基于非正交多址接入的移动边缘计算安全节能联合资源分配

郝万明 孙继威 孙钢灿 朱政宇* 周一青

①(郑州大学河南先进技术研究院 郑州 450003)

②(郑州大学信息工程学院 郑州 450001)

③(郑州大学产业技术研究院 郑州 450001)

④(中国科学院大学 北京 100049)

1 引言

移动边缘计算(Mobile Edge Computing,MEC)通过卸载本地计算任务到远端MEC服务器中执行来增强移动设备的计算能力，因此MEC将被应用于5G以及未来6G无线通信系统中。移动设备的能耗和任务计算时延是MEC系统的两个关键指标[1,2]，一般来讲这两个指标是相互对立的。因此，为兼顾能耗和时延，通常需要联合分配系统通信和计算资源。

面对5G网络出现的新应用如智能交通、虚拟/增强现实、自动驾驶等计算密集型和时延敏感型应用的快速增长与大规模部署，功率和尺寸均受限的移动终端设备在使用上述新应用时将面临巨大挑战[3]，MEC和非正交多址接入(Non-Orthogonal Multiple Access, NOMA)被认为是解决上述挑战的关键技术[4-7]。MEC解决了由于云计算而带来较大传输时延的问题，也解决了本地计算能力有限的问题，将会在未来无线网络中有很好的应用前景[8]。同时，为了更好地利用MEC中的无线信道资源，采用NOMA技术可允许不同用户在同一上行信道上同时传输信息，有效提高了系统频谱效率。因此，将NOMA技术和MEC相结合，可进一步提高系统的频谱效率，降低计算数据的传输时延。NOMA在MEC中的实现可以采用传统NOMA上行数据传输技术，即基站根据用户的信道增益采用串行干扰消除(Serial Interference Cancellation,SIC)技术进行多用户解码[9]，最终获得每个终端上传的需要计算的数据信息。

NOMA技术与MEC在5G场景下结合能够满足新应用低时延、低能耗需求，因此有必要对它们进行结合。另外，NOMA技术的应用也面临一些实际问题，例如如何减少多用户共信道干扰，如何有效利用SIC技术，如何合理规划发射功率和资源分配权重因子等，这也是本文研究的重点之一。

近年来，NOMA技术在MEC中的应用受到了业界的广泛关注[10-15]。文献[10]研究了基于NOMA的MEC网络，考虑部分卸载和“0”“1”卸载两种决策的计算时延，研究了在多用户和单MEC服务器情况下最小化时延和能耗的加权和问题。文献[11]研究了多天线NOMA系统下能耗最小化问题，通过优化发射功率、每个用户的卸载任务以及传输时间，实现系统能耗最小。文献[12]研究了基于NOMA的MEC计算分流的能耗最小化问题，利用几何规划(Geometric Programming, GP)获得最优时间和传输功率。在考虑时延约束条件下，文献[13]研究了基于NOMA的MEC网络增强时延受限的计算能力，针对上行链路中给定的时延预算来最大化卸载任务的计算成功概率。文献[14]研究了上行链路的能耗问题，提出一种基于边缘计算感知的NOMA技术，通过优化用户簇、发射功率以及通信和计算资源分配最小化MEC用户的能耗。在考虑物理层安全和用户保密中断概率基础上，文献[15]研究了用户能耗加权和最小化问题。但是上述工作均未考虑远端基站的能耗问题，而且均未考虑如何平衡移动终端的传输能耗和计算能耗(移动终端和基站的计算总能耗)，同时对于MEC网络中的安全性研究较少。

因此，针对以上问题，本文引入能耗权重因子，考虑存在窃听者的基于NOMA的MEC系统中，采用部分卸载方式在满足最大保密中断概率约束情况下，联合优化本地计算任务量、传输功率以及保密传输速率和能耗权重因子平衡基站与移动终端的能耗，实现系统能耗加权和最小。本文提出一种基于二分搜索的迭代优化算法解决加权能耗和最小化问题，并获得最优的任务卸载和传输功率。仿真结果表明，所提方案在实现安全节能方面接近没有窃听者存在的基准方案，且有效降低系统能耗。

2 系统模型

如图1所示，考虑由单个基站(集成MEC服务器)和K>1个用户组成的基于NOMA的MEC通信系统，其中K个用户在窃听者存在的情况下将计算任务安全部分卸载到MEC服务器中。

图1 系统模型

2.1 计算任务卸载时的传输能耗

尽管NOMA技术可以使基站能够同时服务多个用户[18]，但随着用户的增多，系统设计的复杂度也将增加，从而带来较大时延，降低了用户体验。另外，在LTE-A中关于NOMA技术标准中也把两用户作为典型应用场景[19]。而且，文献[3,12]等均考虑了两用户场景。因此，本文考虑了两用户的NOMA系统。根据上行NOMA机制，在基站和窃听者处接收的信号分别为[3]

2.2 计算任务执行时的能耗

计算任务执行时的能耗包括两部分：移动终端执行的本地计算能耗和基站中MEC服务器中的边缘计算能耗。

2.3 保密中断概率

由于基站和用户不能获取准确的窃听者的瞬时信道状态，故引入保密中断概率Pso,k来评价部分卸载时数据的安全性，可表示为

其中，Ce,k=log2(1+SINRe,k)表示窃听者获取sk的信道容量。当窃听者的信道容量Ce,k超过用户k的冗余信息速率Re,k=Rt,k −Rs,k时，用户传输任何消息时都会被窃听者解码，未能达到完全保密[22]。

3 加权能耗和最小化问题的形成

本文的目标是在保密中断概率和时延约束情况下，同时确保计算任务部分卸载的安全性，通过联合优化本地计算任务lk，发射功率pk以及保密传输速率Rs,k最小化系统的加权能耗和，优化问题可表示为

4 优化问题P1的求解

(1)问题 P1中的决策变量l,p,Rs,k满足

同理可得用户2的保密中断概率形式Pso,2为式(17b)，对式(17a)和式(17b)进一步运算可转换为

其算法流程如表1所示。

表1 问题P2的二等分迭代优化算法

5 仿真结果分析

本文通过Matlab仿真平台评估所提出算法的性能，具体仿真参数如表2所示。为评估本文设计的NOMA-MEC部分保密卸载方案的有效性，以NOMA-MEC完全保密卸载计算、NOMA-MEC无窃听者部分卸载和OMA-MEC部分保密卸载的基准方案为对比对象，其中OMA-MEC部分保密卸载采用TDMA协议进行部分卸载计算，将时延预算T分为两部分由两用户分别占用。

表2 仿真参数

为确保对比公平性，所有仿真均采用准静态衰落信道。

图2显示了所提算法的收敛性。从仿真结果图中可以看出，本文所设计的NOMA-MEC部分保密卸载方案的能耗总是低于OMA-MEC部分保密卸载方案的能耗，并逼近无窃听者存在时的NOMAMEC部分卸载方案的能耗，从而证明本文所提方案的优越性。与完全卸载方案相比，3种部分卸载方案实现更低的加权平均和能耗。对于部分卸载，随着迭代次数的增加，系统能耗基本趋于稳定，算法收敛。对于完全保密卸载方案，在卸载过程中以最大时延预算为卸载时延，由于不存在对本地计算任务的分配，其卸载计算量、保密卸载速率和功率消耗保持不变，故系统能耗与迭代次数无关，在每次迭代过程中保持相同的值。

图2 两用户能耗加权和随迭代次数的变化关系

图3显示了每个用户计算任务对系统能耗的影响。图3可以看出，系统能耗随着计算任务的增加而线性增加，这是因为能耗函数是关于部分卸载计算任务的拟线性递增函数，同时用户计算任务与部分卸载计算任务存在线性关系，因此随着计算任务的增加能耗值也线性增加。另外与OMA-MEC部分保密卸载方案相比，NOMA-MEC保密部分卸载方案总能实现更低的系统能耗。在满足最大保密中断概率的情况下，通过有效的卸载和资源优化，使部分保密卸载的系统能耗逼近无窃听者部分卸载的系统能耗。

图3 两用户能耗加权和随每个用户计算任务的变化关系

图4 两用户计算能耗和卸载能耗随能耗权重因子比例的变化关系

图5 两用户能耗加权和随能耗权重因子的变化关系

6 结束语

本文研究了基于NOMA的MEC安全节能资源优化问题，设计了一种在保证最大保密中断概率约束的情况下，使两用户能够在同一时隙内成功将计算任务安全部分卸载到远端基站进行计算最小化两用户能耗加权和的方法，通过实验仿真表明本文提出的算法解决本地计算任务和发射功率分配问题的合理性，在未来的工作中将进一步研究在非完美信道情况下对任务卸载计算和资源分配的联合优化。