Augmented reality (AR) applications are growing and attracting more and more attention because they can combine computer-generated data with the real world through hardware devices. AR applications are extremely sensitive to delays and have high requirements for computing and communication. Moreover, when executing AR applications on mobile devices, the battery consumption of mobile devices [1-3] has always been unable to meet the needs of users. expect. In order to solve this problem, literature [3-6] has proposed the use of mobile edge computing to solve the current problems. Users will migrate the computing of a lot of data involved in running AR applications to a nearby cloud server connected to the base station. Execution, compared with local computing, can save local energy consumption, compared with central cloud computing, can reduce transmission delay time.
Teniendo en cuenta los problemas de retardo y consumo de energía de los equipos terminales causados por la transmisión y el cálculo de datos a alta velocidad, se propone un plan de transmisión que utiliza una distribución equitativa de la potencia en el enlace ascendente. En primer lugar, se establece un modelo de sistema para las características de la RA basado en los atributos de colaboración de los servicios de realidad aumentada (RA); en segundo lugar, se analiza en detalle la estructura de trama del sistema y se establecen restricciones para minimizar el consumo total de energía del sistema como objetivo de optimización; por último, al tiempo que se garantiza el retardo Bajo la condición de que el consumo de recursos y el consumo de energía cumplan las restricciones, se establece un modelo matemático de optimización de recursos de computación de borde móvil (MEC) basado en la optimización convexa para obtener el plan óptimo de asignación de recursos de comunicación y computación. En comparación con la transmisión independiente, la reducción total del consumo de energía de este plan es de 14,6% cuando el tiempo máximo de retardo es de 0,1 s y 0,15 s respectivamente. Los resultados de la simulación muestran que, en las mismas condiciones, en comparación con el plan de optimización basado en la transmisión independiente de los usuarios, el plan de optimización MEC de igual potencia que considera la transmisión colaborativa entre usuarios puede reducir significativamente la energía total consumida por el sistema.
Con el explosivo aumento del número de dispositivos móviles y la aparición de muchos usos nuevos, el tráfico de las redes móviles ha crecido exponencialmente. La arquitectura de red centralizada tradicional no puede satisfacer las necesidades de los usuarios móviles debido a la sobrecarga de los enlaces de retorno y a los grandes retrasos. Por ello, se propone una nueva arquitectura que abre las capacidades de red desde la red central a la red periférica, a saber, la computación periférica móvil (MEC). La computación móvil de borde puede proporcionar capacidades ligeras de computación en nube y almacenamiento en el borde de la red celular móvil. En el caso de la computación móvil de borde, se examinan en detalle los últimos resultados de investigación relacionados con ella: en primer lugar, se esbozan el proceso de desarrollo, las cuestiones clave y las tecnologías de apoyo de la computación marginal móvil; a continuación, se analizan las cuatro cuestiones de investigación clave de la arquitectura MEC, la migración de computación, el almacenamiento en caché marginal y la orquestación de servicios Se ofrece una visión general completa y se revisan los casos de uso típicos en la computación marginal móvil, como la realidad aumentada, la realidad virtual, la entrega dinámica de contenidos, Internet de los Vehículos e Internet de las Cosas; por último, de la mejora de la función de computación marginal móvil, la garantía de calidad del servicio y la disponibilidad de la seguridad Estos tres aspectos prevén los retos de investigación abiertos y las futuras tendencias de desarrollo de la computación marginal móvil.Pasarela Edge Computing
Los trabajos publicados muestran que, mediante la optimización conjunta de la asignación de recursos de comunicación y recursos informáticos, se puede reducir significativamente el consumo de energía móvil con limitaciones de retardo. Su trabajo se puede utilizar en múltiples usuarios que ejecutan aplicaciones generales de forma independiente. Sin embargo, las aplicaciones AR El programa tiene su propia naturaleza única. Todos los usuarios pueden cargar y descargar algunos de los mismos datos, y sus tareas informáticas también se comparten en uno o varios servidores. Por lo tanto, la comunicación y los recursos informáticos pueden reducirse optimizando conjuntamente la comunicación y los recursos informáticos. sobrecarga.
Las aplicaciones de RA superponen algunas imágenes informáticas a imágenes del mundo real a través de la pantalla y la cámara del dispositivo móvil. El diagrama de bloques de la Figura 1 ilustra este proceso. Se necesitan cinco componentes para completar este proceso [3-4]; 1) Fuente de vídeo, que puede obtener primero los fotogramas de vídeo originales de la cámara del móvil; 2) Rastreador, que identifica y rastrea la posición relativa del usuario en el entorno actual; 3) Mapeador, que construye un modelo del entorno actual; 4) Reconocedor de objetos, que identifica objetos conocidos en el entorno actual; 5) Renderizador, que muestra los fotogramas procesados. Los componentes de fuente de vídeo y renderizador deben ejecutarse en el dispositivo móvil, mientras que los cálculos realizados por los componentes de rastreador, mapeador y reconocedor de objetos, más intensivos desde el punto de vista computacional, pueden descargarse en la nube. Además, si la tarea se descarga, los mapeadores y los reconocedores de objetos pueden recopilar información de todos los dispositivos de usuario en la misma ubicación geográfica, lo que limita la información redundante transmitida en el enlace ascendente del usuario. Además, los resultados de los cálculos de los mapeadores y los reconocedores de objetos pueden ser multidifundidos desde la nube a todos los usuarios coubicados en el enlace descendente.
