智能超表面赋能移动边缘计算部分任务卸载策略

李斌; 刘文帅; 谢万城; 叶迎晖

doi:10.11999/JEIT211595

智能超表面赋能移动边缘计算部分任务卸载策略

doi: 10.11999/JEIT211595

李斌^{1, 2, ,},
刘文帅¹,
谢万城¹,
叶迎晖²

1.
南京信息工程大学计算机与软件学院南京 210044
2.
西安邮电大学陕西省信息通信网络及安全重点实验室西安 710121

基金项目: 国家自然科学基金(62101277)，江苏省自然科学基金(BK20200822)，陕西省信息通信网络及安全重点实验室开放课题(ICNS202004)

详细信息

作者简介:
李斌：男，1987年生，副教授，硕士生导师，研究方向为移动边缘计算、无人机通信网络

刘文帅：男，1996年生，硕士生，研究方向为智能超表面技术

叶迎晖：男，1991年生，副教授，硕士生导师，研究方向为移动边缘计算、反向散射通信

通讯作者:
李斌　bin.li@nuist.edu.cn

中图分类号: TN929.5
计量
- 文章访问数: 1446
- HTML全文浏览量: 368
- PDF下载量: 221
- 被引次数: 87
出版历程
- 收稿日期: 2021-12-29
- 修回日期: 2022-03-29
- 网络出版日期: 2022-04-19
- 刊出日期: 2022-07-25

Partial Computation Offloading for Double-RIS Assisted Multi-User Mobile Edge Computing Networks

1.
School of Computer and Software, Nanjing University of Information Science and Technology, Nanjing 210044, China
2.
Shaanxi Key Laboratory of Information Communication Network and Security, Xi’an University of Posts & Telecommunications, Xi'an 710121, China

Funds: The National Natural Science Foundation of China (62101277), The National Natural Science Foundation of Jiangsu Province (BK20200822), Shaanxi Key Laboratory of Information Communication Network and Security (ICNS202004)

摘要

摘要: 针对移动边缘计算(MEC)任务卸载性能易受障碍物阻挡影响的问题，该文提出一种双智能超表面(RIS) 赋能的移动边缘计算任务部分卸载框架。首先，分析两个RIS之间的反射对链路增益的影响。其次，联合考虑终端用户的发射功率、终端用户的卸载速率、任务卸载量、卸载时间的分配以及RIS相移约束，旨在建立一个能耗最小化优化问题。最后，采用交替迭代算法，将原非凸问题分解为两个子问题，并利用Dinkelbach方法和最优性条件进行求解。仿真结果验证了所提算法的快速收敛特性以及在降低系统能耗方面的有效性。
- 智能超表面 /
- 边缘计算 /
- 部分卸载 /
- 资源分配
Abstract: In order to compensate the performance loss caused by obstacle blocking in Mobile Edge Computing (MEC) system, a partial task offloading framework supported by Reconfigurable Intelligent Surface (RIS) is proposed. Firstly, the influence of the reflection between double-RIS on channel gain is analyzed. Then, a non-convex and multivariable coupling problem for minimization of total energy consumption of all users is formulated by the joint design of the transmit power of users, the offloading rate of users, the amount of offloading task of users, the time slot and the phase shift of RISs. To solve this problem, the alternating optimization technique is invoked to decouple the original non-convex problem into two subproblems which are solved by leveraging the Dinkelbach method and optimally conditions. Numerical results demonstrate that the proposed algorithm converges swiftly and reduces effectively the system energy consumption.
- Reconfigurable Intelligent Surface (RIS) /
- Mobile Edge Computing (MEC) /
- Partial offloading /
- Resource allocation

HTML全文

图 1 系统模型图

下载: 全尺寸图片幻灯片

图 2 系统总能耗迭代收敛图

下载: 全尺寸图片幻灯片

图 3 RIS数目与RIS反射元数目和本地计算比例的关系

下载: 全尺寸图片幻灯片

图 4 RIS数目与不同卸载方案和用户总能耗间的关系

下载: 全尺寸图片幻灯片

图 5 离散相位RIS与RIS反射元数目和用户总能耗的关系

下载: 全尺寸图片幻灯片

表 1 交替优化算法(算法1)

输入：初始化 $\left( {{\mathbf{v}}_1^k,{\mathbf{v}}_2^k,{{\mathbf{w}}_k},{p_k},{l_k},{t_k}} \right)$
步骤1：for $i = 1:{I_0}$
根据式(11)计算 ${\mathbf{v}}_2^k$ ；
根据式(13)计算 ${\mathbf{v}}_1^k$ ；
根据式(14)计算 ${{\mathbf{w}}_k}$ ；
步骤2：for $i = 1:{I_1}$
根据式(17)计算 ${p_k}$ ；
根据定理2计算 ${l_k}$ ；
更新 ${\eta ^{(i)}} = {\log _2}\left( {1 + p_k^{(i)}{a_k}} \right)/p_k^{(i)}$ ；
更新 $t_k^{(i)} = ({L_k} - l_k^{(i)})/R_k^{(i)}$ ；
步骤3：输出 $\left( {{\mathbf{v}}_1^k,{\mathbf{v}}_2^k,{{\mathbf{w}}_k},{p_k},{l_k},{t_k}} \right)$ 。

下载: 导出CSV

参考文献(21)

[1]	WU Qingqing and ZHANG Rui. Towards smart and reconfigurable environment: Intelligent reflecting surface aided wireless network[J]. IEEE Communications Magazine, 2020, 58(1): 106–112. doi: 10.1109/MCOM.001.1900107
[2]	徐勇军, 高正念, 王茜竹, 等. 基于智能反射面辅助的无线供电通信网络鲁棒能效最大化算法[J]. 电子与信息学报, 待发表. doi: 10.11999/JEIT210714. XU Yongjun, GAO Zhengnian, WANG Qianzhu, et al. . Robust energy efficiency maximization algorithm for intelligent reflecting surface-aided wireless powered-communication networks[J]. Journal of Electronics & Information Technology, To be published. doi: 10.11999/JEIT210714.
[3]	WU Qingqing, ZHANG Shuowen, ZHENG Beixiong, et al. Intelligent reflecting surface-aided wireless communications: A tutorial[J]. IEEE Transactions on Communications, 2021, 69(5): 3313–3351. doi: 10.1109/TCOMM.2021.3051897
[4]	LIU Yuanwei, LIU Xiao, MU Xidong, et al. Reconfigurable intelligent surfaces: Principles and opportunities[J]. IEEE Communications Surveys & Tutorials, 2021, 23(3): 1546–1577. doi: 10.1109/COMST.2021.3077737
[5]	XU Yongjun, GUI Guan, GACANIN H, et al. A survey on resource allocation for 5G heterogeneous networks: Current research, future trends, and challenges[J]. IEEE Communications Surveys & Tutorials, 2021, 23(2): 668–695. doi: 10.1109/COMST.2021.3059896
[6]	MAO Yuyi, YOU Changsheng, ZHANG Jun, et al. A survey on mobile edge computing: The communication perspective[J]. IEEE Communications Surveys & Tutorials, 2017, 19(4): 2322–2358. doi: 10.1109/COMST.2017.2745201
[7]	CAO Xuelin, YANG Bo, HUANG Chongwen, et al. Converged reconfigurable intelligent surface and mobile edge computing for space information networks[J]. IEEE Network, 2021, 35(4): 42–48. doi: 10.1109/MNET.011.2100049
[8]	HUANG Chongwen, ZAPPONE A, ALEXANDROPOULOS G C, et al. Reconfigurable intelligent surfaces for energy efficiency in wireless communication[J]. IEEE Transactions on Wireless Communications, 2019, 18(8): 4157–4170. doi: 10.1109/TWC.2019.2922609
[9]	刘期烈, 杨建红, 徐勇军, 等. 面向安全通信的智能反射面网络能效优化算法[J]. 电讯技术, 2020, 60(12): 1391–1397. doi: 10.3969/j.issn.1001-893x.2020.12.001 LIU Qilie, YANG Jianhong, XU Yongjun, et al. An energy-efficient optimization algorithm for secure-based intelligent reflecting surface networks[J]. Telecommunication Engineering, 2020, 60(12): 1391–1397. doi: 10.3969/j.issn.1001-893x.2020.12.001
[10]	YANG Zhaohui, CHEN Mingzhe, SAAD W, et al. Energy-efficient wireless communications with distributed reconfigurable intelligent surfaces[J]. IEEE Transactions on Wireless Communications, 2022, 21(1): 665–679. doi: 10.1109/TWC.2021.3098632
[11]	YU Xianghao, XU Dongfang, SUN Ying, et al. Robust and secure wireless communications via intelligent reflecting surfaces[J]. IEEE Journal on Selected Areas in Communications, 2020, 38(11): 2637–2652. doi: 10.1109/JSAC.2020.3007043
[12]	BAI Tong, PAN Cunhua, DENG Yansha, et al. Latency minimization for intelligent reflecting surface aided mobile edge computing[J]. IEEE Journal on Selected Areas in Communications, 2020, 38(11): 2666–2682. doi: 10.1109/JSAC.2020.3007035
[13]	CHU Zheng, XIAO Pei, SHOJAFAR M, et al. Intelligent reflecting surface assisted mobile edge computing for internet of things[J]. IEEE Wireless Communications Letters, 2021, 10(3): 619–623. doi: 10.1109/LWC.2020.3040607
[14]	WANG Qun, ZHOU Fuhui, HU Han, et al. Energy-efficient design for IRS-assisted MEC networks with NOMA[C]. 2021 13th International Conference on Wireless Communications and Signal Processing (WCSP), Changsha, China, 2021: 1–6.
[15]	LI Zhiyang, CHEN Ming, YANG Zhaohui, et al. Energy efficient reconfigurable intelligent surface enabled mobile edge computing networks with NOMA[J]. IEEE Transactions on Cognitive Communications and Networking, 2021, 7(2): 427–440. doi: 10.1109/TCCN.2021.3068750
[16]	LI Baogang, WU Wenjing, LI Yonghui, et al. Intelligent reflecting surface and artificial noise assisted secure transmission of MEC system[J/OL]. IEEE Internet of Things Journal, 2021: 1–12.
[17]	NI Wanli, LIU Yuanwei, YANG Zhaohui, et al. Federated learning in multi-RIS aided systems[J]. IEEE Internet of Things Journal, 2022, 9(12): 9608–9624. doi: 10.1109/JIOT.2021.3130444
[18]	HUANG Shanfeng, WANG Shuai, WANG Rui, et al. Reconfigurable intelligent surface assisted mobile edge computing with heterogeneous learning tasks[J]. IEEE Transactions on Cognitive Communications and Networking, 2021, 7(2): 369–382. doi: 10.1109/TCCN.2021.3056707
[19]	HAN Yitao, ZHANG Shuowen, DUAN Lingjie, et al. Cooperative double-IRS aided communication: Beamforming design and power scaling[J]. IEEE Wireless Communications Letters, 2020, 9(8): 1206–1210. doi: 10.1109/LWC.2020.2986290
[20]	ZHENG Beixiong, YOU Changsheng, and ZHANG Rui. Double-IRS assisted multi-user MIMO: Cooperative passive beamforming design[J]. IEEE Transactions on Wireless Communications, 2021, 20(7): 4513–4526. doi: 10.1109/TWC.2021.3059945
[21]	WANG Feng, XU Jie, and CUI Shuguang. Optimal energy allocation and task offloading policy for wireless powered mobile edge computing systems[J]. IEEE Transactions on Wireless Communications, 2020, 19(4): 2443–2459. doi: 10.1109/TWC.2020.2964765

施引文献

期刊类型引用(53)

1.	韦昀昊. 高铁环境下基于循环神经网络的无线传播信道模型研究. 微型电脑应用. 2024(03): 176-179 . 百度学术
2.	陈家乐. 基于大数据分析的网络实时异常入侵行为检测. 信息与电脑(理论版). 2024(02): 198-200 . 百度学术
3.	刘鑫，王明明. 浅析南水北调工程安防系统关键技术要点. 水利技术监督. 2024(05): 209-212 . 百度学术
4.	苏凯旋. 基于改进XGBoost模型的网络入侵检测研究. 计算机与现代化. 2024(06): 109-114 . 百度学术
5.	胡璐锦，王振凯，狄森川，蔡胜奇，刘毓. 城市多出行方式轨迹预测的模型集成方法. 测绘科学. 2024(09): 71-80 . 百度学术
6.	冯国聪，樊凯，叶婉琦. 基于卷积神经网络的网络入侵检测系统设计. 微型电脑应用. 2023(05): 141-143+154 . 百度学术
7.	王文杰，张春英，王立亚，贾栋豪，郭雪飞. 融合IPCA和CNN的增量入侵检测模型. 华北理工大学学报(自然科学版). 2023(03): 90-100+109 . 百度学术
8.	林鹏，陈聪，徐盛秋，蔡富裕，廖华. 融合图像与红外传感的变电站异物入侵在线监测. 电子设计工程. 2023(15): 178-181+186 . 百度学术
9.	王振东，徐振宇，李大海，王俊岭. 面向入侵检测的元图神经网络构建与分析. 自动化学报. 2023(07): 1530-1548 . 百度学术
10.	路春辉. 基于支持向量机和象群优化算法的入侵检测技术研究. 信息技术. 2023(09): 64-70 . 百度学术
11.	周明月，常明航，付殿臣，程超. 一种基于EA-BinGRU算法的网络入侵检测算法. 计算机应用与软件. 2023(11): 321-326 . 百度学术
12.	刘超. 广电机房网络安全隐患及网络安全技术策略探讨. 电脑编程技巧与维护. 2023(12): 160-163 . 百度学术
13.	吴丹，王俊，许燕. 基于深度学习的公共充电桩故障预测模型. 电子设计工程. 2022(05): 127-130+135 . 百度学术
14.	邹洪，刘家豪，陈锋，农彩勤，王斌. 基于递归神经网络的原始训练数据防泄漏密码生成系统设计. 电子设计工程. 2022(05): 122-126 . 百度学术
15.	胡向东，李之涵. 基于胶囊网络的工业互联网入侵检测方法. 电子学报. 2022(06): 1457-1465 . 百度学术
16.	谢澳归. 基于机器学习的入侵检测技术研究. 信息与电脑(理论版). 2022(08): 218-220 . 百度学术
17.	程超，武静凯，陈梅. 一种基于RBM-SVM算法的无线传感网络入侵检测算法. 计算机应用与软件. 2022(05): 325-329 . 百度学术
18.	付吉菊. 交互式网络恶意入侵跳频数据特征自动挖掘方法. 宁夏师范学院学报. 2022(07): 72-79 . 百度学术
19.	颜蔚. 基于卷积神经网络的无线网络安全风险评估及控制. 沈阳工业大学学报. 2022(05): 565-569 . 百度学术
20.	谭韶生，夏旭. 数据挖掘的船舶通信网络非法入侵智能检测方法. 舰船科学技术. 2022(17): 144-147 . 百度学术
21.	洪彦. 基于神经网络优化模型的网络通信异常检测. 佳木斯大学学报(自然科学版). 2022(05): 47-50 . 百度学术
22.	周慧君. 顾及环境胁迫反应机制的船舶轨迹预测方法. 测绘科学. 2022(09): 67-75+94 . 百度学术
23.	钟双莲，童峰，刘雨佶，章宇栋，陈东升. 低信噪比条件下深度学习麦克风阵列波束形成. 兵器装备工程学报. 2022(11): 273-277+296 . 百度学术
24.	李青. 云计算环境下船舶无线通信网络入侵检测方法. 舰船科学技术. 2022(21): 140-143 . 百度学术
25.	年飞翔，郭阳，徐梅，黄纯玺，金津，黄文婷，梁健，王艺. 基于BP神经网络的降水量估算模型在自动气象站降水量质量控制中的应用. 气象与环境科学. 2022(06): 101-107 . 百度学术
26.	谭伦荣，王辉. 基于深度卷积神经网络的无线通信网络异常攻击检测. 重庆科技学院学报(自然科学版). 2022(06): 60-64 . 百度学术
27.	赵晓松. 舰船无线网络入侵数据点自动定位方法. 舰船科学技术. 2021(04): 181-183 . 百度学术
28.	田桂丰，单志龙，廖祝华，王煜林. 基于Faster R-CNN深度学习的网络入侵检测模型. 南京理工大学学报. 2021(01): 56-62 . 百度学术
29.	王钰，刘磊. 基于特征扩展的网构软件测试数据分类模型构建. 电子设计工程. 2021(08): 29-32+37 . 百度学术
30.	田桂丰，单志龙，廖祝华，王煜林. 基于空间降维和多核支持向量机的网络入侵检测. 济南大学学报(自然科学版). 2021(04): 365-369+375 . 百度学术
31.	龚琴，柯善良. 基于机器学习的物联网反入侵检测方法研究. 内蒙古民族大学学报(自然科学版). 2021(03): 211-216 . 百度学术
32.	田里，喻潇，王捷，王晋. 基于Snort的网络安全入侵检测预防系统设计. 电子设计工程. 2021(18): 148-151+156 . 百度学术
33.	潘勇斌，顾全，廖华，周南菁. 基于循环神经网络的电网故障智能告警信息分类研究. 自动化技术与应用. 2021(09): 56-60 . 百度学术
34.	李闯. 无线网络入侵干扰信号特征分离方法. 通信技术. 2021(10): 2413-2417 . 百度学术
35.	陈雪芳. 基于AL-SVM算法的无线传感器网络入侵检测研究. 沈阳工程学院学报(自然科学版). 2021(04): 68-73 . 百度学术
36.	王佳坤，缪祥华，邵建龙. 基于深度循环神经网络的入侵检测方法. 化工自动化及仪表. 2021(06): 566-574+645 . 百度学术
37.	赵冬梅，宋会倩，张红斌. 基于时间因子和复合CNN结构的网络安全态势评估. 计算机科学. 2021(12): 349-356 . 百度学术
38.	杨力. 基于IPSO-SVM算法的网络入侵检测方案研究. 信息与电脑(理论版). 2021(23): 45-47 . 百度学术
39.	杨鹏. 移动警务网络中基于神经网络的入侵检测研究. 信息网络安全. 2021(S1): 26-29 . 百度学术
40.	吴丽佳. 基于压缩感知的智能电网入侵检测方法研究. 通信技术. 2020(03): 733-737 . 百度学术
41.	林立忠，池海宏. 舰船网络入侵目标检测效率优化方法分析. 舰船科学技术. 2020(10): 172-174 . 百度学术
42.	李刚，孙耀文，于德新，付海，赵邵蕾. 基于Agent人工智能技术的分布式入侵检测系统设计. 计算机测量与控制. 2020(07): 29-33+38 . 百度学术
43.	郭华，李颖，江浩，邓翔，王利斌，李祉岐. 基于物联网技术的电力线路信息网入侵检测系统设计. 电子设计工程. 2020(18): 131-135 . 百度学术
44.	邹洪，杨逸岳，张佳发. 基于K-means聚类算法的网络入侵监测系统设计. 自动化与仪器仪表. 2020(09): 123-126 . 百度学术
45.	刘文春. 网络异常流量特征选择方法研究. 新乡学院学报. 2020(09): 25-28+42 . 百度学术
46.	李腾耀，王布宏，尚福特，田继伟，曹堃锐. ADS-B攻击数据弹性恢复方法. 电子与信息学报. 2020(10): 2365-2373 . 本站查看
47.	宣乐飞. 舰船通信网络的入侵检测技术研究. 舰船科学技术. 2020(18): 136-138 . 百度学术
48.	苏明，马琳. 蚁群算法选择神经网络参数的网络入侵检测. 现代电子技术. 2020(22): 114-117 . 百度学术
49.	吴永芬，徐为. 基于蚁群优化算法和支持向量机相结合的医院网络非法入侵检测. 现代电子技术. 2020(22): 78-81 . 百度学术
50.	缪祥华，单小撤. 基于密集连接卷积神经网络的入侵检测技术研究. 电子与信息学报. 2020(11): 2706-2712 . 本站查看
51.	许春冬，徐琅，周滨，凌贤鹏. 单通道语音增强技术的研究现状与发展趋势. 江西理工大学学报. 2020(05): 55-64 . 百度学术
52.	蒋华伟，张磊. 基于长短期记忆生成对抗网络的小麦品质多指标预测模型. 电子与信息学报. 2020(12): 2865-2872 . 本站查看
53.	古险峰. 一种基于数据挖掘的网络入侵检测系统设计与实现. 河南科技学院学报(自然科学版). 2020(06): 54-58+67 . 百度学术