Stratégies d'offloading pour les terminaux mobiles avec des capacités de récupération d'énergie
Offloading strategies for mobile terminals with energy harvesting capabilities
Résumé
Nowadays, the wireless mobile communications are witnessing unprecedented growth fueled by the huge number of connected devices increasing importantly the demands for high-volume data traffic, requiring thus intensive computation and leading to high energy consumption. However, this expansion of wireless services is still restrained by mobile terminals limitations, in terms of processing capacity, storage and energy. Mobile Edge Computing (MEC) and Energy Harvesting (EH) schemes have been recently proposed as promising technologies to extend the battery lives of mobile devices and improve their computing capabilities. On one hand, MEC enables offloading computation tasks from mobile devices to nearby Base Station with more energy and computations resources. On the other hand, EH exploits alternative renewable energy sources to power mobile devices. However, the stochastic nature of renewable energy may lead to energy outage. In such cases, the system’s performance can be degraded due to packet loss or intolerable latency. In order to sensure the system sustainability, efficient transmission policies under EH constraints are needed. In this thesis, we investigate the joint resource scheduling and computation offloading in a single user MEC system operating with EH based devices. The main contribution of this work is the introduction of the strict delay constraint instead of the average delay constraint to satisfy future requirements of lowlatency communications and critical applications. We study three different setups. In the first setup, we consider a perfect Channel State Information (CSI) at the transmitting device and we aim to minimize the packet loss due to delay violation and buffer overflow at the device’s data buffer. The associated optimization problem is modeled as Markov Decision Process and the optimal policy is exhibited through Dynamic Programming techniques. We show that the optimal policy outperforms other policies by adapting the number of processed packets to the system states. In the second setup, we consider a more realistic scenario, where the channel is not perfectly known at the transmitter and it is acquired after an estimation phase. In fact, this estimation can be erroneous degrading thus further the packet loss rate. Hence, we evaluate the previously obtained optimal policy under imperfect CSI conditions and we show that it remains robust with respect to other policies. Finally, we address the setup with no CSI at the transmitter. We therefore assume that an outdated CSI is only available and we show that the proposed optimal policy can still achieve good performance compared to other policies.
Aujourd’hui, les communications mobiles sans fil sont en pleine croissance, en raison du grand nombre d’appareils connectés, ce qui augmente considérablement la demande de gros volumes de données, nécessitant des calculs intensifs et entraînant une forte consommation d’énergie. Toutefois, cette expansion des services sans fil est encore entravée par les limitations des terminaux mobiles, en termes de capacité de traitement, de stockage et d’énergie. Récemment, le Mobile Edge Computing (MEC) et la récupération d’énergie (EH) ont été proposés comme des technologies prometteuses pour prolonger la durée de vie des batteries des appareils mobiles et améliorer leurs capacités de traitement. D’une part, le MEC permet de décharger les tâches de calcul des appareils mobiles vers une station de base voisine avec plus d’énergie et de ressources de traitement. D’autre part, l’EH exploite des sources d’énergie alternatives et renouvelables pour alimenter les appareils mobiles. Cependant, la nature stochastique des énergies renouvelables peut entraîner des pénuries d’énergie. Dans ce cas, les performances du système peuvent être dégradées en raison de la perte de paquets ou d’une latence intolérable. Afin de garantir la durabilité du système, des politiques de transmission efficaces sous les contraintes de l’EH sont nécessaires. Dans cette thèse, nous étudions la planification conjointe des ressources et le déchargement des calculs dans un système MEC monoutilisateur fonctionnant avec des dispositifs basés sur l’EH. La contribution principale de ce travail est l’introduction de la contrainte de délai stricte au lieu de la contrainte de délai moyenne pour satisfaire les besoins futurs des communications à faible latence et des applications critiques. Nous étudions trois configurations différentes. Dans la première configuration, nous considérons que le canal est parfaitement connu au niveau de l’émetteur (CSI parfait) et nous visons à minimiser la perte de paquets due à la violation du délai et au débordement de la mémoire tampon du dispositif. Le problème d’optimisation associé est modélisé comme un processus de décision de Markov et la politique optimale est donnée par des techniques de programmation dynamique. Nous montrons que la politique optimale est plus performante que les autres politiques en adaptant le nombre de paquets traités aux états du système. Dans la seconde configuration, nous considérons un scénario plus réaliste, où le canal n’est pas parfaitement connu à l’émetteur et il est acquis après une phase d’estimation. En fait, cette estimation peut être erronée entraînant une dégradation supplémentaire du taux de perte de paquets. Par conséquent, nous évaluons la politique optimale obtenue précédemment lorsque le CSI est imparfait et nous montrons qu’elle reste robuste par rapport à d’autres politiques. Enfin, nous examinons la configuration sans CSI au niveau de l’émetteur. Nous supposons donc qu’un CSI obsolète est seulement disponible et nous montrons que la politique optimale proposée peut encore atteindre de bonnes performances par rapport à d’autres politiques
Origine : Version validée par le jury (STAR)
Loading...