基于能量收集和链路感知的无线体域网路由协议研究∗

张文柱，高 鹏，孙瑞华，孔维鹏

(西安建筑科技大学信息与控制工程学院，西安710055)

近年来，人口老龄化和慢性病人群剧增等社会问题日益严峻，迫切需要改变现有的医疗模式。无线体域网(WBAN，Wireless Body Area Network)是一种以人体为中心的短距离、低功耗和高可靠性的无线通信网络[1-3]，对于构建无线远程医疗具有很大的潜力。通过在人体体表或体内部署生物传感器，就可以持续监测人体的各项生理信息，并经无线通信的方式将信息发送至远程监护平台，医生可以对病人进行远程诊断，实现对慢性病患者及时有效地治疗并节省有限的公共资源[4]。

考虑到人体的舒适性和便利性，无线体域网中传感器的尺寸和电池容量必须严格限制，导致传感器的能量非常匮乏。为了在有限的资源下传输更多的数据，节能是延长网络寿命的重要途径。另外，无线体域网一般是由一系列的传感器节点和一个Sink节点组成，且都预先安装在指定位置。由于信号会受到人体自身的遮蔽效应和人体姿势变化带来的多径效应的影响，传感器节点到Sink节点之间的信道质量波动频繁容易造成数据重传次数增加，网络的整体性能受到严重影响。而传感器节点采集的信息通常关系到病人的生命安全，所以必须提高无线体域网数据传输的可靠性。为了实现无线体域网节能和高可靠性的目标，许多学者对路由协议进行优化设计，研究成果不断涌现。

在降低能耗方面，Elias[5]和梁等[6]先后对网络的拓扑结构进行优化，最后指出2跳扩展星型拓扑结构是构建无线体域网的较优选择，通过一个能耗成本模型得到中继节点的最佳位置，有效地降低了网络能耗。谭等[7]针对单跳长距离通信带来的额外能量消耗问题，提出了一种IEEE802.15.6的2跳扩展星型拓扑结构转发节点的选择协议，通过优化在路由过程中转发节点的选取过程，最后提高了网络的可靠性。Kaur等[8]提出一个多跳路由协议(OCER)，针对多目标成本优化问题，通过遗传算法(GA)得到一个最优解，确定转发节点到Sink节点的最优路径。该路由协议解决了较远节点到Sink节点的数据包丢失的问题，降低了节点的传输能耗。Zhang等[9]为了解决电池能量受限问题引入了能量收集技术，并将能量收集与节点睡眠管理策略相结合，在不影响节点正常工作的情况下，相同时间内获取更多的能量，该方法显著地延长了网络的寿命。Ha等[10]认为传统的单跳通信虽然可以保证较低的数据传输时延，但是传输距离较长会导致路径损耗增大。作者提出一个双Sink节点的路由协议，有效地解决了网络吞吐量和路径损耗等问题。随后不久，Ullah等[11]利用能量收集技术提出了一个分簇路由协议。作者也采用了双Sink节点的拓扑方案，其中两个Sink节点分别作为身体前后两区域的簇头，负责接收来自子节点的信息。另外，作者还根据数据优先级、节点剩余能量、信噪比和距离等参数来选择最佳的转发节点。实验表明，该路由协议不仅降低了网络能耗和端到端延迟，而且增加网络的吞吐量。但是作者只考虑了网络的能耗，并未考虑在人体布置大量传感器对人体舒适度和对人体组织伤害的影响，而且忽略了人体遮蔽效应而引起的路径损耗问题。

在链路感知方面，Ahmed等[12]分析了网络在视距(LOS)和非视距(NLOS)通信情况下不同的路径损耗和网络能耗，采用协作学习算法提出了一个链路感知和能量有效的协作路由协议，有效地增加了网络的吞吐量。王等[13]认为传感器随人体运动有一定的周期性，链路质量具有较强的可预测性。他们分别研究了传感节点-传感节点、传感节点-Sink节点的链路质量预测方法，提高了网络的传输可靠性。此外，Anwar等[14]根据源节点发送的数据包数量和邻居节点接收的数据包数量计算数据投递率来估计链路效率。该协议实现了节点下一跳选择的最佳路径，网络稳定性有所提升。

综上所述，很多学者对网络能耗和链路感知方面做过大量研究，但是他们都更侧重于对网络能耗或链路可靠性单方面进行优化设计，网络的性能得不到充分发挥。基于此，本文在已有的成果基础上，提出了一个基于能量收集和链路感知的路由协议(EHLA)。一方面，引入能量收集技术为资源匮乏的传感器节点提供能量。另一方面，通过建立由传感器剩余能量、链路质量和节点间距离组成的多目标成本优化模型，得到最佳下一跳转发节点和数据到Sink节点的最优路径，最终提升网络的整体性能。

1 系统模型

1.1 网络模型和优先级分配策略

根据前面对相关文献分析可知，2跳扩展星型拓扑结构在节点数量不多的无线体域网中最为合适，因此本文采用IEEE802.15.6的2跳扩展星型拓扑结构来构建无线体域网。

本文考虑的无线体域网由8个传感器节点和1个汇聚(Sink)节点组成，如图1所示。其中，传感器根据特定需求预先安装在人体的重要部位，负责采集人体生理参数，并将采集到的信息直接或者通过转发节点发送至Sink节点。在本文中，各传感器节点均具备能量收集能力，能量收集装置会从周围环境中获取微弱能量(如从体感温度获取热能、人体运动获得动能和空间中的射频能量等)并转化为电能，将其存储在电池中。另一方面，考虑到人体的舒适度和网络的传输范围，Sink节点预先安装在腰部，负责将数据发送至数据处理平台(如智能手机)，再通过互联网发送至医疗信息中心处理，实现对人体健康的实时监测。

此外，在无线体域网中传感器节点采集的数据具有异构性且对人体的重要程度各不相同，为了保证重要数据的传输有效性，本文将数据分为紧急数据和周期数据，如表1所示。

表1 优先级划分

图1 网络模型

此外，IEEE802.15.6标准将MAC层超帧结构划分为9个阶段，除了信标期外，其他阶段主要采用竞争机制和调度机制这两种接入方式。在竞争机制中，节点主要采用CSMA/CA方式抢占信道并进行数据传递；在调度机制中，Sink节点会采用TDMA方式，根据信道状态和传递需求为节点分配时隙，节点只在分配的时隙内传递数据。根据数据的优先级不同，本文规定紧急数据在非竞争阶段传递，周期数据在竞争阶段传递。

1.2 能量收集和剩余能量计算

在无线体域网中，每个传感器节点在数据感知、传输以及处理方面都会耗费能量，其中数据传输能耗占比最大，因此本文将重点分析传感器的传输能耗。一个传感器的传输能耗主要由发送能耗和接收能耗组成。其中，发送能耗主要是由发送器产生的能耗ETXelec和放大器产生的能耗Eamp(cij)dcij组成，接收能耗由接收器产生的能耗ERXelec构成。假设在一个通信周期内传感器传输k位数据，则总传输能耗ET，总发送能耗ETX，总接收能耗ERX可由式(1)～式(3)计算得到:

式中:cij表示节点i和j之间的路径损耗系数，由于节点在人体上的分布是三维，准动态的，信号不仅会受到人体姿势变化的影响，更会受到周围各类电磁波的干扰，故cij的值通常要比其它场景中的大。

此外，为了计算传感器的实时能耗，我们假设节点在t时刻开始采集数据，经过δ轮数据传输后消耗的总能量Eround(δ)如式(4)所示。

式中:Γ为传感器节点在一个通信周期内传输数据时所耗费的时间。

另外，为了满足在电池容量极其匮乏且不易更换的条件下提供长时间的供电需求，本文引入了能量收集技术为传感器补充能量，以此延长网络寿命。本文假定传感器是依靠人体运动产生的动能，从而转化为电能为电池充电。人体在运动状态下能量收集处于活跃状态，开始收集能量；而当人体在静坐或者睡眠时能量收集处于非活跃状态，此时不收集能量。假设节点Si在时间Γ内能量收集的转化率为λi，则收集的能量EH可由式(5)得到。

同理，节点Si在t时刻经过δ轮数据传输后的收集的总能量EH(δ)可由式(6)计算得到，且满足式(7)的约束条件。

式中:Emax表示传感器电池的容量，即收集能量EH(δ)不能超过电池的最大容量。此外，节点Si在t时刻经过δ轮数据传输后的剩余能量ERes(δ)亦可计算得出，如式(8)所示。

式中:E0表示节点Si的初始能量。传感器当前的剩余能量直接影响着其是否能够成为转发节点。同时为了确保当传感节点成为转发节点时稳定工作，有必要为剩余能量ERes(δ)设定一个最低阈值ET.H，且满足如式(9)的约束条件。

1.3 路径损耗及链路质量预测

在无线体域网中，无线信道会随着人体的姿态和肢体的活动而呈现不同的特性，衣服的厚度、材料以及人体的周围环境都会影响信号的传输。IEEE802.15.6标准将信道分为植入-植入、植入-体外、体表-体表、体表-体外4种类型，本文主要研究体表-体表的信道。由于信号在传播过程中会受到人体阴影效应的影响，在LOS和NLOS通信下的路径损耗各不相同。信道为LOS时的路径损耗模型[15]如式(10)～式(12)所示。

式中:PLi，j(d)表示节点i和j距离为d时的路径损耗，ci，j为节点 i和 j间的路径损耗系数，Xσ是标准偏差为σ的正态分布随机数。PL0表示在参考距离d0时的路径损耗，c表示光速，f表示通信频率。

信道为NLOS时的路径损耗模型[16]如式(13)所示。

式中:q0为靠近天线的平均损耗，q1为信号远离身体并反射到接收器的平均衰落，m为信号在人体表面传播时的平均衰减率。室内环境下，ci，j在LOS时的取值为3～4，在NLOS时的取值为5～7.4，Xσ的取值为3.6～3.8，d0＝10 cm，P0＝25.8，P1＝-71.3，m＝2。

此外，两节点间链路的可靠性会影响网络的服务质量(QoS)和能耗。当链路可靠性较低时，数据传输不稳定造成网络丢包率增加，最终导致能耗增加，有必要提前对两节点间的链路质量进行计算。本文使用指数加权滑动平均法(EWMA)来预测节点间的链路质量。

式(14)中 LinkRi，j(t)为在 t时刻到来之前，节点i与节点j之间的链路质量预测值。它与权重因子α密切相关，α的取值越小，历史数据的权重就越大，最终预测的准确性就越高。研究发现当α＝0.4，WT＝10时，预测结果最为理想。另外，R.H为预先设定的阈值，只有当节点 i和j之间的LinkRi，j大于R.H时，节点j才会作为节点i的下一跳转发节点。

1.4 成本优化模型

通过以上的分析，本文将节点的剩余能量、节点间距离和链路质量作为决策变量，组成能耗-链路成本优化模型(Optimal Energy and Link Cost Model，OELCM)，目标是使成本函数最大化以此来得到最佳下一跳转发节点，如式(16)所示。

2 EHLA路由协议

本文提出的路由协议包括初始化、路由、和数据传输三个阶段。

①在初始化阶段，Sink节点会向所有节点广播自己的位置信息，随后每个节点都和其邻居节点定期交换控制报文(Hello Message，HM)用来更新邻居表。邻居表的生成过程如算法1所示。

表2 基本符号

表3 邻居表生成

②在路由阶段，EHLA协议会根据前面分配的不同数据优先级判断该数据是紧急数据还是周期数据。如果为紧急数据，节点会通过单跳通信直接将数据发送至Sink节点；如果为周期数据，则会计算该节点到Sink节点的跳数。如果需要转发节点传输数据，则会进一步检查该候选节点的剩余能量是否超过其最低能量阈值。如果剩余能量高于该阈值，则需进一步判断源节点-候选节点-Sink节点的链路质量是否超过规定的最低阈值。反之，如果该候选节点的剩余能量低于最低能量阈值，则该节点就会放弃竞选成为转发节点，需要能量收集装置来为其获取能量，直至剩余能量满足最低能量阈值，然后才有机会竞选成为转发节点。当确定好候选节点后，对比各候选节点对应的成本值，选择最大值作为该源节点的转发节点，最终确定最优的传输路径。具体实现过程如算法2所示。

③在数据传输阶段，确定好最优传输路径之后，需要根据各节点之间的距离和有无遮挡判断无线信号处于视距(LOS)还是非视距(NLOS)通信，然后选择对应的路径损耗模型将数据发送至Sink节点。EHLA协议的流程图如图2所示。

表4 EHLA路由算法

图2 EHLA协议流程图

3 仿真分析

3.1 参数设置

为了验证 EHLA协议的性能，本文使用MATLAB R2016a仿真软件进行仿真测试，将网络寿命、能耗、丢包率(packet drop ratio，PDR)和吞吐量作为性能指标，与ELR-W协议和 EVEN协议进行比较分析。根据IEEE802.15.6标准对信道路径损耗的分析以及考虑到人体比吸收率(SAR)等的影响，将普通节的通信上限设为45 cm，Sink节点的通信上限设为80 cm。仿真环境为2 m×2 m的区域，表3为仿真参数设置。考虑到传感器安装位置对人体舒适度的影响，人体活动对网络性能的影响，尽量将传感器部署在运动频率和幅度不大的部位，具体节点布置见图1。

表5 仿真参数

3.2 仿真结果分析

网络能耗直接影响着网络的整体性能和寿命，为了能更加直观分析EHLA协议的能耗，本文使用平均剩余能量来衡量网络能耗的大小。

从图3中我们可以发现EVEN协议和ELR-W协议的平均剩余能量下降趋势比较接近且比EHLA协议下降的快。在2 000轮～5 000轮的时候EVEN协议的剩余能量比ELR-W协议高，其主要原因是EVEN协议有两个Sink节点，信道大部分都处于视距通信范围内，减少了传感器节点在非视距通信时产生的路径损耗。但是EVEN协议并未考虑链路效率从而造成数据重传，在8 000轮时能量全部耗尽。而EHLA协议的传感器节点采用能量收集技术补充能量，所以整体下降速度较缓慢。此外，我们发现在1 000轮左右时EHLA协议的剩余能量最低，原因是在前期需要对每个传感器节点的信息进行处理所消耗的能量较多，而到了中期网络趋于稳定所需能耗逐渐减少。

图3 节点平均剩余能量

图4为3种协议的丢包率，其中ELR-W协议主要针对链路的效率提出来的，而丢包率恰好是衡量链路可靠性的一个性能指标，因此ELR-W协议的丢包率要比EVEN协议的低。但是EHLA协议同时考虑了能量收集技术、链路质量预测和路径损耗等因素，丢包率比ELR-W和EVEN低很多，而且随着时间增长丢包率的增长幅度也很小，充分说明了EHLA协议的可靠性。

图4 丢包率

本文以节点死亡之前所执行的轮数(round)来衡量网络寿命，在某个时间段内死亡节点数量越少就说明该协议的网络寿命越长。从图5中我们可以看出EVEN协议的第一个死亡节点出现最早，而EHLA协议最晚。另外，随着轮数的增加，两个对比协议的死亡节点增长速度较快，分别在8 000轮和9 800轮所有的节点全部死亡，而EHLA协议的死亡节点增长相对均匀，网络寿命能达到12 000轮。由于本文提出的EHLA协议采用了能量收集技术，网络寿命要比EVEN和ELR-W协议的更长，网络的稳定性越高。

图5 网络寿命

图6 网络吞吐量

网络的吞吐量是表征网络整体性能的一个重要的指标。图6为Sink节点接收到数据包的数量变化趋势，EVEN协议在其生命周期内的吞吐量最大，最重要的原因是EVEN协议采用了双Sink节点的拓扑结构，但是其生命周期却只有8 000轮。图7为三种协议在全生命周期内的吞吐量，EHLA协议最终的吞吐量最高，这都归功于本协议采用的能量收集和链路感知的路由方式提高了数据传输效率，降低了网络能耗，从而使网络吞吐量得到提升。

图7 网络吞吐量

4 结论

无线体域网广泛地应用于医疗、军事和电子消费等领域。但是考虑到其是以人体为中心的一个短距离、低功耗网络，电池容量严格有限和信道复杂等特性制约着无线体域网的发展。本文从提高网络能效和数据传输可靠性出发，提出了一种基于能量收集和链路感知的无线体域网路由协议(EHLA)。建立了由剩余能量、链路质量和节点间距离所组成的多目标成本优化模型，得到最佳下一跳转发节点和数据到Sink节点的最优路径。此外，引入了能量收集技术为传感器节点补充能量。仿真分析表明，该协议有效地增加了网络寿命和数据传输可靠性。今后，将进一步考虑能量收集技术与MAC层和网络层协同的节能策略，通过算法更精确地计算出动态的剩余能量以及链路质量的最低阈值，对链路可靠性和能效进一步优化，提高无线体域网的整体性能。