融合移动边缘计算的未来5G移动通信网络

齐彦丽; 周一青; 刘玲; 田霖; 石晶林

doi:10.7544/issn1000-1239.2018.20170801

融合移动边缘计算的未来5G移动通信网络

¹(中国科学院大学北京 100049)
²(中国科学院计算技术研究所无线通信技术研究中心北京 100190)
³(北京市移动计算与新型终端重点实验室(中国科学院计算技术研究所) 北京 100080) (qiyanli@ict.ac.cn)

基金项目: 北京市自然科学基金-海淀原始创新联合基金重点项目(L172049)

详细信息

中图分类号: TP393; TN929.5
计量
- 文章访问数: 2641
- HTML全文浏览量: 10
- PDF下载量: 1840
出版历程
- 发布日期: 2018-02-28

MEC Coordinated Future 5G Mobile Wireless Networks

¹(University of Chinese Academy of Sciences, Beijing 100049)
²(Wireless Communication Technology Research Center, Institute of Computing Technology, Chinese Academy of Sciences, Beijing 100190)
³(Beijing Key Laboratory of Mobile Computing and Pervasive Device (Institute of Computing Technology, Chinese Academy of Sciences), Beijing 100080)

摘要

摘要: 未来5G移动通信网络面临移动流量暴涨，新型业务提出高回传带宽、低时延等挑战，移动边缘计算MEC有望解决上述问题.首先介绍MEC的网络框架结构及其在5G中的标准化进展，然后结合MEC的部署策略和未来5G网络架构，提出融合MEC的未来5G移动通信网络架构.从该架构可以看到，未来5G将是一个通信与多级计算协同的网络.所提架构可灵活、自适应地支持多种通信模式，同时可采用虚拟化技术实现通信、计算、存储资源的高效共享.面向通信与计算协同，融合MEC的5G网络在基础理论方面面临的主要挑战是网络容量分析，关键技术方面则包括通信与计算资源的协同优化、计算存储多播、节带化传输等.相关理论与技术亟需进一步的深入研究探讨，推动通信与计算融合发展.
- 第5代移动通信技术 /
- 移动边缘计算 /
- 通信与计算融合 /
- 集中式架构 /
- 多级计算
Abstract: Future 5G wireless networks are confronted with various challenges such as exponentially increasing mobile traffic and new services requiring high backhaul bandwidth and low latency. Integrating mobile edge computing (MEC) into 5G network architectures may be a promising solution. First of all, this paper introduces the functional framework of MEC systems. Then the standardization progress of MEC in 5G is presented. Supporting MEC, the functionalities of 5G core network are described in detail. Given MEC deployment strategies and the mobile network architectures of future 5G, a MEC coordinated 5G network architecture is proposed, which demonstrates that 5G will be a network featured by the coordination of communications and multi-level computing. The proposed network architecture can support various communication modes adaptively and enable the resource sharing efficiently with virtualization technologies. Some researches have been carried out on MEC coordinated 5G, such as basic theorems related to the 5G network capacity concerning both the communication and computing resources, and key technologies including the joint optimization of communication and computing resources, multicast based on computing and cache, and bandwidth-saving transmission. It can be seen that much more efforts need to be put on MEC coordinated 5G before the network can be fully understood.

HTML全文

参考文献(0)

施引文献(63)

期刊类型引用(12)

1.	武家辉，李科研，陈丽新，张家诺，刘帅兵，逯鹏. 神经架构搜索技术研究综述. 计算机应用研究. 2025(01): 11-18 . 百度学术
2.	刘倩男，闫佳，刘诚. 基于改进MobileNetV3的岩石薄片分类研究. 电脑知识与技术. 2025(07): 26-28 . 百度学术
3.	吴艳灵，汤宝平，邓蕾，付豪. 低通筛选优化神经架构搜索的风电齿轮箱边缘侧故障诊断方法. 机械工程学报. 2025(07): 361-372 . 百度学术
4.	宋玉红，沙行勉，诸葛晴凤，许瑞，王寒. RR-SC:边缘设备中基于随机计算神经网络的运行时可重配置框架. 计算机研究与发展. 2024(04): 840-855 . 本站查看
5.	蒋鹏程，薛羽. 基于排序得分预测的演化神经架构搜索方法. 计算机学报. 2024(11): 2522-2535 . 百度学术
6.	刘威，郭直清，王东，刘光伟，姜丰，牛英杰，马灵潇. 改进鲸鱼算法及其在浅层神经网络搜索中的权值阈值优化. 控制与决策. 2023(04): 1144-1152 . 百度学术
7.	鞠翰文，邓扬，李爱群. 桥梁结构挠度-温度-车辆荷载监测数据相关性模型. 振动与冲击. 2023(06): 79-89 . 百度学术
8.	丁熠，郑伟，耿技，邱泸谊，秦志光. 基于多层级并行神经网络的多模态脑肿瘤图像分割框架. 中国图象图形学报. 2023(07): 2182-2194 . 百度学术
9.	王上，唐欢容. 一种基于混合粒子群优化算法的深度卷积神经网络架构搜索方法. 计算机应用研究. 2023(07): 2019-2024 . 百度学术
10.	朱光辉，祁加豪，朱振南，袁春风，黄宜华. 渐进式深度集成架构搜索算法研究. 计算机学报. 2023(10): 2041-2065 . 百度学术
11.	钟运琴，朱月琴，焦守涛. 边缘大数据分析预测建模方法研究. 高技术通讯. 2022(10): 1067-1075 . 百度学术
12.	包振山，秘博闻，张文博. 基于人工经验网络架构为初始化的NAS算法. 北京工业大学学报. 2021(08): 854-862 . 百度学术