[論文レビュー] Joint Computation and Communication Resource Optimization for Beyond Diagonal UAV-IRS Empowered MEC Networks

Asad Mahmood, Thang X. Vu+3 more|arXiv (Cornell University)|Nov 13, 2023

IoT and Edge/Fog Computing被引用数 4

ひとこと要約

本稿では、モバイルエッジコンピューティング（MEC）ネットワークにおけるUAV搭載Beyond Diagonal Intelligent Reflective Surfaces（BD-IRS）のための共同最適化フレームワークを提案し、最悪ケースのシステム遅延を最小化する。UAVの配置、タスク分割、計算リソース割り当て、電力制御、ビームフォーミングを共同で最適化することで、ベンチマークと比較して遅延を7.25%削減し、従来のダイアゴナルIRSシステムと比較してスペクトル効率を17.77%向上する。

ABSTRACT

Recent advancements in 6G systems signal a leap towards universal connectivity and ultra-reliable, low-latency communications for real-time data devices. Yet, these advancements encounter obstacles such as limited device battery life and computational power, along with urban signal blockages. To counter these, Intelligent Reconfigurable Surfaces (IRS) within Mobile Edge Cloud (MEC) infrastructures offer enhanced computing to overcome device limitations and create alternative communication paths. Despite these improvements, connectivity issues remain for remote areas. Our paper presents the Beyond Diagonal IRS (BD-IRS or IRS 2.0), integrated with UAVs in MEC networks (BD-IRS-UAV), providing on-demand links for remote users to offload tasks, tackling resource and battery limitations. We propose a joint optimization strategy to reduce system's worst-case latency and UAV hovering time by optimizing BD-IRS-UAV deployment and resource allocation. This challenge is approached by dividing it into two sub-problems: BD-IRS-UAV Placement and Computational Resource Optimization, and Communication Resource Optimization, each solved iteratively. This design significantly enhances system performance, showing a $17.75\%$ increase over traditional diagonal IRS and a $25.43\%$ improvement over IRS on buildings, with a $13.44\%$ enhancement in worst-case latency compared to binary offloading schemes.

研究の動機と目的

• マスィブなIoTおよびデータ集約型アプリケーションを伴う6G対応モバイルエッジコンピューティング（MEC）ネットワークにおける高い遅延と限界のある計算能力の課題に対処する。
• 受動的ビームフォーミングの柔軟性とシステム性能を制限する従来のダイアゴナル位相シフトIRSアーキテクチャの限界を克服する。
• 動的再構成性とUAVの移動性を活用して、MECネットワークにおけるカバレッジ、容量、エネルギー効率を向上させる、革新的なBD-IRS-UAVアーキテクチャを導入する。
• UAVの配置、タスクオフロード、計算リソース割り当て、電力制御、ビームフォーミング設計を共同で最適化することで、最悪ケースのシステム遅延を最小化する。
• 従来の単一接続型ダイアゴナルIRSと比較して、高度なIRSアーキテクチャ（完全接続型およびグループ接続型）の性能をMECシナリオにおいて評価する。

提案手法

• 非凸・非線形・NP困難な最適化問題を2つの部分問題に分解する：(1) UAVの配置、タスク分割、計算リソース割り当て；(2) 電力割り当て、ビームフォーミング、位相シフト設計。
• 逐次凸近似（SCA）やD.C.プログラミングなどの標準的手法を用いて、各部分問題を凸最適化形式に変換する。
• 交互最適化を用いて分離された部分問題を繰り返し解き、収束を保証する部分最適解を実現する。
• 非ダイアゴナルで柔軟な位相シフト制御を可能にするために、完全接続型およびグループ接続型トポロジーを有するBD-IRS 2.0アーキテクチャを活用する。
• 各ユーザーのタスクを最適なβnに従ってローカル計算とエッジ計算に分割する部分オフローディングを統合し、計算遅延とオフロード遅延のバランスを取る。
• 合計遅延を最小化するための最適タスク分割（βn）の閉形式表現を、ローカル計算時間とオフロード計算時間が等しくなる条件を用いて導出する。

Figure 1 : System model

実験結果

リサーチクエスチョン

• RQ1 BD-IRS-UAVの統合は、MECネットワークにおける従来のダイアゴナルIRSと比較して、システム遅延とスペクトル効率をどのように改善するか？
• RQ2 完全接続型、グループ接続型、単一接続型の異なるIRSアーキテクチャが、遅延およびデータオフロードレートという観点からシステム性能に与える影響は何か？
• RQ3 UAVの配置、計算リソース割り当て、ビームフォーミングの共同最適化が、最悪ケースのシステム遅延をどれほど低減できるか？
• RQ4 高ユーザー密度のMECシナリオにおいて、最適なタスク分割を用いた部分オフローディングは、バイナリーオフロードや完全エッジオフロードに比べてどのように優れているか？
• RQ5 完全接続型とグループ接続型のBD-IRSアーキテクチャにおいて、性能向上と実装の複雑さのトレードオフはどのようなものか？

主な発見

• 提案された最適化フレームワークは、バイナリーオフロード、完全エッジオフロード、固定計算割り当てを含むベンチマークフレームワークと比較して、最悪ケースのシステム遅延を7.25%削減する。
• 完全接続型およびグループ接続型アーキテクチャを有するBD-IRSは、従来の単一接続型ダイアゴナルIRSと比較して17.77%高いデータレートを達成し、優れたスペクトル効率を示す。
• グループ接続型BD-IRSアーキテクチャは、完全接続型設計と同等の性能を達成するが、位相シフト素子の数が少ないため、はるかに低い複雑さを実現する。
• ユーザー数が増加するにつれて、提案された部分オフローディング方式がバイナリーオフロードに比べて示す性能向上は顕著になり、混雑状態下でも効果的に遅延低減が可能になる。
• ローカル計算時間とオフロード計算時間がバランスを取る状態でシステム遅延が最小化され、これは導出された最適なタスク分割係数βnによって達成される。
• モンテカルロシミュレーションにより、高度なIRSアーキテクチャが高速なデータオフロードを可能にし、計算リソースの割り当てをより効率的に行い、タスクサイズが異なるユーザー間の公平性を向上させることを確認した。

Figure 2 : Road-map of iterative algorithms.