基于Wi-Fi和ZigBee技术的人体区域网络的性能分析

李晓歌，王 辉

基于Wi-Fi和ZigBee技术的人体区域网络的性能分析

李晓歌1,2，王 辉1,2

（1. 河南牧业经济学院 智能制造与自动化学院，河南 郑州 450003； 2. 河南省畜禽健康养殖与智能装备工程研究中心，河南 郑州 450003）

人体区域网络通过传感节点采集人体生理信号，再将生理信号传输至监控中心，实现对病人智能化监控。节点的通信协议对节点能耗有重要影响，针对低功耗的生理传感节点，分析它们引用Wi-Fi和ZigBee技术的能耗性能。首先，设计人体生理信号采集系统，然后分析节点在各阶段的能耗数据，进而分析使用Wi-Fi和ZigBee技术传输数据时的能耗性能。实验表明，在低速率环境下，ZigBee技术比Wi-Fi技术的能耗更低，寿命网络更长，但是在高速率时，Wi-Fi技术的能耗更低。

无线传感网；生理信号；Wi-Fi；ZigBee；能耗

1 人体区域网络

无线传感网络（wireless Sensor networks, WSNs）已在多个领域内使用，如农业、智能家居和康复医疗。老年人口的增加，对医疗需求日益上升。因此，基于WSNs的康复医疗得到广泛研究[1]，人体区域网络（body area networks, BAN）就是利用WSN对人体信息进行监测的网络，称为人体传感网络（WBAN），如图1所示。WBAN由多个生理传感节点组成，并由这些节点采集人体生理信号[2]，如心电图、体温、肌电信号，再将这些信息传输至控制中心。

尽管采用生理信号的传感节点属于低功耗设备，但是由于这些节点是微型设备，本身可储存的电能较少。因此，能量利用率仍是阻碍这项应用发展的关键技术。据此，研究人员对这些传感节点的能耗进行较深入研究[3]，其中节点的通信协议得到广泛研究。

图1 WBAN的拓扑结构

在人体传感网络中，传感节点常采用Wi-Fi或ZigBee技术进行通信。其中，ZigBee无线通信技术是基于IEEE 802.15.4标准，主要工作在2.4 GHz频段，数据传输率约250 Kbit/s。Xbee就是基于ZigBee协议通信设备[4]，能够直接与微控制器的串口通信。Wi-Fi技术是基于IEEE 802.11标准，能够为移动设备终端提供高速无线连接，数据传输速率达到11 Mbit/s。

然而，Wi-Fi技术与ZigBee技术在传输数据时的能耗并不尽相同。在人体传感网络中，传感节点需要完成生理信号采集、数据传输两项主要任务。这两项任务消耗能量速度也不同。

为此，本文针对WBAN网络，设计生理传感节点，并且分析这些生理传感节点分别利用Wi-Fi技术和ZigBee技术传输数据时的能耗，寻找满足低能耗的条件。实验数据表明，Wi-Fi技术更适合高速率环境。

2 生理信号采集平台的设计

2.1 传感节点

WBAN内的节点主要收集心电图（ECG）、体温和肌电（EMG）信号。为了能准确地采集并传输生理信号，必须考虑抽样频率、能量消耗和处理速度等参数。这些生理信号可看成是心脏活动的信息表[5]，信号幅度值能达到3 mV。为了能够尽可能地使用心脏活动监测器，它的频率应小于30 Hz。各生理信号的频率范围见表1。

表1 生理信号频率范围

WBAN内的节点属微型、低功率设备。传感节点内部模块如图2所示，主要由感测模块、处理和控制模块、通信模块、能量供给模块组成。

感测模块主要由信号采集和信号预处理组成。预处理是通过集成电路[6]，对信号进行放大、滤波处理。处理和控制模块属节点核心部分，主要有微处理器（MCU）。通信模块是指采用通信协议，如ZigBee或Wi-Fi协议。

图2 传感节点模型

此外，选用基于ESP8266的Wi-Fi芯片的串口模块ESP-12EWi-Fi。ESP-12Wi-Fi模块封装了超低功耗32位微型MCU，并支持80 MHz和160 MHz，同时配置了外设的Flash和PCB板载天线，如图3所示。

图3 ESP-12E Wi-Fi芯片

2.2 信号采集和传输

选用AD8232模块采集ECG信号。AD8232模块能在噪声环境下提取、放大及过滤微弱的生物电信号，再利用低功耗的模数转换器输出信号，并连接至ESP-12E模块，如图4所示。

选用DS18B20数字传感器采集人体温度信号，然，通过有线连接ESP-12E模块[7]，最后，利用串口通信协议连接XBee模块，如图4所示。

图4 生理信号采集和传输示意图

选用模拟压力传感采集EMG信号，其通常放置在病人的手指或耳朵上，采集信号后，再利用ADC模块输出至ESP-12E模块，最后也利用串口通信协议UART将信号传输至XBee模块，如图4所示。

ESP-12E模块作为信号处理、传输的核心模块。从图4可知，生理信号的采集和传输过程中引用Wi-Fi和ZigBee模块，其中ESP8266是采用Wi-Fi标准，而XBee模块是基于ZigBee标准的。这2个通信模块的参数如表2所示。

表2 ESP826和XBee模块的参数

为了更好地保存节点能量，传感节点具有休眠/活动模式。在活动模式中，传感节点主要有信号采集、处理、存储和传输4项任务，然后进入休眠模式。传感节点的状态转移示意图见图5。

图5 传感节点状态转移示意图

2.3 生理信号采集场景

本文的目的在于分析Wi-Fi和ZigBee两类通信协议的能耗和网络寿命。为此，搭建图6所示的生理信号采集场景[8]，其中Wi-Fi节点以Wi-Fi方式接入Internet，而ZigBee节点以GPRS网关接入Internet。随后，再利用Internet将数据传输到监测中心。

图6 生理信号采集场景

3 数据分析

3.1 性能指标

依据图6采集人体生理信号，分析基于ZigBee和Wi-Fi协议的性能[9]，主要包括电流消耗、数据传输时间和传输的数据包数。在实验中，发送端与接收端间距离为1 m。

利用软件内的Debug模式下的断点测量所消耗的电流，并利用万用表测量电流值。利用示波器以及探针测量信号的传输时间。利用编程软件计算已成功接收的数据包数。

3.2 性能分析

基于ZigBee和Wi-Fi模块的处理时间[10-11]结果见表3。表3可知，ESP8266的传输时间在25~39 ms，而XBee串口的传输时间正比于数据包的字节数[12]。采集时间与抽样频率有关。

表3 两类通信协议的处理时间

表4显示了这两个无线模块在各个阶段的所消耗的电流值。从表4可知，Wi-Fi模式消耗了更多的电流，而XBee模式能够保持低功耗特性。例如，在传输阶段，Wi-Fi模式消耗135 mA，而XBee串口2消耗40 mA。

表4 电流消耗

为了更好地测量电流消耗，图7和表5显示了两类协议在测量EMG、ECG和体温数据时所消耗的电流。图7的横坐标为每小时内所传输的数据包数，数据包大小为380字节。图7中的Z.ECG、Z.EMG、Z.Temp表示在ZigBee协议的测量脉搏数据、ECG和体温数据时所消耗的电流，而W.ECG、W.EMG、W.Temp表示在Wi-Fi协议的测量脉搏数据、ECG和体温数据时所消耗的电流。

从图7可知，测量体温所消耗的电流波动较小，并且占据了总消耗电波的大部分数据[13]，而随着单位时间内传输数据包次数的增加，传输ECG的能耗迅速增加。此外，与ZigBee协议相比，Wi-Fi协议所消耗的平均电流得到有效控制，并且随着单位时间内传输数据包次数的增加，平均电流消耗降低了越多。

图8为ECG传感节点各阶段的能耗。数据包的大小为分别为100字节、300字节、500字节和800字节。从图8可知，当在单位时间内只传输1个数据包时，休眠占据了大部分电流消耗，以Wi-Fi协议为例（图8（b）），当数据包尺寸为100时，休眠阶段所产生的能耗占95%，即使当数据包尺寸达到800时，休眠阶段所产生的能耗也达到80%。

图7 消耗的平均电流

表5 消耗的平均电流 mA

图8 ECG传感节点在各阶段的平均能耗

对比图8(b)与图8(a)不难发现，Wi-Fi协议与ZigBee协议的能耗存在一些差异。当数据包尺寸大于100后，Wi-Fi协议在传输阶段的电流消耗要小于ZigBee，并且随着数据包尺寸的增加，优势越明显。

分析ECG节点在Wi-Fi和ZigBee两类协议的网络寿命结果见图9。从图9可知，当传输100个字节时，XBee节点能够维持203 d，而Wi-Fi节点仅维持了189 d。当字节数达到800时，两类节点的网络寿命缩短，但是Wi-Fi节点的性能优于ZigBee。

图9 网络寿命

4 总结

本文基于Wi-Fi技术和ZigBee技术构建人体生理信号采集平台，并分析了节点在各阶段的能耗。实验数据表明，XBee模式能保持低功耗，Wi-Fi模式消耗更多电流；当数据包尺寸大于300字节时，Wi-Fi节点的寿命比ZigBee节点寿命更长，而当数据包尺寸小于100字节，ZigBee节点具有更长的寿命。

[1] 王长峰，白帆，罗儒. 基于ZigBee技术的病人综合信息网关技术[J]. 电子器件，2016, 39(2): 475–479.

[2] TAE-YOON K. Multi-hop wban construction for healthcare iot systems[C]//IEEE International Conference on Platform Technology and Service. 2015: 27–28.

[3] SNAJDER B, JELICIC V, KALAFATIC Z. Wireless sensor node modelling for energy efficiency analysis in data-intensive periodic monitoring[J]. Ad Hoc Networks, 2016, 49(3): 29–41.

[4] 侯艳波，秦会斌，胡建人. 基于嵌入式和ZigBee技术的节能系统的设计与实验[J]. 电子器件，2012, 35(6): 670–673.

[5] RONALD N M, LING A V, PERCY M V. ECG con diagnostico por sistema experto y comunicación GPRS[D]. Perú: Universidad Nacional de san Agustín,2013.

[6] RICARDO Y R, JINMI L, MILTON R J. Physiological Wireless Sensor Nodes: Lifetime and power Consumption Evaluation for Data-Intensive Transmission[J]. IEEE transaction sensor network, 2017, 5(7): 56–61.

[7] 梅希薇，宋鑫宏，方伟. 基于连通性的无线传感网络覆盖优化算法[J].传感器与微系统，2017, 36(5): 145–148.

[8] 王曙光，杨蕾，刘满仓. 自适应半径调整的无线传感网络覆盖算法[J].传感器与微系统报，2016, 35(12): 137–139.

[9] MOSTAFAEI H, MONTIERI A, Persico V, et al. A sleep scheduling approach based on learning automata for wsn partial coverage[J]. Journal of Network and Computer Applications, 2017, 80(5): 67–78.

[10] REN S, LI Q, WANG H, et al. Design and analysis of sensing scheduling algorithms under partial coverage for object detection in sensor networks[J]. Parallel and Distributed Systems, IEEE Transactions on, 2017, 18(3): 334–350.

[11] SHAHZAD K, OELMANN B. A comparative study of in-sensor processing vs. raw data transmission using Zig Bee, BLE and Wi-Fi for data intensive monitoring applications[J]. In Wireless Communications Systems (ISWCS), IEEE 2014 11th International Symposium, 2014, (9): 519–524.

[12] SNAJDER B, JELICIC V, KALAFATIC Z, et al. Wireless sensor node modelling for energy efficiency analysis in data-intensive periodic monitoring[J]. Ad Hoc Networks, 2016, 49(5): 29–41.

[13] 莫振栋，赵中华. 物联网RFID和ZigBee技术在高铁列控系统的应用研究[J]. 中国测试，2014, 40(1): 97–100, 114.

Performance analysis on human regional network based on Wi-Fi and ZigBee technologies

LI Xiaoge1,2, WANG Hui1,2

(1. College of Intelligent Manufacturing and Automation, Henan University of Animal Husbandry and Economy, Zhengzhou 450003, China; 2. Henan Engineering Research Center on Animal Healthy Environment and Intelligent equipment, Zhengzhou 450003, China)

Human regional network collects human physiological signals through sensor nodes, and then transmits the signals to the monitoring center to realize intelligent monitoring of patients. Node communication protocols have an important impact on node energy consumption. For low-power physiological sensor nodes, energy consumption performance of Wi-Fi and ZigBee technologies is analyzed. Firstly, a human physiological signal acquisition system is designed, and then the analysis on energy consumption data of nodes at different stages are carried out so as to analyze the energy consumption performance of data transmission by using Wi-Fi and ZigBee technologies. The experiment shows that ZigBee technology has lower energy consumption and longer lifetime network than Wi-Fi technology in low-speed environment, but lower energy consumption in high-speed environment.

wireless sensor network; physiological signal; Wi-Fi; ZigBee; energy consumption

TPT393

A

1002-4956(2019)09-0049-04

2019-02-21

河南省科技攻关计划项目（172102210297）

李晓歌（1976—），女，河南许昌，硕士，讲师，研究方向为数据库与数据挖掘、计算机网络。

10.16791/j.cnki.sjg.2019.09.013