基于步态周期的功率控制，中继选择和时隙分配方法与流程

本发明涉及无线体域网通信，特别涉及基于步态周期的功率控制，中继选择和时隙分配方法。

背景技术：

随着无线通信技术的发展，无线体域网技术近年来逐渐应用于多个领域，特别是可以实时监控病人的生理指标，这也为智慧医疗的发展提供了技术基础。无线体域网是一种近人体的无线传感器网络，由许多感知采集人体信息的传感器节点和一个作为协调器的中心节点组成。传感器节点在采集到人体的生理数据之后，便需要将数据无线传输到中心节点，然后中心节点将数据上传到云端。由于传感器节点的体型较小，电池的容量十分有限，并且更换电池十分麻烦，因此提高能量效率成为了体域网技术中首要考虑的问题。。

在过去的无线体域网的研究中，中继传输和功率控制等方法常被用于提高体域网的能量效率。中继传输主要用于改善某些传感器节点和中心节点之间的信道状况较差，不适合直接传输的情况。功率控制则是调整传感器节点的发送功率，使得在保证传输的可靠性的前提下，尽可能地降低传感器节点的能量消耗。husseinmoosavi等人提出了一种基于博弈论的最佳中继选择和功率控制的算法，算法根据信道的统计特性给每个节点选择最好的中继节点，并且调整其发射功率，使得整个网络的能量效率最大化。但是算法忽略了信道的动态变化性，人体的运动会使得体域网中通信链路的信道状况频繁地发生改变，固定的中继和传输功率会不适应信道的动态变化性。因此，每个传感器节点的中继和功率需要随着信道的状况的变化而不断调整。

由于人体的运动大多是周期运动，例如：走路和跑步等，体域网中的信道状况也会随之发生周期性的变化。w.zang等人提出了一种基于信道周期性的功率控制的方法，传感器节点在检测到了周期的峰值之后便立刻进行数据的发送，该方法存在以下缺陷，在传感器较多的网络中，难免会出现不同的传感器在同一时刻检测到峰值，同时发送则会发生碰撞。

技术实现要素：

本发明的目的在于克服现有技术的缺点与不足，提供基于步态周期的功率控制，中继选择和时隙分配方法，该方法在检测到信道的周期性之后，根据前几个周期的信道的统计特性去对下一个周期的信道状况进行预测，并基于预测的信道状况，去为每个传感器节点选择最合适的中继节点，通过合理的时隙分配使得传感器节点在信道状况良好的时隙里进行数据的发送，并且调节每个传感器节点的发送功率，使得整个体域网在满足传输可靠性的要求的同时尽可能地提高能量效率。

本发明的目的通过以下的技术方案实现：

基于步态周期的功率控制，中继选择和时隙分配方法，包含以下顺序的步骤：

步骤1：传感器节点检测出信道状况变化的周期性，计算出步态周期，对下一个周期的信道状况进行预测；

步骤2：将步态周期划分成两个以上的子帧，对于每个子帧，以平均信道路径损失代表信道状况，并根据信道状况为每个传感器节点筛选出候选中继，然后结合功率控制的算法，得到网络总能耗最小化的中继选择方案；

步骤3：对每个子帧，得到每个传感器的中继节点之后，为了保证时延不会超过一个子帧的时间长度，中继节点的时隙需要安排在源节点的时隙之后，在此约束下，结合功率控制算法，得到网络总能耗最小化的时隙分配方案。

所述步骤1包括以下分步骤：

步骤1-1：传感器节点对过去的一段样本数据进行信道状况变化的周期性检测，计算步态周期；

步骤1-2：检测出步态周期之后，采用周期滑动平均的方法对下一个周期的信道状况进行预测。

所述步骤2包括以下分步骤：

步骤2-1：对每个子帧，计算平均的信道路径损失用于表示信道状况；

步骤2-2：根据信道状况为每个传感器节点筛选候选中继集合，筛选的条件是传感器节点通过候选中继能够找到一条传输到中心节点的多跳链路，并且该链路的每一跳的信道路径损失都低于传感器节点到中心节点的直接传输链路；

步骤2-3：遍历所有中继选择的组合，结合功率控制的算法，计算网络的总能耗，选择最佳的中继组合使得网络的能量消耗最小化。

所述步骤3包括以下分步骤：

步骤3-1：将传感器节点分为a类节点和b类节点；a类节点是无需借助中继直接传输给中心节点并且不作为其他节点的中继的节点，b类节点则是需要借助中继传输的节点以及作为其他节点的中继的节点；

步骤3-2：对于b类节点，在每个子帧的时隙分配时约束中继节点分配的时隙需要在其源节点分配的时隙之后；

步骤3-3：为b类节点分配可选的时隙中的信道路径损失最小的时隙，采用功率控制的方法计算b类节点的总能耗，然后结合功率控制算法计算a类节点在剩余的每个时隙发送数据所需的能耗，构成一个效用矩阵，采用匈牙利算法求解最优分配方案，得到a类节点在剩余的时隙里分配的最小总能耗，从而得到网络的总能耗；由于为b类节点分配当前能够选择的最好的时隙的结果会受到b类节点的分配次序的影响，因此需要遍历任意b类节点的分配次序，重复上述步骤计算总能耗，最终选择总能耗最小的时隙分配方案。

所述基于步态周期的功率控制，中继选择和时隙分配方法，基于超帧结构的mac协议，超帧结构如图2所示，分为三个阶段：

上行信标阶段：传感器节点将它的每条通信链路的信道状况通过信标帧的方式传给中心节点；

下行信标阶段：中心节点广播信标帧，信标中携带着分配给每个传感器节点的时隙信息，以及每个时隙的传输的目的节点以及传输功率的信息；

数据传输阶段：本阶段分为两个以上固定长度的子帧，每个子帧划分为两个以上固定长度的时隙，数目与传感器节点数目相当，即每个传感器节点在每个子帧只发送一次数据；每个时隙内的通信包括上行的数据帧和下行的应答帧；所有节点在接收到信标帧以后，在指定的时隙里按照制定的发射功率传输数据包到指定的目的节点，目的节点随后回复应答帧ack。

基于步态周期的功率控制，中继选择和时隙分配方法，用于体域网中，包括n个传感器节点，一个中心节点s。

本发明与现有技术相比，具有如下优点和有益效果：

本发明基于人体的步态周期，利用信道的周期性去对未来的信道状况进行预测，根据信道状况的预测值，通过功率控制，中继选择，时隙分配的方法最小化网络的总能耗，同时还能保证传输的稳定性。

附图说明

图1是本发明所述基于步态周期的功率控制，中继选择和时隙分配方法的流程图。

图2是本发明所述的超帧结构示意图。

图3是本发明所述的体域网的系统模型图。

图4是本发明所述的预测的信道状况曲线与实际的信道状况曲线的对比图。

图5是本发明所述的采用不同中继选择算法得到网络总能耗随着丢包率的阈值变化曲线图。

图6是本发明所述的采用不同中继选择算法得到网络总能量效率随着数据包的比特数变化曲线图。

图7是本发明所述的采用不同时隙分配算法得到网络总能耗随着丢包率的阈值变化曲线图。

图8是本发明所述的采用不同时隙分配算法得到网络总能量效率随着数据包的比特数变化曲线图。

图9是本发明所述的采用不同时隙分配算法得到部分节点的生命周期的条形图。

具体实施方式

下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。

如图1所示，体域网模型包含十个传感器节点，分别放置在身体的头部、胸部、右臂、左臂、右手腕、左手腕、右腿、左腿、右脚以及左脚。中心节点s放置在腰部中间。

所述方法包含以下步骤：

步骤1：传感器节点采用amdf的方法去检测信道周期，得到步态周期t，然后采用滑动平均的方法去预测下一个周期的信道状况值。

所述步骤1包括以下分步骤：

步骤1-1：采用的amdf去检测信道周期，对于过去长度为l的信道状况pl的样本，计算其amdf的函数值：

假设amdf函数的最小值低于最大值的50％，并且很接近0，我们则认为当前的信道状况具有周期性，并且amdf的函数的最小值的取值τ被认为是步态周期t。

步骤1-2：检测得到步态周期t之后，采用三阶滑动平均的方法去对下一个周期的信道状况进行预测，预测的公式如下：

步骤2：将步态周期划分成多个子帧，对于每个子帧，以平均信道路径损失代表信道状况，并根据信道状况为每个传感器节点筛选出候选中继，然后结合功率控制的算法，得到网络总能耗最小化的中继选择方案

所述步骤2包括以下分步骤：

步骤2-1：由于子帧的长度足够小，信道状况的变化不大，对于传输链路<i,j>，即节点i与节点j之间的传输链路，用在该子帧的平均信道损失表示在该子帧的信道状况pl(i,j)。

步骤2-2：为每个传感器节点挑选候选中继集合，节点n2可以作为节点n1的候选中继的条件是，存在一条节点n1到中心节点s的多跳链路l，节点n1的下一跳节点是n2，并且该条链路的每一跳的信道损失都比节点n1到中心节点s的直接传输链路的信道损失小，即：

s.t.pl(ni,ni+1)＜pl(ni,s)i＝1,2,λk-1

pl(nk,s)＜pl(n1,s)

对整个体域网进行搜索，便可得到每个传感器节点的候选中继的集合。

步骤2-3：遍历各种可能的中继选择组合方案，计算每种组合的能量消耗最小值，选择能耗最小的中继选择组合方案作为最佳的中继选择方案。计算能耗的方法如下：

s.t.pi＜pmax,i＝1,2,λ,n

其中，pi表示第i个传感器的发射功率，pmax表示传感器的额定功率，即发射功率的最大值。di表示的是第i个传感器的数据量，这数据量包括了自身产生的数据以及以它为中继的其他节点的数据量。rb表示的是数据传输速率。

表示的是传输链路l的丢包率，为了保证传输的稳定性，应设定小于一个阈值λ。与发射功率有关，对于一跳链路<i,j>,其丢包率的计算公式如下：

其中，w表示带宽，n0表示的是接收机的热噪声,mb表示数据包的比特数。

对于一条k跳的传输链路l＝＜n1,n2,λ,nk,s＞，其丢包率的计算公式如下：

该问题是一个非线性规划问题，并且约束的集合为凸集，可求解得最优解。

步骤3：对每个子帧，得到每个传感器的中继节点之后，为了保证时延不会超过一个子帧的时间长度，中继节点的时隙需要安排在源节点的时隙之后，在此约束下，结合功率控制算法，得到网络总能耗最小化的时隙分配方案；

所述步骤3包括以下分步骤：

步骤3-1：将传感器节点分为两类，a和b。a类节点是无需借助中继直接传输给中心节点并且不作为其他节点的中继的节点，b类节点则是需要借助中继传输的节点以及作为其他节点的中继的节点。

步骤3-2：为了使得传输的时延能控制在一个子帧的时间长度，即在该子帧到达的数据不会等到下一个子帧才传到中心节点。因此，对于b类节点j，其中继节点rj分配得到的时隙需要限定在节点j分配得到的时隙之后。整个时隙分配和功率控制的最小化问题便如下：

s.t.pi,pj＜pmax

步骤3-3：在上述问题中，本发明提出一种解决该问题的时隙分配算法。具体过程如下：

1.对于每一个b类节点,根据给定的中继选择找到其最长的一条传输链路，其跳数为k，该节点在该链路所在的跳数为k',则该节点的安排时隙满足以下区间[k',n+1+k'-k]，n为传感器节点数目。

2.从b类节点中随机挑选一个节点i'，并将其可选区间里信道损失最小的时隙分配给该节点，假设分配的时隙为t'。

3.其余节点更新其时隙的可选区间，即：节点i'的中继节点可选区间的左端点变为t'+1，以节点i'为中继的节点可选区间的右端点变为t'-1。

4.重复步骤2和3，直到所有b类节点都分配到时隙。

5.采取步骤2-3中的功率计算方法来计算得到eb。

6.对于a类节点和剩余未分配的时隙，假设数目为m，采取步骤2-3中的功率计算方法来计算得到每个节点在每个时隙的传输功率，构造一个m维的效用矩阵，如下：

其中，表示第i个a类节点分配到第j个时隙发送数据所需要消耗的能量值。

7.采用匈牙利算法对效用矩阵求解得到最好的分配方案，匈牙利算法是一个求解分配问题的最优解的算法，求得最小的能耗ea。因此，得到该分配方案的总能耗为e＝eb+ea。

8.变更b类节点的挑选顺序，重复步骤2-7，采取总能耗最小的时隙分配方案。

本实例的仿真结果使用仿真软件matlab获得。

仿真实验的基本参数设定如下：根据ieee802.15.6工作组的建议，在物理层的收发机设置在2.4ghz频段工作，传输速率为1024kbps，平均噪声功率设置为-100db。

图3表示信道的预测结果，信道的周期性变化可以很好地预测出来，经计算得到的平均预测误差不超过1.5db。经检测步态周期为1.2s，因此，超帧的时间设为1.2s，数据传输的时间设为1s，每一个子帧的时间设为100ms。在整个周期内，每个传感器节点一共传输十次数据。

图4，图5分别显示了能量效率随丢包率的阈值以及数据包的大小的变化情况，比较了不同中继选择算法的性能。从两幅图中我们首先看到，采用不同中继选择的算法的曲线趋势基本相同，说明了能量效率会随着丢包率的阈值提升而降低，随着数据包大小提升而降低。这是因为丢包率的阈值提升则需要更高的功率去达到稳定性的要求。为了维持传输的稳定性，传输更大的数据包则同样需要更高的传输功率。仿真实验以文献“jointrelayselectionandtransmitpowercontrolforwirelessbodyareanetworkscoexistence”所提出的两跳中继功率控制算法以及直接传输的方法进行对比，可以看出来，本发明的性能远远优于这两种方法。

图6和图7分别显示了能量效率随丢包率的阈值以及数据包的大小的变化情况，比较了不同时隙分配算法的性能。仿真实验以随机时隙分配的算法以及穷举得到最优解的方法进行对比。从仿真结果可以看出来，本发明性能优于随机时隙分配的算法，并且与最优解相差不是很大。经计算，可以得到本发明的计算效率是穷举法的五倍。这也可以验证出本发明的优越性。

图8显示了部分节点的生存周期，将本发明与随机分配时隙的方法进行对比，可以发现本发明可以将每个传感器节点的生存周期延长5％-15％。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。