汪詩經(jīng)，高玉芹，滕勇健

（國網(wǎng)蕪湖供電公司，安徽蕪湖 241000）

近年來，隨著計算機和通信技術(shù)的不斷發(fā)展，傳統(tǒng)傳輸技術(shù)已無法滿足5G 通信環(huán)境下各種設(shè)備對于帶寬與時延的要求[1]。因此，如何提高通信效率、降低能耗成為了5G 移動通信系統(tǒng)亟待解決的問題[2]。

在移動通信系統(tǒng)中，海量低功耗用戶節(jié)點存在能量短缺問題，對網(wǎng)絡(luò)容量及傳輸質(zhì)量均存在較大的影響。目前已有能量中繼等相應(yīng)的研究，旨在確保節(jié)點能量充足[3-4]。此外，考慮到通信網(wǎng)絡(luò)的帶寬有限，部分專家學(xué)者利用緩存策略提高網(wǎng)絡(luò)的數(shù)據(jù)處理能力[5-6]。為了全面提升傳輸能力，該文基于攜能和邊緣緩存技術(shù)，提出了一種面向5G 移動通信系統(tǒng)的傳輸技術(shù)，利用改進遺傳算法（Improved Genetic Algorithm，IGA）獲取最佳緩存方案，以實現(xiàn)低功耗節(jié)點續(xù)能與信息的邊緣緩存，且在降低通信延遲的同時減少系統(tǒng)能耗。

1 系統(tǒng)模型

文中設(shè)計了一個無線攜能和協(xié)作邊緣緩存的5G 移動通信系統(tǒng)，其架構(gòu)如圖1 所示。其中，包含一個云計算中心、若干個基站和5G 用戶，且這些用戶隨機分布在各個基站內(nèi)。

圖1 系統(tǒng)模型架構(gòu)

考慮到足夠的緩存容量，假設(shè)云計算中心通過核心鏈路與基站連接，并能夠緩存所有可用的通信數(shù)據(jù)。則基站集合表示為m={1,2,…,M}，每個基站均被賦予有限的可用緩存容量，使得一些通信數(shù)據(jù)能緩存在基站中，以降低通信成本。5G 用戶(n={1,2,…,N})隨機分布在無線覆蓋范圍內(nèi)，并在相對較長的時間內(nèi)頻繁地通過蜂窩鏈路進行各種通信。此外，假設(shè)系統(tǒng)在固定長度的時隙t={1,2,…,T}中運行，T表示有限時間范圍。在每個時隙中，用戶僅能有一個通信請求，而每個基站的緩存決策也會定期更新。

2 通信傳輸方案設(shè)計

在5G 移動通信中，大量低功耗節(jié)點會存在能量短缺的問題，而無線攜能技術(shù)可為能量有限節(jié)點提供連續(xù)的電能。此外，由于5G 通信的興起，各種數(shù)據(jù)量劇增，利用邊緣緩存技術(shù)可通過提前在基站或用戶終端存儲數(shù)據(jù)以實現(xiàn)系統(tǒng)的高效傳輸。

2.1 無線攜能

無線攜能[7-8]受益于射頻能量采集技術(shù)，設(shè)備間不僅有傳統(tǒng)的信息層協(xié)作，更存在著能量層的深入?yún)f(xié)作。具體而言，能量受限的節(jié)點可先采集發(fā)送端發(fā)出的電磁能量，再以采集到的能量作為發(fā)送功率協(xié)作轉(zhuǎn)發(fā)發(fā)送端的數(shù)據(jù)到目的端。在所提系統(tǒng)中，采用基于功率分流中繼（Power Shunt Relay，PSR）協(xié)議完成攜能傳輸，其原理如圖2 所示。

圖2 基于PSR的中繼協(xié)議

PSR 協(xié)議將整個信息傳輸周期T劃分為兩個時隙。在第一個T/2 時隙內(nèi)，中繼節(jié)點以功率分流接收機架構(gòu)同時進行能量收集與信息解碼；而在第二個T/2 時隙內(nèi)，中繼節(jié)點則向目的節(jié)點轉(zhuǎn)發(fā)信息。

2.2 信息傳輸模型

針對不同用戶設(shè)備進行信息采集，并在整個時間段內(nèi)完成信息處理?；驹谇耙话霑r間內(nèi)接收用戶的能量以及所需緩存的信息，而在后一半時間內(nèi)則利用收集的能量完成信息轉(zhuǎn)發(fā)[9]。用戶以恒定功率向基站傳輸能量，以功率傳輸信息，則：

1）傳輸能量時，在t時間段內(nèi)基站收集到的能量為：

式中，η∈(0,1]是能量轉(zhuǎn)換效率，γ(d)是發(fā)射端到接收端的路徑損耗。

用戶能耗為：

2）選擇邊緣緩存時，用戶信息傳輸速率為：

2.3 優(yōu)化目標

設(shè)計的優(yōu)化目標在于降低5G 移動通信系統(tǒng)中的信息傳輸時延與總能耗，以提高用戶體驗[10-11]。系統(tǒng)總效用的數(shù)學(xué)表達如下：

2.4 基于IGA的傳輸策略

將通信緩存問題轉(zhuǎn)化成非線性0-1 規(guī)劃問題，并采用IGA 進行求解。算法的可行解由染色體來決定，而染色體則對應(yīng)相應(yīng)的緩存策略，即IGA 算法的最優(yōu)解為系統(tǒng)傳輸?shù)淖罴丫彺娌呗訹12-13]。

GA（Genetic Algorithm）具有全局搜索、復(fù)雜問題簡單化等優(yōu)點，但其迭代過程緩慢，且當個體差異較小時，種群停止進化的概率較大[14-15]。為此，利用精英保留策略改進GA，以提高其搜索速度與性能[16]。基于IGA的系統(tǒng)通信緩存策略優(yōu)化流程，如圖3所示。

圖3 基于IGA的緩存策略優(yōu)化流程

在算法編碼過程中，K個通信緩存策略是變量?k(k∈{1,…,K})的取值。假設(shè)通信數(shù)量為K時，則算法種群規(guī)模為，且需將個實數(shù)轉(zhuǎn)化成二進制形式，其中，“1”表示被緩存至邊緣基站的信息，“0”表示在用戶本地緩存的信息。

此外，精英保留策略基于適應(yīng)度值篩選來構(gòu)建一個精英池，通過用精英池中的個體替換適應(yīng)度低的個體來提高種群多樣性，并可有效引導(dǎo)算法加速收斂。

3 實驗結(jié)果與分析

實驗在Matlab R2018b 平臺上進行，具體的實驗參數(shù)設(shè)置如表1 所示。

表1 實驗參數(shù)設(shè)置

3.1 IGA的收斂性分析

為論證IGA 的收斂速度與特性，將其與GA 進行對比，系統(tǒng)總效用對比結(jié)果如圖4 所示，其中系統(tǒng)總效用是無量綱的數(shù)值。

圖4 GA和IGA的系統(tǒng)總效用對比

從圖中可以看出，兩種方法的系統(tǒng)總效用均隨著迭代次數(shù)的增加而降低，且最后趨于穩(wěn)定值，但IGA 的效用值比GA 約低35。原因在于IGA 采用了精英保留策略來篩選種群的優(yōu)質(zhì)個體，故能夠提高尋優(yōu)效果，并加快收斂速度，因此其在迭代次數(shù)為50 次時趨于收斂。

3.2 時延分析

隨著5G 用戶數(shù)量的增加，不同傳輸技術(shù)對時延的影響有所不同，選擇邊緣緩存與直接傳輸?shù)耐ㄐ叛訒r如圖5 所示。

圖5 傳輸方式對通信延遲的影響

由圖可知，隨著用戶數(shù)量的增加，兩種傳輸技術(shù)的通信延遲在不斷上升，這是由于用戶終端數(shù)量增加會導(dǎo)致通信數(shù)據(jù)激增，并引起信道阻塞，從而造成通信時間延長。當用戶數(shù)量較小時，數(shù)據(jù)量較少，不論何種傳輸方式均能實現(xiàn)較快的通信。但當用戶數(shù)量增加后，所提技術(shù)采用邊緣緩存的優(yōu)勢越發(fā)明顯，原因在于其能夠?qū)⒉糠中畔⑦M行緩存，且提高信道使用率，進而降低通信延遲。當用戶數(shù)量達到400 個時，所提技術(shù)的通信延遲為9 s，與直接傳輸?shù)姆绞较啾妊舆t大幅降低。

3.3 能耗對比

不同傳輸技術(shù)方案下的能耗情況，如圖6 所示。

圖6 不同技術(shù)下的能耗曲線

從圖中可以看出，隨著用戶數(shù)量的增加，4 種傳輸技術(shù)的能耗均呈現(xiàn)上升趨勢，但所提技術(shù)上升幅度有所減緩。當用戶數(shù)量為350 個時，其能耗約為3 000 J。由于用戶過多會導(dǎo)致邊緣緩存節(jié)點滿載，因此將數(shù)據(jù)緩存至云計算中心可使傳輸能耗始終穩(wěn)定在一個較低水平。且所提技術(shù)利用用戶的發(fā)送功率進行轉(zhuǎn)發(fā)，較大程度上節(jié)省了能耗開銷。文獻[3]中缺乏有效的傳輸策略，因此能耗較高；而采用非正交多址接入技術(shù)進行通信傳輸?shù)奈墨I[5]與基于毫米波無線通信系統(tǒng)實現(xiàn)通信的文獻[6]，二者則均從硬件層面提升通信速度，但需較多能量，故傳輸能耗高于所提技術(shù)。綜合來看，所提技術(shù)能夠合理利用5G 用戶的發(fā)送功率及基站邊緣緩存的優(yōu)勢，故其在移動通信中更具使用價值。

4 結(jié)束語

5G 通信的發(fā)展與普及，對各移動通信系統(tǒng)提出了更高的要求，為此，該文展開了深入的通信傳輸技術(shù)研究。用戶基于PSR 協(xié)議完成攜能傳輸，并有選擇性地將數(shù)據(jù)緩存至邊緣基站，基站再利用收集的能量將數(shù)據(jù)轉(zhuǎn)發(fā)至云中心。使用IGA 求解系統(tǒng)時延和能耗最小化的優(yōu)化問題，以獲取最佳傳輸方式。測試結(jié)果顯示，IGA 的收斂速度更快，且當用戶數(shù)量為400 個時，該文技術(shù)的時延為9 s，能耗約為3 000 J，為移動通信系統(tǒng)的進一步發(fā)展提供了一定的理論研究基礎(chǔ)。但所提技術(shù)僅考慮了用戶與基站間的緩存，而缺乏基站與云計算中心的交互。因此，在接下來的研究中將深入融合用戶、基站及云平臺間的協(xié)同傳輸，以實現(xiàn)系統(tǒng)的高性能傳輸。