新流域后,其内部主要的十几个参数也需要较长时间的推断以及实地测量才能确定。随着计算机技术的
随着确定性网络技术的进步与发展,其应用场景不再局限于固网系统,向着动态协同工作领域不断延伸。例如在卫星节点之间搭建分布式协作系统,利用确定性网络在高速星间链路上传输实时性信息。由于卫星之间位置不断变化并且易受到外界因素的干扰,传统确定性网络技术标准TSN(Time Sensitive Networking,TSN)并不适用于新的链路场景。因此,本文以TSN关键调度技术为背景,结合实际卫星链路特性,
在无线通信领域中,携带不同模态轨道角动量(OAM)的电磁(EM)波具有特殊的模式正交性,可以显著提高数据传输效率,涡旋电磁波的这个特性使得其在大容量无线通信领域的应用具有极大的开发价值。然而,涡旋波螺旋形状的相位分布使得涡旋波具有一定的发散特性,且随着涡旋波模式的增加,涡旋波的发散角也随之增大。发散角的影响使得涡旋波在远距离传播时波前直径变大,使得接收天线的尺寸被迫增大,不利于涡旋波的接收。不仅如
近年来,以GPS和北斗为代表的卫星定位导航技术得到迅速发展,在工业、商业和日常生活等领域发挥了重要作用。然而,由于信号遮挡和衰减等原因,在建筑物内部和地下等室内环境或密集的楼宇之间,卫星定位技术并不能有效工作,定位结果不再准确和可靠。而同时,物联网、智慧城市和移动互联网等领域都对高精度的室内定位服务提出了多样化的需求,在室内环境下获取高精度的位置信息,成为连接网络空间与实际环境,紧密融合人与环境、