超立方结构体域网

1、基于超立方结构建立的低功耗、弹性智能人体网络 Ahmad S.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Ahmad S.Almogren合作，请邮件联系；邮箱：.sa）摘要 目前在无线传感器网络(Wireless Sensor Networks,WSNs)和嵌入式计算机技术方面的进步，体域网(Body Sensor Networks,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

2、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(Smart BodyNet,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

3、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

4、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Smart BodyNet（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

5、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.

6、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

7、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（base station）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

8、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：

9、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“

10、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

11、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

12、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

13、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

14、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：log2N37；（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

15、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

16、。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

17、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的智能传感器节点有在两个节点间按路径传递和散播收集的数据的功能。这暗示在虚拟的超立方网络中，任何智能传感器节点彼此间都能发送和接收收集的数据。超立方网络极其明显的优点是连接相邻节点。在超立方网络里还有一个重要的属性，被给定的两个节点间有多样的虚拟联系；这个特性有助于按路径传输的灵活性；这也暗示如果一种连接失败，

18、备份的连接将会接管并持续工作。按路径传输机制通过比较源地址和目的地址并逐一移位来实现。源节点会发送收集的信息到最近的目的节点（唤醒一个节点，它是地址有一位不同的相邻节点）。最明显的例子，如图6所示是源地址为（011）智能传感器节点通过从低到高的比较地址向目的地址为（100）的节点传送数据。图6:3维立方网络中地址为（000）的智能传感器节点向网络传递收集数据3.6SBN的传播数据能够在嵌入式的通信树内传播。例如，地址为（000）的智能传感器节点想向整个网络传播收集的数据。因此，每个传感器节点在不同位上从低到高比较自己的地址和根节点的地址；在我们的例子中选取地址为（100,010,001）来传输

19、数据。4. 性能估计在这部分，我们将对比我们设计的SBN和常用的星型拓扑结构体域网，如：CodeBlue、SPINE和Titan。首先表1展示它们各种特征的不同。表1：SBN和星型拓扑结构体域网的性能比较除此之外，我们还比较了星型拓扑和设计的SBN的能耗性能。预期的数据收集框架采用了流行的一阶无线模型37。这能推导出能量消耗在功率公式规定范围内。结合 PTx(k,d)表示发送器发送k比特长数据包到距离为d的地方所消耗的能量。 PRX(k)表示接收器接收k比特长数据包所消耗的能量。对于我们所设计的SBN来说，功率公式为：PQn(k,d)=(2n-1)T，这里的2n是智能传感器节点的个数。星型拓扑

20、结构的功率公式为：Pstar(k,d)=(n+1)-1)T，这里（n+1）表示智能传感器节点的个数。图7描述了星型拓扑结构和我们设计的SBN的能耗，这里n是数据收集延迟时间，T是负载。除了SBN的弹性外，这里还有其他可能的路径去探索。它能消耗更少的能量因为路径探索和智能协调相平行。 图7:SBN和星型拓扑结构的能耗对比关于每一轮的各种方案所需的传输阶段，基于超立方的方法需要O(log2N)延迟去收集数据，比星型结构的O(N)延迟要小很多。如图8所示， 图8:数据收集延迟该图展示了超立方结构优于星型拓扑结构，是因为它有通过很少步到达目的节点的性能。在图9中展示了超立方网络和星型拓扑结构重建所需要

21、的延迟。 图9:重建延迟从图中我们可以得到这样的结论，在节点数相同是星型拓扑结构的重建比超立方网络重建需要更多的巡回。结果显示超立方和星型的一个节点出问题，都会因此导致一个故障网络。在超立方网络中重建有延迟减少，特别是节点的数目增长时。5. 总结和未来工作该研究提出了一个新颖的基于超立方网络的体域网结构被命名为SBN。该架构允许有效的数据收集方法来满足一些BSNs网络设计的挑战。验证和比较SBN和星型拓扑网络结构的性能。结果显示SBN对能量的使用比星型拓扑结构更有效率。此外，SBN还继承了智能手机的协同性、可移植性、便携性和智能性，它很容易和周围智能环境构成整体。在之后，我们计划发展下一个版本

22、的SBN即智能物联网，它包括各种智能传感器节点并使用了虚拟Graycube骨架结构，Graycube有超立方直径的一半。我们利用传感器网络从遍布计算单元的物体上收集瞬间数据，这些物体可以是汽车，卡车或者建筑物。他将成为自然灾害如地震、海啸研究的关键。 声明 作者声明本论文的出版不存在利益冲突。致谢这项工作是由沙特国王大学的计算机与信息科学学院研究中心的支持。作者非常感谢该中心给予的支持。References:1 X.Lai,Q.Liu,X.Wei,W.Wang,G.Zhou,andG.Han,"A survey of body sensornetworks,"Sensor,

23、vol.13,no.5,pp.5406-5447,2013.2 H.Higgins,"Wireless communication,"in Body Sensor Networks,pp.155-188,Springer,2014.3 I.E.Akyildiz,W.Su,Y.Sankarasubramaniam,and E.Cayirci,"Wireless sensor networks:a survey,"Computer Networks,vol.38,no.4,pp.393-422,2002.4 H.Sharma and S.Sharma,&qu

24、ot;A review of sensor networks technologies and applications,"in Proceedings of the Recent Advances in Engineering and Computational Sciences (RAECS14),pp.1-4,IEEE,Chandigarh,India,March2014.5 M.Chen,J.Wan,S.Gonzalez,X.Liao,and V.C.M.Leung,"A survey of recent developments in home M2M netwo

25、rks,"IEEE Communications Survey Tutorials,vol.16,no.6,pp.713-732,2011.6 O.Pereira,J.M.L.P.Caldeira,and J.J.P.C.Rodrigues,"Body sensor network mobile solutions for biofeedback monitoring,"Mobile Networks and Applications,vol.16,no.6,pp.98-114,2014.7 S.K.Dhar,S.S.Bhunia,S.Roy,and N.Mukh

26、erjee,"Enabling smartphone as gateway to wireless sensor network,"in Recent Advances in Information Technology,pp.19-26,Springer,2014.8 C.-W.Tsai,C.-F.Lai,and A.V.Vasilakos,"Future internet of things:open issues and challenges,"Wireless Networks,vol.20,no.8,pp.2201-2217,2014.9 A.

27、Reichman,"Body aera networks: applications,architectures and challenges, "in World Congress on Medical Physics and Biomedical Engineering,September7-12,2009,Munich,Germany,O.Dossel and W.C.Schlegel,Eds.,vol.25/5 of IFMBE Proceedings,pp.40-43,Spring,New York,NY,USA,2009.10 A.S.Al-Mogren,&qu

28、ot;A powerful optimization approach for the multi channel dissemination networks,"International Journal of Communication Networks and Communications,vol.2,no.2,pp.132-140,2010.11 I.E.Akyildiz and J.M.Jornet, "The Internet of nano-things,"IEEE Wireless Communications,vol.17,no.6,pp.58-

29、63,2010.12 J.I.Alvarez-Hamelin,A.C.Viana,and M.D.de Amorim,"DHT-based functionalities using hypercubes,"in Ad-Hoc Networking,vol.212of IFIP International Federation for Information Processing,pp.157-176,Springer,New York,NY,USA,2006.13 S.Al-Ahmadi,A.Al-Dhelaan,and N.Al-Hosini,"New dat

30、a gathering scheme for large scale Wireless Sensor Networks,"in Proceeding of the 15th WSEAS International Conference on Computers,pp.111-117,July2011.14 Y.Wang,W.-S.Yang,and J.Wu,"Analysis of a hypercube-based social feature multipath routing in delay tolerant networks,"IEEE Transact

31、ions on Parallel and Distributed Systems,vol.24,no.9,pp.1706-1716,2013.15 J.Wu and Y.Wang,"Hypercube-based multipath social feature routing in human contact networks, "IEEE Transactions on Computers,vol.63,no.2,pp.383-396,2012.16 A.Toce, A.Mowshowitz, P.Stone,P.Dantressangle,and G.Bent,”Hy

32、perd: a hypercube topology for dynamic distributed federated databases,”in Proceedings of the 5th Annual Conference of ITA,2011.17 K.Smiljkovkj and L.Gavrilovska,”SmartWine:intelligent end-to-end cloud-based monitoring system,”Wireless Personal Communication,vol.78,no.3,pp.1777-1788,2014.18 G.E.Sant

33、agati and T.Melodia,”Sonar inside your body:prototyping ultrasonic intra-body sensor networks,”in Proceedings of the IEEE Conference on Computer Communications(INFOCOM14),PP.2679-2687,IEEE,Toronto,Canada,May 2014.19 M.Seyedi,B.Kibert,D.T.H.Lai,and M.Faulkner,”A survey on intrabody communications for

34、 body area network applications,”IEEE Transaction on Biomedical Engineering,vol.60,no.8,pp.2067-2079,2013.20 M.Craggs,”Neuromodulation device for pelvic dysfunction,”Google Patents,2014.21 N.Friedman,J.B.Rowe,D.J.Reinkensmeyer,and M.Bachman,”The manumeter:a wearable device for monitoring daily use o

35、f the wrist and fingers,”IEEE Journal of Biomedical and Health Informatics,vol.18,no.6,pp.2168-2194,2014.22 J.Espina, T.Falck,A.Panousopoulou,L.Schmitt,O.Mulhens,and G.-Z. Yang,”Network topologies, communication protocols,and standards,”in Body Sensor Networks,pp.189-236,Springer,2014.23 J.S.Yoon,G.

36、-S.Ahn,S.-S.Joo,and M.J.Lee,”PNP-MAC:preemptive slot allocation and non-preemptive transmission for providing QoS in body area networks,”in Proceedings of the 7th IEEE Consumer Communication and Networking Conference (CCNC10),pp.1-5,IEEE, Las Vegas,Nev,USA,January 2010.24 H.Li and J.Tan,”An ultra-lo

37、w-power medium access control protocol for body sensor network,”in Proceedings of the 27th Annual International Conference of the Engineering in Medicine and Biology Society(IEEE-EMBS05,),pp.2451-2454,IEEE,Shanghai,China,2005.25 X.Zhu, S.Han, P.-C.Huang,A.K.Mok,and D.Chen,”MBStar:a real-time communi

38、cation protocol for wireless body area networks,”in Proceedings of the 23rd Euromicro Conference on Real-Time Systems(ECRTS11),pp.57-66,July 2011.26 M.Chen, S.Gonzalez, A.Vasilakos,H.Cao, and V.C.M.Leung,”Body area networks:a survey,”Mobile Networks and Applications,vol16,no.2,pp.171-193,2011.27 N.R

39、aveendranathan, S.Galzarano, V.Loseu et al.,”From modeling to implementation of virtual sensors in body sensor networks,”IEEE Sensors Journal,vol.12,no.3,pp.583-593,2012.28 U.Mitra, B.A.Emken, S.Lee et al.,”KNOWME:a case study in wireless body area sensor network design,”IEEE Communications Magazine

40、,vol.50,no.5,pp.116-125,2012.29 L.Zhong, M.Sinclair,and R.Bittner,”A phone-centered body sensor network platform cost,energy efficiency & user interface,”in Proceedings of the International Workshop on Wearable and Implantable Body Sensor Networks(BSN06),pp.4-182,IEEE,Cambridge,Mass,USA,April 20

41、06.30 M.R.Yuce and J.Khan,Wireless Body Area Network:Technology,Implementation,and Applications,CRC Press,2011.31 M.O.rahman,C.S.Hong,S.Lee,and Y.-C.Bang,”ATLAS: a traffic load aware sensor MAC design for collaborative body area sensor networks,”Sensor,vol.11,no.12,pp.11560-11580,2011.32 M.Chen, S.G

42、onzalez, A.Vasilakos,H.Cao, and V.C.M.Leung,”Body area networks:a survey,”Mobile Networks and Applications,vol16,no.2,pp.171-193,2011.33 G.Fortino,D.Parisi,V.Prirrone,and G.Di Fatta,”BodyCloud:a SaaS approach for community Body Sensor Networks, ”Future Generation Computer Systems,vol.35,pp.62-79,2014.34 H.Ghasemzadeh, P.Panuccio, S.Trovato, G.Fortino, and R.Jafari,”Power-aware activity monitoring using distributed wearable sensors,”IEEE Transactions on Human-Machine Systems,vol.44,no.4,pp.537-544,2014.35 J. Wan, C.Zou, S.Ullah,