Evaluation of EMF Exposure to Throughput Ratio for Sustainable 5G Networks

该论文构建了基于泊松点过程和β-吉恩布雷点过程的随机几何框架，以 5G 双连接网络为例，推导了下行电磁场暴露分布并引入辐射比特能量新指标，结合蒙特卡洛模拟与巴黎实测数据验证了该框架在评估可持续 5G 网络能效与部署策略方面的有效性。

要点

这篇论文就像是在给未来的 5G 网络做一场"健康与效率的双重体检"。

想象一下，我们生活在一个巨大的城市里（比如巴黎），到处都布满了像路灯一样的基站（Base Stations）。以前是 4G 时代，现在我们要升级到 5G，甚至同时使用 4G 和 5G（这叫 EN-DC 双连接）。

这就带来了一个两难的问题：

1. 信号要好：基站越多，网速越快，体验越好。
2. 辐射要低：基站太密，大家担心电磁辐射（EMF）会不会影响健康。
3. 还要省电：为了环保，网络不能是个“电老虎”。

这篇论文就是为了解决这个难题，它发明了一套数学工具，用来计算在什么样的基站布局下，既能保证网速，又能把辐射控制在安全范围内，同时还能省电。

以下是用通俗语言和比喻对论文核心内容的解读：

1. 核心挑战：基站是“乱跑”还是“排队”？

在数学模型里，我们通常假设基站是随机分布的，就像撒了一把芝麻在桌子上（这叫泊松点过程 PPP）。这种假设很简单，算起来快，但不真实。

• 现实情况：真正的基站部署是有规矩的。运营商不会把两个基站紧挨着放，因为那样会互相干扰，浪费资源。它们之间有一种“排斥力”，就像一群有礼貌的人排队，彼此保持一定的距离。
• 论文的创新：作者没有用简单的“撒芝麻”模型，而是用了一种更高级的模型叫$\beta$-Ginibre 点过程（$\beta$-GPP）。
  • 比喻：如果说 PPP 是“撒芝麻”，那$\beta$-GPP 就像是“有社交距离的排队”。这个模型能更精准地模拟现实中基站之间那种“既密集又互不干扰”的微妙平衡。
  • 结论：论文通过巴黎的真实数据验证，发现用“有社交距离的排队”模型（$\beta$-GPP）算出来的结果，比“撒芝麻”模型（PPP）要准确得多。

2. 新发明：一个全新的“性价比”指标 (REBT-DL)

以前我们评估网络，要么只看“辐射大不大”，要么只看“网速快不快”。但这就像评价一辆车，要么只看“耗油量”，要么只看“最高时速”，没法把两者结合起来。

作者提出了一个叫 REBT-DL 的新指标。

• 名字很长：下行链路每传输比特的辐射能量。
• 通俗解释：它衡量的是"为了让你下载 1 个字节的数据，网络需要消耗多少辐射能量"。
• 比喻：
  • 如果为了让你看高清视频（高吞吐量），基站拼命发射强信号，那这个指标就高（不划算）。
  • 如果基站很聪明，只在你需要的时候、只朝你的方向发射信号，既让你看清楚了，又没浪费能量，那这个指标就低（很划算）。
  • 目标：我们要追求REBT-DL 越低越好，这意味着网络既环保又高效。

3. 4G 和 5G 的“双人舞” (EN-DC)

现在的 5G 网络往往不是单独存在的，而是和 4G 一起工作（EN-DC）。

• 比喻：想象 4G 是一个老练的广播员（全向天线，声音传得远但不够聚焦），5G 是一个拿着聚光灯的演讲者（波束赋形，声音只对着你，能量集中）。
• 论文发现：
  • 4G：因为全向广播，虽然覆盖广，但“噪音”（干扰）大，很多人即使没在听，也收到了很多辐射。
  • 5G：因为聚光灯只照人，平均辐射反而更低。但是，如果你正好站在聚光灯正中心，那一瞬间的辐射可能会比 4G 还强（因为能量太集中了）。
  • 双连接 (EN-DC)：当 4G 和 5G 一起工作时，就像两个人同时说话。虽然总辐射量增加了（因为有两个声源），但因为网速（吞吐量）提升得更多，所以算下来，“每比特数据的辐射成本”（REBT-DL）反而比单用 4G 要低。

4. 最终结论：什么样的网络最“绿色”？

通过大量的数学推导和巴黎真实数据的模拟，论文得出了几个有趣的结论：

1. 模型要选对：用“有社交距离的排队”模型（$\beta$-GPP）来规划网络，比用简单的随机模型（PPP）更靠谱。PPP 模型往往会低估辐射风险，或者高估网络性能。
2. 5G 更环保：单靠 5G 网络，因为它的“聚光灯”技术（波束赋形），在能量利用效率上是最高的。
3. 过渡方案也不错：虽然 4G+5G 一起用（EN-DC）会让总辐射量稍微上升，但因为网速提升巨大，从“单位数据的辐射成本”来看，它依然比单用 4G 要更可持续、更环保。

总结

这篇论文就像是一位精明的城市规划师，他手里拿着两样工具：

1. 一把更精准的尺子（$\beta$-GPP 模型），用来测量基站该放哪里。
2. 一个新的计算器（REBT-DL 指标），用来算算怎么放基站最省钱、最环保、辐射最小。

他告诉运营商：“别乱撒基站了，要像排队一样保持距离；别只盯着总辐射量看，要看‘每比特’的代价。这样，我们既能享受 5G 的极速，又能保护大家的健康和环境。”

技术摘要

这是一份关于论文《面向可持续 5G 网络的电磁场（EMF）暴露与吞吐量比率评估》（Evaluation of EMF Exposure to Throughput Ratio for Sustainable 5G Networks）的详细技术总结。

1. 研究背景与问题 (Problem)

随着移动用户和数据流量的快速增长，基站（BS）的密集化是提升网络性能的关键，但这引发了公众对电磁场（EMF）暴露及其健康影响的担忧。未来的 5G 网络设计需要在网络性能与环境保护（可持续性）之间取得平衡。

当前研究面临的主要挑战包括：

• 评估方法的局限性：传统的现场测量（如路测）成本高且难以扩展；数值模拟（如射线追踪）计算量大，不适合大规模网络分析。
• 空间模型的不足：现有的随机几何（Stochastic Geometry）研究多采用泊松点过程（PPP）建模基站分布。PPP 假设基站位置相互独立，无法反映实际部署中基站之间存在的“排斥”现象（即基站不会靠得太近），导致对 EMF 暴露的估计偏差。
• 多连接场景的缺失：现有研究多集中于单制式网络，缺乏对 5G 多连接架构（特别是 4G/5G 双连接 EN-DC）下 EMF 暴露与吞吐量联合评估的模型。
• 评估指标的单一性：传统评估多关注功率或覆盖率，缺乏将“辐射能量”与“传输比特数”结合的效率指标。

2. 方法论 (Methodology)

本文构建了一个基于随机几何的数学框架，用于分析 5G 下行链路的 EMF 暴露和能效。

• 空间建模：
  • 泊松点过程 (PPP)：作为基准模型，假设基站随机分布。
  • $\beta$-Ginibre 点过程 ($\beta$-GPP)：引入该非泊松模型以捕捉基站间的空间排斥效应。参数 $\beta$ ($0 < \beta \le 1$) 控制排斥程度，$\beta \to 0$时趋近于 PPP，$\beta=1$ 为标准 Ginibre 过程。
  • 网络架构：考虑 4G LTE 和 5G NR 共存，重点分析 EN-DC (E-UTRAN New Radio - Dual Connectivity) 配置，即用户同时接收 4G 和 5G 下行信号。
• 传播模型：
  • 采用有界路径损耗模型（包含保护半径 $D$）。
  • 5G 基站采用动态波束赋形（Beamforming），天线增益为方向性；4G 基站为全向天线。
  • 假设网络为干扰受限，小尺度衰落服从瑞利分布。
• 关键指标定义：
  • EMF 暴露 ($E$)：定义为典型用户接收到的来自所有链路（信号 + 干扰）的总电磁功率。
  • 下行链路每比特辐射能量 (REBT-DL)：定义为 $Y = \frac{\text{总 EMF 暴露}}{\text{总吞吐量}}$。该指标量化了传输每比特数据所需的辐射能量，直接关联能效与可持续性。
• 数学推导：
  • 利用 Gil-Pelaez 反演定理推导 EMF 暴露的累积分布函数 (CDF)。
  • 推导了单制式（4G/5G）及 EN-DC 场景下，基于 PPP 和 $\beta$-GPP 的特征函数 (CF) 表达式。
  • 通过数值积分求解 REBT-DL 的分布。

3. 主要贡献 (Key Contributions)

1. 推导了 EMF 暴露的 CDF 表达式：针对 4G、5G 及 EN-DC 网络，分别基于 PPP 和 $\beta$-GPP 空间模型，推导了下行链路 EMF 暴露分布的解析表达式。
2. 提出了 REBT-DL 可持续性指标：引入“下行链路每比特辐射能量”指标，从用户视角将 EMF 暴露与吞吐量性能联系起来，弥补了传统功率评估的不足，为绿色网络设计提供了新视角。
3. 基于真实数据的模型验证与拟合：
   • 利用法国巴黎 Orange 运营商的真实基站数据（4G 2600 MHz, 5G 3500 MHz）进行验证。
   • 通过拟合 J-函数，确定了最佳拟合参数：4G 网络 $\beta_4 = 0.75$，5G 网络 $\beta_5 = 0.83$。
   • 设定了 EN-DC 场景下 4G 与 5G 基站共站概率 $p=0.7$。

4. 实验结果 (Results)

• 模型准确性：
  • $\beta$-GPP 模型与实验数据高度吻合，而 PPP 模型倾向于低估EMF 暴露水平。
  • 结论：考虑基站间的空间排斥效应对于准确评估真实部署中的 EMF 暴露至关重要。
• EMF 暴露特性：
  • 5G vs 4G：在低暴露阈值下，4G 用户经历更高暴露（因全向天线导致均匀干扰）；在高阈值下，5G 暴露更高（因波束赋形在主瓣方向产生高瞬时功率）。
  • EN-DC 影响：EN-DC 配置下，由于 4G 和 5G 同时传输，EMF 暴露曲线显著右移，表明累积暴露水平高于单制式网络。
• REBT-DL (能效) 分析：
  • PPP vs $\beta$-GPP：在相同暴露阈值下，PPP 模型下的用户接收功率较低，导致吞吐量较低，因此 REBT-DL 比率较高（能效较差）。$\beta$-GPP 模型反映了更真实的排斥分布，显示出更好的暴露 - 吞吐量权衡。
  • 网络架构对比：
    • 单制式 5G：REBT-DL 表现最佳，具有最高的能效和可持续性（得益于优化的 NR 操作和较低的信令开销）。
    • EN-DC：虽然因双连接导致总暴露最高，但其吞吐量提升显著，使得其 REBT-DL 优于 4G 网络，但略逊于单制式 5G。
    • 4G：能效最低。

5. 意义与结论 (Significance)

• 理论价值：证明了 $\beta$-GPP 是比 PPP 更准确的 5G 网络空间分布模型，特别是在评估 EMF 暴露时，忽略空间排斥会导致评估偏差。
• 工程指导：
  • 提出了 REBT-DL 作为评估网络可持续性的核心指标，帮助运营商在部署新基站时平衡覆盖、容量与环境影响。
  • 验证了 EN-DC 作为向独立 5G (SA) 过渡的可持续解决方案的有效性：虽然增加了暴露，但通过大幅提升吞吐量优化了能效比。
• 未来展望：该框架可扩展至更复杂的场景，如高级波束赋形、遮挡效应、上行链路分析以及多运营商间的暴露分析。

总结：本文通过引入更真实的 $\beta$-GPP 空间模型和创新的 REBT-DL 指标，为 5G 网络的电磁环境评估和绿色部署提供了严谨的数学工具和实证依据，强调了在追求高性能的同时必须考虑空间分布特性和能效平衡。