无线体域网作为无线传感器网络的一个分支，是一种以人体为中心的短距离通信网络，由置于人体周围、体表以及体内的传感器节点和一个中心节点构成。遍布全身的传感器能够对人体的一些重要生理参数或者人体周围的一些环境参数进行感知和采集，并通过无线传输的方式发送给中心节点。中心节点大多安置在胸部或者腰部等相对稳定的位置，在接收到这些信息后通过WiFi或者移动蜂窝网络将其发送到远程服务器供专业人员进行后续处理。

随着传感器和通信技术的发展，无线体域网在日常生活和工作中发挥着重要的作用。各种网络服务和应用不断涌现，用户对网络服务质量、请求时延等网络性能的要求越来越高。尽管新的移动设备的中央处理单元的处理能力越来越强大，但依然无法在短时间内处理巨大的应用程序。此外，本地处理这些应用也面临另一个问题，即电池电量的快速消耗和自身损耗。这些问题严重影响了应用程序在用户设备上的运行效率和用户体验。为了解决以上问题，业界提出了移动边缘计算和计算卸载技术。

移动边缘计算技术（MEC）的概念最早提出于2009年卡内基梅隆大学所研发的cloudlet平台^[1]。移动边缘计算MEC是把移动网络和互联网两者技术有效融合在一起，在移动网络侧增加了计算、存储、数据处理等功能；构建了开放式平台以植入应用，并通过无线API开放移动网络与业务服务器之间的信息交互，移动网络与业务进行了深度融合，将传统的无线基站升级为智能化基站；MEC的部署策略尤其是距离用户的相对地理位置可以有效实现低延迟、高带宽等，MEC也可以实时获取移动网络信息和更精准的位置信息来提供更加精准的位置服务。

Chun 等人提出了一个能够自动利用云平台执行移动应用的系统 CloneCloud ^[2]。移动边缘计算卸载技术是指受资源约束的设备完全或部分地将计算密集型任务卸载到资源充足的云环境中，主要解决了移动设备在资源存储、计算性能以及能效等方面存在的不足。计算卸载技术不仅减轻了核心网的压力，而且降低了因传输带来的时延。同时，物联网技术的发展也需要计算卸载技术的支撑，由于物联网设备的资源通常是有限的，若要达到万物互联的场景，就需要在终端设备受限的情况下，将复杂的计算卸载到边缘服务器。计算卸载技术不仅有助于物联网的发展，而且能降低终端设备的互连准入标准。此外，计算卸载技术也促进了零延时容忍新兴技术的发展。

管孟凌提出了一种迭代式计算卸载算法来优化计算卸载和功率分配问题^[3]，汪海霞等人设计了计算迁移和数据缓存的联合优化模型，并基于改进的遗传算法对该模型的时延优化特性进行了优化^[4]；孟涵琳提出通过使用马尔科夫动态决策过程求解资源分配问题，能够提高系统的长期期望折扣回报^[5]。孔月提出基于供需相似度与动态价格模型的任务迁移节点选取策略，有效降低了网络延时和响应时间，且能提高资源利用率和任务吞吐量^[6]。章子凯提出一种任务安全迁移的容错计算模型，在动态随机网络中得到能量消耗和时间消耗最小的任务迁移策略^[7]。计算卸载的主要目标包括降低移动终端设备的能耗、降低服务响应延迟以及降低应用服务处理成本等，这也是目前国内外学术界研究的热点。

2. 研究的基本内容与方案

2.1设计的基本内容

本设计主要通过研究现有的任务迁移优化算法，设计一种任务卸载请求中继接入控制算法，允许满足接入控制要求的节点将在本地无法处理的任务卸载至移动边缘云，进而由其分配虚拟机计算资源，最终实现优化无线体域网和移动边缘云的整体能耗和降低传输延迟的目标。主要工作如下：

1.以降低时延为目标，研究面向无线体域网的任务卸载策略，分析其对传输延迟和能量消耗的影响；