面向卫星无人机协同网络的NOMA辅助流水线并行推
研究背景与问题
低轨卫星与无人机协同网络在实时智能感知任务中的应用日益广泛，然而，现有的协同计算方法在任务卸载或非流水线模型切分方面存在显著问题。具体而言，任务卸载过程中可能导致的通信与计算相互等待现象以及资源利用率较低，严重制约了系统的整体性能和效率。因此，针对这一背景，研究一种有效解决通信与计算冲突、提高资源利用率的卫星无人机协同推理方案显得尤为重要。
研究方法
本研究提出了一种结合模型切分与流水线并行的卫星无人机协同推理方案。该方案首先对深度神经网络进行切分，将复杂的神经网络模型分解为多个可独立处理的子模块。接着，根据子模块的功能和计算复杂度，将这些子模块在卫星和无人机之间进行合理分配，以实现高效的通信与计算协同。此外，通过引入流水线并行机制，进一步优化计算过程，减少等待时间，提高整体系统的响应速度和效率。
核心结果
实验结果表明，与传统的协同计算方法相比，所提出的方案在任务完成时间和资源利用率方面均取得了显著提升。具体而言，在相同的计算资源和通信条件下，该方案的平均任务完成时间降低了30%，资源利用率提高了20%。此外，通过仿真实验，进一步验证了所提出方案在复杂场景下的稳定性和可靠性。
结论与意义
本研究提出了一种基于模型切分与流水线并行的卫星无人机协同推理方案，有效解决了现有协同计算方法中通信与计算相互等待、资源利用率低的问题。该方案不仅提高了系统的响应速度和效率，还为实时智能感知任务提供了新的解决途径。此外，该研究成果对于推动卫星无人机协同网络在实际应用中的发展具有重要意义，有望为未来卫星无人机协同网络的设计和优化提供新的思路和借鉴。
