CN115551015A - 低轨卫星边缘计算系统基于ofdma的计算卸载方法 - Google Patents
低轨卫星边缘计算系统基于ofdma的计算卸载方法 Download PDFInfo
- Publication number
- CN115551015A CN115551015A CN202211141042.8A CN202211141042A CN115551015A CN 115551015 A CN115551015 A CN 115551015A CN 202211141042 A CN202211141042 A CN 202211141042A CN 115551015 A CN115551015 A CN 115551015A
- Authority
- CN
- China
- Prior art keywords
- user
- satellite
- task
- ofdma
- unloading
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/08—Load balancing or load distribution
- H04W28/09—Management thereof
- H04W28/0925—Management thereof using policies
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/14—Relay systems
- H04B7/15—Active relay systems
- H04B7/185—Space-based or airborne stations; Stations for satellite systems
- H04B7/1853—Satellite systems for providing telephony service to a mobile station, i.e. mobile satellite service
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/14—Relay systems
- H04B7/15—Active relay systems
- H04B7/185—Space-based or airborne stations; Stations for satellite systems
- H04B7/1853—Satellite systems for providing telephony service to a mobile station, i.e. mobile satellite service
- H04B7/18539—Arrangements for managing radio, resources, i.e. for establishing or releasing a connection
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/26—Systems using multi-frequency codes
- H04L27/2601—Multicarrier modulation systems
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/02—Resource partitioning among network components, e.g. reuse partitioning
- H04W16/10—Dynamic resource partitioning
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/08—Load balancing or load distribution
- H04W28/09—Management thereof
- H04W28/0958—Management thereof based on metrics or performance parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/08—Load balancing or load distribution
- H04W28/09—Management thereof
- H04W28/0958—Management thereof based on metrics or performance parameters
- H04W28/0967—Quality of Service [QoS] parameters
- H04W28/0975—Quality of Service [QoS] parameters for reducing delays
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/04—Wireless resource allocation
- H04W72/044—Wireless resource allocation based on the type of the allocated resource
- H04W72/0453—Resources in frequency domain, e.g. a carrier in FDMA
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/02—Hierarchically pre-organised networks, e.g. paging networks, cellular networks, WLAN [Wireless Local Area Network] or WLL [Wireless Local Loop]
- H04W84/04—Large scale networks; Deep hierarchical networks
- H04W84/06—Airborne or Satellite Networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Astronomy & Astrophysics (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Quality & Reliability (AREA)
- Radio Relay Systems (AREA)
Abstract
本发明公开了一种低轨卫星边缘计算系统基于OFDMA的计算卸载方法,该方法基于OFDMA联合优化卸载决策和动态资源分配策略,根据当前时刻LEO卫星服务的任务数量动态分配计算资源和带宽资源,基于匹配理论和联盟博弈论来解决卸载决策问题,利用改进的GS(Gale‑Shapley)算法和联盟博弈迭代算法求解,仿真结果表明,所提策略相较于对比策略,可以有效降低系统的时延和能耗。
Description
技术领域
本发明涉及低地球轨道(Low Earth Orbit,LEO)卫星、移动边缘计算(MEC)领域,具体是低轨卫星边缘计算系统基于OFDMA的计算卸载方法。
背景技术
第五代(5th Generation,5G)移动通信网络于2020年投入商用,6G将打造陆海空天融合通信网络,构建万物互联的智能世界,这就对网络覆盖范围有更高的要求。在海洋、沙漠等地区,由于其恶劣的地理环境,建设地面网络困难,即使可以建设基站,收入规模与建站和运维成本不相匹配。因此LEO卫星以其覆盖范围广和不受地理环境限制的优势,成为全球无缝网络服务的重要方式。
MEC是5G移动网络的重要技术,其主要思想是在网络边缘部署计算和存储资源,从而获得更好的用户体验。为了提供全球无缝低延迟网络服务,在LEO卫星上部署MEC服务器。使得用户可以直接从LEO卫星获得网络服务。
目前,涉及LEO卫星边缘计算系统的研究引起了学术界和产业界的广泛关注,主要是研究卸载决策和资源分配的优化。
发明内容
本发明考虑到计算任务和用户计算能力的差异性以及LEO卫星资源受限并具有移动特性,而提供一种低轨卫星边缘计算系统基于OFDMA的计算卸载方法。
实现本发明目的技术方案是:基于OFDMA联合优化卸载决策和动态资源分配策略(joint optimization Offloading Decision and Dynamic Resource AllocationStrategy,ODDRA),根据当前时刻LEO卫星服务的任务数量动态分配计算资源和带宽资源,基于匹配理论和联盟博弈论来解决卸载决策问题,利用改进的GS(Gale-Shapley)算法和联盟博弈迭代算法求解,仿真结果表明,所提策略相较于对比策略,可以有效降低系统的时延和能耗。
一种低轨卫星边缘计算系统基于OFDMA的计算卸载方法,包括:
(1)建立网络模型:设LEO卫星MEC系统,该系统由M颗卫星以及N个用户组成,表示为M={1,2,3......m}和N={1,2,3......n};地面用户包括有计算能力的用户终端和无计算能力的物联网终端;用户终端直接与卫星进行通信;物联网终端通过汇聚节点将任务以并行的方式发送到卫星;所有用户在一个计算卸载周期内不能动态地离开或加入,但在计算卸载周期之间可以动态变化,卸载决策用anm表示;
(2)建立本地计算模型和LEO卫星计算模型;
(3)建立问题模型;
(4)匹配-联盟卸载决策;
(5)仿真参数对照,对比不同策略性能。
进一步的:
步骤(1)所述建立网络模型,包括:
1-1.星地通信的最长时间和星地的直线距离:
1-1-1.假设用户在LEO卫星运动到A点开始上传任务,α是用户与LEO卫星的连线和水平线正方向的夹角,γ是LEO卫星对用户的剩余覆盖弧长对应的圆心角,R是地球半径,h是卫星的高度,当0<α<180时卫星能与地面用户建立通信链路;
1-1-3.LEO卫星对用户的剩余覆盖弧长表示为:L=γ(R+h);
1-1-4.LEO卫星对用户的剩余覆盖时间表示为:Tcover=L/Vs,其中VS是LEO卫星的速度
1-2.上行传输速率:
1-2-1.采用OFDMA,提出将带宽资源动态分配,任务数据传输结束的用户所分配的带宽资源重新分配给任务数据传输未结束的用户;用户n上行传输速率由一个序列组成,其中1≤i≤Nm;用户n在节点i的上行传输瞬时速率Rnmi表示为:其中Bm为卫星m信道带宽,Nm为卫星m服务的用户数,Nmi为当前节点i卫星m服务的用户数,Pn为用户n的发射功率;信道增益其中是瑞利衰落信道系数,并符合高斯分布CN(0,1),δ2为系统的高斯白噪声功率;
步骤(2)所述建立本地计算模型,包括如下步骤:
2-1.用户n与LEO卫星m存在通信链路,星地的直线距离为Snm,用户n的任务An的信息包括完成计算任务An所需的计算资源Cn(单位:cycle),任务An的数据大小Dn(单位:bit);
步骤(2)所述建立LEO卫星计算模型,是基于OFDMA建立LEO卫星计算模型,包括如下步骤:
2-2-3.根据步骤2-1的任务信息Cn,基于OFDMA提出任务并行的计算方式,并且将计算资源动态分配,任务分配到的计算资源取决于当前节点j卫星服务的用户数,任务计算卸载在任务计算过程中的计算资源序列为fnm={fnm1,fnm2......fnmj},其中1≤j≤2Nm,fnm对应的CPU周期数为Cn={Cn1,Cn2......Cnj},其中得到任务计算时延表示为:
步骤(3)所述建立问题模型,包括:
3-1.基于OFDMA最小化延迟和能耗:
以用户的时延和能耗为代价由于以下约束:约束C1表示任务卸载执行的时延不能超过LEO卫星的剩余覆盖时间,约束C2表示计算任务不能分割,C3表示用户至多选择一颗LEO卫星卸载其任务;约束C4表示LEO卫星至多能接入numbermax个用户;
基于OFDMA,联合卸载决策和动态资源分配的优化问题被表示为式:
C2:anm∈{0,1}
步骤(4)所述匹配-联盟卸载决策,包括:
4-1.多对一匹配博弈
4-1-1.每个LEO卫星最多可以匹配numbermax个用户,用户最多允许匹配一颗LEO卫星;
4-1-2定义1:给定两个不相交的有限玩家M和N,匹配博弈Φ被定义为M→N的函数,其中
4-1-5.用户和LEO卫星依据效用函数建立对彼此的偏好,获得初始用户卸载决策;
4-2.联盟博弈
4-2-1.根据步骤4-1得到的初始卸载决策;
4-2-4.联盟博弈设计一个明确定义比较两个联盟,然后设置规则,让玩家能够根据他们的喜好加入或离开他们的联盟;
4-2-5.切换准则
a)玩家n切换到其他可用卫星,新的联盟集可表示为:Θ'={Θ\{θm,θm'}}∪{θm'\{n},θm∪{n}}
b)玩家n和n'交换关联的卫星,新的联盟集可表示为:Θ'={Θ\{θm,θm'}}∪{θm'\{n}∪{n'},θm\{n'}∪{n}}
4-2-7.当没有玩家愿意离开当前的联盟加入另一个联盟时,联盟集是纳什稳定的。
步骤(5)所述仿真参数对照,对比不同策略性能,包括:
5-1.仿真设置参数10~50;LEO卫星数量3;LEO卫星总的传输带宽Bm=150Mhz;用户发射功率Pn=0.2~0.3W;任务所需CPU周期数Cn=[1,50]Gcycles;卫星总的计算资源fm=200Gcycle/s;任务的输入数据Dn=[1,1000]Mbit;
5-2.将策略与以下4种策略对比:
1)分布式多通道计算卸载(Distributed Multi-channel ComputationOffloading,DMCO)策略:将卸载决策问题表述为一个非合作博弈问题,基于OFDMA带宽资源动态分配,计算资源均分;
2)非合作博弈计算卸载(Non-cooperative Game Dynamic ComputationOffloading,NGDCO)策略:将卸载决策问题表述为一个非合作博弈问题,基于OFDMA带宽资源和计算资源动态分配;
3)匹配卸载(Matching Offloading,MO)策略:将卸载决策表述为一个匹配博弈问题,基于OFDMA带宽资源静态均分,计算资源利用凸优化算法静态分配;
4)粒子群算法(PSO Computation Offloading,PSOCO)策略:利用粒子群算法实现全部卸载,基于OFDMA带宽资源和计算资源动态分配。
本发明提出低轨卫星边缘计算系统基于OFDMA的计算卸载策略,最小化任务计算的时延和能耗代价,验证其性能,考虑任务多样性、用户通信和计算能力存在差异、LEO卫星资源和覆盖时间受限的情况,模拟了多LEO卫星和多用户的MEC系统,以及LEO卫星重叠覆盖服务区域的情况,基于OFDMA联合优化卸载决策和动态资源分配策略,根据当前时刻LEO卫星系统服务的任务数动态均分资源。设计基于匹配博弈的卸载决策。仿真结果表明,所提方案可以显著降低任务计算的平均代价。
附图说明
图1为本发明实施例LEO卫星MEC系统场景示意图;
图2为本发明实施例卫星和用户的几何关系示意图;
图3为本发明实施例用户代价与任务数量的关系示意图;
图4为本发明实施例用户代价与任务计算所需CPU周期数范围的关系示意图;
图5为本发明实施例用户代价与任务数据范围的关系示意图;
图6为本发明实施例用户代价与LEO卫星数量的关系示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的阐述,但不是对本发明内容的限定。
如图1显示的LEO卫星MEC系统,网络服务区域至少处在一颗卫星覆盖下,某些区域处在多颗卫星的重叠覆盖下。系统由M颗卫星以及N个用户组成,表示为M={1,2,3......m}和N={1,2,3......n}。地面用户包括有计算能力的用户终端和无计算能力的物联网(Internet of Things,IoT)终端。用户终端可以直接与卫星进行通信。IoT终端由于通信能力受限,需要通过汇聚节点将任务以并行的方式发送到卫星。每颗卫星的计算资源受限。每个用户有一个不可分割的计算任务,所有用户在一个计算卸载周期内不能动态地离开或加入,但在计算卸载周期之间可以动态变化。卸载决策用anm表示。
图2显示卫星和用户的几何关系,考虑到LEO卫星的移动特性,假设用户在LEO卫星运动到A点开始上传任务,α是用户与LEO卫星的连线和水平线正方向的夹角,γ是LEO卫星对用户的剩余覆盖弧长对应的圆心角,R是地球半径,h是卫星的高度。不考虑其他因素的影响,当0<α<180时卫星能与地面用户建立通信链路。
图3显示用户代价与任务数量的关系,将ODDRA策略与其它策略进行对比,所提策略的平均性能都优于其他策略。ODDRA比DMCO,MO,NGDCO,PSOCO平均减小60.95%,49.34%,11.17%,6.03%的用户代价。
图4显示用户代价与任务计算所需CPU周期数范围的关系,不同策略的用户代价都增加。将ODDRA与其它策略进行对比,所提策略的平均性能都优于其他策略,然而随着任务计算所需CPU周期数增加,ODDRA比DMCO,MO,NGDCO,PSOCO平均减小40.18%,41.29%,8.33%,5.78%的用户代价。
图5显示用户代价与任务数据范围的关系,将ODDRA策略与其它策略进行对比,所提策略的平均性能都优于其他策略,但是随着任务数据大小增大,ODDRA对比PSOCO的优势逐渐减小,当任务数据大小超过8000Mbit时PSOCO用户代价小于ODDRA,但是差距较小。
图6显示用户代价与LEO卫星数量的关系,将ODDRA策略与其它策略进行对比,所提策略的平均性能都优于其他策略,并且随着LEO卫星数量增多,ODDRA对比PSOCO的优势逐渐增大。ODDRA比DMCO,MO,NGDCO,PSOCO平均减小63.51%、50.90%、11.93%、8.48%的用户代价。
Claims (7)
1.一种低轨卫星边缘计算系统基于OFDMA的计算卸载方法,其特征是:包括:
(1)建立网络模型:设LEO卫星MEC系统,该系统由M颗卫星以及N个用户组成,表示为M={1,2,3......m}和N={1,2,3......n};地面用户包括有计算能力的用户终端和无计算能力的物联网终端;用户终端直接与卫星进行通信;物联网终端通过汇聚节点将任务以并行的方式发送到卫星;所有用户在一个计算卸载周期内不能动态地离开或加入,但在计算卸载周期之间可以动态变化,卸载决策用anm表示;
(2)建立本地计算模型和LEO卫星计算模型;
(3)建立问题模型;
(4)匹配-联盟卸载决策;
(5)仿真参数对照,对比不同策略性能。
2.根据权利要求1所述的低轨卫星边缘计算系统基于OFDMA的计算卸载方法,其特征是:步骤(1)所述建立网络模型,包括:
1-1.星地通信的最长时间和星地的直线距离:
1-1-1.假设用户在LEO卫星运动到A点开始上传任务,α是用户与LEO卫星的连线和水平线正方向的夹角,γ是LEO卫星对用户的剩余覆盖弧长对应的圆心角,R是地球半径,h是卫星的高度,当0<α<180时卫星能与地面用户建立通信链路;
1-1-3.LEO卫星对用户的剩余覆盖弧长表示为:L=γ(R+h);
1-1-4.LEO卫星对用户的剩余覆盖时间表示为:Tcover=L/Vs,其中VS是LEO卫星的速度;
1-2.上行传输速率:
4.根据权利要求1所述的低轨卫星边缘计算系统基于OFDMA的计算卸载方法,其特征是:步骤(2)所述建立LEO卫星计算模型,是基于OFDMA建立LEO卫星计算模型,包括如下步骤:
2-2-3.根据步骤2-1的任务信息Cn,基于OFDMA提出任务并行的计算方式,并且将计算资源动态分配,任务分配到的计算资源取决于当前节点j卫星服务的用户数,任务计算卸载在任务计算过程中的计算资源序列为fnm={fnm1,fnm2......fnmj},其中1≤j≤2Nm,fnm对应的CPU周期数为Cn={Cn1,Cn2......Cnj},其中得到任务计算时延表示为:
6.根据权利要求1所述的低轨卫星边缘计算系统基于OFDMA的计算卸载方法,其特征是:步骤(4)所述匹配-联盟卸载决策,包括:
4-1.多对一匹配博弈
4-1-1.每个LEO卫星最多可以匹配numbermax个用户,用户最多允许匹配一颗LEO卫星;
4-1-2定义1:给定两个不相交的有限玩家M和N,匹配博弈Φ被定义为M→N的函数,其中
4-1-5.用户和LEO卫星依据效用函数建立对彼此的偏好,获得初始用户卸载决策;
4-2.联盟博弈
4-2-1.根据步骤4-1得到的初始卸载决策;
4-2-4.联盟博弈设计一个明确定义比较两个联盟,然后设置规则,让玩家能够根据他们的喜好加入或离开他们的联盟;
4-2-5.切换准则
a)玩家n切换到其他可用卫星,新的联盟集可表示为:Θ'={Θ\{θm,θm'}}∪{θm'\{n},θm∪{n}}
b)玩家n和n'交换关联的卫星,新的联盟集可表示为:Θ'={Θ\{θm,θm'}}∪{θm'\{n}∪{n'},θm\{n'}∪{n}}
4-2-7.当没有玩家愿意离开当前的联盟加入另一个联盟时,联盟集是纳什稳定的。
7.根据权利要求1所述的低轨卫星边缘计算系统基于OFDMA的计算卸载方法,其特征是:步骤(5)所述仿真参数对照,对比不同策略性能,包括:
5-1.仿真设置参数10~50;LEO卫星数量3;LEO卫星总的传输带宽Bm=150Mhz;用户发射功率Pn=0.2~0.3W;任务所需CPU周期数Cn=[1,50]Gcycles;卫星总的计算资源fm=200Gcycle/s;任务的输入数据Dn=[1,1000]Mbit;
5-2.将策略与以下4种策略对比:
1)分布式多通道计算卸载策略:将卸载决策问题表述为一个非合作博弈问题,基于OFDMA带宽资源动态分配,计算资源均分;
2)非合作博弈计算卸载策略:将卸载决策问题表述为一个非合作博弈问题,基于OFDMA带宽资源和计算资源动态分配;
3)匹配卸载策略:将卸载决策表述为一个匹配博弈问题,基于OFDMA带宽资源静态均分,计算资源利用凸优化算法静态分配;
4)粒子群算法策略:利用粒子群算法实现全部卸载,基于OFDMA带宽资源和计算资源动态分配。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211141042.8A CN115551015A (zh) | 2022-09-20 | 2022-09-20 | 低轨卫星边缘计算系统基于ofdma的计算卸载方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211141042.8A CN115551015A (zh) | 2022-09-20 | 2022-09-20 | 低轨卫星边缘计算系统基于ofdma的计算卸载方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115551015A true CN115551015A (zh) | 2022-12-30 |
Family
ID=84727746
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211141042.8A Pending CN115551015A (zh) | 2022-09-20 | 2022-09-20 | 低轨卫星边缘计算系统基于ofdma的计算卸载方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115551015A (zh) |
-
2022
- 2022-09-20 CN CN202211141042.8A patent/CN115551015A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112492626B (zh) | 一种移动用户计算任务的卸载方法 | |
CN111586720B (zh) | 一种多小区场景下的任务卸载和资源分配的联合优化方法 | |
CN114124195A (zh) | 一种面向leo卫星系统的多星mec计算卸载策略 | |
CN111586696B (zh) | 一种基于多智能体架构强化学习的资源分配及卸载决策方法 | |
CN107995660B (zh) | 支持d2d-边缘服务器卸载的联合任务调度及资源分配方法 | |
CN108964817B (zh) | 一种异构网络联合计算卸载及资源分配方法 | |
CN109413724A (zh) | 一种基于mec的任务卸载和资源分配方案 | |
CN111930436A (zh) | 一种基于边缘计算的随机型任务排队卸载优化方法 | |
CN113286317B (zh) | 一种基于无线供能边缘网络的任务调度方法 | |
CN114153515B (zh) | 一种基于5g毫米波通信的高速公路车联网任务卸载算法 | |
CN115022894A (zh) | 一种低轨卫星网络的任务卸载与计算资源分配方法及系统 | |
CN112654058A (zh) | D2d多播网络中的移动边缘计算卸载与资源分配算法 | |
Gan et al. | Trajectory optimization and computing offloading strategy in UAV-assisted MEC system | |
Yang et al. | UAV-assisted 5G/6G networks: Joint scheduling and resource allocation based on asynchronous reinforcement learning | |
CN115118323B (zh) | 空天地网络中最小化传输时延的预判决路由方法 | |
Wang et al. | A computation offloading strategy for LEO satellite mobile edge computing system | |
CN115396953A (zh) | 移动边缘计算中一种基于改进粒子群算法的计算卸载方法 | |
Chen et al. | Delay optimization with FCFS queuing model in mobile edge computing-assisted UAV swarms: A game-theoretic learning approach | |
Luo et al. | Joint game theory and greedy optimization scheme of computation offloading for UAV-aided network | |
CN117221948A (zh) | 一种面向密集场景的网络选择和功率控制方法 | |
CN115551015A (zh) | 低轨卫星边缘计算系统基于ofdma的计算卸载方法 | |
Yang et al. | A resource allocation method based on the core server in the collaborative space for mobile edge computing | |
Yang et al. | Deep reinforcement learning based green resource allocation mechanism in edge computing driven power Internet of Things | |
CN115988570A (zh) | 低轨卫星边缘计算系统基于tdma的计算卸载方法 | |
CN109041113B (zh) | 一种面向未来5g网络的虚拟ue传输任务分配装置和方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |