隨著移動智能終端大量普及以及新型的計算密集且延遲敏感的應用高速發(fā)展,當今蜂窩異構網絡的延遲和能耗問題逐漸凸顯,對未來的蜂窩網絡數(shù)據速率需求和綠色通信的實現(xiàn)提出了更高的要求。這些需求促使創(chuàng)新性的移動邊緣計算（Mobile Edge Computing,MEC）概念的誕生。在移動網絡邊緣的基站部署計算能力,結合蜂窩異構網絡的雙層結構,使得移動終端用戶可以將待處理的計算任務卸載到MEC服務器進行處理,從而有效地減少用戶可感知的延遲和能量消耗。本文主要研究的內容為關于MEC面向用戶的三個關鍵挑戰(zhàn),分別是決定用戶的計算卸載、頻譜資源分配和MEC計算資源分配。針對現(xiàn)有策略的不足,本文在蜂窩異構網絡下研究了三種不同的系統(tǒng)模型,以聯(lián)合最小化延遲和能量消耗為目標,提出了兩種不同的計算卸載策略和一種聯(lián)合計算卸載、無線頻譜資源分配和計算資源分配的策略。首先,提出的第一種基于用戶選擇的計算卸載策略。考慮的的系統(tǒng)模型為一個部署MEC服務器的宏蜂窩基站（Macro cell base station,MBS）和一個可作為中繼的小蜂窩基站（Small cell base station,SBS）。以最小化MEC系統(tǒng)... 

【文章來源】：北京工業(yè)大學北京市 211工程院校

【文章頁數(shù)】：97 頁

【學位級別】：碩士

【部分圖文】：

計算卸載決策結果

終端用戶應當本地用戶。在第二個步驟中，由其的計算卸載優(yōu)先級。第三個 用 戶 分 配 無 線 頻 譜 資 源其中I 是迭代次數(shù)， N 代表獻中展示的數(shù)值結果，與沒能耗。此外，隨著 MEC 計算加。文獻[30]考慮了部分卸載可計算卸載部分的情況，如分卸載到 MEC 服務器。作者其復雜度高達 O 2N ，為了法，次優(yōu)算法的復雜度降低的信干噪比（Signal and I能效果。

示卸載計算任務，1 表示移動終端本地執(zhí)行任務文獻中提出的最優(yōu)解決方案復雜度高達 22NO N Binary Particle Swarm Optimizer, BPSO）的啟發(fā)式計算復雜度為 2O GKN ，其中，G 是迭代次數(shù)，就能量消耗而言，BPSO 算法能夠實現(xiàn)與文獻[3同的效果。文獻[31]和文獻[32]明顯的缺點在于 M用戶。文獻[33]解決了多個移動終端用戶的計算中，待解決應用被分成各部分全部可卸載，并在卸載計算。文獻中假設移動終端用戶可以確定應載到 MEC 服務器。問題先是被建立成高復雜度線性規(guī)劃問題，其復雜度為 O N ，其中 N 為執(zhí)果顯示，與無卸載情況相比，使用窮舉搜索最優(yōu)。使用低復雜度的啟發(fā)式算法可以為終端節(jié)省 3

【參考文獻】：
期刊論文
[1]移動邊緣計算卸載技術綜述[J]. 謝人超,廉曉飛,賈慶民,黃韜,劉韻潔.  通信學報. 2018(11)
[2]基于霧計算的物聯(lián)網基礎安全架構[J]. 李昕,楊波.  黃山學院學報. 2017(05)
[3]大數(shù)據應用的現(xiàn)狀與展望[J]. 唐國宇,陸文成.  電子技術與軟件工程. 2017(19)
[4]基于霧計算的NB-IoT框架、關鍵技術及應用[J]. 張紅,王玉峰.  中興通訊技術. 2017(01)
[5]移動邊緣計算技術及其本地分流方案[J]. 張建敏,謝偉良,楊峰義,武洲云,謝亮.  電信科學. 2016(07)
[6]移動邊緣計算促進5G發(fā)展的分析[J]. 戴晶,陳丹,范斌.  郵電設計技術. 2016(07)
[7]大數(shù)據分析[J]. 陳明.  計算機教育. 2014(05)

碩士論文
[1]LTE-Advanced系統(tǒng)中的MIMO技術研究[D]. 黃宗治.重慶郵電大學 2010



本文編號：3093271