10、边缘协同推理的计算卸载技术解析

边缘协同推理的计算卸载技术解析

在当今的智能系统中，边缘协同推理技术发挥着至关重要的作用。它涉及到任务分配、功率消耗、信道不确定性等多个方面的问题。下面将详细介绍边缘协同推理中的计算卸载相关技术。

1. 系统模型基础

1.1 任务分配与波束成形

假设存在 $N$ 个接入点（AP）和 $K$ 个设备，任务分配用集合 $A \subseteq {(n,k) : n = 1,\cdots,N,k = 1,\cdots,K}$ 表示。若 $(n,k) \in A$，则第 $k$ 个推理任务 $\varphi_k$ 在第 $n$ 个 AP 执行。

聚合波束成形向量 $v = [v_{11}^H,\cdots,v_{N1}^H,\cdots,v_{NK}^H]^H \in C^{NKL}$ 的组稀疏模式指示了任务分配策略。具体而言，如果第 $k$ 个推理任务不在第 $n$ 个 AP 执行，即 $(n,k) \notin A$，则波束成形向量 $v_{nk}$ 可设为零向量。其组稀疏模式表示为 $T(v) = {(n,k)|v_{nk} \neq 0}$。

1.2 信号干扰噪声比（SINR）

设备 $k$ 接收到的信号的 SINR 为：
[SINR_k(v;h_k) = \frac{|h_k^H v_k|^2}{\sum_{l\neq k} |h_k^H v_l|^2 + \sigma_k^2}]
其中，$h_k = [h_{k1}^H,\cdots,h_{kN}^H]^H \in C^{NL}$，$v_k = [v_{1k}^H,\cdots,v_{Nk}^H]^H \in C^{NL}$，聚合信道系数向