基于Wi-Fi和ZigBee技術的人體區域網絡的性能分析

李曉歌，王 輝

基于Wi-Fi和ZigBee技術的人體區域網絡的性能分析

李曉歌1,2，王 輝1,2

（1. 河南牧業經濟學院 智能制造與自動化學院，河南 鄭州 450003； 2. 河南省畜禽健康養殖與智能裝備工程研究中心，河南 鄭州 450003）

人體區域網絡通過傳感節點采集人體生理信號，再將生理信號傳輸至監控中心，實現對病人智能化監控。節點的通信協議對節點能耗有重要影響，針對低功耗的生理傳感節點，分析它們引用Wi-Fi和ZigBee技術的能耗性能。首先，設計人體生理信號采集系統，然后分析節點在各階段的能耗數據，進而分析使用Wi-Fi和ZigBee技術傳輸數據時的能耗性能。實驗表明，在低速率環境下，ZigBee技術比Wi-Fi技術的能耗更低，壽命網絡更長，但是在高速率時，Wi-Fi技術的能耗更低。

無線傳感網；生理信號；Wi-Fi；ZigBee；能耗

1 人體區域網絡

無線傳感網絡（wireless Sensor networks, WSNs）已在多個領域內使用，如農業、智能家居和康復醫療。老年人口的增加，對醫療需求日益上升。因此，基于WSNs的康復醫療得到廣泛研究[1]，人體區域網絡（body area networks, BAN）就是利用WSN對人體信息進行監測的網絡，稱為人體傳感網絡（WBAN），如圖1所示。WBAN由多個生理傳感節點組成，并由這些節點采集人體生理信號[2]，如心電圖、體溫、肌電信號，再將這些信息傳輸至控制中心。

盡管采用生理信號的傳感節點屬于低功耗設備，但是由于這些節點是微型設備，本身可儲存的電能較少。因此，能量利用率仍是阻礙這項應用發展的關鍵技術。據此，研究人員對這些傳感節點的能耗進行較深入研究[3]，其中節點的通信協議得到廣泛研究。

圖1 WBAN的拓撲結構

在人體傳感網絡中，傳感節點常采用Wi-Fi或ZigBee技術進行通信。其中，ZigBee無線通信技術是基于IEEE 802.15.4標準，主要工作在2.4 GHz頻段，數據傳輸率約250 Kbit/s。Xbee就是基于ZigBee協議通信設備[4]，能夠直接與微控制器的串口通信。Wi-Fi技術是基于IEEE 802.11標準，能夠為移動設備終端提供高速無線連接，數據傳輸速率達到11 Mbit/s。

然而，Wi-Fi技術與ZigBee技術在傳輸數據時的能耗并不盡相同。在人體傳感網絡中，傳感節點需要完成生理信號采集、數據傳輸兩項主要任務。這兩項任務消耗能量速度也不同。

為此，本文針對WBAN網絡，設計生理傳感節點，并且分析這些生理傳感節點分別利用Wi-Fi技術和ZigBee技術傳輸數據時的能耗，尋找滿足低能耗的條件。實驗數據表明，Wi-Fi技術更適合高速率環境。

2 生理信號采集平臺的設計

2.1 傳感節點

WBAN內的節點主要收集心電圖（ECG）、體溫和肌電（EMG）信號。為了能準確地采集并傳輸生理信號，必須考慮抽樣頻率、能量消耗和處理速度等參數。這些生理信號可看成是心臟活動的信息表[5]，信號幅度值能達到3 mV。為了能夠盡可能地使用心臟活動監測器，它的頻率應小于30 Hz。各生理信號的頻率范圍見表1。

表1 生理信號頻率范圍

WBAN內的節點屬微型、低功率設備。傳感節點內部模塊如圖2所示，主要由感測模塊、處理和控制模塊、通信模塊、能量供給模塊組成。

感測模塊主要由信號采集和信號預處理組成。預處理是通過集成電路[6]，對信號進行放大、濾波處理。處理和控制模塊屬節點核心部分，主要有微處理器（MCU）。通信模塊是指采用通信協議，如ZigBee或Wi-Fi協議。

圖2 傳感節點模型

此外，選用基于ESP8266的Wi-Fi芯片的串口模塊ESP-12EWi-Fi。ESP-12Wi-Fi模塊封裝了超低功耗32位微型MCU，并支持80 MHz和160 MHz，同時配置了外設的Flash和PCB板載天線，如圖3所示。

圖3 ESP-12E Wi-Fi芯片

2.2 信號采集和傳輸

選用AD8232模塊采集ECG信號。AD8232模塊能在噪聲環境下提取、放大及過濾微弱的生物電信號，再利用低功耗的模數轉換器輸出信號，并連接至ESP-12E模塊，如圖4所示。

選用DS18B20數字傳感器采集人體溫度信號，然，通過有線連接ESP-12E模塊[7]，最后，利用串口通信協議連接XBee模塊，如圖4所示。

圖4 生理信號采集和傳輸示意圖

選用模擬壓力傳感采集EMG信號，其通常放置在病人的手指或耳朵上，采集信號后，再利用ADC模塊輸出至ESP-12E模塊，最后也利用串口通信協議UART將信號傳輸至XBee模塊，如圖4所示。

ESP-12E模塊作為信號處理、傳輸的核心模塊。從圖4可知，生理信號的采集和傳輸過程中引用Wi-Fi和ZigBee模塊，其中ESP8266是采用Wi-Fi標準，而XBee模塊是基于ZigBee標準的。這2個通信模塊的參數如表2所示。

表2 ESP826和XBee模塊的參數

為了更好地保存節點能量，傳感節點具有休眠/活動模式。在活動模式中，傳感節點主要有信號采集、處理、存儲和傳輸4項任務，然后進入休眠模式。傳感節點的狀態轉移示意圖見圖5。

圖5 傳感節點狀態轉移示意圖

2.3 生理信號采集場景

本文的目的在于分析Wi-Fi和ZigBee兩類通信協議的能耗和網絡壽命。為此，搭建圖6所示的生理信號采集場景[8]，其中Wi-Fi節點以Wi-Fi方式接入Internet，而ZigBee節點以GPRS網關接入Internet。隨后，再利用Internet將數據傳輸到監測中心。

圖6 生理信號采集場景

3 數據分析

3.1 性能指標

依據圖6采集人體生理信號，分析基于ZigBee和Wi-Fi協議的性能[9]，主要包括電流消耗、數據傳輸時間和傳輸的數據包數。在實驗中，發送端與接收端間距離為1 m。

利用軟件內的Debug模式下的斷點測量所消耗的電流，并利用萬用表測量電流值。利用示波器以及探針測量信號的傳輸時間。利用編程軟件計算已成功接收的數據包數。

3.2 性能分析

基于ZigBee和Wi-Fi模塊的處理時間[10-11]結果見表3。表3可知，ESP8266的傳輸時間在25~39 ms，而XBee串口的傳輸時間正比于數據包的字節數[12]。采集時間與抽樣頻率有關。

表3 兩類通信協議的處理時間

表4顯示了這兩個無線模塊在各個階段的所消耗的電流值。從表4可知，Wi-Fi模式消耗了更多的電流，而XBee模式能夠保持低功耗特性。例如，在傳輸階段，Wi-Fi模式消耗135 mA，而XBee串口2消耗40 mA。

表4 電流消耗

為了更好地測量電流消耗，圖7和表5顯示了兩類協議在測量EMG、ECG和體溫數據時所消耗的電流。圖7的橫坐標為每小時內所傳輸的數據包數，數據包大小為380字節。圖7中的Z.ECG、Z.EMG、Z.Temp表示在ZigBee協議的測量脈搏數據、ECG和體溫數據時所消耗的電流，而W.ECG、W.EMG、W.Temp表示在Wi-Fi協議的測量脈搏數據、ECG和體溫數據時所消耗的電流。

從圖7可知，測量體溫所消耗的電流波動較小，并且占據了總消耗電波的大部分數據[13]，而隨著單位時間內傳輸數據包次數的增加，傳輸ECG的能耗迅速增加。此外，與ZigBee協議相比，Wi-Fi協議所消耗的平均電流得到有效控制，并且隨著單位時間內傳輸數據包次數的增加，平均電流消耗降低了越多。

圖8為ECG傳感節點各階段的能耗。數據包的大小為分別為100字節、300字節、500字節和800字節。從圖8可知，當在單位時間內只傳輸1個數據包時，休眠占據了大部分電流消耗，以Wi-Fi協議為例（圖8（b）），當數據包尺寸為100時，休眠階段所產生的能耗占95%，即使當數據包尺寸達到800時，休眠階段所產生的能耗也達到80%。

圖7 消耗的平均電流

表5 消耗的平均電流 mA

圖8 ECG傳感節點在各階段的平均能耗

對比圖8(b)與圖8(a)不難發現，Wi-Fi協議與ZigBee協議的能耗存在一些差異。當數據包尺寸大于100后，Wi-Fi協議在傳輸階段的電流消耗要小于ZigBee，并且隨著數據包尺寸的增加，優勢越明顯。

分析ECG節點在Wi-Fi和ZigBee兩類協議的網絡壽命結果見圖9。從圖9可知，當傳輸100個字節時，XBee節點能夠維持203 d，而Wi-Fi節點僅維持了189 d。當字節數達到800時，兩類節點的網絡壽命縮短，但是Wi-Fi節點的性能優于ZigBee。

圖9 網絡壽命

4 總結

本文基于Wi-Fi技術和ZigBee技術構建人體生理信號采集平臺，并分析了節點在各階段的能耗。實驗數據表明，XBee模式能保持低功耗，Wi-Fi模式消耗更多電流；當數據包尺寸大于300字節時，Wi-Fi節點的壽命比ZigBee節點壽命更長，而當數據包尺寸小于100字節，ZigBee節點具有更長的壽命。

[1] 王長峰，白帆，羅儒. 基于ZigBee技術的病人綜合信息網關技術[J]. 電子器件，2016, 39(2): 475–479.

[2] TAE-YOON K. Multi-hop wban construction for healthcare iot systems[C]//IEEE International Conference on Platform Technology and Service. 2015: 27–28.

[3] SNAJDER B, JELICIC V, KALAFATIC Z. Wireless sensor node modelling for energy efficiency analysis in data-intensive periodic monitoring[J]. Ad Hoc Networks, 2016, 49(3): 29–41.

[4] 侯艷波，秦會斌，胡建人. 基于嵌入式和ZigBee技術的節能系統的設計與實驗[J]. 電子器件，2012, 35(6): 670–673.

[5] RONALD N M, LING A V, PERCY M V. ECG con diagnostico por sistema experto y comunicación GPRS[D]. Perú: Universidad Nacional de san Agustín,2013.

[6] RICARDO Y R, JINMI L, MILTON R J. Physiological Wireless Sensor Nodes: Lifetime and power Consumption Evaluation for Data-Intensive Transmission[J]. IEEE transaction sensor network, 2017, 5(7): 56–61.

[7] 梅希薇，宋鑫宏，方偉. 基于連通性的無線傳感網絡覆蓋優化算法[J].傳感器與微系統，2017, 36(5): 145–148.

[8] 王曙光，楊蕾，劉滿倉. 自適應半徑調整的無線傳感網絡覆蓋算法[J].傳感器與微系統報，2016, 35(12): 137–139.

[9] MOSTAFAEI H, MONTIERI A, Persico V, et al. A sleep scheduling approach based on learning automata for wsn partial coverage[J]. Journal of Network and Computer Applications, 2017, 80(5): 67–78.

[10] REN S, LI Q, WANG H, et al. Design and analysis of sensing scheduling algorithms under partial coverage for object detection in sensor networks[J]. Parallel and Distributed Systems, IEEE Transactions on, 2017, 18(3): 334–350.

[11] SHAHZAD K, OELMANN B. A comparative study of in-sensor processing vs. raw data transmission using Zig Bee, BLE and Wi-Fi for data intensive monitoring applications[J]. In Wireless Communications Systems (ISWCS), IEEE 2014 11th International Symposium, 2014, (9): 519–524.

[12] SNAJDER B, JELICIC V, KALAFATIC Z, et al. Wireless sensor node modelling for energy efficiency analysis in data-intensive periodic monitoring[J]. Ad Hoc Networks, 2016, 49(5): 29–41.

[13] 莫振棟，趙中華. 物聯網RFID和ZigBee技術在高鐵列控系統的應用研究[J]. 中國測試，2014, 40(1): 97–100, 114.

Performance analysis on human regional network based on Wi-Fi and ZigBee technologies

LI Xiaoge1,2, WANG Hui1,2

(1. College of Intelligent Manufacturing and Automation, Henan University of Animal Husbandry and Economy, Zhengzhou 450003, China; 2. Henan Engineering Research Center on Animal Healthy Environment and Intelligent equipment, Zhengzhou 450003, China)

Human regional network collects human physiological signals through sensor nodes, and then transmits the signals to the monitoring center to realize intelligent monitoring of patients. Node communication protocols have an important impact on node energy consumption. For low-power physiological sensor nodes, energy consumption performance of Wi-Fi and ZigBee technologies is analyzed. Firstly, a human physiological signal acquisition system is designed, and then the analysis on energy consumption data of nodes at different stages are carried out so as to analyze the energy consumption performance of data transmission by using Wi-Fi and ZigBee technologies. The experiment shows that ZigBee technology has lower energy consumption and longer lifetime network than Wi-Fi technology in low-speed environment, but lower energy consumption in high-speed environment.

wireless sensor network; physiological signal; Wi-Fi; ZigBee; energy consumption

TPT393

A

1002-4956(2019)09-0049-04

2019-02-21

河南省科技攻關計劃項目（172102210297）

李曉歌（1976—），女，河南許昌，碩士，講師，研究方向為數據庫與數據挖掘、計算機網絡。

10.16791/j.cnki.sjg.2019.09.013