面向高速行驶车辆的在线任务卸载决策算法

车载边缘计算中的任务卸载决策主要解决任务何时卸载,以及卸载至哪里执行的问题。车辆的高速行驶会造成卸载接入设备频繁变化,卸载通信链路随时可能中断,这要求车辆一旦获得卸载机会,就必须立即做出卸载决策。现有的卸载决策研究专注于如何最大化任务卸载执行增益,未充分考虑卸载决策时效对卸载策略的影响,导致提出的卸载决策方法的时间复杂度和空间复杂度高,无法用于高速行驶车辆的在线任务卸载决策。为解决上述问题,首先综合考虑卸载决策时效和卸载增益因素的影响,建立高速行驶车辆的任务卸载决策模型,并将其转化为类秘书问题。然后,提出了一种基于加权二部图匹配的在线车载任务卸载决策算法OODA,以协助车辆在依次经过多个异构的边缘服务器时,做出实时的任务卸载决策,并最大化整体卸载执行增益。最后,理论分析OODA算法的竞争比,并采用仿真实验验证该算法的可行性和有效性。

LTE-A网络中D2D通信的资源分配算法研究

该文研究了D2D通信使用LTE-A网络上行链路的资源分配问题。首先将问题建模为混合整数非线性规划问题(MINLP),其次根据待接入用户对各信道的青睐程度计算特征值列表并形成相应联盟。在保证各用户服务质量(QoS)的情况下,利用最大加权二部图匹配(MWBM)方法为待接入网络用户寻找合适的资源及复用的组合。仿真结果表明,该算法打破了D2D用户在数据传输过程中一直处于专用或者复用模式的束缚,扩大了D2D用户对可选用的资源范围,与现有算法相比,可有效提高系统的总速率。

D2D通信中联合链路共享与功率分配算法研究

针对D2D(Device-to-Device,D2D)通信过程中的资源分配问题,提出一种联合链路共享和功率分配算法.在保证系统内蜂窝用户服务质量(Quality of Service,QoS)需求的前提下,利用系统的信道状态信息,为D2D用户生成一个由蜂窝用户组成的通信链路的候选集合;在通信链路候选集合内使用凸优化方法得到D2D用户最优功率分配策略;最后利用(Kuhn-Munkres,KM)算法求解最大加权二部图匹配(Maximum Weight Bipartite Matching,MWBM)问题,为D2D用户选择最优的蜂窝用户进行资源共享.仿真结果表明该算法能有效的提升通信网络的吞吐量,可以为D2D用户选择最优的资源分配策略.

适用于可伸缩视频的D2D网络资源分配方案

对在D2D辅助蜂窝网络中可伸缩视频实时传输中的网络资源分配问题进行研究,提出一个功率分配与频谱共享的优化方案实现用户整体视频质量的最优化。基于可伸缩视频每层的传输速率需求进行单个蜂窝网用户及D2D用户的功率分配,得到最优视频层组合和功率分配方案;基于最大加权二部图匹配方法为D2D用户匹配适当频谱,得到整体资源最优化分配方案。实验结果表明,提案方法在保证D2D用户高接入率的前提下显著提高单个D2D复用所提供的视频质量增益。