移动医疗D2D通信网络中用户功率控制和入网控制算法研究

Recently, wireless spectrum resources for mobile-health networks are increasingly restricted. Being able to reuse spectrum resources, the technology of device-to-device communication (D2D) is considered to be an effective solution to the crisis of spectrum under the cellular networks. It is a critical issue to optimize the network spectrum resources in consideration of balancing the performance of mobile healthcare. In this project, we propose the optimization of network performance under the scenario of mobile health, with the following constraints: characterizing the maximal transmit power with sparse matrix theory in view of electromagnetic interference, representing the requirements of users in different priorities with multistage queuing theory, establishing the metrics of evaluating the accuracy of mobile channel characteristics using the Markov-process theory. Considering the non-cooperative, distributed-location features of D2D network users, we investigate to transform the local-optimization problem into a global-optimization problem by leading the users' behaviors, and also achieve the global optimum using a low-complexity algorithm of power control and admission control with the aid of potential game theory and Pareto theory, respectively. In this project, our research focuses on the generalization of algorithms of power control and admission control, instead of simply employing the regular algorithms of power control and admission control under the scenario of mobile health.

当前移动医疗无线网络中频谱资源日益紧张，能以“复用频谱资源”接入蜂窝网络的设备间直接通信（D2D）技术被认为是解决频谱危机的一种有效方案。如何兼顾移动医疗环境的性能要求，优化利用网络资源是亟待解决的问题。本项目提出移动医疗情境下以网络性能优化为目标的数学问题，该优化问题包括三个约束条件：用稀疏矩阵理论刻画电磁干扰环境下的用户发射功率约束；用多级排队理论描述不同优先级用户的服务需求约束；用马尔可夫过程构建移动医疗网络信道估计的准确度约束。考虑D2D网络用户非合作、分布式特点，通过引导用户行为，将局部优化问题转化为全局优化问题，基于潜在博弈理论和帕累托优化理论建立低复杂度的全局最优功率控制和入网控制算法。本项目的研究并不止步于以移动医疗为背景对功率控制和入网控制的一般理论进行简单套用，而是立足于探索D2D功率控制和入网控制算法的理论推广，使之适用于更广的应用领域。

设备间直接通信技术（Device to device, D2D）作为5G的核心技术之一，具有越来越重要的作用。D2D的邻近性和低时延等特性，在远程急救和远程监护等典型的远程医疗领域有着重要的应用，不同医疗场景对任务的时延和能耗指标要求不同。因此，本项目针对远程医疗的几种典型场景，考虑任务优先级、用户移动性等实际问题，在不同应用场景下设计相应的任务迁移策略，优化任务迁移的时延和能耗。.第一，考虑D2D在远程急救中的应用场景，通过在D2D的任务迁移模型中加入任务优先级机制，优化单小区多用户的任务平均处理时延。根据当前用户的数量、D2D任务的属性、网络环境和服务器资源，将任务动态调度到服务器或者D2D设备处理。通过分析建模，发现该模型为0-1整数规划问题，难以在多项式内得到最优解。通过设计基于任务优先级的逆向拍卖算法对信道资源分配，经过单轮拍卖得到任务调度决策。通过和其他任务迁移算法相比，引入任务优先级机制极大地保证了远程急救任务的实时性和高质量。.第二，考虑D2D在远程监护中的应用场景，在D2D任务优先级的基础上引入用户对任务处理时延和移动设备能耗的偏重因子，使得算法可以灵活地根据当前任务的时延敏感度和设备的电量进行任务调度，降低任务的平均处理代价，实现时延和能耗协同优化。通过建模分析发现该问题属于有限完全信息动态非合作博弈，设计了基于博弈论的时延能耗优化算法，在论证该模型存在纳什均衡的基础上进行任务调度。和已有的算法相比，本算法可以灵活地满足用户对时延和能耗的需求，通过任务优先级机制保证了远程监护服务的质量。.第三，考虑到某些远程医疗中用户的移动性，在任务优先级、用户移动性和服务器资源约束下，优化任务的平均处理时延。通过建模分析发现该问题为0-1整数规划问题，设计启发式优化算法对任务进行调度。与其他算法相比，本算法通过任务优先级和用户移动性机制降低了任务的平均处理时延，提高了资源利用率，保证了远程医疗服务的处理效率和质量。