11、移动边缘人工智能：计算卸载与边缘协同推理的优化策略

移动边缘人工智能：计算卸载与边缘协同推理的优化策略

1. 经济高效的信道采样策略

在边缘推理系统中，信道采样是一个关键环节，但传统的采样方法往往会带来较高的信令开销。为了解决这个问题，提出了一种经济高效的信道采样策略。

该策略基于块衰落信道模型，假设信道分布在 (T_s) 个块内保持不变，这个时间段被称为信道统计的相干间隔。每个块内的信道系数保持不变，每个块又由 (T_c) 个时隙组成，被称为信道状态信息（CSI）的相干间隔。

具体操作步骤如下：
1. 在信道统计的相干间隔开始时，收集 (D) 个独立同分布的信道系数样本作为集合 (D)。
2. 通过公式 (7.25) 学习估计的信道系数向量 (\hat{h} k)，并通过公式 (7.31) 学习误差 (e_k) 的估计不确定性信息 (B_k)。
3. 根据公式 (7.36) 将这两部分组合为 (H_k)，通过解决问题 (P {RGS}) 获得波束赋形器和任务选择策略，用于第一个块的信号传输。
4. 对于后续的块 (t > 1)，将收集的信道样本的均值作为估计的信道系数 (\hat{h}[t])。
5. 通过将当前块的估计信道系数和第一个块的估计不确定性信息组合，构建用于解决问题 (P_{RGS}({H_k[t]})) 的参数 (H_k[t])，即：
[H_k[t] =
\begin{bmatrix}
\hat{h}_k[t] \
B_k
\end{bmatrix}, k = 1, \cdots, K. \quad (7.41)
]

这个策略能够显著降低信道采样的信令开销，其