无人机辅助反向散射通信计算任务卸载与资源分配

针对边缘计算网络中用户能量短缺问题，该文提出一种无人机(UAV)辅助的反向散射通信网络计算任务卸载和资源分配方案。首先，通过联合考虑飞行轨迹、用户的计算频率、任务卸载比例、无人机及用户的发射功率、反向散射时间分配以及主动通信时间分配，构建最小化无人机总能耗优化问题。其次，利用交替优化算法，将原非凸问题分解为两个子问题，并通过连续凸逼近方法将原问题转化为凸问题进行求解。仿真结果表明，所提算法使得无人机能耗显著减少，且具有良好的收敛性。     

面向空天地异构网络的边缘计算部分任务卸载策略

空天地异构网络作为一种新型网络构架,是未来6G实现泛在连接的关键支撑。该文提出一种面向空天地异构网络(SAGIN)的移动边缘计算部分任务卸载方案。首先,分析了低轨(LEO)卫星的覆盖时间。其次,联合考虑用户与无人机(UAV)匹配关联因子、任务分配、带宽分配、无人机计算资源分配以及无人机轨迹,旨在建立一个能耗最小化问题。最后,采用交替迭代优化算法,将原非凸问题分解为3个子问题,并利用变量替换和连续凸逼近方法将问题转化为凸问题进行求解。仿真结果表明,所提算法具有良好的收敛性能,并有效地降低系统能耗。     

数字孪生使能的智能超表面边缘计算网络任务卸载

针对新兴的计算密集型应用对移动用户高计算性能需求问题,该文提出一种数字孪生(DT)结合智能反射面(RIS)辅助的移动边缘计算(MEC)任务卸载方案。首先,在满足用户传输功率、用户和资源设备能耗、计算资源限制条件下,通过联合优化用户卸载决策、用户传输功率、RIS 相移、波束成形矢量、计算资源分配,建立一个系统能耗最小化问题;其次,将该非凸组合优化问题分解为3个子问题,使用深度双Q网络(DDQN)方法确定用户卸载策略;然后对每个训练时间步进行一次求解,基于交替迭代方法得到问题的优化解。仿真结果表明,基于DDQN的算法训练速度较快,有效降低了系统总能耗。     

基于边缘计算的无人机通感融合网络波束成形与资源优化

为了解决传统通信-感知融合网络模式对地面基础设施的依赖,针对复杂场景下通感融合网络系统功耗较大、信号阻塞、覆盖盲区等问题,提出了一种无人机搭载边缘计算服务器与雷达收发器辅助通感融合网络。首先,在满足用户传输功率、雷达估计信息率、任务卸载比例限制的条件下,通过联合优化无人机雷达波束成形、计算资源分配问题、任务卸载量划分、终端用户发射功率和无人机飞行轨迹,建立系统总能耗最小化问题；其次,将该非凸优化问题重新构建为一个马尔可夫决策过程,使用深度强化学习中的近端策略优化算法实现系统的优化决策。仿真结果表明,所提算法训练速度较快,能够在保证应用的感知与计算时延需求的同时有效降低系统能耗。     

无人机中继通信的轨迹与资源分配优化方法

为提高地面用户的传输速率以及保证公平性，在基站覆盖不到的偏远地区可利用无人机进行辅助中继通信。首先将无人机的轨迹控制与频谱资源分配建模成一个混合整数非线性规划问题；然后基于块坐标下降法，将联合优化问题解耦成信道分配、发射功率和飞行轨迹三个子问题以降低复杂度；最后提出基于继承的子信道迭代分配算法求解信道分配子问题，采用凸优化和连续凸近似法分别求解功率优化及飞行轨迹优化子问题。仿真结果表明，所提算法在保证地面用户公平性的同时，具有比基准策略更高的最小平均速率。     

无人机辅助MEC系统中基于最优SIC顺序的能耗优化方案

在基于上行非正交多址接入（NOMA）的无人机（UAV）辅助移动边缘计算（MEC）系统中,NOMA的连续干扰消除（SIC）顺序已成为限制上行任务卸载链路传输性能的瓶颈,为降低系统能耗,对SIC顺序进行了讨论,提出了联合信道增益与任务时延约束的最优SIC顺序。在满足设备给定任务时延、设备最大发射功率约束以及UAV轨迹的约束下,基于最优SIC顺序提出了最小化系统能耗的问题。由于该问题是个复杂的非凸问题,采取交替优化的方法求解该优化问题,以实现功率分配和UAV轨迹的优化;利用匹配理论,提出了低复杂度算法来得到不同时隙的最优设备分组。仿真结果表明,与其他SIC顺序相比,最优SIC顺序能够在相同的任务时延约束下实现更小的系统能耗;所提的低复杂度设备分组算法能够得到最优设备分组。     

NOMA物联网下多UAV辅助MEC系统的资源分配

为解决偏远地区或突发灾害等场景中的物联网(Internet of Things, IoT)设备的任务计算问题,构建了一个非正交多址接入(Non-orthogonal Multiple Access, NOMA)-IoT(NOMA-IoT)下多无人机(Unmanned Aerial Vehicle, UAV)辅助的NOMA多址边缘计算(Multiple Access Edge Computing, MEC)系统。该系统中设备的计算能耗、卸载能耗和MEC服务器计算能耗直接受同信道干扰、计算资源和发射功率的影响,可通过联合优化卸载策略、计算资源和发射功率最小化系统加权总能耗。根据优化问题的非凸性和复杂性,提出了一种有效的迭代算法解决：首先,对固定卸载策略,计算资源和发射功率分配问题可通过连续凸逼近转化为可解的凸问题;其次,对固定计算资源和发射功率,利用联盟形成博弈解决卸载策略问题,以最小化IoT设备之间的同信道干扰。仿真结果表明,较OMA接入方式,NOMA接入方式减少本地计算能耗、卸载能耗及计算能耗约20%;较无卸载策略方法,包含卸载策略方法在减少系统加权总能耗方面效果较为明显。     

超密集网络中基于移动边缘计算的任务卸载和资源优化

移动边缘计算(MEC)通过在无线网络边缘为用户提供计算能力,来提高用户的体验质量。然而,MEC的计算卸载仍面临着许多问题。该文针对超密集组网(UDN)的MEC场景下的计算卸载,考虑系统总能耗,提出卸载决策和资源分配的联合优化问题。首先采用坐标下降法制定了卸载决定的优化方案。同时,在满足用户时延约束下采用基于改进的匈牙利算法和贪婪算法来进行子信道分配。然后,将能耗最小化问题转化为功率最小化问题,并将其转化为一个凸优化问题得到用户最优的发送功率。仿真结果表明,所提出的卸载方案可以在满足用户不同时延的要求下最小化系统能耗,有效地提升了系统性能。     

基于能效最优准则的双跳中继网络功率分配算法

针对单天线多跳系统中的资源分配策略进行了研究,重点研究了基于能效最优的功率分配算法。所提算法以系统能效最大化为设计目标,以满足指定的系统服务质量(QoS, quality of service)为约束条件,建立了以源节点和中继节点发射功率为设计变量的数学优化模型。通过大信噪比区间近似等效,将原始的非凸优化问题转化为凸优化问题。再利用拉格朗日对偶函数凸优化算法,并借助于Lambert 函数,最终得到一种功率分配方案的闭合形式解,避免了采用交替迭代方法来求解最优化问题。相比传统以系统频谱效率最大化为目标的算法,所提算法能更好地提升系统整体能效,同时降低了功率分配算法的复杂度。     

无人机辅助通信中基于用户轨迹的无线资源和航迹优化

近年来,将无人机应用在无线通信网络中来提高系统性能的研究越来越普遍。针对无人机辅助移动用户通信的下行无线传输系统,提出了一种基于用户轨迹的无人机辅助通信系统无线资源分配和航迹优化方法。根据已知的用户运动轨迹提前获取估计的大尺度信道状态信息,以最大化用户的最小平均速率为目标,建立了一个联合优化无人机通信带宽分配和飞行航迹优化的问题。该问题是一个非凸优化问题,要优化的变量之间存在非线性耦合,通过引入辅助变量和分离变量交替优化的方法,将原问题分解为2个可以求解的近似凸优化子问题,并利用连续凸逼近方法对2个子问题交替迭代优化,得到原非凸问题一个近似次优解。仿真结果表明,所提方法能够有效提高用户的平均数据吞吐量,在保证所有用户的通信质量的前提下提高无人机辅助通信的效率。     

基于边缘计算的无人机移动辅助卸载策略研究

文中研究了基于边缘计算的无人机移动辅助卸载技术,对促进无人机发展、提升其经济价值具有重要的意义。值得注意的是,当前我国需要实现无人机辅助边缘计算系统的能耗最小化、用户时延最小化、系统吞吐量最大化、无人机能耗最小化等,以促进无人机技术高质量发展。基于此,文中提出了利用合理的计算卸载机制,使无人机在卸载过程中的位置适宜化,实现了用户任务的分配高效、无人机运动建模、无人机轨迹优化,并设计了用户终端任务分配方案、优化算法,从而设计出一种快速收敛的算法,推动无人机技术的快速发展。     

Sum-rate maximization for UAV-enabled two-way relay systems

In this paper, an Unmanned Aerial Vehicle (UAV)-enabled two-way relay system with Physical-layer Network Coding (PNC) protocol is considered. A rotary-wing UAV is applied as a mobile relay to assist two ground terminals for information interaction. Our goal is to maximize the sum-rate of the two-way relay system subject to mobility constraints, propulsion power consumption constraints, and transmit power constraints. The formulated problem is not easy to solve directly because it is a mixed integer non-convex optimization problem. Therefore, we decompose it into three sub-problems, and use the mutation arithmetic of the Genetic Algorithm (GA) and Successive Convex Approximation (SCA) to dispose. Besides, a high-efficiency iterative algorithm is proposed to obtain a locally optimal solution by jointly optimizing the time slot pairing, the transmit power allocation, and the UAV trajectory design. Numerical results demonstrate that the proposed design achieves significant gains over the benchmark designs.     

基于K-臂赌博机的多无人机空地网络动态资源分配方法

针对配置大规模MIMO的多无人机空地网络中的动态资源分配问题,从最大化系统吞吐量的角度出发,该文提出一种基于K-臂赌博机的强化学习算法联合优化多个无人机的用户选择与功率分配策略。首先根据地理位置对用户进行分簇,利用簇中心节点规划无人机飞行路径;其次在不考虑无人机之间端到端通信的情况下,将多无人机资源分配问题转化为相互独立的多个智能体强化学习问题;最后提出分幕式多智能体多状态K-臂赌博机算法来实现用户选择与功率分配的联合优化。通过将无人机每个时刻的位置索引定义为状态空间,从而使得无人机可动态适配自身位置及信道的动态变化。仿真结果表明,所提方案可根据环境状态变化自主智能调整资源分配策略,相比于已有方案能有效提升系统总吞吐量。     

基于云雾混合计算的车联网联合资源分配算法

针对车联网业务的低时延、低功耗需求及海量设备计算卸载引起的网络拥塞问题,该文提出一种在云雾混合网络架构下的联合计算卸载、计算资源和无线资源分配算法(JODRAA)。首先,该算法考虑将云计算与雾计算结合,以最大时延作为约束,建立最小化系统能耗和资源成本的资源优化模型。其次,将原问题转化为标准二次约束二次规划(QCQP)问题,并设计一种低复杂度的联合卸载决策和计算资源分配算法。进一步,针对海量设备计算卸载引起的网络拥塞问题,建立卸载用户接入请求队列的上溢概率估计模型,提出一种基于在线测量的雾节点时频资源配置算法。最后,借助分式规划理论和拉格朗日对偶分解方法得到迭代的带宽和功率分配策略。仿真结果表明,该文算法可以在满足时延需求的前提下,最小化系统能耗和资源成本。     

MEC系统中基于多智能体深度增强学习的协作式任务卸载和资源分配

移动边缘计算(MEC)通过将计算任务卸载到MEC服务器上,在缓解智能移动设备计算负载的同时,可以降低服务时延。然而目前在MEC系统中,关于任务卸载和资源分配仍然存在以下问题：1)边缘节点间缺乏协作;2)计算任务到达与实际环境中动态变化的特征不匹配;3)协作式任务卸载和资源分配动态联合优化问题。为解决上述问题,文章在协作式MEC架构的基础上,提出了一种基于多智能体的深度确定性策略梯度算法(MADDPG)的任务卸载和资源分配算法,最小化系统中所有用户的长期平均成本。仿真结果表明,该算法可以有效降低系统的时延及能耗。     

Secrecy Energy Efficiency Maximization for UAV-Enabled Multi-Hop Mobile Relay System

To deal with the secrecy issues and energy efficiency issues in the unmanned aerial vehicles ( UAVs) assisted communication systems, an UAV-enabled multi-hop mobile relay system is studied in an urban environment. Multiple rotary-wing UAVs with energy budget considerations are employed as relays to forward confidential information between two ground nodes in the presence of multiple passive eavesdroppers. The system secrecy energy efficiency ( SEE), defined by the ratio of minimum achievable secrecy rate ( SR) to total propulsion energy consumption (PEC), is maximized via jointly optimizing the trajectory and transmit power of each UAV relay. To solve the formulated non-convex fractional optimization problem subject to mobility, transmit power and information-causality constraints, an effective iterative algorithm is proposed by applying the updated-rate-assisted block coordinate decent method, successive convex approximation (SCA) technique and Dinkelbach method. Simulation     

基于NOMA的超密集MEC网络任务卸载和资源分配方案

为了提高移动边缘计算(mobile edge computing,MEC)网络的频谱效率,满足大量用户的服务需求,建立了基于非正交多址接入(non-orthogonal multiple access,NOMA)的超密集MEC系统模型。为了解决多个用户同时卸载带来的严重通信干扰等问题,以高效利用边缘服务器资源,提出了一种联合任务卸载和资源分配的优化方案,在满足用户服务质量的前提下最小化系统总能耗。该方案联合考虑了卸载决策、功率控制、计算资源和子信道资源分配。仿真结果表明,与其他卸载方案相比,所提方案可以在满足用户服务质量的前提下有效降低系统能耗。     

无人机交替中继通信及其轨迹优化和功率分配研究

为了提高无人机中继通信系统的频谱利用率,该文提出一种交替中继方法,通过两个无人机中继交替工作,轮流将信息从源端转发到目的端。研究联合优化无人机中继的飞行轨迹和各发射端的发射功率,协调两条中继链路的相互干扰,实现端到端的吞吐量最大化。涉及的优化问题受限于无人机的高度约束、机动约束、防碰撞约束以及各发射端的平均与峰值发射功率约束,是难以求得最优解的非凸优化问题。该文提出一种基于交替最大化和连续凸优化技术的高效迭代算法求解次优解,并用计算机仿真验证了所提算法的有效性。     

QoS约束下多层异构蜂窝网中基于分层休眠的节能机制研究

针对多层异构蜂窝网中资源分配和节能问题,本文基于随机几何模型利用分布式配对算法实现了用户连接和资源分配的联合优化,并利用分层休眠机制提升了系统的整体能效。首先,采用随机几何工具对不同类型的基站进行建模,在建立模型的基础上提出用户QoS约束下的最小化系统总功耗的联合优化方案,然后将该方案分解简化为用户连接资源分配和基站休眠两个子问题,并分别利用稳定配对算法和基于投票法的分层休眠机制加以解决。仿真和分析结果表明本文方法可以显著提升系统能效,与已有的休眠策略相比具有更低的用户平均中断比。