面向5G的医院大规模机器类通信能效优化模型构建及仿真

谢同玲

摘要：以医院5G网络部署作为背景，就5G应用场景中的大规模医疗与化学机器类MTC终端通信问题，在构建MTC终端能耗模型的基础上，提出一种基于遗传算法的优化方法。即通过编码、交叉变异等，实现最优能耗路径的选择。最后通过仿真，对上述5G网络场景中的化学仪器类通信进行验证，结果看出，与传统的能耗优化相比，本方法可有效降低在一定信噪比下的能耗，具有很大的优势。

关键词：MTC终端;能耗模型;信噪比;遗传算法

中图分类号：TN929.5

文献标识码：A

文章编号：1001-5922（2020）09-0102-04

M2M通信技术指的是在机器之间的通信，不依赖于人类的干预，采用蜂窝网络高效地完成信息传输过程。在物联网以及人工智能等技术持续发展的过程中，M2M技术具有广泛的应用场景。相关数据显示，近些年来M2M连接数保持了较高的增长速度，预计在2022年时将会达到180亿的规模。与此同时，各种类型的终端不断增多，预计将会是现有蜂窝用户数量的十倍以上，基本上涉及到了医疗、交通、工业生产、智能家居以及环保等各个领域，无疑机器类通信技术存在着巨大的市场，未来的应用将会更加普遍，并为人类带来更多的便利。其中在医疗方面的应用主要体现在远程操控、无创手术等方面，例如国内天津大学的研究团队成功研制出拥有触觉功能的NOTES平台，此平台具有较高的智能化特征，能够远程完成自然腔道的手术操作，增强了手术实施的便捷性。随着信息化以及自动化等技术不断在现代医疗中得到成功的应用，在医学领域的终端设备持续增加，如何对此类设备进行科学的管理和应用将成为一个热点的研究课题。本文主要对大规模机器通信场景的优化问题进行了研究，并建立了对应的能效优化模型。

1 能效问题描述

随着MTC终端数量的增加，如果对大量的MTC终端进行有效地管理成为人们关注的课题，通过科学的管理能够提升网络通信的效率，满足不同场景的时延要求，进而提升资源利用的合理性。

1.1能耗问题

网络场景中的能耗问题是影响通信质量的重要因素，在现有的网络场景中，MTC设备的功能复杂，其需要协助其他设备来传输数据，而不仅仅是发送自身的信息，在数据传输过程中会产生一定的能耗，具体与传输数据的距离以及数量等有关。在这里将通信次数表示为cn.，cn根据先前的模型得到能耗EC，的计算公式：

根据上述公式可以明显地看到，传输能耗主要通信距离大小以及发送频率有关，其中MTC的发送频率会受到中继选择的影响，因此会影响到能耗的变化。由此证明，MTC终端的总能耗会受到中继选择的影响。

1. 2能效优化问题

分析表明，MTC终端的总体能耗会显著受到中继选择的影响，同时也会影响到无线通信资源的管理，因此可以将能耗和资源分配协同考虑，并构建一个包含二者的指标进行评价。据此本文设计了能效指标EE，其表达式如下所示：

ai表示在无线资源分配方案对应的MTC终端传输顺序中，第i个利用RB资源开始传输其自身数据的MTC终端所对应的终端编号，也即在MDS中对应于MDa;对于任- MTC终端，其通信路径是由其数据从自身到达汇聚节点过程中所经历的通信设备编号组成的序列。本文将与该编号排列顺序向量A对应各MTC终端的通信路径所组成的向量称为通信路径向量，记为B，设其表达式如下：

公式（6）中的编号顺序向量A以及公式（7）中的通信路径向量B，另外根据多跳通信以及发送功率选择集合可以得到对应的通信次数和发送功率。

2 能耗问题求解

根据上述分析可知，总体能效主要与MTC的传输顺序和发送功率有关。在实际中各个终端的发送功率存在明显的差异性，如果含有大量的终端，则必然会增大数据维度，假设终端数目为N，则对应的传输顺序将会达到N！^种，此时难以通过常规的方法求解。因此，本文提出采用启发式算法进行求解。

2.1 启发式算法的提出

根据先前的分析已知，MTC终端的中继选择会影响到发送功率，因此之前的能效优化问题只是体现了一回合的网络性能。如果是处于通信范围以外的MTC终端传输数据，则需要利用汇聚节点周围的MTC终端进行中继转发，由此实现数据的高效传输。在此过程中完成较多的通信回合之后，处于汇聚节点周围的MTC终端往往会形成更大的消耗，而其他的终端能耗相对较低，此时对应的问题即为能耗差异化问题，因此在中继选择过程中需要利用到MTC终端与汇聚节点的欧式距离以及剩余能量，二者形成的集合分别表示为Dtosn、Eres，具体公式如下所示：

根据上述分析可知，如果MTC终端含有较多的剩余能量，并且与汇聚节点的距离较小，则可以将其作为中继节点，通过这种方式能够显著降低能耗，提升资源分配的合理性。

2.2 遗传算法求解

为了有效地求解上述能效优化问题，在本次研究中选择了遗传算法，该算法最早在上个世纪七十年代由学者Holland等提出。遗传算法主要是依据生物学中自然选择的原理，根据优胜劣汰的进化规律来获得最佳的求解结果，在其应用中一般要有具体的初始化群体，然后采用编码技术来模拟生物进化的过程，通过变异等方式逐步进化群体，最后能够得到质量最高的个体，即得到问题的最优解。本文中遺传算法的个体即为MTC终端编号对应的顺序，根据大量的个体即可得到一个种群，算法的详细流程如下图所示。

算法的计算过程划分为多个步骤，具体如下所示：

1）初始化种群，即采用随机排序的方式处理MTC终端编号，由此可以得到与公式4-16对应的传输顺序向量。

2）适应度计算，根据之前的网络场景，将现有的个体代入到公式3中，计算出总体能效值。

3）根据步骤2）中计算的适应度得到优质的个体，然后从选择后的个体中获得交叉的成对个体，并从中任意选择子序列，根据其中的终端号从其他个体中得到相同的子序列，将二者进行交换后即可形成新个体。从变异后的个体中获取子序列，然后通过随机排序的方式处理，将获得的新子序列放回到个体中，最终得到了新的个体，按照此过程完成了变异的过程。

4）如果种群内个体间的适应度都相同，则结束迭代的过程。

3 仿真实验及结果

3.1 参数设置

在本次研究中采用仿真的方式验证了遗传算法的应用效果，其中具体的仿真参数即为表1中所示，首先准备初始能量完全相同（2焦耳）的医疗化学MTC终端500个，然后将其设置在圆形区域中，其中的圆心即为汇聚节点的位置（具体见图2所示）。假定所有的能量消耗只是与数据发送有关，从第一个通信回合开始到发送数据结束时的总通信回合数目表示网络寿命。

3.2 仿真结果

在研究过程中采用了对比分析的方法，分别将本文提出的能效优化算法和基础对比算法表示为HEEOS、baseline，在选择中继过程中了利用了基于距离汇聚节点最小通信距离原则，然后开始了实验的具体过程。实验中设置了多个信噪比阈值，然后对两种算法的性能指标进行计算，最终得到的实验结果即为图3中所示。

根据图3中曲线可以明显地看到，HEEOS在改善能效上具有更大的优势，由此可以证明本文提出的启发式优化算法在改善网络能效上能够达到的效果。在现有实验条件下，单回合平均总能效与信噪比阈值直接相关，二者保持明显的正相关性。另外，在研究中HIA得到了总通信回合数变化曲线，便于对信噪比阈值不同时的网络寿命进行分析，具体即为图4中所示。

图4展示了平均每回合最大跳数的变化曲线，根据图中曲线可以明显地看到，两种算法的通信跳数与信噪比阈值是正相关的关系，即通信跳数随着信噪比阈值的增大而提高。如果是较大的信噪比阈值，则MTC终端的通信范围更小，由此会显著降低对应的能耗，进而保证各个MTC终端保持基本一致的能耗，这在一定程度上增加了网络寿命。

3 结语

根据本次仿真研究的结果可知，文章提出的启发式优化算法比baseline具有更大的优势，能够显著提升网络能效，进而达到更高的网络寿命。另外网络寿命与信噪比阈值大小直接相关，一般随着信噪比阈值的增大，各个MTC终端的能耗差异性减少，使得网络寿命显著提升。但是在此过程中也存在一定的不足问题，即数据的可靠性可能会降低。

参考文献

[1]张发，王凤丽，钱蔓藜，等.5G系统机器类通信场景下基于动态接入优先级的拥塞控制策略研究[J].通信技术，2019，52（02）：347-353.

[2]邵羽丰，江凌云，一种基于ACB的机器类通信接入拥塞控制方案[J].南京邮电大学学报（自然科学版），2019，39（02）：99-104.

[3]王任直，孔梓任，冯铭，第五代移动通信技术在中国医学领域的应用展望[J].中国现代神经疾病杂志，2019，19（09）：615-617.

[4]曹蔚，冯钢，秦爽，等.面向海量机器类通信（mMTC）的无线接入控制[J].重庆邮电大学学报（自然科学版），2017，29（05）：569-579.

[5]姚美菱，吴蓬勃，张星，等.移动网络承载机器类通信业务改进方案探讨[J].电信快报，2018（03）：8-10.

[6]段红光，卢松品，王利飞，等，机器類通信中基于负载反馈的拥塞控制方法[J].电信科学，2016，32（11）：26-31.

[7]李鹏，梁康有，机器类通信终端蜂窝网接入拥塞控制[J].重庆科技学院学报（自然科学版），2017，19 （02）：96-98+112.

[8]谢显中，黎佳，黄倩，等.机器类通信中基于NOMA短编码块传输的高可靠低迟延无线资源分配优化方案[J].电子与信息学报，2019，41（ 11）：2549-2556.