C-RAN中面向物联网的计算卸载：优化与深度学习方法
网络与互联网体系结构
2019-09-25 v1 信号处理
摘要
我们考虑多输入多输出（MIMO）云无线接入网（C-RAN）中物联网（IoT）应用的计算卸载。由于物联网设备（IoTD）电池寿命和计算能力有限，IoTD的计算任务被卸载到MIMO C-RAN，其中MIMO无线资源头（RRH）通过容量受限的前传链路连接到基带单元（BBU），并借助空间滤波与均匀标量量化实现。我们制定了一个计算卸载优化问题，以在满足计算任务时延要求的同时最小化IoTD的总发射功率，并发现该问题是非凸的。为获得可行解，首先在MIMO RRH处对空间滤波矩阵进行局部优化。随后，我们利用交替优化框架在BBU处对剩余变量进行联合优化，其中基带合并器以闭式获得，资源分配子问题通过连续内凸化求解，量化比特数通过线搜索方法获得。作为一种低复杂度方法，我们部署了一种有监督深度学习方法，该方法以我们优化算法的求解结果作为训练数据。数值结果验证了所提算法与深度学习方法的有效性。
引用
@article{arxiv.1909.10696,
title = {Computation Offloading for IoT in C-RAN: Optimization and Deep Learning},
author = {Chandan Pradhan and Ang Li and Changyang She and Yonghui Li and Branka Vucetic},
journal= {arXiv preprint arXiv:1909.10696},
year = {2019}
}
备注
Submitted to a IEEE Journal