面向移动边缘计算的无线与计算资源联合管理研究

发布时间：2021-08-09 17:08

　　移动通信技术的迅猛发展和移动智能设备的广泛普及,催生出了一些时延敏感且计算密集的新兴应用,如增强现实、人脸识别、互动游戏等。面对这些应用,计算能力和续航能力有限的移动设备难以为用户提供理想的服务质量。移动边缘计算（Mobile Edge Computing,MEC）的提出,为上述问题提供了一个切实可行的解决方案。MEC在网络边缘搭建云计算环境,利用系统中的无线和计算资源为用户提供近距离计算卸载服务。在MEC中,无线和计算资源对任务卸载的时延、能耗均具有重要影响,然而由于这两种资源相对稀缺,用户之间存在激烈的资源竞争。因此,需要制定合理的任务卸载策略和无线、计算资源分配策略,实现资源的高效利用。本文针对多用户MEC系统中单服务器和多服务器这两种不同场景下的无线与计算资源管理问题进行研究,具体工作如下:针对单服务器MEC系统,提出了一种基于效用的联合卸载决策与资源分配算法,为用户制定该场景下的任务卸载策略和功率、计算资源分配策略。首先将问题建模为资源约束下的系统效用最大化问题,该问题是一个混合整数非线性规划问题。然后固定卸载决策,分别使用二分法和KKT条件制定功率和计算资源分配策略。最后,... 

【文章来源】：重庆邮电大学重庆市

【文章页数】：71 页

【学位级别】：硕士

【部分图文】：

MCC与MEC的关系

重庆邮电大学硕士学位论文第1章绪论2接入节点附近。与MCC相比，MEC计算卸载中的任务数据在RAN侧直接进行处理，不再需要经过核心网，因而减低了时延，并缓解了核心网的负载压力[10]。MCC与MEC的关系如图1.1所示。图1.1MCC与MEC的关系MEC的出现为用户执行计算任务提供了另一种途径。然而，相比于MCC强大的远程云计算中心，MEC服务器中的计算资源相对有限，再加上用户对无线资源的激烈竞争，以及差异化的用户需求和状态，使得无线与计算资源的高效管理成为提升系统性能的关键所在。1.2MEC无线与计算资源管理概述MEC在RAN侧部署边缘服务器，为用户提供近距离计算卸载服务，从而支持用户运行虚拟/增强现实、互动游戏、人脸识别等时延敏感的计算密集型应用程序，如图1.2所示。图1.2MEC计算卸载应用在计算卸载中，计算密集型应用程序可以被抽象为一个或多个待处理的计算

则是通过将系统带宽均匀划分而得到，可理解为不同的频段。子信道带宽的大小影响着上行传输速率的高低，进而对上行传输时延和上行传输能耗产生影响。此外，考虑具有多个基站的MEC系统时，需要考虑小区间干扰，即不同小区中占用相同子信道的用户会互相产生干扰。干扰会降低上行传输速率，增大传输的时延和能耗开销。因此，需要为用户合理地分配信道，降低小区间干扰。MEC资源管理中的计算资源指的是MEC服务器中的计算资源，常用CPU周期衡量。计算资源的分配量影响着任务处理时延的高低，从而对完成任务的总时延产生影响。图1.3MEC计算卸载示意图


本文编号：3332464