无人机辅助MEC系统中基于最优SIC顺序的能耗优化方案

在基于上行非正交多址接入(NOMA)的无人机(UAV)辅助移动边缘计算(MEC)系统中,NOMA的连续干扰消除(SIC)顺序已成为限制上行任务卸载链路传输性能的瓶颈,为降低系统能耗,对SIC顺序进行了讨论,提出了联合信道增益与任务时延约束的最优SIC顺序。在满足设备给定任务时延、设备最大发射功率约束以及UAV轨迹的约束下,基于最优SIC顺序提出了最小化系统能耗的问题。由于该问题是个复杂的非凸问题,采取交替优化的方法求解该优化问题,以实现功率分配和UAV轨迹的优化;利用匹配理论,提出了低复杂度算法来得到不同时隙的最优设备分组。仿真结果表明,与其他SIC顺序相比,最优SIC顺序能够在相同的任务时延约束下实现更小的系统能耗;所提的低复杂度设备分组算法能够得到最优设备分组。

5G+MEC承载车联网业务传输性能测试与验证

车联网产业正在快速发展,车路协同应用会在交通安全、效率和便利性等方面对日常交通出行产生积极的作用。5G作为LTE-V2X的重要补充,用于连续覆盖补盲、业务融合使能、兼容多种车载终端,在未来较长时间内,5G与LTEV2X将共同承载车联网业务。鉴于此,文中进行了5G承载车联网业务的性能测试与验证,在测试中模拟车联网应用的业务模式,通过5G网络传输并在MEC进行结果统计。重点关注单向时延、抖动、丢包率等网络指标,探索5G承载车联网业务的最佳模式。

无人机辅助MEC系统中面向用户公平性的三维部署和卸载优化

针对无人机辅助移动边缘计算系统存在的用户公平性不足问题,本文提出了一种面向用户公平性的三维部署和卸载优化算法.该算法综合考虑用户匹配、无人机三维部署、计算资源分配、卸载因子对系统总时延及用户公平性的影响,建立了一个最小化系统总时延的多元优化问题,并针对该问题提出了一种两阶段联合优化算法,其中第1阶段使用带有平衡约束的聚类算法解决用户匹配和无人机的水平部署问题,第2阶段使用凸优化算法迭代求解无人机高度部署,资源分配和卸载因子优化问题.实验结果表明,与4种基准算法相比,所提算法在系统总时延和用户公平性两方面具有更好的性能.

初始pH调控对MEC脱硫性能的影响及其微生物作用机制

采用微生物电解池(MEC)工艺,在阳极电活性微生物的协同作用下实现硫化物的脱除,是沼气脱硫新工艺和研究热点。针对长期运行的脱硫MEC工艺,由于非特异性阳离子竞争使阳极产生的质子向阴极转移受阻,造成MEC脱硫效率低、稳定运行难,本研究采用不同初始pH调控脱硫MEC的质子平衡,通过脱硫性能、电化学性能和微生物动力学解析,阐明pH调控对MEC脱硫性能的影响和微生物作用机制。结果表明,初始pH在7~9时均可形成稳定且具有高效脱硫功能的阳极生物膜,最大电流密度相近,脱硫效率均达95%以上,COD去除率80%以上。与初始pH为8、9相比,初始pH为7时,脱硫过程pH波动最小,MEC运行稳定,S^(2-)去除最高达100%;阳极生物膜的氧化还原峰最显著,质子与电子转移速率加快;优势微生物Thiomonas与Desulfovibrio丰度更高,主要参与硫化物的氧化脱除。可见,通过脱硫MEC阳极室初始pH的调控,可有效提高MEC脱硫工艺性能和运行稳定性,为沼气微生物电化学脱硫的应用提供技术支撑。

多用户MIMO-MEC网络中基于APSO的任务卸载研究

在移动边缘计算(Mobile Edge Computing,MEC)系统中引入多输入多输出(Multiple Input Multiple Output,MIMO)技术与数据压缩技术,能够降低数据冗余度和提高数据传输速率,从而降低任务的执行时延与能耗。针对具备数据压缩功能的多用户MIMO-MEC网络,研究了多用户任务卸载问题。通过联合优化任务卸载比例、数据压缩比例、发送功率、计算频率和信道带宽,来最小化系统总时延。在能耗、功率和带宽等约束条件下,将任务卸载归纳为一个非凸优化问题。由于能耗约束较为复杂,构造罚函数将其归并,得到一个相对简单的等价问题。将所有优化变量视为一个粒子,基于自适应粒子群优化(Adaptive Particle Swarm Optimization,APSO)框架提出多用户的任务卸载方法。由于粒子更新时可能违反约束条件,提出的方法对粒子越界的情形进行了特别处理。该方法能自适应地调整惯性权重来提高寻优能力和收敛性,通过不断迭代最终获得最优或者次优解。仿真实验评估了所提卸载方法的性能,分析了用户数、任务计算强度等参数对系统性能的影响。结果表明,提出的方法优于本地计算、传统粒子群优化(Particle Swarm Optimization,PSO)算法等对比方案,能够有效降低系统的任务执行时延。

基于SOAR的电力5G MEC安全解决方案

5G技术与MEC技术的融合为电力行业的升级转型提供了有力的支撑,但电力5G MEC采用了新型架构和部署,传统的安全防护措施无法有效应对新环境下出现的各类安全威胁和挑战。为此,提出一种基于安全编排自动化与响应技术的电力5G MEC安全解决方案。依据智能电网业务在接入的高开放性、异构终端连接的海量性、业务的低延时性和威胁处理的低干预性四个方面的安全需求特征,针对终端安全威胁、APP安全威胁、接入安全威胁和威胁处置不及时等问题,提出将SOAR组件引入5G MEC,实现威胁情报收集、安全事件响应编排和执行自动化;并设计云边、边边协同的层级MEC部署方案,提供整体联动的安全保障。仿真实验结果表明,所设计的方案可以依据剧本快速灵活部署,反应时间短,可有效抵御常见攻击。

基于MEC模型的Z世代“特种兵式旅游”消费价值诉求探讨

Z世代“特种兵式旅游”成为当前颇具市场潜力的热点消费领域。本文基于MEC模型的分析技术,综合运用软式、硬式阶梯方法,针对“特种兵式旅游”消费者的价值动机及其形成机理展开探索。研究表明:Z世代“特种兵式旅游”价值动机为属性、结果、价值3个阶层,属性是基础动因,结果是中介诱因,价值是根本原因,享乐、成就感、自我定向、刺激是其价值诉求的终极目标;价值诉求的形成机制存在5条关键路径,最重要的是MEC1(对世界的向往和好奇-兴奋-享乐);景区景点是目的地的核心吸引物,亦是Z世代累积炫耀资本并达成社会需求满足的重要属性项,交通设施在其消费行为中起到重要辅助支撑作用,并刺激其产生消费安全感知价值。

面向车联网的MEC跨域协同技术研究

车联网跨域协同技术是多接入边缘计算(Multi-Access Edge Computing, MEC)和蜂窝车联网(Cellular Vehicle to Everything, C-V2X)融合场景中的重点研究内容,涉及到安全类、效率类、协作类、视频类、信息服务类跨域协同交互场景,每类场景都涉及MEC跨域流程及跨域过程中的上下文规范。目前国际上面向车联网的MEC跨域协同技术处于起步发展阶段,ETSI、5GAA等组织尚未制定比较完善的国际标准。以当前主流车联网边缘计算系统架构为基础,着重开展各类车联网场景应用层基于MEC的跨域需求、交互迁移流程及上下文规范等研究。

IRS辅助供能的多用户MEC系统性能研究

在物联网(IoT)场景中,边缘服务器可有效缓解IoT设备计算能力有限的问题,如何保证IoT设备的能量供应成为研究热点之一.无线能量传输(WPT)与移动边缘计算(MEC)的组合是一种解决方案,但混合接入点(HAP)与IoT设备之间不能保证总是存在直连链路.为了处理这个问题,考虑利用智能反射表面(IRS)辅助无线能量传输与任务卸载.在多用户MEC系统下,当IoT设备采用二进制卸载时,联合能量传输时间优化、卸载决策以及调度顺序以求得最小系统处理时延问题是一个混合整数非凸问题.考虑HAP与IoT设备之间的信道差异,采用一种两层交替迭代的算法,并利用MEC的计算能力最小化系统处理时延.实验结果表明,所用方法收敛快,能有效缩短系统处理时延,在IRS的辅助下能明显提升系统性能.

面向智能电网的融合通信MEC卸载策略

随着智能电网系统中移动终端的增加,其对传输数据低时延、大带宽和高可靠性的需求尤为紧迫。为解决其中无线传输、信息处理和可靠性不足等问题,文章采用“切片分组网(sliced packet network,SPN)+可信无线局域网(wireless local area network,WLAN)”通信新技术网络架构,建立多种移动终端设备安全无线传输和计算任务卸载的总时延优化卸载模型,提出一种基于交替优化技术的算法。仿真结果表明,该策略不仅保证设备安全高效地接入网络,还可显著降低传输时延,具有优异的成本效益。

基于5G MEC组网的柔性直流配电系统终端暂态稳定时序逻辑仿真分析

针对现有方法存在的判断准确性和实时性较差的问题,提出基于5G MEC组网的柔性直流配电系统终端暂态稳定时序逻辑任务调度方法,采用该方法在仿真分析时进行合理的任务调度与资源分配,在此基础上,采用马尔科夫链构建终端暂态稳定时序逻辑仿真分析模型,以获取终端全部时间段的暂态稳定时序逻辑。经测试,该方法对柔性直流配电系统终端暂态稳定时序逻辑仿真分析的误差极值均小于2,加速比均高于0.9,能够满足准确、实时的仿真分析应用需求。

基于5G MEC的配网多端差动保护稳态精度校验方法

为了提高配网多端差动保护的检测精度,减少延迟,提出基于5G MEC的配网多端差动保护稳态精度校验方法。该方法以5G核心网多模块化的网络功能架构完成集中管控运营,结合MEC平台实现本地分流;将线路划分成多个多端差动保护区域,通过多种协议完成差动保护的多端通信;获取平衡系数消除不平衡差流,利用相位补偿简化的电流转化手段得到差动电流,完成配网多端差动保护稳态精度的校验。实验结果表明,所提方法传输延时低于88μs,校验后的差动保护动作灵敏度明显提升,动作率为100%,可提高配网多端差动保护稳态精度。

IoT-MEC网络中服务功能链主动重构方法

在移动边缘计算的物联网(Mobile Edge Computing-enabled Internet of Things Networks,IoT-MEC)中,物联终端的高移动性、服务请求的随机到达性以及网络流量的实时变化,导致原有应用场景下的资源配置与服务部署不再完全匹配。如何有效利用网络提供的资源以实现服务功能链(Service Function Chain,SFC)的实时部署和重构是一个重要的挑战。针对用户的高移动性和网络流量的实时变化造成的SFC性能需求和已分配资源不匹配的问题,提出IoT-MEC网络中基于用户移动和资源需求预测的SFC重构策略。建立以SFC的端到端时延和重构成本最小化为目标的整数线性规划模型;设计基于注意力机制的Encoder-Decoder移动用户轨迹预测模型和基于长短期记忆(Long Short-Term Memory,LSTM)网络的虚拟网络功能(Virtual Network Function,VNF)实例资源需求预测模型,分别准确预测用户移动轨迹和节点负载;基于预测结果提出SFC主动重构(Predict-based SFC Active Reconfiguration,PSAR)启发式算法,确保在服务质量(Quality of Service,QoS)下降之前,提前完成VNF迁移和路由更新,实现SFC的主动重构和无缝迁移,保证网络的一致性高质量服务。仿真结果表明,所提算法有效降低了SFC端到端时延和重构成本。

浅谈“5G+MEC无人驾驶矿车”工业互联网应用案例

伴随着国家5G建设步伐的大跨步迈进,国内三大运营商已在全国各城市主要城区及县城核心区域实现5G无线网络连续覆盖。在4G时代及以前,是由无线网络先行覆盖进而衍生各行业应用。在5G时代,则转化为工业互联网发展反向需求无线网络。文章主要以宝钢资源马钢矿业集团和尚桥铁矿基于5G+移动边缘计算技术在无人驾驶矿车项目为案例,为5G技术与工业互联网互促共进、增速发展提供相关技术方案。

运营商MEC在工业互联网的应用探索

随着信息技术的快速发展,数字化转型已成为制造业企业提升竞争力、优化生产流程、降低成本的重要手段。作为新一代信息技术的重要组成部分,MEC服务将在工业互联网应用中发挥着越来越重要的作用。本文旨在探讨运营商MEC如何用于工业互联网以助力企业数字化转型,期望能为运营商业务探索、工业互联网发展提供有益的参考。

5G典型业务场景MEC部署方案研究及应用

5G三大业务场景对网络的带宽、时延和服务质量等有不同需求,MEC(移动边缘计算)能满足5G网络中差异化业务共存需求。文章研究MEC的关键技术和总体架构,并结合5G MEC的部署原则,给出5G MEC部署方案建议,包括:部署架构、接入方式及部署位置等,提出针对目前典型业务场景的MEC部署方案。最后分析和展望MEC的商用部署,为5G MEC的部署规划提供合理化建议。

“5G+MEC”技术在电力行业中的应用研究

为落实国家5G新型基础设施建设,对电力能源领域的升级需求和应用可行性进行研究,并分析“5G+移动边缘计算(mobile edge computing, MEC)”技术在电力行业中的实践,以实现新基建项目的结合、基建和生产的结合、变电站资源和社会资源的结合,战略意义重大。

一种基于混合NOMA的IRS-MEC系统能量效率优化方案

在移动边缘计算系统(MEC)中结合智能反射面(IRS)和资源分配策略以提高系统能量效率是当前国内外研究的热点。基于混合非正交多址(NOMA)传输模式,通过对用户的本地运算频率、传输功率、传输时间和智能反射面离散相移的联合优化,实现智能反射面辅助的移动边缘计算系统能量效率最大化。由于优化过程涉及难以求解的非凸分式规划问题,提出了Dinkelbach-SCA的两步迭代算法:首先利用Dinkelbach方法将初始问题转换成易于求解的形式,通过分离变量对智能反射面离散相移进行优化;其次为了解耦传输功率与时间之间的耦合关系,引入辅助变量,并结合逐次凸逼近(SCA)方法将非凸问题转换成凸问题,求出优化解。仿真结果表明采用的系统方案的能量效率优于其他对比方案,并发现系统的能量效率随用户2的最小计算数据量减少而提升。

基于双层Stackelberg博弈的MEC计算卸载方案

多接入边缘计算(multi-access edge computing, MEC)中的计算卸载问题已经成为当前研究的热点之一.目前的计算卸载方案仅考虑云、边、端结构中的计算卸载问题,而未考虑到其公、私有云的属性.提出了一种新的计算卸载方案,所提方案考虑了边缘计算中公有云与私有云之间的关系,将公有云作为了私有云资源的补充,可以缓解由于私有云资源局限性带来的算力不足问题;并通过建立双层Stackelberg博弈来解决计算卸载问题.对公有云、私有云以及用户的策略和收益进行了分析,求出了各参与人的最优策略,证明了双层博弈的纳什均衡解的存在性及唯一性.仿真结果和分析也验证了基于双层Stackelberg博弈的计算卸载方案的可行性,且相较基于单层Stackelberg博弈的卸载方案更高效,更适合可扩展的边缘计算的环境.

基于遗传算法的MEC任务卸载资源优化策略

为解放计算能力和能量资源有限的移动终端设,引入边缘计算加快物联网真实场景中终端数据的处理和分析过程。在网络边缘处理工作负载可以减少移动边缘计算的延迟,但会大大增加系统功耗,因此迫切需要改进网络边缘服务器的能量模型。对该模型进行改进,减少安全物联网系统中多传感器框架的延迟和功耗问题。使用遗传算法(genetic algorithm,GA)处理大量请求以及相应的延迟和功耗限制。仿真结果表明,当传输到终端节点的工作负载为2 MB时,几种方法总延迟将保持在2 s左右,所提算法在不同工作负载下的功耗和延迟方面都有更显著的降低。