在MEC辅助的智能可穿戴设备系统中，用于体育训练监控的动态任务卸载技术

《Scientific Reports》：Dynamic task offloading for sports training monitoring in MEC-assisted smart wearable device systems

　　

摘要

随着物联网（IoT）和人工智能（AI）技术的发展，智能可穿戴设备（SWDs）被视为体育训练监控的一种有前景的方法。然而，这种监控会产生大量计算密集型任务，由于电池容量和计算能力的限制，SWDs难以实时处理这些任务。幸运的是，多接入边缘计算（MEC）的出现提供了一种有效的解决方案，它允许智能可穿戴设备将任务卸载到网络边缘的边缘服务器上，以实现低延迟、高能效的处理。本文研究了在MEC辅助的可穿戴设备系统中动态任务卸载问题。通过联合优化卸载决策、SWDs的CPU频率、卸载功耗以及边缘服务器的CPU频率，我们旨在在保持队列积压的同时最小化SWDs的总能耗。通过李雅普诺夫漂移加惩罚优化框架，长期随机优化问题被分解为一系列确定性的单时隙子问题。我们提出了一种轻量级服务器选择算法，以便在过载时能够自适应地切换到备用服务器，且计算和信号成本可以忽略不计。然后，该问题进一步被分解为多个可以并行解决的子问题。基于此，我们提出了体育训练监控（STM）算法，以实现高效的在线解决方案。理论分析和实验表明，STM能够在保持系统性能的同时有效降低SWDs的能耗。