鞏 健,李陶深,2,曾續(xù)玲,葛志輝

1(廣西大學(xué) 計(jì)算機(jī)與電子信息學(xué)院,南寧 530004) 2(南寧學(xué)院 信息工程學(xué)院,南寧 530200)

1 引 言

隨著移動(dòng)通信設(shè)備的發(fā)展和智能終端的普及,各種移動(dòng)應(yīng)用程序和網(wǎng)絡(luò)服務(wù)不斷涌現(xiàn),不僅計(jì)算量大,而且能耗高[1].由于移動(dòng)邊緣計(jì)算(Mobile Edge Computing,MEC)可以提高應(yīng)用程序中用戶設(shè)備的計(jì)算能力,例如智能駕駛、在線游戲、增強(qiáng)現(xiàn)實(shí)等,因此,近年來(lái)受到人們的廣泛關(guān)注[2].MEC服務(wù)器可以部署在用戶附近,用戶可以將計(jì)算任務(wù)卸載到位于系統(tǒng)邊緣的MEC服務(wù)器上.因此具有MEC的系統(tǒng)可以為用戶提供更低延遲[3]和更高的計(jì)算服務(wù)[4].

在無(wú)線系統(tǒng)中,由于用戶的電池容量有限,因此系統(tǒng)性能始終受到限制.但隨著近年來(lái)低能耗技術(shù)的迅猛發(fā)展,無(wú)線網(wǎng)絡(luò)可以通過(guò)節(jié)點(diǎn)捕獲能量為自身供能[5].與使用電池供電設(shè)備的MEC系統(tǒng)相比,使用能量收集(Energy Harvesting,EH)支持設(shè)備的MEC系統(tǒng)減少了頻繁給電池供電的需要[6,7],在很大程度上延長(zhǎng)了整個(gè)網(wǎng)絡(luò)系統(tǒng)的生命周期,提高系統(tǒng)的運(yùn)行性能[8].

非正交多址接入(Non-Orthogonal Multiple Access,NOMA)技術(shù)作為第5代移動(dòng)通信網(wǎng)(5th Generation Mobile Networks,5G)中一種可實(shí)現(xiàn)更高頻譜效率的手段,已經(jīng)引起了國(guó)內(nèi)外廣大學(xué)者的研究興趣[9-11].NOMA技術(shù)不同于傳統(tǒng)的正交傳輸,在發(fā)送端采用非正交方式發(fā)送,主動(dòng)引入干擾信息,在接收端通過(guò)串行干擾刪除(Successive Interference Cancellation,SIC)技術(shù)實(shí)現(xiàn)正確解調(diào)[12].它也可以與無(wú)線攜能通信技術(shù)結(jié)合,用于提高系統(tǒng)的頻譜效率和性能[13].NOMA技術(shù)使5G技術(shù)具有低延遲、高可靠性、高數(shù)據(jù)速率等優(yōu)勢(shì)[14].

一些文獻(xiàn)中已經(jīng)提出了各種聯(lián)合通信和計(jì)算資源分配方法來(lái)提高多用戶MEC系統(tǒng)中計(jì)算卸載的性能,但目前將MEC與能量收集結(jié)合的研究還比較少,并且現(xiàn)有的研究考慮的模型一般是基于時(shí)分多址接入(Time Division Multiple Access,TDMA)或正交頻分多址接入(Orthogonal Frequency Division Multiple Access,OFDMA)的多用戶計(jì)算卸載,這些是傳統(tǒng)的將無(wú)線電資源正交地分配給多個(gè)用戶的正交多址接入(Orthogonal Multiple Access,OMA)技術(shù).然而OMA技術(shù)不能充分開(kāi)發(fā)從多個(gè)用戶到基站的多址信道的容量,因此從根本上限制了多用戶MEC系統(tǒng)的性能.一些文獻(xiàn)雖然也考慮了基于NOMA的MEC系統(tǒng),但并未解決能量受限的問(wèn)題[29].

本文提出一種基于NOMA和能量收集的全雙工MEC系統(tǒng)的聯(lián)合卸載和資源分配策略.在該MEC系統(tǒng)中,移動(dòng)用戶分成M小組,每組用戶通過(guò)NOMA將計(jì)算任務(wù)卸載到與基站連接的MEC服務(wù)器上,基站利用全雙工技術(shù)同時(shí)接收卸載任務(wù)并傳遞能量給其他用戶.由于本文使用了能量收集(EH)技術(shù),可以進(jìn)一步延長(zhǎng)系統(tǒng)的壽命.

本文的主要貢獻(xiàn)如下:

1)針對(duì)MEC計(jì)算卸載過(guò)程中能量受限問(wèn)題,構(gòu)建了一個(gè)基于NOMA和能量收集的全雙工MEC系統(tǒng)模型.與以往工作不同的是,在該模型中,所有用戶分成M個(gè)小組,每組為若干個(gè)用戶.其中基站以全雙工方式工作,在接收用戶組卸載任務(wù)的同時(shí)向其他用戶組傳遞能量,同時(shí)用戶組利用收集的能量執(zhí)行任務(wù)卸載.其次,在上行鏈路任務(wù)卸載和下行鏈路接收任務(wù)結(jié)果的過(guò)程都采用NOMA技術(shù).

2)基于該系統(tǒng)模型,在保證計(jì)算延遲和能量收集約束的前提下,以系統(tǒng)能耗最小化為優(yōu)化目標(biāo)構(gòu)建數(shù)學(xué)模型,并對(duì)多維資源進(jìn)行聯(lián)合優(yōu)化,包括本地計(jì)算用戶的CPU頻率、上下行鏈路功率控制、時(shí)間調(diào)度和卸載數(shù)據(jù)分配.

3)針對(duì)聯(lián)合優(yōu)化問(wèn)題的目標(biāo)問(wèn)題為非凸,基于塊坐標(biāo)下降法(Block Coordinate Descent,BCD)提出一種聯(lián)合通信和計(jì)算資源優(yōu)化算法解決原始非凸問(wèn)題,為了減少計(jì)算復(fù)雜度,然后以封閉形式分別獲得問(wèn)題的最優(yōu)解.

4)最后通過(guò)實(shí)驗(yàn)仿真證明所提算法的收斂性,并通過(guò)與其他基準(zhǔn)算法進(jìn)行實(shí)驗(yàn)比較,證明所提算法的有效性.

2 相關(guān)工作

MEC是一種能夠在網(wǎng)絡(luò)邊緣執(zhí)行計(jì)算卸載和數(shù)據(jù)緩存的技術(shù),可將計(jì)算任務(wù)緩存到網(wǎng)絡(luò)的邊緣,為移動(dòng)用戶提供更高效的存儲(chǔ)和傳輸[15].很多研究將能量收集和MEC結(jié)合起來(lái)考慮,旨在滿足完成計(jì)算任務(wù)的約束下獲得更高的計(jì)算能力、更長(zhǎng)的電池壽命、更高的頻譜效率.Wang等人[16]針對(duì)無(wú)線供電的多用戶MEC系統(tǒng),提出了一個(gè)基于無(wú)線能量傳輸?shù)腗EC設(shè)計(jì)方案.該方案將基站的多天線接入點(diǎn)與MEC服務(wù)器集成,向多個(gè)用戶廣播無(wú)線能量以向多個(gè)用戶充電,每個(gè)用戶節(jié)點(diǎn)依靠獲取的能量來(lái)執(zhí)行計(jì)算任務(wù).這些用戶可以在本地執(zhí)行各自的任務(wù),或者基于時(shí)分多址協(xié)議將其全部或部分卸載到多天線接入點(diǎn).Wen等人[17]提出了一種基于多輸入多輸出的全雙工中繼MEC系統(tǒng),用戶設(shè)備可以使用其電池能量在本地執(zhí)行計(jì)算任務(wù),或者將計(jì)算任務(wù)的部分或全部卸載到與MEC服務(wù)器連接的接入點(diǎn),并在接收計(jì)算結(jié)果的同時(shí)對(duì)電池進(jìn)行充電.該系統(tǒng)是基于頻分多址協(xié)議進(jìn)行計(jì)算卸載,提出了在一定時(shí)間段內(nèi)最小化系統(tǒng)能耗的節(jié)能問(wèn)題.Chen等人[18]提出了一種多用戶移動(dòng)邊緣計(jì)算資源分配模型,該模型將MEC技術(shù)和能量收集技術(shù)相結(jié)合,基于頻分多址協(xié)議進(jìn)行計(jì)算卸載,可用于支持多輸入多輸出頻分復(fù)用的蜂窩通信系統(tǒng),以減輕用戶密集計(jì)算任務(wù)的負(fù)擔(dān)和多用戶頻分復(fù)用MEC蜂窩網(wǎng)絡(luò)的能耗.文獻(xiàn)[19]建立了一個(gè)MEC設(shè)計(jì)框架,在基于MEC的多用戶頻分多址系統(tǒng)中,對(duì)中央處理器頻率、上行鏈路發(fā)射功率、上行鏈路速率和計(jì)算任務(wù)進(jìn)行了聯(lián)合優(yōu)化.

雖然以上的研究都是考慮了能量收集的MEC系統(tǒng),但是所采用的卸載方法都是基于OMA的,不能充分開(kāi)發(fā)從多個(gè)用戶到基站的多址信道的容量,無(wú)法滿足未來(lái)移動(dòng)通信對(duì)頻譜資源的需求.

Ding等人[20]考慮了NOMA輔助的MEC系統(tǒng),其中功率和時(shí)間分配被共同優(yōu)化以減少計(jì)算卸載的能耗.得到了最優(yōu)功率和時(shí)間分配解的閉式表達(dá)式,并用于確定MEC卸載應(yīng)使用傳統(tǒng)正交多址OMA、純NOMA還是混合NOMA的條件.Zhou等人[21]利用NOMA技術(shù)的出色頻譜效率,通過(guò)共同優(yōu)化卸載決策,通信和計(jì)算資源分配來(lái)解決多用戶計(jì)算卸載問(wèn)題.應(yīng)用資源分配的結(jié)果來(lái)指導(dǎo)卸載決策,有效提高M(jìn)EC系統(tǒng)的訪問(wèn)能力,并減少所有用戶的總計(jì)算開(kāi)銷(xiāo).Duan等人[22]提出的系統(tǒng)由兩個(gè)近遠(yuǎn)邊緣服務(wù)器進(jìn)行協(xié)同通信,即邊緣用戶使用NOMA將部分計(jì)算工作負(fù)載轉(zhuǎn)移到一個(gè)較近的MEC服務(wù)器和一個(gè)較遠(yuǎn)的MEC服務(wù)器.近端服務(wù)器以全雙工中繼方式解碼并轉(zhuǎn)發(fā)遠(yuǎn)端服務(wù)器的任務(wù)數(shù)據(jù).通過(guò)共同優(yōu)化本地CPU頻率,用戶和較近MEC服務(wù)器的功率分配、系統(tǒng)時(shí)間分配和任務(wù)劃分,來(lái)制定總系統(tǒng)能源消耗最小化的優(yōu)化問(wèn)題,提出了系統(tǒng)總能耗最小的優(yōu)化問(wèn)題.Qian等人[23]利用NOMA實(shí)現(xiàn)計(jì)算卸載,提出了多址多任務(wù)計(jì)算卸載、NOMA傳輸和計(jì)算資源分配的聯(lián)合優(yōu)化,以最小化物聯(lián)網(wǎng)設(shè)備的總能耗為目標(biāo),在規(guī)定的延遲限制下完成其任務(wù).提出了一種在線算法,該算法基于深度加強(qiáng)學(xué)習(xí),以有效地學(xué)習(xí)得到最佳的卸載解決方案.文獻(xiàn)[24]通過(guò)分別考慮部分卸載和二元卸載兩種情況來(lái)追求節(jié)能MEC設(shè)計(jì).通過(guò)聯(lián)合優(yōu)化通信和計(jì)算資源分配以及基站對(duì)SIC的解碼順序,使所有用戶在其計(jì)算延遲約束下的加權(quán)和能量消耗最小化.對(duì)于部分卸載的情況,提出了一種基于拉格朗日對(duì)偶方法的有效算法來(lái)獲得全局最優(yōu)解.對(duì)于二進(jìn)制卸載的情況,首先使用分支定界方法獲得全局最優(yōu)解,然后分別基于貪心法和凸松弛法設(shè)計(jì)了兩種低復(fù)雜度算法,得到次優(yōu)解.顯著提高了多用戶MEC系統(tǒng)的能效.

從以上的文獻(xiàn)分析中可以看出,現(xiàn)有文獻(xiàn)提出的MEC系統(tǒng)都是用NOMA技術(shù)進(jìn)行計(jì)算卸載,為解決能耗優(yōu)化問(wèn)題提供了一些可行的技術(shù)方案,但是這些研究工作并沒(méi)有考慮能量收集(EH)問(wèn)題.根據(jù)5G的綠色要求,要提高能效與譜效,要在提高通信計(jì)算能力的同時(shí)也能夠延長(zhǎng)節(jié)點(diǎn)生命周期,降低系統(tǒng)傳統(tǒng)能耗和時(shí)延.對(duì)此,本文研究基于NOMA和能量收集的全雙工MEC系統(tǒng),使得用戶可以將計(jì)算任務(wù)通過(guò)NOMA卸載到基站,而基站可以利用全雙工技術(shù)同時(shí)接收卸載任務(wù)并傳遞能量給其他用戶.

3 系統(tǒng)模型及問(wèn)題描述

3.1 系統(tǒng)模型

圖1 多用戶全雙工移動(dòng)邊緣計(jì)算系統(tǒng)Fig.1 Multi-user mobile-edge computation system

圖2 全雙工移動(dòng)邊緣計(jì)算系統(tǒng)的時(shí)隙過(guò)程Fig.2 Time slot process of the FD-MEC system

3.2 上行鏈路模型

(1)

(2)

(3)

3.3 下行鏈路模型

設(shè)qi表示下行鏈路BS到用戶的傳輸功率,由于基站一直在向用戶廣播能量,根據(jù)文獻(xiàn)[26]的研究結(jié)果,第i組中的用戶j所獲得的能量為:

(4)

(5)

其中0≤γ≤1是權(quán)重因素,由于下行鏈路數(shù)據(jù)量小且傳輸速率快,因此公式(5)是合理的;此外,用戶返回的計(jì)算結(jié)果通常小于BS到用戶可實(shí)現(xiàn)的計(jì)算任務(wù)大小,則有:

(6)

假設(shè)邊緣云具有有限的計(jì)算能力,用F表示計(jì)算全部時(shí)隙內(nèi)的卸載數(shù)據(jù)所允許的最大CPU周期數(shù).為了確保邊緣云低的計(jì)算時(shí)延,需要滿足:

(7)

此外,基站的總能耗EBS包括廣播能耗和計(jì)算能耗,因此,基站的總能耗為:

(8)

其中,P0是基站在每個(gè)周期的能量消耗.公式(8)等號(hào)右側(cè)第1項(xiàng)為廣播能耗,第2項(xiàng)為計(jì)算能耗.

3.4 本地計(jì)算模型

(9)

用戶j本地計(jì)算所消耗的能量表示為:

(10)

其中,κ>0是用戶j處芯片架構(gòu)的有效電容系數(shù)[27].

3.5 能量因果約束

根據(jù)能量收集系統(tǒng)中的能量因果約束,收集的能量不應(yīng)小于用戶j所消耗的能量即計(jì)算卸載和本地計(jì)算能耗,則:

(11)

根據(jù)公式(3)、(4)、(8)、(10),整個(gè)系統(tǒng)的總能耗可以表示為

(12)

3.6 問(wèn)題描述

本文的目標(biāo)是在確保完成所有計(jì)算任務(wù)和保證系統(tǒng)服務(wù)質(zhì)量的約束下,通過(guò)聯(lián)合優(yōu)化上下行鏈路功率控制、時(shí)間調(diào)度、卸載數(shù)據(jù)分配和本地計(jì)算用戶的CPU頻率,使系統(tǒng)的總能耗最小.所以系統(tǒng)的優(yōu)化問(wèn)題可以表示為:

(13a)

(13b)

(13c)

(13d)

(13e)

(13f)

(13g)

(13h)

(13i)

0≤pj≤P,qi≤Q,ti≥0,?i∈M,j∈Ji

(13j)

顯然,由于優(yōu)化問(wèn)題(13)的目標(biāo)函數(shù)和約束都是非凸的,因此該優(yōu)化問(wèn)題是非凸的優(yōu)化問(wèn)題,無(wú)法對(duì)其直接求解.需要尋找新的方法去求解它.

4 問(wèn)題優(yōu)化

4.1 本地計(jì)算f優(yōu)化

本節(jié)的目標(biāo)是求解最佳CPU頻率f,根據(jù)文獻(xiàn)[16]的思想,每個(gè)時(shí)隙的最佳CPU頻率應(yīng)該滿足:

(14)

(15)

因此可以得出:

(16)

(17)

(18)

將公式(18)代入公式(13),問(wèn)題(13)可轉(zhuǎn)化為:

(19a)

(19b)

(19c)

(19d)

(19e)

(19f)

(19g)

0≤pj≤P,qi≤Q,ti≥0,?i∈N,j∈Ji

(19h)

4.2 上行鏈路功率控制p

通過(guò)分析問(wèn)題(19),可以得到以下引理:

引理1.問(wèn)題(19)的最優(yōu)解(popt,qopt,topt,lopt)需滿足以下條件:

(20)

根據(jù)引理1和公式(18),可以得到:

(21)

其中j=Ji-1+1,…,Ji,本文定義:

(22)

其中uj表示從第i組的用戶j到用戶Ji的發(fā)射功率乘以信道增益的總和,由公式(21)和公式(22)可得:

(23)

wJi+1=0

(24)

在公式(24)的基礎(chǔ)上,用遞歸方法求解(23)得到:

(25)

由公式(22)和公式(24)可得用戶j的發(fā)射功率為:

(26)

因此pj的最佳解為:

(27)

將式(27)代入式(19),原始問(wèn)題將轉(zhuǎn)換為下列優(yōu)化問(wèn)題:

(28a)

(28b)

(28c)

(28d)

(28e)

(28f)

(28g)

4.3 下行鏈路功率控制q

(29a)

(29b)

(29c)

qi≤Q

(29d)

以封閉形式求得最佳下行鏈路功率為:

(30)

4.4 計(jì)算卸載優(yōu)化

(31a)

(31b)

(31c)

(31d)

問(wèn)題(31)的最佳解或者在目標(biāo)函數(shù)的駐點(diǎn)或者在邊界點(diǎn),在第n次迭代解得最佳卸載策略如式(32)所示:

(32)

(33)

(34)

(35)

4.5 時(shí)間分配

最后通過(guò)封閉形式求得最佳分配時(shí)隙如下所示:

(36)

(37)

(38)

問(wèn)題(13)聯(lián)合通信和計(jì)算資源優(yōu)化方法的詳細(xì)步驟如算法1所示.

算法1.聯(lián)合通信和計(jì)算卸載優(yōu)化.

輸入:初始化f,p,qini=q(0),tini=t(0),lini=l(0),n=1

輸出:最優(yōu)解(fopt,popt,qopt,topt,lopt)

1.WHILE(13a)has not converged DO

2.根據(jù)公式(14)～公式(16)求得最佳CPU頻率f

3.基于引理1求得最佳上行鏈路功率p

4.根據(jù)公式(30)分配下行鏈路功率q

5.根據(jù)公式(31)～公式(34)確定卸載策略

6.根據(jù)公式(36)～公式(38)確定計(jì)算時(shí)間分配

7.n=n+1

8.END WHILE

5 仿真實(shí)驗(yàn)與分析

本節(jié)通過(guò)1000次蒙特卡洛仿真實(shí)驗(yàn),評(píng)估并分析本文系統(tǒng)和所提出策略的性能.實(shí)驗(yàn)的內(nèi)容由兩部分組成:1) 評(píng)價(jià)分析本文提出的全雙工移動(dòng)邊緣計(jì)算的NOMA算法(標(biāo)記為NOMA FD)的收斂性和可行性;2) 通過(guò)與其他算法的實(shí)驗(yàn)對(duì)比,說(shuō)明本文算法的有效性.

圖3 用戶配對(duì)對(duì)NOMA FD算法總能耗的影響Fig.3 Impact of user pairing on the total energy consumption of the NOMA FD algorithm

由于解碼的復(fù)雜性和誤差傳播,每個(gè)資源由少量用戶復(fù)用[28],因此在仿真過(guò)程中,設(shè)置每個(gè)組有兩個(gè)用戶.通過(guò)考慮3種不同的用戶配對(duì)方法來(lái)研究用戶配對(duì)的影響.對(duì)于強(qiáng)-弱(Strong-Weak,SW)對(duì)選擇,將具有最強(qiáng)信道條件的用戶與具有最弱信道條件的用戶配對(duì),將具有次強(qiáng)信道條件的用戶與具有次弱信道條件的用戶配對(duì),依此類(lèi)推.對(duì)于強(qiáng)-中(Strong-Middle,SM)對(duì)選擇,將具有最強(qiáng)信道條件的用戶與具有中等強(qiáng)度信道條件的用戶配對(duì),依此類(lèi)推.對(duì)于強(qiáng)-強(qiáng)(Strong-Strong,SS)對(duì)選擇,將具有最強(qiáng)信道條件的用戶與具有次強(qiáng)信道條件的用戶配對(duì),依此類(lèi)推.

首先,對(duì)NOMA FD算法的收斂性和可行性進(jìn)行實(shí)驗(yàn)分析.圖3給出了本文NOMA FD算法相對(duì)于時(shí)隙持續(xù)時(shí)間的總能量消耗.實(shí)驗(yàn)結(jié)果表明,強(qiáng)-中對(duì)選擇(SM)在總能耗方面優(yōu)于其他兩種方法.這是因?yàn)镾M方案的任意組中的兩個(gè)用戶具有相對(duì)較大的信道增益差,使得系統(tǒng)的總能量消耗處于一個(gè)較低的水平.鑒于SM的優(yōu)越性,后面的仿真實(shí)驗(yàn)都是采用基于SM對(duì)的選擇.

圖4給出的是NOMA FD算法在不同云計(jì)算能力下的收斂性.實(shí)驗(yàn)結(jié)果表明,隨著迭代次數(shù)增加,系統(tǒng)的總能耗降低.從圖4中可以看出,NOMA FD算法收斂速度較快,僅需要3次便可充分收斂,說(shuō)明了本文的NOMA FD算法是可行、有效的.

圖4 不同云計(jì)算能力下的算法收斂性Fig.4 Convergence behaviour of the proposed algorithm under different cloud computation capacities

接下來(lái),將本文的NOMA FD算法與半雙工移動(dòng)邊緣計(jì)算系統(tǒng)的NOMA算法[20](記為NOMA HD)、全雙工移動(dòng)邊緣計(jì)算系統(tǒng)的OMA算法[18](記為OMA FD)和半雙工移動(dòng)邊緣計(jì)算系統(tǒng)的OMA算法[29](記為OMA HD)的總能耗性能進(jìn)行比較,以說(shuō)明本文算法的有效性和優(yōu)越性.

圖5 總能耗與計(jì)算任務(wù)大小的關(guān)系Fig.5 Total energy consumption versus time solt duration

圖5展示了在不同時(shí)隙下,NOMA-MEC系統(tǒng)中總能耗與計(jì)算任務(wù)大小之間的關(guān)系.隨著用戶計(jì)算任務(wù)數(shù)的增加,計(jì)算和通信領(lǐng)域的能量消耗也會(huì)增大.因此,所有不同時(shí)隙長(zhǎng)度的曲線隨著計(jì)算任務(wù)的增加而增加.從圖中還可知,系統(tǒng)總的能量消耗隨著時(shí)隙持續(xù)時(shí)間的減少而增加,這是因?yàn)樵诙痰臅r(shí)隙內(nèi)傳輸會(huì)迫使用戶設(shè)備將計(jì)算任務(wù)卸載到基站,從而導(dǎo)致通信領(lǐng)域能量消耗的增加.此外,通過(guò)與其他3種對(duì)比實(shí)驗(yàn)算法相比,本文所提出的NOMA FD算法具有更好的性能.這是因?yàn)樵谌p工方式下,通信系統(tǒng)的每一端都設(shè)置了發(fā)送器和接收器,能控制數(shù)據(jù)同時(shí)在上、下行鏈路中傳送,從而基站在接收來(lái)自上行鏈路用戶傳輸?shù)臄?shù)據(jù)同時(shí)還可向用戶傳遞能量,所以與NOMA HD相比,本文所提出的方法消耗的能量更低.與OMA FD相比,使用NOMA技術(shù)可以降低系統(tǒng)的總能量消耗,但是由于SIC技術(shù)的引入,會(huì)增加基站的計(jì)算復(fù)雜度.

圖6 不同用戶數(shù)(K)下系統(tǒng)總能耗與計(jì)算任務(wù)大小R的關(guān)系Fig.6 Sum energy consumption of the system versus the computation task size R under different number of users(K)

圖6展示了在不同計(jì)算任務(wù)下,總能耗與用戶數(shù)量之間的關(guān)系.從圖可知,隨著用戶數(shù)的增加,所有算法系統(tǒng)所消耗的總能耗增加.這是由于用戶數(shù)越多,卸載的數(shù)據(jù)越多,從而導(dǎo)致系統(tǒng)的能耗更高.與NOMA HD、OMA FD、OMA HD算法相比,本文所提的NOMA FD算法具有更好的性能,證明了所提算法的有效性以及該算法適用于多用戶的應(yīng)用場(chǎng)景.其次,無(wú)論全雙工還是半雙工工作方式,OMA方式所消耗的能量更高.這表明NOMA能有效降低系統(tǒng)能耗,具有更好的性能增益.

圖7 總能耗與云計(jì)算能力之比Fig.7 Total energy consumption versus cloud computation capacity

圖7給出了在云計(jì)算能力大小不同的情況下本文所提算法與其它3種基準(zhǔn)算法總能量消耗的比較.從圖中可以看出,隨著云計(jì)算能力的增加,所有方案系統(tǒng)的總能耗也隨之降低,這是因?yàn)楦叩脑朴?jì)算能力可以幫助用戶將更多的數(shù)據(jù)卸載到基站處,從而降低用戶的能量消耗.從實(shí)驗(yàn)結(jié)果來(lái)看,在參數(shù)相同的條件下,本文所提的NOMA輔助的全雙工移動(dòng)邊緣計(jì)算系統(tǒng)系統(tǒng)所消耗的能量最低,與實(shí)驗(yàn)的其他3種算法相比,本文的NOMA FD算法獲得了最佳性能,這表明了本文算法的有效性.此外,當(dāng)云計(jì)算能力超過(guò)閾值時(shí),所有方案總的能量消耗基本保持不變,這一實(shí)驗(yàn)結(jié)果與文獻(xiàn)[25]中的發(fā)現(xiàn)是一致的.

圖8 總能耗與BS傳輸功率比Fig.8 Total energy consumption versus transmitting power of the BS

圖8給出了NOMA和OMA在全雙工和半雙工兩種模式下,不同BS傳輸功率與總能耗之比.從圖8的對(duì)比實(shí)驗(yàn)結(jié)果可知,隨著B(niǎo)S傳輸功率的增加,4種算法所消耗的能量減小.因?yàn)锽S發(fā)射功率越大,用戶收集的能量越多,從而減少用戶任務(wù)卸載的能量消耗.從整體可知,全雙工方式所消耗的能量明顯優(yōu)于半雙工;與OMA相比,NOMA消耗的能量更低,具有更好的性能.總之,與其他3種算法相比,本文所提的NOMA FD算法所消耗的能量最低.

6 結(jié) 語(yǔ)

針對(duì)能量受限的移動(dòng)邊緣計(jì)算系統(tǒng),本文提出了一種新的NOMA和能量收集的全雙工移動(dòng)邊緣計(jì)算系統(tǒng).在該系統(tǒng)中,所有用戶分成M組,在同一時(shí)隙中每組用戶采用NOMA方式將任務(wù)卸載至基站,基站在接收任務(wù)的同時(shí)向用戶組傳遞能量.為了實(shí)現(xiàn)綠色通信,在滿足計(jì)算延遲和能量約束的條件下,以系統(tǒng)總能耗為優(yōu)化目標(biāo),提出一種基于NOMA和能量收集的全雙工MEC系統(tǒng)的聯(lián)合通信和計(jì)算優(yōu)化分配策略.由于優(yōu)化變量之間的耦合性,將原始非凸問(wèn)題解耦為本地計(jì)算CPU頻率、上下行鏈路功率控制、時(shí)間調(diào)度和卸載數(shù)據(jù)分配幾個(gè)子問(wèn)題,并基于塊坐標(biāo)下降法(BCD)以封閉形式分別獲得問(wèn)題最優(yōu)解.數(shù)值仿真結(jié)果表明,本文所提的NOMA輔助的FD-MEC系統(tǒng)顯著優(yōu)于OMA和半雙工,與基準(zhǔn)方案相比,本文的資源分配策略所消耗的能量更低,具有更好的性能增益.在未來(lái)的工作中,可以將該網(wǎng)絡(luò)系統(tǒng)擴(kuò)展到單個(gè)或多個(gè)中繼節(jié)點(diǎn)中,以實(shí)現(xiàn)最優(yōu)的中繼選擇和性能改進(jìn).