[论文解读] Resource Allocation in Full-Duplex Mobile-Edge Computing Systems with NOMA and Energy Harvesting
本文提出了一种资源分配框架，用于集成非正交多址接入（NOMA）与能量采集技术的全双工移动边缘计算系统，以最小化系统总能耗。通过递归功率建模将非凸问题重新表述为等价的凸问题，作者设计了一种迭代算法，联合优化功率控制、时序调度与计算卸载，相较于传统方案实现了显著的节能效果。
This paper considers a full-duplex (FD) mobile-edge computing (MEC) system with non-orthogonal multiple access (NOMA) and energy harvesting (EH), where one group of users simultaneously offload task data to the base station (BS) via NOMA and the BS simultaneously receive data and broadcast energy to other group of users with FD. We aim at minimizing the total energy consumption of the system via power control, time scheduling and computation capacity allocation. To solve this nonconvex problem, we first transform it into an equivalent problem with less variables. The equivalent problem is shown to be convex in each vector with the other two vectors fixed, which allows us to design an iterative algorithm with low complexity. Simulation results show that the proposed algorithm achieves better performance than the conventional methods.
研究动机与目标
- 解决由于用户电池容量限制导致的移动边缘计算（MEC）系统中能耗与频谱效率受限的问题。
- 在单一MEC框架中集成全双工（FD）操作、非正交多址接入（NOMA）与能量采集（EH），以提升频谱与能效。
- 通过联合优化功率控制、时序调度与计算卸载，最小化系统总能耗。
- 设计一种低复杂度的迭代算法，用于求解由此产生的非凸优化问题。
提出的方法
- 采用递归方法将原始非凸问题重新表述为变量更少的等价问题，以时间、基站功率与卸载数据为自变量表达上行链路用户功率。
- 证明当其他两个变量固定时，等价问题在每个变量（功率、时序、数据）上均为凸，从而支持迭代优化。
- 设计一种迭代算法，交替优化功率向量、时序向量与卸载数据向量，确保收敛且计算复杂度较低。
- 在基站利用连续干扰消除（SIC）技术，解调每个用户组内多个用户通过NOMA复用的上行链路信号。
- 将全双工基站建模为同时接收上行链路数据并广播下行链路能量，以支持用户运行。
- 应用视角函数与凸性分析，证明重构问题在时序与数据变量上的凸性，确保算法稳定性。
实验结果
研究问题
- RQ1如何在移动边缘计算系统中有效结合全双工操作、NOMA与能量采集技术，以提升频谱与能效？
- RQ2在该系统中，实现系统总能耗最小化的最优联合功率、时序与计算卸载分配方案是什么？
- RQ3全双工MEC系统中采用NOMA与EH的非凸资源分配问题能否被转化为凸问题以实现高效求解？
- RQ4与传统正交多址接入（OMA）及非全双工方案相比，所提算法的性能增益如何？
主要发现
- 所提迭代算法在全双工MEC系统中采用NOMA与EH时，总能耗低于传统方案，展现出更优的能效性能。
- 等价问题的公式化降低了变量维度，通过交替凸优化实现高效求解。
- 当将信道增益较强与中等较强的用户配对时，系统性能优于仅配对最强用户的情况。
- 重构问题在每个变量集上的凸性确保了迭代算法的收敛性与低计算复杂度。
- 仿真结果表明，所提方法显著降低了能耗，尤其在高移动性或高数据速率场景下优势明显。
更好的研究，从现在开始
从阅读论文到最终审阅，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。