呂 翊，王焰斌，張 鴻，王汝言，張普寧

(1.重慶郵電大學(xué) 通信與信息工程學(xué)院，重慶 400065；2.重慶高校市級光通信與網(wǎng)絡(luò)重點(diǎn)實(shí)驗(yàn)室，重慶 400065；3.泛在感知與互聯(lián)重慶市重點(diǎn)實(shí)驗(yàn)室，重慶 400065)

隨著第五代移動通信系統(tǒng)(Fifth Generation Mobile Communication System，5G)正式投入商用，類似于智能手機(jī)、平板電腦和手持設(shè)備等用戶終端(User Terminals，UTs)的數(shù)量呈現(xiàn)指數(shù)增長趨勢[1-2]。在日常生活中，高清視頻播放、自然語言處理和交互式游戲等計(jì)算資源密集型任務(wù)大量涌現(xiàn)，移動邊緣計(jì)算系統(tǒng)[3-5]被提出用以擴(kuò)展用戶終端的存儲和計(jì)算能力。雖然移動邊緣計(jì)算系統(tǒng)能提高智能用戶體驗(yàn)質(zhì)量，但構(gòu)建支持移動邊緣計(jì)算(Mobile Edge Computing，MEC)功能的網(wǎng)絡(luò)基礎(chǔ)架構(gòu)仍具挑戰(zhàn)性[6]。云無線接入網(wǎng)(Cloud Radio Access Network，C-RAN)是一種由集中式基帶單元(Base Band Units，BBUs)池、遠(yuǎn)程射頻頭端(Remote Radio Heads，RRHs)和光纖前傳鏈路構(gòu)成的綠色接入網(wǎng)[7]，通過將用戶終端及云中心計(jì)算任務(wù)卸載到結(jié)合MEC的C-RAN中，能有效解決移動邊緣計(jì)算網(wǎng)絡(luò)架構(gòu)難題[8]。這種方式不僅有助于減少端到端時延和節(jié)省用戶終端的設(shè)備能源，還能增強(qiáng)用戶終端的隱私和安全性[9]。但是，不相匹配的傳統(tǒng)資源分配方式使服務(wù)提供商(Service Provider，SP)的能耗成本支出壓力與日俱增，而高效的節(jié)能效率能為SP帶來豐厚的可持續(xù)性收益，為此，美國明確提出在2030年前將網(wǎng)絡(luò)能耗降低25%，英國設(shè)定了在2050年前將網(wǎng)絡(luò)能耗降低50%的目標(biāo)[10]。

為了解決移動邊緣計(jì)算系統(tǒng)資源分配失衡和網(wǎng)絡(luò)能效(Energy Efficiency，EE)低的問題，在文獻(xiàn)[11]中，研究者提出了多個帶有移動邊緣計(jì)算的基站協(xié)作策略，通過進(jìn)一步將額外任務(wù)卸載到與其連接的移動邊緣計(jì)算服務(wù)器來增強(qiáng)計(jì)算卸載服務(wù)，能提高用戶終端的計(jì)算能力并延長電池使用壽命，然而文中并未涉及降低網(wǎng)絡(luò)能耗成本問題。在文獻(xiàn)[12]中，研究者提出了在MEC與C-RNA聯(lián)合架構(gòu)下，頻譜效率感知的計(jì)算卸載和資源分配機(jī)制，在卸載時延、有限帶寬光前傳鏈路容量和計(jì)算資源的約束下，聯(lián)合優(yōu)化卸載策略、無線電資源和計(jì)算資源，以實(shí)現(xiàn)SP利潤最大化，但移動邊緣計(jì)算服務(wù)器僅部署于BBU池中，用戶終端任務(wù)卸載形式單一。在文獻(xiàn)[13]中，研究者提出了一種遠(yuǎn)近計(jì)算增強(qiáng)C-RAN架構(gòu)，優(yōu)化無線大數(shù)據(jù)處理的任務(wù)分配，部署于BBU池中的移動邊緣計(jì)算服務(wù)器，為用戶終端提供大量的計(jì)算資源，而部署于RRHs上的移動邊緣計(jì)算服務(wù)器可以快速響應(yīng)對延遲敏感的應(yīng)用，但是這種移動邊緣計(jì)算部署方式?jīng)]有體現(xiàn)出不同小區(qū)的差異性服務(wù)需求，增加了移動邊緣計(jì)算服務(wù)器的部署成本。在文獻(xiàn)[14]中，研究者提出了一種結(jié)合時分復(fù)用無源光網(wǎng)絡(luò)(Time Division Multiplexing-Passive Optical Networks，TDM-PONs)的資源分配策略，其最終目標(biāo)是在物理?xiàng)l件、資源管理和光前傳延時延約束的情況下，實(shí)現(xiàn)聯(lián)合總傳輸延遲和移動邊緣計(jì)算部署的成本最小化。在文獻(xiàn)[15]中，研究者提出了一種混合云霧無線接入網(wǎng)(Cloud Fog RAN，CF-RAN)架構(gòu)，該架構(gòu)借助霧計(jì)算在更接近RRHs的本地霧節(jié)點(diǎn)中復(fù)制C-RAN的基帶處理能力，并應(yīng)用網(wǎng)絡(luò)功能虛擬化(Network Function Virtualization，NFV)技術(shù)形成虛擬化無源光網(wǎng)絡(luò)(Virtual PONs，VPONs)，能有效地按照實(shí)際需求處理多余的前傳流量負(fù)載，但在降低網(wǎng)絡(luò)阻塞概率方面還有待進(jìn)一步深入探討。

綜合以上文獻(xiàn)可知，雖然由MEC系統(tǒng)與C-RAN組合的網(wǎng)絡(luò)架構(gòu)能有效地提高用戶終端的帶寬體驗(yàn)，但仍存在待解決的問題：① 大規(guī)模密集部署的RRHs之間產(chǎn)生的干擾信號占用大量無線資源，并造成額外的干擾信號傳輸能耗浪費(fèi)；② 容量有限的光纖前傳鏈路難以適應(yīng)熱點(diǎn)數(shù)據(jù)和高流量負(fù)載，并導(dǎo)致網(wǎng)絡(luò)阻塞概率增加[16]，從而降低用戶終端的服務(wù)質(zhì)量(Quality of Service，QoS)；③ 移動邊緣計(jì)算服務(wù)器靜態(tài)部署方式削弱了網(wǎng)絡(luò)基帶處理能力，增加了網(wǎng)絡(luò)設(shè)備部署成本。為了提高網(wǎng)絡(luò)容量，將H-CRAN架構(gòu)作為研究對象[17-19]，在C-RAN架構(gòu)的基礎(chǔ)上添加了宏基站(Macro Base Station，MBS)，通過帶有X2/S1接口的回傳鏈路連接MBS與BBU池，能保障與現(xiàn)有蜂窩系統(tǒng)的向后兼容性并提供更廣泛的用戶終端連接，MBS負(fù)責(zé)傳遞控制信號并支持低數(shù)據(jù)速率服務(wù)[20]。此架構(gòu)能提高移動邊緣計(jì)算服務(wù)器部署的靈活性，增強(qiáng)網(wǎng)絡(luò)的可擴(kuò)展性。

為了充分結(jié)合MEC系統(tǒng)與H-CRAN架構(gòu)的優(yōu)勢，筆者提出了一種H-CRAN架構(gòu)中基于移動邊緣計(jì)算動態(tài)部署的能耗感知資源分配機(jī)制(Power consumption aware Resource Allocation Mechanism based on MEC Dynamic Deployment，MDD-PRAM)。根據(jù)用戶關(guān)聯(lián)吞吐量收益、干擾信道占用能耗成本以及用戶終端任務(wù)處理能耗成本，制定了服務(wù)提供商利潤模型。進(jìn)而，利用稀疏矩陣算法為用戶終端篩選優(yōu)質(zhì)通信資源，實(shí)現(xiàn)網(wǎng)絡(luò)吞吐量與關(guān)聯(lián)能耗間差值的最大化，再針對用戶終端的不同服務(wù)請求，在MBS或BBU池中動態(tài)部署移動邊緣計(jì)算服務(wù)器，優(yōu)先選擇將時延敏感型的任務(wù)卸載到距離RRHs較近且已動態(tài)部署移動邊緣計(jì)算系統(tǒng)的宏基站(MEC-enable MBS，MEC-MBS)上，當(dāng)用戶終端的任務(wù)處理量較大時，在BBU池中按需部署移動邊緣計(jì)算服務(wù)器，將任務(wù)卸載到已動態(tài)部署移動邊緣計(jì)算系統(tǒng)的集中式基帶單元(MEC-enable BBU，MEC-BBU)中，并基于協(xié)同計(jì)算卸載的啟發(fā)式算法分配計(jì)算資源，以降低網(wǎng)絡(luò)設(shè)備能耗開銷。

1 結(jié)合MEC的H-CRAN模型

移動邊緣計(jì)算系統(tǒng)能為附近的用戶終端提供分布式計(jì)算資源和低時延服務(wù)，結(jié)合MEC與H-CRAN架構(gòu)能極大提高用戶終端體驗(yàn)質(zhì)量。由于光前傳鏈路的傳輸時延和有限的帶寬制約，導(dǎo)致延遲敏感性任務(wù)和重流量負(fù)載應(yīng)用的服務(wù)質(zhì)量降低。因此，通過在距離RRHs較近的MBS或較遠(yuǎn)的BBU池中動態(tài)部署移動邊緣計(jì)算服務(wù)器，利用移動邊緣計(jì)算的計(jì)算及存儲能力處理靠近網(wǎng)絡(luò)邊緣的用戶終端任務(wù)。首先介紹了結(jié)合移動邊緣計(jì)算系統(tǒng)的H-CRAN網(wǎng)絡(luò)架構(gòu)，然后根據(jù)用戶終端接入網(wǎng)絡(luò)后產(chǎn)生的用戶關(guān)聯(lián)收益和計(jì)算資源分配成本，制定收入模型，最后闡明原始問題分解模型。

1.1 網(wǎng)絡(luò)架構(gòu)

圖1是支持移動邊緣計(jì)算的H-CRAN架構(gòu)模型。

在支持移動邊緣計(jì)算的H-CRAN架構(gòu)模型中，采用時波分復(fù)用無源光網(wǎng)絡(luò)(Time and Wavelength Division Multiplexing Passive Optical Networks，TWDM-PONs)[21]作為RRHs與集中云的物理連接網(wǎng)絡(luò)，BBU由集中單元(Central Unit，CU)和分布單元(Distributed Unit，DU)兩部分[22]構(gòu)成。所提模型中的移動邊緣計(jì)算結(jié)構(gòu)由虛擬化基帶單元(Virtualized Based Band Unit，VBBU)和虛擬化移動克隆(Virtualized Mobile Clone，VMC)兩部分組成，VBBU和VMC均可以在虛擬機(jī)中利用NFV技術(shù)實(shí)現(xiàn)相應(yīng)功能[23]。不同于已有文獻(xiàn)[24]集成C-RAN與MEC系統(tǒng)，并在移動邊緣計(jì)算服務(wù)器中聯(lián)合分配通信資源和計(jì)算資源，考慮在網(wǎng)絡(luò)資源有限的情況下，該異構(gòu)網(wǎng)絡(luò)模型依據(jù)用戶終端的實(shí)際需求，在MBS或BBU池內(nèi)部形成移動邊緣計(jì)算服務(wù)器，以此方式擴(kuò)展網(wǎng)絡(luò)為用戶終端提供彈性化邊緣計(jì)算服務(wù)能力。

RRHs與用戶終端之間采用多輸入多輸出(Multiple Input Multiple Output，MIMO)天線系統(tǒng)。具體地，RRHs與用戶終端配備多根收發(fā)天線，二者以頻分復(fù)用的方式傳遞無線信號，用戶終端將特定的編碼信號傳送至接收端，RRHs端的多組天線解碼接收信號。傳統(tǒng)的協(xié)作多點(diǎn)傳輸(Coordinated Multipoint Transmission，CoMP)[25-26]技術(shù)本質(zhì)上也是一種MIMO系統(tǒng)，二者的區(qū)別在于CoMP系統(tǒng)依靠協(xié)作RRHs集對用戶終端進(jìn)行協(xié)作信號傳輸，相同點(diǎn)在于均能有效降低來自其他用戶終端的同頻干擾。MBS具有全局資源控制功能，用于均衡密集RRHs中的網(wǎng)絡(luò)流量負(fù)載。在RRHs分配頻譜資源時，用戶終端根據(jù)RRHs的可接入范圍和自身的信道質(zhì)量要求確定任務(wù)卸載決策。由于傳統(tǒng)移動邊緣計(jì)算服務(wù)器固定獨(dú)自占用用戶終端需求最大化時的網(wǎng)絡(luò)資源，這造成任務(wù)處理量少的移動邊緣計(jì)算的計(jì)算資源和設(shè)備能耗浪費(fèi)，而數(shù)據(jù)流量過載的移動邊緣計(jì)算服務(wù)器得不到滿足，因此，根據(jù)MEC-MBS上的流量負(fù)載和TWDM-PON波長資源的動態(tài)變化狀態(tài)，適時地將用戶終端的任務(wù)進(jìn)一步卸載到MEC-BBUs中，從而實(shí)現(xiàn)所提架構(gòu)的計(jì)算處理能力升級。

圖1 支持移動邊緣計(jì)算的H-CRAN架構(gòu)模型

1.2 SP收益模型

通常情況下，計(jì)算密集型任務(wù)卸載會促使服務(wù)提供商成本增加，甚至?xí)斐筛蓴_信號較多的無線信道產(chǎn)生長傳輸時延，從而導(dǎo)致用戶終端的服務(wù)質(zhì)量嚴(yán)重惡化。在網(wǎng)絡(luò)資源充足時，只要能保障用戶終端的服務(wù)質(zhì)量，且服務(wù)提供商的總吞吐量收益不小于能耗成本，則允許用戶終端將自身任務(wù)卸載到移動邊緣計(jì)算服務(wù)器中。因此，考慮在帶有移動邊緣計(jì)算的H-CRAN網(wǎng)絡(luò)資源有限的情況下，多個用戶終端競爭任務(wù)卸載，服務(wù)提供商利用有限的資源使其利潤得以增長。定義由RRHk所構(gòu)成的集合為K={1，2，…，K}，由UTn所構(gòu)成的集合為N={1，2，…，N}，因?yàn)镸BS具備BBU池基帶處理功能，故合并MEC-MBS1和MEC-BBUb的集合，其合并集合為B={1，2，…，B}，MEC-MBS1是集合B中的第一個元素，即BMBS={1}，而由MEC-BBUb所構(gòu)成的集合為BBBU={2，…，B}。hn，k表示UTn與RRHk間的關(guān)聯(lián)信道增益，則用戶關(guān)聯(lián)吞吐量為

(1)

其中，Bn，k為信道帶寬，σ2為噪聲功率值，pn，k為UTn與RRHk間的關(guān)聯(lián)傳輸功率。UTn發(fā)送到RRHk的計(jì)算資源請求量為

Lk=θlog(1+rn)+Lφ，

(2)

其中，θ為信道帶寬參數(shù)，rn表示UTn的信號與干擾加噪聲之比，由于在計(jì)算資源分配過程中，快速傅里葉變換函數(shù)具有恒定的計(jì)算需求，故引入快速傅里葉變換函數(shù)的恒定計(jì)算需求量Lφ[27]。

在網(wǎng)絡(luò)資源能滿足用戶終端的資源需求時，假設(shè)網(wǎng)絡(luò)中的剩余VPON波長資源量Cvpon等于BBU池中移動邊緣計(jì)算服務(wù)器總的任務(wù)數(shù)據(jù)處理量，即

(3)

在移動邊緣計(jì)算增強(qiáng)的H-CRAN中，大量的用戶終端接入到密集部署的RRHs上，將直接導(dǎo)致服務(wù)提供商能耗成本的急劇增加。該部分成本主要有兩個方面，其中一部分來自MBS對密集用戶關(guān)聯(lián)矩陣進(jìn)行繁重取逆運(yùn)算時所產(chǎn)生的能耗成本，另一部分來自處理用戶終端任務(wù)數(shù)據(jù)時的設(shè)備功率成本。因此，定義服務(wù)提供商利潤函數(shù)為

(4)

maxΨsp。

RRHk將計(jì)算任務(wù)卸載到MBS上構(gòu)成的RRHs集合為RMBS={1，2，…，R}，而卸載到BBU池中的RRHs集合為RBBU={R+1，R+2，…，K}。假設(shè)每對關(guān)聯(lián)UTn與RRHk均有J根天線，其收發(fā)天線集合J={1，2，…，J}，為確保有限的通信和計(jì)算資源滿足UTs的QoS要求，能耗感知的資源分配約束表達(dá)式如下：

(5)

(6)

(7)

(8)

λn，k∈{0，1}， ?n∈N， ?k∈K，

(9)

(10)

(11)

(12)

(13)

1.3 問題分解模型

(14)

(15)

網(wǎng)絡(luò)吞吐量和用戶關(guān)聯(lián)能耗聯(lián)合優(yōu)化子問題的目標(biāo)函數(shù)為

maxψ1。

(16)

約束條件如下：

(17)

(18)

(19)

(20)

(21)

λn，k∈{0，1}， ?n∈N， ?k∈K，

(22)

計(jì)算資源優(yōu)化子問題的目標(biāo)函數(shù)為

minψ2。

(23)

約束條件如下：

(24)

(25)

(26)

μk，b∈{0，1}， ?k∈K， ?b∈B，

(27)

(28)

2 能耗感知的通信和計(jì)算資源分配機(jī)制

在支持移動邊緣計(jì)算的H-CRAN架構(gòu)中，既要滿足用戶終端的服務(wù)質(zhì)量條件，又要合理地優(yōu)化網(wǎng)絡(luò)資源分配情況，以維持服務(wù)提供商的正常運(yùn)營狀態(tài)。筆者提出通信資源優(yōu)化和移動邊緣計(jì)算資源優(yōu)化機(jī)制，其包含兩個算法：通信資源分配算法和計(jì)算資源分配算法，使更多的用戶終端接入到網(wǎng)絡(luò)，以促進(jìn)服務(wù)提供商獲得吞吐量收益，并通過降低基帶處理和網(wǎng)絡(luò)設(shè)備能耗方式節(jié)省服務(wù)提供商成本支出。

2.1 通信資源分配算法

現(xiàn)實(shí)情境中，城市環(huán)境里的信號傳輸具有大規(guī)模衰落特性，對于一些UTs與RRHs之間產(chǎn)生不影響用戶服務(wù)質(zhì)量的小干擾信號，忽略不計(jì)。筆者所提網(wǎng)絡(luò)系統(tǒng)，基帶處理能力的提升將直接影響系統(tǒng)的整體功耗，這使提高EE成為刻不容緩的問題。RRHs與UTs之間采用MIMO技術(shù)連接，信道矩陣的非零元素?cái)?shù)量取決于活躍RRHs和用戶終端的數(shù)量，集中式BBU池在波束成形時需進(jìn)行大量的矩陣逆運(yùn)算，這導(dǎo)致能耗成本增加。與此同時，大量的用戶終端接入到密集部署的RRHs上，這使計(jì)算復(fù)雜度較高。因此，筆者提出基于優(yōu)質(zhì)無線資源保留的用戶關(guān)聯(lián)算法，它將原始信道矩陣從MBS和RRHs的地理分布特征轉(zhuǎn)換為稀疏矩陣，降低了矩陣求逆運(yùn)算的復(fù)雜度，進(jìn)而降低關(guān)聯(lián)能耗成本。

(29)

(30)

信道矩陣H取逆后，由得到的波束成形矩陣G，可知實(shí)際的用戶傳輸矩陣為

X=GU，

(31)

其中，U為用戶矩陣。在滿足基本約束條件下，最大化目標(biāo)函數(shù)式(16)，筆者所提稀疏矩陣用戶關(guān)聯(lián)算法的偽代碼如算法1所示。

算法1稀疏矩陣用戶關(guān)聯(lián)算法。

輸入：用戶終端的任務(wù)及其速率等要求，RRHs的服務(wù)半徑dk。

① 首先初始化無線資源最低SINR閾值ω，信道矩陣H

② forn∈Ndo

③ fork∈Kdo

④ if約束式(17)、(18)、(19)和(20)成立then

⑥ end if

⑨ end if

在上述過程中，盡管關(guān)閉干擾信號較大的傳輸信道會導(dǎo)致小區(qū)域RRHs吞吐量降低，但從整個網(wǎng)絡(luò)來看，保留了優(yōu)質(zhì)的無線傳輸信道，RRHs密集部署會產(chǎn)生接入能力增強(qiáng)的效果[10]，所以網(wǎng)絡(luò)的總吞吐量是增加的，又因減少了干擾信號所產(chǎn)生的能耗，故所提機(jī)制在節(jié)省能耗方面是可觀的，且能為用戶終端提供高質(zhì)量的網(wǎng)絡(luò)服務(wù)。

2.2 計(jì)算資源分配算法

在MEC-MBS1或MEC-BBUb處理任務(wù)時，需要UTn的配置文件，主要用于計(jì)算和緩存UTn的任務(wù)數(shù)據(jù)。假設(shè)位于同一MEC服務(wù)范圍內(nèi)的若干用戶終端均具有類似的任務(wù)卸載能力，這些用戶終端在執(zhí)行完全相同的應(yīng)用程序或類似的計(jì)算任務(wù)時，能有效地提高緩存效率，并節(jié)省存儲空間。一般而言，UTn從互聯(lián)網(wǎng)中獲取任務(wù)，這些數(shù)據(jù)經(jīng)回傳鏈路從核心網(wǎng)絡(luò)傳輸?shù)紹BU池或MBS中，然后通過RRHk發(fā)送給UTn。為了最小化子問題二的目標(biāo)函數(shù)，提出了一種協(xié)同計(jì)算卸載的啟發(fā)式算法，以降低網(wǎng)絡(luò)設(shè)備能耗。

(32)

同理，每個MEC-BBUb計(jì)算資源處理量為

(33)

又由于b∈B-{1}={2，…，B}，故有MEC-BBUs全部計(jì)算資源處理量為

(34)

因此，所提架構(gòu)中MEC總基帶處理量為

(35)

根據(jù)用戶終端的實(shí)際計(jì)算任務(wù)請求量，動態(tài)地在MBS或BBU池中生成移動邊緣計(jì)算。采用充分利用移動邊緣計(jì)算服務(wù)器計(jì)算能力的方式，降低網(wǎng)絡(luò)設(shè)備能耗。因此，設(shè)計(jì)了如下計(jì)算資源分配算法。

算法2基于協(xié)同計(jì)算卸載的啟發(fā)式算法。

② fork∈Kdo

③ for MEC-MBS1do

⑤ 將RRHk任務(wù)卸載至MEC-MBS1，RRHk添加到集合RMBS={1，2，…，R}中

⑥ end if

⑦ end for

⑧ if約束式(24)成立 then

⑨β1=1； elseβ1=0

3 仿真分析

使用Matlab R2016a仿真平臺對所提MDD-PRAM算法進(jìn)行性能評估，并與文獻(xiàn)[11]提出的協(xié)同計(jì)算卸載(Cooperations Computing Offloading，CCO)算法、文獻(xiàn)[15]提出的云優(yōu)先霧最少波長維數(shù)啟發(fā)式(Cloud First Fog Least Wavelength Dimensioning Heuristic，CF-FL WDH)算法以及文獻(xiàn)[21]提出的聯(lián)合計(jì)算資源分配(Joint Computing Resource Allocation，JCRA)算法作對比。CCO算法將用戶任務(wù)調(diào)度到多個靜態(tài)部署的移動邊緣計(jì)算服務(wù)器中，以減輕原始移動邊緣計(jì)算服務(wù)器的重任務(wù)負(fù)荷。CF-FL WDH算法優(yōu)先考慮將用戶任務(wù)卸載到集中云中處理，再分配霧節(jié)點(diǎn)支持流量傳輸所需的波長資源，進(jìn)而降低網(wǎng)絡(luò)流量負(fù)載壓力。JCRA算法將用戶計(jì)算敏感型任務(wù)卸載至移動云無線接入網(wǎng)絡(luò)中，以保障服務(wù)質(zhì)量并降低網(wǎng)絡(luò)能耗。主要仿真參數(shù)設(shè)置如表1所示。

表1 仿真參數(shù)設(shè)置

3.1 不同用戶數(shù)量下的性能分析

圖2為不同UTs數(shù)量下4種算法的網(wǎng)絡(luò)能耗變化趨勢圖。隨著用戶終端數(shù)量逐漸從20個遞增到110個的過程中，網(wǎng)絡(luò)能耗逐漸升高。JCRA算法能滿足用戶終端的服務(wù)質(zhì)量，但網(wǎng)絡(luò)設(shè)備利用率不足，CF-FL WDH算法的用戶任務(wù)協(xié)作處理能力弱，致使設(shè)備能耗較高，此兩種算法的網(wǎng)絡(luò)能耗相近。CCO算法在分配頻譜資源時損失較多能耗，但移動邊緣計(jì)算協(xié)同計(jì)算卸載策略使網(wǎng)絡(luò)能耗在一定程度上降低。與上述3種算法相比，筆者所提MDD-PRAM算法在用戶關(guān)聯(lián)階段和任務(wù)卸載階段均采取節(jié)能措施，所以MDD-PRAM算法具有最節(jié)省能耗的特點(diǎn)，并且接入UTs數(shù)量越多時，MDD-PRAM算法的節(jié)能效果越顯著。

圖3為不同UTs數(shù)量下4種算法的網(wǎng)絡(luò)吞吐量變化趨勢圖。顯然，網(wǎng)絡(luò)吞吐量隨著用戶終端任務(wù)卸載量增加而呈現(xiàn)出單調(diào)遞減趨勢，當(dāng)移動邊緣計(jì)算服務(wù)器接近飽和時，吞吐量變化趨勢逐漸平穩(wěn)。在網(wǎng)絡(luò)設(shè)備利用率達(dá)到80%以上時，MDD-PRAM算法與CCO算法相比，吞吐量提升了大約13.5%，而與CF-FL WDH算法和JCRA算法相比，網(wǎng)絡(luò)吞吐量分別提高了24.96%和32.32%左右，可知MDD-PRAM算法具有最高的網(wǎng)絡(luò)吞吐量性能，其主要原因?yàn)椋涸撍惴ㄔ诜峙漕l譜資源時，剔除了信道干擾噪聲較大的信號傳輸信道，僅保留符合UTs的服務(wù)質(zhì)量要求的優(yōu)質(zhì)信號傳輸信道。

圖2 不同UTs數(shù)量下的網(wǎng)絡(luò)能耗

3.2 不同時刻下的性能分析

為了清晰地觀察4種算法在小規(guī)模網(wǎng)絡(luò)場景中的對比情況，給出了12個時刻下的變化趨勢圖。從圖4可知，從9時到15時，隨著業(yè)務(wù)流量逐漸增多，網(wǎng)絡(luò)能耗逐漸增加；從15時到21時，隨著業(yè)務(wù)流量逐漸減少，網(wǎng)絡(luò)能耗逐漸減小，業(yè)務(wù)流量與網(wǎng)絡(luò)能耗呈正相關(guān)關(guān)系。CF-FL WDH算法僅考慮當(dāng)云中資源耗盡時，在距離用戶終端近的霧節(jié)點(diǎn)中處理任務(wù)數(shù)據(jù)，造成了設(shè)備資源浪費(fèi)，故4種算法中，CF-FL WDH算法的節(jié)能效果最劣，其次是JCRA算法。在不同時刻，隨機(jī)任務(wù)從用戶終端端傳遞到網(wǎng)絡(luò)端，由于MDD-PRAM算法節(jié)省了處理干擾信號時產(chǎn)生的能耗浪費(fèi)，并提高M(jìn)EC服務(wù)器的設(shè)備資源利用率，與CCO算法相比平均節(jié)省了大約35%的能耗，具有最優(yōu)的節(jié)能效果。

圖4 不同時刻下的網(wǎng)絡(luò)能耗圖

圖5反映了網(wǎng)絡(luò)吞吐量在12個時刻下的變化情況。不同時刻，100個用戶終端的業(yè)務(wù)流量隨機(jī)到達(dá)，但顯然可知，從9時到21時，所提MDD-PRAM算法具有最優(yōu)的網(wǎng)絡(luò)吞吐量性能，主要原因是，當(dāng)用戶終端的服務(wù)質(zhì)量要求較高時，MDD-PRAM算法能有效節(jié)省傳輸干擾信號時的頻譜資源浪費(fèi)，保證更多的頻譜資源用于傳輸用戶終端的業(yè)務(wù)流量。CCO算法具有次優(yōu)的網(wǎng)絡(luò)吞吐量傳輸性能，而CF-FL WDH算法和JCRA算法的吞吐量性能相近且較劣。

3.3 不同算法的阻塞概率比較

不同業(yè)務(wù)流量對前傳鏈路阻塞概率的影響如圖6所示。

圖6 不同業(yè)務(wù)流量對阻塞概率的影響

隨著用戶終端上傳至網(wǎng)絡(luò)的業(yè)務(wù)流量增多，光網(wǎng)絡(luò)阻塞概率逐漸遞增。由于CCO算法和JCRA算法并無有效的前傳鏈路流量控制機(jī)制，所以這兩種算法沒有體現(xiàn)出良好的降低光網(wǎng)絡(luò)阻塞概率的效果。而CF-FL算法，考慮了在離用戶終端近的RRH上形成MEC功能，能在一定程度上減輕前傳負(fù)載，然而該算法是優(yōu)先考慮將任務(wù)卸載至云中處理，故降低阻塞概率效果不是最佳的。

筆者所提MDD-PRAM算法優(yōu)先考慮將任務(wù)卸載至MEC-MBS中處理，再進(jìn)一步考慮將任務(wù)卸載至MEC-BBU中處理，這種策略能有效減輕光前傳鏈路的流量負(fù)載。對于大流量任務(wù)而言，網(wǎng)絡(luò)阻塞概率一定程度地影響著用戶終端請求網(wǎng)絡(luò)資源的意愿，MDD-PRAM算法能使光網(wǎng)絡(luò)的阻塞概率處于合理范圍，當(dāng)網(wǎng)絡(luò)阻塞概率不影響用戶服務(wù)質(zhì)量時，服務(wù)提供商能夠獲得相對恒定的用戶終端接入量，使服務(wù)提供商收益穩(wěn)定性更佳。

4 結(jié)束語

筆者提出了一種帶有移動邊緣計(jì)算的能耗感知H-CRAN架構(gòu)，通過建立服務(wù)提供商收益模型，在滿足各約束條件下，以犧牲局部用戶終端收益為代價，從整體上獲得最大化運(yùn)營商利潤。為了降低收益函數(shù)的計(jì)算復(fù)雜度，將原始問題分解為兩個子問題。一方面，提出了一種基于稀疏矩陣波束成形算法，以節(jié)省用戶關(guān)聯(lián)能耗，并通過通信資源分配提高網(wǎng)絡(luò)吞吐量；另一方面，基于協(xié)同計(jì)算卸載的計(jì)算資源分配算法確定卸載決策，減少計(jì)算設(shè)備能耗。仿真結(jié)果表明，所提方案不僅能增加運(yùn)營商利潤，還能降低光纖前傳鏈路的阻塞概率，以提高用戶服務(wù)質(zhì)量。