能量收集边缘计算系统中的在线认知数据感知与处理优化
信息论
2021-06-29 v1 信号处理
math.IT
摘要
移动边缘计算(MEC)近来已成为缓解物联网(IoT)网络中密集计算负担的主流技术。然而,设备电池容量有限与频谱资源紧张严重制约了支持MEC的物联网网络的数据处理性能。为应对这两类性能限制,本文考虑一个支持MEC的物联网系统,其中配备能量收集(EH)的无线设备(WD)机会式接入叠加主通信链路的授权频谱以进行任务卸载。我们的目标是在满足主链路服务质量(QoS)要求、MEC服务器(MS)平均功率约束以及MS与WD数据队列稳定性条件下,最大化WD的长期平均感知速率。我们将该问题建模为多阶段随机优化,并提出一种名为PLySE的在线算法,其应用扰动Lyapunov优化技术将原问题分解为每时隙确定性优化问题。针对每个每时隙问题,我们推导了数据感知与处理控制的闭式最优解,以便于低复杂度实时实现。有趣的是,我们的分析发现最优解呈现出基于阈值的结结构。仿真结果验证了我们的分析,并表明所提PLySE相较代表性基准方法的感知速率提升超过46.7%。
引用
@article{arxiv.2106.14113,
title = {Online Cognitive Data Sensing and Processing Optimization in Energy-harvesting Edge Computing Systems},
author = {Xian Li and Suzhi Bi and Zhi Quan and Hui Wang},
journal= {arXiv preprint arXiv:2106.14113},
year = {2021}
}
备注
This paper has been submitted for potential journal publication