车联网中基于NOMA-MEC的卸载策略研究

• 作者: 张海波 刘香渝 荆昆仑 刘开健 贺晓帆
• 来源期刊: 电子与信息学报
• 关键词: 车联网 移动边缘计算 非正交多址 卸载机制
• 年，卷（期）: 2021,（4）
• 页码范围: 1072-1079
• 页数: 8页
• 分类号: TN915
• 语种: 中文
• DOI: 10.11999/JEIT200017

摘要

随着车联网(IoV)的迅猛发展，请求进行任务卸载的汽车终端用户也逐渐增长，而基于移动边缘计算(MEC)的通信网络能够有效地解决任务卸载在上行传输时延较高的挑战，但是该网络模型同时也面临着信道资源不足的问题。该文引入的非正交多址(NOMA)技术相较于正交多址(OMA)能够在相同的信道资源条件下为更多的用户提供任务卸载，同时考虑到任务卸载过程中多方面的影响因子，提出了混合NOMA-MEC卸载策略。该文设计了一种基于深度学习网络(DQN)的博弈算法，帮助车辆用户进行信道选择，并通过神经网络多次迭代学习，为用户提供最优的功率分配策略。仿真结果表明，该文所提出的混合NOMA-MEC卸载策略能够有效地优化多用户卸载的时延以及能耗，最大限度保证用户效益。