QTCAJOSA: 低复杂度的联合卸载和子信道分配方法用于支持 NTN 的 IoMT-计算机科学-多接入边缘计算-资源分配-医疗物联网.pdfVIP

QTCAJOSA:低复杂度的联合卸载和子信道分配

方法用于支持NTN的IoMT

AlejandroFloresC.;KonstantinosNtontin;AshokBandi;andSymeonChatzinotas

InterdisciplinaryCentreforSecurity,ReliabilityandTrust(SnT),UniversityofLuxembourg,Luxembourg.

e-mails:{alejandro.flores,kostantinos.ntontin,ashok.bandi,symeon.chatzinotas}@uni.lu

摘要—在这项工作中，我们考虑了从医疗物联网(IoMT)外，UAVs可以以临时方式部署来收集IoMT生成的计算任

设备到非地面网络的任务卸载的资源分配问题。该架构考虑了一务，并进行计算或进一步卸载到HAPS或LEO进行计算。

组IoMT设备将它们的任务卸载到一个专用的无人驾驶飞行器近年来，NTNs在任务卸载中的应用引起了研究兴趣。

(UAV)，该无人机作为多接入边缘计算(MEC)服务器，可以

单层NTN的资源分配问题已通过无人机[6],[7],HAPS

计算任务或将任务进一步卸载到可用的高空平台站(HAPS)或

本低地球轨道(LEO)卫星进行远程计算。我们制定了一个以最小[8],或LEO卫星[9],[10]等进行研究，以及多层NTN[11],

化任务加权和延迟为目标的问题。鉴于问题的非凸性质，并考虑[12]。现有文献中的解决方案没有将算法运行时间延迟纳入

译到优化算法的复杂性影响其性能，我们推导了一个具有动态计算优化问题中，这进一步限制了任务的最大延迟。此外，卸载

中资源初始化的联合子信道分配和卸载决策算法，该算法基于贪婪问题的解决方案通常考虑迭代解中变量的固定初始化，这

启发式方法并采用凸优化准则开发而成。仿真结果显示了包含不

1有可能偏置卸载决策，或未能正确宣传远程MEC服务器

v同非地面节点与不包含这些节点的架构相比所获得的优势。

2IndexTerms—多接入边缘计算（MEC）、非地面网络、资可用的资源。

4源分配、任务卸载、医疗物联网（IoMT）。鉴于空中和空间节点之间的距离较大，对于延迟敏感

2

3的计算任务来说，设计高效的算法来解决此类网络中的资

1I.介绍源分配问题非常重要。基于此，并且与相关文献不同，我

.

7们提出了一种新颖的、低复杂度的联合子信道分配和卸载

0作为Healthcare4.0范式的一种实现手段，医疗物联

5决策算法，并采用动态资源配置以更好地向由IoMT设备

2网（IoMT）允许获取并处理从患者身上恢复的生物信号，生成的任务展示远程节点的资源。我们在包含无人机、资

:并与医疗机构如医院和医生共享这些信息。在远程病人监

v源丰富的HAPS和大覆盖范围LEO卫星的3层NTN上提

i护（RPM）的背景下，一些IoMT设备的例子包括连续血糖

x出了这一方法。除了文献中的方法论，我们还考虑了算法

r监测传感器[1]和便携式心电图仪[2]。对患者生物信号的

a运行时间延迟在任务总延迟中的影响。

持续监控通过处理这些数据来检测或预测不良病人状况，

本文的其余部分结构如下：第II节介绍了