5G 路線圖的關鍵特徵之一是 MEC，這是將資訊科技 IT 服務帶到移動使用者身邊的一種有效方式。在接入網的邊緣移動計算和快取資源，可以實現低延遲和高可靠性的服務，這是許多與 5G 相關的垂直領域所需要的，比如工業 4.0 或自動駕駛。
由於毫米波鏈路的高資料速率和通過大規模波束形成處理干擾的能力，將 MEC 與毫米波通訊合併可以提供更大的推動力，從而實現低延遲和高可靠性服務。
然而，毫米波鏈路容易發生阻塞事件，這可能會限制 mmW- MEC 部署的有效性。為了克服阻塞事件和改善 mmW-MEC，本文提出並分析了兩種克服阻塞效應的策略：
5G 路線圖的主要目標是設計一個公共/通用的通訊基礎設施，在不同的行業或垂直領域（如互聯汽車、自動駕駛、擴增實境、電動遊戲和物聯網系統）創造新的商業機會。為了推動這些不同的服務，需要考慮延遲、可靠性和資料速率等方面不同的需求，通過網路切片，在一個物理網路劃分為多個虛擬網路，每個虛擬網路匹配其特定的要求和約束，從而使運營商提供網路服務的基礎上，同時並行滿足廣泛的用例。
這種新的事實，有時被稱為第四次工業革命，可以通過能滿足高階需求的新架構來實現：
為此，在物理層，5G 通過整合大規模 MIMO 技術、密集部署無線電接入點和更寬的頻寬，顯著提高了系統容量。所有這些戰略都因毫米波通訊的使用而得到促進。然而，在物理層可實現的顯著改進仍然不足以滿足極低延遲和超可靠性的挑戰性和多樣化的需求。進一步的改進來自於將應用程式置於系統設計中心的正規化轉換。網路功能的虛擬化和 MEC 是這種以應用程式為中心的網路的關鍵工具。
特別是 MEC 在無線接入網（RAN）裡將雲端計算資源下放到網路邊緣方面發揮了關鍵作用，使之更接近移動使用者。MEC 在提供環境感知的服務或將計算從資源貧乏的移動裝置轉移到固定伺服器，或基於跨空間和時間的最流行內容的本地學習執行智慧快取預取方面特別有效。
將 MEC 與物理層的毫米波合併，為移動使用者提供低延遲、高可靠性的 IT 服務提供了獨特的機會。這次合併是歐洲/日本聯合專案 5GMiEdge（作為 5G 生態系統的推動者的毫米波邊緣雲）的目標。
在本文中，我們將討論與合併相關的一些問題。特別地，我們將專注於計算解除安裝，這是 MEC 提供的關鍵服務之一，我們將提出一些策略來抵消毫米波通訊的一個缺點，即易受到阻塞。事實上，眾所周知，毫米波鏈路很容易由於發射機和接收機之間突然出現的障礙或通過接收主瓣的干擾而阻塞。阻塞事件可能毀滅 mmW 存取 MEC 服務而帶來的超低延遲效益。在此工作中，我們擴充套件了所提出的通訊和計算資源的聯合優化分配擴充套件到 mmW-MEC 來進行計算解除安裝，並考慮了通道阻塞事件。
特別地，我們提出了兩種方法來抵消阻塞的不良影響
更具體地說，這項工作擴充套件了我們最近對 mmw-MEC 系統的分析，它允許對兩個以上的接入點進行並行存取，考慮統計相關的阻塞事件，併為通訊（容量）和計算（虛擬機器器）資源的分配推導封閉的表示式。這些封閉表示式有助於更好地理解阻塞的影響，並展示如何通過超額提供計算/通訊資源來抵消阻塞。
當滿足下列任一條件時，計算解除安裝對移動裝置是有利的:
這裡使用術語延遲來表示終端使用者獲得其應用程式結果所經歷的總體延遲。在實際環境中，當多個使用者請求將他們的計算任務轉移到其他地方時，由 MEC 伺服器決定在何處執行應用程式，MEC 伺服器知道無線接入網和可用的計算資源。
MEC 伺服器實際上可以存取以無線電鏈路容量表示的無線電資源和以管理程式分配給為每個使用者的計算請求服務的虛擬機器器的 CPU cycles/sec 表示的計算資源。這兩類資源的分配是通過延遲約束耦合的，延遲約束包括通訊時間和計算時間。
計算：
通訊：
n
T
,
n
R
n_T, n_R
nT,nR：transmit and receive 天線數 MIMO。
F
\mathbf F
F：預編碼矩陣。
Q
=
σ
s
2
F
F
H
\mathbf Q=\sigma_{s}^{2} \mathbf{F} \mathbf{F}^{H}
Q=σs2FFH：傳輸符號的協方差矩陣，符號不相關的方差為
σ
s
2
\sigma_{s}^{2}
σs2。
P
T
=
tr
(
Q
)
P_T = \text{tr} (\mathbf Q)
PT=tr(Q)：傳移動裝置的最大傳輸功率。
R
n
\mathbf R_n
Rn：干擾加噪聲的協方差矩陣。
H
\mathbf H
H：移動使用者和基站之間的通道。
一種解決資源優化問題的可能性是找到最優的預編碼矩陣 F \mathbf F F（即傳輸符號的協方差矩陣 Q \mathbf Q Q），在滿足以下約束條件下，使行動端能耗最小化：
該問題是非凸的，但證明它可以等價地轉換為一個凸問題，與功耗最小化相關，其數學公式為
min
Q
⪰
0
trace
(
Q
)
,
s
.
t
.
X
≜
0
a).
n
b
R
(
Q
)
+
w
f
S
+
Δ
R
≤
L
b).
tr
(
Q
)
≤
P
T
,
Q
⪰
0
\begin{aligned} \min _{\mathbf{Q} \succeq 0} & \quad \operatorname{trace}(\mathbf{Q}), \\ s.t. \quad \mathcal{X} \triangleq 0 & \quad \text { a).} \quad \frac{n_{b}}{R(\mathbf{Q})}+\frac{w}{f_{S}}+\Delta_{R} \leq L \\ & \quad \text { b).} \quad \operatorname{tr}(\mathbf{Q}) \leq P_{T}, \mathbf{Q} \succeq \mathbf{0} \end{aligned}
Q⪰0mins.t.X≜0trace(Q), a).R(Q)nb+fSw+ΔR≤L b).tr(Q)≤PT,Q⪰0
其中
R
(
Q
)
=
B
log
2
det
(
I
+
H
Q
H
H
R
n
−
1
)
R(\mathbf{Q})=B \log _{2} \operatorname{det}\left(\mathbf{I}+\mathbf{H} \mathbf{Q} \mathbf{H}^{H} \mathbf{R}_{n}^{-1}\right)
R(Q)=Blog2det(I+HQHHRn−1)
Δ
R
\Delta_{R}
ΔR： 將結果傳送回移動使用者的時間。注意到
X
\mathcal{X}
X 為空時，在使用者要求範圍內解除安裝不方便或不可能進行，在移動裝置上進行處理；如果
X
\mathcal{X}
X 是非空的，則前面的問題是凸的，可用有效的數值工具求解。
延遲約束可以等價地表示為
R
(
Q
)
≥
R
min
:
=
n
b
/
(
L
−
w
f
S
−
Δ
R
)
R(\mathbf{Q}) \geq R_{\min }:=n_{b} /\left(L- \frac{w}{f_{S}} -\Delta_{R}\right)
R(Q)≥Rmin:=nb/(L−fSw−ΔR)
假設 s s s 個 radio access points（AP），使用者到第 i i i 個 AP 的通道為 n R × n T n_{R} \times n_{T} nR×nT 的 H i \mathbf H_i Hi。總的通道 H \mathbf H H 是其堆疊起來的因此是 ( s ⋅ n R ) × n T (s \cdot n_{R}) \times n_{T} (s⋅nR)×nT。
只是為了找到封閉形式的表示式，在下面我們做一個簡化的假設，即每個通道都是 LOS 情況。
H
i
=
c
i
a
R
i
(
θ
R
i
,
ϕ
R
i
)
a
T
H
(
θ
T
i
,
ϕ
T
i
)
\boldsymbol{H}_{i}=c_{i} \boldsymbol{a}_{R_{i}}\left(\theta_{R_{i}}, \phi_{R_{i}}\right) \boldsymbol{a}_{T}^{H}\left(\theta_{T_{i}}, \phi_{T_{i}}\right)
Hi=ciaRi(θRi,ϕRi)aTH(θTi,ϕTi)
其中
c
i
c_i
ci 是一個包含所有衰減項的標量係數
c
i
=
η
(
λ
4
π
r
i
)
2
e
−
α
r
i
c_{i}=\sqrt{\eta\left(\frac{\lambda}{4 \pi r_{i}}\right)^{2} e^{-\alpha r_{i}}}
ci=η(4πriλ)2e−αri
考慮各個 AP 的通道統計獨立產生阻塞，假設第
k
k
k 個通道產生阻塞的概率是
P
I
k
P_{I_k}
PIk。