陈加法，赵宜升，高锦程，陈忠辉

(福州大学 物理与信息工程学院福建省媒体信息智能处理与无线传输重点实验室，福州 350116)

0 引 言

采用射频(radio frequency，RF)能量收集技术从环境电磁波中收集能量为移动终端(mobile terminal，MT)提供电能是一种新的供电方式。然而，MT的电池容量和计算能力有限是其不足之处[1]。通过移动边缘计算(mobile edge computing，MEC)将计算任务分流到边缘服务器进行计算，能够显著减少MT的能量消耗[2-3]。此外，通过设计资源分配策略，能够高效利用收集到的能量。因此，研究结合MEC的能量收集通信系统的资源分配问题具有重要意义。

结合MEC的能量收集通信系统的资源分配问题已经引起了广泛关注。文献[4]为具有能量收集功能的MTs提出了一种基于深度学习的分流方案，有效降低了能量消耗、计算时延和任务丢弃率。文献[5]通过将MTs计算任务转移到边缘服务器来提高计算质量，将能量收集纳入多用户移动边缘计算系统中，提出了基于强化学习的资源管理算法以实现MTs时延和能耗成本最优化。文献[6]将无线能量传输(wireless power transfer，WPT)与MEC相结合，利用邻近边缘服务器的近端MT协助远端MT分流计算任务到边缘服务器，提出了一种最大化能量效率的资源分配策略。文献[7]提出一种采用非正交多址的MEC系统，多个MTs可以在同一个子载波下多路复用。在能量和时延约束下，优化子载波和功率分配以最小化计算总时延。文献[8]在多用户WPT-MEC系统中，以最大化MTs计算速率加权和为目标，提出了本地或边缘计算模式选择、WPT与分流任务的系统时间资源分配策略。……