[论文解读] Rotatable Antenna-Enabled Mobile Edge Computing

Qiyao Wang, Beixiong Zheng+5 more|arXiv (Cornell University)|Mar 17, 2026

Advanced Wireless Communication Technologies被引用 0

一句话总结

该论文提出一种交替优化框架，在可旋转天线的 MEC 上行链路中通过联合优化边缘计算资源、接收波束赋形和 RA 偏转角来最小化最大计算延迟。

ABSTRACT

In the evolving landscape of mobile edge computing (MEC), enhancing communication reliability and computation efficiency to support increasingly stringent low-latency services remains a fundamental challenge. Rotatable antenna (RA) is a promising technology that introduces new spatial degrees of freedom (DoFs) to tackle this challenge. In this letter, we investigate an RA-enabled MEC system where antenna boresight directions can be independently adjusted to proactively improve wireless channel conditions for latency-critical users. We aim to minimize the maximum computation latency by jointly optimizing the MEC server computing resource allocation, receive beamforming, and the deflection angles of all RAs. To address the resulting non-convex problem, we develop an efficient alternating optimization (AO) framework. Specifically, the optimal edge computing resource allocation is derived based on the Karush-Kuhn-Tucker (KKT) conditions. Given the computing resources, the receive beamforming is optimized using semidefinite relaxation (SDR) combined with a bisection search. Furthermore, the RA deflection angles are optimized via fractional programming (FP) and successive convex approximation (SCA). Simulation results verify that the proposed RA-enabled MEC scheme significantly reduces the maximum computation latency compared with conventional benchmark methods.

研究动机与目标

• 在 6G 网络中动机 MEC 以实现超低时延，并解决可靠性与计算效率的局限性。
• 提出基于可旋转天线（RA）的 MEC 上行链路，以引入额外的空间自由度。
• 开发一种交替优化算法以最小化最大计算延迟。
• 利用 KKT 条件推导边缘计算资源分配的闭式解。
• 通过仿真表明 RA 自适应在延迟性能上优于基准方法。

提出的方法

• 建模一个包含基站、多个设备和 RA 指向矩阵的 RA 支持 MEC 上行链路。
• 将非凸问题形式化为通过联合优化下行数据量、边缘计算资源、接收波束赋形和 RA 角度来最小化最大延迟。
• 通过 KKT 与二分法得到计算资源与下传数据量的闭式解来求解子问题。
• 通过 SDR、FP 和 SCA 求解接收波束赋形和 RA 指向的子问题。
• 应用交替优化（AO）框架迭代更新变量直至收敛。

实验结果

研究问题

• RQ1 如何联合优化 MEC 计算资源、接收波束赋形与 RA 偏转角以最小化延迟？
• RQ2 在现实信道模型下，与固定或各向同性天线相比，RA 支持的 MEC 的性能提升有多大？
• RQ3 该优化框架是否能在实际复杂度下收敛到稳定解？
• RQ4 RA 方向控制如何影响上行速率和对时延敏感设备的端到端延迟？
• RQ5 在不同网络条件下，哪些基准方法能体现 RA 支持 MEC 的增益？

主要发现

• 仿真结果表明，RA 支持的 MEC 方案在与常规基准相比时显著降低了最大计算延迟。
• 将 KKT、二分、FP 与 SCA 结合的 AO 框架能够有效求解非凸的联合优化问题。
• RA 的方向控制提升了上行信道质量和卸载速率，从而改善整体计算效率。
• 在设备数量和卸载功率变化时，RA 支持的 MEC 的性能优势仍然存在，但当系统被计算或高用户竞争成为瓶颈时，增益减小。
• 随机或固定的 RA 定向比优化后的 RA 偏转表现更差，凸显了方向自适应的价值。