ISCC

面向多任务边缘AI推理的感知-通信-计算去中心化融合

本文提出了一种面向多任务边缘AI推理的去中心化感知-通信-计算一体化框架。研究背景是无人机群、协同自动驾驶等去中心化场景中，设备需部署不同模型完成多种推理任务，并通过D2D链路共享特征。传统方案依赖中心化协调节点且采用串行特征聚合，导致通信时延与设备数线性相关。为此，论文引入全双工空中计算技术，使所有设备在同一频段同时收发信号，在空中直接聚合特征向量以减少传输时延。系统采用OFDM多载波传输特征向量，并设计子载波分配策略，将更重要的特征元素分配至信道质量更优的子载波上，以最大化判别增益。判别增益基于对称KL散度，用于量化特征分布可分性并直接服务于分类精度。针对子载波分配与波束赋形的紧耦合问题，论文构建了混合整数非线性分式和优化问题，提出基于二次变换与加权二分图匹配的交替优化算法，将子载波分配建模为加权二分图匹配问题，并利用二次变换处理分式规划以迭代更新感知功率、组播波束赋形向量和接收波束赋形向量。仿真表明，该方法在多任务推理精度上优于传统SCA算法，且在低特征维度下能有效平衡多任务间的性能权衡。论文发表于2025年11月的IEEE Transactions on Wireless Communications。第一作者为复旦大学硕士生Chenye Wang，通讯作者为上海科技大学助理教授Dingzhu Wen。