Low-Energy Resource Optimization and Task Assignment for Satellite Edge Computing Networks

Xiaoteng Yang

doi:10.1109/tc.2026.3713664

Low-Energy Resource Optimization and Task Assignment for Satellite Edge Computing Networks

2026-07-15

0

PRE

AI

Mianxiong Dong (Mianxiong Dong)

李克勤 (Keqin Li)

S

Schahram Dustdar

DOI：10.1109/tc.2026.3713664

原文链接

原文求助

摘要

En 中文

卫星边缘计算（SEC）作为一种有前景的范式，旨在增强在轨数据处理能力并降低传输延迟。然而，SEC环境中的卫星图像处理任务面临高效数据管理、资源协调和传输调度的严峻挑战。卫星星座的动态网络拓扑和时变资源可用性进一步降低了SEC服务的质量和稳定性。为应对这些挑战，我们提出了一种基于深度学习的协作图像特征提取任务优化（CIFTO）框架。CIFTO动态地将图像处理工作负载分配到多个低地球轨道（LEO）卫星上，实现了任务分配的连续时序更新，同时显著加速收敛并减少计算开销。通过整合时序建模和迭代优化，CIFTO有效缓解了卫星任务分配的NP-hard特性。此外，设计了一种轻量级卫星图像处理模型，以满足在轨计算的严格约束，实现参数极少的图像高效推理。广泛的实验评估表明，所提出的框架确保了任务及时完成，显著降低了系统整体能耗，并增强了SEC服务的适应性和训练效率。

Keyword:

Satellite edge computing

resource collaboration

task assignment

energy consumption

Low-Energy Resource Optimization and Task Assignment for Satellite Edge Computing Networks

摘要

期刊

机构

引用论文