CN105722102B - 人体行走姿态下无线体域网生存周期的汇聚节点放置方法 - Google Patents

Abstract

本发明涉及一种人体行走姿态下最大化无线体域网生存周期的汇聚节点放置方法，属于无线通信领域，包括构建无线体域网网络生存期最大化模型；利用无线体域网信道模型、功率控制模型以及能量消耗模型，推导最大化无线体域网生存周期的汇聚节点放置方法；提出汇聚节点放置方法的近似求解算法。本发明针对无线体域网中汇聚节点的放置位置问题，克服了传统的将汇聚节点固定在人体腰部位置引起能量消耗增加的缺点，同时也首次将该方法应用到拓扑动态变化的无线体域网中。在满足比特误码率以及功率约束条件下，该方法最大化了网络的生存期，更加适用于人体生理参数的全天候监测。

Description

人体行走姿态下无线体域网生存周期的汇聚节点放置方法

技术领域

本发明涉及无线通信领域，尤其是指一种人体行走姿态下最大化无线体域网网络生存周期的汇聚节点放置方法。

背景技术

随着科技的进步，集成电路更加轻量化、小型化，同时芯片的功耗也得以进一步降低，从而催生了一个重要的科研领域——无线体域网(WBAN，Wireless Body AreaNetwork)，吸引了大批的学者及业界人士致力于其研究工作。无线体域网具备诸多优势的同时，也面临着很多挑战。其中，最大的挑战之一是网络的能量受限。无线体域网中的传感器节点需要随身携带，有些需要植入人体体内，因而多为电池供电，具有有限的能量。所以，设计高能效的无线体域网协议，进而提高能量的利用效率是极其重要的。

从无线体域网能效问题来看，2001年Pei G等基于时分多址接入(TDMA,TimeDivision Multiple Address)设计了一种无竞争模式的MAC协议，通过减少冲撞进而节约能量。该协议的设计更适用于多条环境下的传感器网络。2002年Heinzelman WB等设计了一种自适应的基于分层聚类的协议，该协议结合了路由协议和媒体介入协议，进而达到了节能的目的。2002年Ye W等提出传感器节点休眠算法，当节点不参与信息传输时，其会进入睡眠状态，从而达到节能的目的。2003年Van Dam等运用短时脉冲信号来传递数据，减少了能量的泄露进而达到节能的目的，但是该协议缺乏可靠性。2004年Polastre J等在上行链路采用载波监听多址技术实现节点的睡眠机制，进而达到节能的目的，但是该协议不能让节点在数据传递后进入睡眠状态。2005年Rajendran V等提出一种对于非传递信息节点不进行信道侦听和数据传输的机制，进而达到了节能的目的。2008年Ullah S等对基于TDMA的协议的报头进行了分析。2009年Changle LI等提出一种动态的TDMA算法，该算法在选择时隙时，会首先选择有缓冲包的时隙。2010年Quwaider M等基于人体姿态以及接收信号强度，设计了一种应对人体动态姿态的功率控制算法，实现节能的目的。2011年Maskooki A等利用人体行走时身体的姿态变化信息提升了无线体域网的生存周期。2012年Ullah S等经过进一步的研究，利用信道的流量信息设计了一种自适应的MAC协议，该协议通过动态的调整轮询机制用以解决空闲监听问题，进而节省了空闲监听所耗费的能量。2013年Van Roy等研究和提出了人体在运动环境下的信道模型，为运动姿态下的能效研究打下了基础。同年Momoda M等针对人体跑步状态下的姿态，设计了一种协作协议，避免了阴影效应的出现，从而省去了信息重传所需的能量。2014年Elias J提出了基于能量感知的无线体域网高能效模型，该模型利用线性规划的方法最小化了系统初始化以及中继选择时所耗费的能量。2015年Deepak KS等推到无线体域网直传和协作通信的数学表达式，明确了直传和协作两种传输方式的适用环境，较于单一的传递方式，节约了无线体域网系统的能量。

虽然已经有大量的有关于能效问题的发明，但都是针对静态姿态下的无线体域网，很少有文章针对人在运动时的动态网络拓扑结构设计一种合理且有效的能效算法来解决动态环境下无线体域网的节能问题。所以，本发明研究的内容是有着实际意义且为亟待解决的问题。

在媒体接入层采用基于姿态感知的生存期最大化协议(PA-DPLM,Posture-AwareDynamic Protocol for Lifetime Maximization)，该协议系发明人设计，通过利用姿态信息、剩余能量信息以及信道状态信息，该协议能够感知人体姿态，同时能够合理的调度传感器节点，实现无线体域网网络生存期的提升。

发明内容

本发明提供一种人体行走姿态下无线体域网生存周期的汇聚节点放置方法，目的是针对无线体域网中汇聚节点的放置位置问题，以克服传统的将汇聚节点固定在人体腰部位置引起能量消耗增加的缺点，同时也首次将该方法应用到拓扑动态变化(由于人体行走引起的该变化)的无线体域网中。

本发明采取的技术方案是，包括下列步骤：

(1)无线体域网网络生存期最大化模型，

(1.1)初始化

初始化的过程包括：采集人体生理参数的传感器节点按照其自身功能放置在人体的特定位置；

(1.2)传感器节点选择

需要采集人体的某项生理参数信息时，一个传感器节点醒来进行信息传递，其它传感器节点仍旧保持睡眠状态，节点的选择遵照基于姿态感知的生存期最大化协议(PA-DPLM,Posture-Aware Dynamic Protocol for Lifetime Maximization)，代表该协议的高能效函数f(e_i,c_i,p_i)如下：

其中EI_i,j为传感器节点i在j次传输时的高能效系数，e_i,j为节点i当前的能量，c_i,j为节点i的信道状态信息，p_i,j为节点i的姿态信息，e_c为传输链路所消耗的能量，N为无线体域网中传感器节点的数量，L为无线体域网的网络生存期；

(1.3)网络死亡判断

当采集某类人体生理参数的全部传感器节点都不能进行数据采集时，则无线体域网进入死亡状态；

(2)汇聚节点放置方法

汇聚节点根据下文阐述的最优放置方法，放置到最优位置使得无线体域网生存期最大化，步骤如下：

(2.1)路径损耗模型

L_path(d_i)＝a·log₁₀d_i+b+N₀ [dB]

其中L_path(d_i)是节点i当前到汇聚节点的路径损耗，a，b，N₀是给定的参数a＝-8.6,b＝-20.3,N₀＝10^-7，行走姿态下d_i的表达式如下：

其中(x_ap,y_ap,z_ap)和(x_i,y_i,z_i)分别是汇聚节点和节点i的坐标；

(2.2)功率控制模型

比特误码率(BER,Bit Error Rate)约束条件下的功率控制模型如下：

其中，P_i,j为节点i在j次传输时的功率；A＝0.25,q＝1,M₀＝10^-7；ξ为比特误码率约束条件；由于调制方式是二进制相移键控，所以M＝2；P_max是最大传输功率。为节点i在j次传输时的信道方差，表达式如下：

其中η＝1，α是路径损耗因子，可以通过路径损耗模型计算得到；

(2.3)能量消耗模型

在数据包的发送时间为T_d时，节点i在j次传输时的能量消耗模型如下：

其中是节点i在j次传输时消耗的能量，c_i,j为此时的信道状态，将上述的路径损耗模型以及功率控制模型代入上式，可以得到能量消耗模型的完全表达式：

(2.4)优化目标

优化目标是最大化无线体域网的生存期，优化目标和约束条件表示如下：

maximize L

subject to

0≤i≤N

0≤j≤L

其中e₀为传感器节点的初始能量；X_i,j为选择函数，若节点i在j次传输时被选中传输数据，其值为1，否则为0；max{EI_i,j}表示EI_i,j的最大值；

(2.5)最优放置方法

将(2.3)中的能量消耗模型的完全表达式代入(2.4)中的优化目标和约束条件，可以得到：

maximize L

subject to

0≤i≤N

0≤j≤L

通过求解上述优化问题，可以得到汇聚节点的最优放置位置；

(3)求解汇聚节点放置方法

采用一种近似求解算法，通过枚举的方式来求解汇聚节点的坐标，具体算法如下：

首先，假定传感器节点分布在1m×1m的人体躯干上，鉴于目前绝大多数生理参数传感器的面积大于1cm×1cm，将该1m×1m平面等分成100份，这样，该平面类似于围棋盘，在其它传感器节点位置固定的前提下，需要找到一个最优的位置放置汇聚节点这一棋子，也就是说，给定了汇聚节点的坐标的取值集合；

然后，将集合内的坐标值逐一代入(2.5)中的优化问题，进而得到与坐标集合一一对应的无线体域网生存期的取值集合，这种对应关系类似于三维坐标系中x-y面与z轴的关系，那么利用这种对应关系绘制一个三维曲面，使用MATLAB软件中的surf(x,y,z)函数，该函数的输入参数x、y、z分别代表三维坐标系中的三个坐标轴上的取值，给定这些取值后surf(x,y,z)函数就能绘制相应的三维曲面，所以，利用已有生存期的取值集合以及汇聚节点的坐标的取值集合，就可以绘制以汇聚节点的坐标为自变量的生存期三维曲面；

最后，在这一曲面上找到生存期的最大值以及该值对应的坐标，该坐标即为汇聚节点的最优放置位置。

本发明首次在无线体域网中，提出汇聚节点放置方法。前人的研究大部分假定汇聚节点被放置在人的腰部或者手臂等其他人体部位，并未考虑汇聚节点位置对无线体域网网络生存期的影响。本发明为无线体域网的研究提供了新的思路，将无线体域网的研究重心从传感器节点转向汇聚节点，旨在从汇聚节点的角度解决无线体域网的能效问题。

本发明首次在人体行走时，探究无线体域网的生存期。同时，也是首次在动态网络环境下提出了汇聚节点的放置方法。传统的研究大都集中于人体处于静态姿态下的无线体域网，对动态网络环境的探究主要集中在无线体域网的信道、中继选择等问题。可以说，本发明是动态无线体域网环境中能效问题的开山之作，填补了动态环境下无线体域网能效研究的空白，为后人的研究提供了可以参考的方法。本发明具备引导作用，开拓了无线体域网能效研究的视野，为无线体域网的理论研究打下了基础。

本发明提出的汇聚节点放置方法更适用于实际情况，该方法不仅拥有很低的算法复杂度，而且更易于操作。在实际环境中由于人体的躯干面积有限，而且传感器具有一定的面积，不必将平面上所有的点一一的代入优化目标和约束条件中。只需要将较小的集合中的数据进行代入计算，就能得到较为精确但符合实际要求的数值。本发明的求解算法类似于信号系统中的先抽样，然后恢复信号，最后在恢复的信号中求解信号的极值，这一算法也是首次在无线体域网中使用。

附图说明

图1是本发明WBAN网络仿真模型；

图2是本发明传感器节点个数不同时两种协议生存期对比图；

图3是本发明比特误码率不同时两种协议生存期对比图；

图4是本发明初始能量不同时两种协议生存期对比图。

具体实施方式

包括下列步骤：

(1)无线体域网网络生存期最大化模型，

(1.1)初始化

初始化的过程包括：采集人体生理参数的传感器节点按照其自身功能放置在人体的特定位置；

(1.2)传感器节点选择

需要采集人体的某项生理参数信息时，一个传感器节点醒来进行信息传递，其它传感器节点仍旧保持睡眠状态，节点的选择遵照基于姿态感知的生存期最大化协议(PA-DPLM,Posture-Aware Dynamic Protocol for Lifetime Maximization)，代表该协议的高能效函数f(e_i,c_i,p_i)如下：

其中EI_i,j为传感器节点i在j次传输时的高能效系数，e_i,j为节点i当前的能量，c_i,j为节点i的信道状态信息，p_i,j为节点i的姿态信息，e_c为传输链路所消耗的能量，N为无线体域网中传感器节点的数量，L为无线体域网的网络生存期；

(1.3)网络死亡判断

当采集某类人体生理参数的全部传感器节点都不能进行数据采集时，则无线体域网进入死亡状态；

(2)汇聚节点放置方法

汇聚节点根据下文阐述的最优放置方法，放置到最优位置使得无线体域网生存期最大化，步骤如下：

(2.1)路径损耗模型

L_path(d_i)＝a·log₁₀d_i+b+N₀ [dB]

其中L_path(d_i)是节点i当前到汇聚节点的路径损耗，a，b，N₀是给定的参数a＝-8.6,b＝-20.3,N₀＝10^-7，行走姿态下d_i的表达式如下：

其中(x_ap,y_ap,z_ap)和(x_i,y_i,z_i)分别是汇聚节点和节点i的坐标；

(2.2)功率控制模型

比特误码率(BER,Bit Error Rate)约束条件下的功率控制模型如下：

其中，P_i,j为节点i在j次传输时的功率；A＝0.25,q＝1,M₀＝10^-7；ξ为比特误码率约束条件；由于调制方式是二进制相移键控，所以M＝2；P_max是最大传输功率。为节点i在j次传输时的信道方差，表达式如下：

其中η＝1，α是路径损耗因子，可以通过路径损耗模型计算得到；

(2.3)能量消耗模型

在数据包的发送时间为T_d时，节点i在j次传输时的能量消耗模型如下：

其中是节点i在j次传输时消耗的能量，c_i,j为此时的信道状态，将上述的路径损耗模型以及功率控制模型代入上式，可以得到能量消耗模型的完全表达式：

(2.4)优化目标

优化目标是最大化无线体域网的生存期，优化目标和约束条件表示如下：

maximize L

subject to

0≤i≤N

0≤j≤L

其中e₀为传感器节点的初始能量；X_i,j为选择函数，若节点i在j次传输时被选中传输数据，其值为1，否则为0；max{EI_i,j}表示EI_i,j的最大值；

(2.5)最优放置方法

将(2.3)中的能量消耗模型的完全表达式代入(2.4)中的优化目标和约束条件，可以得到：

maximize L

subject to

0≤i≤N

0≤j≤L

通过求解上述优化问题，可以得到汇聚节点的最优放置位置；

(3)求解汇聚节点放置方法

直接求解最优放置方法十分困难，本发明采用逆向思维的方式，提出了一种近似求解算法，通过枚举的方式来求解汇聚节点的坐标，具体算法如下：

首先，假定传感器节点分布在1m×1m的人体躯干上，鉴于目前绝大多数生理参数传感器的面积大于1cm×1cm，将该1m×1m平面等分成100份，这样，该平面类似于围棋盘，在其它传感器节点位置固定的前提下，需要找到一个最优的位置放置汇聚节点这一棋子，也就是说，给定了汇聚节点的坐标的取值集合；

然后，将集合内的坐标值逐一代入(2.5)中的优化问题，进而得到与坐标集合一一对应的无线体域网生存期的取值集合，这种对应关系类似于三维坐标系中x-y面与z轴的关系，那么利用这种对应关系绘制一个三维曲面，使用MATLAB软件中的surf(x,y,z)函数，该函数的输入参数x、y、z分别代表三维坐标系中的三个坐标轴上的取值，给定这些取值后surf(x,y,z)函数就能绘制相应的三维曲面，所以，利用已有生存期的取值集合以及汇聚节点的坐标的取值集合，就可以绘制以汇聚节点的坐标为自变量的生存期三维曲面；

最后，在这一曲面上找到生存期的最大值以及该值对应的坐标，该坐标即为汇聚节点的最优放置位置。

下面结合具体参数和附图对本发明做进一步说明：

仿真参数：WBAN仿真网络模型如图1所示，人体的两个手腕上分别放置一个传感器节点，其余节点被放置在人体的躯干上，汇聚节点根据最优放置方法放置在躯干上。假定链路传输时消耗的能量为0.01J，节点的初始能量为10J，载波频率为2.4GHz，发送数据包的时间为0.8192s，我们进行了2000次蒙特卡洛仿真。

仿真环境：我们假定传感器节点和汇聚节点被放置在一位正常体态男性体表，该男性进行匀速直线运动，并截取其匀速运动的一段时间来进行仿真分析。仿真环境使用MATLAB软件搭建，当无线体域网需要采集人体的某项生理参数时，汇聚节点会首先根据传感器节点的姿态信息、剩余能量信息以及信道状态信息计算得出最适合信息采集的传感器节点；然后，汇聚节点发出唤醒信号，唤醒最适合信息采集的传感器节点，其余节点依旧保持睡眠状态。传感器节点收到唤醒信号后，会向汇聚节点发送信号，告知汇聚节点其已经被唤醒。汇聚节点收到该信号后，会向该传感器节点发送采集信息指令信号。传感器节点收到该指令信号后，开始采集生理参数信息。采集完成后，传感器节点将采集的信息发送给汇聚节点。汇聚节点接收完传感器节点发来的信息后，此次信息采集完成。

仿真步骤：此次仿真中，我们以PA-DPLM协议为基础，对比了加入放置方法和不加入该方法两种条件下能效的表现情况。我们分三步对两种条件进行了对比分析，分别是：

第一步，以传感器节点数量为自变量，无线体域网生存期为因变量，比特误码率以及初始能量为常量，考察两种条件下无线体域网能效的表现情况。

第二步，以比特误码率为自变量，无线体域网生存期为因变量，传感器节点数量以及初始能量为常量，考察两种条件下无线体域网能效的表现情况。

第三步，以初始能量为自变量，无线体域网生存期为因变量，比特误码率以及传感器节点数量为常量，考察两种条件下无线体域网能效的表现情况。结合附图的具体分析如下：

在图2中，我们仿真了传感器节点个数不同时，最优放置方法和PA-DPLM协议生存期变化。其中，误码率为5×10^-5。从仿真曲线来看，两种协议的生存期都会随着节点的数量增加而增加，但是最优放置方法的性能要高于PA-DPLM协议。尤其是当节点的数量很少时，最优放置方法会具备更高的性能。这也说明了节点越少，越需要更优的汇聚节点放置方法。无线体域网有别于无线传感器网络，无线体域网的节点数量更少，因此我们设计的放置方法更具备实际意义。

在图3中，我们仿真了比特误码率不同时，最优放置方法和PA-DPLM协议生存期变化。比特误码率为10^-k(k＝2,2.5,3,3.5,4,4.5,5,5.25.5.5,5.75,6)。其中三个传感器节点被放置在躯干上，有两个节点分别被放置在两个手腕上。从图3中我们可以看出，误码率越高，所需的传输能量越大，因而生存期越小。对比两个协议，在同等条件下，最优放置方法所获得的生存期更高。但是，当误码率达到某一特定的值时，两种协议获得同样的生存期。这是合理的，因为误码率越低，信道条件越好，信道对能量的传输的影响很小，因此两种协议获得了相同的生存期。

在图4中，我们仿真了初始能量不同时，最优放置方法和PA-DPLM协议生存期变化。初始能量的变化范围是2到10J，误码率设置为10^-5，节点的放置同图3的仿真条件。从图4中可以看出，两种协议的生存期都随着能量的增加而增加。但是，最优放着方法获得了更优的性能。综合图2、图3和图4来看，最优放置方法在以节点数量、误码率以及初始能量为自变量时，都获得了最优的性能。因此，我们可以说最优放置方法相比于PA-DPLM协议，更加适用于人体处于行走姿态时的无线体域网，更有利于无线体域网获得更优的网络生存期。

Claims (1)

1.一种人体行走姿态下无线体域网生存周期的汇聚节点放置方法，其特征在于包括下列步骤：

(1)无线体域网网络生存期最大化模型，

(1.1)初始化

初始化的过程包括：采集人体生理参数的传感器节点按照其自身功能放置在人体的特定位置；

(1.2)传感器节点选择

需要采集人体的某项生理参数信息时，一个传感器节点醒来进行信息传递，其它传感器节点仍旧保持睡眠状态，节点的选择遵照基于姿态感知的生存期最大化协议(PA-DPLM,Posture-Aware Dynamic Protocol for Lifetime Maximization)，代表该协议的高能效函数f(e_i,c_i,p_i)如下：

其中EI_i,j为传感器节点i在j次传输时的高能效系数，e_i,j为节点i当前的能量，c_i,j为节点i的信道状态信息，p_i,j为节点i的姿态信息，e_c为传输链路所消耗的能量，N为无线体域网中传感器节点的数量，L为无线体域网的网络生存期；

(1.3)网络死亡判断

当采集某类人体生理参数的全部传感器节点都不能进行数据采集时，则无线体域网进入死亡状态；

(2)汇聚节点放置方法

汇聚节点根据下文阐述的最优放置方法，放置到最优位置使得无线体域网生存期最大化，步骤如下：

(2.1)路径损耗模型

L_path(d_i)＝a·log₁₀d_i+b+N₀ [dB]

其中L_path(d_i)是节点i当前到汇聚节点的路径损耗，a，b，N₀是给定的参数a＝-8.6,b＝-20.3,N₀＝10^-7，行走姿态下d_i的表达式如下：

其中(x_ap,y_ap,z_ap)和(x_i,y_i,z_i)分别是汇聚节点和节点i的坐标；

(2.2)功率控制模型

比特误码率(BER,Bit Error Rate)约束条件下的功率控制模型如下：

其中，P_i,j为节点i在j次传输时的功率；A＝0.25,q＝1,M₀＝10^-7；ξ为比特误码率约束条件；由于调制方式是二进制相移键控，所以M＝2；P_max是最大传输功率，为节点i在j次传输时的信道方差，表达式如下：

其中η＝1，α是路径损耗因子，可以通过路径损耗模型计算得到；

(2.3)能量消耗模型

在数据包的发送时间为T_d时，节点i在j次传输时的能量消耗模型如下：

其中是节点i在j次传输时消耗的能量，c_i,j为此时的信道状态，将上述的路径损耗模型以及功率控制模型代入上式，可以得到能量消耗模型的完全表达式：

(2.4)优化目标

优化目标是最大化无线体域网的生存期，优化目标和约束条件表示如下：

maximize L

subject to

0≤i≤N

0≤j≤L

其中e₀为传感器节点的初始能量；X_i,j为选择函数，若节点i在j次传输时被选中传输数据，其值为1，否则为0；max{EI_i,j}表示EI_i,j的最大值；

(2.5)最优放置方法

将(2.3)中的能量消耗模型的完全表达式代入(2.4)中的优化目标和约束条件，可以得到：

maximize L

subject to

0≤i≤N

0≤j≤L

通过求解上述优化目标，可以得到汇聚节点的最优放置位置；

(3)求解汇聚节点放置方法

采用一种近似求解算法，通过枚举的方式来求解汇聚节点的坐标，具体算法如下：

首先，假定传感器节点分布在1m×1m的人体躯干上，鉴于目前绝大多数生理参数传感器的面积大于1cm×1cm，将该1m×1m平面等分成100份，这样，该平面类似于围棋盘，在其它传感器节点位置固定的前提下，需要找到一个最优的位置放置汇聚节点这一棋子，也就是说，给定了汇聚节点的坐标的取值集合；

然后，将集合内的坐标值逐一代入(2.5)中的优化问题，进而得到与坐标集合一一对应的无线体域网生存期的取值集合，这种对应关系类似于三维坐标系中x-y面与z轴的关系，那么利用这种对应关系绘制一个三维曲面，使用MATLAB软件中的surf(x,y,z)函数，该函数的输入参数x、y、z分别代表三维坐标系中的三个坐标轴上的取值，给定这些取值后surf(x,y,z)函数就能绘制相应的三维曲面，所以，利用已有生存期的取值集合以及汇聚节点的坐标的取值集合，就可以绘制以汇聚节点的坐标为自变量的生存期三维曲面；

最后，在这一曲面上找到生存期的最大值以及该值对应的坐标，该坐标即为汇聚节点的最优放置位置。