摘 要：在電力物聯(lián)網(wǎng)（Ｐｏｗｅｒ Ｉｎｔｅｒｎｅｔ ｏｆ Ｔｈｉｎｇｓ，ＰＩｏＴ）中，移動(dòng)終端設(shè)備接入會(huì)產(chǎn)生大量的異構(gòu)數(shù)據(jù)，給通信信道及中央存儲(chǔ)計(jì)算系統(tǒng)帶來(lái)巨大壓力，對(duì)系統(tǒng)的穩(wěn)定性和能源消耗帶來(lái)了挑戰(zhàn)。為應(yīng)對(duì)這一挑戰(zhàn)，提出了基于稀疏碼多址接入（Ｓｐａｒｓｅ Ｃｏｄｅ Ｍｕｌｔｉｐｌｅ Ａｃｃｅｓｓ，ＳＣＭＡ）技術(shù)的移動(dòng)邊緣計(jì)算（Ｍｏｂｉｌｅ Ｅｄｇｅ Ｃｏｍｐｕｔｉｎｇ，ＭＥＣ）的異構(gòu)網(wǎng)絡(luò)優(yōu)化方案。為了最小化系統(tǒng)總開(kāi)銷，考慮了在資源受限的情況下設(shè)備的能源消耗和計(jì)算資源分配，提出了基于最優(yōu)功率分配的聯(lián)合隨機(jī)碼本分配的算法，實(shí)現(xiàn)移動(dòng)終端設(shè)備能耗最小化。通過(guò)構(gòu)建約束多目標(biāo)優(yōu)化問(wèn)題的數(shù)學(xué)模型，設(shè)計(jì)了一種基于帕累托前沿的多目標(biāo)鯨魚(yú)優(yōu)化算法（Ｐａｒｅｔｏ Ｆｒｏｎｔｉｅｒ-Ｍｕｌｔｉ Ｏｂｊｅｃｔｉｖｅ Ｗｈａｌｅ Ｏｐｔｉｍｉｚａｔｉｏｎ Ａｌｇｏｒｉｔｈｍ，ＰＦ-ＭＯＷＯＡ）用于任務(wù)卸載。仿真結(jié)果表明，在滿足能耗和時(shí)延的約束條件下，所提算法相較于其他算法具有更低的系統(tǒng)總能耗，且聯(lián)合任務(wù)卸載優(yōu)化算法可以進(jìn)一步降低系統(tǒng)的總開(kāi)銷。

關(guān)鍵詞：電力物聯(lián)網(wǎng)；稀疏碼多址接入；移動(dòng)邊緣計(jì)算；任務(wù)卸載；資源分配

中圖分類號(hào)：ＴＮ９１９． ２３ 文獻(xiàn)標(biāo)志碼：Ａ 開(kāi)放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（ＯＳＩＤ）：

文章編號(hào)：１００３－３１１４（２０２４）０４－０６４０－０７

０ 引言

隨著５Ｇ 無(wú)線通信技術(shù)在電力物聯(lián)網(wǎng)（ＰｏｗｅｒＩｎｔｅｒｎｅｔ ｏｆ Ｔｈｉｎｇｓ，ＰＩｏＴ）的應(yīng)用和普及，面臨著數(shù)據(jù)急劇增長(zhǎng)和大規(guī)模設(shè)備連接的挑戰(zhàn)。作為５Ｇ 及其后續(xù)發(fā)展的關(guān)鍵技術(shù)，移動(dòng)邊緣計(jì)算（Ｍｏｂｉｌｅ ＥｄｇｅＣｏｍｐｕｔｉｎｇ，ＭＥＣ）和稀疏碼多址接入（Ｓｐａｒｓｅ ＣｏｄｅＭｕｌｔｉｐｌｅ Ａｃｃｅｓｓ，ＳＣＭＡ）技術(shù)［１］可作為上述挑戰(zhàn)的解決方案［２］。ＳＣＭＡ 作為新型多址技術(shù)中的一種，能夠利用有限的頻譜資源，實(shí)現(xiàn)更高效的數(shù)據(jù)傳輸。文獻(xiàn)［３］研究了分配ＳＣＭＡ 碼本減少設(shè)備之間的小區(qū)干擾來(lái)提高傳輸速率。因此，在ＰＩｏＴ 中的大規(guī)模終端設(shè)備可以通過(guò)共享同一ＳＣＭＡ 碼本和各電網(wǎng)節(jié)點(diǎn)進(jìn)行通信，保證數(shù)據(jù)傳輸?shù)倪B通性。引入ＳＣＭＡ技術(shù)可將５Ｇ 基站的資源功率分配為能效最大化，并利用有限頻譜資源來(lái)提升系統(tǒng)的整體效率［４］；同時(shí)降低傳輸時(shí)延，確保數(shù)據(jù)的即時(shí)性；其還具備較強(qiáng)的抗干擾能力。在系統(tǒng)效率提升的同時(shí)，通信系統(tǒng)的能耗隨之增加，系統(tǒng)的性能也會(huì)降低。將ＳＣＭＡ技術(shù)運(yùn)用到節(jié)能資源分配算法中，可降低系統(tǒng)能耗提升性能［５－６］。

文獻(xiàn)［４，６－８］提出將ＳＣＭＡ 技術(shù)應(yīng)用于ＭＥＣ系統(tǒng)中，可以滿足物聯(lián)網(wǎng)的大規(guī)模連通性，將多用戶的計(jì)算任務(wù)進(jìn)行合理有效的分配，為資源受限的用戶提供技術(shù)支持。在電力系統(tǒng)中海量的實(shí)時(shí)數(shù)據(jù)會(huì)對(duì)云端資源造成壓力，ＭＥＣ 技術(shù)可利用不同邊緣節(jié)點(diǎn)進(jìn)行計(jì)算協(xié)調(diào)獲取全局結(jié)果，實(shí)現(xiàn)電力系統(tǒng)的快速響應(yīng)和本地自治［８－１１］。文獻(xiàn)［１２－１６］均提出基于非正交多址（Ｎｏｎ-Ｏｒｔｈｏｇｏｎａｌ Ｍｕｌｔｉｐｌｅ Ａｃｃｅｓ，ＮＯＭＡ）技術(shù)的ＭＥＣ 模型，可提高網(wǎng)絡(luò)效率和資源利用率。文獻(xiàn)［１７ － １８ ］采用鯨魚(yú)優(yōu)化算法（ＷｈａｌｅＯｐｔｉｍｉｚａｔｉｏｎ Ａｌｇｏｒｉｔｈｍ，ＷＯＡ）用于ＮＯＭＡ-ＭＥＣ 卸載策略以實(shí)現(xiàn)高服務(wù)質(zhì)量（Ｑｕａｌｉｔｙ ｏｆ Ｓｅｒｖｉｃｅ，ＱｏＳ）和高體驗(yàn)質(zhì)量（Ｑｕａｌｉｔｙ ｏｆ Ｅｘｐｅｒｉｅｎｃｅ，ＱｏＥ）。文獻(xiàn)［１９］提出ＳＣＭＡ 的系統(tǒng)性能優(yōu)于功率域非正交多址（Ｐｏｗｅｒ Ｄｏｍａｉｎ Ｎｏｎ-Ｏｒｔｈｏｇｏｎａｌ Ｍｕｌｔｉｐｌｅ Ａｃｃｅｓ，ＰＤ-ＮＯＭＡ）的系統(tǒng)，ＳＣＭＡ 可能在資源分配方面采用了更有效的算法或策略，但也伴隨著更高的復(fù)雜度［２０］。

由此，本文提出一種基于ＳＣＭＡ-ＭＥＣ 的異構(gòu)網(wǎng)絡(luò)方案，以最小化任務(wù)的時(shí)延和能耗的加權(quán)和為目標(biāo)。為ＰＩｏＴ 中資源受限的設(shè)備提供大規(guī)模連接和及時(shí)高效的計(jì)算服務(wù)，提高系統(tǒng)的通信效率和能源利用率。

１ 系統(tǒng)模型

基于ＳＣＭＡ 碼本分配的ＭＥＣ 系統(tǒng)模型如圖１所示，考慮了ＰＩｏＴ 場(chǎng)景下的ＳＣＭＡ-ＭＥＣ 系統(tǒng)，包括宏基站（Ｍａｃｒｏ Ｂａｓｅ Ｓｔａｔｉｏｎ，ＭＢＳ）、微基站（ＳｍａｌｌＢａｓｅ Ｓｔａｔｉｏｎ，ＳＢＳ）和Ｍ 個(gè)用戶終端，且每個(gè)基站均配置ＭＥＣ 服務(wù)器。其中終端設(shè)備Ｍ ＝ ｛１，２，…，ｍ，…，Ｎｍ｝。假定在電力系統(tǒng)中的每個(gè)設(shè)備有多個(gè)計(jì)算任務(wù)，任務(wù)可在本地執(zhí)行，也可以卸載到基站ＭＥＣ 服務(wù)器執(zhí)行。

１． １ 通信系統(tǒng)模型

在ＳＣＭＡ 上行鏈路中，考慮ＰＩｏＴ 設(shè)備可以通過(guò)共享同一碼本增加系統(tǒng)間的連通性。子載波集表示為Ｊ＝｛１，２，…，ｊ，…，Ｎｊ｝，其中每個(gè)子載波最多可以分配給ｄｓ 個(gè)碼本，每個(gè)碼本最多可以分配ｄｃ 個(gè)子載波。用矩陣Ｆ ＝ ｛ｆｊ，ｍ｝表示碼本和子載波之間的映射關(guān)系，其中ｆｊ，ｍ ＝ １ 表示第ｍ 個(gè)用戶占用ｊ 個(gè)時(shí)頻資源，否則ｆｊ，ｍ ＝０。因此，用戶ｍ 在子載波加上的信噪比為：

因?yàn)槭剑ǎ常埃┐嬖诩s束條件，引入罰函數(shù)將違反約束條件的解懲罰，使得優(yōu)化算法更傾向于生成滿足約束條件的解：

４ 仿真結(jié)果與分析

在ＳＣＭＡ-ＭＥＣ 的網(wǎng)絡(luò)方案中，考慮了上行鏈路的通信網(wǎng)絡(luò)，其中包含８ 個(gè)ＰＩｏＴ 設(shè)備（Ｍ ＝ ８），這些設(shè)備隨機(jī)分布在一個(gè)１ ｋｍ×１ ｋｍ 的區(qū)域內(nèi)，而配備ＭＥＣ 服務(wù)器的ＭＢＳ 位于該區(qū)域的中心，如圖２所示。

在模型中采用了通用的ＳＣＭＡ 方案，其中矩陣Ｆ 的維度為４×６，每個(gè)碼本占用２ 個(gè)子載波，每個(gè)子載波最多被ＳＣＭＡ 碼本使用ｄｓ ＝ ３ 次。為反映實(shí)際場(chǎng)景，功率放大器的低效率因子設(shè)置為v＝１． ０２８ １，物聯(lián)網(wǎng)設(shè)備Ｐｍ 的最大發(fā)射功率設(shè)置為２３ ｄＢｍ；設(shè)置系統(tǒng)帶寬Ｂ ＝ １５６ ｋＨｚ，噪聲功率ｎ０ ＝ －１５０ ｄＢｍ／Ｈｚ；終端設(shè)備Ｐｍ 的最大發(fā)射功率設(shè)置為２３ ｄＢｍ，ＭＥＣ 服務(wù)器計(jì)算能力ｆ０ ＝ ４． ０×１０９。計(jì)算任務(wù)所需的數(shù)據(jù)大小為ｄｍ ＝ １×４２０ ０００，ＣＰＵ 周期數(shù)ｃｍ ＝ １×１０９，本地計(jì)算能力ｆｌｏｃａｌ ＝５×１０８。

圖３ 將提出的ＳＣＭＡ 自適應(yīng)碼本和功率分配算法（包括等功率、最優(yōu)功率、隨機(jī)功率）與快速迭代算法（Ｆａｓｔ Ｉｔｅｒａｔｉｖｅ Ａｌｇｏｒｉｔｈｍ，ＦＩＡ）［１２］的功率分配方案進(jìn)行比較。結(jié)果顯示，隨著設(shè)備數(shù)量的增加，系統(tǒng)能耗加快增長(zhǎng)，這是由于設(shè)備的卸載效率提高，導(dǎo)致上行鏈路的能耗增加。例如，當(dāng)設(shè)備數(shù)量Ｍ ＝ ５ 時(shí)，所提出的算法（包括等功率、最優(yōu)功率）相對(duì)于對(duì)比算法，系統(tǒng)總能耗分別降低了約４３％ 、５６％ 、６０％ 。因此，可以得出結(jié)論，所提出的最優(yōu)功率優(yōu)化算法能夠顯著降低系統(tǒng)的總功耗。

圖４ 比較了設(shè)備數(shù)量Ｍ ＝ ８ 時(shí)不同方案的系統(tǒng)時(shí)延，“Ａｌｌ ＭＥＣ”和“Ａｌｌ Ｌｏｃａｌ”分別表示由ＭＥＣ 服務(wù)器和本地設(shè)備執(zhí)行的任務(wù)。本地卸載和ＭＥＣ 服務(wù)器卸載的時(shí)延是相對(duì)較高，因?yàn)檫@兩種方案的任務(wù)卸載策略是相同的。當(dāng)任務(wù)在設(shè)備側(cè)執(zhí)行時(shí)，會(huì)消耗更多的能量，當(dāng)α 減小時(shí)，Ａｌｌ ＭＥＣ 的時(shí)延小于Ａｌｌ Ｌｏｃａｌ 的時(shí)延；當(dāng)α ＝ ０． ５ 時(shí)，ＭＥＣ 全局任務(wù)的時(shí)延略高于本地執(zhí)行的時(shí)延。這是因?yàn)橛?jì)算能力受到了限制，導(dǎo)致全部任務(wù)卸載至ＭＥＣ 服務(wù)器的時(shí)延較高。將所提出的卸載策略與ＦＩＡ［５］結(jié)合，所產(chǎn)生的任務(wù)時(shí)延在最小權(quán)重比下比所提出的ＳＣＭＡＭＥＣ方案高８７． ５％ 。因?yàn)?，小部分?jì)算任務(wù)都被卸載到ＭＥＣ 服務(wù)器時(shí)，分配給每個(gè)設(shè)備的計(jì)算資源更多，從而導(dǎo)致時(shí)延較短。

考慮能耗和時(shí)延是降低系統(tǒng)總開(kāi)銷的重要因素。不同權(quán)重下設(shè)備任務(wù)的總開(kāi)銷如圖５ 所示?？梢钥闯觯?dāng)α 值減小時(shí)，設(shè)備更傾向于將任務(wù)卸載到ＭＥＣ 服務(wù)器上。相較于完全在本地設(shè)備上執(zhí)行任務(wù)，這種策略可以有效節(jié)省能源消耗。例如，當(dāng)設(shè)備數(shù)量Ｍ＝５ 時(shí)，總開(kāi)銷減少了約３２％ 。因此，基于ＰＦ-ＭＯＷＯＡ 的聯(lián)合資源功率分配和任務(wù)卸載策略在不同權(quán)重下的需求下可提高計(jì)算資源利用率。

任務(wù)卸載策略下的系統(tǒng)總能效如圖６ 所示?？梢钥闯?，在ＳＣＭＡ-ＭＥＣ 網(wǎng)絡(luò)模型中，設(shè)備數(shù)量的增加會(huì)導(dǎo)致較高的卸載效用。隨著權(quán)重比的減小，系統(tǒng)的總體效用也會(huì)增加，并且在達(dá)到一定數(shù)量時(shí)趨于穩(wěn)定。因此，ＭＥＣ 服務(wù)器可以分配更多的計(jì)算資源，分擔(dān)本地設(shè)備的壓力，體現(xiàn)邊緣計(jì)算的優(yōu)勢(shì)。

５ 結(jié)束語(yǔ)

在ＰＩｏＴ 中，通信和計(jì)算資源之間存在競(jìng)爭(zhēng)問(wèn)題，而計(jì)算卸載可能會(huì)帶來(lái)額外開(kāi)銷的挑戰(zhàn)。因此，本文結(jié)合了ＳＣＭＡ 和ＭＥＣ 技術(shù)，通過(guò)資源功率分配和卸載策略來(lái)解決這些問(wèn)題，且采用ＰＦＭＯＷＯＡ找到一組最優(yōu)解，降低了系統(tǒng)的能量消耗，減少了系統(tǒng)總開(kāi)銷?？偟膩?lái)說(shuō)，所提算法在有限頻譜資源下連接更多用戶，提高了系統(tǒng)的總體性能，增強(qiáng)了系統(tǒng)的穩(wěn)定性。

參考文獻(xiàn)

［１］ ＮＩＫＯＰＯＵＲ Ｈ，ＢＡＬＩＧＨ Ｈ． Ｓｐａｒｓｅ Ｃｏｄｅ Ｍｕｌｔｉｐｌｅ Ａｃｃｅｓｓ［Ｃ］∥２０１３ ＩＥＥＥ ２４ｔｈ Ａｎｎｕａｌ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｓｙｍｐｏｓｉｕｍｏｎ Ｐｅｒｓｏｎａｌ，Ｉｎｄｏｏｒ，ａｎｄ Ｍｏｂｉｌｅ Ｒａｄｉｏ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ（ＰＩＭＲＣ）． Ｌｏｎｄｏｎ：ＩＥＥＥ，２０１３：３３２－３３６．

［２］ ＭＡＨＢＵＢ Ｍ，ＳＨＵＢＡＩＲ Ｒ Ｍ． Ｃｏｎｔｅｍｐｏｒａｒｙ Ａｄｖａｎｃｅｓ ｉｎＭｕｌｔｉａｃｃｅｓｓ Ｅｄｇｅ Ｃｏｍｐｕｔｉｎｇ：Ａ Ｓｕｒｖｅｙ ｏｆ Ｆｕｎｄａｍｅｎｔａｌｓ，Ａｒｃｈｉｔｅｃｔｕｒｅ，Ｔｅｃｈｎｏｌｏｇｉｅｓ，Ｄｅｐｌｏｙｍｅｎｔ Ｃａｓｅｓ，Ｓｅｃｕｒｉｔｙ，Ｃｈａｌｌｅｎｇｅｓ，ａｎｄ Ｄｉｒｅｃｔｉｏｎｓ ［Ｊ］． Ｊｏｕｒｎａｌ ｏｆ Ｎｅｔｗｏｒｋ ａｎｄＣｏｍｐｕｔｅｒ Ａｐｐｌｉｃａｔｉｏｎｓ，２０２３，２１９：１０３７２６．

［３］ ＸＩＯＮＧ Ｇ，ＳＵＮ Ｊ． Ａｎ Ｏｐｔｉｍａｌ Ｒｅｓｏｕｒｃｅ Ａｌｌｏｃａｔｉｏｎ Ａｌｇｏｒｉｔｈｍ Ｂａｓｅｄ ｏｎ Ｓｕｍ Ｒａｔｅ Ｍａｘｉｍｉｚａｔｉｏｎ ｆｏｒ Ｕｐｌｉｎｋ ＳＣＭＡＳｙｓｔｅｍ［Ｃ］∥ ２０１８ ＩＥＥＥ １８ｔｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅｏｎ Ｃｏｍｍｕｎｉｃａｔｉｏｎ Ｔｅｃｈｎｏｌｏｇｙ （ＩＣＣＴ）． Ｃｈｏｎｇｑｉｎｇ：ＩＥＥＥ，２０１８：８０５－８１０．

［４］ ＬＩＵ Ｐ Ｔ，ＡＮ Ｋ，ＬＥＩ Ｊ，ｅｔ ａｌ． ＳＣＭＡｅｎａｂｌｅｄ ＭｕｌｔｉｃｅｌｌＥｄｇｅ Ｃｏｍｐｕｔｉｎｇ Ｎｅｔｗｏｒｋｓ：Ｄｅｓｉｇｎ ａｎｄ Ｏｐｔｉｍｉｚａｔｉｏｎ［Ｊ］．ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｖｅｈｉｃｕｌａｒ Ｔｅｃｈｎｏｌｏｇｙ，２０２３，７２（６）：７９８７－８００３．

［５］ ＰＨＡＭ Ｑ Ｖ，ＦＡＮＧ Ｆ，ＨＡ Ｖ Ｎ，ｅｔ ａｌ． Ａ Ｓｕｒｖｅｙ ｏｆ Ｍｕｌｔｉａｃｃｅｓｓ Ｅｄｇｅ Ｃｏｍｐｕｔｉｎｇ ｉｎ ５Ｇ ａｎｄ Ｂｅｙｏｎｄ：Ｆｕｎｄａｍｅｎｔａｌｓ，Ｔｅｃｈｎｏｌｏｇｙ Ｉｎｔｅｇｒａｔｉｏｎ，ａｎｄ Ｓｔａｔｅｏｆｔｈｅａｒｔ［Ｊ］． ＩＥＥＥ Ａｃｃｅｓｓ，２０２０，８：１１６９７４－１１７０１７．

［６］ 張鵬舉，葛文萍，張永星，等． ＳＣＭＡ 系統(tǒng)中一種新節(jié)能資源分配算法［Ｊ］． 激光雜志，２０２０，４１（６）：１０６－１１０．

［７］ ＡＬＮＯＭＡＮ Ａ，ＥＲＫＵＣＵＫ Ｓ，ＡＮＰＡＬＡＧＡＮ Ａ． ＳｐａｒｓｅＣｏｄｅ Ｍｕｌｔｉｐｌｅ Ａｃｃｅｓｓｂａｓｅｄ Ｅｄｇｅ Ｃｏｍｐｕｔｉｎｇ ｆｏｒ ＩｏＴ Ｓｙｓｔｅｍｓ［Ｊ］． ＩＥＥＥ Ｉｎｔｅｒｎｅｔ ｏｆ Ｔｈｉｎｇｓ Ｊｏｕｒｎａｌ，２０１９，６（４）：７１５２－７１６１．

［８］ ＹＡＮＧ Ｘ Ｌ，ＹＡＯ Ｔ，ＸＩＮ Ｒ，ｅｔ ａｌ． Ｓｌｉｃｉｎｇ Ａｌｌｏｃａｔｉｏｎ Ｏｐｔｉｍｉｚａｔｉｏｎ Ｂａｓｅｄ ｏｎ ＭＥＣ Ｓｅｒｖｉｃｅａｗａｒｅ ｉｎ ５Ｇ Ｓｍａｒｔ ＧｒｉｄｓＥｎａｂｌｅｄ Ｓｕｒｖｅｉｌｌａｎｃｅ Ｓｙｓｔｅｍ［Ｃ］∥２０２１ ７ｔｈ ＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ （ＩＣＣＣ）．Ｃｈｅｎｇｄｕ：ＩＥＥＥ，２０２１：２２６９－２２７３．

［９］ ＺＨＯＵ Ｚ Ｙ，ＪＩＡ Ｚ Ｈ，ＬＩＡＯ Ｈ Ｊ，ｅｔ ａｌ． Ｓｅｃｕｒｅ ａｎｄＬａｔｅｎｃｙａｗａｒｅ Ｄｉｇｉｔａｌ Ｔｗｉｎ Ａｓｓｉｓｔｅｄ Ｒｅｓｏｕｒｃｅ Ｓｃｈｅｄｕｌｉｎｇｆｏｒ ５Ｇ Ｅｄｇｅ Ｃｏｍｐｕｔｉｎｇｅｍｐｏｗｅｒｅｄ Ｄｉｓｔｒｉｂｕｔｉｏｎ Ｇｒｉｄｓ［Ｊ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｄｕｓｔｒｉａｌ Ｉｎｆｏｒｍａｔｉｃｓ，２０２２，１８（７）：４９３３－４９４３．

［１０］ＧＨＯＬＡＭＩ Ａ，ＲＡＯ Ｋ，ＨＳＩＵＮＧ Ｗ Ｐ，ｅｔ ａｌ． ＲＯＭＡ：Ｒｅｓｏｕｒｃｅ Ｏｒｃｈｅｓｔｒａｔｉｏｎ ｆｏｒ Ｍｉｃｒｏｓｅｒｖｉｃｅｓｂａｓｅｄ ５Ｇ Ａｐｐｌｉｃａｔｉｏｎｓ［Ｃ］∥ＮＯＭＳ ２０２２－２０２２ ＩＥＥＥ／ ＩＦＩＰ Ｎｅｔｗｏｒｋ Ｏｐｅｒａｔｉｏｎｓ ａｎｄ Ｍａｎａｇｅｍｅｎｔ Ｓｙｍｐｏｓｉｕｍ． Ｂｕｄａｐｅｓｔ：ＩＥＥＥ，２０２２：１－９．

［１１］ＺＨＡＮＧ Ｘ Ｗ，ＺＨＡＮＧ Ｄ Ｌ． Ｓｐａｒｓｅ Ｓｕｐｅｒｉｍｐｏｓｅｄ ＣｏｄｉｎｇＢａｓｅｄ ｏｎ Ｉｎｄｅｘ Ｒｅｄｅｆｉｎｉｔｉｏｎ［Ｊ］． ＩＥＥＥ ＣｏｍｍｕｎｉｃａｔｉｏｎｓＬｅｔｔｅｒｓ，２０２３，２７（５）：１４６７－１４７１．

［１２］ＬＩＵ Ｂ Ｈ，ＬＩＵ Ｃ Ｘ，ＰＥＮＧ Ｍ Ｇ． Ｒｅｓｏｕｒｃｅ Ａｌｌｏｃａｔｉｏｎ ｆｏｒＥｎｅｒｇｙｅｆｆｉｃｉｅｎｔ ＭＥＣ ｉｎ ＮＯＭＡｅｎａｂｌｅｄ Ｍａｓｓｉｖｅ ＩｏＴ Ｎｅｔｗｏｒｋｓ［Ｊ］． ＩＥＥＥ Ｊｏｕｒｎａｌ ｏｎ Ｓｅｌｅｃｔｅｄ Ａｒｅａｓ ｉｎ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ，２０２０，３９（４）：１０１５－１０２７．

［１３］ＳＵ Ｂ Ｂ，ＬＩＵ Ｈ Ｂ，ＭＥＮＧ Ｊ． Ｊｏｉｎｔ Ｔｉｍｅ ａｎｄ Ｐｏｗｅｒ Ａｌｌｏｃａｔｉｏｎ ｆｏｒ Ｗｉｒｅｌｅｓｓ Ｐｏｗｅｒｅｄ ＮＯＭＡＭＥＣ Ｓｙｓｔｅｍｓ ［Ｃ］∥２０２１ １３ｔｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ ＣｏｍｍｕｎｉｃａｔｉｏｎＳｏｆｔｗａｒｅ ａｎｄ Ｎｅｔｗｏｒｋｓ（ＩＣＣＳＮ）． Ｃｈｏｎｇｑｉｎｇ：ＩＥＥＥ，２０２１：２４－２８．

［１４］ＰＡＮ Ｙ Ｊ，ＣＨＥＮ Ｍ，ＹＡＮＧ Ｚ Ｈ，ｅｔ ａｌ． ＥｎｅｒｇｙｅｆｆｉｃｉｅｎｔＮＯＭＡｂａｓｅｄ Ｍｏｂｉｌｅ Ｅｄｇｅ Ｃｏｍｐｕｔｉｎｇ Ｏｆｆｌｏａｄｉｎｇ ［Ｊ］．ＩＥＥＥ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｌｅｔｔｅｒｓ，２０１９，２３（２）：３１０－３１３．

［１５］周天清，胡海琴，曾新亮． ＮＯＭＡＭＥＣ 系統(tǒng)中基于改進(jìn)遺傳算法的協(xié)作式計(jì)算卸載與資源管理［Ｊ］． 電子與信息學(xué)報(bào)，２０２２，４４（９）：３０１４－３０２３．

［１６］ＫＩＡＮＩ Ａ Ｙ，ＨＡＳＳＡＮ Ｓ Ａ，ＳＵ Ｂ Ｂ，ｅｔ ａｌ． Ｍｉｎｉｍｉｚｉｎｇ ｔｈｅＴｒａｎｓａｃｔｉｏｎ Ｔｉｍｅ Ｄｉｆｆｅｒｅｎｃｅ ｆｏｒ ＮＯＭＡｂａｓｅｄ ＭｏｂｉｌｅＥｄｇｅ Ｃｏｍｐｕｔｉｎｇ ［Ｊ ］． ＩＥＥＥ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｌｅｔｔｅｒｓ，２０２０，２４（４）：８５３－８５７．

［１７］ＰＨＡＭ Ｑ Ｖ，ＭＩＲＪＡＬＩＬＩ Ｓ ＫＵＭＡＲ Ｎ，ｅｔ ａｌ． Ｗｈａｌｅ Ｏｐｔｉｍｉｚａｔｉｏｎ Ａｌｇｏｒｉｔｈｍ ｗｉｔｈ Ａｐｐｌｉｃａｔｉｏｎｓ ｔｏ Ｒｅｓｏｕｒｃｅ Ａｌｌｏｃａｔｉｏｎｉｎ Ｗｉｒｅｌｅｓｓ Ｎｅｔｗｏｒｋｓ［Ｊ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ ＶｅｈｉｃｕｌａｒＴｅｃｈｎｏｌｏｇｙ，２０２０，６９（４）：４２８５－４２９７．

［１８］ＨＵＹＮＨ Ｌ Ｎ Ｔ，ＰＨＡＭ Ｑ Ｖ，ＮＧＵＹＥＮ ＴＤ Ｔ，ｅｔ ａｌ． ＡＳｔｕｄｙ ｏｎ Ｃｏｍｐｕｔａｔｉｏｎ Ｏｆｆｌｏａｄｉｎｇ ｉｎ ＭＥＣ Ｓｙｓｔｅｍｓ ＵｓｉｎｇＷｈａｌｅ Ｏｐｔｉｍｉｚａｔｉｏｎ Ａｌｇｏｒｉｔｈｍ［Ｃ］∥２０２０ １４ｔｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｕｂｉｑｕｉｔｏｕｓ Ｉｎｆｏｒｍａｔｉｏｎ Ｍａｎａｇｅｍｅｎｔａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ（ＩＭＣＯＭ）． Ｔａｉｃｈｕｎｇ：ＩＥＥＥ，２０２０：１－４．

［１９］ＧＥ Ｙ，ＤＥＮＧ Ｑ Ｗ，ＧＯＮＺ？ＬＥＺ Ｇ Ｄ，ｅｔ ａｌ． ＯＴＦＳＳｉｇｎａｌｉｎｇ ｆｏｒ ＳＣＭＡ ｗｉｔｈ Ｃｏｏｒｄｉｎａｔｅｄ Ｍｕｌｔｉｐｏｉｎｔ ＶｅｈｉｃｌｅＣｏｍｍｕｎｉｃａｔｉｏｎｓ ［Ｊ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ ＶｅｈｉｃｕｌａｒＴｅｃｈｎｏｌｏｇｙ，２０２３，７２（７）：９０４４－９０５７．

［２０］ＤＩＮＧ Ｚ Ｇ，ＸＵ Ｄ Ｆ，ＳＣＨＯＢＥＲ Ｒ，ｅｔ ａｌ． Ｈｙｂｒｉｄ ＮＯＭＡＯｆｆｌｏａｄｉｎｇ ｉｎ Ｍｕｌｔｉｕｓｅｒ ＭＥＣ Ｎｅｔｗｏｒｋｓ［Ｊ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｗｉｒｅｌｅｓｓ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ，２０２２，２１ （７ ）：５３７７－５３９１．

作者簡(jiǎn)介：

閆陽(yáng)陽(yáng) 女，（１９９７—），碩士研究生。主要研究方向：無(wú)線通信技術(shù)。

葛文萍 女，（１９６９—），博士，教授。主要研究方向：無(wú)線通信技術(shù)、光通信技術(shù)。

（通信作者）陳 娟 女，（１９８４—），碩士，實(shí)驗(yàn)師。主要研究方向：信號(hào)與信息處理、人工智能。

基金項(xiàng)目：新疆維吾爾自治區(qū)自然科學(xué)基金（２０２２Ｄ０１Ｃ４２６）