下载掌阅APP，畅读海量书库
立即打开
在人员密集场所中，当大量终端设备尝试同时进行数据传输时，严重的信道干扰与链路阻塞可能导致数据传输速率极低，甚至导致部分终端设备连接中断。因此，大量终端设备传输数据时的链路选择问题成为制约云边端融合计算性能的一个关键问题。
从无线网络来看，终端设备通常有多条传输通道，而在一个通道内又有多个链路可供选择。例如，在常见的4G网络FDD-LTE中，存在分频的上行链路与下行链路，上行链路与下行链路可在不同的频段上同时传输数据，互不干扰 [14] 。从传输需求来看，不同时段不同终端设备的传输需求可能不同。以一位商人在会展中心参观为例，在部分时段，他可能需要通过手机从网上下载文件，此时对下行链路的需求高；而在另一些时段，他可能需要将手机拍摄的商品照片发送给其他同事，此时对上行链路的需求高。再如，无人机集群执行电子侦察任务，一架无人机需要向后方中心上传采集到的电磁信号，此时对上行链路的需求高；而在另一部分时段，无人机需要下载最新的电磁特征库，以便跟踪识别目标，此时对下行链路的需求高。综合上述两点，通过在多个链路上协调各终端设备的链路选择，可有效提升大量终端设备大规模数据传输的质量。基于此，本章将针对多终端设备数据传输，设计一种轻量级的链路选择优化框架，从而避免终端设备间出现链路阻塞问题，提高终端设备与后台云中心之间的数据传输效用。
终端设备链路选择优化问题可归类为无线通信资源分配问题。为了更好地描述各终端设备对链路的占用，我们将该问题形式化为链路资源博弈问题，并求解该问题的纳什均衡解，使各终端设备均没有再改变自身链路选择的动机。博弈论是解决无线通信资源分配问题的有效工具，在现有的工作中得到了大量的使用 [15-17] 。然而，终端设备数据传输链路选择问题仍然是一个未被充分研究的问题。解决该问题，存在以下诸多挑战。
（1）针对大量的终端设备采用一种中心调度方式来进行链路选择会给中心节点带来不可承受的计算负担。此外，在军事行动、抢险救灾等场景下，中心调度方式会带来单点失效的隐患，这在实际情况中是不可接受的，必须设计一种分布式的优化方法。
（2）受限于终端设备的算力与续航力，优化方法应该具备运算复杂度低、存储空间要求低的特点，以适应在终端设备上部署的性能要求。
（3）由于无线网络的动态性和终端设备的运动性，因此单台终端设备在进行链路选择决策时难以及时获知其他终端设备的决策。特别是，在军事行动、抢险救灾等恶劣通信环境下，相关信息的反馈与传递可能丢失、不完整。
（4）现有工作在进行链路分配时，大多只考虑一次占用一个链路，这显然是不符合实际的。例如，当视频通话时，同时需要上行、下行两个链路。相比单链路分配，多链路分配问题更具挑战性。
本章聚焦终端设备链路选择问题，针对上述挑战，以单台终端设备上行、下行、双工链路选择为例 [1] ，设计一种满足各终端设备不同数据传输需求的链路选择优化方法，以提高终端设备与后台的数据传输效用。我们将该问题形式化为一个链路选择博弈，局中人，也就是终端设备，尝试最大化自身的数据传输效用。为求得该问题的纳什均衡解，我们基于虚拟博弈算法 [18] 设计了一种分布式链路选择算法。该算法被证明以无限接近于1的概率收敛于纳什均衡解。本章主要贡献如下：
（1）给出了终端设备数据传输的模型。以此模型为基础，将多终端设备数据传输链路选择形式化为链路选择博弈，通过严格的分析，证明该博弈是广义序贯势博弈。根据文献[19]给出的关于广义序贯势博弈的性质，该链路选择博弈一定有纳什均衡解。
（2）设计了一种分布式迭代算法，以生成该链路选择博弈的纳什均衡解。该算法计算复杂度、存储空间要求低，且个体决策不依赖于其他终端设备的当前决策。同时，该算法将与决策相关的信息无法完整收集的可能性也考虑在内。
（3）进行了一系列仿真实验，验证本章所提出的优化方法带来的性能提升。同时，开发了一个原型系统，用以演示该方法的使用模式。
本章余下部分组织如下：2.2节给出问题模型；2.3节将该问题形式化为链路选择博弈，并证明该博弈是广义序贯势博弈；2.4节设计了一种分布式链路选择算法，并给出了该算法的收敛性证明；2.5节进行了一系列仿真实验，以充分验证所提方法，并在原型系统中演示该方法的使用模式；2.6节总结了本章内容。
随着无线设备使用的普及，无线信道资源分配与调度成了广泛关注的重要问题。Xiang等人 [20] 提出了一种信道选择和数据传输调度算法，该算法综合优化了传输的吞吐率和传输的能耗。Fang等人 [21] 根据李雅普诺夫理论设计了一种在线控制算法以实现吞吐率与能耗之间的均衡。然而，这两项工作仅适用于单设备的情况，没有考虑多设备间资源竞争的情况。Sun等人 [22] 基于线性规划模型提出了一种带宽分配策略，信道状态较好的无线设备会被分给更多的带宽，以提高带宽的使用效率。Huang等人 [23] 提出了一种正交频分复用网络中网络资源联合调度分配策略，通过该策略来优化应用层面的服务质量。然而上述工作均仅解决了单信道占用情况下的无线网络资源竞争问题，没有考虑多信道同时占用等情况，如上、下行双工。
博弈论是一种广泛用于无线资源分配问题的理论工具。Zhu等人 [17] 研究了有限传输功率、频谱资源下多用户竞拍问题，通过使用贝叶斯博弈，实现了局中人隐藏竞拍策略情况下的纳什均衡求解。Chen等人 [16] 提出了一种多信道网络下多用户计算卸载优化策略，他们将该问题建模为势博弈，从而保证纳什均衡的存在。Josilo等人 [24] 研究了公平共享带宽情况下的计算卸载问题，该问题同样被证明是势博弈问题，存在纳什均衡解。这两项工作均采用最佳回应（bestresponse）算法来求纳什均衡解，该算法要求所有设备能完整获知其他各设备当前的选择策略，根据2.1.1节的分析，显然不适用本章所研究的多终端设备数据传输场景。本章的工作聚焦于解决无实时信息、信息不完整情况下的终端设备多链路选择问题，与现有工作相比，更富挑战性，没有得到充分研究和解决。