面向无源边缘计算的新型物联网中计算性能最优化方案研究

Model internet of thing (IoT) technology requires powerful computing capability to serve massive device connections. The recently emerged edge computing technology enables the IoT devices (e.g., wireless sensors) to offload part of their computing tasks to the nearby edge server for remote processing, which can effectively reduce the computation delay and enhance the IoT network’s computing performance. However, the stringent battery capacity constraint of IoT devices makes it fundamentally difficult to provide continuous and high-performance computing services. To tackle this issue, we propose a passive edge computing model for IoT networks, which applies radio frequency (RF) based wireless power transfer technology to continuously power the passive edge computing assisted devices. In particular, we focus on optimizing the computation performance of the proposed passive edge computing system, with the following main work packages: the design of wireless powered passive edge computing system; computation performance optimization when multiple users perform independent or correlated computing tasks; design ultra-low complexity optimization scheme based on machine learning methods; develop hardware platform for performance verification. The research of this project can potentially lift the long-standing computing performance constraints to the conventional IoT network, and expand the future applications of IoT technology to high-performance computing services.

现代物联网技术需要强大的计算能力来满足海量设备互联的需求。随着新兴边缘计算技术的应用，物联网无线终端（如传感器）可以将部分计算任务卸载到邻近的边缘服务器执行，从而有效地降低计算时延提高物联网的计算性能。受制于终端十分有限的电池寿命，当前物联网从根本上难以持续地提供高能耗高性能的计算服务。为此，本项目提出一个面向无源边缘计算的新型物联网模型，通过将射频无线充电技术引入到物联网边缘计算中，无源的终端可以持续地获得供能，摆脱电池寿命的限制。本项目针对无线充电和边缘计算技术融合的难点，重点研究多用户计算模式选择和无线资源配置的联合优化问题，旨在实现最优的系统计算性能。研究内容包括：无源边缘计算系统的建模分析；设计多用户执行独立或相关联任务时的计算性能优化算法；研究基于机器学习的超低复杂度优化方案；搭建性能验证硬件平台。本项目的成功开展将解决物联网计算性能的瓶颈，提升其在高性能计算需求下的应用前景。

传统无线传感器受制于尺寸和布网成本的限制，只能够携带小容量电池和低性能处理器，难以长期执行复杂的传感任务。如何从根本上突破电池容量和计算能力的双重限制以满足日渐增长的计算和通信需求是无线传感技术中亟需解决的关键问题。..项目首先针对无线传感器供电难的问题引入了无线射频能量传输的供电方法。针对多用户网络中计算卸载和能量传输的同频干扰，研究了低复杂度二进制计算模式选择优化算法，可以用较低复杂度近似最优地求解网络计算速率最大化问题，为后续的研究工作提供了刻画网络数据处理性能的理论基准。..本项目进而针对物联网中多计算任务关联性难题展开了研究。对于简化的双用户关联性计算场景，推导出最优的通信和计算资源分配方案。进而拓展研究较为复杂的多用户关联场景和一般性多用户多任务关联性场景。研究成果可用于智能家居控制、图像视频处理等较为复杂的关联性计算任务场景。..本项目还联合考虑了运用计算缓存技术来进一步降低计算时延。研究揭示了计算卸载和计算缓存的深度关联性，通过联合优化计算和存储资源的调度，实现了更低的系统能耗和计算时延。工作拓展了资源管理的维度，实现了边缘系统计算、通信、存储资源的联合管理。基于该联合管理框架，项目还拓展研究了用户通信计算联合协作、用户端计算缓存配置优化、基于经济学原理的计算资源分配等问题。..以上研究内容涉及的常规算法往往基于迭代计算，复杂度高，难以响应毫秒级别快速时变信道的要求。本项目创新地融合无模型的深度强化学习和基于模型的常规优化方法提出了新型的混合算法框架。算法可以以毫秒级的计算速率快速求解复杂的混合整形规划问题，在以上多种应用场景下所求得的解可达到最优解99%以上的性能，突破了传统基于迭代的优化算法的根本性能缺陷。..项目按照预定的进展规划顺利开展，取得了三十多项论文、专利等科研成果，超额且高质量地完成了项目立项时设定的研究成果目标。本项目的研究成果弥补了当前组网机制和资源分配中的性能短板，对相关产业的发展提供重要的理论和技术支持，促进了传感器技术在无人驾驶、虚拟现实等复杂计算应用下的推广。