基于功率控制的無線體域網能量有效傳輸算法*

楊 靜,甘 露

(1.重慶郵電大學通信學院,重慶 400065;2.重慶郵電大學光通信與網絡重點實驗室,重慶 400065)

無線體域網WBAN(Wireless Body Area Network)是由各種低功耗、支持服務質量的傳感器節點構成的單跳或兩跳星型網絡,其中主要分為兩類節點:傳感器節點和協調器節點。體域網主要應用于醫療健康監護領域,它改變了傳統醫療監護的服務方式,消除了醫療場所和設備線纜的局限,不僅減少了醫療監護成本,而且提高了醫療監護水平[1-3]。體域網除了在傳輸速率、可靠性、時延上有較高的要求外,還需要保障數據的隱私性和安全性,因此,IEEE委員會于2012年正式發布了體域網通信協議標準[4]。

在體域網中,身體移動和姿勢改變會引起陰影效應,從而會惡化鏈路質量,使得體域網很難滿足協議標準[4]中的可靠性要求。此外,體域網中的傳感器節點電池尺寸極小,容量十分受限,頻繁更換電池會降低用戶體驗,因此傳感器節點應具有極低的功耗。可靠性作為體域網應用的必然需求,而能量作為體域網中的稀缺資源,它們兩者之間通常是共存對立的,單方面的性能提升往往會惡化另一方面的性能。

在資源受限的體域網絡中,人體移動特性使得體域網不適合采用固定功率發送數據,因此功率控制是體域網研究熱點之一[5-10]。文獻[5]提出一種加速器輔助的發送功率控制機制(AA-TPC),該機制以部署額外的本地加速器為代價,利用信道狀態與加速器信號之間的關系,在調整節點功率的同時,選擇最佳時刻發送數據。文獻[6]首先在不同場景下,通過實驗分析表明固定功率不適合體域網,然后利用反饋信息進行功率控制。為了進一步減少發送能量的浪費,提高節點傳輸可靠性,文獻[7]在文獻[6]的基礎上進行了完善:當平均接收信號強度RSSI(Received Signal Strength Indicator)小于最低閾值TL時,節點下次發送功率為本次發送功率與最大發送功率的平均值;當平均RSSI大于最高閾值TH時,節點下次發送功率為本次發送功率與最小發送功率的平均值;當平均RSSI位于TL和TH之間時,節點發送功率保持不變。此外,文獻[8-10]同時利用功率控制和中繼轉發兩種方式,以求達到節省能量和保障節點可靠性的目的。

雖然文獻[7]提出的功率控制算法能夠較好地適應信道狀態的變化,但是存在一定問題。當信道狀態突然變差,使得平均RSSI小于最低閾值TL時,該算法不能及時將節點發送功率調整至最大,可能會造成可靠性的下降;當信道狀態突然變好,使得平均RSSI大于最高閾值TL時,該算法不能及時將節點發送功率調整至足夠小,可能會造成能量的浪費。另外,當平均RSSI位于TL和TH之間時,發送功率保持不變,此時既可能造成能量的浪費也有可能造成可靠性的下降。

針對文獻[7]中的問題,提出一種適用于體域網的能量有效傳輸算法。首先分析CSMA/CA競爭機制中的節點成功發送概率;然后傳感器節點利用周期信標幀的廣播特性,對當前路徑損耗進行估計,并通過回復幀動態調整路徑損耗權重因子,減少估計誤差值;最后在保障一定誤包率的前提下,傳感器節點自適應地調整發送功率,從而達到能量有效傳輸的目的。

1 系統模型

1.1 網絡模型

星型拓撲結構簡單,在資源受限的體域網中容易實現,因此,本文考慮一個單跳星型體域網G=(V,E)。G中的V∈{N,H},其中N和H分別是體域網中的傳感器節點集和協調器節點,E是N與H之間的鏈路集。傳感器節點n,n∈N的優先級為UPn,假設包到達率滿足強度為κn的泊松分布,因此包到達間隔期望為1/κn。此外,本文不考慮體域網與其他網絡包括體域網之間干擾。

1.2 信道模型

考慮人體陰影效應的影響,本文采用文獻[11-12]中的信道模型,路徑損耗表示為:

PL(d)=alog10d+b+S

(1)

|hn|2=10-PL(d)/10

(2)

1.3 IEEE 802.15.6 CSMA/CA競爭機制及其分析

體域網標準把時間軸劃分為連續的超幀,協調器節點在每個超幀初始階段利用信標幀把每個超幀劃分為不同的接入階段。每個超幀可以包含以下接入階段的部分或全部:隨機接入階段1(random access phase1,RAP1)、獨占接入階段1(Exclusive Access Period1,EAP1)、管理接入階段1(managed access period1)、隨機接入階段2 RAP2(Random Access Phase1)、獨占接入階段2 EAP2(Exclusive Access Period 2)和競爭接入階段EAP(Contention Access Period)。除了RAP1以外,其他接入階段的長度都可以置為0[4]。

IEEE 802.15.6協議中規定了2種競爭機制:時隙ALOHA和CSMA/CA,本文采用后者共享信道。由文獻[13]可知,在IEEE 802.15.6 CSMA/CA競爭機制中分配EAP,會降低整個體域網吞吐量,造成能量浪費,引起更大時延,因此考慮每個超幀中只包含RAP1。為了區分節點的優先級,IEEE 802.15.6 CSMA/CA競爭機制規定了不同優先級競爭窗口CW(Contention Window)的取值范圍[CWmin,CWmax],如表1所示。

表1 CSMA/CA的競爭窗口取值范圍

IEEE 802.15.6 CSMA/CA競爭機制與其他CSMA/CA競爭機制有所不同。節點需要發送數據時,首先將其優先級對應的CWmin賦給CW,然后從[1,CW]中等概率地取一個整數賦給退避計數器。若當前信道為空閑狀態時,退避計數器的值減1;若當前信道為忙碌狀態或者當前接入階段的剩余時間不足以完成數據幀發送時,節點將鎖住退避計數器,計數器的值不變。當退避計數器值為0時,節點在當前時隙結束后立即發送數據。當數據發送失敗后,判斷發送計數器的奇偶性,若為偶數CW的值加倍,若為奇數CW的值保持不變。當節點發送計數器的值小于重發次數限制時,隨機從[1,CW]中取一個新值賦給退避計數器并嘗試下次數據重發,否則丟棄該數據包。

2 節點成功發送概率分析

在非理想信道下,CSMA/CA競爭機制中的節點n成功發送概率γn由發送沖突概率ρn和誤包率λn共同決定,表示如下:

γn=(1-λn)(1-ρn)

(3)

2.1 誤包率

若采用DBPSK調制解調方式,節點誤包率λn如(4)所示[14]。

(4)

式中:M為單個數據包長度,若采用匹配濾波器接收信號,平均接收信噪比ηn表示為:

(5)

式中:pn是節點n的發送功率,N0W是噪聲功率。

2.2 發送沖突概率

用Tn表示一個數據包在節點n中的發送總次數(包含數據包成功發送和因重發次數限制而丟棄數據包兩種情況),且服從如下分布:

(6)

式中:Rn為節點n的重發次數限制,與優先級UPn有關。

(7)

(8)

當前信道狀態為空閑的概率α表示如下:

(9)

利用式(6)、式(7),可以求得一個數據包在節點n中的平均服務時間,如式(10)所示:

(10)

通過包達到間隔期望和包平均服務時間,可以求得節點n在當前時隙發送數據的概率βn,如式(11)所示[10]:

(11)

因此,節點n的發送沖突概率ρn如式(12)所示:

(12)

通過上述分析可以看出,CSMA競爭機制中的節點成功發送概率與信道增益、節點發送功率、節點數量、網絡負載有關。體域網中的信道增益、節點數量、網絡負載是由應用場景決定的,所以可以通過調整發送功率來保障節點成功發送概率。但是體域網中的傳感器節點能量資源受限,過高的發送功率將會造成能量的浪費。因此,接下來將討論如何合理調整發送功率,使得節點能效最優。

3 分布式功率控制算法

體域網中,一般考慮協調器節點能量不受限,因此主要對傳感器節點進行功率控制。由文獻[15]可知,體域網無線信道的相干時間(大約為400 ms)大于一個超幀的時間長度,而協調器節點在每個超幀初始階段都會廣播信標幀,因此傳感器節點可以利用周期信標幀去估計路徑損耗值,然后調整節點發送功率。

3.1 路徑損耗估計

(13)

3.2 權重因子調整算法

當傳感器節點有數據需要發送且退避計數器為0時,會在當前時隙結束后立即發送數據,并等待協調器節點的回復幀,此時存在如下3種情況:第一,傳感器節點成功收到ACK幀時,表示發送成功;第二,當產生發送沖突或協調器節點錯誤接收數據時,協調器節點將廣播NACK幀給傳感器節點,表示數據發送失敗;第三,當傳感器節點因發送功率不足而造成發送失敗時,不會接收到任何回復幀。

若體域網信道狀態的變化速率發生改變時,路徑損耗權重因子固定不變,可能會影響路徑損耗估計值的準確性,因此需要動態調整路徑損耗權重因子,使估計誤差值盡可能小。為減少體域網傳感器節點的運算復雜度,參考文獻[16],采用絕對誤差最小的準則調整路徑損耗權重因子,如算法1所示,其中的τ為更新步長。

算法1權重因子調整算法

①初始化ε0=0.5;

④分別得到PL(i)、PL+(i)、PL-(i)與實際路徑損耗之差的絕對值;

⑤將絕對誤差最小的權重因子賦值給εi+1;

⑥重復第2步～第5步。

3.3 功率控制算法

在能量資源受限的體域網中,效用函數的選取參考文獻[10,17],如式(14)所示。該效用函數表示為節點吞吐量與發送功率之間的比值,即在不考慮節點發送沖突的條件下,單位能量能夠成功發送的數據量,單位為bit/J。

(14)

本文采用分布式功率控制算法,每個傳感器節點的最佳發送功率選擇問題轉化為約束條件下,效用函數最大化問題,即:

(15)

(16)

算法2功率控制算法

①對于節點n,初始化參數W、Rb、N0;

②第i超幀,節點在初始階段收到信標幀后,判斷是否需要發送數據:

④若節點無數據發送,節點n直接更新PL(i)、εi;

⑤i←i+1;

⑥重復第2步～第5步。

4 仿真分析

本文采用MATLAB仿真平臺,在相同的網絡環境下,將本文的能量有效傳輸算法與IEEE 802.15.6 CSMA/CA固定最大發送功率算法[4]、文獻[7]中的改進型算法進行對比。主要從包成功接收率、包平均發送次數、能量效率3個方面衡量不同算法的優劣性,最后研究了節點數量與包成功接收率之間的關系。星型體域網由8個不同優先級傳感器節點和1個協調器節點組成,工作頻率為2.4 GHz。其他主要仿真參數見表2,其中的更新步長參考文獻[16]。

表2 仿真參數配置

圖1 優先級大小對包成功接收率的影響

圖2描述了節點優先級大小對包平均發送次的影響。本文的能量有效傳輸算法和改進型算法隨著節點優先級的增大,包平均發送次數呈現逐漸減小的趨勢。這是由于優先級越高,節點需要更大的發送功率來保障可靠性,因此節點成功發送概率變大,減少了包平均發送次數。相比改進型算法,能量有效傳輸算法能夠更好地適應體域網信道變化,及時、準確地調整節點發送功率,所以本文的能量有效傳輸算法中的包平均發送次數更小。另外固定最大功率算法每次都以最大發送功率發送數據,因此其包平均發送次數最少且基本維持在1.54次,與節點優先級無關。

圖2 優先級大小對包平均發送次數的影響

圖3 優先級大小對能量效率的影響

圖3對比了不同算法的能量效率隨優先級變化情況。可以看出隨著優先級增大,3種算法的能效都逐漸升高。這是由于當節點發送失敗時,節點的退避持續時間會隨著優先級的增大而逐漸減少,從而使得優先級較低的節點需要付出更多的退避能耗。固定最大功率算法每次以最大功率傳輸數據,造成了發送能量的浪費,所以其節點能效值最小。與改進型算法相比,本文的能量有效傳輸算法中的傳感器節點利用周期信標幀選擇更加合適的發送功率,在保障可靠性的前提下,提高了節點的能量效率。

本文最后研究了節點數量對包成功接收率的影響。如圖4所示,隨著網絡中的節點數量從8逐漸增加到32,包成功接收率呈現逐漸減小的趨勢,其主要原因是節點數量的增大會引起發送沖突概率的升高,最終使得包成功接收率降低。另外,節點數量從8增加至32時,3種算法的包成功接收率下降3%左右,這是由于傳感器節點設置的包達到間隔時間比較大,當節點數量為32時,節點受到發送沖突的影響不大。

圖4 節點數量對包成功接收率的影響

5 結論

針對能量受限、信道狀態快速變化的體域網,提出一種適用于體域網的能量有效傳輸算法。首先分析CSMA/CA競爭機制中的節點成功發送概率;然后傳感器節點利用信標幀和回復幀的廣播特性,估計路徑損耗和動態調整路徑損耗權重因子;最后利用節點發送功率與效用函數之間的關系,把最佳功率選擇問題轉為可靠性約束條件下效用函數最大化問題。經仿真驗證,本文所提算法能夠在保障一定可靠性的同時,有效減少包平均發送次數和能量消耗,從而達到能量有效傳輸的目的。

[1] Liu B,Yan Z,Chen C W. MAC Protocol in Wireless Body Area Networks for E-health:Challenges and A Context-Aware Design[J]. IEEE Wireless Communications,2013,20(4):64-72.

[2] Kwak K S,Ullah S,Ullah N. An overview of IEEE 802.15. 6 standard[C]//3rd International Symposium on Applied Sciences in Biomedical and Communication Technologies. Rome. IEEE:2010:1-6.

[3] Movassaghi S,Abolhasan M,Lipman J,et al. Wireless Body Area Networks:A Survey[J]. IEEE Communications Surveys and Tutorials,2014,16(3):1658-1686.

[4] IEEE Standard for Local and Metropolitan Area Networks—Part 15.6:Wireless Body Area Networks[S]. New York:IEEE Computer Society,2012.

[5] Zang W,Zhang S,Li Y. An Accelerometer-Assisted Transmission Power Control Solution for Energy-Efficient Communications in WBAN[J]. IEEE Journal on Selected Areas in Communications,2016,34(12):3427-3437.

[6] Xiao S,Dhamdhere A,Sivaraman V,et al. Transmission Power Control in Body Area Sensor Networks for Healthcare Monitoring[J]. IEEE Journal on Selected Areas in Communications,2009,27(1):37-48.

[7] 王志軍,胡封曄,尹穎奇,等. 基于無線體域網的傳輸功率控制和調度算法[J]. 通信學報,2015,36(10):271.

[8] Zhang Y,Zhang B. A Relay-Aided Transmission Power Control Method in Wireless Body Area Networks[J]. IEEE Access,2017,5:8408-8418.

[9] Dong J,Smith D. Joint Relay Selection and Transmit Power Control for wireless Body Area Networks Coexistence[C]//2014 IEEE International Conference on Communications(ICC). Sydney:IEEE,2014:5676-5681.

[10] Moosavi H,Bui FM. Optimal Relay Selection and Power Control With Quality-of-Service Provisioning in Wireless Body Area Networks[J]. IEEE Transactions on Wireless Communications,2016,15(8):5497-5510.

[11] Dakun D,Fengye H,Feng W,et al. A Game Theoretic Approach for inter-Network Interference Mitigation in Wireless Body Area Networks[J]. China Communications,2015,12(9):150-161.

[12] 張宏剛,黃華. 基于 RSSI 路徑損耗因子動態修正的三邊質心定位算法[J]. 傳感技術學報,2016,29(11):1731-1736.

[13] Khan P,Ullah N,Alam M N,et al. Performance Analysis of WBAN MAC Protocol under Different Access Periods[J]. International Journal of Distributed Sensor Networks,2015,11(10):1-12.

[14] 蔣青,范馨月,陳善學. 通信原理[M]. 北京:科學出版社,2014:260-262.

[15] Smith D B,Boulis A,Tselishchev Y. Efficient Conditional-Probability Link Modeling Capturing temporal variations in body area networks[C]//Proc of the 15th ACM international conference on Modeling,analysis and simulation of wireless and mobile systems. New York:ACM,2012:271-276.

[16] Di Franco F,Tachtatzis C,Atkinson R C,et al. Channel Estimation and Transmit Power Control in Wireless Body Area Networks[J]. IET Wireless Sensor Systems,2014,5(1):11-19.

[17] Meshkati F,Poor H V,Schwartz S C,et al. Energy-Efficient Resource Allocation in Wireless Networks with Quality-of-Service Constraints[J]. IEEE Transactions on Communications,2009,57(11):3406-3414.