[发明专利]一种分布式的5G医疗物联网健康监测方法

权利要求书

1.一种分布式的5G医疗物联网健康监测方法，其特征在于，步骤如下：

(1)构建IoMTs网络模型，包括intra-WBANs和beyond-WBANs下被监测数据的医疗重要性、新鲜度和分析原始数据的能耗模型；

考虑边缘计算支持的室内健康监测WBANs，其中部署在患者身上的传感器监测各种类型的原始医疗数据，然后将它们传输到附近的边缘服务器进行医学分析；

构建的IoMTs健康监测模型包含N个患者，每位患者全身部署了M个传感器，此外K个边缘服务器提供医疗分析计算服务；用τ_i,m＝{d_i,m,c_i,m,s_i,m}表示部署在患者i身上的传感器m监测到的原始医疗信息，其中d_i,m表示数据大小，c_i,m表示完成医疗分析任务需要的CPU周期数，s_i,m表示该数据的医疗重要性等级；

IoMTs健康监测模型内的资源调度分为两个子阶段：intra-WBANs调度IWS和beyond-WBANs调度BWS；对于IWS，传感器以正交频分多址接入方式传输健康监测数据包；对于BWS，所有健康监测数据包即原始数据被传输到医疗中心之前都需要经由本地设备即本地计算或边缘服务器即边缘计算处理；非正交多址接入和正交频分多址接入被用于5G beyond-WBANs传输；BWS利用边缘服务器的计算资源和本地计算资源来处理由传感器采集的健康监测数据包，旨在最小化IoMTs的系统开销；

定义监测数据的医疗重要性、新鲜度和能耗三个因素共同决定系统开销；第一个因素是健康监测数据包的医疗重要性，它从医学的角度反映了监测数据的健康严重性指标；WBANs可协助医疗系统远程实时监测患者；为了全面监测患者的健康状况，每位患者身上部署了多个异构传感器，以收集各种数据进行健康状况评估；以上两种医疗数据的医疗重要性不同，即健康监测数据包需要根据其医疗关键性分为几个等级，IEEE 802.15.6标准中提供了相应的分级参考；

健康监测数据包按照医疗重要性划分为S个离散的医疗重要性等级，用表示；对于由患者i生成的健康监测数据包，定义二进制变量x_i,m,s指示其医疗重要性等级，其中x_i,m,s＝1表示健康监测数据包医疗重要性等级为s，否则x_i,m,s＝0；令C_i,m表示部署在患者i身上的传感器m监测到的所有数据包的累计医疗重要性，计算公式如下：

其中，β_i,m,s∈[0,∞)表示重要性相关系数，对于任意两个医疗重要性等级s和s'，如果等级s的健康监测数据的重要性高于等级s'，那么β_i,m,s＞β_i,m,s′；

决定系统开销的第二个因素是数据的新鲜度；传感器m最近一次传输监测数据的时间记为在时隙t时，传感器m监测的数据的新鲜度表示为：

能耗是影响系统开销的第三个因素；Intra-WBANs和beyond-WBANs的能耗是影响整个健康监测系统寿命的重要因素；

对于intra-WBANs，传感器消耗电能来进行健康监测，并将监测数据传输到网关；信道带宽以OFDMA的方式分配给传感器，用ω_i,m表示分配给传感器m的带宽；其传输速率通过以下公式计算：

其中，p_i,m表示传输功率，h_i,m表示信道增益，σ²表示噪声功率；相应的，健康监测数据的传输延迟和能耗通过以下公式计算：

从传感器接收到健康监测数据后，网关选择通过本地设备或边缘服务器处理这些数据；所有患者的策略集用a＝{a₁,a₂,…,a_N}表示；由于每位患者的决策是相互关联的，因此本方法定义I(k＝a_i),k∈K,i∈N指示患者i是否选择边缘服务器k，I(k＝a_i)＝1表示患者i将健康监测数据上传到边缘服务器k进行处理，否则I(k＝a_i)＝0；类似的，I(a_j＝a_i),i,j∈N可指示患者i和j的策略是否相同，I(a_j＝a_i)＝1表示两者策略相同，反之I(a_j＝a_i)＝0；给定策略集a，患者i的上传速率通过如下公式计算：

其中，p_i表示患者i的网关的传输功率；B表示边缘服务器占用的信道带宽；h_j,k表示除患者i以外其他患者的信道增益；

Beyond-WBANs内的能耗开销主要来源于患者上传数据的传输能耗，以及数据处理能耗；基于传输速率R_i(a)，患者i的传输能耗由以下公式计算：

本地设备和边缘服务器都可处理健康监测数据；令f_i^l和f_i^e分别表示本地设备和边缘服务器的计算能力；边缘服务器的总计算资源表示为F^e；占用同一边缘服务器的患者均等地共享计算资源，每个人获得的计算能力通过如下公式计算：

其中，n^e(a)表示与患者i占用同一边缘服务器的人数；本地设备和边缘服务器的数据处理能耗分别通过如下公式计算：

其中，c_i表示完成患者i的全部传感器监测的医疗分析任务需要的CPU周期数；p_i和p_e分别表示本地设备和边缘服务器的任务处理功率；

基于传感器和网关的传输能耗，以及本地设备和边缘服务器的数据处理能耗，IoMTs内的总能耗通过如下公式得到：

(2)根据步骤(1)中的IoMTs网络模型，以最小化系统开销为目标，描述优化问题；根据IoMTs的两个子网络，将优化问题分解为两个子问题，第一个子问题求解intra-WBANs下的信道资源分配；第二个子问题求解beyond-WBANs下的传输决策；

2.1)根据(1)中的IoMTs网络模型，以最小化系统开销为目标，描述优化问题：

本方法定义和三个[0,1]区间内的变量分别作为医疗重要性、新鲜度和能耗相关系数；系统开销表示为三个因素的线性组合，优化问题描述如下：

s.t.

C1:

C2:

C3:

C4:

C5:

C6:

其中，C1约束所有传感器所监测数据的新鲜度都不能超过阈值从而确保所有医疗信息都能及时更新；C2约束患者共享的边缘服务器的计算能力不超过其总量；C3限制分配给传感器的带宽不能超过阈值ω^max；C4，C5和C6约束几个变量的取值范围；

2.2)根据IoMTs的两个子网络，将优化问题分解为两个子问题：

通过观察步骤2.1)的系统开销函数发现，将健康监测数据上传到边缘服务器时，每个患者的开销不仅取决于自己的决策，还取决于其他人的策略；如果过多的患者占用同一边缘服务器，相应的传输和计算速率会下降，导致数据的上传和处理开销增加；在这种情况下，本地计算更适合这些患者；为了解决步骤(2.1)的优化问题内部的变量耦合问题，本方法根据IoMTs的两个子网络，将原优化问题分解为两个子问题，即Intra-WBANs调度(IWS问题和Beyond-WBANs调度BWS问题；

在intra-WBANs内，传感器将健康监测数据发送给网关，系统开销主要取决于监测数据的医疗重要性、新鲜度以及相应的传输能耗；IWS问题表述为：

s.t.

C1:

C2:

C3:

在beyond-WBANs内，最小化系统开销等价于最小化网关到边缘服务器的传输能耗以及本地计算或边缘计算带来的数据处理能耗；BWS问题表述为：

s.t.

C1:

C2:

C3:

(3)构建合作讨价还价博弈求解第一个子问题

将步骤(2.2)中的IWS问题建模为合作博弈；传感器通过调整自身策略ω_i,m来竞争信道资源；该博弈表述如下：

其中，ω_i,-m表示除传感器m之外其他传感器的决策；利用纳什讨价还价解来求解上述博弈的纳什均衡解；

(4)构建基于潜博弈的非合作博弈求解第二个子问题

将步骤(2.2)中的BWS问题建模为非合作博弈，并提出了基于潜博弈的分布式健康监测方法求解纳什均衡。