摘 要

随着近年来信息技术的快速发展，移动智能终端数量直线上升，如智能摄像头、智能烟雾报警器等正被广泛应用在人们的日常生活中。这些移动智能终端随着信息技术的不断进步，正逐步成为我们生活中不可或缺的一部分。然而，这些移动智能终端带来大量的计算与存储任务，传统的云计算或移动云计算是将所有计算任务卸载到远端云服务器中处理，而这种方式往往造成严重地信道堵塞、时延大、能耗开销大等缺点，影响用户的体验感和无法保证网络服务质量。为有效解决上述不足，移动边缘计算应运而生。移动边缘计算将服务器部署在接入网边缘侧，与传统的计算方式相比，更加靠近用户。移动智能终端产生的计算任务无需再卸载到远端云服务器中，而可以直接卸载到就近的移动边缘计算服务器中，从而降低时延、减少能耗。

在移动边缘计算中，计算卸载策略研究尤为重要。一旦所有计算任务全部往移动边缘计算服务器中卸载，往往会造成信道堵塞、时延变大等问题，因此选择合适的计算任务卸载策略尤为关键。本文首先介绍了研究背景和移动边缘计算的研究现状，进而介绍了移动边缘计算的应用领域和结构特点。通过介绍几种常见的移动边缘计算系统模型，刻画出移动边缘计算系统框架，从而确定了本论文所研究系统的通信模型和计算模型。随后提出了多种卸载策略方案，经过对比分析后，选择了两种卸载策略方案进一步深入分析。第一种是考虑时延优先的卸载策略，第二种是考虑CPU计算能力优先的卸载策略。然后，利用MATLAB软件对这两种卸载策略进行仿真，获得了两种卸载策略的平均时延、能耗开销等网络性能参数，并对这两种卸载策略进行性能分析，发现这两种卸载策略各有优点。同时，与不设置卸载策略的方法相比，本论文所提的算法可以提高系统的效率。具体而言，本文提出的两种不同的计算任务卸载策略各有优势，考虑时延优先的卸载策略牺牲了一定的能耗，能够有效地降低时延，适用于时延敏感型系统；考虑CPU计算能力优先的卸载策略虽然牺牲了一定的时延，但能够有效地降低能耗，适用于低能耗系统。考虑时延优先的卸载策略未来可应用在车联网、智能家居等领域，考虑CPU计算能力优先的卸载策略可应用在位置感知、监控视频等领域。

关键词：移动边缘计算、任务卸载、卸载策略、服务质量

Abstract

With the rapid progresses of information and communications technologies in the last few decades, the number of intelligent mobile terminals has risen dramatically, such as smart cameras, smart smoke alarms and so on, which are widely used in people's daily life. These intelligent mobile terminals change people's way of life and gradually become an indispensable part of our lives. However, these intelligent mobile terminals bring a lot of computing and storage tasks. Traditional cloud computing or mobile cloud computing is to offload all computing tasks to remote cloud servers, which often results in serious channel congestion, large delay, unacceptable energy consumption and other weaknesses, affecting the user's sense of experience and network service quality. In order to effectively solve the shortcomings of the above technologies, mobile edge computing arises at the historic moment. Mobile edge computing deploys servers on the edge of the access network, which is closer to users than traditional computing methods. Computing tasks generated by intelligent mobile terminals need not be unloaded to remote cloud servers, but can be directly unloaded to nearby mobile edge computing servers, thus reducing delay and energy consumption.

In mobile edge computing, computational unloading strategy is particularly important. Once all computing tasks are uninstalled into mobile edge computing servers, channel blockage and time delay will often be caused. Therefore, it is very important to choose the appropriate computing task uninstallation strategy. Firstly, this paper introduces the research background and the research status of mobile edge computing, and then introduces the application fields and structural characteristics of mobile edge computing. By introducing several common models of the mobile edge computing system, the framework of the mobile edge computing system is depicted, and the communication model and computing model of the system studied in this paper are determined. Subsequently, a variety of unloading strategy schemes are proposed. After a comparative analysis, two unloading strategy schemes are selected for further in-depth analysis. The first is to consider the delay-first unloading strategy, and the second is to consider the CPU computing Power-First unloading strategy. Then, the two unloading strategies are simulated by using MATLAB software. The average delay, energy consumption and other network performance parameters of the two unloading strategies are obtained. The performance analysis of the two unloading strategies shows that the two unloading strategies have their own advantages. At the same time, compared with the method without unloading strategy, the algorithm proposed in this paper can improve the efficiency of the system. Specifically, the two different unloading strategies proposed in this paper have their own advantages. Delay-first unloading strategy sacrifices a certain amount of energy consumption and can effectively reduce the delay, which is suitable for delay-sensitive systems. CPU-first unloading strategy can effectively reduce energy consumption, although it sacrifices a certain delay, and is suitable for low-energy systems.

Key words: Mobile Edge Computing, Task unload, Computing Unloading Strategy, quality of service

目录

摘要 I

Abstract II

第1章 绪论 1

1.1研究的背景及意义 1

1.2国内外研究现状的介绍 2

1.3研究的目的 3

第2章 移动边缘计算基本理论 4

2.1 移动边缘计算应用 4

2.2移动边缘计算网络架构介绍 5

2.3 MEC计算任务卸载技术 7

2.3.1 MEC计算任务卸载技术简介 7

2.3.2 MEC计算任务卸载策略 8

第3章 基于移动边缘计算的计算任务卸载策略设计 9

3.1 引言 9

3.2 问题描述及系统建模 9

3.2.1网络场景描述 9

3.2.2 问题建模 10

3.3优先级卸载策略算法设计 11

3.3.1 算法方案的比较与选择 12

第4章 基于MATLAB的仿真及性能分析 14

4.1仿真场景及参数设置 14

4.2仿真结果分析 15

第5章 结论 23

5.1 总结 23

5.2 展望 24

参考文献 25

致谢 26

第1章 绪论

1.1研究的背景及意义

近年来，随着移动互联网以及各种数据业务的快速发展，在过去的十年间移动智能终端成为了人们生活中不可或缺的一部分，移动智能终端在学习、生活、工作、娱乐中都扮演了重要的角色。与此同时，各式各样的物联网终端设备，比如智能水表、无线监控摄像头等等，更是广泛应用在农业、交通、医疗、教育等等的领域，这些移动智能终端和物联网终端无一不改变着人们的生活，让整个社会变得更加有序和谐。

但是，这些移动智能终端和物联网终端需要完成大量的计算任务，这些终端本身提供不了如此大量的计算能力，需要高性能的计算设备来替代终端完成一部分计算任务。因此，一种更加灵活的计算环境-移动云计算（Mobile Cloud Computing，MCC）出现了，移动云计算把具有强大计算、存储能力的云服务器和移动网络结合在一起，在移动云环境中，移动设备可以通过无线网络获取到云端服务器的计算、存储等资源，云端服务器有着足够强大的计算资源，能够帮助终端完成计算任务，假设移动终端需要完成大量的计算任务 便可以将计算任务迁移至云端服务器，由云端服务器完成计。移动云计算有许多显著的优势：

1. 解决智能终端计算和存储能力的不足。智能终端自身的计算和存储能力十分有限，难以处理大量的计算任务，利用移动云计算将计算任务卸载到远端云服务器中，由远端云服务器处理，从而增强智能终端满足用户多样性需求的能力。
2. 降低智能终端的能耗开销。由于目前终端设备的电池容量有限、CPU性能有限等因素，倘若智能终端本地解决产生的所有计算任务，智能终端的能耗开销将十分可观，降低智能终端的续航能力。利用移动云计算，可有效地降低智能终端的能耗开销，提升智能终端续航能力。
3. 提高数据共享性。由于数据存储在远端云服务器中，可以进行大数据分析和数据挖掘，满足用户多样性的需求。

然而，随着物联网时代的快速发展，移动云计算的局限性逐渐体现出来。移动云计算容易受到移动互联网传输质量的影响，当出现大量的移动设备连接到互联网时，频谱带宽紧缺的问题愈发突出，这将使无线传输质量降低，计算卸载传输时延增大，影响用户体验感。另一方面，有些移动终端设备对时延要求较高，比如AR/VR业务、自动驾驶、工业控制等等，现有的云计算策略将无法满足这类任务的时延需求。此外，由于移动终端通过无线网络向云服务器传输数据，可能会被非法的“盗窃者”窃听数据，这将带来一定程度的安全性问题。因此，如何降低移动终端设备的时延和能耗，并改善现有的云计算方式成为了行业的研究热。

因此，移动边缘计算（Mobile Edge Computing，MEC）应运而生，移动边缘计算可以被认为是云计算的延伸和补充。移动边缘计算是将云计算平台从云端迁移到移动网络的边缘，将传统的移动蜂窝网络与互联网技术深度融合。在移动接入网络的边缘为用户提供云计算能力和交互平台，使计算节点更靠近移动用户，能够有效地减少移动用户与网络提供商的交互时间，改善用户的体。

移动边缘计算在距离用户最近的地方为其提供存储、计算能力，将云计算能力迁移到距离用户更近的接入网络边缘中去。移动边缘计算的优势包括：

1. 时延极低。由于数据任务是在最靠近用户的接入网边缘执行的，极大地降低了时延，提高了用户的体验感，对于一些对时延需求较敏感的任务是十分重要的，比如无人驾驶、AR/VR业务等。
2. 服务本地化。能够将任务独立于网络的其他部分之外，保证了执行任务的安全性和可靠性。
3. 临近服务。由于移动边缘云靠近移动用户，移动边缘云能够直接获取用户终端信息，为收集信息和大数据分析提供了重要手。
4. 位置感知。利用移动边缘云靠近用户这一特点，可以通过移动边缘节点的空口信息获得位置信息，从而为基于位置信息的应用和业务提供数据。

移动边缘计算的产生是为了解决移动云计算所带来的时延过长、网络堵塞等问题，移动边缘计算能够更好地服务于时延敏感型和带宽要求较高的任务。由于移动边缘计算具有时延极低和服务本地化的优势，因此从时延敏感型任务（如工业控制、AR/VR、车联网自动驾驶），到大带宽类任务（如视频直播、监控视频），各式各样的任务都可以通过移动边缘计算来优化实现。

1.2国内外研究现状的介绍

移动边缘计算的需求已逐步呈现。近几年以来，国内外各个行业组织对于移动边缘计算的研究如雨后春笋般出现，为移动边缘计算的发展奠定了基础。

2009年，卡耐基梅隆大学的一位教授提出一个Cloudlet概念，Cloudlet被认为是移动边缘计算的一个实例，Cloudlet是资源丰富的、接入网络的、靠近移动用户并向附近移动用户提供计算和存储能力的计算机群，将移动设备从移动云计算中解放出来，使其不再受网络的堵塞、时延等因素的影响。2014年，欧洲电信标准化协会（ETSI）为移动边缘计算添上了浓墨重彩的一笔，ETSI成立了移动边缘计算标准化工作小组，负责推动移动边缘计算的相关标准制定工。在2017年初，为了满足物联网领域边缘计算的需求，将工作组范围扩大到多接入的边缘计算。迄今ETSI MEC工作组共发布了11本白皮书，提出了移动边缘计算整体架构。在移动边缘计算提出之后，迅速在各个行业中蔓延开。在电信行业中，移动边缘计算成为5G通信的关键技术之一，下一代移动通信网络（NGMN）同意将移动边缘计算纳入5G架构中，通过在网络边缘引入节点，分担执行核心网功能。IMT-2020（5G）提进组也提出了引入移动边缘计算，为移动用户就近提供计算能力和数据缓存能力，作为5G的关键性技术。德国电信成立MobileXEdge公司专门研究移动边缘计算。不仅在电信领域中，其他各个行业也运用到了移动边缘计算。在汽车行业中，2016年，电信行业与汽车行业的全球跨行业产业联盟（5GAA）成立，进一步推动了车联网、智能交通的研发和设计，5GAA发起方包括华为、Intel、BMW等电信通讯公司，该联盟成立后组织成员不断扩大。在互联网云计算领域，各公司将云PaaS能力延伸到接入网边缘，为移动用户提供边缘计算套。

在我国，移动边缘计算的发展也是十分迅猛。早在几年前，中国通信标准化协会（CCSA）在无线通信技术工作委员会启动了一项关于移动边缘计算的研究项目，目的是为了研究SoRAN方案架构与需求等。不仅如此，2016年12月，华为、软通动力、ARM、中国信通院等联合发起成立边缘计算产业联盟（ECC），目的是为了推动OT和ICT产业的合作，以及促进移动边缘计算在我国的健康发展。除此之外，国内各大电信运营商也相继开始投入移动边缘计算的研究和试。随着5G时代的大踏步来临，将进一步促进移动边缘计算的发展和成熟。

1.3研究的目的

在移动边缘计算的网络场景中，具有一定时延要求的移动设备一旦全部往移动边缘云卸载，往往会导致信道堵塞、时延增大等问题。为了解决这一问题，本文将根据任务数据量大小、时延要求、能耗情况等提出合理的任务卸载策略，从而实现减小时延，降低能耗。

第2章 移动边缘计算基本理论

2.1 移动边缘计算应用

移动边缘计算的应用范围十分广泛，包括无人驾驶、智能医院、AR/VR技术、视频直播、智能交通、无人机等各个方面，甚至在人工智能和5G通信方面移动边缘计算也起着不可替代的作用。下面列举几个运用移动边缘计算的例子：

1. 马路监控视频判断交通违法信息。

马路上的一个监控摄像头捕捉到了汽车交通违法视频之后，将视频信息传到边缘计算站点，对视频信息进行图像提取、车牌定位，最终进行车牌识别，然后将违法车辆信息上传到核心网。如果没有使用边缘计算，那么大量的视频信息将蜂拥上传至远程数据处理中心，大量的视频信息将会占用信道带宽，导致信道堵塞，从而造成时延变大，影响应用实时性。可是，当运用了移动边缘云之后，视频信息将在边缘云服务器中处理，将处理后的结果信息传给远程数据处理中心，与直接将视频传给远程数据处理中心相比，前者明显节约了信道带宽资源，节约了数据传输的时间，提高了处理信息的效。

1. 增强现实

增强现实（Augmented Reality，AR）是视觉和计算机辅助生成的感觉输入（如视频、声音、图形等）的组合。AR技术可以为参与者提供全新的体验感，带来不一般的视觉体验。AR技术需要提供实时的用户位置信息以及实时的图像信息，将这些采集到的信息经过数据分析处理之后反馈给用户。这就体现出AR技术对时延要求特别高，一旦时延过大，将会非常影响参与者的体验感。相比于传统的移动云计算，移动边缘计算在时延方面具有更大的优势。由于边缘计算云部署在移动设备距离最近的地方，能够为AR提供实时的本地数据处理，从而降低时延，优化用户的体验。

1. 位置感知

移动边缘计算不仅具由低时延的特点，它还有一个重要的特点——靠近用户。利用这一特点，可以实时监测和定位移动用户的位置信息。对于应用提供商来说，可以针对移动用户的位置信息来推送对应相关的服务。部署在接入网边缘的移动边缘云恰好能提供这一信息，并能够覆盖室内、室外等多处场。

1. 车联网

在车联网场景中，通过车辆与道路旁传感器的通信，交换车辆的驾驶信息和操作数据来提高驾驶安全性。与此同时，还能利用这种通信方式为车辆提供其他的增值服务，如车辆定位、共享停车位等。在此场景下，大量的车辆会带来网络中大量的数据传输需求，而当前的云计算和云存储功能无法满足车联网系统中低时延的需求，而移动边缘计算将服务器部署在接入网边缘，使应用和数据更靠近车辆，从而减少数据传输的时间。移动边缘计算服务器部署在接入网边缘，联网车辆或道路旁的传感器将数据传输到移动边缘计算服务器中，经服务器的分析处理后，将道路信息和车辆信息广播给该区域的所有车辆。

2.2移动边缘计算网络架构介绍

以上是毕业论文大纲或资料介绍，该课题完整毕业论文、开题报告、任务书、程序设计、图纸设计等资料请添加微信获取，微信号：bysjorg。

相关图片展示：