摘 要

现如今，云计算服务已满足不了各种新兴的生物医学所需要实现的高数据速率和低延迟的服务质量（QoS）要求，移动边缘计算（MEC）被认为是在考虑医院医疗场景时取代云计算服务的有效技术之一，因此本文基于物联网和移动边缘计算提出了一种新型医院病房医疗监测框架。

在该框架中，来自植入式生理信息采集传感器的计算密集型任务可以被体表可穿戴设备或MEC服务器进行有效的处理。在本文中，我们首先提出了一个无线中继使能任务卸载机制，该机制由一个网络模型和一个计算模型组成。此外，为了管理所有中继的计算资源和能量资源，给出了本地决策函数和卸载决策函数，并使用MATLAB软件仿真对整个系统的网络生命周期、吞吐量、继电器的剩余能量和路径损耗多个方面的性能进行了评估。仿真结果表明，所提出的基于优先级的任务卸载方案在多个方面的性能都优于现有的任务卸载方案。

本文所提出的网络框架可以应用于未来的医院医疗监测服务系统，如心血管疾病监测、移植器官监测等医疗场景。在未来可将该方案中无线通信和计算资源的综合权衡作为一个可研究的目标，使用常见的遗传算法、退火算法、凸优化和启发式等优化技术研究所提出模型的资源管理。

关键词：计算卸载；MEC；WBANs；资源管理

Abstract

Today, cloud computing services do not meet the high data rates and low latency quality of service (QoS) requirements required by a variety of emerging biomedical needs, and Mobile Edge Computing (MEC) is considered to be one of the effective technologies to replace cloud computing services when considering hospital medical scenarios.

Therefore, based on IoT and Mobile Edge Computing, this thesis presents a new medical monitoring framework for hospital wards. In this framework, compute-intensive tasks from implantable physiological information acquisition sensors can be effectively processed by wearable devices or MEC servers.In this thesis, we first propose a wireless relay enabling task to uninstall mechanism, which consists of a network model and a computational model. Moreover, in order to manage the computing resources and energy resources of all relays, the local decision function and unloading decision function are given, and MATLAB software simulation is used to evaluate the performance of the network lifecycle, throughput, residual energy and path loss of the whole system in four aspects. Simulation results show that the proposed priority-based task uninstall scheme achieves better performance than the existing task uninstall scheme in many aspects.

The network framework proposed in this paper can be applied to the future Hospital Medical monitoring service system, such as cardiovascular disease surveillance, transplant organ monitoring and other medical scenes.In the future, the comprehensive trade-off between wireless communication and computing resources in this scheme can be taken as a research goal, and the resource management of the model is proposed by using the common genetic algorithm, annealing algorithm, convex optimization and heuristic optimization technologies.

Key Words：computation offloading; MEC; WBANs; resource management

目 录

第一章 绪论 1

1.1研究背景、目的与意义 1

1.2国内外研究现状 2

第二章 移动边缘计算相关技术和理论 4

2.1物联网概述 4

2.2移动边缘计算的基本概念及架构 5

2.3计算卸载技术概述 7

第三章 任务卸载策略 10

3.1系统结构 10

3.2计算模型 11

3.3路径损失模型 13

3.4资源管理方案 13

3.4.1网络初始化阶段 13

3.4.2本地决策过程 13

3.4.3任务卸载过程 14

第四章 仿真结果与分析 16

4.1网络拓扑结构 16

4.2性能评估 17

4.2.1网络生命周期 18

4.2.2吞吐量 19

4.2.3剩余能量 20

4.2.4路径损耗 21

第五章 结论 22

参考文献 23

致 谢 25

绪论

1.1研究背景、目的与意义

无线体域网（WBANs）是一种动态异构网络，该网络中包括具有不同尺寸、功能、能量需求等的传感器，WBANs为日常生活提供各种服务，如生理监测、医疗、娱乐和体育训练，以及军事应用、自动报警等紧急情况^[1]。通过将传感器植入体内，或放置在皮肤组织下方几毫米，WBANs可以对人体进行实时监控，这种传感器称为植入式生理信息采集传感器，简称为植入式传感器^[2]。日新月异的技术发展使得各种新兴的生物医学和临床应用，例如心脑血管疾病监测、心电图数据监测、移植器官监测和生物医学胶囊内窥镜检查等，需要实现高数据速率和低延迟的服务质量（QoS）要求^[3]。然而，在医学领域的相关方面还存在许多亟待解决的问题。其中一个难点是如何及时处理来自植入式传感器发送的计算密集型任务。此外，在大多数生物医学传感器网络中，植入式设备的电池存在技术限制，因此另一个难点是执行密集计算型任务时，如何有效提高电池供电型体表中继设备的计算能力。

尽管移动设备上的资源有限，但是在生物医学领域的许多计算密集型应用程序都要求实时响应、无缝协作。然而，将计算任务卸载到可能距离患者数千公里的远程云进行处理的传统方式通常会导致不可接受的长时间延迟^[4]（例如，数百毫秒）和负荷较重的远回程使用。移动边缘计算（MEC）被认为是在考虑医院医疗保健场景时取代传统云计算服务的有效通信技术之一，由于其分布式计算环境，MEC可用于部署应用程序，也可用于存储和处理患者产生的计算密集型任务，使得其中一些紧急的任务能够在本地或在近端服务器中执行。移动边缘计算将传统监测扩展到动态监测，通过结合边缘计算服务器充分利用物联网（IoT）中继来向患者提供实时的反馈，然而，目前大多数MEC研究都集中在移动通信上，在医疗健康方面的应用很少^[5]。

考虑到紧急情况下的体内数据传输，任何采集到的信息都是至关重要的，因此在设计系统架构时，如何实现中继节点高效处理植入式传感器发送的计算任务，使得患者可以通过中继了解与生命相关的紧急医疗信息，以实现用户友好的交互，对医疗业务领域具有重要意义^[6]。此外，由于体表中继设备的计算、能量资源有限，通常无法完全处理植入式传感器发送的所有计算任务，此时，具有大量计算资源的云或微云，可以接受来自诸如智能电话的用户设备（UEs）的卸载任务，从而可以降低UEs计算能耗^[7]。然而，考虑到云和微云距离患者较远，该方案并不适用于紧急医疗场景，只有距离患者较近的计算服务器才可以在异常医疗情况下及时的提供计算资源和准确高效的生理信号监测服务。

为了实现所提出的目标，本文基于物联网和移动边缘计算提出了一种新型医院病房医疗监测框架，可以显著提高住院患者医疗监测服务的质量，在该框架中，来自植入式传感器的计算密集型任务可以被体表可穿戴设备或MEC服务器进行有效的处理。在本文中，我们首先提出了一个无线中继使能任务卸载方案，该方案是权衡了不同的任务卸载方案和QoS指标后完成的，可以解决与计算密集型任务和资源管理相关的研究挑战。在该方案中，我们假设体表中继设备的计算资源是有限的，并且计算任务可以由体表中继设备或MEC服务器执行，MEC服务器与体表中继设备相比具有更高的计算能力和功率资源。此外，为了管理所有体表中继设备的计算资源和能量资源，我们研究了考虑距离、计算容量和体表中继设备能量状态的资源管理方案，给出了本地决策函数和卸载决策函数，如果紧急体内任务太大而无法通过本地的体表中继设备执行，则它将以最小卸载决策函数被卸载到MEC服务器。仿真结果表明，基于优先级的卸载策略解决方案在网络生命周期、路径损耗（PL）、吞吐量和能量消耗这几个性能方面优于现有的计算卸载方案。

1.2国内外研究现状

目前在大多数医院里，都是由护士对患者的生理数据信息进行检测和记录，这种方式不仅需要消耗大量时间，且因为有一定的延时所以会导致记录结果不准确。此外，由于这种方式无法提供实时的数据感知，也不能及时的对所收集的数据进行计算，因此对临床诊断和决策过程造成了一定程度上的不良影响。处理上述研究问题的一个有效的解决方案是采用WBANs技术和移动边缘计算技术相结合的方式^[5]。在这种方式中，从植入式传感器中收集的的数据可以被发送到互连的体表中继设备或MEC服务器以进行进一步的处理，然后将处理后的数据分发给相应的医疗专业人员进行医疗诊断。

实际上，体表中继设备的计算和无线通信资源是非常有限的，因此，如何高效处理计算密集型任务是无线体域网技术发展中存在的亟待解决的研究挑战。Yang等人阐述了一种基于云平台的数据流处理技术，并将云服务的访问模式扩展至多种智能可穿戴设备，结果表明所提出的相关技术使智能可穿戴设备可以高效的使用云资源完成计算任务^[8]。然而，该技术并不适用于医疗应用场景。主要原因是卸载任务被发送至距离数千米的公共云平台进行计算处理，数据传输面临着严重的传输延迟。移动云计算（MCC）旨在通过允许移动设备（UEs）将计算密集型任务卸载到公共云平台，例如ThinkAir和亚马逊弹性计算云，使UEs能够增强体验感并延长电池寿命^[9]。然而，当UEs请求云平台分配计算资源时，必须通过因特网发送指令和任务，导致远距离的数据传输无法满足数据传输可靠性，灵活性和延迟等方面的医疗监测技术要求。Wang等人提出了一个基于上行链路的任务卸载框架的传输算法列表，可以减少UEs和云之间的信令开销，然而，结果证明一些UEs可能以增加其传输功率为代价来维持高数据速率，并且这种方式可能会显著影响其他UEs的丢包率并降低链路质量^[10]。

另一个研究挑战是传统的中继不能提供足够的计算资源或通信资源，而可穿戴式设备因为具有计算资源和通信容量，可作为物联网中继。在人体的生理数据被体表中继设备感知到后，任务可在本地执行，并且执行结果会立即告知患者、使患者能够实时了解到自己的健康状况^[11]。数据中继过程需要额外的功率，电池供电的物联网中继可能会快速耗尽，Guo等人通过采用中继协作和高效的传输调度技术，可以显著提高网络生命周期，但是，文章中没有考虑中继选择方案或系统复杂性与性能之间的权衡^[12]。此外，为了增加网络中所有体表中继设备的总寿命，剩余能量较多的中继可以通过管理网络中的通信资源和计算资源来尽可能多地接受来自其他中继的卸载请求。然而，在考虑医院医疗监测方案时，并没有合适的控制机制或优化技术。

本文提出了一种医院医疗监测框架，该框架通过提供小型MEC服务器和任务卸载策略，从而在潜在的多样化情景中使用。在本文里，我们主要关注的是植入式传感器、体表中继设备和MEC服务器之间的数据传输方案，体表中继设备能耗在很大程度上受传输距离的影响，本文进而提出了一种基于中继的传输方式，以最小化通信距离为目标，从而实现延长网络寿命的目的。

移动边缘计算相关技术和理论

2.1物联网概述

图2.1 物物互联结构图

物联网（IoT）是以互联网为基础发展而来的网络，顾名思义，物联网即物物相连的互联网，如图2.1所示。随着现代长期演进（LTE）网络的快速建设和现代信息技术的快速发展，物联网时代在信息技术革命和几乎无处不在的网络覆盖的推动下加速到来。这意味着Internet中将会接入更多的如手机、平板电脑和笔记本电脑之类的智能设备以及其他围绕在我们身边的硬件设备，同时，物联网的快速发展对传统云计算的计算模型以及网络模型提出了更高的要求。接下来我们将对以下几个与此相关的的要求和挑战作简要的介绍^[13]:

1）无线通信网络带宽限制

当互联网中接入大量的智能设备和围绕在我们身边的硬件设备时，互联网会以指数式增长速度产生大量联网数据。一辆以计算机系统为主的新型无人驾驶智能汽车每秒钟可能会产生1G字节的信息，Facebook用户在每一分钟里会共享68.4万比特的信息，美国的计算机智能网格系统每年可以产生1000P字节的数据。如果在每次需要处理移动设备端产生的任务时，都将产生的这些任务全部迁移至云计算平台进行处理，那么对网络带宽的要求极高，但是事实上部分数据是没有必要迁移至云计算平台的，并且考虑到数据的安全性，有些像相片、日记等比较隐私的数据卸载至云计算平台保存是不合适的，因此有些数据直接在移动设备端或近端服务器处理比较适宜。

2）更高的时延需求

许多工业化自动化控制系统，如物流分拣系统、油气润滑系统、自动化农业监测系统和智能家居防盗系统，都有必要在传感器和相应的控制节点之间建立低响应时延（通常响应时延低于毫秒的级别）、低能耗、低成本的双向无线通信链路。除此之外，许多物联网应用，如金融交易系统、虚拟现实（VR/AR）应用、车与车间（V2V）的通信以及无人机控制系统等，响应时延都不能超过10毫秒，而主流云服务远远不能达到这么高的要求。

3）间接性的云连接与连续的服务

对于像车辆调度控制、工业化控制、市政服务等智能系统来说，优先级最高的事情是保证高安全性的、不间断的运营，不论是任何原因导致的系统脱机，都会为企业或个人带来重大的业务损失或不便。在这种设备或系统需要连续不间断的网络连接的场景下，集中式云计算架构无法保证连续的云连接和服务。

4）设备的资源受限

许多物联网设备拥有的资源都是非常有限的，如部分常见的嵌入式医疗系统、无人机、火车、汽车、监控摄像头、植入式传感器、数据采集器和无线路由器等物联网设备。由于这些资源受限的设备通常只有有限的计算能力、较小的储存空间和较少的能量资源，他们自身是不可能达到QoS标准下的所有要求的。除此之外，因为直接进行数据交互的传输成本过高，让拥有有限资源的物联网设备全部都与云计算服务器进行任务处理、数据传输是不太可能实现的，这种传输方式还需要密集的处理这些资源，此外，复杂的协议也是必不可少的。如当公共汽车上的大量微型计算机的固件需要更新时，若所有设备都必须进行复杂的加密和解密流程，那么固件更新所必备的更新程序不仅需要重复从云计算平台下载，而且由于资源受限，它们执行复杂加密和解密的速度不足以让它们实时安全的传输数据，这样的操作不仅会导致高延迟，带来不必要的资源浪费，还无法保证数据的安全传输。

2.2移动边缘计算的基本概念及架构

随着物联网和移动互联网的快速发展，各种和IoT以及移动互联网密不可分的新型业务层出不穷，在过去几年里，移动通信流量以指数式不断增长，移动终端已成为人们日常生活中的必备品。尽管物联网移动终端直接访问云端服务器的方式改变了人们的生活方式，同时也使人们的生活变得更加便利、快捷和高效，但是将所有业务都迁移至云端服务器处理的这种方案，使得网络负荷过重，容易造成系统脱机，同时也使得系统网络时延较长，总的来说，该方案对网络带宽、网络时延等性能的要求更高。

除此之外，为了解决移动终端有限的功耗、计算以及存储问题，有必要将高能耗和高复杂度的计算任务卸载至云计算平台进行处理，从而延长移动设备的待机时间，降低其能耗。但这种方式会显著增加网络负荷，使得数据的传输时延较长、传输量较大，给用户体验质量和时延敏感型业务应用造成了一定影响^[14]。为了有效解决物联网和移动互联网飞速发展带来的高带宽、低时延等一系列需求，2014年欧洲电信标准化协会（ETSI）提议在移动接入网络边缘部署可以提供一定存储、通信、计算资源的移动边缘计算服务器，使得新兴业务和传统的移动网络进行紧密结合，并首次提出了移动边缘计算这一新概念^[15]，移动边缘计算系统基本框架如图2.2所示。欧洲电信标准化协会对该概念的具体定义为：把可以提供一定存储、通信、计算资源和IT服务环境的移动边缘服务器作为计算节点，部署在移动接入网络的边缘，也就是让存储、通信和计算资源更靠近用户端，从而提供一个性能更好的移动服务环境，以加快各项应用程序的运行速度，让用户可以连续不间断的享受性能极佳的网络^[16]。

以上是毕业论文大纲或资料介绍，该课题完整毕业论文、开题报告、任务书、程序设计、图纸设计等资料请添加微信获取，微信号：bysjorg。

相关图片展示：