[论文解读] Wireless Powered User Cooperative Computation in Mobile Edge Computing Systems

Dixiao Wu, Feng Wang+2 more|arXiv (Cornell University)|Sep 5, 2018

Energy Harvesting in Wireless Networks被引用 4

一句话总结

本文提出了一种在移动边缘计算（MEC）中采用无线供能用户协作计算的框架，其中空闲设备从专用发射机获取射频（RF）能量，并协助活跃用户进行任务卸载与执行。通过在能量中性约束下联合优化能量波束成形、通信与计算资源，该方案显著提升了计算速率，数值结果表明其相对于非协作基准方案具有显著增益。

ABSTRACT

This paper studies a wireless powered mobile edge computing (MEC) system, where a dedicated energy transmitter (ET) uses the radio-frequency (RF) signal enabled wireless power transfer (WPT) to charge wireless devices for sustainable computation. In such a system, we present a new user cooperation approach to improve the computation performance of active devices, in which surrounding idle devices are enabled as helpers to use their opportunistically harvested wireless energy from the ET to help remotely execute active users' computation tasks. In particular, we consider a basic scenario with one user (with computation tasks to execute) and multiple helpers, in which the user can partition the computation tasks into various parts for local execution and computation offloading to helpers, respectively. Both the user and helpers are subject to the so-called energy neutrality constraints, such that their energy consumption does not exceed the respective energy harvested from the ET. Under this setup and considering a frequency division multiple access (FDMA) based computation offloading protocol, we maximize the computation rate (i.e., the number of computation bits over a particular time block) of the user, by jointly optimizing the transmit energy beamforming at the ET, as well as the communication and computation resource allocations at both the user and helpers. By leveraging the Lagrange duality method, we present the optimal solution to this problem in a semi-closed form. Numerical results show that the proposed wireless powered user cooperative computation design significantly improves the computation rate at the user, as compared to conventional schemes without such cooperation.

研究动机与目标

• 为解决能量受限的移动边缘计算（MEC）系统中因能量供应有限而面临的可持续计算挑战。
• 利用具有闲置计算资源且可机会性采集RF能量的空闲设备，协助活跃用户完成任务卸载。
• 在能量中性约束下最大化活跃用户的计算速率，确保用户与协助者均不超出其采集的能量。
• 联合优化发射机的能量波束成形，以及用户与协助者处的通信与计算资源分配。

提出的方法

• 提出一种基于频分多址（FDMA）的计算卸载协议，以支持用户与协助者之间的通信与计算同步进行。
• 提出联合优化问题，包括能量波束成形、时间分配与计算卸载，以在能量中性约束下最大化计算速率。
• 应用拉格朗日对偶法，借助KKT条件与Lambert W函数，推导出半闭式最优解，以保证解析可解性。
• 通过推导函数 $ x e^x $ 的反函数（以Lambert W函数表示），获得最优计算速率与时间分配的闭式表达式，从而求解对偶问题。
• 在确定最优速率后，将原始问题转化为等价的线性规划（LP），从而实现最优任务划分的高效计算。
• 利用Karush-Kuhn-Tucker（KKT）条件刻画最优的对偶变量，包括各计算阶段的能量与时间分配。

实验结果

研究问题

• RQ1 在无线供能MEC系统中，是否可以有效利用具备RF能量采集能力的空闲设备，协助活跃用户完成计算卸载？
• RQ2 如何联合优化能量波束成形、时间分配与计算卸载，以在能量中性约束下最大化计算速率？
• RQ3 在本地执行与向协助者协作卸载之间，最优的任务划分结构是什么？
• RQ4 所提出的协作方案相较于非协作基准方案，在计算速率与能量效率方面表现如何？

主要发现

• 所提出的无线供能用户协作计算方案显著提升了活跃用户的计算速率，相较于传统非协作方案具有明显优势。
• 通过拉格朗日对偶法与Lambert W函数，推导出半闭式最优解，可高效计算波束成形与资源分配方案。
• 每个用户的最优计算速率通过平衡本地计算、向协助者卸载任务与能量采集实现，且已推导出时间与功率分配的显式表达式。
• 最优任务划分取决于用户与协助者的信道条件、计算能力及能量采集效率，当有利时系统倾向于选择卸载。
• 数值结果证实，协作方案优于非协作基准方案，尤其在空闲设备资源丰富且信道条件良好的场景下表现更优。