[论文解读] Joint Communication and Computation Optimization for Wireless Powered Mobile Edge Computing with D2D Offloading

Dixiao Wu, Feng Wang+2 more|arXiv (Cornell University)|Oct 31, 2019

Energy Harvesting in Wireless Networks被引用 7

一句话总结

本文提出了一种无线能量供能移动边缘计算中设备到设备（D2D）卸载的联合优化框架，其中多天线能量发射机波束成形无线能量以供用户使用，使其可通过D2D链路将计算任务卸载至空闲的辅助设备。该方案通过交替优化与凸松弛方法，在个体能量中性约束下最大化总计算速率，相较于基准方案实现了显著的性能增益。

ABSTRACT

This paper studies a wireless powered mobile edge computing (MEC) system with device-to-device (D2D)-enabled task offloading. In this system, a set of distributed multi-antenna energy transmitters (ETs) use collaborative energy beamforming to wirelessly charge multiple users. By using the harvested energy, the actively computing user nodes can offload their computation tasks to nearby idle users (as helper nodes) via D2D communication links for self-sustainable remote computing. We consider the frequency division multiple access (FDMA) protocol, such that the D2D communications of different user-helper pairs are implemented over orthogonal frequency bands. Furthermore, we focus on a particular time block for task execution, which is divided into three slots for computation task offloading, remote computing, and result downloading, respectively, at different user-helper pairs. Under this setup, we jointly optimize the collaborative energy beamforming at ETs, the communication and computation resource allocation at users and helpers, and the user-helper pairing, so as to maximize the sum computation rate (i.e., the number of task input-bits executed over this block) of the users, subject to individual energy neutrality constraints at both users and helpers. First, we consider the computation rate maximization problem under any given user-helper pairs, for which an efficient solution is proposed by using the techniques of alternating optimization and convex optimization. Next, we develop the optimal user-helper pairing scheme based on exhaustive search and a low-complexity scheme based on greedy selection. Numerical results show that the proposed design significantly improves the sum computation rate at users, as compared to benchmark schemes without such joint optimization.

研究动机与目标

• 解决低功耗无线网络中能量可持续性与计算资源利用率不足的挑战。
• 通过D2D卸载利用空闲设备作为辅助节点，实现无线供能移动边缘计算中的自可持续计算。
• 联合优化能量波束成形、资源分配与用户-辅助节点配对，以最大化系统计算速率。
• 通过高效的功率与时间分配，确保主动用户与辅助节点的能量中性。
• 开发低复杂度且最优的配对方案，以支持实际部署。

提出的方法

• 使用频 division multiple access (FDMA) 为用户-辅助节点对之间的D2D通信分配正交频段。
• 将一个时隙划分为三个时隙：任务卸载、远程计算与结果下载，针对每个用户-辅助节点对。
• 应用交替优化与凸优化技术，求解在固定用户-辅助节点配对下的联合通信与计算资源分配问题。
• 利用Lambert W函数与Karush-Kuhn-Tucker (KKT) 条件，推导出最优数据速率的闭式表达式。
• 通过穷举搜索实现最优用户-辅助节点配对，并提出一种低复杂度的贪心选择方案。
• 对用户与辅助节点均施加能量中性约束，以确保系统可持续运行。

实验结果

研究问题

• RQ1 如何通过多个多天线发射机的协同能量波束成形，最大化对分布式用户的能量传输效率？
• RQ2 在能量中性约束下，如何最优分配通信与计算资源以最大化总计算速率？
• RQ3 如何优化用户-辅助节点配对，以在D2D支持的无线供能MEC系统中充分利用空闲计算能力？
• RQ4 与单独或非优化设计相比，联合优化方案的性能增益如何？
• RQ5 低复杂度配对方案与最优穷举搜索在性能与可扩展性方面如何比较？

主要发现

• 所提出的联合优化方案相较于无联合设计的基准方案，显著提升了总计算速率。
• 通过穷举搜索获得的最优用户-辅助节点配对性能最高，而贪心选择方案在复杂度与性能之间提供了良好的权衡。
• 利用Lambert W函数推导出数据速率的闭式解，从而实现最优资源分配的高效计算。
• 多发射机的能量波束成形提升了能量采集效率，支持更长的计算时长与更高的数据吞吐量。
• 系统在所提协议下实现了用户与辅助节点的完全能量中性，确保了可持续运行。
• 数值结果证实，波束成形、资源分配与配对的联合优化相较于传统方法，在计算速率方面实现了显著增益。