[论文解读] Computation Rate Maximization for Wireless Powered Mobile Edge Computing

Feng Wang|arXiv (Cornell University)|Jul 17, 2017

Energy Harvesting in Wireless Networks参考文献 9被引用 6

一句话总结

本文提出了一种联合优化框架，旨在最大化无线供能多用户移动边缘计算（MEC）系统中的计算速率，其中配备多天线的接入点（AP）使用能量波束成形为用户充电，并通过时 division multiple access（TDMA）协调任务卸载。通过凸优化方法，以半闭式形式推导出最优解，在加权和计算速率方面显著优于基准方案。

ABSTRACT

Integrating mobile edge computing (MEC) and wireless power transfer (WPT) has been regarded as a promising technique to improve computation capabilities for self-sustainable Internet of Things (IoT) devices. This paper investigates a wireless powered multiuser MEC system, where a multi-antenna access point (AP) (integrated with an MEC server) broadcasts wireless power to charge multiple users for mobile computing. We consider a time-division multiple access (TDMA) protocol for multiuser computation offloading. Under this setup, we aim to maximize the weighted sum of the computation rates (in terms of the number of computation bits) across all the users, by jointly optimizing the energy transmit beamformer at the AP, the task partition for the users (for local computing and offloading, respectively), and the time allocation among the users. We derive the optimal solution in a semi-closed form via convex optimization techniques. Numerical results show the merit of the proposed design over alternative benchmark schemes.

研究动机与目标

• 解决自持式物联网设备在无线能量传输和移动边缘计算背景下能量和计算资源受限的挑战。
• 在具有时分多址（TDMA）的多天线多用户 MEC 系统中，最大化多个用户加权和计算速率。
• 在发射功率和 MEC 计算能力约束下，联合优化能量波束成形、任务卸载分割和时隙分配。

提出的方法

• 建立一个非凸优化问题，以在能量和计算约束下最大化加权和计算速率。
• 应用拉格朗日对偶和 Karush-Kuhn-Tucker（KKT）条件，以半闭式形式推导最优解。
• 采用凸松弛和对偶分解方法，处理由波束成形、任务分割和时隙分配引起的非凸性。
• 基于用户特定的信道条件和计算需求，推导出最优时隙分配和任务分割的闭式表达式。
• 通过加权和速率最大化，将能量采集约束与 MEC 计算能力及系统级公平性相结合。
• 采用三阶段优化：波束成形、时隙分配和任务卸载分割，通过迭代对偶分解求解。

实验结果

研究问题

• RQ1 如何联合优化能量波束成形、任务分割和时隙分配，以在无线供能 MEC 系统中最大化计算速率？
• RQ2 在能量和计算资源受限条件下，本地计算与任务卸载之间的最优权衡是什么？
• RQ3 系统性能如何随用户信道质量、计算需求和波束成形设计而变化？
• RQ4 用户特定权重对整体计算速率最大化的影响是什么？
• RQ5 能否使用凸优化技术以半闭式形式求解联合优化问题？

主要发现

• 所提出的联合优化方案在加权和计算速率方面显著优于基准方案，尤其在高移动性或低信道质量场景下表现突出。
• 基于用户特定的信道增益、计算需求和能量采集效率，以闭式形式推导出最优时隙分配和任务分割。
• 能量波束成形设计通过将发射功率聚焦于信道条件更优的用户，显著提升了系统性能。
• 半闭式解支持高效实现，计算复杂度低，适用于实时部署。
• 数值结果证实，所提方案优于仅优化波束成形、时隙分配或任务分割中一个或两个变量的传统方案。
• 通过联合平衡用户间的计算负载和能量分配，系统实现了更高的公平性和能量效率。