文摘
可穿戴设备正逐步进入医疗卫生领域。医疗物联网(物联网)已广泛应用于各行各业的医疗健康。与医疗保健应用程序场景的复杂性,医疗物联网通信网络面临复杂的环境。安全通信的问题是非常重要的医疗物联网通信网络。探讨医疗物联网通信网络的保密性能。提高保密性能,我们采用合作的沟通策略。我们也使用平均保密能力(ASC)作为指标,和表情是第一。然后,保密性能智能预测算法。使用广泛的模拟来验证该方法。与其他方法相比,该算法实现一个更好的预测精度。
1。介绍
爆炸性增长的医疗应用,第五代(5 g)移动通信已广泛应用于医疗物联网(物联网)网络1,2]。不同的5 g应用程序(3- - - - - -5)广泛出现在医疗物联网通信网络,可提供快速和便捷的用户体验和服务6]。然而,由于医疗用户移动性、安全通信问题的医疗物联网网络正面临许多挑战7]。
医疗物联网通信网络物理层安全是越来越重要8]。偷听者,作者(9]研究天线相关性的影响。在[10),作者开发了一个代码加扰方案和保密性能分析。考虑物理层安全、燕et al。11]研究认知中继网络的资源分配问题。在[12),作者提出了一个最优功率分配来实现安全传输。考虑到合作的干扰,陆et al。13)提出了一个安全的传输方案。
然而,分析和预测移动保密性能非常困难。最近,机器学习技术应用于5 g无线通信(14,15]。在模式分类,分类的二进制数据实现了支持向量机(SVM)模型(16]。极端学习机(ELM)模型提出了检测异常状态(17]。在[18),一般的回归(GR)模型预测视频传输质量。
到目前为止,现有的研究没有考虑的保密性能预测房颤医疗物联网通信网络传送。因此,我们总结的主要贡献如下:(1)保密性能分析与房颤继电保护方案。然后,我们使用平均保密能力(ASC)评估保密性能和获得的确切表达式。(2)实现ASC的实时分析,我们提出一个ASC基于BP网络的预测算法。榆树、支持向量机和GR方法相比,该方法。(3)我们验证导出ASC在不同条件下的结果。用不同的方法相比,该算法实现了一个更好的预测精度和较低的时间复杂度。
2。医疗物联网通信网络模型
在图1,医疗物联网通信网络有一个移动源(MS)、手机窃听者(我),移动目标(MD)和移动继电器(先生)。W老,W理查德·道金斯,W再保险的相对几何增长⟶女士,先生先生⟶医学博士分别⟶先生和我联系。
传动功率是E分配的K。2-Rayleigh分布可以表达通道系数h(19]。
首先,接收信号r老(20.] 在哪里n老是高斯噪声。
在第二次槽,使用AF MD先生和我收到的信号rRki,k∈{D E},
接收信噪比γ老ki给药 在哪里
γSRk很难计算准确。我们近似γ老ki(21]
的帮助下(22),PDF和提供的γSRAk如下: 在哪里
(给出的瞬时保密能力23]
3所示。平均保密能力
ASC是派生的
一个1给药
我们获得一个2作为
我们获得一个3作为
接下来,我们使用派生的ASC表达式设置数据集和设计BP预测模型。
4所示。保密性能预测方法
4.1。数据集
T我= (X我,y我)。X我给药
X我包括5个指标,W老,W理查德·道金斯,W再保险,K, 。ASC是输出性能y我。通过使用(13),它可以获得相应的y我。
4.2。网络结构
4.3。指标
两个指标是MSE和AE。为页测试数据,给出
5。仿真分析
在这里,E= 1,μ=W理查德·道金斯/W再保险(分贝)。
对于不同的通道,我们评估ASC的性能= 10 dB在图3。中给出的参数表1。以下的观察可以:(1)增加μ提高了ASC性能;(2)2-Rayleigh模型可以获得最佳的ASC性能在三个通道中。
在数据4- - - - - -13我们考虑到支持向量机,榆树,GR和RBF (25与BP网络相比)方法。表2给出了仿真参数。BP的MSE和AE是0.000232889和0.04324,最低MSE和AE的五个方法。这是因为英国石油公司有能力适应时变特征,提高全球的稳定。它有更多的计算能力比其他四种方法,可以用来解决快速优化问题。
6。结论
AF继电保护方案是用来改善ASC医疗物联网通信网络的性能。ASC表达式派生。此外,我们提出了一个基于BP网络的智能预测算法。仿真结果表明,(1)u的增加,系统的ASC性能变得更好和(2)与支持向量机相比,榆树,GR,和RBF方法,提出BP算法可以获得更好的MSE和AE。
数据可用性
使用的数据来支持本研究的发现可以从相应的作者在资助者的合理请求和许可。
的利益冲突
作者宣称没有利益冲突。
确认
这项工作是由中国国家自然科学基金(没有。11664043)。