CN111182569B - 一种5g场景下的边缘计算卸载周期最小化方法 - Google Patents

一种5g场景下的边缘计算卸载周期最小化方法 Download PDF

Info

Publication number
CN111182569B
CN111182569B CN202010017033.2A CN202010017033A CN111182569B CN 111182569 B CN111182569 B CN 111182569B CN 202010017033 A CN202010017033 A CN 202010017033A CN 111182569 B CN111182569 B CN 111182569B
Authority
CN
China
Prior art keywords
wireless sensor
calculation
energy
task
data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010017033.2A
Other languages
English (en)
Other versions
CN111182569A (zh
Inventor
田贤忠
姚超
赵晨
丁军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University of Technology ZJUT
Original Assignee
Zhejiang University of Technology ZJUT
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhejiang University of Technology ZJUT filed Critical Zhejiang University of Technology ZJUT
Priority to CN202010017033.2A priority Critical patent/CN111182569B/zh
Publication of CN111182569A publication Critical patent/CN111182569A/zh
Application granted granted Critical
Publication of CN111182569B publication Critical patent/CN111182569B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/0215—Traffic management, e.g. flow control or congestion control based on user or device properties, e.g. MTC-capable devices
    • H04W28/0221—Traffic management, e.g. flow control or congestion control based on user or device properties, e.g. MTC-capable devices power availability or consumption
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/0231—Traffic management, e.g. flow control or congestion control based on communication conditions
    • H04W28/0236—Traffic management, e.g. flow control or congestion control based on communication conditions radio quality, e.g. interference, losses or delay
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/08—Load balancing or load distribution
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

一种5G场景下的边缘计算卸载周期最小化方法，该方法是针对5G场景下利用非正交多址接入(NOMA)和串行干扰删除(SIC)技术进行实现的，每个无线传感器设备首先都会从基站发射的射频信号中捕获一定的能量，然后利用所捕获的能量进行计算卸载或者本地计算来完成所有的计算任务，并且在同一时间段无线传感器进行部分卸载计算的总任务数据要小于边缘云服务器的最大计算负载，当设备的任务卸载量达到边缘云的最大负载时，所有进行计算卸载的设备将切换到本地计算模式。本发明能够有效解决无线传感器网络负载，无线传感器设备能量消耗和计算时延问题，本发明能提高无线传感器设备任务计算速率，降低计算周期。

Description

一种5G场景下的边缘计算卸载周期最小化方法
技术领域
本发明属于5G网络计算卸载技术领域，尤其涉及一种无线传感器网络计算卸载时延周期最小化方法。
背景技术
无线传感器网络具有成本低、功耗小、分布式和自组织等特点，已被广泛应用于社会生产和生活中。在无线传感器网络中，传感器设备由于严格的设备尺寸限制和生产成本考虑，通常自身携带的电池容量受限，有限的设备电池寿命无法支持无线传感器设备持续的无线信息传输和计算。无线可充电传感器网络作为目前的研究热点，通过捕获外界能量为传感器供电，以解决上述问题。
另一方面，由于无线传感器设备的计算能力有限，无法支持许多复杂计算的场景，比如一些需要大量数据计算的人工智能，虚拟现实等应用场景。一种有效的方案是边缘计算，它通过将部分计算任务卸载到附近的边缘云服务器上，在服务器上完成复杂的计算，从而提高无线传感器设备的计算能力。
在能量捕获无线传感器网络中，如果把无线传感器设备的数据全都卸载到边缘云服务器去计算，虽然计算速度快，但因计算卸载通信会消耗较多的能量，甚至导致一些无线传感器设备捕获的能量不足无法完成所有的计算任务；进一步，如果所有的无线传感器设备同时卸载数据到附近的边缘云上去，会出现边缘云服务器负载过高，无法在同一时间计算完所有的卸载数据，还会产生多设备同时计算卸载传输效率低等问题。反之，如果全部计算都在无线传感器设备本地执行，虽然能耗会降低，但计算速度会变慢。如何权衡它们之间的关系是本发明解决的问题。
发明内容
针对上述问题，本发明提出了一种5G场景下的边缘计算卸载周期最小化方法，通过合理设置节点充电时间，计算卸载的比例，以及多用户在5G非正交多址接入(NOMA)和串行干扰删除(SIC)技术下合理卸载，使整个计算周期时延最小化。
本发明适用于如图1所示的场景。基站周围部署了若干无线传感器设备，基站配有边缘云服务器，工作模式可以给周边无线设备供电，也可以接收周边设备卸载的计算任务进行计算；无线传感器设备能量从基站发送的电磁波中获得，工作模式可以在本设备中计算，也可以把计算任务卸载给基站的边缘云服务器。如何合理分配基站给无线传感器设备的供电时间、无线传感器设备的任务数据中本地计算和卸载的比例、有限边缘云计算资源等，使每个无线设备完成一定量的任务计算所需的总时间最少。
为了解决上述技术问题本发明提供如下的技术方案：
一种5G场景下的边缘计算卸载周期最小化方法，包括如下步骤：
步骤1：基站首先切换到射频能量传输的工作模式，在αT时间内给周围的无线传感器设备广播传输能量，其中α是一个比例，表示无线设备能量捕获时间占整个周期的比例，T为整个时间周期，基站广播能量传输功率为
Figure BDA0002359282540000021
步骤2：基站切换到数据接收模式，等待接收无线传感器设备的卸载数据，边缘云服务器准备数据计算；
步骤3：无线传感器设备切换到能量捕获模式，在αT时间内捕获基站传输的能量，并存储在自身的电池中，求得总捕获的能量Ei；
步骤4：每个设备切换到计算卸载模式，采用卸载的功率
Figure BDA0002359282540000022
把所要完成的总任务的一部分(1-ρi)Di通过基站卸载到边缘云服务器中，求得每个设备的卸载时间为/>
Figure BDA0002359282540000023
每个无线传感器在一个周期中所要完成的计算任务为Di，ρi为设备i的本地计算部分任务占其整个计算任务的比例，/>
Figure BDA0002359282540000024
为无线传感器设备计算卸载时的数据传输速率，卸载所需消耗的能量为/>
Figure BDA0002359282540000025
步骤5：基站利用5G串行干扰删除SIC技术接收无线传感器设备卸载的数据；
步骤6：当边缘云服务器达到最大计算负载时，进行数据卸载的无线传感器设备都切换到本地计算，每个无线传感器本地计算部分任务ρiDi，其中ρi由公式(23)得到，本地计算时间为
Figure BDA0002359282540000026
计算的CPU频率为fi，Zi为计算每比特数据所需的CPU周期数，本地计算所需能量为/>
Figure BDA0002359282540000027
v为有效的开关电容，在无线传感器设备计算任务阶段每个设备总消耗的能量小于等于设备捕获的能量Ei，每个设备所需的总计算时间小于等于(1-α)T；
步骤7：基站利用边缘云服务器对无线传感器设备卸载的部分任务数据进行计算；
步骤8：基站切换到数据发送模式，把边缘云服务器计算完的数据结果返回发送给每一个无线传感器设备；
步骤9：每个无线传感器设备接收边缘云服务器的计算结果，完成所有任务计算。
进一步，所述步骤3中，无线传感器i捕获的能量为：
Figure BDA0002359282540000028
其中Ei为每个无线传感器设备在αT时间内所捕获的能量，μ为能量转换效率，
Figure BDA0002359282540000029
为信道增益，/>
Figure BDA00023592825400000210
为基站的广播发射功率。
所述步骤4中，设每个无线传感器在一个周期中所要完成的计算任务为Di，因计算卸载的任务占总任务的比例为(1-ρi)，则卸载到边缘云服务器的计算量为(1-ρi)Di，每个无线传感器设备的计算卸载时间表示为：
Figure BDA0002359282540000031
每个无线传感器设备卸载部分任务数据(1-ρi)Di到边缘云服务器所需要消耗的能量
Figure BDA0002359282540000032
为：
Figure BDA0002359282540000033
其中
Figure BDA0002359282540000034
为无线传感器设备的卸载任务数据时的发送功率，发送功率为在
Figure BDA0002359282540000035
中的固定常数，/>
Figure BDA0002359282540000036
为无线传感器设备计算卸载时的数据传输速率，表示为：
Figure BDA0002359282540000037
更进一步，所述步骤6中，所述的边缘云服务器最大计算负载为服务器在时间段(1-α)T内最多只能计算数据量为Dedge，也就是在该时间段内所有的无线传感器设备只能最多卸载小于等于Dedge的数据量，那么这个约束条件为
Figure BDA0002359282540000038
本发明的有益效果为：通过合理设置节点充电时间，计算卸载的比例，以及多用户合理卸载部分任务，使整个计算周期时延最小化
附图说明
图1为无线传感器网络的能量捕获和边缘计算卸载模型以及基站和无线传感器设备的内部结构模型；
图2为所有无线传感器设备进行能量捕获，计算卸载和本地计算的时序图；
具体实施方式
下面结合附图对本发明做进一步说明。
本发明考虑一个边缘计算***，如图1所示，有一个多天线基站、边缘云服务器和N个单天线的无线传感器设备组成，假设基站能够覆盖到所有无线传感器设备。其中基站集成了射频能量传输和边缘云服务器计算功能，每个无线传感器都可以从基站传输的射频信号中捕获能量并存储在电池中，再利用电池中的能量选择通过基站把计算任务部分卸载到边缘云服务器或在本地完成计算。无线功率传输和通信都是通过5G非正交多址接入(NOMA)和串行干扰删除(SIC)技术来进行实现的，非正交多址接入技术提高了频谱效率和接入量。***每次执行时间周期为T，包括基站发送能量时间αT、所有无线传感器完成计算时间(1-α)T,α是一个比例，表示无线设备能量捕获时间占整个周期的比例。无线传感器设备完成计算可采用本地计算和计算卸载两种方式，设ρi为设备i的本地计算部分任务占其整个计算任务的比例，则其计算卸载部分的占比为1-ρi。为避免多设备同时卸载会造成边缘云负载过高，这里规定边缘云服务器在时间(1-α)T内的最大数据计算量为Dedge，如图2所示，当边缘云服务器计算数据达到最大上限时，所有设备都会停止数据卸载，切换到本地计算模式进行本地计算；另设fi为无线传感器设备本地计算的CPU频率，
Figure BDA0002359282540000041
为计算卸载发送任务数据的功率，所有无线传感器设备能量捕获和任务计算的整个时间周期T。
基站传输射频能量的功率为pBS，持续传输射频能量时间为αT，无线传感器i捕获的能量为：
Figure BDA0002359282540000042
其中Ei为每个无线传感器设备在αT时间内所捕获的能量，μ为能量转换效率，
Figure BDA0002359282540000043
为信道增益，/>
Figure BDA0002359282540000044
为基站的广播发射功率。
设每个无线传感器在一个周期中所要完成的计算任务为Di，因计算卸载的任务占总任务的比例为(1-ρi)，则卸载到边缘云服务器的计算量为(1-ρi)Di，每个无线传感器设备的计算卸载时间表示为：
Figure BDA0002359282540000045
每个无线传感器设备卸载部分任务数据(1-ρi)Di到边缘云服务器所需要消耗的能量
Figure BDA0002359282540000046
为：
Figure BDA0002359282540000047
其中
Figure BDA0002359282540000048
为无线传感器设备的卸载任务数据时的发送功率，发送功率为在
Figure BDA0002359282540000049
中的固定常数，/>
Figure BDA00023592825400000410
为无线传感器设备计算卸载时的数据传输速率，表示为：
Figure BDA00023592825400000411
为了防止多个无线传感器设备同时计算卸载大量任务数据导致边缘云服务器计算负载过高，因此要保证
Figure BDA00023592825400000412
时间内只能卸载Dedge的数据量到边缘云服务器，得到以下约束：
Figure BDA00023592825400000413
本地计算时，无线传感器设备的CPU计算频率需要在最大值fi max范围内，另外，每个无线传感器设备本地计算时间表示为：
Figure BDA0002359282540000051
每个无线传感器设备本地计算ρiDi任务数据所需要消耗的能量
Figure BDA0002359282540000052
为：
Figure BDA0002359282540000053
其中v为有效的开关电容，Zi为计算每比特数据所需的CPU周期数，fi为无线传感器设备本地计算的计算能力，fi计算能力为在[0,fi max]范围的固定常数。
无线传感器设备的计算整个任务所需消耗的总能量为
Figure BDA0002359282540000054
得到以下能量约束：
Figure BDA0002359282540000055
无线传感器设备的计算整个任务所需总时间为
Figure BDA0002359282540000056
得到以下时间约束：
Figure BDA0002359282540000057
我们的任务是选择合适的充电时间比例和计算任务卸载比例等，在满足能量约束、计算时间约束和边缘云服务器计算负载约束等条件下，使整个周期时延最小化，具体模型如下：
Figure BDA0002359282540000058
Figure BDA0002359282540000059
以上问题(10)是一个凸优化问题，所以可以通过拉格朗日对偶去解决这个问题，(10)用拉格朗日函数表示为：
Figure BDA00023592825400000510
Figure BDA0002359282540000061
是拉格朗日乘子集合。
(10)的对偶问题表示为：
Figure BDA0002359282540000062
求问题(10)可以通过(10)的对偶问题(12)进行求解，根据Ω首先求内部最小化问题，通过次梯度下降方法求拉格朗日乘子集合
Ω(x+1)＝[Ω(x)-ψ(x)d(Ω(x))]+ (13)
其中d(Ω)＝▽ΩL(α,ρi,T,Ω)，当Ω迭代收敛到最优解的时候，就可以求出问题(10)的最优解了。
由于(11)中T，α和ρi都是一次多项式，把(1)(2)(3)(4)(6)(7)代入原问题，原问题是一个凸优化问题，所以可以通过(11)对T求偏导求出关于α的最优值：
Figure BDA0002359282540000063
令
Figure BDA0002359282540000064
得到/>
Figure BDA0002359282540000065
同理得到：
Figure BDA0002359282540000066
令
Figure BDA0002359282540000067
得到/>
Figure BDA0002359282540000068
关于无线传感器设备的任务计算卸载量和本地计算量的权衡比例ρi在原问题中是一个累加的关系，所以通过展开对每一个无线传感器设备的ρi进行求解，得到：
Figure BDA0002359282540000071
同样的
Figure BDA0002359282540000072
都能同等式(23)形式表示出来，然后令/>
Figure BDA0002359282540000073
多等式联立方程求出每个ρi。
根据上述求得的参数，可得本发明具体实施步骤如下：
步骤1：基站首先切换到射频能量传输的工作模式，在αT时间内给周围的无线传感器设备广播传输能量，基站广播能量传输功率为
Figure BDA0002359282540000074
步骤2：基站切换到数据接收模式，等待接收无线传感器设备的卸载数据，边缘云服务器准备数据计算；
步骤3：无线传感器设备切换到能量捕获模式，在αT时间内捕获基站传输的能量，并存储在自身的电池中，根据式(1)可求得总捕获的能量Ei；
步骤4：每个设备依次切换到计算卸载模式，采用卸载的功率
Figure BDA0002359282540000075
把所要完成的总任务的一部分(1-ρi)Di通过基站卸载到边缘云服务器中，根据式(2)和(3)得每个设备的卸载时间为/>
Figure BDA0002359282540000076
卸载所需消耗的能量为/>
Figure BDA0002359282540000077
步骤5：基站利用5G串行干扰删除SIC技术接收无线传感器设备卸载的数据；
步骤6：当边缘云服务器达到最大计算负载时，进行数据卸载的无线传感器设备都切换到本地计算，每个无线传感器本地计算部分任务ρiDi，本地计算时间为
Figure BDA0002359282540000078
计算的CPU频率为fi，本地计算所需能量为/>
Figure BDA0002359282540000079
在无线传感器设备计算任务阶段每个设备总消耗的能量小于等于设备捕获的能量Ei，每个设备所需的总计算时间小于等于(1-α)T；
步骤7：基站利用边缘云服务器对无线传感器设备卸载的部分任务数据进行计算；
步骤8：基站切换到数据发送模式，把边缘云服务器计算完的数据结果返回发送给每一个无线传感器设备；
步骤9：每个无线传感器设备接收边缘云服务器的计算结果，完成所有任务计算。

Claims (4)

1.一种5G场景下的边缘计算卸载周期最小化方法，其特征在于，所述方法包括如下步骤：
步骤1：基站首先切换到射频能量传输的工作模式，在αT时间内给周围的无线传感器设备广播传输能量，其中α是一个比例，表示无线设备能量捕获时间占整个周期的比例，T为整个时间周期，基站广播能量传输功率为
Figure QLYQS_1
步骤2：基站切换到数据接收模式，等待接收无线传感器设备的卸载数据，边缘云服务器准备数据计算；
步骤3：无线传感器设备切换到能量捕获模式，在αT时间内捕获基站传输的能量，并存储在自身的电池中，求得总捕获的能量Ei；
步骤4：每个设备切换到计算卸载模式，采用卸载的功率
Figure QLYQS_2
把所要完成的总任务的一部分(1-ρi)Di通过基站卸载到边缘云服务器中，求得每个设备的卸载时间为/>
Figure QLYQS_3
每个无线传感器在一个周期中所要完成的计算任务为Di，ρi为设备i的本地计算部分任务占其整个计算任务的比例，/>
Figure QLYQS_4
为无线传感器设备计算卸载时的数据传输速率，卸载所需消耗的能量为
Figure QLYQS_5
步骤5：基站利用5G串行干扰删除SIC技术接收无线传感器设备卸载的数据；
步骤6：当边缘云服务器达到最大计算负载时，进行数据卸载的无线传感器设备都切换到本地计算，每个无线传感器本地计算部分任务ρiDi，其中ρi由公式(23)得到；
Figure QLYQS_6
同样的
Figure QLYQS_7
都能同等式(23)形式表示出来，然后令/>
Figure QLYQS_8
多等式联立方程求出每个ρi；
本地计算时间为
Figure QLYQS_9
计算的CPU频率为fi，Zi为计算每比特数据所需的CPU周期数，本地计算所需能量为/>
Figure QLYQS_10
v为有效的开关电容，在无线传感器设备计算任务阶段每个设备总消耗的能量小于等于设备捕获的能量Ei，每个设备所需的总计算时间小于等于(1-α)T；
步骤7：基站利用边缘云服务器对无线传感器设备卸载的部分任务数据进行计算；
步骤8：基站切换到数据发送模式，把边缘云服务器计算完的数据结果返回发送给每一个无线传感器设备；
步骤9：每个无线传感器设备接收边缘云服务器的计算结果，完成所有任务计算。
2.根据权利要求1所述的一种5G场景下的边缘计算卸载周期最小化方法，其特征在于：所述步骤3中，无线传感器i捕获的能量为：
Figure QLYQS_11
其中Ei为每个无线传感器设备在αT时间内所捕获的能量，μ为能量转换效率，
Figure QLYQS_12
为信道增益，/>
Figure QLYQS_13
为基站的广播发射功率。
3.根据权利要求1或2所述的一种5G场景下的边缘计算卸载周期最小化方法，其特征在于：所述步骤4中，设每个无线传感器在一个周期中所要完成的计算任务为Di，因计算卸载的任务占总任务的比例为(1-ρi)，则卸载到边缘云服务器的计算量为(1-ρi)Di，每个无线传感器设备的计算卸载时间表示为：
Figure QLYQS_14
每个无线传感器设备卸载部分任务数据(1-ρi)Di到边缘云服务器所需要消耗的能量
Figure QLYQS_15
为：
Figure QLYQS_16
其中
Figure QLYQS_17
为无线传感器设备的卸载任务数据时的发送功率，发送功率为在/>
Figure QLYQS_18
中的固定常数，/>
Figure QLYQS_19
为无线传感器设备计算卸载时的数据传输速率，表示为：
Figure QLYQS_20
4.根据权利要求1或2所述的一种5G场景下的边缘计算卸载周期最小化方法，其特征在于：所述步骤6中，所述的边缘云服务器最大计算负载为服务器在时间段(1-α)T内最多只能计算数据量为Dedge，也就是在该时间段内所有的无线传感器设备只能最多卸载小于等于Dedge的数据量，那么这个约束条件为
Figure QLYQS_21
CN202010017033.2A 2020-01-08 2020-01-08 一种5g场景下的边缘计算卸载周期最小化方法 Active CN111182569B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010017033.2A CN111182569B (zh) 2020-01-08 2020-01-08 一种5g场景下的边缘计算卸载周期最小化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010017033.2A CN111182569B (zh) 2020-01-08 2020-01-08 一种5g场景下的边缘计算卸载周期最小化方法

Publications (2)

Publication Number Publication Date
CN111182569A CN111182569A (zh) 2020-05-19
CN111182569B true CN111182569B (zh) 2023-06-30

Family

ID=70652650

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010017033.2A Active CN111182569B (zh) 2020-01-08 2020-01-08 一种5g场景下的边缘计算卸载周期最小化方法

Country Status (1)

Country Link
CN (1) CN111182569B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112235803B (zh) * 2020-08-27 2022-11-18 华北电力大学（保定） Wpt-mec***中用户协作的资源分配联合优化方法
CN112148380B (zh) * 2020-09-16 2022-04-12 鹏城实验室 一种移动边缘计算任务卸载中的资源优化方法及电子设备
CN112231009B (zh) * 2020-09-17 2024-04-16 浙江工业大学 一种能量捕获网络模型任务计算卸载决策与调度方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015121377A1 (en) * 2014-02-14 2015-08-20 Alcatel Lucent Method for managing interferences between cells and power consumptions of radio access nodes operating the cells
CN107819840A (zh) * 2017-10-31 2018-03-20 北京邮电大学 超密集网络架构中分布式移动边缘计算卸载方法
US10168682B1 (en) * 2015-11-20 2019-01-01 Wellhead Power Solutions, Llc System and method for managing load-modifying demand response of energy consumption
CN109783233A (zh) * 2018-12-24 2019-05-21 中山大学 一种提供移动边缘计算中任务卸载的方法
CN110087318A (zh) * 2019-04-24 2019-08-02 重庆邮电大学 基于5g移动边缘计算的任务卸载和资源分配联合优化方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015121377A1 (en) * 2014-02-14 2015-08-20 Alcatel Lucent Method for managing interferences between cells and power consumptions of radio access nodes operating the cells
US10168682B1 (en) * 2015-11-20 2019-01-01 Wellhead Power Solutions, Llc System and method for managing load-modifying demand response of energy consumption
CN107819840A (zh) * 2017-10-31 2018-03-20 北京邮电大学 超密集网络架构中分布式移动边缘计算卸载方法
CN109783233A (zh) * 2018-12-24 2019-05-21 中山大学 一种提供移动边缘计算中任务卸载的方法
CN110087318A (zh) * 2019-04-24 2019-08-02 重庆邮电大学 基于5g移动边缘计算的任务卸载和资源分配联合优化方法

Also Published As

Publication number Publication date
CN111182569A (zh) 2020-05-19

Similar Documents

Publication Publication Date Title
Ji et al. Energy-efficient cooperative resource allocation in wireless powered mobile edge computing
Mao et al. Energy-efficient cooperative communication and computation for wireless powered mobile-edge computing
CN111182569B (zh) 一种5g场景下的边缘计算卸载周期最小化方法
CN108964817B (zh) 一种异构网络联合计算卸载及资源分配方法
CN110545584A (zh) 一种全双工移动边缘计算通信***的通信处理方法
Yao et al. Energy efficiency characterization in heterogeneous IoT system with UAV swarms based on wireless power transfer
Hu et al. Task and bandwidth allocation for UAV-assisted mobile edge computing with trajectory design
Li et al. Stochastic computation resource allocation for mobile edge computing powered by wireless energy transfer
Nguyen et al. Joint computation offloading, SFC placement, and resource allocation for multi-site MEC systems
CN112654058A (zh) D2d多播网络中的移动边缘计算卸载与资源分配算法
Wang et al. Power-minimization computing resource allocation in mobile cloud-radio access network
Li et al. Offloading optimization and time allocation for multiuser wireless energy transfer based mobile edge computing system
CN110958612B (zh) 一种多用户场景下的边缘计算卸载周期最小化方法
CN112702792B (zh) 基于gfdm的无线携能网络上下行链路资源联合分配方法
Wang et al. Energy consumption minimization for wireless powered NOMA-MEC with user cooperation
Hu et al. Wireless-powered mobile edge computing with cooperated UAV
Liu et al. An energy efficient cooperative communication scheme in ambient RF powered sensor networks
Selim et al. Hybrid cell outage compensation in 5G networks: Sky-ground approach
CN115633369B (zh) 一种面向用户任务与功率联合分配的多边缘设备选择方法
Yang et al. A resource allocation method based on the core server in the collaborative space for mobile edge computing
Adiraju et al. Dynamically energy-efficient resource allocation in 5G CRAN using intelligence algorithm
CN114698116B (zh) 一种无人机协助的非线性能量收集mec***的资源分配方法
CN113207150B (zh) 一种基于背向散射通信的主被动混合卸载方法和装置
CN113747452B (zh) 一种云无线接入网通信协作波束赋形设计方法及***
Huang et al. Hybrid full and half duplex networking

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant