无线体域网中基于能量有效性的动态调度策略

陈曙光,马志超

(1.阜阳师范学院物理与电子工程学院,安徽阜阳236041;2.上海交通大学电子工程系,上海200240)

无线体域网中基于能量有效性的动态调度策略

陈曙光1,马志超2

(1.阜阳师范学院物理与电子工程学院,安徽阜阳236041;2.上海交通大学电子工程系,上海200240)

无线体域网(WBAN)是一种布置于人体(体表或体内)的传感器网络,它能够连续监控人体体征信号,及时传输到远程医疗中心,辅助医生做出诊断。由于人的活动性,经常会有一群WBAN聚集在一起,WBAN相互间的干扰会对单个WBAN内的通信造成影响。为减弱该干扰并确保整个网络的通信质量,提出基于能量有效性的自适应动态调度策略。建立干扰环境下的数学模型,将动态调度策略转化为最大化能量有效性并兼顾节点服务质量的非线性整数规划问题,并设计FEEM启发式算法对其进行求解。仿真结果表明,采用FEEM算法的动态调度策略在吞吐量、能量有效性和服务质量公平性方面均优于采用Horse Racing算法的静态调度策略。

无线体域网;调度策略;吞吐量;能量有效性;公平性;服务质量

1 概述

随着硬件制造技术的发展,可穿戴的医疗传感器越来越普及。这些医疗传感器可以监测人的脉搏、血压、心跳等信息。若将这些每时每刻产生的实时健康信息同医院健康档案的信息综合在一起并加以分析,将会给医疗领域带来全新的应用[1-2]。从小方向上看,可以知道每个人现在的健康状况,提供及时的医疗救护。从大方向上讲,可以预测整个一代人的健康状况,从而倡导新的健康行为,从而带来饮食、生活习惯等各方面的变化。

无线体域网(Wireless Body Area Network, WBAN)是将这些可穿戴医疗设备在人体上组成的网络[3]。WBAN通常由一些传感器节点和一个中心管理者(Coordinator)组成。Coordinator接收传感器节点采集的医疗数据并进行汇聚,接着通过外部通信网络,如WiFi,3G和4G,传输至数据中心做进一步分析处理。

WBAN目前主要工作在无需牌照的ISM频段。但是当前已有部分无线设备工作在该频段上,如WiFi设备、Bluetooth设备、Zigbee设备等,因此WBAN无疑会受到它们的干扰。另外,鉴于WBAN主要应用于医疗、养老等领域,因此在医院、养老院等人员聚集地会出现优先区域内存在Multi-WBANs的情况,虽然WBAN的通信范围仅有2 m～3 m,但是考虑到其干扰范围一般大于通信范围,因此会出现WBAN相互干扰的情况。无论是上述哪一类干扰都会使WBAN传感器节点的丢包率上升、重传次数增加,进而造成因重传和信道侦听消耗的能量增加导致通信质量下降的现象。因此,在制定WBAN接入策略时,需要根据实际环境中干扰信号的特点设计高效的接入机制以提高WBAN应对干扰的能力,最终使WBAN的性能不会因干扰而显著下降。因此,WBAN节能接入策略时还需考虑WBAN间的干扰问题。考虑到外界的无线信号会对WBAN的通信过程产生干扰并影响WBAN的性能,而根据干扰的来源WBAN中的干扰问题可以分为以下2类: WBAN与其他无线系统的干扰问题和WBAN间的干扰问题。因此,当前WBAN中的干扰问题的研究主要从以上2个方面展开。本文以能力有效性最大化为目标,设计了保证节点服务质量公平性的动态调度策略。在调度策略的制定中涉及了非线性整数规划问题,该问题只能通过遍历所有可能情况的方法才能找到问题最优解,并设计了FEEM(Fairnessbased Energy Efficiency Maximization)启发式算法减少计算量。

2 相关研究

整个远程医疗系统如图1所示。目前,对该远程医疗系统尚有许多亟待解决的问题:(1)生命指征等信息如何可靠迅速地传递到监控中心是整个网络有效工作的基础,因此有效可靠的通信机制是该网络正常运作的保障;(2)可穿戴设备携带大量私人信息,用户走到哪里就能追踪到哪里;(3)随着可穿戴设备的用户量和用户业务的迅速增加,如何通过大数据技术处理可穿戴设备获得的数据让消费者获得更好的体验,对大数据处理技术提出了挑战。本文着重对第(1)个问题进行研究,即在WBAN子系统中,如何将传感器节点采集的数据传送给中心管理者。

图1 远程医疗体系结构

在减少WBAN与其他无线系统干扰的研究中。文献[4]针对IEEE 802.15.4与IEEE802.15.6在ISM频段上的共存干扰问题进行研究,并指出干扰对其影响与IEEE 802.15.6中节点数据率的选择无关,仅与节点之间的距离有关。另外,文献[5-6]中研究了WiFi与WBAN的共存问题。为了减小WiFi信号对WBAN的干扰,文献[5]设计了自适应的动态接入策略,该策略通过分析WiFi对信道占用情况的历史数据寻找信道的空闲时隙,使得WBAN能够利用空闲时隙接入信道并达到减小冲突的效果。文献[6]设计了动态的功率控制策略,在功率控制算法中,网络中心控制器根据环境中WiFi的干扰信号强度灵活地设置每个WBAN工作时的发射功率,以达到最佳的接入效果。

在针对WBAN间干扰问题的研究中,文献[7-8]针对网络层设计了机会路由技术,通过使用协作技术有效降低业务传输时的误码率,进而提高网络工作效率。在物理层方面,为了减少WBAN间干扰对其性能的影响,文献[9]设计了分布式的动态管理策略,一旦WBAN在运动中遇到系统间干扰问题就采用该策略调整beacon广播时隙以避免beacon帧的丢失,同时切换至合适的信道上以避免干扰。文献[10]对WBAN共存时beacon冲突的先验概率设计了数学模型,如果WBAN判断即将发生严重的冲突则切换至其他信道。文献[11]采用调整调制、解调技术,调整数据率和收发机工作时的占空比等方法达到降低干扰影响的效果。在MAC层方面,基于调度的接入策略是当前研究的热点。基于调度的接入策略可分为非并行接入和并行接入2种方式。非并行接入的特点为任意一个时隙只能被一个节点使用,其优点是能够保证WBAN无干扰工作,但所涉及的时隙分配算法复杂度高且不便于实现。考虑到WBAN通信距离较短,WBAN间的干扰较弱,因此,WBAN中可以采用并行接入的方法。并行接入方法具有算法复杂度低、资源利用效率高等特点。文献[12]采用并行接入方法针对WBAN的共存问题设计了静态调度策略,该策略使用Horse Racing算法解决调度问题,该算法的复杂度低而且能够在吞吐量和能量有效性方面逼近遍历算法得到的上界,但是Horse Racing算法制定的静态调度策略在服务质量公平性方面存在不足。因此,本文以此为基础,以能力有效性最大化为目标,设计了保证节点服务质量公平性的动态调度策略。在调度策略的制定中涉及了非线性整数规划问题,该问题只能通过遍历所有可能情况的方法才能找到问题最优解。为减少计算量,设计了FEEM启发式算法,并分别在Two-WBANs和Eight-WBANs 2个场景[13]中进行仿真。

3 系统模型

当前WBAN主要应用在医疗领域和老年人服务领域,在医院或老年人服务机构等人员密集场所中可能存在多个WBAN同时工作的情况,考虑到人员的密集性和流动性,为每个WBAN分配完全不同的工作频段将十分困难,因此如图2所示,存在多个WBANs工作在同一频段的情况。此时WBAN传感器与协调器交换数据时会受到临近WBAN的干扰,使得链路质量下降并出现冲突、丢包等现象。

图2 WBAN间的干扰示意图

为减少WBAN间干扰对系统性能的影响并提高时隙资源的利用效率,本文所有WBAN采用并行接入策略。在并行接入策略中,隶属于同一个WBAN的传感器节点被分配不同的时隙资源,而隶属于不同WBAN的节点以并行的方式接入信道并与其他WBAN的节点共享时隙资源。为了简化问题的复杂度,在分析中假设每个WBAN的网络拓扑相同且通过集中控制方法同步每个WBAN的时钟使得超帧的起始、截止时间相同。

针对Multi-WBANs共存环境建立以下数学模型。假设环境中存在M个WBAN,用集合{Bk|k=1,2,…,M}表示,其中,Bk代表第k个WBAN;M为网络中WBAN的总数。每个WBAN中都包含一个协调器和N个传感器,Bk中的传感器节点表示为,其中,代表Bk中第n个传感器。每个超帧中用于调度的时隙资源数量相同,有T个。Bk中各个传感器节点在超帧中对时隙占用情况用集合表示,其中,代表对超帧中第t个时隙的占用情况,如果时隙被占用则;否则由于WBAN采用并行接入方式共享时隙资源,因此对每个WBAN而言,超帧中每个时隙都有可能存在干扰信号,干扰信号的强度用集合表示,其中,代表Bk超帧中第t个时隙中干扰信号的强度。Bk协调器接收到传感器信号的信号功率用集合表示,其中,代表Bk协调器接收信号的功率。根据和可以得到在时,即第k个WBAN中第n个传感器占用超帧中第t个时隙时的丢包率

为确定丢包率与信号干扰比之间的关系f(x),本文采用IEEE802.15.6标准中窄带物理层模型。假设WBAN工作在2.4 GHz的ISM频段上。根据文献[14-15]可以得到传感器节点与协调器工作时其路径损耗模型为:

其中,N是期望为0、方差为3.80的正态分布函数。

根据IEEE802.15.6标准,本文研究中PSDU的数据率为121.4 Kb/s,调制方式为π/2-DBPSK,该调制方式中信道的信号干扰比SIR与误比特率pb的关系为:

考虑到源编码方式为BCH(63,51),接收端解码方式选择硬判决方式,因此误码率pw为:

其中,N=63为一个码字的长度;t=2为硬判决方式下的纠错位数。丢包率(PER)与误码率pw之间的关系为:

其中,Nc是一个数据包中包含码字的数量,例如一个数据包长度为200 Byte,则该数据包包含的码字数量为:

4 基于能量有效性的动态调度策略

文献[13]设计了基于Horse Racing算法的静态调度策略,该策略虽然能够保证WBAN系统的吞吐量,但是系统的能量有效性较低而且各个节点的服务质量相差很大,因此本文在制定调度策略时考虑在保证节点服务质量公平性及系统吞吐量的基础上最大化WBAN的能量有效性。

假设WBAN传感器节点发送数据包长度为固定值LDATA,且传感器每次上传数据至协调器时消耗的能量为E。根据上文中的数学模型可知,在一个超帧的时间内Bk的吞吐量ck和能量有效性efk分别为:

在Multi-WBANs共存环境中,WBAN的总吞吐量C及能量有效性EF为:

每个传感器节点在每个超帧中最多接入信道一次,各节点被分配时隙资源的数量不等,因此Bk中各个传感器节点服务质量指数由协调器为传感器节点提供资源的质量和资源的数量2个方面来表征。

其中,access_sucess代表传感器与协调器成功通信的次数;access_total代表传感器接入信道的次数;superframe_total代表可用超帧数量;和代表它们对于传感器服务质量的影响程度。

调度策略的设计以能量有效性最大化为目标、以吞吐量为约束条件,见式(14)。如果忽略分子、分母中的惩罚因子和则目标函数恰好为能量有效性的表达式。惩罚因子平衡了每个传感器节点的服务质量,如果传感器节点服务质量越好,即越接近1,则该节点的能量有效性对目标函数的贡献越小。此时优化问题制定的调度策略倾向于把干扰小的时隙资源分配给服务质量差的节点,进而达到提高这些节点的服务质量的目的。

FEEM算法采用迭代的方法,即按顺序轮流优化网络中每个WBAN的调度策略,此时式(14)中的优化问题转化为式(15)的形式:

式(15)中的目标函数是多项式分式的形式,如果放宽约束条件使得为连续变量,则只需通过式(16)和式(17)就可转化为式(18)的标准的凸规划问题。

通过CVX等计算工具可以求得凸规划问题式(18)的最优解,并通过式(16)和式(17)确定的值。注意到此时的值是0～1之间的小数,为了确定最终的调度策略,通过简单的规划方法确定的最终值。FEEM算法流程如下:

虽然该优化问题具有一定复杂性并需要适量计算,但是因为该优化问题是在Coordinator端进行计算,而Coordinator具有较强的计算能力,所以能够很快求解该问题。此外,在能耗度量上,考察的是Sensor的能耗,并不包括Coordinator计算能耗(因为Coordinator电量较强、更换方便且对能耗敏感,而Sensor电量小、更换不方便且对能耗更敏感)。

5 性能分析

本节将在Two-WBANs和Eight-WBANs 2个场景[13]中进行仿真,并在能量有效性、吞吐量和服务质量公平性3个方面比较基于FEEM算法的动态调度策略和基于Horse Racing算法静态调度策略,参数设置如表1所示。传感器节点与协调器之间的距离如表2所示。

表1 仿真参数设置

表2 传感器节点与协调器之间的距离 cm

5.1 Two-WBANs场景性能评估

图3给出了Two-WBANs场景。图4和图5分别给出2个WBAN间距离D=0.7 m时吞吐量、能量有效性及超帧时隙数量的关系。在吞吐量方面2种算法结果十分接近,而在能量有效性方面FEEM算法明显优于Horse Racing算法。因此FEEM算法能够在保证吞吐量的基础上提高WBAN的能量有效性。图6给出了超帧可用时隙数量T=12时各节点的服务质量。结果表明,随着WBAN间距离的增加,节点服务质量不断提高。

图3 2个WBAN共存环境示意图

图4 吞吐量与超帧时隙数量的关系(D=0.7 m)

图5 能量有效性与超帧时隙数量的关系(D=0.7 m)

图6 WBAN各节点的服务质量

另外,与FEEM算法相比,Horse Racing算法在服务质量公平性方面表现较差。例如,当D=0.8 m时,节点10和节点12在Horse Racing算法中成功服务的概率都低于20%,节点9成功服务的概率却超过60%,但是FEEM算法中节点9～节点12成功服务概率都超过60%。因此,FEEM算法中节点服务质量不仅高于Horse Racing算法中的结果,而且各节点服务质量没有出现Horse Racing算法中的大幅抖动,因此FEEM算法能够更好地保证节点服务质量的公平性。

基于FEEM算法的动态调度策略在吞吐量、能量有效性和公平性方面都优于基于Horse Racing算法的静态调度。其原因有以下两方面,在 Horse Racing算法中调度方案一旦确定则保持不变,而FEEM算法可以根据每个传感器的服务质量对调度策略进行动态调整,因此FEEM算法中距离协调器远的节点能以较高的概率成功接入信道。另外,与Horse Racing算法不同,FEEM算法禁止节点在信道质量差的时隙接入信道,因此,FEEM算法能够减少冲突引起的能量消耗,进而提高系统的能量有效性。

5.2 Eight-WBANs场景性能评估

在Eight-WBANs场景中各WBAN之间的位置关系如图7所示。

图7 Eight-WBANs共存环境示意图

根据图7可知,编号为4的WBAB(简记为B4,下同)受到外界干扰最强,而除B1外,B6受到的干扰最弱,因此将B4,B6作为研究对象,研究干扰强弱对各算法性能的影响。

在B4和B6中,吞吐量随时隙资源数量的变化情况如图8所示,在干扰较强的B4中FEEM算法的吞吐量明显高于Horse Racing算法,在可用时隙为T=12时Horse Racing算法的吞吐量基本为0,而FEEM算法的归一化吞吐量能够到达32%,在可用时隙为20时Horse Racing算法的吞吐量只有25%,而FEEM算法的吞吐量达到了65%。在干扰较弱的B6中,2种算法吞吐量接近,FEEM算法的结果略高于Horse Racing算法的结果。

图8 吞吐量与超帧时隙数量的关系(T=12)

在B4和B6中,能量有效性随时隙资源数量的变化情况如图9所示,结果表明,无论在干扰较强的B4中、还是在干扰较弱的B6中,FEEM算法都能达到90%以上的能量有效性,而Horse Racing算法只能在干扰较弱的B6中有良好的表现。

图9 能量有效性与超帧时隙数量的关系(T=12)

在超帧时隙资源数量T=20时,B4和B6中每个传感器节点的服务质量如图10所示。结果表明,在服务质量方面FEEM算法优于Horse Racing算法,尤其在干扰较强的B4中。另外,Horse Racing算法在B6中的结果明显优于B4中的结果,因此与FEEM算法相比,Horse Racing算法在服务质量公平性方面更易受干扰的影响。

图10 传感器节点的服务质量(T=20)

6 结束语

本文针对 Multi-WBANs共存环境中存在的WBAN干扰问题展开研究,分析基于Horse Racing算法的静态调度策略在服务质量公平性方面的不足,以最大化能量有效性为目标,设计基于FEEM启发式算法的动态调度策略。仿真结果表明,与静态调度策略相比,基于FEEM算法的动态调度策略在吞吐量、能量有效性和公平性方面的性能都有所提升。另外,Eight-WBANs仿真场景的结果证明,在不同干扰环境下与Horse Racing算法相比,FEEM算法不容易受到干扰的影响。

[1] 轩运动,赵 湛.基于无线体域网技术的老人健康监护系统的设计[J].计算机研究与发展,2011,48(S2): 355-359.

[2] Liang X,Barua M.Enabling Pervasive Healthcare Through Continuous Remote Health Monitoring[J]. IEEE Wireless Communications,2012,19(6):10-18.

[3] 宫继兵,王 睿,崔 莉.体域网BSN的研究进展及面临的挑战[J].计算机研究与发展,2010,47(5): 737-753.

[4] Evans D,KrasinskiR.TG4jCoexistenceAssurance Document[R].Institute of Electrical and Electronic Engineers,Technical Report:P802.15-12-0206-03-004j, 2012.

[5] Han Junchao,Liu Jing.HCVP:A Hybrid Cognitive Validation Platform for WBAN[C]//Proceedings of IEEE InternationalConference on Wireless Communications and Signal Processing.[S.l.]:IEEE Press, 2012:1-6.

[6] Phunchongharn P,Hossain E,Camorlinga S.Electromagnetic Interference-aware Transmission Scheduling and Power Control for Dynamic Wireless Access in Hospital Environments[J].IEEE Transactions on Information Technology in Biomedicine,2011,15(6): 890-899.

[7] Jie Dong,Smith D B.Coexistence and Interference Mitigation for Wireless Body Area Networks:Improvements Using On-body Opportunistic Relaying[J]. Electronics Letters,2011,47(19):1098-1100.

[8] Ghaboosi K,Pahlavan K.A Cooperative Medical Traffic Delivery Mechanism for Multi-hop Body Area Networks[C]//Proceedings ofIEEE International Symposium on Personal Indoor and Mobile Radio Communications.[S.l.]:IEEE Press,2011:2239-2243.

[9] Deylami M,Jovanov E.A Distributed Scheme to Manage the Dynamic Coexistence of IEEE 802.15.4-based Health Monitoring WBANs[J].IEEE Journal of Biomedical and Health Informatics,2013,18(1): 327-334.

[10] Mohammad D,Jovanov E.Performance Analysis of Coe-xisting IEEE 802.15.4-based Health Monitoring WBANs[C]//Proceedings of IEEE Annual International Conference of Engineering in Medicine and Biology Society.[S.l.]:IEEE Press,2012:2464-2467.

[11] Yang W,Sayrafian K.Interference Mitigation for Body Area Networks[C]//Proceedings of IEEE International Symposium on Personal Indoor and Mobile Radio Communications.[S.l.]:IEEE Press,2011:2193-2197.

[12] Kuhn H.The Hungarian Method for the Assignment Problem[J].Naval Research Logistics Quarterly,1955, 2(1/2):83-97.

[13] Wang L,Goursaud C,Nikaein N,et al.Cooperative Scheduling for Coexisting Body Area Networks[J]. IEEE Transactions on Wireless Communications,2013, 12(1):123-133.

[14] Sayrafian K,Yazdandoost K.Channel Model for Body Area Network(BAN)[R].Institute of Electrical and Electronic Engineers,Technical Report:P802.15-08-0780-09-0006,2009.

[15] Aoyagi T,Takizawa K.Channel Model for Body Area Network(BAN)[R].Institute ofElectricaland Electronic Engineers,Technical Report:P802.15-08-0416-04-0006,2008.

编辑 陆燕菲

Dynamic Scheduling Strategy Based on Energy Efficiency in Wireless Body Area Network

CHEN Shuguang1,MA Zhichao2
(1.School of Physics and Electronics Engineering,Fuyang Teachers College,Fuyang 236041,China; 2.Department of Electronic Engineering,Shanghai Jiaotong University,Shanghai 200240,China)

Wireless Body Area Network(WBAN)is a kind of sensor network which is placed around human body(on body or in body).WBAN can continuously monitor vital life signals,promptly transmit to a remote medical center and assist the doctor to make a diagnosis.Due to human activity,a bunch of WBAN may stick together.In such a case,the inter-BAN interference causes severe influence to intra-BAN communication.Aiming at the problem,this paper designs an adaptive dynamic scheduling strategy to reduce this kind of interference,thus ensures the communication quality among WBAN.It establishes the interference model.Then,the adaptive access strategy is formulated as an optimization problem to maximize the energy efficiency,taking into account the Quality of Service(QoS)of sensor.This optimization problem belongs to a non-linear integer programming problem.It designs a heuristic algorithm named FEEM to solve it.By running Fairness-based Energy Efficiency Maximization(FEEM)algorithm,it can get the adaptive dynamic scheduling strategy.Compared with the current static access strategy based on Horse Racing algorithm,the dynamic scheduling strategy based on FEEM algorithm performs better in terms of throughput,energy efficiency and QoS.

Wireless Body Area Network(WBAN);scheduling strategy;throughput;energy efficiency;fairness; Quality of Service(QoS)

1000-3428(2015)01-0103-07

A

TN929.5

10.3969/j.issn.1000-3428.2015.01.019

安徽省科技攻关计划基金资助项目(12010302080)。

陈曙光(1966-),男,副教授,主研方向:无线通信,物联网;马志超,硕士研究生。

2014-05-13

2014-06-23 E-mail:fynccsg@yahoo.com

中文引用格式:陈曙光,马志超.无线体域网中基于能量有效性的动态调度策略[J].计算机工程,2015,41(1):103-109.

英文引用格式:Chen Shuguang,Ma Zhichao.Dynamic Scheduling Strategy Based on Energy Efficiency in Wireless Body Area Network[J].Computer Engineering,2015,41(1):103-109.