论文部分内容阅读
物联网时代,数据流量爆炸式增长,随之而来的是人们对于数据的迫切需求。现有的通信系统面临着频谱资源不足的问题,因此,提高频谱资源利用率迫在眉睫。全双工技术的产生,为解决频谱资源短缺的问题做出了帮助。在非理想环境中存在着自干扰、同信道干扰和噪声干扰,由于硬件设备限制,这些干扰无法完全消除。因此,合理地进行资源分配管理,是将全双工技术运用于5G通信的关键。此外,由于移动终端的计算能力的不足,以及电池容量的受限,对其完成繁重的计算任务带来了阻碍。因此,为了有效解决这些问题,无线信息能量同传技术与移动边缘计算技术发挥了重要作用。其中,无线信息能量同传技术解决了移动终端电池容量的限制。移动边缘计算技术解决了移动终端计算力不足的问题。本文首先研究了在非理想信道状态信息估计下的联合用户匹配和功率分配问题。通过联合用户匹配和功率分配的资源优化方案来使得系统平均和速率最大化,以此来抵制各种干扰对系统性能的影响。由于该平均和速率最大化问题是一个计算复杂度较高的非凸优化的问题。为了简化计算复杂度,我们进而采用了基于分解和梯度投影的渐进算法来求解该非凸优化问题。仿真结果表明,在非理想信道状态信息估计条件下,本文算法可以有效抑制各种干扰带来的系统性能的下降。其中,在具有相同的CSI误差,且RSI在10d B内的情况下,相比于半双工系统,全双工MIMO蜂窝系统平均和速率有至少20%的提高。除此之外,通过对不同类型干扰对系统性能影响的研究,我们发现信道估计误差对系统和速率的影响最大。其次,为了减轻移动终端繁重的计算负担,弥补其计算能力不足的问题,同时提高频谱利用率,本文将全双工通信技术与移动边缘计算等技术应用于物联网场景中,研究移动终端的能耗问题与卸载的计算任务吞吐量问题,并通过联合优化CPU频率,移动终端发送功率,上行链路传输速率和卸载的计算任务量来最小化上行链路总能耗,最大化卸载的计算任务吞吐量。由于这两个目标问题均为非凸优化的问题,具有较高的计算复杂度。为了简化计算难度,我们采用了一种分解迭代的算法。该方法首先将原问题分解为两个子问题,对于子问题一,通过理论推导求得闭式解。其次,将闭式解代入子问题二,并对子问题二进一步分解成多个子问题。对于这些子问题,分别用内点算法求解,并通过迭代的方式得到最终的近似解。仿真结果表明,本文算法相比于对比方案有更低的上行链路能耗,且卸载的计算任务吞吐量更高。