人体行走姿态下无线体域网生存周期的汇聚节点放置方法

摘要

本发明涉及一种人体行走姿态下最大化无线体域网生存周期的汇聚节点放置方法，属于无线通信领域，包括构建无线体域网网络生存期最大化模型；利用无线体域网信道模型、功率控制模型以及能量消耗模型，推导最大化无线体域网生存周期的汇聚节点放置方法；提出汇聚节点放置方法的近似求解算法。本发明针对无线体域网中汇聚节点的放置位置问题，克服了传统的将汇聚节点固定在人体腰部位置引起能量消耗增加的缺点，同时也首次将该方法应用到拓扑动态变化的无线体域网中。在满足比特误码率以及功率约束条件下，该方法最大化了网络的生存期，更加适用于人体生理参数的全天候监测。

主权项

一种人体行走姿态下无线体域网生存周期的汇聚节点放置方法，其特征在于包括下列步骤：(1)无线体域网网络生存期最大化模型，(1.1)初始化初始化的过程包括：采集人体生理参数的传感器节点按照其自身功能放置在人体的特定位置；(1.2)传感器节点选择需要采集人体的某项生理参数信息时，一个传感器节点醒来进行信息传递，其它传感器节点仍旧保持睡眠状态，节点的选择遵照基于姿态感知的生存期最大化协议(PA‑DPLM,Posture‑Aware Dynamic Protocol for Lifetime Maximization)，代表该协议的高能效函数f(e_i,c_i,p_i)如下：${\mathrm{EI}}_{i,j}=f(e_{i,j},c_{i,j},p_{i,j})=\frac{e_{i,j}{p}_{i,j}}{e_c+1/c_{i,j}},1\le i\le N,1\le j\le L$其中EI_i,j为传感器节点i在j次传输时的高能效系数，e_i,j为节点i当前的能量，c_i,j为节点i的信道状态信息，p_i,j为节点i的姿态信息，e_c为传输链路所消耗的能量，N为无线体域网中传感器节点的数量，L为无线体域网的网络生存期；(1.3)网络死亡判断当采集某类人体生理参数的全部传感器节点都不能进行数据采集时，则无线体域网进入死亡状态；(2)汇聚节点放置方法汇聚节点根据下文阐述的最优放置方法，放置到最优位置使得无线体域网生存期最大化，步骤如下：(2.1)路径损耗模型L_path(d_i)＝a·log₁₀d_i+b+N₀  [dB]其中L_path(d_i)是节点i当前到汇聚节点的路径损耗，a，b，N₀是给定的参数a＝‑8.6,b＝‑20.3,N₀＝10^‑7，行走姿态下d_i的表达式如下：$d_i=\sqrt{{(x_i-x_{ap})}^2+{(y_i-y_{ap})}^2+{(z_i-z_{ap})}^2}$其中(x_ap,y_ap,z_ap)和(x_i,y_i,z_i)分别是汇聚节点和节点i的坐标；(2.2)功率控制模型比特误码率(BER,Bit Error Rate)约束条件下的功率控制模型如下：$P_{i,j}={\left\{\frac{{\mathrm{AM}}_0}{{\mathrm{q\xi \delta }}_{i,j}^2{\log }_2^M},P_{\max }\right\}}_{min}$其中，P_i,j为节点i在j次传输时的功率；A＝0.25,q＝1,M₀＝10^‑7；ξ为比特误码率约束条件；由于调制方式是二进制相移键控，所以M＝2；P_max是最大传输功率。为节点i在j次传输时的信道方差，表达式如下：${\delta }_{i,j}^2={\mathrm{\eta d}}_i^{-\alpha }$其中η＝1，α是路径损耗因子，可以通过路径损耗模型计算得到；(2.3)能量消耗模型在数据包的发送时间为T_d时，节点i在j次传输时的能量消耗模型如下：$e_{i,j}^{tx}=e_c+1/c_{i,j}=P_{i,j}·T_d$其中是节点i在j次传输时消耗的能量，c_i,j为此时的信道状态，将上述的路径损耗模型以及功率控制模型代入上式，可以得到能量消耗模型的完全表达式：$e_{i,j}^{tx}=e_c+{\left\{\frac{{\mathrm{AM}}_0{T}_d}{{\mathrm{q\xi \eta d}}_i^{-\alpha }{\log }_2^M},P_{\max }{T}_d\right\}}_{min}$(2.4)优化目标优化目标是最大化无线体域网的生存期，优化目标和约束条件表示如下：maximize Lsubject to$0\le e_0-\underset{j=1}{\overset{L}{\Sigma }}{e}_{i,j}^{tx}·X_{i,j}\le e_c$$X_{i,j}·e_{i,j}/e_{i,j}^{tx}=max\left\{{\mathrm{EI}}_{i,j}\right\}=max\{e_{i,j}/e_{i,j}^{tx}\}$$e_{i,j}=e_{i,j-1}-e_{i,j-1}^{tx}·X_{i,j-1}>e_{i,j}^{tx}$0≤i≤N0≤j≤L其中e₀为传感器节点的初始能量；X_i,j为选择函数，若节点i在j次传输时被选中传输数据，其值为1，否则为0；max{EI_i,j}表示EI_i,j的最大值；(2.5)最优放置方法将(2.3)中的能量消耗模型的完全表达式代入(2.4)中的优化目标和约束条件，可以得到：maximize Lsubject to$0\le e_0-\underset{j=1}{\overset{L}{\Sigma }}{\left(e_c+\left\{\frac{{\mathrm{AM}}_0{T}_d}{{\mathrm{q\xi \eta d}}_i^{-\alpha }{\log }_2^M},P_{\max }{T}_d\right\}\right)}_{\min }·X_{i,j}\le e_c$$\frac{X_{i,j}·e_{i,j}}{e_{i,j}^{tx}}=\max \left\{e_{i,j}/\left(e_c+{\left\{\frac{{\mathrm{AM}}_0{T}_d}{{\mathrm{q\xi \eta d}}_i^{-\alpha }{\log }_2^M},P_{\max }{T}_d\right\}}_{\min }\right)\right\}$$e_{i,j-1}-\left(e_c·X_{i,j-1}+{\left\{\frac{{\mathrm{AM}}_0{T}_d}{{\mathrm{q\xi \eta d}}_i^{-\alpha }{\log }_2^M},P_{\max }{T}_d\right\}}_{\min }·X_{i,j-1}\right)>e_{i,j}^{tx}$0≤i≤N0≤j≤L通过求解上述优化问题，可以得到汇聚节点的最优放置位置；(3)求解汇聚节点放置方法采用一种近似求解算法，通过枚举的方式来求解汇聚节点的坐标，具体算法如下：首先，假定传感器节点分布在1m×1m的人体躯干上，鉴于目前绝大多数生理参数传感器的面积大于1cm×1cm，将该1m×1m平面等分成100份，这样，该平面类似于围棋盘，在其它传感器节点位置固定的前提下，需要找到一个最优的位置放置汇聚节点这一棋子，也就是说，给定了汇聚节点的坐标的取值集合；然后，将集合内的坐标值逐一代入(2.5)中的优化问题，进而得到与坐标集合一一对应的无线体域网生存期的取值集合，这种对应关系类似于三维坐标系中x‑y面与z轴的关系，那么利用这种对应关系绘制一个三维曲面，使用MATLAB软件中的surf(x,y,z)函数，该函数的输入参数x、y、z分别代表三维坐标系中的三个坐标轴上的取值，给定这些取值后surf(x,y,z)函数就能绘制相应的三维曲面，所以，利用已有生存期的取值集合以及汇聚节点的坐标的取值集合，就可以绘制以汇聚节点的坐标为自变量的生存期三维曲面；最后，在这一曲面上找到生存期的最大值以及该值对应的坐标，该坐标即为汇聚节点的最优放置位置。