超立方结构体域网

基于超立方结构建立的低功耗、弹性智能人体网络AhmadS.Almogren（沙特阿拉伯，利雅得11543，沙特国王大学，计算机与通信科学学计算机系希望和AhmadS.Almogren合作，请邮件联系；邮箱：[e-mail]）摘要目前在无线传感器网络(WirelessSensorNetworks,WSNs)和嵌入式计算机技术方面的进步，体域网(BodySensorNetworks,BSNs)的实现成为可能。体域网由分布和部署在人身体各个部位的传感器节点组成。这些传感器节点实时收集身体不同部位的信息，然后把这些信息传给各种智能系统。本文将提出一个基于虚拟的超立方骨架结构的智能身体传感器网络的框架，可以称之为智能人体网络(SmartBodyNet,SBN)。该结构的主要目的是提供一个低功耗，弹性操作的体域网。同时，通过对比最先进的方法设计了各种实验去展示SBN的优越性能。1.引言目前，无线肢体传感器网络（WBSN）用于确保各类生理护理APP的数据实时性，比如为了人的健康治疗、电子健身、突发情况、社交情绪识别、安全和高新交互游戏而控制人体生物物理/生物化学和进行活动监测。因此，定义和设计支持WBSN应用的原型设计的方法论和编程框架是很重要的。最近，在无线通信技术的进步引领着BSNs的发展，特别是一系列无线肢体传感器网络。BSNs之所以要实时监控一个人的生理数据信号是为了管理长期状况和卫生应急。此外，BSNs包含安置在身体各部位和能够和人交互的低功耗传感器节点；这些传感器节点对连续的感觉足够智能，同时从身体收集与健康相关的数据；它们能如预期的一样利用有效的途径交换这些数据[1-9]。基于WSNs的特性，BSNs在存储、能量、计算和通信能力方面有一定限制。这些依附在传感器上的电池的电量被极大的限制，这是因为考虑这些传感器的可穿着特性，它们被设计的很小[10]。这片文章主要关注设计一个网络结构和协议必须确保这些节点能够以最小的能量消耗在最大量的水平上无死角的遍历数据[1,3]。该网络的拓扑图也是另一个影响性能属性的一个主要因素；诸如能量利用、通信容量和节点强度性能。这些要求致使我们需要挑战实现上述功能的结构系统。本文所提及了一个新颖的体域网结构可被称为SmartBodyNet（SBN），它结合了增加了最小化传感器转换的需求和为了减少能量消耗能力而减少全部信息的传输的优点。所计划的结构是基于虚拟的超立方骨架结构，它包含一系列收控制的智能传感器节点（ISNs）。ISNs的总数目大约在10个左右[1,11]，利用超立方拓扑结构可以满足基本功能。该结构还可以提供可选择的技术路线和维护被有效的执行的规则[12,13]。此外，通过使用SBN，智能手机的协作性、可移植性、移动性和智能传感节点的能力可以得到扩展[3,8,11]。SBN的应用领域包括:健康护理、健身指导、训练、智能游戏、智能军事运作、温度传感、智能工业、文件传输、社交网络和智能机器人控制还可以广泛的应用于其他领域[3,5]。目前对WSNs有很多基于超立方路线方法的研究[12,14-17]。我们的方法把目标放在超立方属性的提高，它能在最长时间内确保SBN的操作而不会减少传感器节点，减少空载节点和在传感器出现错误和发送信息失败的确保滤波功能。做了数次实验显示该SBN的性能，这些实验都是通过比较最先进方法比如：就减少能耗、容错性、数据收集延迟等设计的星型拓扑结构。本文余下部分结构安排如下:第二部分展示相关工作；第三部分介绍SBN的结构；第四部分描述实验结果；最后，第五部分包括文章总结和未来规划。2.相关工作文献里的很多的工作都集中在BSNs的网络结构。很多工作都放在融合一个独立体域网结构和两个或多个整合的体域网的整个健康护理网络。通常来讲，由于人本身的活动导致大量的网络拓扑路径发生改变，BSN的传感器节点要分布在身体必要的区域。尤其是，传感器节点位置可分为两类，一类是移植节点，它们被植入人体体内[11,18,19]；另一类是体外节点，它们被安置在皮肤表面或者距皮肤两厘米左右的地方[9,20]。这类节点的代表有PV，它能测量心胀的电流活动并记录这种活动；EKG测量并记录大脑不同区域的电流信号，EEG则是测量血液循环系统的压力[1]。因此，研究者都想把WSN用到BSN的信息交流方面或者提供一个新颖的方法去满足期望的BSN信息交流[3,21]。该网络结构提供除了确保传感器节点消耗最少能量以交换最大信息量的数据的草案外，BSNs必须保证能量消耗管理和少数节点负载均衡的能量分配的一致性[9]。最为广泛地拓扑网络有：总线结构，环形结构，网状结构和星型结构[22]。结合环形结构和总线结构并不能成为复杂动态的体域网的骨架结构[1]。然而星型拓扑结构非常普遍，并且它作为BSN的骨架结构被广泛地应用[1,23,24]。在星型拓扑结构中的BS（basestation）被频繁地用于交换、收集、处理和发送数据给其他的ISNs，使它们做出决定和判断。所有这些ISNs会立即向BS传递数据。这个网络路线草案相对简单，不需要数据交流的通信草案。虽然如此，星型拓扑结构的体域网也有不少缺点，其中一个就是ISNs和BS之间交换数据和能量的限制。此外，由于低的数据接收速率，分布在各表面区域的ISNs在建筑物内外的联系不会成功。因而，这各类表面的ISNs很容易出现错误由于增加的连接失败。星型拓扑结构在短波无线通信领域也不适合[1]。此外，文献里提及一些关于研究BSN的通信结构草案的工作。例如，朱*等建议的MB-star结构，它是一种用于BSN的MAC方案。MB-Star是一种基于时分多址的MAC方案，它利用编码来控制和划分通信方式。这个工作的主要目标是通过低功耗获得高的数据传输速率[25]。陈某等提供了一种体系，它将BSN的通信结构划分位三层：第一层叫做intra-BSN通信层，第二层称为inter-BSN通信层，第三层叫做beyond-BSN通信层。这些部分可以捕捉大量数据，这些数据可以用于仔细研究高低两个水平，用最小规模增加标准和设计场景去支持建筑[26]。该体系的目标是提供一个比现行标准功耗更低的宽阔多样的数据传输速率的体系。这种结构可以最优化大量的电池寿命和容错性的系统操作[9]。Raveendranathan等人建议了一个具有多层次功能的体系，它主要发展结构设计。展示的模型利用了可穿戴传感器节点和先进的逻辑式传感器结构设计和实验估计。这个结果加强了观念，这是一种超越支持远距离和简洁传输方式极其有效的结构[27]。Mitra等人介绍了“KNOWME”平台，它是一种终端到终端的体域网方法，结合工业生产传感器和智能手机去实时监测和分析一个问题生理信号。“KONWME”是一个跨学科团队在实验室里发展起来的。同时，它也在田间，就业审查方面得到发展，它还可以用作小儿肥胖症的研究监测和身体参数的观测[28]。钟等人建议了一个包括了一个智能手机和多个智能传感器的平台。这些节点直接通过蓝牙和手机通信。这些智能传感器给手机提供未处理的输入。该平台在智能手机终端为相应的应用提供一组API去控制整个网络和从传感器节点收集信息。有一个移动软件可以获得经传感器更新和改变的数据，之后它将节点设位睡眠模式。然后收集的数据将传送到具有分析能力的专用服务器。除此之外，智能手机也能去平台自己分析[29]。很多有效的应用的发展框架被提出，因为基于传感器平台为BSNs而设计的TinyOS。例如，CodeBlue，SPINE和Titan。这些系统的结构都是基于BSN的典型星型。它是由一个协调器和两个设定的传感器节点组成。这两个传感器节点分别是腰部和大腿处的生理辅助监测器。特别地，协同器管理设置传感器，接收数据和识别预定义的人的活动。另一方面，每一个传感器节点都运行一个中介，该中介的主要作用是识出3轴加速度传感器的数据并计算获得的具有明显特征的数据，集结特征并发送给协调器[30]。3.SBN结构的提出在这部分，将详细地展示SBN结构。我们将展示不同水平的通讯和路线。图1：基础的体域网结构图1展示了一个典型的BSN结构[31]。它有三级（1）第一级：智能传感器节点（ISNs）或者如空白圈所示的生理传感器[8]。它们主要负责监测，测量和收集敏感的人体生理数据。再用超立方管理器（黑色圆圈所示）和ISNs交换有用信息，发送它们到基站。（2）第二级：基站（例：智能手机和可穿戴手表）主要负责接收和识别ISNs收集的有用的信息。基站的角色是它作为有效交换关键信息的和第三级预期目的地的入口。预期的目的地将在图2中展示[11,32-34]。（3）第三级：通讯网络主要负责将收集的信息传播到正确的目的地。经过加工，智能硬件能在SBN内和户外智能环境中整合两种不同类型的网络结构[7,8]。这种通讯标准和户外智慧地球有联系，它尤其依赖本地无线网络或者补加无线网络内完成入口服务[8,9]。智能手机是能协同工作的硬件设备，因而，它不需要先进的组态。同时它作为不同网络的入口，它有能力连接不同类型的体域网络技术通过互联网[3,6-8,11,29,35,36]。图2：体域网的分层一个有n立方体的图解含有2n个智能传感器节点。每个节点附一个独一的二进制地址（从0到2n）。每一对节点是由不受指导的端点连接，每个端点都仅有一个二进制地址，使得它们标记地址不同。超立方体的直径是O（log2N）并有相同对称度的规则拓扑结构[37]。图3展示了一个3维立方的连接网络，该图展示了直径为3的有8个独立的立方体。图3:三维完整的超立方SBN3.1超立方的优越性，超立方有如下重要说明:（i）任意超立方网络中的数据收集延迟时间：log2N[37]；（ii）每一个ISN每次都会大规模地传输收集的数据；（iii）ISNs被选出头结点（管理者）有相同的确保能量分布更加平衡可能。（iv）在超立方内每一对ISNs有很多连接和多条路径[12,38]。（v）对称、规则图解：对称、规则的超立方结构可以方便把节点分类并附于地址[38]。（vi）小直径：超立方的组态允许在超立方网络里的节点远距离连接通过一系列跳跃节点[38]。3.2二进制树通讯方法；通过超立方分布方式收集数据，每个ISN要求一个直接的ISN去实施树状图通信。如果节点相邻的区域没有ISN，它会寻找更远区域的ISN并征求支持确保数据收集和额外的能量支持。为了提高这样的能力，我们可以均衡二进制树的分布，这会使得ISN直线连接的节点收集数据更为灵活。这种灵活会让我们保存相当多的能量在数据收集过程中[37]。这种二进制树分布方法允许每个ISN至多有两倍的直接连接的节点。建立二进制树，BS会选择相邻的ISN作为根节点。在每一个巡回，通过树收集的数据最终传给根节点，之后根节点和BS再交换数据。当一个ISN死机（很可能是根节点，因为BS的其他死机ISN后，相邻节点还会工作）拓扑结构会重建。每个ISN会传递直系节点收集的数据。在从直系节点收到数据后，根节点会向BS传递融合的数据。收集数据童一个超立方分布的方法，它总共会用log2N步。例如，在3维立方网络中，要用3步去重建[12]。3.3SBN的信息传送框架为了收集更为敏感的数据，我们需要一个总数为log2N维立方的超立方网络连接。传感器节点的计算数目为N。例如，在超立方网络中树的嵌入，3维立方的通信网络如图4所示[39]。图4:3维立方连接网络通信树示例这个树状图里的根节点就是一个智能传感器节点。所有收集的数据都会传到这里，最终它会给BS发送收集的数据。3.4通讯结构举例数据可以传遍嵌入式通信树。例如，如图5所示的简单3维立方连接的通信结构。图5：3维立方连接网络智能传感器节点路径示例为了开始传输信息，第一个节点被选为头结点。在图例中，根节点是（000），其它节点通过和根节点比较附上地址。地址从最低到最高排列：连续两个地址之间相差一位。在我们的例子中，节点地址分别位（100,010,001），这些节点将向BS传输数据。完整的传送时间为log2N，N就是智能传感器节点的个数。3.5SBN的路径显然SBN的智能传