Paper: Blockchain-Based MIMO AAV-Aided Mobile Edge Computing

1. 元信息

• paper_id: PAPER_513EB8C3
• title: Blockchain-Based MIMO AAV-Aided Mobile Edge Computing
• year: 2026
• authors: Xiaojie Guo
• venue: IEEE Transactions on Mobile Computing
• DOI: 10.1109/TMC.2025.3649700

2. 一句话贡献

提出基于区块链的MIMO自主空中平台（AAV）辅助移动边缘计算框架，设计Energy-Based Raft（E-Raft）共识算法实现节能的AAV领导者选举，并开发在线优先级任务卸载和轨迹规划算法（OPOTS），联合优化截止期感知的任务卸载和AAV蜂群轨迹，性能提升最高达40%。（EVID-PAPER_513EB8C3-P1-C000）

3. 研究问题

3.1 原始问题

现有AAV辅助MEC方案主要考虑单天线AAV，忽略了MIMO系统的频谱效率优势。此外，区块链方案多采用能耗高的PoW共识机制，不适用于能量受限的AAV场景。需要设计能量高效的区块链共识机制和联合任务卸载-轨迹优化方案。（EVID-PAPER_513EB8C3-P1-C000）

3.2 学术抽象

• 问题类型：区块链+MEC+UAV联合优化
• 关键挑战：在AAV能量限制下实现可信任务卸载决策；MIMO信道下的NP-hard联合优化（卸载+轨迹）
• 形式化：给定M个移动设备和N架MIMO AAV，优化计算利润最大化问题P1=<I,F,Φ,Ω>（I:任务集，F:AAV资源，Φ:信道，Ω:能量）

3.3 问题重要性

将区块链可信机制引入无人机辅助MEC（移动边缘计算），同时解决AAV能耗瓶颈和MIMO通信优化，对可扩展可信边缘智能有重要意义。

4. 核心思想

三层协同设计：

1. E-Raft共识：通过一系列递减能量阈值实现动态领导者选举——高能量AAV优先成为leader执行决策，能耗尽后自动切换，避免PoW的高能耗
2. MIMO信道建模：利用MIMO多天线空间复用提升AAV-设备通信容量
3. OPOTS算法：在线优先级任务卸载和轨迹选择——基于任务截止期和计算利润的贪心优先级排序，逐轮由E-Raft选出的leader执行

（EVID-PAPER_513EB8C3-P5-C018, EVID-PAPER_513EB8C3-P8-C026, EVID-PAPER_513EB8C3-P9-C028）

5. 方法框架

• 输入：移动设备任务集I（各任务含数据量、计算量、截止期）
• 输出：任务卸载决策+AAV轨迹规划+区块链共识
• 模型：MIMO信道模型 + MEC计算模型 + E-Raft共识模型
• 算法：Threshold-Based Dynamic Leader Selection → Online Priority-based Offloading → Trajectory Selection (OPOTS) → Incentive Mechanism
• 数据集：MATLAB仿真参数（见表II）
• 评价指标：计算完成率、计算利润、移动效率、能耗

6. 实验设计

• Baseline：PoW共识方案、随机卸载方案、贪婪卸载方案
• Ablation：E-Raft vs PoW vs PBFT共识性能对比
• Robustness：不同AAV数量、任务密度下的完成率和利润

7. 关键结论

8. 隐含假设

论文明确假设：AAV之间有可靠的通信链路支持共识消息传递；移动设备的任务信息真实（区块链保证）。 系统推断：AAV蜂群的能量消耗模型准确；E-Raft的阈值递减策略需要适当校准。

9. 局限性

系统推断：E-Raft在高AAV数量下共识延迟增加；MIMO信道状态信息（CSI）获取在高速AAV移动场景有挑战。

10. 可迁移启发

以下为 C 类迁移推断，非原论文结论。

1. 能量感知共识机制：E-Raft的"能量阈值递减领导者选举"——可迁移到其他能量受限的区块链IoT场景（如传感器网络、无人机蜂群、卫星星座）。
2. MIMO+UAV通信增强：MIMO空间复用提升UAV边缘计算频谱效率——可迁移到6G空天地一体化网络的边缘计算设计。
3. 区块链+边缘AI可信融合：区块链保证卸载决策的可审计性——可迁移到联邦学习的模型聚合可信验证。

11. 与其他论文关系

• 前置工作：Raft共识、MIMO通信、UAV辅助MEC
• 同主题工作：与RSMA Multi-UAV Secure Communication互补（MEC计算 vs 安全通信）；与Joint Scheduling论文共享UAV边缘计算优化主题

12. Evidence 列表