高级搜索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

车联网中基于NOMA-MEC的卸载策略研究

张海波 刘香渝 荆昆仑 刘开健 贺晓帆

张海波, 刘香渝, 荆昆仑, 刘开健, 贺晓帆. 车联网中基于NOMA-MEC的卸载策略研究[J]. 电子与信息学报. doi: 10.11999/JEIT200017
引用本文: 张海波, 刘香渝, 荆昆仑, 刘开健, 贺晓帆. 车联网中基于NOMA-MEC的卸载策略研究[J]. 电子与信息学报. doi: 10.11999/JEIT200017
Haibo ZHANG, Xiangyu LIU, Kunlun JING, Kaijian LIU, Xiaofan HE. Research on NOMA-MEC-Based Offloading Strategy in Internet of Vehicles[J]. Journal of Electronics and Information Technology. doi: 10.11999/JEIT200017
Citation: Haibo ZHANG, Xiangyu LIU, Kunlun JING, Kaijian LIU, Xiaofan HE. Research on NOMA-MEC-Based Offloading Strategy in Internet of Vehicles[J]. Journal of Electronics and Information Technology. doi: 10.11999/JEIT200017

车联网中基于NOMA-MEC的卸载策略研究

doi: 10.11999/JEIT200017
基金项目: 国家自然科学基金(61801065, 61601071),长江学者和创新团队发展计划基金(IRT16R72),重庆市基础与前沿项目(cstc2018jcyjAX0463)
详细信息
    作者简介:

    张海波:男,1979年生,副教授,研究方向为无线资源管理

    刘香渝:女,1997年生,硕士生,研究方向为车联网资源管理

    荆昆仑:男,1995年生,硕士,研究方向为移动边缘计算

    刘开健:女,1981年生,讲师,研究方向为最优化算法

    贺晓帆:男,1985年生,教授,研究方向为无线资源优化

    通讯作者:

    刘香渝 lxyyuanna@qq.com

  • 中图分类号: TN915

Research on NOMA-MEC-Based Offloading Strategy in Internet of Vehicles

Funds: The National Natural Science Foundation of China (61801065, 61601071), The Program for Changjiang Scholars and Innovative Research Team in University (IRT16R72), The General Project on Foundation and Cutting-edge Research Plan of Chongqing (cstc2018jcyjAX0463)
  • 摘要: 随着车联网(IoV)的迅猛发展,请求进行任务卸载的汽车终端用户也随之增长,而基于移动边缘计算(MEC)的通信网络能够有效地解决任务卸载在上行传输时延较高的挑战,但是该网络模型同时也面临着信道资源不足的问题。该文引入的非正交多址(NOMA)技术相较于正交多址(OMA)能够在相同的信道资源条件下为更多的用户提供任务卸载,同时考虑到任务卸载过程中多方面的影响因子,提出了混合NOMA-MEC卸载策略。该文设计了一种基于深度学习网络(DQN)的博弈算法,帮助车辆用户进行信道选择,并通过神经网络多次迭代学习,为用户提供最优的功率分配策略。仿真结果表明,该文所提出的混合NOMA-MEC卸载策略能够有效地优化多用户卸载的时延以及能耗,最大程度保证用户效益。
  • 图  1  系统模型图

    图  2  深度学习网络模型图

    图  3  任务大小与能耗关系图

    图  4  用户数目与总时延关系图

    图  5  带宽与用户容量关系图

    图  6  时延和能耗要求不同时用户数目与总开销关系图

    图  7  $\lambda = 0.5$时用户数目与总开销关系图

    表  1  基于DQN的合作博弈算法

     输入:车辆的请求卸载任务集${Q_v} = \{ {S_v},{D_v}\} $以及各用户功率,
        $i \in \{ 1,2, ···, {{k} }\}$
     输出:最优功率分配策略
     (1) 初始化:用户集合
     (2) for $i = 1;i < k;i + + $
     (3) 根据式(1)求出各用户时延$t = \{ {t_1},{t_2}, ···, {t_k}\}$
     (4) end for
     (5) for $i = 1;i < k;i + + $
     (6) $v = [\ ]$
     (7) if ${{t(i)} } \ge {{t(n)} }$:
     (8)  将该用户添加至新的用户集合$v$
     (9) end if
     (10) end for
     (11) 利用第1阶段在更新后的用户集合$v$求出与车辆用户$n$匹配的
       信道
     (12) 根据第2、第3两个阶段算出奖励函数,通过多次迭代求出
       最优功率分配策略
     (13) end
    下载: 导出CSV

    表  2  混合NOMA-MEC的卸载机制

       初始化车辆用户$v$的请求卸载任务${q_v} = \{ {s_v},{d_v}\} $,信道容量Q
     定义该用户的最佳能耗容忍区间$(0 - {e^{\max }})$、时延能耗的权衡因
     子$\lambda$
     (1) 根据表1的功率分配策略分别求出基于OMA, NOMA,
       NOMA-MEC的能耗
     (2) 命$G$为优化目标函数
     (3) define OMA=O, NOMA=N, NOMA-MEC=NM
     (4) if ${\rm{sum}}\left( {{Q_v}} \right) > = {Q_{\max }}$:
     (5) if ${e^v} < = {e^{\max }}$:
     (6) if $t_N^v < = t_{{\rm{NM}}}^v$ or用户成本函数$G > = \lambda t_N^vp_N^v + (1 - \lambda )t_N^v$:
     (7) return N
     (8) else:
     (9) return NM
     (10) else:
     (11) return NM
     (12) else:
     (13) return O
    下载: 导出CSV

    表  3  部分系统仿真参数表

    部分系统仿真参数数值
    请求卸载任务数据${S_v}$200~2000 kB
    请求卸载任务时延容忍度${D_v}$0.01~3 s
    用户噪声功率${p_v}$–114 dBm
    任务卸载传输功率$p$20~25 dBm
    迭代次数${I_{{\rm{dd}}} }$1000
    传输带宽$W$10~20 MHz
    任务传输距离${d_v}$50~500 m
    下载: 导出CSV

    表  4  DQN相关的参数

    DQN相关参数数值
    记忆池大小(Memory pool size)500
    批大小(Batch size)32
    探索率(Exploration probability)0.1
    学习率(Learning rate)0.001
    下载: 导出CSV
  • [1] MEHRABI M, YOU D, LATZKO V, et al. Device-enhanced MEC: Multi-access edge computing (MEC) aided by end device computation and caching: A survey[J]. IEEE Access, 2019, 7: 166079–166108. doi:  10.1109/ACCESS.2019.2953172
    [2] HABIBI M A, NASIMI M, HAN Bin, et al. A comprehensive survey of RAN architectures toward 5G mobile communication system[J]. IEEE Access, 2019, 7: 70371–70421. doi:  10.1109/ACCESS.2019.2919657
    [3] MAO Yuyi, ZHANG Jun, and LETAIEF K B. Dynamic computation offloading for mobile-edge computing with energy harvesting devices[J]. IEEE Journal on Selected Areas in Communications, 2016, 34(12): 3590–3605. doi:  10.1109/JSAC.2016.2611964
    [4] HU Xiaoyan, WONG K K, and YANG Kun. Wireless powered cooperation-assisted mobile edge computing[J]. IEEE Transactions on Wireless Communications, 2018, 17(4): 2375–2388. doi:  10.1109/TWC.2018.2794345
    [5] LI Yong, JIN Depeng, HUI Pan, et al. Optimal base station scheduling for device-to-device communication underlaying cellular networks[J]. IEEE Journal on Selected Areas in Communications, 2016, 34(1): 27–40. doi:  10.1109/JSAC.2015.2452415
    [6] AMEMIYA K, AKIYAMA Y, KOBAYASHI K, et al. On-site evaluation of a software cellular based MEC system with downlink slicing technology[C]. 2018 IEEE 7th International Conference on Cloud Networking (CloudNet), Tokyo, Japan, 2018: 1–7. doi:  10.1109/CloudNet.2018.8549380.
    [7] WANG Hansong, LI Xi, JI Hong, et al. Dynamic offloading scheduling scheme for MEC-enabled vehicular networks[C]. 2018 IEEE/CIC International Conference on Communications in China (ICCC Workshops), Beijing, China, 2018: 206–210. doi:  10.1109/ICCChinaW.2018.8674508.
    [8] 张海霞, 李腆腆, 李东阳, 等. 基于车辆行为分析的智能车联网关键技术研究[J]. 电子与信息学报, 2020, 42(1): 36–49. doi:  10.11999/JEIT190820

    ZHANG Haixia, LI Tiantian, LI Dongyang, et al. Research on vehicle behavior analysis based technologies for intelligent vehicular networks[J]. Journal of Electronics &Information Technology, 2020, 42(1): 36–49. doi:  10.11999/JEIT190820
    [9] DING Zhiguo, PENG Mugen, and POOR H V. Cooperative non-orthogonal multiple access in 5G systems[J]. IEEE Communications Letters, 2015, 19(8): 1462–1465. doi:  10.1109/LCOMM.2015.2441064
    [10] GUI Guan, HUANG Hongji, SONG Yiwei, et al. Deep learning for an effective nonorthogonal multiple access scheme[J]. IEEE Transactions on Vehicular Technology, 2018, 67(9): 8440–8450. doi:  10.1109/TVT.2018.2848294
    [11] DING Zhiguo, FAN Pingzhi, and POOR H V. Impact of non-orthogonal multiple access on the offloading of mobile edge computing[J]. IEEE Transactions on Communications, 2019, 67(1): 375–390. doi:  10.1109/TCOMM.2018.2870894
    [12] DING Zhiguo, NG D W K, SCHOBER R, et al. Delay minimization for NOMA-MEC offloading[J]. IEEE Signal Processing Letters, 2018, 25(12): 1875–1879. doi:  10.1109/LSP.2018.2876019
    [13] LIU Gang, WANG Zhiqing, HU Jiewen, et al. Cooperative NOMA broadcasting/multicasting for low-latency and high-reliability 5G cellular V2X communications[J]. IEEE Internet of Things Journal, 2019, 6(5): 7828–7838. doi:  10.1109/JIOT.2019.2908415
    [14] WEI Fanbo, ZHOU Ting, XU Tianheng, et al. Modeling and analysis of two-way relay networks: A joint mechanism using NOMA and network coding[J]. IEEE Access, 2019, 7: 152679–152689. doi:  10.1109/ACCESS.2019.2948656
    [15] DING Zhiguo, XU Jie, DOBRE O, et al. Joint power and time allocation for NOMA–MEC offloading[J]. IEEE Transactions on Vehicular Technology, 2019, 68(6): 6207–6211. doi:  10.1109/TVT.2019.2907253
    [16] ZHANG Haibo, WANG Zixin, and LIU Kaijian. V2X offloading and resource allocation in SDN-assisted MEC-based vehicular networks[J]. China Communications, 2020, 17(5): 266–283. doi:  10.23919/JCC.2020.05.020
    [17] SITU Z, HO I W H, HOU Yun, et al. The feasibility of NOMA in C-V2X[C]. IEEE INFOCOM 2020 - IEEE Conference on Computer Communications Workshops (INFOCOM WKSHPS), Toronto, Canada, 2020: 562–567. doi:  10.1109/INFOCOMWKSHPS50562.2020.9163009.
    [18] RABEE F A, DAVASLIOGLU K, and GITLIN R. The optimum received power levels of uplink non-orthogonal multiple access (NOMA) signals[C]. 2017 IEEE 18th Wireless and Microwave Technology Conference (WAMICON), Cocoa Beach, USA, 2017: 1–4. doi:  10.1109/WAMICON.2017.7930242.
    [19] LI Shulei, DU Jianbo, ZHAI Daosen, et al. Task offloading, load balancing, and resource allocation in MEC networks[J]. IET Communications, 2020, 14(9): 1451–1458. doi:  10.1049/iet-com.2018.6122
    [20] YANG Peitong, LI Lixin, LIANG Wei, et al. Latency optimization for multi-user NOMA-MEC offloading using reinforcement learning[C]. 2019 28th Wireless and Optical Communications Conference (WOCC), Beijing, China, 2019: 1–5. doi:  10.1109/WOCC.2019.8770605.
    [21] 3GPP. Study on LTE-based V2X services 14.0. 0[R]. 3GPPTR 36.885, 2016.
    [22] LIU Ting, ZHU Zhaowei, GU Junrong, et al. Learn to offload in mobile edge computing[C]. 2019 IEEE Global Communications Conference (GLOBECOM), Waikoloa, USA, 2019: 1–6. doi:  10.1109/GLOBECOM38437.2019.9013853.
    [23] 唐伦, 肖娇, 赵国繁, 等. 基于能效的NOMA蜂窝车联网动态资源分配算法[J]. 电子与信息学报, 2020, 42(2): 526–533. doi:  10.11999/JEIT190006

    TANG Lun, XIAO Jiao, ZHAO Guofan, et al. Energy efficiency based dynamic resource allocation algorithm for cellular vehicular based on non-orthogonal multiple access[J]. Journal of Electronics &Information Technology, 2020, 42(2): 526–533. doi:  10.11999/JEIT190006
    [24] ZHU Jianyue, WANG Jiaheng, HUANG Yongming, et al. Resource allocation for hybrid NOMA MEC offloading[J]. IEEE Transactions on Wireless Communications, 2020, 19(7): 4964–4977. doi:  10.1109/TWC.2020.2988532
  • [1] 张海霞, 李腆腆, 李东阳, 刘文杰.  基于车辆行为分析的智能车联网关键技术研究, 电子与信息学报. 2020, 42(1): 36-49. doi: 10.11999/JEIT190820
    [2] 唐伦, 肖娇, 赵国繁, 杨友超, 陈前斌.  基于能效的NOMA蜂窝车联网动态资源分配算法, 电子与信息学报. 2020, 42(2): 526-533. doi: 10.11999/JEIT190006
    [3] 申滨, 吴和彪, 崔太平, 陈前斌.  基于最优索引广义正交匹配追踪的非正交多址系统多用户检测, 电子与信息学报. 2020, 42(3): 621-628. doi: 10.11999/JEIT190270
    [4] 夏士超, 姚枝秀, 鲜永菊, 李云.  移动边缘计算中分布式异构任务卸载算法, 电子与信息学报. 2020, 42(12): 2891-2898. doi: 10.11999/JEIT190728
    [5] 李波, 牛力, 黄鑫, 丁洪伟.  基于移动路径预测的车载边缘计算卸载切换策略研究, 电子与信息学报. 2020, 42(11): 2664-2670. doi: 10.11999/JEIT190483
    [6] 吴大鹏, 郑豪, 崔亚平.  面向服务的车辆网络切片协调智能体设计, 电子与信息学报. 2020, 42(8): 1910-1917. doi: 10.11999/JEIT190635
    [7] 钱志鸿, 田春生, 郭银景, 王雪.  智能网联交通系统的关键技术与发展, 电子与信息学报. 2020, 42(1): 2-19. doi: 10.11999/JEIT190787
    [8] 谢永, 李香, 张松松, 吴黎兵.  一种可证安全的车联网无证书聚合签名改进方案, 电子与信息学报. 2020, 42(5): 1125-1131. doi: 10.11999/JEIT190184
    [9] 王茜竹, 方冬, 吴广富.  基于改进稀疏度自适应匹配算法的免授权非正交多址接入上行传输多用户检测, 电子与信息学报. 2020, 42(9): 2216-2222. doi: 10.11999/JEIT190505
    [10] 高东, 梁子林.  基于能量效率的双层非正交多址系统资源优化算法, 电子与信息学报. 2020, 42(5): 1237-1243. doi: 10.11999/JEIT190048
    [11] 王汝言, 梁颖杰, 崔亚平.  车辆网络多平台卸载智能资源分配算法, 电子与信息学报. 2020, 42(1): 263-270. doi: 10.11999/JEIT190074
    [12] 赵星, 彭建华, 游伟.  基于Lyapunov优化的隐私感知计算卸载方法, 电子与信息学报. 2020, 42(3): 704-711. doi: 10.11999/JEIT190170
    [13] 赵星, 彭建华, 游伟, 陈璐.  基于k-匿名的隐私保护计算卸载方法, 电子与信息学报. 2020, 41(0): 1-8. doi: 10.11999/JEIT191046
    [14] 唐伦, 肖娇, 魏延南, 赵国繁, 陈前斌.  基于云雾混合计算的车联网联合资源分配算法, 电子与信息学报. 2020, 42(8): 1926-1933. doi: 10.11999/JEIT190306
    [15] 赵海涛, 朱银阳, 丁仪, 朱洪波.  车联网中基于移动边缘计算的内容感知分类卸载算法研究, 电子与信息学报. 2020, 42(1): 20-27. doi: 10.11999/JEIT190594
    [16] 张海波, 程妍, 刘开健, 贺晓帆.  车联网中整合移动边缘计算与内容分发网络的移动性管理策略, 电子与信息学报. 2020, 42(6): 1444-1451. doi: 10.11999/JEIT190571
    [17] 张海波, 荆昆仑, 刘开健, 贺晓帆.  车联网中一种基于软件定义网络与移动边缘计算的卸载策略, 电子与信息学报. 2020, 42(3): 645-652. doi: 10.11999/JEIT190304
    [18] 王夕予, 许晓明, 陈亚军.  非理想连续干扰消除下非正交多址接入上行传输系统性能分析, 电子与信息学报. 2019, 41(12): 2795-2801. doi: 10.11999/JEIT181165
    [19] 李钊, 戴晓琴, 陈柯宇, 肖丽媛.  非正交多址接入下行链路用户匹配与功率优化算法, 电子与信息学报. 2017, 39(8): 1804-1811. doi: 10.11999/JEIT161197
    [20] 徐小龙, 王汝传.  对等计算中的基于多移动Agent的协作联盟机制, 电子与信息学报. 2007, 29(2): 345-349. doi: 10.3724/SP.J.1146.2005.00607
  • 加载中
  • 图(7) / 表(4)
    计量
    • 文章访问数:  28
    • HTML全文浏览量:  15
    • PDF下载量:  3
    • 被引次数: 0
    出版历程
    • 收稿日期:  2020-01-03
    • 修回日期:  2021-01-04
    • 网络出版日期:  2021-01-08

    目录

      /

      返回文章
      返回

      官方微信,欢迎关注