基于拓撲優(yōu)化和鏈路感知的無線體域網(wǎng)路由協(xié)議

廖棟森,祝長鴻,黃業(yè)恒,覃團發(fā)

(廣西大學(xué) a.計算機與電子信息學(xué)院;b.多媒體通信與網(wǎng)絡(luò)技術(shù)重點實驗室,南寧530004)

0 引 言

無線體域網(wǎng)(Wireless Body Area Networks,WBAN)是由監(jiān)測人體健康狀態(tài)和人體所處環(huán)境的傳感器節(jié)點(Sensor Node,SN)、Hub和遠程服務(wù)中心所組成的網(wǎng)絡(luò)[1-2]。SN根據(jù)執(zhí)行功能不同安裝在固定的人體位置,人體在活動過程中SN位置頻繁變化使得WBAN路由協(xié)議性能嚴重下降?，F(xiàn)有的路由協(xié)議集中于優(yōu)化人體處于相對穩(wěn)定狀態(tài)時WBAN的功耗,延長網(wǎng)絡(luò)的壽命。文獻[3]提出了基于代價函數(shù)的路由策略,通過輪轉(zhuǎn)策略和代價函數(shù)選擇距離最近和剩余能量最多的節(jié)點承擔中繼任務(wù),平衡負載。文獻[4]提出了一種鏈路感知和能量有效的路由策略,通過選擇最小跳數(shù)和最小路徑損耗的路由傳輸數(shù)據(jù)。文獻[5]考慮人體處于靜態(tài)狀態(tài)下網(wǎng)絡(luò)能耗最優(yōu)化時節(jié)點的安裝位置,通過安裝中繼節(jié)點,優(yōu)化WBAN的網(wǎng)絡(luò)拓撲結(jié)構(gòu),延長節(jié)點可持續(xù)工作時間。文獻[6]提出了基于貪心策略的鏈路和熱點感知的自適應(yīng)路由算法,在SigFox網(wǎng)絡(luò)基礎(chǔ)上考慮了人體健康狀態(tài)限制和節(jié)點能量限制。文獻[7]提出了基于熵和模糊邏輯的低特定波段吸收率(Specific Absorption Rate,SAR)路由策略,通過使用動態(tài)簇頭使網(wǎng)絡(luò)具有更小的計算復(fù)雜度。文獻[8]通過對節(jié)點剩余能量和鏈路質(zhì)量選擇最佳中繼節(jié)點,考慮了模糊處理,模糊干擾和解模糊過程。文獻[9]提出了基于網(wǎng)格的多中繼路由算法,使得每個檢測節(jié)點的負載達到平衡并降低了簇頭的負載。

上述文獻提出的路由算法提高了WBAN的服務(wù)質(zhì)量,但文獻[5]提出的拓撲優(yōu)化是基于人體靜態(tài)條件下WBAN的拓撲結(jié)構(gòu),實用性較小,而文獻[6,8-9]均通過構(gòu)建優(yōu)化模型來得出最佳路由策略,計算復(fù)雜度高,對數(shù)據(jù)的實時性敏感度高,缺乏對人體處于動態(tài)時有針對性的優(yōu)化。因此,本文在上述文獻的基礎(chǔ)上,針對WBAN拓撲結(jié)構(gòu)頻繁發(fā)生變化導(dǎo)致服務(wù)質(zhì)量下降和網(wǎng)絡(luò)性能衰減等問題,在人體形態(tài)學(xué)基礎(chǔ)上對拓撲結(jié)構(gòu)進行優(yōu)化,通過添加中繼節(jié)點的方式建立WBAN的主干網(wǎng),并在此基礎(chǔ)上設(shè)計了一種適用于人體處于動態(tài)時的WBAN路由策略(Routing Protocol Based on Topology Optimization and Link Awareness,R-TOLA),包含了網(wǎng)絡(luò)拓撲感知和基于鏈路感知的路由協(xié)議。仿真結(jié)果驗證了該方案的有效性。

1 系統(tǒng)模型

1.1 網(wǎng)絡(luò)模型

WBAN網(wǎng)絡(luò)模型如圖1所示。N個傳感器節(jié)點S={p1,p2,…,pi,…,pn} 根據(jù)功能不同安裝于不同的人體部位,pi表示其中第i個傳感器節(jié)點。SN由于體積小,攜帶的能量和計算資源有限,對數(shù)據(jù)進行粗處理后,傳輸至Hub。Hub一般易于充能且具有較高的運算和存儲能力,可以承擔復(fù)雜的計算任務(wù)。數(shù)據(jù)經(jīng)過Hub壓縮、編碼等處理后通過Internet傳輸至醫(yī)院并備份于數(shù)據(jù)中心。

圖1 WBAN網(wǎng)絡(luò)模型Fig.1 Network model of WBAN

1.2 信道模型

區(qū)別于自由空間中的通信模型,WBAN不同位置節(jié)點之間由于衣服、肢體動作等影響,通信信道具有不同的特征,可分為植入-植入、植入-體外、體表-體表、體表-體外4種信道。本文主要研究體表-體表信道,可劃分為視距(Line of Sight,LOS)信道和非視距(Non-line of Sight,NLOS)信道,信道模型如下所示：

(1)

式中：LP為路徑損耗,單位dB;d0表示觀測節(jié)點和Hub之間的參考距離;d表示觀測節(jié)點和Hub的當前距離;f表示頻率;c表示光速;X表示均值為0的高斯隨機變量;σ表示X的方差;n表示路徑損耗指數(shù)。路徑損耗指數(shù)根據(jù)SN和Hub之間是否為視距傳輸有不同的取值范圍,在LOS條件下,n取3～4;在NLOS條件下,n取5～7.4。

1.3 鏈接模型

設(shè)p為S中任一觀測節(jié)點,其有效通信范圍為Rp,通信范圍內(nèi)包含的所有節(jié)點構(gòu)成有序節(jié)點向量ORp,ORp(k)表示距離p第k遠的節(jié)點。為區(qū)分節(jié)點之間的連接狀態(tài),本文以xi,j表示有序向量ORi中的節(jié)點i和節(jié)點j建立連接,使用pk,N表示節(jié)點k和Hub直接進行通信,使用fi,j表示中繼節(jié)點之間相互通信,如式(2)～(4)所示：

(2)

(3)

(4)

1.4 能耗模型

WBAN匯聚節(jié)點一般作為與外部通信的接口,能量充足,且易于更換電池,故考慮WBAN網(wǎng)絡(luò)整體功耗時忽略Hub功耗。WBAN功耗包括數(shù)據(jù)采集功耗、數(shù)據(jù)處理功耗和節(jié)點間通信功耗。由于節(jié)點感知和處理數(shù)據(jù)所消耗的能量遠小于節(jié)點傳輸數(shù)據(jù)所消耗的能量,為簡化傳輸模型,本文只考慮節(jié)點之間數(shù)據(jù)傳輸帶來的能量損耗,忽略節(jié)點在采集和處理數(shù)據(jù)過程中所產(chǎn)生的能量損耗。

數(shù)據(jù)傳輸分為接收數(shù)據(jù)能量損耗和發(fā)送數(shù)據(jù)能量損耗,分別用ERx和ETx來表示。發(fā)送數(shù)據(jù)包含了放大器消耗的能量和電路板固有能量損耗,故有以下等式成立：

(5)

ERx=Erx-elec×k

(6)

式中：di,j表示節(jié)點i和j之間的距離;nij表示損耗參數(shù);EAmp表示發(fā)送單位比特數(shù)據(jù)放大器所消耗的能量;Etx-elec表示發(fā)送單位比特信息電路的固有損耗;Erx-elec表示接收單位比特信息電路的固有損耗;k表示節(jié)點i和j之間發(fā)送的數(shù)據(jù)總量。

1.5 能耗成本優(yōu)化模型

本文對WBAN每一時刻的路由進行建模,并以最小化系統(tǒng)能耗為優(yōu)化目標。WBAN網(wǎng)絡(luò)總能耗分為節(jié)點和中繼節(jié)點通信的能量損耗、中繼節(jié)點和中繼節(jié)點的通信能量損耗、中繼節(jié)點和Hub通信的能量損耗。

根據(jù)1.1～1.4節(jié)的模型,節(jié)點發(fā)送給中繼節(jié)點的能耗為

(7)

式中：riN表示節(jié)點i需要發(fā)送給匯聚節(jié)點的數(shù)據(jù)量。

中繼節(jié)點接收傳感器信息的總能耗為中繼節(jié)點接收數(shù)據(jù)能耗和中繼節(jié)點發(fā)送數(shù)據(jù)產(chǎn)生的能耗,則有

(8)

式中：fiN為具有中繼功能的節(jié)點所發(fā)送的給中繼節(jié)點的數(shù)據(jù)。

具有中繼功能的檢測節(jié)點和直接發(fā)送給匯聚節(jié)點的檢測節(jié)點發(fā)送數(shù)據(jù)消耗的能量為

(9)

式中：tiN為節(jié)點直接發(fā)送給Hub的數(shù)據(jù)總量,并忽略Hub收集數(shù)據(jù)的能耗。

故優(yōu)化的總體目標為式(10),并滿足約束條件(11)～(15)。

Min{E=Esensor-relay+Erelay-relay+Esensor-hub-Tx}

(10)

式(11)限制節(jié)點最多連接一個中繼節(jié)點或Hub,且節(jié)點之間不能循環(huán)發(fā)送：

(11)

式(12)限制當一個節(jié)點作為承擔中繼任務(wù)時,其接收數(shù)據(jù)和發(fā)送數(shù)據(jù)之差為節(jié)點自身產(chǎn)生數(shù)據(jù)量：

(12)

式(13)表示發(fā)送給Hub的數(shù)據(jù)等于各個檢測節(jié)點所產(chǎn)生的數(shù)據(jù)：

(13)

式(14)表示直接發(fā)送給Hub的數(shù)據(jù)等于中繼節(jié)點發(fā)送給節(jié)點的數(shù)據(jù)和節(jié)點自身產(chǎn)生的數(shù)據(jù)：

(14)

式(15)對變量進行取值約束：

xij,wij,piN∈{0,1},riN>0

(15)

由以上約束條件可知,系統(tǒng)能耗最小化模型是集合覆蓋和多商品流問題的特例,是NP-hard類型問題,問題規(guī)模隨著節(jié)點數(shù)的增加呈指數(shù)型增加,在實際運行過程中只具有理論上的指導(dǎo)意義。因此,本文首先對WBAN網(wǎng)絡(luò)拓撲結(jié)構(gòu)進行優(yōu)化,解決節(jié)點之間的距離和信道無法預(yù)測的問題;然后在WBAN拓撲優(yōu)化的基礎(chǔ)上,提出網(wǎng)絡(luò)拓撲結(jié)構(gòu)感知算法和基于鏈路感知的路由策略。

2 拓撲結(jié)構(gòu)優(yōu)化

優(yōu)化問題(10)的限制條件決定了SN和Hub節(jié)點之間的通信路徑具有隨機性,SN既承擔中繼功能又承擔數(shù)據(jù)感知功能,這使得節(jié)點可能由于頻繁的肢體動作、衣服遮蔽等因素使得節(jié)點和Hub之間通信路徑損耗較大,網(wǎng)絡(luò)壽命和服務(wù)質(zhì)量下降較快。為提高節(jié)點的壽命,限制SN承擔中繼功能;為提高網(wǎng)絡(luò)的服務(wù)質(zhì)量,通過安裝固定中繼節(jié)點的方式優(yōu)化網(wǎng)絡(luò)的拓撲結(jié)構(gòu),使得肢體某一部位的節(jié)點盡可能和固定的中繼節(jié)點進行通信。圖2為WBAN拓撲優(yōu)化示意圖。

圖2 拓撲優(yōu)化示意Fig.2 Schematic of topology optimization

圖2(a)表示W(wǎng)BAN節(jié)點分布圖,具有以下特點：①WBAN網(wǎng)絡(luò)拓撲結(jié)構(gòu)根據(jù)人體的動作而不斷改變,節(jié)點之間的通信關(guān)系由NLOS到LOS,或LOS到NLOS轉(zhuǎn)變頻率很高,節(jié)點的路徑損耗系數(shù)變化大;②WBAN中的節(jié)點受限于SAR,節(jié)點的通信范圍有限;③WBAN節(jié)點體積小,所攜帶的能量少,若頻繁通信,節(jié)點可持續(xù)工作時間短。

由此可知,拓撲結(jié)構(gòu)頻繁變化、節(jié)點攜帶能量有限是WBAN路由機制復(fù)雜和能耗成本高的主要原因。為提供穩(wěn)定且有效的通信服務(wù),本文通過添加中繼節(jié)點的方式建立WBAN主干網(wǎng)。安裝的固定中繼節(jié)點的候選位置應(yīng)滿足以下條件：一是固定的中繼節(jié)點和Hub之間的路徑損耗系數(shù)變化頻率應(yīng)盡可能地小;二是固定的中繼節(jié)點和其所在范圍內(nèi)的節(jié)點之間的路徑損耗系數(shù)變化應(yīng)盡可能地小。

由人體的形態(tài)可知,人體在運動和靜止狀態(tài)過程中,軀干所在的位置和形態(tài)是相對穩(wěn)定的,其變化的頻率遠小于其他身體部分變化的幅度。由圖2(b)可知,其大致相當于一個長方形,并按照虛線劃分可將其分為a,b,c,d 4個部分,而人體活動范圍最大的部分為手臂和腿部,因此,軀干分別與手臂和腿部的連接位置具有候選中繼位置的特點,如圖中黑色圓圈所示。圖中候選中繼位置與對應(yīng)區(qū)域中大部分位置為LOS信道,同時候選中繼位置處的節(jié)點和Hub的通信信道均為LOS信道,路徑損耗小,傳輸質(zhì)量較好。由此本文將圖2(b)中4個黑色節(jié)點和Hub構(gòu)成的拓撲結(jié)構(gòu)稱為WBAN主干網(wǎng),可抽象為圖2(c)所示的拓撲結(jié)構(gòu),其中虛線表示SN和中繼節(jié)點可相互連接。優(yōu)化后的拓撲結(jié)構(gòu)可表示人體在頻繁活動時,節(jié)點通過主干網(wǎng)絡(luò)傳輸數(shù)據(jù)可得到的最低服務(wù)質(zhì)量。

為進一步優(yōu)化WBAN性能,本文提出R-TOLA路由策略,包含網(wǎng)絡(luò)拓撲結(jié)構(gòu)感知算法和基于鏈路感知的路由算法。網(wǎng)絡(luò)拓撲結(jié)構(gòu)感知算法用于初始化網(wǎng)絡(luò)結(jié)構(gòu),實現(xiàn)Hub對網(wǎng)絡(luò)拓撲中節(jié)點能量和位置的感知;基于鏈路感知的路由算法在保證服務(wù)質(zhì)量的前提下,優(yōu)化WBAN網(wǎng)絡(luò)的能耗和網(wǎng)絡(luò)壽命。

3 網(wǎng)絡(luò)拓撲結(jié)構(gòu)感知算法

網(wǎng)絡(luò)拓撲結(jié)構(gòu)感知算法基于泛洪算法,主要目的是對網(wǎng)絡(luò)結(jié)構(gòu)進行初始化,為第4節(jié)中基于鏈路感知的路由算法提供準確的某一時刻的網(wǎng)絡(luò)拓撲結(jié)構(gòu)、節(jié)點狀態(tài),即承擔校準功能。該算法分為3個階段：第一個階段為節(jié)點感知階段,對某一時刻可直接和Hub通信的節(jié)點進行感知;第二個階段為節(jié)點發(fā)現(xiàn)階段,通過Hub和已經(jīng)感知到的節(jié)點通過中繼的方式發(fā)現(xiàn)某一時刻未能和Hub直接進行通信的節(jié)點;第三個階段為節(jié)點確認階段,對發(fā)現(xiàn)的節(jié)點進行位置和狀態(tài)確認。

3.1 節(jié)點感知

Hub以最大功率向所有節(jié)點廣播HELLO()數(shù)據(jù)包,數(shù)據(jù)包攜帶的信息包含了Hub的狀態(tài)和信號發(fā)射功率的大小。SN在接收到數(shù)據(jù)包后,解析出數(shù)據(jù)包中所包含的數(shù)據(jù),并根據(jù)接收信號強度(Receive Signal Strength Indicator,RSSI)來估計檢測節(jié)點和Hub的距離。節(jié)點在接收到HELLO()數(shù)據(jù)包后,將自身的狀態(tài)和位置向Hub匯報。由于Hub只有一個接收機,不同節(jié)點在發(fā)送ACK()數(shù)據(jù)包時可能出現(xiàn)信號重疊,后到達的ACK()數(shù)據(jù)包被丟棄,以及距離較遠的節(jié)點傳輸ACK()數(shù)據(jù)包到達Hub時可能由于距離較近的節(jié)點干擾,Hub無法準確地接收數(shù)據(jù)包。為解決上述問題,本文假設(shè)Hub以slot為周期發(fā)送HELLO()數(shù)據(jù)包,具體過程如圖3所示。

圖3 節(jié)點感知示意Fig.3 Schematic of node perception

步驟1在第一個slot期間,信道質(zhì)量較好且能夠被Hub準確接收的P個節(jié)點在接收到HELLO()數(shù)據(jù)包后,立即發(fā)送ACK()確認數(shù)據(jù)包;Hub在接收到P個節(jié)點發(fā)送的ACK()數(shù)據(jù)包后,立即屏蔽所有的傳輸信號,將所接收到的節(jié)點狀態(tài)信息記錄在節(jié)點信息表中。

步驟2在第二個slot期間,將對P個節(jié)點的確認信息添加至HELLO()數(shù)據(jù)包中,第一個slot期間所接收到的P個節(jié)點在接收到添加信息的HELLO()數(shù)據(jù)包后,確認節(jié)點已被加入到Hub的節(jié)點信息表中,并在隨后的slot周期中始終保持靜默狀態(tài),不再發(fā)送ACK()確認數(shù)據(jù)包;HELLO()數(shù)據(jù)包中確認信息不包含的節(jié)點,在接收到HELLO()數(shù)據(jù)包后繼續(xù)向Hub發(fā)送ACK()確認數(shù)據(jù),Hub在此階段收到K個節(jié)點的ACK()數(shù)據(jù)包。

步驟3在第三個slot期間,添加上第二個slot期間收到的K個節(jié)點的信息,再次發(fā)送出去,循環(huán)執(zhí)行步驟2直至最后一個slot時間段Hub未收到任何節(jié)點的ACK()數(shù)據(jù)包。

3.2 節(jié)點發(fā)現(xiàn)

Hub以固定頻率發(fā)送HELLO()數(shù)據(jù)包一段時間后,與Hub可直接通信的節(jié)點已全部被納入Hub信息表中,而未能和Hub直接通信的節(jié)點尚未被納入節(jié)點信息表中。Hub向已在節(jié)點信息表中的每一個節(jié)點發(fā)送find()指令,節(jié)點在接收到find()指令后,以最大功率廣播帶有節(jié)點自身標識符和節(jié)點狀態(tài)的HELLO()數(shù)據(jù)包。階段1所有能直接和Hub通信的節(jié)點已被納入到Hub信息表中,Hub發(fā)送確認信息時,附帶有Hub信息表,因此能夠和Hub直接通信的節(jié)點在收到帶有對方標識符和節(jié)點狀態(tài)的HELLO()數(shù)據(jù)包后,直接丟棄,而未和Hub直接通信的節(jié)點在收到HELLO()數(shù)據(jù)包后,將其記錄在自身的節(jié)點信息表中。節(jié)點發(fā)現(xiàn)具體流程如圖4所示。

圖4 節(jié)點發(fā)現(xiàn)流程Fig.4 Flowchart of node search

3.3 節(jié)點確認

未在Hub信息表中的節(jié)點根據(jù)階段2所獲得的節(jié)點信息表中候選節(jié)點的狀態(tài)信息,選擇中繼節(jié)點,將帶有自身狀態(tài)和節(jié)點標志的ACK()數(shù)據(jù)包定向發(fā)送到該中繼節(jié)點;中繼節(jié)點將該信息發(fā)送至Hub,Hub在收到ACK()數(shù)據(jù)包后,將該節(jié)點信息記錄在節(jié)點信息表中,并向中繼節(jié)點定向發(fā)送Confirm()+find()數(shù)據(jù)包,中繼節(jié)點再定向發(fā)送至目標節(jié)點,節(jié)點確認數(shù)據(jù)包并執(zhí)行find()指令,直到Hub不再接收到ACK()數(shù)據(jù)包。

4 基于鏈路感知的路由算法

本文在優(yōu)化后的WBAN網(wǎng)絡(luò)拓撲結(jié)構(gòu)的基礎(chǔ)上提出了基于鏈路感知的路由算法,包括路由策略和時隙分配策略兩部分。路由策略解決節(jié)點傳輸路線問題,時隙分配策略解決WBAN網(wǎng)絡(luò)干擾和資源分配問題。

4.1 路由策略

對于通信范圍包含Hub且和Hub通信信道為LOS的節(jié)點,鏈路感知基于RSSI預(yù)測,SN根據(jù)時間窗中每個時刻的RSSI估計當前時刻的RSSI,若當前時刻接收到的RSSI和預(yù)測的RSSI符合預(yù)設(shè),則表示鏈路質(zhì)量在當前時刻維持穩(wěn)定;若不符合預(yù)設(shè),則Hub對SN進行問詢(若節(jié)點超出Hub的通信范圍;則納入主干網(wǎng)的通信范圍;若未超出Hub的通信范圍,則重新根據(jù)RSSI估計節(jié)點距離和信道類型);對于通信范圍內(nèi)不包含Hub的節(jié)點或和Hub通信信道為NLOS的節(jié)點,鏈路感知基于代價函數(shù),選擇代價函數(shù)最小的路由進行通信。

路由策略算法(算法1)具體步驟如下：

1)若SN的通信范圍內(nèi)包含Hub,且SN和Hub的通信信道為LOS信道,SN根據(jù)接收到的RSSI與SN預(yù)測的RSSI信號強度作比較。RSSI 預(yù)測值計算基于指數(shù)加權(quán)滑動平均法(Exponentially Weighted Moving Average,EWMA),如下式所示：

(16)

(17)

式中：cost(i)j表示節(jié)點j和候選節(jié)點之間的代價;res(i)表示中繼節(jié)點i的剩余能量;Dist(i,j)表示節(jié)點i和節(jié)點j之間的距離。節(jié)點應(yīng)選擇剩余能量最多和距離最近的節(jié)點作為中繼,即選擇代價函數(shù)最小的節(jié)點作為中繼傳輸數(shù)據(jù)。

2)若SN的通信范圍內(nèi)不包含Hub,若SN基于代價函數(shù)最小且信道為LOS信道進行通信的主干網(wǎng)節(jié)點(其中代價函數(shù)優(yōu)先級大于信道優(yōu)先級),中繼節(jié)點轉(zhuǎn)運SN數(shù)據(jù)至Hub。

算法1的偽代碼如下：

1 輸入：n個節(jié)點的位置和剩余能量

2 輸出：節(jié)點路由選擇策略

3 for each SN do

6 if dist(SN,Hub)

7 if SN和Hub間信道為LOS信道 then

8 SN和Hub直接進行數(shù)據(jù)傳輸

9 else

10 對于每一個在range(SN)中的node do

11 if dist(node,Hub)

12 計算代價函數(shù)cost(i)j=Dist(i,j)/res(i)

13 SN選擇代價最小的節(jié)點為中繼節(jié)點傳輸數(shù)據(jù)

14 else

15 do nothing

16 else

17 SN根據(jù)代價函數(shù)和信道類型選擇最優(yōu)主干網(wǎng)節(jié)點為中繼節(jié)點傳輸數(shù)據(jù)

18 else

19 Hub發(fā)送周期性問詢數(shù)據(jù),重新計算節(jié)點之間的距離和信道類型并根據(jù)節(jié)點之間的距離和信道類型選擇中繼節(jié)點傳輸

4.2 時隙分配策略

WBAN不僅需要考慮單個個體所攜帶傳感器所組成的網(wǎng)絡(luò),同時需要考慮不同個體WBAN之間的相互影響。由于不同WBAN之間缺乏相互協(xié)調(diào)的機制,如果數(shù)據(jù)傳輸協(xié)議采用CDMA,則會由于頻譜資源有限,WBAN之間有較大的干擾。因此,本文假設(shè)MAC層使用的是無競爭的TDMA協(xié)議,并使用超幀傳輸數(shù)據(jù)。超幀的模型如圖5所示,Pilots為超幀頭,表示一個超幀的開始,剩余部分由N個時隙組成,每一個時隙表示TDMA協(xié)議規(guī)定的時隙長度。

圖5 超幀示意Fig.5 Schematic of superframe

在一個超幀時間中,節(jié)點除了執(zhí)行檢測功能外,還可能包含以下3種活動：若節(jié)點為中繼節(jié)點,則接收來自感知節(jié)點的數(shù)據(jù);向匯聚節(jié)點傳輸節(jié)點自身檢測的數(shù)據(jù)和緩存中其他節(jié)點的傳輸數(shù)據(jù);節(jié)點處于睡眠狀態(tài)。由于每一個節(jié)點最多有一個中繼節(jié)點,為簡化分析,假設(shè)中繼節(jié)點的緩存能夠滿足源節(jié)點一個超幀內(nèi)發(fā)送的數(shù)據(jù)量。假設(shè)節(jié)點以固定速率傳輸數(shù)據(jù),則數(shù)據(jù)傳輸至目標節(jié)點的時延包括傳輸時延和傳播時延,體域網(wǎng)中節(jié)點與節(jié)點之間的距離不超過2 m,傳播時延可以忽略不計,因此節(jié)點的時延為

Tdelay=Datai/DRi

(18)

式中：Datai表示一個幀長度內(nèi)節(jié)點感知的數(shù)據(jù)量;DRi表示節(jié)點的數(shù)據(jù)傳輸速率。因此可得節(jié)點需要分配的時隙個數(shù)為Tdelay/slot,其中slot表示一個時隙的時間長度。

5 仿真分析

5.1 參數(shù)設(shè)置

本文基于人體理想比例對節(jié)點位置進行標定,忽略人體的厚度,表1為仿真參數(shù)。假設(shè)Hub位于坐標系的原點,并用h表示人體的身高,則中繼節(jié)點坐標為A=(-0.12h,0.25h,0),B=(-0.12h,-0.15h,0),C=(0.12h,-0.15h,0),D=(0.12h,0.25h,0),部署于人體的11個傳感器節(jié)點坐標為u1=(0.075h,0.125h,0),u2=(-0.05h,0.1h,0),u3=(-0.05h,-0.02h,0),u4=(-0.15h,0.15h,0),u5=(-0.18h,-0.05h,0),u6=(0.15h,0.15h,0),u7=(0.18h,-0.05h,0),u8=(-0.1h,-0.25h,0),u9=(-0.08h,-0.45h,0),u10=(0.1h,-0.3h,0),u11=(0,0.35h,0)。

表1 仿真參數(shù)Tab.1 Simulation parameters

人體的基本動作包括了站立、走和坐。在3種動作中,人體軀干和四肢連接點沿四肢方向的軸向距離保持不變,如上臂和肩關(guān)節(jié),但小臂和肩關(guān)節(jié)的位置具有一定的隨機性,故WBAN網(wǎng)絡(luò)拓撲結(jié)構(gòu)的隨機性在于四肢節(jié)點隨著肢體動作的變化。在3種動作中,主干網(wǎng)相對于Hub的位置只具有隨機性抖動,仿真分析中假設(shè)主干網(wǎng)服從高斯分布,節(jié)點沿四肢軸向方向和最近關(guān)節(jié)連接點處的距離保持不變。人體的肢體運動狀態(tài)包括了角運動和直線運動。角運動是環(huán)繞自身的運動,在本文中忽略不計。直線運動包含了水平移動和豎直移動。人體在站立和坐時,WBAN網(wǎng)絡(luò)變化的頻率遠小于人體在走時網(wǎng)絡(luò)變化頻率,因此,本文只討論人體在走時的情況。由于走路時人體的基準位置是人體站立的位置,故在本文中生成兩個獨立的服從均勻分布的隨機數(shù)分別表示水平移動距離和豎直移動距離,均值為0,并在此基礎(chǔ)上添加一個高斯分布以模擬肢體的隨機性抖動。另外,假設(shè)人體一半時間為活動狀態(tài),另一半時間為相對靜止狀態(tài),并交錯發(fā)生。同時,為簡化節(jié)點之間信道的判斷,若兩個節(jié)點處于不同的從屬部位,當節(jié)點之間的距離超過40 cm時為NLOS信道,否則為LOS信道。

5.2 性能分析

為分析本文所提出算法的性能,本文在網(wǎng)絡(luò)壽命、網(wǎng)絡(luò)穩(wěn)定性、網(wǎng)絡(luò)吞吐量和網(wǎng)絡(luò)剩余能量4個方面對網(wǎng)絡(luò)進行仿真分析[11],同時將本文提出的R-TOLA和拓撲優(yōu)化前基于感知的路由算法(Routing Based on Sensing,RBS)、基于節(jié)點中繼的路由策略E-HARP[12],基于代價函數(shù)的路由策略SIMPLE[3]進行了對比。本文將最后一個節(jié)點死亡的輪數(shù)記為網(wǎng)絡(luò)的壽命,第一個節(jié)點死亡的輪數(shù)記為網(wǎng)絡(luò)的穩(wěn)定時間。

圖6為4種算法的網(wǎng)絡(luò)壽命對比,圖7為4種算法的網(wǎng)絡(luò)穩(wěn)定對比。由圖可知,SIMPLE算法由于代價函數(shù)中只考慮剩余能量和距離,缺乏對節(jié)點狀態(tài)的感知,對于人體處于不穩(wěn)定狀態(tài)時適應(yīng)性較差,第一個節(jié)點死亡的時間點最早,為4 541輪,但采用了平衡機制,相比其他算法,大部分節(jié)點死亡時間點在5 000～7 000輪之間,網(wǎng)絡(luò)壽命為10 098輪;E-HARP算法由于采用雙Hub機制進行數(shù)據(jù)傳輸,節(jié)點根據(jù)信噪比和節(jié)點剩余能量選擇簇頭,簇頭作為中繼將數(shù)據(jù)傳輸至最近的Hub,降低了節(jié)點的傳輸損耗,網(wǎng)絡(luò)穩(wěn)定時間為7 781輪,網(wǎng)絡(luò)壽命為13 437輪,相比于其他算法,節(jié)點死亡數(shù)大致呈線性增長。RBS算法是R-TOLA在未進行網(wǎng)絡(luò)拓撲優(yōu)化時基于鏈路感知的路由算法,節(jié)點位置動態(tài)變化使得節(jié)點和Hub之間的信道為NLOS時節(jié)點的路徑損耗增大,處于人體四肢處的活動范圍最大且距離最遠的節(jié)點最先消耗完能量,但處在人體軀干上的節(jié)點由于位置變化不大,節(jié)點壽命大幅度增加,RBS算法網(wǎng)絡(luò)壽命為15 293,穩(wěn)定時間為6 703。

圖6 網(wǎng)絡(luò)壽命對比Fig.6 Comparison of network lifetime

本文提出的R-TOLA算法較好地適應(yīng)了人體動態(tài)時節(jié)點可能出現(xiàn)的狀態(tài),在網(wǎng)絡(luò)拓撲優(yōu)化后,節(jié)點在大部分情況下和Hub之間的通信路由為LOS信道,第一個節(jié)點死亡輪數(shù)最長為9 327輪,網(wǎng)絡(luò)壽命最長為17 174輪,大部分節(jié)點在15 000～17 000輪之間死亡。因此,本文提出的R-TOLA路由策略相比于其他算法網(wǎng)絡(luò)的穩(wěn)定性更高,網(wǎng)絡(luò)壽命更長。

圖8為4種算法的吞吐量對比,吞吐量和存活的節(jié)點數(shù)呈正相關(guān)。由圖可知,在0～4 000轉(zhuǎn)時由于每個節(jié)點均正常工作,算法之間的吞吐量相當,差距僅限于控制信息的大小;隨著節(jié)點的死亡,不同算法的吞吐量差異性顯著增加,SIMPLE算法吞吐量最低,E-HARP算法和RBS算法吞吐量相當,R-TOLA算法吞吐量最大。

圖8 網(wǎng)絡(luò)吞吐量對比Fig.8 Comparison of network throughput

圖9為4種算法的網(wǎng)絡(luò)節(jié)點剩余能量對比。由圖可知,SIMPLE算法網(wǎng)絡(luò)剩余能量在0～4 000轉(zhuǎn)時快速下降,這是由于SIMPLE算法只考慮不同節(jié)點的均衡機制,而未考慮節(jié)點之間的通信關(guān)系,代價函數(shù)的選取具有片面性。E-HARP算法采用的雙Hub機制,節(jié)點可根據(jù)自身和兩個Hub之間的狀態(tài)選取最好的進行數(shù)據(jù)傳輸,有效地降低了網(wǎng)絡(luò)損耗。RBS算法和E-HARP相當,但由于較遠節(jié)點死亡后,節(jié)點和Hub的通信信道在大部分情況下為LOS信道,在10 000～14 000輪之間能量的損耗相較于E-HARP算法更低。本文提出的R-TOLA算法相比于其他3種算法,在拓撲優(yōu)化條件下,節(jié)點和Hub直接的通信信道和中繼信道大部分均為LOS信道,能量損耗更小。

圖9 網(wǎng)絡(luò)剩余節(jié)點能量對比Fig.9 Comparison of network residual energy

綜上所述,本文提出的R-TOLA算法在網(wǎng)絡(luò)壽命、網(wǎng)絡(luò)穩(wěn)定性、網(wǎng)絡(luò)吞吐量和網(wǎng)絡(luò)剩余能量4個方面相較于對比的算法更具有優(yōu)勢。

6 結(jié)束語

本文根據(jù)人體動作頻繁變化時軀干相對于肢體具有相對穩(wěn)定性的特征,提出了WBAN主干網(wǎng)以優(yōu)化網(wǎng)絡(luò)拓撲結(jié)構(gòu),并在此基礎(chǔ)上提出了適用于網(wǎng)絡(luò)拓撲結(jié)構(gòu)優(yōu)化后的R-TOLA路由策略。該算法相較于對比的算法保障了最低網(wǎng)絡(luò)通信質(zhì)量,在仿真環(huán)境下具有更好的性能,降低了WBAN能量損耗,為WBAN規(guī)?；瘧?yīng)用提供了參考。但在本文仿真過程中,對人體軀干位置的隨機性模擬忽略了肢體之間的相關(guān)性(如人體的肱骨移動時,前臂會隨著肱骨上升而上升),這將對算法的性能產(chǎn)生一定的影響,因此后續(xù)將對這一特性進行研究。