面向太赫兹通信信道建模的大数据边云卸载工程

在毫米波和太赫兹范围无线通信中的信道估计（产生 Gb/Tb 量级的数据）对于配置与传输信号质量相关的系统参数至关重要，但其在软件和硬件方面仍是一项艰巨挑战。当前的信道估计方法，无论是基于建模还是基于数据（机器学习（ML）），都使用并创造大数据。这反过来需要大量计算资源、读取操作以验证数据库中是否存在某些预定义信道配置（例如 QoS 要求），以及写入操作以将新的 QoS 参数组合存储到数据库中。尤其是基于 ML 的方法需要高计算与存储资源、低延迟和更高的硬件灵活性。在本文中，我们以太赫兹信道建模为例，设计并研究了将上述操作卸载到边缘和云计算系统，以理解边缘和云计算提供带有信道与链路配置参数的快速响应的适用性。我们基于以下两种资源编排方式评估所设计系统的性能：1) 单体架构，2) 微服务架构，两者均采用边云协同方法。对于微服务方法，我们设计了 Docker Swarm 和 Kubernetes 系统。测量结果表明边缘计算和微服务大有前景，能够快速响应以正确配置参数，并利用超高速无线通信改善传输距离与信号质量。