体域网中基于数据区分化服务的路由算法研究

严巧凤， 章敬雪，苏丹，李章勇

（重庆邮电大学 光电信息感测与传输技术重庆市重点实验室，重庆 400065）

前言

体域网（Body Area Network, BAN）[1]是在无线传感器网络（wireless sensor networks，WSNs）的基础上发展起来的一种新型的传感器网络，在远程医疗保健、特殊人群监护和社区医疗等医疗应用领域有着重要的应用意义和大量的需求，并成为研究热点[2,3]。

相比WSNs，体域网有自身的独特需求和应用挑战，主要包括两方面：一方面，与WSNs采用多跳网络拓扑结构不同，现有体域网只采用1跳星型结构，并不需要考虑路由问题，但由于在某些情况下存在较大路径损耗[4,5]，传感器节点无法与sink节点进行直接的通信（例如，传感器节点位于身体背部，sink节点位于身体胸部），针对这类问题，需要引入中继节点，来保证网络的连通性，中继节点的引入就需要涉及到路由选择问题，而现有多跳路由选择算法大都是针对WSNs大规模网络提出来的，运算复杂度高，不适用于体域网这种小型网络。另一方面，与传统WSNs技术相比，体域网采集、处理和传输的数据不再是单一的数据格式，而是包括不同种数据类型的生理信息（体温、血压、脑电、心电，乃至图像信息等），这些不同的数据类型对实时性要求不一样，为了实现网络性能最优化，设计根据不同数据类型的不同需求进行区分化服务的QoS保障路由机制成为首要目标[6]。

当前QoS问题研究主要集中在传统WSNs，专门针对体域网的QoS路由协议研究较少。具有QoS约束的传统WSNs路由协议只为简单数据提供统一的QoS支持，例如为了满足实时性等要求，而提供时延、抖动等QoS约束，并且大多数都以“最小跳数”作为选路的基本准则，这样很容易造成网络中间节点负载过高，能量消耗过快，导致节点过早死亡，反而影响了实时业务端到端的时延。还有一些协议是以“最小通信代价”作为选路的基本准则，最终的最优路径可能不是最短的路径，不适合实时业务的传输要求。

体域网是一个小型的无线网络，根据文献[7～9]，最优网络拓扑结构应该控制在2跳范围之内，所以不适合以“最小跳数”来作为选路的基本标准。因此，提出适合体域网数据传输的路由算法，本文从两个方面入手：一是构建2跳拓扑结构网络，二是为不同数据提供区分化QoS服务，满足时延敏感数据的实时性要求，同时针对非时延敏感的常规数据，以节点剩余能量作为选路的基本标准，均衡网络能耗，减少了对时延敏感数据的干扰，提供更加全面的QoS保障。

2 基于DD体域网数据区分化服务路由算法的实现

本研究引用定向扩散（Directed Diffusion，DD）[10]协议中“兴趣”消息扩散和“梯度”建立的思想，并对其进行改进和扩展，提出适用体域网数据传输的基于数据区分化的路由算法。改进和扩展体现在四个方面：（1）是基于节点剩余能量和节点时延扩展洪泛阶段的兴趣包字段。（2）是控制洪泛阶段兴趣包的广播，建立跳数最多为2跳的网络拓扑结构。（3）是在数据传输阶段，源节点先确定感知的数据业务优先级，根据业务优先级来进行相应数据处理和传输。（4）再根据数据业务类型的不同优先级和QoS需求来确定转发的中继节点。

2.1 兴趣梯度建立

在梯度建立的兴趣数据分组洪泛过程中，兴趣数据分组增加如下字段：节点剩余能量（eava）和节点时延（DLnode）。

梯度的建立：体域网是一个小型网络，但由于网络中有些节点无法直接跟sink节点进行通信，所以需要引入中继节点，构建2跳网络拓扑结构。本文中把节点划分为三类：sink节点、中继节点和非中继节点，中继节点与sink节点直接相连，如图1、图2中的节点1、节点2和节点3，非中继节点不与sink节点直接相连，如图2中的节点5。梯度的建立实际上是与兴趣的广播同时进行的，图1 是一次兴趣传播的过程，sink节点首先按改进的兴趣分组以经典的泛红方式向邻居节点广播兴趣消息，传感节点接收兴趣消息，确定是否是直接来自sink节点的兴趣，如果是，则此节点标记为中继节点，建立反向梯度，即把sink节点作为下一跳节点。图2 是中继节点兴趣转发的过程，中继节点更新兴趣，然后转发给邻居节点，中继节点接收到其他中继节点的兴趣时，直接丢弃该兴趣，不再进行处理建立反向梯度，非中继节点接收来自中继节点的兴趣包后，记录中继节点剩余能量（eava）和时延（DLnode）信息，更新中继节点列表，并建立反向梯度，非中继节点不再转发兴趣包。

梯度建立实例：

图1一次兴趣传播和梯度建立过程Fig. 1interest spread and gradient established

图2中继节点兴趣转发和非中继节点梯度建立过程Fig.2Relay nodes interest forwarded and the non-relay node gradient established

算法有选择性的建立反向梯度，避免了中继节点之间双向梯度的建立的，降低了中继节点能耗，同时通过控制洪泛阶段兴趣包的广播，防止了大量冗余信息的产生，减少了资源开销。

2.2 确定数据业务优先级和队列模型

为了保证对病人的正确诊断，医生需要收集尽可能多种的生理信号，例如体温、血压、脑电、心电等。显然根据病人的身体状况不同，这些收集的数据重要性也不同，我们需要对这些数据进行优先级排序。为了支持数据区分化服务，IEEE 802.15.6在BAN数据帧结构里面指定了一个区域用来存放用户数据优先等级，通过读取数据包优先等级来识别数据类型，表1表示数据包优先等级与相应数据类型的映射关系，在BAN中可以取7个不同的值[8～9]，本文根据需要只分了两个优先等级，其中6代表时延敏感数据（DS），3代表常规数据（GM），值越大优先级越高。图3展示了BAN节点队列模型，输入数据经过分类器，根据数据优先级被放入不同的队列中，同一队列中采用先进先出服务模式，调度器服务于不同的输出队列，采用高优先级队列优先服务的准则。（einit）减去节点消耗的能量（econ），节点消耗的能量，即

表1数据优先级映射关系table 1data priority mapper

其中，etx和erx分别表示发送和接收一个bit数据需要消耗的能量，b表示节点传输数据的比特总数。

2.3.2中继节点选择

基于定义的Clink函数，为满足时延敏感数据和常规数据的不同QoS需求，可以通过确定α，β的值，来选择不同数据类型的下一跳中继节点。在源节点存在候选节点的情况下，中继节点选择算法过程如图4所示。

图3BAN节点队列模型Fig. 3BAN node queue model

2.3 中继节点选择算法

2.3.1Clink函数定义

在上述梯度建立的基础上，路径选择算法是在前述的梯度建立为前提的，节点上数据进行优先级排序后在队列中等待传输给某一中继节点，为了满足不同数据类型的不同QoS需求，首先定义了一个Clink函数，为源节点si选择下一跳中继节点。即

其中Sj是Si的邻居节点，计算Si所有邻居节点的Clink函数值，选择函数值最大的邻居节点作为节点si的下一跳节点，α和β为权重，满足α+β=1。

公式（1）中节点时延（DLnode）取决于以下因素：处理时延（DLpro）、排队时延（DLqueue）和传输时延（DLtran），但由于算法计算量较小，处理时延（DLpro）可以忽略不计，即

其中，Rbit为无线信道速率；Nbit为每个数据包里面的比特总个数；

公式（2）中，排队时延（DLqueue）是指数据包从进入队列到开始进行数据传输这段时间差，本文使用指数加权移动平均（EWMA）公式来估算，估算值用 表示。

公式（1）中节点剩余能量（eava）等于节点初始能量

图4中继节点选择算法流程Fig. 4Relay node selection algorithm process

上述节点选择过程，在保证为时延敏感数据构建一条时延最短最优路径的条件下，最大化了网络生存时间，优化了网络性能。上述算法过程中，若有相同Clink值且是最大值，则以最近一次计算的那个节点作为下一跳节点。

3 Opnet模拟器验证实验

为了验证基于DD的区分化路由协议的运行情况，本文使用opnet模拟器构建网络仿真测试环境。试验中，sink节点固定，10个传感器节点随机分布在2m×2m的区域内（参考BAN标准802.15.6设置节点区域），且全部相对静止，节点传输范围为0.7m，业务数据包括时延敏感数据（DS）和常规数据（GM），本文通过改变数据包产生速率（packet/second），对体域网进行模拟，得到不同的数据包产生速率下的端到端平均时延和节点平均能量消耗，如图5、图6所示；另外可以通过改变网络数据流中不同数据类型的比例DGR（DGR=时延敏感数据（DS）/常规数据（GM）），得到不同DGR下的网络生命周期的仿真图，如图7所示。

图5结果表明：①时延敏感数据（DS）和常规数据（GM）的时延明显分离，时延敏感数据端到端平均时延始终低于常规数据；②随着数据包产生速率的增加，时延敏感数据平均时延也相应的增加，但幅度不大，基本趋于平稳，而常规数据平均时延增加较快。可以推测：数据在传输过程中，由于不同业务采用了不同的优先级调度策略和中继节点选择算法，保障了不同业务的QoS需求。

图 5平均端到端时延Fig. 5Average end-to-end delay

图 6 平均能量消耗Fig. 6The average energy consumption

平均能量消耗指的是网络中每个节点消耗能量的总和与sink 节点所接收到的来自源节点的数据量总和的比率，即指源节点传输一个有效数据包到sink节点所要平均消耗的网络能量。图6反映了网络平均能量消耗随数据包产生速率增加的变化关系：①改进算法平均能量消耗始终低于DD算法；②随着包产生速率的增加，改进算法和DD算法平均能量消耗增加。可以推测：本文通过兴趣扩散和梯度建立，控制洪泛阶段兴趣包的广播，构建适用于体域网路由的2跳网络拓扑，使平均跳数少于DD算法，同时又避免了中继节点之间双向梯度建立，降低了中继节点能耗，减少不必要的资源开销，降低了网络平均能量消耗。

图7 表明，随着DGR的减小，即常规数据所占比重增大，网络的生命周期明显得到延长，这就说明可以通过调整网络中数据包的优先等级，在生命周期和延迟之间有不同的侧重点，实现在体域网中节能和服务质量平衡的目标。

图 7不同DGR下的网络生命周期Fig. 7Network life cycle under different DGR

4 结论

本文针对体域网的独特需求和应用挑战，对网络数据流中不同数据类型提供区分化服务的路由算法。该算法基于节点剩余能量和节点时延扩展洪泛阶段的兴趣包字段，并以经典的泛洪方式向邻居节点广播，邻居节点选择性的转发数据包和建立梯度，构建了符合体域网要求的2跳网络拓扑；在数据传输阶段，该算法通过确定数据优先级和队列模型，基于时延、能量二维QoS参数确定不同优先级数据的下一跳节点，实现了数据的区分化服务。验证实验表明，本文提出的算法能够满足时延敏感数据（DS）和常规数据（GM）不同的QoS需求，并能很好的构建时延较短最优路径，优化了网络能量消耗，适合体域网路由。

本文提出的算法针对的是传感器节点相对静止的情况，如何为运动的传感器节点提供区分化服务的路由算法将是我们进一步深入研究的课题。

[1] IEEE 802.15 WPAN Task Group 6 (TG6) - Body Area Networks.www.ieee802.org /15/pub/tg6. html - 2003.

[2] Istepanian R S H, Jovanov E, Zhang Y T. Guest editorial introduction to the special section on m-health: Beyond seamless mobility and global wireless health-care connectivity. Information Technology in Biomedicine, IEEE Transactions on, 2004, 8(4): 405-414.

[3] Raskovic D, Martin T, Jovanov E. Medical monitoring applications for wearable computing. The Computer Journal, 2004, 47(4): 495-504.

[4] Reusens E, Joseph W, Vermeeren G,et al.urements, model, and simulations of a 2.45 GHz wireless body area network communication channel. Medical Devices and Biosensors, 2008. ISSS-MDBS 2008. 5th International Summer School and Symposium on. IEEE, 2008: 149-152.

[5] Fort A, Ryckaert J, Desset C,et al.Ultra-wideband channel model for communication around the human body. IEEE J. Sel. Areas Commun, 2006, 24(4): 927-933.

[6] Kay J, Frolik J. Quality of service analysis and control for wireless sensor networks. Mobile Ad-hoc and Sensor Systems, 2004 IEEE International Conference on. IEEE, 2004: 359-368.

[7] Cooper B F. An optimal overlay topology for routing peer-to-peer searches. Middleware 2005. Springer Berlin Heidelberg, 2005: 82-101.

[8] Li H B, Takizawa K I, Zhen B,et al.Body area network and its

standardization at IEEE 802.15. MBAN. Mobile and Wireless Communications Summit, 2007. 16th IST. IEEE, 2007: 1-5.

[9] IEEE Standards Association. IEEE standard for local and metropolitan area networks-part 15.6: wireless body area networks.IEEE Standard for Information Technology, IEEE, 2012, 802(6):1-271.

[10] Intanagonwiwat C, Govindan R, Estrin D. Directeddiffusion:Asealable and Robust communication paradigm for sensor networks.Proeeedings of the AC-CM MobiCo'00, Boston, MA, 2000.

[11] Bangash J I, Abdullah A H, Anisi M H,et al.A survey of routing protocols in wireless body sensor networks. Sensors, 2014, 14(1):1322-1357.

[12] Tabandeh M, Jahed M, Ahourai F,et al.A Thermal-aware Shortest Hop Routing Algorithm for in vivo Biomedical Sensor Networks.Information Technology: New Generations, 2009. ITNG'09. Sixth International Conference on. IEEE, 2009: 1612-1613.