面向5G的醫院大規模機器類通信能效優化模型構建及仿真

謝同玲

摘要：以醫院5G網絡部署作為背景，就5G應用場景中的大規模醫療與化學機器類MTC終端通信問題，在構建MTC終端能耗模型的基礎上，提出一種基于遺傳算法的優化方法。即通過編碼、交叉變異等，實現最優能耗路徑的選擇。最后通過仿真，對上述5G網絡場景中的化學儀器類通信進行驗證，結果看出，與傳統的能耗優化相比，本方法可有效降低在一定信噪比下的能耗，具有很大的優勢。

關鍵詞：MTC終端;能耗模型;信噪比;遺傳算法

中圖分類號：TN929.5

文獻標識碼：A

文章編號：1001-5922（2020）09-0102-04

M2M通信技術指的是在機器之間的通信，不依賴于人類的干預，采用蜂窩網絡高效地完成信息傳輸過程。在物聯網以及人工智能等技術持續發展的過程中，M2M技術具有廣泛的應用場景。相關數據顯示，近些年來M2M連接數保持了較高的增長速度，預計在2022年時將會達到180億的規模。與此同時，各種類型的終端不斷增多，預計將會是現有蜂窩用戶數量的十倍以上，基本上涉及到了醫療、交通、工業生產、智能家居以及環保等各個領域，無疑機器類通信技術存在著巨大的市場，未來的應用將會更加普遍，并為人類帶來更多的便利。其中在醫療方面的應用主要體現在遠程操控、無創手術等方面，例如國內天津大學的研究團隊成功研制出擁有觸覺功能的NOTES平臺，此平臺具有較高的智能化特征，能夠遠程完成自然腔道的手術操作，增強了手術實施的便捷性。隨著信息化以及自動化等技術不斷在現代醫療中得到成功的應用，在醫學領域的終端設備持續增加，如何對此類設備進行科學的管理和應用將成為一個熱點的研究課題。本文主要對大規模機器通信場景的優化問題進行了研究，并建立了對應的能效優化模型。

1 能效問題描述

隨著MTC終端數量的增加，如果對大量的MTC終端進行有效地管理成為人們關注的課題，通過科學的管理能夠提升網絡通信的效率，滿足不同場景的時延要求，進而提升資源利用的合理性。

1.1能耗問題

網絡場景中的能耗問題是影響通信質量的重要因素，在現有的網絡場景中，MTC設備的功能復雜，其需要協助其他設備來傳輸數據，而不僅僅是發送自身的信息，在數據傳輸過程中會產生一定的能耗，具體與傳輸數據的距離以及數量等有關。在這里將通信次數表示為cn.，cn根據先前的模型得到能耗EC，的計算公式：

根據上述公式可以明顯地看到，傳輸能耗主要通信距離大小以及發送頻率有關，其中MTC的發送頻率會受到中繼選擇的影響，因此會影響到能耗的變化。由此證明，MTC終端的總能耗會受到中繼選擇的影響。

1. 2能效優化問題

分析表明，MTC終端的總體能耗會顯著受到中繼選擇的影響，同時也會影響到無線通信資源的管理，因此可以將能耗和資源分配協同考慮，并構建一個包含二者的指標進行評價。據此本文設計了能效指標EE，其表達式如下所示：

ai表示在無線資源分配方案對應的MTC終端傳輸順序中，第i個利用RB資源開始傳輸其自身數據的MTC終端所對應的終端編號，也即在MDS中對應于MDa;對于任- MTC終端，其通信路徑是由其數據從自身到達匯聚節點過程中所經歷的通信設備編號組成的序列。本文將與該編號排列順序向量A對應各MTC終端的通信路徑所組成的向量稱為通信路徑向量，記為B，設其表達式如下：

公式（6）中的編號順序向量A以及公式（7）中的通信路徑向量B，另外根據多跳通信以及發送功率選擇集合可以得到對應的通信次數和發送功率。

2 能耗問題求解

根據上述分析可知，總體能效主要與MTC的傳輸順序和發送功率有關。在實際中各個終端的發送功率存在明顯的差異性，如果含有大量的終端，則必然會增大數據維度，假設終端數目為N，則對應的傳輸順序將會達到N！^種，此時難以通過常規的方法求解。因此，本文提出采用啟發式算法進行求解。

2.1 啟發式算法的提出

根據先前的分析已知，MTC終端的中繼選擇會影響到發送功率，因此之前的能效優化問題只是體現了一回合的網絡性能。如果是處于通信范圍以外的MTC終端傳輸數據，則需要利用匯聚節點周圍的MTC終端進行中繼轉發，由此實現數據的高效傳輸。在此過程中完成較多的通信回合之后，處于匯聚節點周圍的MTC終端往往會形成更大的消耗，而其他的終端能耗相對較低，此時對應的問題即為能耗差異化問題，因此在中繼選擇過程中需要利用到MTC終端與匯聚節點的歐式距離以及剩余能量，二者形成的集合分別表示為Dtosn、Eres，具體公式如下所示：

根據上述分析可知，如果MTC終端含有較多的剩余能量，并且與匯聚節點的距離較小，則可以將其作為中繼節點，通過這種方式能夠顯著降低能耗，提升資源分配的合理性。

2.2 遺傳算法求解

為了有效地求解上述能效優化問題，在本次研究中選擇了遺傳算法，該算法最早在上個世紀七十年代由學者Holland等提出。遺傳算法主要是依據生物學中自然選擇的原理，根據優勝劣汰的進化規律來獲得最佳的求解結果，在其應用中一般要有具體的初始化群體，然后采用編碼技術來模擬生物進化的過程，通過變異等方式逐步進化群體，最后能夠得到質量最高的個體，即得到問題的最優解。本文中遺傳算法的個體即為MTC終端編號對應的順序，根據大量的個體即可得到一個種群，算法的詳細流程如下圖所示。

算法的計算過程劃分為多個步驟，具體如下所示：

1）初始化種群，即采用隨機排序的方式處理MTC終端編號，由此可以得到與公式4-16對應的傳輸順序向量。

2）適應度計算，根據之前的網絡場景，將現有的個體代入到公式3中，計算出總體能效值。

3）根據步驟2）中計算的適應度得到優質的個體，然后從選擇后的個體中獲得交叉的成對個體，并從中任意選擇子序列，根據其中的終端號從其他個體中得到相同的子序列，將二者進行交換后即可形成新個體。從變異后的個體中獲取子序列，然后通過隨機排序的方式處理，將獲得的新子序列放回到個體中，最終得到了新的個體，按照此過程完成了變異的過程。

4）如果種群內個體間的適應度都相同，則結束迭代的過程。

3 仿真實驗及結果

3.1 參數設置

在本次研究中采用仿真的方式驗證了遺傳算法的應用效果，其中具體的仿真參數即為表1中所示，首先準備初始能量完全相同（2焦耳）的醫療化學MTC終端500個，然后將其設置在圓形區域中，其中的圓心即為匯聚節點的位置（具體見圖2所示）。假定所有的能量消耗只是與數據發送有關，從第一個通信回合開始到發送數據結束時的總通信回合數目表示網絡壽命。

3.2 仿真結果

在研究過程中采用了對比分析的方法，分別將本文提出的能效優化算法和基礎對比算法表示為HEEOS、baseline，在選擇中繼過程中了利用了基于距離匯聚節點最小通信距離原則，然后開始了實驗的具體過程。實驗中設置了多個信噪比閾值，然后對兩種算法的性能指標進行計算，最終得到的實驗結果即為圖3中所示。

根據圖3中曲線可以明顯地看到，HEEOS在改善能效上具有更大的優勢，由此可以證明本文提出的啟發式優化算法在改善網絡能效上能夠達到的效果。在現有實驗條件下，單回合平均總能效與信噪比閾值直接相關，二者保持明顯的正相關性。另外，在研究中HIA得到了總通信回合數變化曲線，便于對信噪比閾值不同時的網絡壽命進行分析，具體即為圖4中所示。

圖4展示了平均每回合最大跳數的變化曲線，根據圖中曲線可以明顯地看到，兩種算法的通信跳數與信噪比閾值是正相關的關系，即通信跳數隨著信噪比閾值的增大而提高。如果是較大的信噪比閾值，則MTC終端的通信范圍更小，由此會顯著降低對應的能耗，進而保證各個MTC終端保持基本一致的能耗，這在一定程度上增加了網絡壽命。

3 結語

根據本次仿真研究的結果可知，文章提出的啟發式優化算法比baseline具有更大的優勢，能夠顯著提升網絡能效，進而達到更高的網絡壽命。另外網絡壽命與信噪比閾值大小直接相關，一般隨著信噪比閾值的增大，各個MTC終端的能耗差異性減少，使得網絡壽命顯著提升。但是在此過程中也存在一定的不足問題，即數據的可靠性可能會降低。

參考文獻

[1]張發，王鳳麗，錢蔓藜，等.5G系統機器類通信場景下基于動態接入優先級的擁塞控制策略研究[J].通信技術，2019，52（02）：347-353.

[2]邵羽豐，江凌云，一種基于ACB的機器類通信接入擁塞控制方案[J].南京郵電大學學報（自然科學版），2019，39（02）：99-104.

[3]王任直，孔梓任，馮銘，第五代移動通信技術在中國醫學領域的應用展望[J].中國現代神經疾病雜志，2019，19（09）：615-617.

[4]曹蔚，馮鋼，秦爽，等.面向海量機器類通信（mMTC）的無線接入控制[J].重慶郵電大學學報（自然科學版），2017，29（05）：569-579.

[5]姚美菱，吳蓬勃，張星，等.移動網絡承載機器類通信業務改進方案探討[J].電信快報，2018（03）：8-10.

[6]段紅光，盧松品，王利飛，等，機器類通信中基于負載反饋的擁塞控制方法[J].電信科學，2016，32（11）：26-31.

[7]李鵬，梁康有，機器類通信終端蜂窩網接入擁塞控制[J].重慶科技學院學報（自然科學版），2017，19 （02）：96-98+112.

[8]謝顯中，黎佳，黃倩，等.機器類通信中基于NOMA短編碼塊傳輸的高可靠低遲延無線資源分配優化方案[J].電子與信息學報，2019，41（ 11）：2549-2556.