面向 ISCC 网络的智能边缘感知：联合多层级 DNN 分区与波束赋形设计
信号处理
2025-05-01 v1
摘要
集成感知与通信 (ISAC) 与移动边缘计算 (MEC) 的结合，使设备能够同时感知环境并将数据卸载至基站进行智能处理，从而减少本地计算负担。然而，ISAC 设备将原始感知数据传输至基站常常会造成巨大的前传播开销和延迟。本文研究由集成感知、通信与计算 (ISCC) 启用的三层协同推理框架，其中云服务器、MEC 服务器和 ISAC 设备协同执行预训练深度神经网络 (DNN) 的不同片段，以实现智能感知。通过卸载中间 DNN 特征，本文提出的框架可显著降低前传播传输负载。此外，采用多输入多输出 (MIMO) 技术以提升感知质量和卸载效率。为最小化所有 ISAC 设备上的感知任务整体推理延迟，本文在感知波束模式约束下，联合优化 DNN 分区策略、ISAC 波束赋形以及 MEC 服务器和设备上的计算资源分配。我们还提出了一种高效的两层优化算法。在内层，我们利用卡尔曼-鲁尼-库克 (KKT) 条件推导出计算资源分配的闭式解。此外，我们基于最大化-最小化和加权均衡最小均方误差技术设计 ISAC 波束向量。在外层，我们开发基于交叉熵的概率学习算法，以确定最佳 DNN 分区策略。仿真结果表明，本文提出的框架在推理延迟方面显著优于现有的两层方案。
引用
@article{arxiv.2504.21409,
title = {Towards Intelligent Edge Sensing for ISCC Network: Joint Multi-Tier DNN Partitioning and Beamforming Design},
author = {Peng Liu and Zesong Fei and Xinyi Wang and Xiaoyang Li and Weijie Yuan and Yuanhao Li and Cheng Hu and Dusit Niyato},
journal= {arXiv preprint arXiv:2504.21409},
year = {2025}
}
备注
13 pages, 9 figures, submitted to IEEE journal for possible publication