低轨卫星协作边缘计算任务迁移和资源分配算法

研究了基于星间链路的低轨卫星协作边缘计算任务迁移和资源分配问题,为偏远地区用户提供边缘计算服务.采用部分任务迁移机制,以地面用户加权总能耗最小化为目标建立优化问题,提出了一种低轨卫星协作边缘计算的任务迁移和资源分配算法,基于优化问题的非凸性,将其分解为任务迁移子问题和资源分配子问题,分别采用标准凸优化方法和拉格朗日对偶分解方法进行求解.仿真结果表明,该算法的收敛速度快;与本地计算和任务数据全部上传算法相比,本文所提出的算法可至少降低约74%的用户总能耗;与非协作卫星边缘计算相比,基于星间链路的低轨卫星协作边缘计算可至少降低约22%的用户总能耗,且星间链路的信道容量越大,用户总能耗越低.

无人机认知边缘计算资源分配与轨迹优化方案

为了缓解移动边缘计算(Mobile Edge Computing,MEC)网络任务卸载中面临的频谱资源稀缺问题,研究了一种无人机辅助的认知MEC网络架构。将认知无线电技术与边缘计算相结合,在同一个频段内存在多个主用户的情况下,利用无人机搭载的边缘计算服务器为次用户提供计算服务,以进一步提高边缘计算网络的频谱利用率。以最小化次用户和无人机的加权总能耗为目标,在主用户干扰温度约束、次用户任务完成约束以及无人机的轨迹约束下对次用户的中央处理器(Central Processing Unit,CPU)频率、卸载功率以及无人机轨迹建立了联合优化问题。利用连续凸近似(Successive Convex Approximation,SCA)方法对所建立的非凸问题进行3阶段交替求解。仿真结果验证了所提算法的有效性。