针对车联网异构业务共存时卸载决策和计算资源分配不合理造成时延和能耗增加的问题,提出了一种多阶段异构业务任务卸载与计算资源联合分配(Multi-stage Heterogeneous Services Joint Task Offloading and Computation Resource Allocation,MHS-JTOCRA)算法。首先构建了超可靠低时延通信(Ultra-reliable and Low Latency Communications,URLLC)车辆与增强移动宽带(Enhanced Mobile Broadband,eMBB)车辆共存的移动边缘计算(Mobile Edge Computing,MEC)系统模型,在保证URLLC和eMBB业务服务质量(Quality of Service,QoS)的同时,通过考虑卸载所需的计算资源、时延和能耗,对遗传算法进行迭代求解,获得eMBB和URLLC业务的最优卸载决策和计算资源分配策略。仿真结果表明,所提算法与现有任务卸载和资源分配算法相比时延降低16.37%,能耗降低12.16%。
无人机由于其灵活部署、广泛覆盖和高移动性等特点在6G无线通信网络发展中至关重要,同时也为信道研究带来了挑战。提出了一种适用于6G无人机通信网络的多输入多输出(Multiple-Input Multiple-Output,MIMO)空地无线通信场景的信道模型。实际场景中无人机发射机与地面移动用户接收机之间的直接传播链路经常被树木和建筑物阻断,为了解决这一问题,通过引入双智能反射表面(Intelligent Reflecting Surfaces,IRS)技术来实现信号传输,形成双IRS、单IRS以及非视距(Non Line of Sight,NLOS)路径的传播链路。研究了这些链路的复杂信道冲激响应,考虑了多径效应的影响并据此推导出了完整的信道矩阵,分析了该信道模型在不同模型参数下的统计特性。基于这些理论推导,进一步研究了双IRS辅助空对地通信信道模型的传播特性。仿真结果表明,相较于单IRS配置,双IRS在提升系统性能方面具有显著优势,为进一步优化和设计基于IRS的空对地无线通信系统提供了有价值的参考。
暂无评论