基于5G 技術的大規模通信優化模型創建和仿真

任曉云

（中國移動通信集團云南有限公司 保山分公司，云南 保山 678000）

M2M通信技術在實際運用期間，通過為各個機器提供相應的通信服務，有效地淘汰了人工干預模式，通過借助蜂窩網絡，課程實現對相關信息數據的高效化傳輸。在與此同時，當終端變得越來越多樣化時，現有蜂窩用戶數量將會呈現出“指數爆炸式”增長趨勢，所涉及領域較廣，主要包含醫療行業、化工行業、環保行業等，這表明，機器類通信技術的出現和應用為人們打開了更為廣闊的市場，為人們的日常生活提供極大的便利。例如：在醫療行業中，M2M通信技術的應用主要體現在醫療相關數據的遠程化控制以及無創手術的實施中。又如：我國天津大學成功研制和應用了NOTES平臺，該平臺具有強大的觸覺功能以及智能化特征，便于醫護人員采用遠程操控的方式 ，開展腔道手術操作，為手術的開展提供極大的便利，這無疑促使大規模通信技術取得良好的發展，為人們提供良好的通信服務，而這得益于大規模通信優化模型的應用，因此，為了進一 提高5G通信水平，在5G技術的應用背景下，如何科學地構建和仿真大規模通信優化模型是技術人員必須思考和解決的問題。

1 通信能效問題描述

當MTC終端數量變得越來越多時，加強對大量MTC終端的規范化管理顯得尤為重要，只有確保MTC終端管理的科學性，才能實現對網絡通信效率和效果的全面提升，從而更好地滿足多種場景網絡延時需求，促使資源利用變得更加科學化、合理化。

1.1 通信能耗問題

在網絡場景中，一旦出現通信能耗問題，將會直接影響通信質量，目前網絡場景所用到的MTC設備通常具有龐大、復雜的功能，MTC設備在實際運行中，通常需要與其他設備建立密切的合作關系，以實現對數據的安全化、可靠化傳輸。另外，數據在實際傳輸期間，通常會消耗一定的能量，影響能耗大小的因素主要包含以下2種，一種是傳輸數據的距離；另一種是傳輸數據的數據。在本次研究中，需要借助相關模型，精確地計算出網絡通信次數，能耗傳輸效果通常與通信距離和數據發送頻率兩者之間存在著密切的聯系，其中，影響MTC發送頻率的主要因素是中繼選擇的合理性，一旦中繼選擇不達標，那么MTC發送頻率將會受到不良影響。由此可見，影響MTC 終端總能耗的主要因素是中繼選擇。

1.2 通信能效優化問題

影響MTC終端總體能耗的主要因素是中繼選擇，該總體能耗的控制情況，在某部程度上可以對無線通信資源管理產生直接性的影響，因此，技術人員要在綜合考慮能耗與資源分配2種因素的基礎上，完成對2種因素指標的科學化、規范化評價。另外，當加權等效增加到最大值，總體能耗降低到最小值，可以獲得最佳總體效能，根據這一變化規律，可以制定出相應的方案，以實現對總體效能的最大化提升。為了實現對通信能效優化問題的深入分析和研究，需要在充分結合無線資源分配的基礎上，科學調整和控制MTC終端傳輸順序。此外，還要根據RB資源的使用情況，將相關信息數據安全、可靠地傳輸于MTC終端中，此時，MTC終端會自動向操作人員提供相應的終端編號。所有MTC終端在具體的運行中，需要選用合適的通信路徑，該通信路徑屬于一種常用的序列，可以將相關信息數據從匯聚節點所在位置直接傳輸到通信設備上。在本次研究中，為了實現對大規模通信優化模型的科學構建，技術人員需要根據所設置好的編號排列順序，將向量與MTC終端進行充分結合，在確保通信路徑選用合理的情況下，構建出符合實際使用需求的向量，并將該向量命名為“通信路徑向量”，編號順序向量與通信路徑向量之間存在一定的差異性，為了實現對2種向量的精確化區分，需要在科學調整和控制多跳通信和發送功率等參數的前提下，可以獲得以下2種常用參數，一種是通信次數。

2 通信能耗問題求解

影響通信總體能耗的兩大核心因素主要包含以下2種，分別是MTC傳輸順序、MTC發送功率。在實際應用中，不同終端所對應的發送功率通常表現出明顯的差異，如果終端數量增加到一定程度，將會導致大數據維度不斷增加，如果終端數目設置為“N”，那么其傳輸順序所包含的種類達到N種，此時，如果采用常規算法，無法對其進行精確化求解。為了解決這一問題，本文在對通信能耗問題進行求解期間，需要優先選用啟發式算法。

2.1 啟發式算法的提出

MTC終端中繼選擇是否合理對MTC發送功率產生直接性的影響，而能耗優化問題在某種程度上可以直觀、形象地呈現出回合的網絡性能。假如MTC終端傳輸數據恰好處于所設置的通信范圍以外，則需要借助匯聚節點所對應的MTC終端，將中繼轉發工作落實到位，從而最大限度地提高數據傳輸的高效性和科學性。在整個過程中，當通信回合達到一定數量后，位于匯聚節點附近的MTC終端通常會形成較大能量消耗，但是，其他終端所對應的能量消耗相對較低，這就表現出了較大的能耗差異問題，所以，為了進一步提高中繼選擇的規范性和合理性，需要將MTC終端與匯集節點進行充分結合，從而確定出合適的歐式距離。總之，MTC終端所含有的剩余能量往往較多，這些剩余能量與匯聚節點之間的距離相對較小，需要將其設置為中繼節點，使得能耗得以大幅度降低，只有這樣，才能實現對資源的科學化、合理化分配。

2.2 遺傳算法求解

為了實現對通信能效優化問題的全面分析和求解，在本次研究中，要優先選用遺傳算法，該遺傳算法主要是由Holland學者所提出的。遺傳算法主要是在全面參照生物學自然選擇相關原理的基礎上所提出的，并充分利用優勝劣汰進化相關規律，求解出最終最優結果。遺傳算法在實際應用中，通常需要借助初始化群體，然后，利用編碼技術，對生物整個進化過程進行科學地模擬，并采用變異的方式，對整個群體進行不斷進化，最后，獲得最優個體，只有這樣，才能獲得通信能耗問題的最優解。遺傳算法所獲得的最優個體可以形象直觀地表示為MTC終端編號順序，通過對大量個體進行篩選，可以獲得相應的種群，遺傳算法求解步驟如圖1所示。

圖1 遺傳算法求解步驟Fig.1 Genetic algorithm solution step

從圖1中可以看出，遺傳算法計算過程主要包含以下3個步驟：（1）初始化種群。通過采用隨機排序的方式 ，對MTC 終端編號進行科學處理，從而得到傳輸順序向量；（2）適應度計算。針對當前所處的網絡場景，將現有個體代入到總體能效值的計算公式中，從而精確地求解 出最終總體能效值；（3）獲得新個體。根據所計算的適應度，獲得最終優質個體和交叉的成對個體，并從這些成對個體中，選出相應的子序列，然后，對這些子序列 進行交換處理，從而得到相應的新個體。接著，從變異后的個體中，對子序列進行重新獲取，并采用隨機排序的方式，對所獲取的子序列進行處理，從而形成新子序列，并將其放回到個體中，最終形成大量的新個體，按照以上操作過程，變異過程圓滿結束。

3 仿真實驗及結果

3.1 參數設置

在本次仿真實驗中，通過采用仿真的方式，對遺傳算法的最終應用效果進行有效地驗證和分析，并嚴格按照如表1所示的仿真參數，做好對相關參數的科學化、規范化設置。

表1 仿真參數Tab.1 Simulation parameters

首先，要在保證初始能量相同的情況下，準備500個醫療化學MTC終端，然后，將這些終端全部固定于指定的圓形區域，圓形區域中的圓心是匯聚節點所在位置，MTC網絡模型如圖2所示。能量消耗情況與數據發送情況之間存在著直接性的關系，當發送數據結束后，所獲得的總通信回合數目可以形象、直觀地反映出網絡壽命的長短。

圖2 MTC網絡模型Fig.2 The MTC network model

3.2 仿真結果

在本次研究中，通過采用對比分析法，將本文提出的能效優化算法表示為HEEOS；將基礎對比算法表示為Baseline，在整個選擇中，在充分結合距離匯聚節點的基礎上，嚴格遵循最小通信距離原則，將實驗操作落實到位。在整個實驗中，首先，要做好若干個信噪比閾值的設置，然后，精確地計算和統計2種算法的性能指標，從而得到如圖3所示的網絡性能與信噪比閾值的關系變化曲線。

圖3 網絡性能與信噪比閾值的關系變化曲線Fig.3 Change curve of the relationship between network performance and SNR threshold

從圖3中的曲線可以看出，通過利用HEEOS算法，可以實現對通信能效的顯著改善，從而有效地證明了啟動式優化算法的應用可以保證網絡能效的改善效果。在所設置好的實驗條件下，單回合平均總能效大小主要是由信噪比閾值所決定的，兩者之間存在正相關關系。此外，在本次研究中，通過利用HIA相關理論知識，可以實現對總通信回合數變化曲線的科學化 、規范化繪制，然后，根據該曲線，對網絡壽命在不同信噪比閾值下所對應變化狀態進行全面分析和研究。不同信噪下的MTC能耗優化如圖4所示。

圖4 不同信噪下的MTC能耗優化Fig.4 MTC energy consumption optimization under different signal and noise

由圖4可知，該曲線形象、直觀地呈現了平均每回合最大跳數所對應的變化狀態，Baseline算法、HEEOS算法2種算法所對應的通信跳數與信噪比閾值之間呈現出明顯的正相關關系，即當信噪比閾值不斷增加時，通信跳數呈現出不斷增加的趨勢。如果信噪比閾值達到最大值時，MTC終端通信范圍會不斷縮小，使得網絡能耗大幅度降低，進而確保所有MTC終端均擁有相同的能耗，這在某種程度上可以實現對網絡壽命的有效延長。

4 結語

綜上所述，在本次仿真研究中，與Baseline算法相比，本文所提出的啟發式優化算法具有較高的應用優勢，不僅可以最大限度地提高網絡能效，還能延長網絡壽命。此外，網絡壽命長短主要是由信噪比閥值決定的，當信噪比閾值不斷增加時，MTC終端所對應的能耗變得越來越接近，使得網絡壽命得以大幅度提升，但是卻引發了一些缺陷，如數據的可靠性難以得到有效保證。