首页/论文/2109.09217

arXiv 2109.092172021-09-21eess.SYcs.SY

基于NOMA的IRS辅助MEC网络节能设计

Energy-Efficient Design for IRS-Assisted MEC Networks with NOMA

Qun Wang, Fuhui Zhou, Han Hu, Rose Qingyang Hu

备注：: arXiv admin note: text overlap with arXiv:2012.04843

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

摘要英文摘要相关论文

摘要：

节能设计在无线因特网物联网（IoT）网络中至关重要。为了在服务于大规模用户的同时实现节能运行，研究了一种智能反射面（IRS）辅助的非正交多址接入（NOMA）移动边缘计算（MEC）网络。通过联合优化卸载功率、本地计算频率、接收波束形成和IRS相移矩阵，使能量效率（EE）最大化。由于目标函数的非凸性和变量间的耦合性，该问题的求解具有挑战性。提出了一种基于半定规划松弛的交替算法。仿真结果表明，所提出的设计方案在EE方面优于基准方案，应用IRS和NOMA可以有效地提高MEC网络的性能。

英文摘要：

Energy-efficient design is of crucial importance in wireless internet of things (IoT) networks. In order to serve massive users while achieving an energy-efficient operation, an intelligent reflecting surface (IRS) assisted mobile edge computing (MEC) network with non-orthogonal multiple access (NOMA) is studied in this paper. The energy efficiency (EE) is maximized by jointly optimizing the offloading power, local computing frequency, receiving beamforming, and IRS phase-shift matrix. The problem is challenging to solve due to the non-convex fractional objective functions and the coupling among the variables. A semidefinite programming relaxation (SDR) based alternating algorithm is developed. Simulation results demonstrate that the proposed design outperforms the benchmark schemes in terms of EE. Applying IRS and NOMA can effectively improve the performance of the MEC network.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

利用智能反射面保护NOMA网络

Securing NOMA Networks by Exploiting Intelligent Reflecting Surface

研究了智能反射面（IRS）辅助非正交多址接入（NOMA）网络的安全增强问题，提出了一种分布式IRS支持的NOMA传输框架，在存在被动窃听者的情况下为用户提供安全服务。考虑到窃听者的瞬时信道状态信息（CSI）是在实践中具有挑战性的获取，我们使用保密中断概率（SOP）作为安全度量。在连续干扰消除（SIC）解码约束和SOP约束下，通过联合优化BS的发射波束形成和IRS的相移，最大化用户间的最小保密率。针对单天线基站的特殊情况，推导出了精确的闭合形式SOP表达式，并提出了一种基于环罚的逐次凸近似（SCA）算法来联合设计功率分配和相移。而对于更一般和具有挑战性的情况下，多天线BS，我们采用伯恩斯坦型不等式近似的SOP约束的确定性凸形式。为了进行，开发了一种有效的交替优化（AO）算法来解决所考虑的问题。数值结果验证了所提出的算法优于基线方案。特别是，发现了分布式IRS部署的两个有趣现象：1）只有当分布式IRS平均共享反射元件时，保密率才达到峰值; 2）由于IRS数量和每个IRS配备的反射元件之间的权衡，分布式IRS部署并不总是优于集中式IRS部署。

2021-04-15cs.ITcs.SYeess.SY

IRS辅助NOMA辅助的具有队列稳定性的移动边缘计算：异构多Agent强化学习

IRS Assisted NOMA Aided Mobile Edge Computing with Queue Stability: Heterogeneous Multi-Agent Reinforcement Learning

通过使用强大的边缘服务器进行数据处理，移动边缘计算（MEC）已被认为是支持新兴计算密集型应用的有前途的技术。此外，非正交多址接入（NOMA）辅助的MEC系统可以进一步提高频谱效率与大量的任务卸载。然而，随着更多的动态设备上线和不可控的随机信道环境，甚至期望部署吸引人的技术，即，智能反射表面（IRS），在MEC系统中灵活调整通信环境，提高系统能效。本文研究了IRS辅助NOMA MEC系统的联合卸载、通信和计算资源分配问题。首先，我们制定了一个混合整数能量效率最大化问题与系统队列稳定性约束。然后，我们提出了基于Lyapunov函数的混合神经网络深度确定性策略梯度（LMIDDPG）算法，该算法基于集中式强化学习（RL）框架。具体地说，我们设计了混合整数作用空间映射，它既包含连续映射又包含整数映射。此外，奖励函数被定义为李雅普诺夫漂移加惩罚函数的上界。为了使终端设备（ED）能够在执行阶段独立地选择动作，我们进一步提出了基于分布式强化学习框架的异构多代理LMIDDPG（HMA-LMIDDPG）算法。数值结果表明，我们提出的算法可以实现优越的能源效率性能的基准算法，同时保持队列的稳定性。特别地，分布式结构HMA-LMIDDPG可以获得比集中式结构LMIDDPG更大的能量效率增益。

2022-09-21cs.SYeess.SPeess.SY

NOMA增强型室内智能机器人路径设计与资源管理

Path Design and Resource Management for NOMA enhanced Indoor Intelligent Robots

Queen Mary University of London（伦敦玛丽女王大学）；Western University（韦仕敦大学）

提出了一种通信使能的室内智能机器人服务框架，其中采用非正交多址接入（NOMA）技术，以实现高可靠的通信。结合国际电信联盟（ITU）最近提出的超现代室内信道模型，提出了一种可以确定性地描述室内布局和信道状态以构建无线电地图的Lego建模方法。研究的无线电地图调用作为一个虚拟环境训练的强化学习代理，这可以节省训练时间和硬件成本。基于该通信模型，联合优化了IR到达指定任务目的地的运动及其相应的下行功率分配策略，以最大化IR的任务效率和通信可靠性。为了解决这一优化问题，提出了一种新的强化学习方法--深度转移确定性策略梯度（DT-DPG）算法。仿真结果表明：（1）NOMA技术有效地提高了红外系统的通信可靠性：（2）无线地图可以作为虚拟训练环境，其统计信道状态信息可以提高训练效率约30%; 3）与传统的深度确定性策略梯度（DDPG）算法相比，DT-DPG算法在优化性能、训练时间和抗局部最优能力。

2020-11-26cs.AIcs.SYeess.SY

IoVT网络中NOMA辅助的多MEC卸载

NOMA Assisted Multi-MEC Offloading for IoVT Networks

如今，视频物联网（IoVT）在数量和计算需求方面快速增长。尽管与传统物联网设备相比，在视觉处理上具有更高的本地计算能力，但由于其更大的计算需求，IoVT设备需要将部分视觉处理任务无线地卸载到移动边缘计算（MEC）服务器。然而，视觉处理任务卸载受限于MEC服务器的上行链路吞吐量和计算能力。为了突破这些限制，提出了一种具有多个MEC服务器的新型非正交多址（NOMA）辅助的IoVT框架，其中NOMA被利用来提高上行链路吞吐量，并且MEC服务器与基站位于同一地点以提供足够的计算能力用于卸载。在该框架中，联合优化了关联策略、NOMA辅助的上行视觉数据传输、视觉处理任务的划分以及MEC服务器上的计算资源分配，以最小化所有视觉处理任务的总延迟，同时满足所有IoVT设备的延迟要求。仿真结果表明，在异构IoVT网络中，通过提出的NOMA传输和多MEC卸载的联合优化可以实现显着的性能增益。

2021-07-28cs.NIcs.SYeess.SY

基于NOMA的MEC网络中安全节能的卸载和资源分配

Secure and Energy-Efficient Offloading and Resource Allocation in a NOMA-Based MEC Network

能源效率和安全性是移动边缘计算（MEC）网络的两个关键问题。在随机任务到达、时变动态环境以及攻击者被动存在的情况下，安全有效地卸载计算任务是非常具有挑战性的。在本文中，我们研究了非正交多址接入（NOMA）辅助MEC网络的安全性和能源效率的考虑任务卸载和资源分配问题。针对该问题，基于李亚普诺夫优化理论，提出了一种动态安全任务卸载和资源分配算法。提出了一个随机非凸问题，以最大化网络能量效率为目标，联合优化本地CPU频率和发射功率，能量效率定义为所有用户的长期平均安全速率与长期平均功耗之比.在每个时间段内，将问题分解为确定性子问题。最优的本地CPU周期和每个用户的发射功率可以在封闭式中给出。仿真结果评估了不同参数对效率指标的影响，并表明所提出的方法可以实现更好的性能相比，其他基准方法的能源效率。

2021-02-09cs.SYeess.SY

NOMA辅助MEC网络中的时延与能耗最小化：一种联邦深度强化学习方法

Latency and Energy Minimization in NOMA-Assisted MEC Network: A Federated Deep Reinforcement Learning Approach

本文针对NOMA辅助MEC网络，提出基于DDQN的多智能体联邦深度强化学习方法，联合优化卸载决策与资源分配，以最小化时延与能耗加权和，仿真验证其优于基准方案。

2024-05-07cs.SYeess.SY

更多相关论文收起更多论文

用于宽带频谱感知的IRS辅助去中心化学习

IRS Assisted Decentralized Learning for Wideband Spectrum Sensing

本文提出一种结合去中心化深度学习的智能反射面（IRS）辅助宽带频谱感知框架，通过克服部分观测约束、降低通信开销并提升感知精度，为下一代无线网络提供了可扩展且稳健的频谱管理方案。

2025-04-02cs.SYeess.SY

NOMA辅助多基站MEC网络用于延迟敏感和计算密集型物联网应用

NOMA-Assisted Multi-BS MEC Networks for Delay-Sensitive and Computation-Intensive IoT Applications

University of Science and Technology of China（中国科学技术大学）；The Hong Kong Polytechnic University（香港理工大学）

本文提出NOMA辅助多基站MEC网络，通过联合优化任务卸载、用户分组和功率分配，降低系统总延迟和功率消耗。

2026-02-07cs.NIcs.SYeess.SY