Energy-Efficient UAV-Enabled MEC Systems: NOMA, FDMA, or TDMA Offloading?
本文针对无人机赋能的移动边缘计算系统，比较NOMA、FDMA和TDMA三种卸载方案的能量效率，发现TDMA最优且NOMA在有限块长度下不一定优于FDMA，并提出联合优化算法降低能耗。
2025-10-25 cs.IT math.IT
Secrecy Offloading Analysis of UAV-assisted NOMA-MEC Incorporating WPT in IoT Networks
本文研究了IoT网络中结合WPT的UAV辅助NOMA-MEC系统的保密数据卸载效率，提出UAV兼具计算平台与空中供电站双重角色以抵御窃听，并推导了Nakagami-m信道下SSCP的闭式表达式验证分析精确性。
2025-07-11 cs.IT math.IT
IRS-aided Wireless Powered MEC Systems: TDMA or NOMA for Computation Offloading?
提出了一种基于智能反射面（IRS）的无线供电移动边缘计算（WP-MEC）系统，每个设备的计算任务可以分为本地计算和卸载到移动边缘计算（MEC）服务器两部分。考虑时分多址（TDMA）和非正交多址（NOMA）方案用于上行链路（UL）卸载。给定IRS随时间智能地重新配置无线信道的能力，根本上不知道哪种多址方案对于MEC UL卸载是优越的。为了回答这个问题，我们首先调查三种不同的动态IRS波束成形（DIBF）方案的计算速率的卸载方案的影响，IRS在调整其波束成形（BF）向量在每个传输帧的灵活性的基础上。在DIBF框架下，分别针对NOMA和TDMA方案，通过联合优化IRS被动BF和资源分配，来制定计算速率最大化问题。我们严格证明，卸载采用TDMA可以达到相同的计算速率的NOMA，当所有的设备共享相同的IRS BF矢量在UL卸载。相比之下，当IRS BF向量可以灵活地适应于UL卸载时，利用TDMA的卸载优于NOMA。尽管每个DIBF计划与高度耦合的优化变量的计算速率最大化问题的非凸性，我们设想通过调用交替优化计算效率高的算法。我们的数值结果表明，所提出的设计在各种基准计划取得了显着的性能增益。
2021-08-21 cs.ET cs.IT math.IT
Secure and Multi-Step Computation Offloading and Resource Allocation in Ultra-Dense Multi-Task NOMA-Enabled IoT Networks
超密集网络被广泛认为是物联网（IoT）移动设备（IMD）爆炸性增长应用的有前途的解决方案。然而，在这样的网络中，需要适当地处理复杂和严重的干扰。为此，首先利用正交多址（OMA）和非正交多址（NOMA）。然后，为了实现绿色安全的计算卸载，在均衡分配计算资源的基础上，在时延和安全代价的约束下，通过联合设备关联、信道选择、安全服务分配、功率控制和计算卸载等措施，最大限度地降低所有IMD的总能耗。值得注意的是，多步计算卸载集中，以平衡网络负载，充分利用计算资源。由于最后制定的问题是在一个非线性的混合整数形式，它可能是非常困难的，以找到其封闭形式的解决方案。针对这一问题，设计了一种改进的鲸鱼优化算法（IWOA）。对该算法的收敛性、计算复杂性和并行实现进行了详细的分析。仿真结果表明，在时延和安全代价的约束下，该算法比现有算法具有更低的能耗。
2023-03-11 cs.IT math.IT
DRL-Assisted Resource Allocation for NOMA-MEC Offloading with Hybrid SIC
多址边缘计算（MEC）和非正交多址（NOMA）已经被认为是在第六代（6 G）移动系统中提高移动设备的计算能力和卸载效率的有前景的技术。本文主要研究了混合NOMA-MEC系统，该系统首先将多个用户分组成对，每对用户通过NOMA同时卸载各自的任务，然后通过正交多址接入（OMA）为延迟容忍度较高的用户分配一段时间，用于上传剩余的数据。对于传统的NOMA上行链路传输，根据信道状态信息（CSI）或服务质量（QoS）要求，应用连续干扰消除（SIC）来连续地解码叠加的信号。在这项工作中，我们集成了混合SIC方案，动态适应所有NOMA组之间的SIC解码顺序。为了解决用户分组问题，提出了一种基于深度强化学习（DRL）的算法，以获得接近最优的用户分组策略。此外，我们最佳地最小化卸载能源消耗，通过获得封闭形式的解决方案的资源分配问题。仿真结果表明，该算法收敛速度快，NOMA-MEC方案优于现有的正交多址接入（OMA）方案。
2021-04-07 cs.IT eess.SP math.IT
Secure Offloading in NOMA-Aided Aerial MEC Systems Based on Deep Reinforcement Learning
针对存在空中窃听者的NOMA辅助UAV-MEC系统，提出一种基于深度确定性策略梯度算法的安全卸载方案，通过联合优化UAV轨迹、用户发射功率与计算频率，在保障数据安全的同时最小化长期网络计算成本。
2024-10-11 cs.IT math.IT
Task Offloading Optimization in NOMA-Enabled Multi-hop Mobile Edge Computing System Using Conflict Graph
研究了多跳移动边缘计算（MEC）系统中计算密集型任务卸载的资源分配问题。所设想的系统具有具有计算能力的协作接入点（AP）和MEC服务器。因此，用户设备（UD）首先将计算任务上传到最近的AP，并且AP可以本地处理接收到的任务或卸载到MEC服务器。为了有效地利用AP中的无线资源块（RRB），我们利用非正交多址来将任务从UD卸载到AP。对于所考虑的支持NOMA的多跳MEC计算系统，我们的目标是最大限度地减少系统的延迟和能耗。为了实现这一目标，联合优化问题是制定考虑卸载决定的AP，调度之间的UD，RRB和AP，和UD的发射功率分配。为了有效地解决这个问题，（i）设计了一种基于冲突图的方法，该方法联合解决了UD、AP和RRB之间的调度、发射功率控制和AP的计算资源分配，以及（ii）还设计了一种低复杂度的基于修剪图的方法。所提出的基于图的方法在几个基准计划的效率进行了验证，通过广泛的模拟。
2021-04-23 cs.IT math.IT
Multi-Antenna NOMA for Computation Offloading in Multiuser Mobile Edge Computing Systems
研究了一种多用户移动边缘计算（MEC）系统，其中一个基站（BS）为多个用户提供密集计算任务。我们利用多天线非正交多址接入（NOMA）技术的多用户计算卸载，使不同的用户可以同时卸载他们的计算任务的多天线BS在相同的时间/频率资源，和BS可以采用连续干扰消除（SIC），以有效地解码所有用户的卸载任务，远程执行。我们的目标是最大限度地减少加权总能耗在所有用户的计算延迟的限制，通过联合优化通信和计算资源分配以及BS的解码顺序SIC。对于部分卸载的情况，加权能量和最小化问题是一个凸优化问题，基于Lagrange对偶方法给出了一个有效的算法来获得全局最优解.对于二进制卸载的情况，加权和能量最小化对应于{ \em混合布尔凸问题}，其通常更难以求解。我们首先使用分支定界（BnB）方法来获得全局最优解，然后开发了两个低复杂度的算法的基础上的贪婪方法和凸松弛，分别找到高质量的次优解在实践中。通过数值计算结果，它表明，所提出的基于NOMA的计算卸载设计显着提高了多用户MEC系统的能量效率相比，其他基准计划。它还表明，对于二进制卸载的情况下，所提出的贪婪方法执行接近最佳的BnB为基础的解决方案，和凸松弛为基础的解决方案实现了次优性能，但具有较低的实现复杂度。
2018-09-08 cs.IT math.IT
Optimal Task Assignment and Power Allocation for NOMA Mobile-Edge Computing Networks
移动边缘计算（MEC）可以增强移动设备的计算能力，非正交多址（NOMA）可以提供高数据率。结合这两种技术可以有效地使网络受益于频谱和能源效率。在本文中，我们研究了NOMA多用户MEC网络中的任务完成时间最小化，其中多个用户可以通过相同的频带同时卸载他们的任务。我们采用了\emph{partial}卸载，其中每个用户可以将其计算任务划分为卸载计算和本地计算部分。我们的目标是最大限度地减少用户之间的最大任务延迟，通过优化他们的任务分配比和卸载发射功率。通过考虑每个用户的能量消耗和发射功率限制，所述问题是拟凸的。因此，二分搜索（BSS）迭代算法，提出了获得最小的任务完成时间。为了降低BSS算法的复杂度并评估其最优性，在分析结果的基础上，进一步推导了两用户NOMA MEC网络的最优任务划分比和卸载功率的封闭表达式.仿真结果证明了所提出的盲源分离算法的收敛性和最优性，以及所提出的最优解的有效性。
2019-04-28 cs.IT math.IT
Online Offloading Scheduling for NOMA-Aided MEC Under Partial Device Knowledge
通过利用非正交多址接入（NOMA）的优势，NOMA辅助的移动边缘计算（MEC）可以为物联网提供可扩展、低延迟的计算服务。然而，由于无线网络的随机性和NOMA复杂的信号处理，这是至关重要的，但具有挑战性的NOMA辅助MEC设计一个有效的任务卸载算法，特别是在大量的设备。本文提出了一种在线算法，该算法联合优化卸载决策和资源分配，以最大化长期系统效用（即，吞吐量和公平性的度量）。由于优化变量是临时耦合的，我们首先应用李雅普诺夫技术解耦的长期随机优化成一系列的每槽确定性的子问题，这不需要任何先验知识的网络动力学。其次，我们建议通过引入一组辅助变量，将优化NOMA功率分配的非凸每时隙子问题等价地转换为凸形式，从而将时间复杂度从指数复杂度降低到$\mathcal{O} (M^{3/2})$。该算法被证明是渐近最优的，即使在部分知识的设备状态在基站。仿真结果验证了该算法在系统效用、稳定性提高和开销减少方面的优越性。
2021-06-30 cs.IT eess.SP math.IT
Data Sensing and Offloading in Edge Computing Networks: TDMA or NOMA?
随着物联网（IoT）的发展，具有传感、计算和通信功能的设备数量呈爆炸式增长，网络边缘产生大量原始数据。移动（多址）边缘计算（MEC），通过无线链路在网络边缘（如基站（BS））获取和处理数据，已成为一种有前途的实时应用技术。在本文中，我们考虑的情况下，多个设备感测，然后卸载数据到边缘服务器/BS，卸载吞吐量最大化的问题进行了研究，通过联合无线电和计算资源分配，基于时分多址（TDMA）和非正交多址（NOMA）多用户计算卸载。特别地，我们考虑到基于TDMA的多用户传输/卸载的顺序。所研究的问题是NP-困难的，非凸的。基于分解方法和对问题有价值的见解的探索，设计了一组低复杂度的算法。它们要么是最优的，要么可以达到接近最优的性能，如模拟所示。综合仿真结果表明，序列优化的TDMA方案比NOMA方案具有更好的吞吐量性能，而在分时策略和设备感知能力相同的前提下，NOMA方案的吞吐量性能更好。
2021-11-22 cs.IT eess.SP math.IT
NOMA Enabled Multi-Access Edge Computing: A Joint MU-MIMO Precoding and Computation Offloading Design
针对多天线MEC用户以NOMA接入边缘服务器的场景，提出联合优化计算频率、卸载比例与预编码矩阵的迭代方法，在满足时延约束下最小化总能耗，并验证了收敛性和性能优势。
2023-11-07 cs.IT eess.SP math.IT
Delay Aware Secure Offloading for NOMA-Assisted Mobile Edge Computing in Internet of Vehicles
本文研究了一种多车辆多任务非正交多址接入（NOMA）辅助的移动边缘计算（MEC）系统。为了提高边缘车辆的性能，我们提出了一种车辆分组配对方法，利用车辆附近的MEC全双工中继，以协助边缘车辆。为了提高传输的安全性，我们采用人工噪声来干扰窃听车辆。此外，我们推导出了系统的秘密中断概率的近似表达式。车辆任务划分，功率分配，和发射波束形成的组合优化制定最小化的总延迟完成任务的边缘车辆。然后，针对混合整数非线性规划问题，设计了一种基于遗传算法的功率分配和任务调度算法。数值结果表明，我们所提出的方案在系统安全性和传输延迟方面的优越性。
2021-08-01 cs.IT eess.SP math.IT
Energy-Efficient Resource Allocation for Secure NOMA-Enabled Mobile Edge Computing Networks
移动边缘计算（MEC）已被设想为下一代无线网络中有前途的技术。为了提高计算任务卸载的安全性和增强用户的连通性，研究了MEC感知网络中的物理层安全和非正交多址接入（NOMA）问题。考虑到实际的被动窃听场景，采用保密中断概率来衡量计算卸载的保密性能。首先研究了在秘密卸载率约束、计算延迟约束和秘密中断概率约束下的加权总能耗最小化问题。导出了最优解的半封闭形式表达式。然后，我们研究的秘密中断概率最小化问题，考虑到两个用户的优先级，并描述了最佳的秘密卸载率和功率分配的封闭形式的表达式。数值结果表明，我们所提出的设计的性能优于替代的基准计划。
2019-10-22 cs.IT eess.SP math.IT
Optimal Resource Allocation for Delay Minimization in NOMA-MEC Networks
多址边缘计算（MEC）可以增强移动设备的计算能力，而非正交多址接入（NOMA）可以提供高数据速率。结合这两种策略可以有效地使网络具有频谱和能量效率。在本文中，我们研究了多用户NOMA-MEC网络中的任务延迟最小化，其中多个用户可以通过相同的频段同时卸载他们的任务。我们采用部分卸载策略，每个用户可以将其计算任务划分为卸载和本地计算部分。我们的目标是最大限度地减少用户之间的任务延迟，通过优化他们的任务分配比和卸载发射功率。首先，制定的延迟最小化问题，它是一个非凸的。通过仔细研究它的结构，我们把原来的问题转化为一个等价的拟凸。在此基础上，提出了一种二分搜索迭代算法，以实现最小的任务延迟。为了降低该算法的复杂性和评估其最优性，我们进一步推导出封闭形式的表达式的最佳任务划分比和卸载功率的情况下，两个用户的NOMA-MEC网络。仿真结果证明了该算法的收敛性和最优性，以及闭合形式分析的有效性。
2020-09-11 cs.IT eess.SP math.IT
NOMA-aided Joint Communication, Sensing, and Multi-tier Computing Systems
提出了一种非正交多址接入（NOMA）辅助的联合通信、感知和多层计算（JCSMC）框架。在该框架中，多功能基站（BS）执行目标感知，同时向附近的用户提供边缘计算服务。为了提高计算效率，采用多层计算结构，其中BS可以进一步将计算任务卸载到功能强大的云服务器（CS）。研究了在JCSMC框架中使用NOMA的潜在好处，它可以最大限度地提高计算卸载能力并抑制函数间干扰。基于所提出的框架，BS的发射波束形成器和在BS和CS处的计算资源分配被联合优化，以最大化服从通信-计算因果关系和感测质量约束的计算速率。分别考虑了部分卸载和二进制卸载两种计算模式：1）针对部分卸载模式，提出了一种基于加权最小均方误差的交替优化算法来求解相应的非凸优化问题。2）对于二进制卸载模式，首先将高耦合混合整数优化问题转化为等价但更易处理的形式。然后，利用乘子法的交替方向法求解该问题，得到了一个近似最优解。最后，数值结果验证了所提出的算法和所提出的NOMA辅助JCSMC框架的有效性
2022-12-27 cs.IT eess.SP math.IT
Delay-Optimal Scheduling for IRS-Aided Mobile Edge Computing
我们考虑一个智能反射面（IRS）辅助移动边缘计算（MEC）系统，其中部署了一个IRS，以协助计算卸载从两个用户到与边缘云连接的接入点。对于IRS辅助的数据传输，与传统的非正交多址（NOMA）和时分多址（TDMA）相比，我们提出了一种新的灵活的分时NOMA方案，允许用户灵活地将其数据分为两部分，分别通过NOMA和TDMA传输，从而将传统的NOMA和TDMA封装为特殊情况。我们制定了一个优化问题，以最大限度地减少两个用户的总延迟设计的IRS被动反射和用户的计算卸载调度下的IRS离散相位约束。虽然这个问题是非凸的，我们得到了无限和有限的云计算能力的情况下，它的最优解。此外，我们表明，基于NOMA和TDMA的传输是首选在不同的情况下，取决于用户的云计算时间以及NOMA和TDMA与IRS之间的速率差异。
2020-11-07 cs.IT math.IT
A Max-Min Task Offloading Algorithm for Mobile Edge Computing Using Non-Orthogonal Multiple Access
本文提出一种基于NOMA的MEC任务卸载算法，通过最大化最差用户卸载比特数，解决非凸优化问题，相比OMA显著提升性能，适用于延迟敏感应用。
2023-10-12 cs.IT eess.SP math.IT
Physical Layer Security for NOMA-Enabled Multi-Access Edge Computing Wireless Networks
多址边缘计算（MEC）被认为是一种很有前途的增强无线网络计算能力的技术。在本文中，我们研究了MEC系统中的物理层安全性，在该系统中，多个用户基于非正交多址接入（NOMA）同时将部分计算任务卸载到基站，存在恶意窃听者。采用秘密中断概率来衡量计算卸载对窃听攻击的安全性能。我们的目标是最小化所有用户的总能耗，受保密卸载率，保密中断概率，NOMA的解码顺序方面的约束。虽然原优化问题是非凸的，具有挑战性的解决，我们提出了一个有效的算法，基于序贯凸逼近和惩罚对偶分解。数值结果验证了该算法的收敛性及其优越的能量效率与保密性要求。
2021-07-03 cs.IT eess.SP math.IT
An Application-Driven Non-Orthogonal Multiple Access Enabled Computation Offloading Scheme
为了应对应用程序对数据计算需求的前所未有的激增，已经提出了多访问边缘计算（MEC）的有前途的概念，以使网络边缘能够为移动设备（MD）提供更紧密的数据处理。由于需要迁移大量的工作负载，而MD始终保持资源受限，因此从设备到MEC服务器的数据卸载将不可避免地需要更高效的传输设计。非正交多址接入（NOMA）技术与MEC的集成已被证明可以为应用提供更低的延迟和更高的能量效率。然而，这种类型的现有设计主要集中在传输技术上，这仍然是不够的。为了进一步提高卸载性能，在这项工作中，我们提出了一个应用程序驱动的NOMA启用计算卸载方案，通过探索应用程序的特点，其中应用程序的公共数据是通过多设备合作卸载。在成功卸载公共数据的前提下，我们将问题表示为单个卸载吞吐量的最大化，其中时间分配和功率控制联合优化。通过使用逐次凸逼近（SCA）方法，制定的问题可以迭代求解。仿真结果证明了该方法的收敛性和所提方案的有效性。
2020-08-12 cs.IT eess.SP math.IT
Computation Efficiency Maximization in Wireless-Powered Mobile Edge Computing Networks
节能计算是移动边缘计算（MEC）网络的必然趋势。最大化计算效率的资源分配策略是至关重要的。在本文中，计算效率最大化问题制定在无线供电的MEC网络下的部分和二进制计算卸载模式。考虑了一个实用的非线性能量收集模型。时分多址接入（TDMA）和非正交多址接入（NOMA）都被考虑和评估用于卸载。在最大-最小公平准则下，对能量收集时间、局部计算频率、卸载时间和功率进行联合优化，以最大化计算效率.分别提出了两种迭代算法和两种替代优化算法来解决本文所述的非凸问题。仿真结果表明，所提出的资源分配方案优于基准方案的用户公平性。此外，阐明了可实现的计算效率和计算位的总数之间的折衷。仿真结果表明，部分计算卸载模式优于二进制计算卸载模式，NOMA优于TDMA的计算效率。
2020-02-11 cs.IT eess.SP math.IT
NOMA-Aided Mobile Edge Computing via User Cooperation
在移动边缘计算（MEC）系统中，利用移动设备的空闲计算资源可以实现信道分集和计算分集，因为除了MEC服务器嵌入式接入点（AP）之外，移动设备还可以将其计算任务卸载到附近的移动设备。在本文中，我们提出了一个非正交多址（NOMA）辅助的合作计算计划在一个基本的三节点MEC系统组成的用户，助手，和AP。特别是，我们假设用户可以使用NOMA同时将数据卸载到助手和AP，而助手可以同时在本地计算数据并将数据卸载到AP。我们研究两个优化问题，能源消耗最小化和卸载数据最大化，通过联合通信和计算资源分配的用户和助手。通过适当的数学方法，我们找到了这两个非凸问题的最优解。仿真结果证明了所提出的方案的有效性。为实际设计提供了一些有益的启示。
2019-12-31 cs.IT math.IT
Energy-Efficient Optimization of Multi-User NOMA-Assisted Cooperative THz-SIMO MEC Systems
提出多用户NOMA辅助协作THz-SIMO MEC系统节能方案，通过优化用户配对、波束成形、时间及功率分配，最小化能耗并最大化计算能效。
2023-04-08 cs.IT eess.SP math.IT
Secure Collaborative Computation Offloading and Resource Allocation in Cache-Assisted Ultra-Dense IoT Networks With Multi-Slope Channels
本文针对缓存辅助超密集物联网MEC网络，提出一种结合OFDMA、NOMA与基站分簇的安全计算卸载方案，并开发FIHAS算法以在严格时延和成本约束下最小化设备能耗。
2024-10-21 cs.IT math.IT
Energy Efficient Reconfigurable Intelligent Surface Enabled Mobile Edge Computing Networks with NOMA
可重构智能表面（RIS）是未来无线通信网络中实现高频谱效率和高能量效率的一种很有前途的技术。在本文中，我们研究了一个RIS辅助的单小区多用户移动边缘计算（MEC）系统，其中RIS被部署为支持配备MEC服务器的基站（BS）和多个单天线用户之间的通信。为了有效地利用稀缺的频率资源，我们假设用户与基站通信的基础上的非正交多址接入（NOMA）协议。每个用户都有一个计算任务，可以在本地计算，也可以部分/全部卸载到BS。我们的目标是通过联合优化无源移相器，传输数据的大小，传输速率，功率控制，传输时间和解码顺序，以最小化所有用户的总能耗。由于所得到的问题是非凸的，我们使用块坐标下降法交替优化两个单独的子问题。更具体地说，我们使用的对偶方法来解决一个子问题与给定的相移，并获得封闭形式的解决方案，然后我们利用惩罚的方法来解决另一个子问题给定的功率控制。此外，为了证明我们所提出的算法的有效性，我们提出了三个基准计划：时分多址（TDMA）-MEC计划，全本地计算计划和全卸载计划。我们使用交替一维搜索方法和对偶方法，可以很好地解决基于TDMA的传输问题。数值结果表明，该方案可以提高能源效率，并取得显着的性能增益比三个基准计划。
2021-04-30 cs.IT eess.SP math.IT
Energy Optimization for Cellular-Connected Multi-UAV Mobile Edge Computing Systems with Multi-Access Schemes
研究了一种蜂窝连接的无人机移动边缘计算系统，该系统通过地面基站（TBS）为多个无人机提供计算任务卸载服务。我们的目标是最小化无人机的总能耗，包括推进能量，计算能量和通信能量，同时确保无人机的总比特数被完全计算。为了解决大量的计算位，我们提出了一种资源划分策略，其中一部分任务迁移到TBS进行计算，另一部分任务在UAV本地计算。为了深入理解接入方式对系统性能的影响，我们考虑了上行链路传输中的四种接入方案，时分多址（TDMA）、正交频分多址（OFDMA）、一对一接入和非正交多址（NOMA）。在TBS能量预算下，联合优化比特分配、功率分配、资源划分以及无人机轨迹，并采用逐次凸逼近（SCA）技术进行求解。数值结果表明，与基准格式相比，所提出的格式节省了大量的能量。
2018-07-07 cs.IT math.IT
Uplink Rate-Splitting Multiple Access for Mobile Edge Computing with Short-Packet Communications
本文提出上行链路RSMA辅助的移动边缘计算框架，在有限块长短包通信约束下推导成功计算概率，并通过交替优化与逐次凸近似联合优化任务卸载因子、功率分配和任务分割因子，相比NOMA显著提升成功计算概率并降低时延。
2025-02-07 cs.IT eess.SP math.IT
