无人机边缘计算:架构、多址接入与计算卸载

无人机(unmanned aerial vehicle,UAV)边缘计算技术将UAV平台与移动边缘计算技术相结合,充分利用UAV的灵活性和机动性,为用户设备提供及时有效的计算服务。从UAV边缘计算的网络架构入手,提出基于网络功能虚拟化和软件定义网络的技术架构。针对UAV边缘计算的关键技术,总结对比UAV边缘计算中不同的多址接入方案,并从不同的优化目标出发,对基于经典非凸优化、博弈论以及人工智能方法的计算卸载策略进行总结和分析。最后,探讨和展望未来的研究方向。

多接入边缘计算赋能的AI质检系统任务实时调度策略

AI质检是智能制造的重要环节,其设备在进行产品质量检测时会产生大量计算密集型和时延敏感型任务。由于设备计算能力不足,执行检测任务时延较大,极大影响生产效率。多接入边缘计算(MEC)通过将任务卸载至边缘服务器为设备提供就近算力,提升任务执行效率。然而,系统中存在信道变化和任务随机到达等动态因素,极大影响卸载效率,给任务调度带来了挑战。该文面向多接入边缘计算赋能的AI质检任务调度系统,研究了联合任务调度与资源分配的长期时延最小化问题。由于该问题状态空间大、动作空间包含连续变量,该文提出运用深度确定性策略梯度(DDPG)进行实时任务调度算法设计。所设计算法可基于系统实时状态信息给出最优决策。仿真结果表明,与基准算法相比,该文所提算法具有更好的性能表现和更小的任务执行时延。

基于多载波非正交多址接入的协作移动边缘计算系统优化研究

文章研究了基于多载波非正交多址接入(Multicarrier Non-Orthogonal Multiple Access, MC-NOMA)的协作移动边缘计算系统,该系统由一个用户端、一个协作节点与一个配备边缘计算服务器的接入点(Access Point, AP)组成,旨在给定任务执行时延约束下,最小化用户端与协作节点的通信与计算能耗。为此,首先提出一种新颖的MEC协议,使用户端和协作节点充分利用MC-NOMA技术以高频谱效率的方式进行任务卸载;然后在该协议下,建立系统优化问题,联合优化任务卸载时间与计算时间分配、子载波分配、各个子载波的发射功率分配、任务划分和MEC服务器CPU频率。该问题是一个非凸的混合整数规划问题,求解颇具挑战性。通过利用代数变换、大M表达法、分层优化、连续凸近似和黄金分割法,对该问题进行求解,从而提出一种高效的系统优化算法。仿真结果表明,与已有的仅采用多载波技术研究方案相比,采用MC-NOMA技术可节省50%~60%的能耗。

多接入边缘计算(MEC)技术及业务发展策略

在信息技术不断发展的背景下,5G时代迎来了全新局面,在高科技衬托下开启了一种新型计算技术结构,即多接入边缘计算(MEC)技术。这项技术将电信网络与云计算技术有机融合,通过对MEC边缘云建设的提高,建设云网融合平台来实现运营商服务的多形态化。通过对多接入边缘计算(MEC)技术业务进行探讨和研究,提出该项技术的发展策略,为应用该项技术在不同领域中的相关人员提供参考。

YD/T4477-2023《面向C-V2X的多接入边缘计算平台技术规范》公布

日前,工信部公布YD/T4477-2023《面向C-V2X的多接入边缘计算平台技术规范》,规定了面向C-V2X的多接入边缘计算(MEC)平台技术规范,包括MEC平台技术要求,以及MEC平台功能测试方法、性能测试方法等,适用于面向C-V2X的MEC平台技术要求与测试评估。

5G网络中多接入边缘计算的应用场景及部署方案

多接入边缘计算(Multi-access Edge Computing,MEC)技术是第五代移动通信技术(5th Generation Mobile Communication Technology,5G)的关键技术之一,其主要特点是将资源迁移部署至网络边缘,从而实现内容、应用及服务的本地化部署。通过在无线电接入网(Radio Access Network,RAN)边缘处部署高性能的MEC服务器,可有效提高任务执行效率,满足用户任务严格时延需求。5G多接入边缘计算可以为满足不同行业应用的差异化业务需求提供便利,受到垂直行业用户的广泛关注。以5G技术和多接入边缘计算技术为核心,以5G为背景,探索在5G网络中多接入边缘计算技术的应用场景与部署方案。

基于高空平台的边缘计算卸载:网络、算法和展望

高空平台(high altitude platform,HAP)技术与多接入边缘计算(multi-access edge computing,MEC)技术的结合将MEC服务器部署区域由地面扩展到空中,打破传统地面MEC网络的局限性,为用户提供无处不在的计算卸载服务。针对基于HAP的MEC卸载研究进行综述,首先,从HAP计算节点的优势、网络组成部分、网络结构、主要挑战及其应对技术4个方面分析基于HAP的MEC网络;其次,分别从图论、博弈论、机器学习、联邦学习等理论的角度对基于HAP的MEC卸载算法进行横向分析和纵向对比;最后,指出基于HAP的MEC卸载技术目前存在的问题,并对该技术的未来研究方向进行展望。

移动边缘计算中基于混合人工蜂群算法的计算卸载策略

计算卸载是移动边缘计算(Mobile Edge Computing,MEC)中的关键技术.针对多用户多MEC服务器场景中计算卸载策略的不足,本文提出一种混合人工蜂群算法(Artificial Reverse Sine-Cosine,ARSC).首先,使用反向学习策略初始化种群,优化种群的初始解;然后,在雇佣蜂阶段利用正余弦算法的全局最优引导信息,提升算法的局部搜索能力;最后,为了平衡算法的全局搜索能力和局部搜索能力,引入动态感知因子对算法的步长因子进行改进.仿真实验结果表明,相比基于粒子群算法的卸载策略、基于人工蜂群算法的卸载策略,ARSC策略在系统时延、系统能耗、收敛性等指标上均有所改善.

多无人机辅助MEC环境中基于Wardrop路由博弈的计算卸载

无人机(Unmanned Aerial Vehicles,UAVs)与多接入边缘计算(Multi-access Edge Computing,MEC)技术的结合突破了传统地面通信的局限性,已成为解决MEC中任务卸载问题的重要手段。由于单无人机可提供的计算资源和能量有限,为了应对日益扩大的网络规模,考虑了多无人机辅助MEC环境中的任务卸载问题。基于问题定义,任务卸载过程可以视为一个在平行链路上进行的、具有玩家特定延迟函数的Wardrop路由博弈,目的是得到均衡状态和最优状态下的卸载策略,并量化分析两者间的差距。由于均衡解难以计算,因此构造了一个新的势函数,将均衡问题转换成最小化势函数问题。同时使用Frank-Wolfe算法最终获得均衡和最优卸载策略。算法在每次迭代中将目标函数线性化,通过求解线性规划得到可行方向,进而沿此方向在可行域内作一维搜索。仿真实验表明,相比其他基准测试方法,基于平行链路Wardrop路由博弈的均衡卸载策略能够有效降低模型总成本,且与最优卸载策略下总成本的比值约为1。

基于NOMA和用户协作的上行移动边缘计算卸载效率优化

为应对大规模计算的需求以及有限传输资源和信道衰落的制约,提出了非正交多址接入(Non-orthogonal Multiple Access,NOMA)和用户协作辅助的上行移动边缘计算(Mobile Edge Computing,MEC)卸载传输方法。用户通过NOMA将计算任务卸载到MEC服务器以提高频谱效率,通过近端用户协助远端用户卸载的方式,减小中断对计算卸载的影响。为实现卸载量与能耗的最佳折中,定义卸载效率为成功卸载数据量与用户消耗能量之比,建立了通过调节卸载时间和功率分配来最大化卸载效率的联合优化问题。为求解该问题,推导了用户的卸载中断概率的闭合表达式,并将该非凸问题转化为松弛问题后利用连续凸近似方法求解。分析了该系统的中断性能,仿真结果表明所提计算卸载方法相较于其他方案能取得更高的卸载效率。

移动边缘计算在铁路行业的应用

为满足智能铁路的快速发展对铁路应用数据大容量传输、计算处理的实时性、安全性提出的更高要求,文章研究移动边缘计算(MEC,Mobile Edge Computing)的相关概念和基本框架,分析其关键技术、应用场景;针对铁路MEC业务需求,总结MEC在智能运营、智能装备、智能建造场景下的应用方案;结合当前存在的问题,展望MEC未来发展的技术趋势,为提升铁路智能化提供助力。

多接入边缘计算中相关性任务的联合调度算法

多接入边缘计算已经成为资源密集型应用程序的有前途的计算范式。不过,先前大部分研究工作没有考虑到任务的相关性,这可能导致不可行的调度决策。考虑应用程序上有些任务必须要在本地完成,研究了相关性任务在本地和边缘侧的联合调度方法,并考虑了多接入边缘计算卸载场景下的另一个不可忽视的能耗问题。将问题形式化为在满足应用程序的完成截止时间约束的条件下最小化系统中的能耗,并提出联合调度(JS)算法解决该问题。最后通过仿真实验分析JS算法在应用程序的完成率和系统能耗两方面的性能。仿真结果表明,JS算法在应用程序的完成率上优于其他对比算法并且至少可以节省43%的系统能耗。

多接入边缘计算MEC技术及业务发展策略

多接入边缘计算是近年兴起的一种新型计算架构,作为电信网络与云计算技术发展的融合,具有广泛的应用前景。分析了多接入边缘计算MEC技术架构、应用场景等发展现状,总结了当前发展存在的问题和挑战,给出MEC的云网融合、边云协同、服务提供模式等方面的业务发展策略。

面向多接入边缘计算的计算卸载方案研究综述

物联网盛行背景下海量大规模机器通信时代的发展带来数据流量的爆炸式增长,传统的云计算模式不再满足终端数据处理低时延和低能耗的需求,靠近终端侧分布式多节点的多接入边缘计算(MEC)正在成为解决该问题的最佳选择。计算卸载作为MEC的关键技术,卸载性能受多种因素的影响,存在很大的优化空间,如何设计出高性能的计算卸载方案成为国内外学者主要的研究目标。综述了面向MEC的计算卸载方案,介绍了MEC的概念,梳理了MEC的发展与应用、计算卸载的执行过程,对近期关于计算卸载的研究方法进行分析对比,针对不同的改进,归纳总结出以计算卸载系统环境和计算卸载时延、移动设备能耗以及综合多个评价指标为优化方向的计算卸载方案。提出当前面向MEC的计算卸载存在的资源分配问题、通用性与安全性问题,并且基于现有的这些问题展望了未来研究方向。

多接入边缘计算网络的资源共享与激励机制

针对“云-边-端”三层边缘网络架构,提出了一种三方激励机制辅助的边缘设备资源共享算法以管理和分配共享资源。首先,考虑单点网络拥塞、全网覆盖率约束、有限资源约束和传输成本约束,将边缘设备抽象为不同的功能性节点并设计基于凸包络的共享节点选择算法,实现了全覆盖、低能耗的共享资源部署方案。其次,针对在边缘设备上分配共享资源导致的附加成本问题,基于共享资源租赁模式设计了三方共享激励机制,保障了边缘设备长期稳定地参与共享机制。仿真结果表明,相较于现有算法,所提算法的系统能耗和节点收益都有显著的改善。

移动边缘计算网络中基于任务转移的负载均衡优化方案

针对MEC服务器之间的负载不均衡问题,论文提出了一种基于任务转移的负载均衡算法。该算法在考虑任务转移时延的前提下,确定是否将任务转移至其他MEC服务器,并在当前时隙结束时做出最优的任务转移决策。实验结果表明,提出方案的性能优于其他方案,使得MEC服务器之间的负载更加均衡。

空天地海一体化网络边缘计算的资源管理研究

通过天基网络、空基网络、地基网络和海基网络的优势互补形成的空天地海一体化网络是下一代移动通信系统的关键,能够实现全球域的泛在连接。多层异构的空天地海一体化网络与多接入边缘计算技术的联合使用,能够为用户提供各种服务的支持。首先提出了空天地海一体化网络架构,概述了该架构的优势以及该架构下移动边缘计算面临的关键技术挑战。然后,详细阐述了基于多接入边缘计算、双层调度多平台协作和人工智能的资源管理方案的分布式计算架构以及实施流程。最后,对未来空天地海一体化网络中资源管理以及多接入边缘计算的发展趋势进行了分析和展望。

无人机辅助移动边缘计算的卸载决策与功率分配联合优化

由于移动设备(Mobile Device,MD)的计算能力有限,在执行实时性和计算密集性的业务时将面临巨大的压力。为此研究了基于非正交多址接入(Non-Orthogonal Multiple Access,NOMA)技术的双层无人机(Unmanned Aerial Vehicle,UAV)辅助移动边缘计算(Mobile Edge Computing,MEC)的异构网络,配备边缘服务器的UAV协同基站为MD提供计算卸载服务。针对该异构网络,建立通信模型和计算模型,提出能耗和时间加权和最小化问题,开发了一个任务卸载和MD发射功率分配的联合优化算法。该算法将原始优化问题分为2个子问题,分别用改进的二进制粒子群优化(Improved Binary Particle Swarm Optimization,IBPSO)算法和改进的原子轨道搜索(Improved Atomic Orbit Search,IAOS)算法来解决任务卸载决策子问题和MD发射功率分配子问题。仿真结果表明,相比于基准算法,当改变最大发射功率、每比特计算周期和MD任务大小时,所提算法的时间与能耗的加权和分别最大减少29.2%、29.2%和33.2%;该算法在20次迭代内收敛,具有良好的收敛性。

MEC在5G无线接入网中的应用

在5G时代,低时延通信已成为实现高效数据处理和实时服务的关键需求。移动边缘计算技术通过将计算资源和服务部署在网络边缘,显著减少数据传输时间和延迟。详细探讨移动边缘计算(Mobile Edge Computing,MEC)技术在5G无线接入网中的应用,包括MEC的任务卸载与调度策略、与网络切片技术的结合以及与软件定义网络/网络功能虚拟化(Software Defined Network/Network Functions Virtualization,SDN/NFV)技术的协同,实现5G网络的低时延通信。

基于MEC的5G边缘UPF部署策略与性能评估

本文探讨了基于移动边缘计算(MEC)的5G网络中用户平面功能(UPF)的优化部署策略。通过在边缘设备密集区部署UPF,旨在缩短数据传输距离,降低网络延时,提升网络性能和用户体验。由此提出了一种评估模型以考察这种部署策略对网络性能的影响,并通过大量的仿真实验进行验证。实验结果表明,与传统的5G UPF部署方式相比,基于MEC的边缘UPF部署策略显著提高了网络的吞吐量,并降低了端到端的数据传输延时。同时,边缘UPF部署策略也有利于减少核心网络的负载,进一步提升网络整体性能。研究结果为5G网络的UPF优化部署提供了理论依据和实际操作的参考。