车辆云边协同中无线能量与信息传输耦合优化策略的研究与设计

中文题目：车辆云边协同中无线能量与信息传输耦合优化策略的研究与设计

录用/见刊时间：2023年10月26日

论文题目：Research and design of an optimal management strategy for simultaneous wireless power and information transmission in highway vehicles

录用期刊/会议：IEEE Transactions on Industry Applications (JCR Q1)

原文DOI：10.1109/TIA.2023.3329085

原文链接：https://ieeexplore.ieee.org/document/10304372

作者列表：

1） 吉   莉 中国石油大学（北京）信息科学与工程学院/人工智能学院 电子系教师

2） 闫凯鑫 中国石油大学（北京）信息科学与工程学院/人工智能学院 新一代电子信息技术 硕20

3） 马菁萱 中国石油大学（北京）信息科学与工程学院/人工智能学院 信息与通信工程 硕21

4） 张   明 中国石油大学（北京）信息科学与工程学院/人工智能学院 先进科学与工程计算 博23

背景与动机:

随着5G技术的不断普及，行驶安全预警、道路环境增强现实、人车动态交互等时延敏感型应用的不断发展，对车载通信中任务处理的高可靠低延迟产生了巨大挑战。然而，在传统的移动云计算（MCC）中，已经难以满足毫秒级时延的处理要求，将移动边缘计算（MEC）技术应用至车联网环境是现下发展的趋势与方向。

目前，车辆已经具备强大的计算和存储能力能够作为车辆边缘网络中的边缘服务器，将正在充电的车辆作为MEC，充分利用车辆上的空闲计算资源，将正在充电的车辆充当边缘服务器节点辅助部署路侧单元RSU，同时作为任务卸载至云端的一个中转站。但是，车辆上的服务器均存在着高能耗的问题，这会对车辆的行驶里程、燃油效率造成显著的影响，随着任务数据量的逐渐增加，任务处理的能耗问题也成为了研究重点。在这种情况下，如何设计出一种适用于车辆边缘网络的任务卸载模型和优化算法来提升网络的鲁棒性、降低系统任务处理的时延和能耗成为了亟待解决的问题。

理论分析：

为了使得无线携能通信（SWTPI）信道容量最大化，提出一种基于单线圈多载波模式的信道容量最大化优化方法。采用OFDM方法将数据传输载波划分为若干子载波，并基于注水法建立信道容量最大化的优化问题。采用基于LCC拓扑的单线圈双谐振结构的无线携能通信模型，如图1所示，并分别对能量传输通道和数据传输通道进行分析。

图1 基于单线圈双谐振的同步传输模型

在数据传输信道容量的优化分析中，利用OFDM方法将信道分割为若干个子载波，构建了数据传输模型，提出一种基于交替迭代法和对偶法的信道容量优化方法，将该问题分解为两个子问题，在保持其他变量不变的情况下，以迭代的方式获得数据传输信道的子载波分配策略和功率分配策略，通过对子载波传输策略和传输功率的交替迭代优化求出最优信道容量和传输方案，整体迭代算法1如下。

在完成对SWTPI系统中信道容量最大化分析后，需要考虑如何找到最优的任务卸载策略，使得任务执行时间和能耗的加权总和最小化。任务的执行可以分为本地执行，MEC执行和MCC执行，分别对任务的卸载模型进行逐步分析。本文的目标为最小化云边协同计算卸载系统的能耗和时延的加权和，提出基于交替迭代法和对偶法的优化方法，将原问题分解为三个子问题，以迭代的方式获得任务卸载功率、卸载至边缘服务器的策略和卸载至云服务器的策略，通过交替迭代优化求得云边协同(CAMEC)计算卸载系统的最优解，最小化能耗与时延加权和整体算法2如下。

实验结果及分析:

为了评估所提出的基于交替迭代和对偶法的能耗和时延甲醛和最小化优化算法的性能，本文通过MATLAB对不同算法和卸载方法的系统总成本进行仿真比较。主要对比的五种卸载方法为本地计算、MEC算法、Random算法、CAMEC-DQN算法以及CAMEC框架下本文提出的算法。

图2 不同算法随移动车辆数量增加的性能比较

图3 不同SWTPI数据信道容量下总系统成本

图4 不同MEC服务器计算能力下系统总成本

图5 不同加权系数比率下的系统总成本

随着移动车辆数量的增加，系统成本不断上升，本文所提出的算法总系统成本约为本地计算的20.3%，仅MEC计算的53.6%。本文所提出的基于CAMEC框架下的优化算法在MEC计算能力增大的情况下系统的总成本始终小于其他三条曲线，表现出最佳的性能。对于不同的延迟和能耗比，本文所提出的基于CAMEC下的优化算法系统成本结果要优于其他四种方案。

结论:

本文研究了云边协同(CAMEC)环境中的多用户卸载问题。无线充电的车辆用作边缘服务器，并考虑最大化SWTPI通道容量的问题，以最小化系统延迟。采用一种基于交替迭代的能耗与时延优化算法，对能量消耗和延迟的加权和进行整体优化。仿真结果表明，随着车辆数量、MEC服务器计算能力和目标函数中权重系数比值的变化，采用本文所提出方案的系统总成本分别约为CAMEC-DQN方案的91.4%、95.1%和92.4%，且在不同参数下，所提方案均表现出较好的性能。

关于作者

      吉莉，女，博士，副教授，博士生导师。博士毕业于中国科学院大学，长期致力于无线电能传输、能源互联网及智能物联网技术相关研究工作，主持2项国家自然科学基金项目、1项国家863课题和1项省部级基金，作为技术负责人主持多项国家863项目、国家科技支撑项目。科技部国家第六次技术预测工作能源领域总体组专家，《IET Renewable Power Generation》、《CSEE JPES》等期刊的Guest Editor，中国电工技术学会无线电能传输专委会委员、中国电源学会无线电能传输技术及装置专委会委员。以第一作者/通信作者在《IEEE Transactions on Industrial Electronics》、《IEEE Transactions on Power Electronics》、《IEEE Journal of Emerging and Selected Topics in Power Electronics》、《Renewable Energy》等期刊上发表SCI/EI期刊论文30余篇，第一作者获授权/受理发明专利/软件著作权10余项，编写中文著作3部。