IEEE 802.15.6中能量有效的无线体域网拓扑结构优化研究

梁正友，姚玉梅



IEEE 802.15.6中能量有效的无线体域网拓扑结构优化研究

梁正友1,2，姚玉梅1,2

（1. 广西大学计算机与电子信息学院，广西南宁 530004; 2. 广西大学广西多媒体通信与网络技术重点实验室培育基地，广西南宁 530004）

提出一种无线体域网(WBAN, wireless body area network)的网络拓扑结构设计方案。该方案针对IEEE 802.15.6标准的2跳扩展星型拓扑结构，建立基于混合整数非线性规划的能耗成本优化模型，通过调整中继节点的位置和数量，以及数据到汇聚节点的路由，获得优化的网络拓扑结构。实验结果分析表明，与Elias提出的EAWD(energy aware WBAN design) 模型相比，所提出的方案能使网络能耗减少40.5%，网络时延平均降低52.4%，网络寿命提高了一倍。

IEEE 802.15.6；网络拓扑；能量效率；网络寿命；混合整数非线性规划

1 引言

无线体域网（WBAN, wireless body area network）通过分布在人体体表或植入人体体内的无线传感器或设备，连续监测人体的生理信号和运动行为，并将感知的信息由无线信道传送到网关节点，通过互联网与远程监护系统通信，从而对被监护者的生理信号和运动行为进行实时监测[1]。无线体域网应用到卫生医疗保健领域，将使以预防为主、早诊断、早治疗的新型医疗模式成为可能，还可以帮助解决看病难、看病贵、人口老龄化等问题；在体育和军事训练、消费类电子等非医疗领域，无线体域网也有着广阔的应用前景[2]。由于这些重要的应用前景，无线体域网成为当前的一个研究热点。IEEE 802委员会针对无线体域网的短距离、低复杂度、低功耗、高可靠的需求迫切，于2012年3月发布专门用于无线体域网的通信标准IEEE 802.15.6标准的正式版本[3]，其主要内容规定了无线体域网的物理层和MAC层基本结构，指出加密认证和安全方面的实现方式；同时，该标准定义了1跳星型拓扑和2跳扩展星型拓扑结构，为无线体域网的标准化和产业化创造了条件。

无线体域网一般由一系列的传感器节点和中继节点、一个汇聚节点（hub）组成。其中，传感器节点负责采集或转发信息给其他节点，最后汇集到汇聚节点；汇聚节点负责将收到的信息发送到互联网的医学信息中心处理；中继节点不采集信息，只负责转发信息，有些无线体域网不使用中继节点。网络中所有节点之间的逻辑连接关系构成网络拓扑结构[4]。无线体域网的常见拓扑结构有星型结构[5]、2跳扩展星型结构[6]、全网状网结构[5]、树型结构[7]，如图1所示。

由于无线体域网中的传感器能量有限，因此要求一个无线体域网要节能，以延长体域网的网络寿命。另一方面，无线体域网所采集的信息非常重要，且需要实时性处理；因此，要求无线体域网的网络时延要小。网络拓扑结构对无线体域网节能和减少网络时延有直接的影响，网络拓扑结构设计和优化被大量的学者重视[7~19]。

文献[7, 9, 10]指出在单跳星型拓扑结构中，当传感器节点与汇聚节点的距离较远时，单跳的路径损耗效应将影响通信链路的性能（如接收信号强度指示RSSI），因此使用中继节点将较远传感器的信息转发给汇聚节点或其他中继节点，从而使星型结构扩展成树型结构。Fabio等[11]通过实验研究全网状网络的特性、同步传输的链路相关系数以及传输速率、延迟时间对数据可靠性的影响，并在此基础上比较了1跳和2跳网络的性能，结果表明2跳拓扑结构是构建无线体域网的较佳选择。Kim等[12]研究发现2跳拓扑结构的网络寿命与3跳拓扑结构相当，指出2跳拓扑结构能够满足WBAN应用需要。

Braem等[13]研究拓扑结构对网络能耗的影响时，使用节点间通信距离固定的线型拓扑结构和满二叉树拓扑结构，实验结果显示单跳通信中，远离hub的传感器能耗大；多跳通信中，靠近hub的传感器节点兼顾采集信息和转发信息的责任，因此其能耗较大；基于这些结果，Braem提出通过在hub的下一级中引入中继设备并使用协作机制的方案，提高网络寿命。

Hamida等[14]首先从独立无线链路、真实WBAN信道以及运动场景下深入分析拓扑结构的动态特性。然后在此调研结果基础上，研究了IEEE 802.15.6标准的1跳星型结构和2跳扩展星型结构以及全网状网络结构，并将能量消耗、数据传输率以及延迟作为性能指标评估比较3种拓扑结构。结果表明，2跳扩展星型结构和全网状网络结构具有相似的性能，且优于1跳星型结构。

Elias等[15]针对多跳树型拓扑结构无线体域网的安装和能耗的优化问题，提出一个混合整数线性规划模型（EAWD, energy aware WBAN design model），根据传感器、hub和候选位置的坐标等参数，求解传感器节点的信息到达hub的路径，并明确指出每条路径上中继节点的部署位置以及中继节点的总数量，以达到降低安装成本和能耗的目标。

综上所述，文献[7~15]研究了星型、扩展星型、树型和全网状网型等不同拓扑结构对能耗和时延的影响，得出了2跳扩展星型结构具有优良的综合性能，但他们都没有对网络的部署优化进行研究。Elias等[15]虽然提出了多跳树型拓扑结构的WBAN网络拓扑设计优化方案，但该模型存在的问题是所有传感器节点必须通过中继节点转发给汇聚节点；但在传感器节点位置靠近汇聚节点的情况下，引入中继节点不一定能增加网络寿命，反而增加了网络的总能耗和时延。另一方面，该方案是采用多跳树型拓扑结构，但是对跳数没有严格限制，导致跳数较多的情况下数据传输率降低，网络时延增大；同时，由于忽略遵循无线体域网的相关标准，对拓扑结构的应用性也会造成一定影响。本文在借鉴已有的工作基础上，以研究如何高效利用WBAN节点的有限能量来延长网络生命周期为首要目标，通过构建IEEE 802.15.6标准的2跳扩展星型结构的能耗成本模型，采用混合整数非线性规划优化方法求解模型，得到中继节点部署位置、数量和传感器通往hub的路径，减少网络能耗、安装成本，降低时延，增加网络寿命。

2 IEEE 802.15.6的2跳扩展拓扑结构设计优化模型

2.1 IEEE 802.15.6的WBAN网络模型

在IEEE 802.15.6标准的2跳扩展星型拓扑结构中，无线体域网由一系列的传感器节点和中继节点、一个汇聚节点组成。其中，传感器节点按照医学应用的要求被预先安装在指定的位置，如手臂、腿部、胸口等位置上，负责采集人体医学信息，发送信息给中继节点或者汇聚节点，最后汇集到汇聚节点；汇聚节点也预先安装在指定的位置，负责将收到的信息发送到位于互联网的医学信息中心处理；中继节点不采集信息，只负责转发信息给汇聚节点；中继节点被安装在候选位置上，其数量和位置不固定，通过拓扑优化设计模型来确定其位置和数量，从而降低网络能耗，延长网络寿命，减少网络时延。通信协议使用IEEE 802.15.6，采用体表信道。

2.2 信道和能耗模型

由于人体通信环境复杂，不同位置节点之间的通信信道呈现出不同的特征。根据节点的位置，IEEE802.15.6标准将无线体域网的信道分为4种类型，如表2所示。本文重点研究体表到体表的信道CM3，由于体表信道传输存在路径损耗，WBAN的路径损耗由通信距离和通信频率共同决定；同时人体本身对它也会产生影响，在视距内（LOS, line of sight）和非视距内（NLOS, non-line of sight）情况下信道模型是不同[1,16,17]。因此，将N4、N5场景下的CM3信道模型分别命名为CM3-A、CM3-B。

表1 基本符号

表2 IEEE 802.15.6信道模型

根据对IEEE 802.15.6信道的路径损耗分析，并从保护人体组织的角度考虑[20]，将中继节点的通信范围上限设为45 cm，汇聚节点的通信范围上限设为80 cm。

每个传感器和中继节点能耗主要由4部分构成: 采集、接收、发送和处理能耗。以一位数据为例[1,21]，发送能耗包括发送器产生的能耗为和放大器产生的能耗为，其中，n、D分别为节点与之间的路径损耗系数和距离；接收器产生的接收能耗为。假设采集能耗和处理能耗忽略不计，共传输位数据，则总发送能耗为，总接收能耗为。

2.3 IEEE802.15.6网络能耗成本优化模型

根据图1(b)可知，IEEE802.15.6的2跳扩展星型结构的通信方式为部分传感器节点直接与hub通信、另一部分传感器节点经过中继节点将信息转发给hub。因此，哪些传感器节点可以直接与hub通信、哪些传感器节点需要中继节点转发信息、中继节点部署在身体的哪个位置成为设计拓扑结构的关键问题。

由于网络部署时，主要考虑的因素为网络总能耗和安装成本，结合2.1节定义的WBAN网络模型以及2.2节分析的传输模型和能耗模型可知，安装成本为候选位置安装的各中继节点成本之和，定义为，如式(1)所示。

传感器节点发送信息到中继节点的总能耗是与中继节点链接的所有传感器节点发送能耗之和，定义为，如式(2)所示。

(2)

中继节点接收传感器信息的总能耗为负责转发的中继节点接收能耗之和，定义为，如式(3)所示。

中继节点将信息转发给汇聚节点hub的总能耗为负责转发的中继节点发送能耗之和，定义为，如式(4)所示。

(4)

传感器节点发送信息到汇聚节点hub的总能耗为与汇聚节点hub链接的所有传感器节点发送能耗之和，定义为，如式(5)所示。

考虑到汇聚节点hub能量充足，hub的接收能耗忽略不计；同时，考虑平衡安装成本和能耗，为总能耗设置权值。因此，能耗成本模型为

(6)

其中，式(7)为模型的目标函数，指出无线体域网最优化的总安装成本和总能耗。式(8)~式(16)为模型的约束条件，式(8)限制传感器节点最多与一个中继节点通信。

(8)

式(9)说明如果传感器和中继节点通信，应该确保候选位置上安装了中继节点，并且它们的距离在可通信范围内。

式(10)规定若汇聚节点与中继节点通信，应该确保候选位置上安装了中继节点，并且它们的距离在可通信范围内。

(10)

式(11)说明传感器与汇聚节点间的通信受可通信范围的约束。

式(12)指出经过中继节点的通信量不能超过其自身的容量。

(12)

式(13)规定了中继节点处的通信平衡，即接收传感器信息的通信量等于发送给汇聚节点的通信量。

式(14)强调每个传感器节点分配给最近的中继节点或者汇聚节点。

(14)

式(15)限制传感器节点不能同时与中继节点和汇聚节点链接。

式(16)对变量取值做出约束。

(16)

OECM模型是一个混合整数非线性规划模型，可使用优化建模软件Localsolver编程实现并对求得模型的最优解，同时确定中继节点的部署位置、数量以及传感器发送信息到hub的最优路径。

从时间复杂度角度分析，一方面，OECM模型确定部分传感器节点直接与hub通信，因此不需要为其选择匹配合适的中继节点，从而降低了求解模型的时间复杂度；另一方面，OECM模型将拓扑结构限定为2跳。假设传感器节点数目为，候选位置个数为，结合OECM模型流程图（如图2(a)所示）可知，该模型求解的时间复杂度为；但EAWD模型并未限定拓扑结构的跳数，若其得到拓扑结构的最大跳数为(≥2)，结合EAWD模型流程（如图2(b)所示）可知，该模型求解的时间复杂度为。综上分析可知，OECM模型的时间复杂度低于EAWD模型。

3 实验与分析

本文实验平台为一台联想电脑，配置为Intel(R) Pentium(R) CPU G3220 @ 3 GHz处理器，2 GB内存，Windows XP。使用Localsolver 5.0编程实现优化模型，并求解得到中继节点的数量和部署位置以及整个网络的拓扑结构，用Matlab2014a分析整理实验数据。

3.1 实验参数

本文采用文献[22]的节点位置模型，文献[22]中指出人体的测量标准是正确定位传感器和汇聚节点的必需步骤，作者使用达芬奇人体测量的方法，将基于理想比例的维特鲁威人素描图作为测量对象，并在三维坐标系的基础上，研究出最优的传感器和汇聚节点部署位置，即在人体体表部署10个传感器节点：胃部的1=(0.5, 1.5, 0)，心脏处的2=(, 2, 0)，肩膀处的3=(−1.5, 2.5, 0)，颈部的4=(−0.5, 3.4, 0)，胯部的5=(1.5, 0, 0)，大腿处的6=(0.5, −, 0)，右膝处的7=(−0.5, −2, 0)，左膝处的8=(0.5, −2, 0)，小腿处的9=(0.25, −2.5, 0)，腋下的10= (, 1.5, 0)，1个汇聚节点：=(0.5, 0.5, 0)，其中，=25 cm (相当于身高为175 cm)；将Nordic nRF2401[23]收发机作为传感器和中继器，其能耗参数如表3所示。

表3 Nordic nRF2401的能耗参数

考虑到人体活动对中继节点转发信息的影响以及人体的穿戴舒适程度，因此尽可能避免将候选位置选取到运动频率和运动幅度较大的部位，如手臂、手脚、腿部等。同时综合考虑线段公理以及距离对能耗的影响，候选位置选取在传感器节点与hub组成的若干个多边形区域，如图3所示的3个多边形区域，结合常用中继节点的设备规格，将多边形区域顶点的、最值10等分，连线的交点即为候选位置。

3.2 实验分析

本文实验包括两部分，第一部分根据OECM模型的主要设计目标，即如何高效利用体域网中继节点的有限能量来延长整个网络的生命周期，因此首先忽略安装成本部分，评估通信量()对总能耗的影响，然后研究权重参数对总能耗、安装成本、中继节点负载的影响。第二部分以网络能耗、规模、寿命以及传输延迟作为性能指标，与EAWD模型[16]和IEEE802.15.6的1跳星型拓扑结构进行对比分析。

为了评估通信量对构建节能拓扑结构的影响，考虑WBAN网络场景保持如图3不变的情况下，从40 bit/s以20 bit/s为间隔取值到200 bit/s，求解模型的最优解，即网络总能耗最小值。实验结果如图4所示，3种拓扑结构网络总能耗不受通信量的取值影响，而且本文的OECM模型得到的网络总能耗比EAWD模型降低38.6%，且均优于1跳星型拓扑结构。因此，将10个传感器的通信量设为[20, 200]的随机值。

3.2.2 权重参数的影响

在OECM模型中，作为安装成本和网络能耗的权衡因子，如果不考虑安装成本，则设为较大值，比如=¥。本节在WBAN网络场景保持如图3不变的情况下，研究参数对EAWD模型和OECM模型求解最优解（即网络总能耗最小值、总安装成本最小值）的影响。

实验结果如图5~图7所示，从图5可以看出，对模型构造无线体域网的总能耗没有影响，但本文OECM模型得到的无线体域网总能耗比EAWD模型降低41.4%。由于总安装成本=每个中继节点的安装成本×中继节点数目，且本文假设在所有候选位置安装中继节点的成本相同，因此总安装成本与中继节点数目成正比。如果较大时，说明不重视引入中继节点的个数，因此优化模型引入更多的中继节点，导致安装成本增加；反之，较小时，安装成本降低。图6可以看出，权重参数=1时，构造无线体域网的总安装成本最低，>105对总安装成本没有影响，且本文OECM模型得到的无线体域网总安装成本比EAWD模型降低50%。

由于OECM模型限定拓扑结构为2跳，使用的中继节点数目受到一定限制，因此当为较大值时，无线体域网引入的中继节点数目增加不明显，而EAWD模型并未限定跳数，导致实验结果的规律与文献[23]相比有一定偏差。

除了网络能耗和安装成本，当中继节点的链接数较大时，转发任务使该节点能量消耗速率加快，从而导致无线体域网中的节点能耗分布不均匀，因此中继节点的最大链接数作为衡量网络总能耗分布情况的重要指标，本节在取不同值时，计算中继节点链接传感器的最大链接数。从图7可以看出，权重参数=1时，构造无线体域网中继节点链接传感器的最大链接数最大，>105时，对中继节点最大链接数没有影响，与EAWD模型相比，本文OECM模型得到的无线体域网中继节点最大链接数降低33%。

因此在WBAN的实际部署时，为了同时确保低能耗、低成本以及能耗均匀分布，可以考虑将权重参数设为[1,105]的值。

3.2.3 网络能耗分析

对于本文采用的节点位置模型用OECM、EAWD优化设计模型得到的网络拓扑分别如图8(a)、图8(b)所示，星型网络拓扑（STAR模型）如图8(c)所示。从拓扑结构上看，OECM引入5个中继节点，其最大链接数（Max_RS）为1；而EAWD引入中继节点的数目（R）最多为8个，最大链接数为2。由于拓扑结构的变化对网络能耗、时延和网络寿命产生了很大的影响，本文将在本节和随后2节进行分析。

图8所示的网络拓扑的能耗如表4所示。OECM模型的总能耗（tot）比EAWD模型改进百分比（PI, percentage improvement）为40.5%，这是由于图8(b)EAWD模型结构中部分靠近hub的传感器使用中继节点转发信息，不仅使中继节点数目增加3个，而且转发的能耗大于直接发送的能耗，导致总能耗增加。同时，中继节点的最大链接数为2，可能会导致链接数大的中继节点能耗升高，导致平均能耗（R）较大，也增加了总能耗。而对于STAR模型，虽然没有引入中继节点，但远离hub的传感器节点需要更多的发射放大功耗传送数据，使得传感器平均能耗（S）远大于OECM模型，导致总能耗比OECM模型高出13.06倍。

3.2.4 网络时延分析

网络时延指的是信息从传感器端传送到汇聚节点hub端所需要的时间，它包括了发送时延、传播时延、排队时延和传输时延。假设发送时延和传输时延相同，则可以忽略不计，那么网络时延(d)= 传播时延(s)+排队时延(q)。其中，排队时延为等待队列前信息发送时间，如式(17)和式(18)所示。

(18)

式(17)中，表示发送节点与接收节点之间的距离，和为参数，在人体上，=0.54，=−1.82；式(18)中为等待队列，D为在等待队列位置处的数据[7]，为节点的处理信息速度，本文以Nordic nRF2401[23]的处理速率1 Mbit/s作为本实验的处理信息速度。根据计算结果得到3种拓扑结构的网络时延，如图9所示。

表4 网络能耗对比

从图9可以看出，由于1跳星型拓扑结构WBAN中的传感器直接与汇聚节点通信，只需考虑传输时延，因此网络时延最低。将图8中OECM模型得到的网络与EAWD模型得到的网络相比，除了传感器3、4、7、8的网络时延相同，其余传感器的网络时延均有明显降低，原因是图8(a)中传感器1、2、5、6、10没有引入中继节点，选择直接与汇聚节点通信，从而省去了排队时延；传感器9的中继节点选取在较好的候选位置并且独自使用一个中继节点节省了排队时延，使其网络时延降低。整个无线体域网的传感器网络时延平均降低52.4%。

3.2.5 网络寿命分析

本文以第1个传感器节点“失效”前其信息采集轮数（round）来衡量网络寿命，假设所有节点能量均为5 J，根据网络能耗分析实验数据和结果发送数据，传感器和中继节点的网络寿命如表5和表6所示。

表5 传感器的网络寿命

根据表5和表6中的数据，并结合网络寿命的定义，可知EAWD模型得到的无线体域网寿命为499 012；星型拓扑结构WBAN网寿命为31 867；OECM模型得到的无线体域网寿命为1 015 499，与EAWD模型相比，网络寿命提高近104%。由于无线体域网中引入了中继节点，传感器只需将信息交由距离较近的中继节点转发，从而提高了它们的网络寿命，因此离汇聚节点较远的传感器，如图8(c)中的传感器4成为星型拓扑结构WBAN的网络寿命瓶颈。但是EAWD得到的无线体域网中继节点的最大连接数大于OECM的无线体域网中继节点的最大连接数，因此转发任务集中到链接数较大的中继节点，如图8(b)传感器8和传感器9共用的中继节点能耗增加，从而降低了网络寿命。

表6 中继节点的网络寿命

3.2.6 误比特率分析

以医疗无线体域网为例，WBAN采集到的人体生理参数是作为医务人员对监测者疾病诊断的重要依据，所以说完整准确的监测数据对于疾病的诊断具有重要的意义。因此传输过程中路径损耗带来的误比特率是衡量无线体域网好坏的一个重要指标。

1) 路径损耗模型

文献[24]利用最小二乘法将2个频带拟合成回归直线并推导出信道CM3-A的路径损耗模型如式(19)所示。

其中，和为线性拟合系数，表示发射器与接收器之间的距离，是标准偏差为的正态分布随机数；在室内环境下，=6.6，=36.1，=3.8。

信道CM3-B的路径损耗模型如式(20)所示[24]。

其中，0为接近天线的平均损耗，为表面波在人体周围传播时的平均衰减率，为距离，1为在室内环境中信号远离身体并反射到接收器的平均衰落，为标准偏差为的正态分布随机数；在室内环境下，0=25.8，=2.0，1=−71.3，=3.6。

为了区别无线通信链路类型（即LOS和NLOS），本文将人体表面大致分为6个区域，分别为左小腿区域、右小腿区域、左大腿区域、右大腿区域、左躯干区域和右躯干区域。

当2个传感器节点之间的链路位于同一区域时，链路类型为LOS，信道的路径损耗模型采用式(19)；当链路跨域2个区域时，链路类型为NLOS，信道的路径损耗模型使用式(20)。

2) 无线通信链路分析

精确的无线通信链路分析主要包括信噪比（SNR, signal-to-noise ratio）以及误比特率（BER, bit error rate）。SNR大多是通过基于阈值的方法评估，但从全面性和准确性的角度出发，本文采用计算公式，如式(21)所示[24]。

其中，Tx是发射功率，N是噪声功率，PL是节点和节点之间的路径损耗。本文设定Tx= −10dBm，N=−92 dBm，PL由式(19)和式(20)计算得出。在此基础上，通过由、频率和数据率组成的函数计算得出，如式(22)和式(23)所示。如果2个节点之间存在中继节点，那么其误比特率为中间各段链路的误比特率平均值。

(22)

其中，选用2.45 GHz，传感器的数据率=200 kbit/s，使用Matlab对拓扑结构为如图8所示的3个无线体域网场景计算传感器节点与hub之间的误比特率，计算结果如图10所示。

图10 传感器的误比特率

同时，计算得出OECM模型、EAWD模型和STAR模型的平均误比特率分别为、、，结合图10可以看出，OECM模型的误比特率较优于EAWD模型和STAR模型，原因是OECM模型中的传感器3、4、7、8引入中继节点，将STAR模型中的长距离NLOS链路转化为LOS链路和短距离NLOS，且中继节点位置优于EAWD模型，降低了路径损耗，从而优化了误比特率。

4 结束语

本文研究了IEEE 802.15.6无线体域网拓扑结构优化设计方法，并建立了IEEE 802.15.6标准的2跳扩展星型结构的能耗成本优化模型，采用混合整数非线性规划方法求解该模型下以节能和部署代价为优化目标的中继节点的最佳数量、部署位置及其数据路由。实验结果表明，与其他拓扑结构模型相比，所提出的OECM模型在节能、提高网络寿命、降低网络时延、安装成本和误比特率方面都有所改善，为IEEE 802.15.6无线体域网的设计和部署提供了有力的支持。

[1] REUSENS E, JOSEPH W, BRAEM B. Characterization of on-body communication channel and energy efficient topology design for wireless body area networks [J]. IEEE Transactions on Information Technology in Biomedicine, 2009, 13 (6): 933-945.

[2] 刘毅, 宋余庆. 无线体域网技术研究[J]. 小型微型计算机系统，2013，34(8): 1757-1762.

LIU Y, SONG Y Q. Study on wireless body area networks[J]. Journal of Chinese Computer Systems, 2013,34(8): 1757-1762.

[3] IEEE standard for local and metropolitan area networks part 15.6: wireless body area networks[J]. 2012:1-271.

[4] BYKOWSKI M, TRACEY D, GRAHAM B. A schema for the selection of network topology for wireless body area networks[C]//2011 IEEE Radio and Wireless Symposium (RWS). Arizona, USA, c2011: 390-393.

[5] MESMOUDI S, FEHAM M. BSK-WBSN: biometric symmetric keys to secure wireless body sensors networks[J]. International Journal of Network Security & Its Application (IJ- NSA), 2011, 3(5): 155-166.

[6] LIN C S, CHUANG P J. Energy efficient two hop extension protocol for wireless body area networks[J]. IET Wireless Sensor Systems, 2012, 3(70): 37-56.

[7] DRICOT J M, ROY S V, FERRARI G, et al. Impact of the environment and the topology on the performance of hierarchical body area networks[J]. EURASIP Journal on Wireless Communications and Networking, 2011, 122(1): 1-17.

[8] HE Y F, ZHU W W, GUAN L. Optimal resource allocation for pervasive health monitoring systems with body sensor networks[J]. IEEE Transactions on Mobile Computing, 2011, 10(11): 1558-1575.

[9] CHEBBO H, ABEDI S, LAMAHEWA T A, et al. Reliable body area networks using relays: restricted tree topology[C]//2012 International Conference on Computing, Networking and Communication (ICNC). Hawaii, USA, c2012: 82-88.

[10] CAI X, LI J,YUAN J, et al. Energy aware adaptive topology adjustment in wireless body area networks[J]. Telecommun-ication Systems, 2015, 58(2): 139-152.

[11] FRANCO F D, TINNIRELLO I, GE Y. 1 Hop or 2 hops topology analysis in body area network[C]//2014 European Conference on Networks and Communications (EuCNC). Bologna, Italy, c2014: 1-5.

[12] KIM S Y, KWON J A, LEE J W. Study of optimal topology and routing in the BAN[C]//2012 International Conference on ICT Convergence (ICTC). Jeju Island, Korea, c2012: 702-703.

[13] BRAEM B, BLONDIA C, MOERMAN I, et al. The need for cooperation and relaying in short range high path loss sensor networks[C]//International Conference on Sensor Technologies and Applications, Valencia, Spain, c2007: 566-571.

[14] HAMIDA E B, ERRICO R, DENIS B. Topology dynamics and network architecture performance in wireless body sensor networks[C]//2011 4th IFIP International Conference on New Technologies, Mobility and Security (NTMS). Paris, France, c2011: 1-7.

[15] ELIAS J. Optimal design of energy efficient and cost effective wireless body area networks[J]. Ad Hoc Networks, 2014, 13: 560-574.

[16] SHAY W T, JAN S C, TARNG J H. A reduced size wide slot antenna for enhancing along body radio propagation in UWB on body communications[J]. IEEE Transactions on Antenna and Propagation, 2014, 62(3): 1194-1203.

[17] GHANEM K, KHAN I, HANZO L. MIMO stochastic model and capacity evaluation of on body channels[J]. IEEE Transactions on Antenna and Propagation, 2012, 60(6): 2980-2986.

[18] KHAN J Y, YUCE M R, BULGER G, et al. Wireless body area network design techniques and performance evaluation[J]. Journal of Medical Systems, 2012, 36( 3): 1441-1457.

[19] ABBASI Q H, SANI A, ALOMAINY A, et al. Numerical characterization and modeling of subject specific ultra wide band body centric radio channels and systems for health care applications[J].IEEE Transactions on Information Technology in Biomedicine, 2012, 16 (2): 221-227.

[20] ALAM M M, HAMIDA E B. Surveying wearable human assistive technology for life and safety critical applications: standards, challenges and opportunities[J]. Sensor, 2014, 14(5): 9153-9209.

[21] ZHAO H W, QIN J, HU J K. An energy efficient key management scheme for body sensor networks[J]. IEEE Transactions on Parallel and Distributed Systems, 2013, 24(11): 2202-2210.

[22] DOMINGO M C. Sensor and gateway location optimization in body sensor networks [J]. Wireless Networks, 2014, 20 (8): 2337-2347.

[23] NORDIC I. nRF2401 single chip 2.4 GHz radio transceiver data sheet [EB/OL].http://www.nordicsemi.com/eng/pro-ducts/2.4GHz-RF/nRF2401A/, 2015.07.08.

[24] ALAM M M, HAMIDA E B. Towards accurate mobility and radio link modeling for IEEE 802.15.6 wearable body sensor networks[C]//2014 Seventh IEEE International Workshop on Selected Topics in Wireless and Mobile Computing. Larnaca, Cyprus, c2014: 298-305.

Study of energy efficient WBAN topology optimization in IEEE 802.15.6

LIANG Zheng-you1,2, YAO Yu-mei1,2

(1. School of Comput er and Electronic Information, Guangxi University, Nanning 530004, China; 2. Guangxi Key Laboratory Cultivating Base of Multimedia Communications and Network Technology, Guangxi University, Nanning 530004, China)

An optimization model was proposed to design the network topology of wireless body area network (WBAN). Focusing on the two hops extended star topology given in IEEE 802.15.6 standard, a mixed integer non-linear programming model was constructed to minimize the energy consumption of WBAN. Then, the optimized network topology was obtained by adjusting the number and location of relays to be deployed and the data routing towards the hub. The experimental results show that, compared with Elias’s model (EAWD, energy aware WBAN design), the proposed model can reduce network energy consumption by 40.5% ,decrease network delay by 52.4% on average, and extend network lifetime by double.

IEEE 802.15.6, network topology, energy efficiency, network lifetime, mixed integer non-linear programming

TN915.02

A

10.11959/j.issn.1000-436x.2016110

2015-08-14；

2016-02-18

国家自然科学基金资助项目(No.61262003)

The National Natural Science Foundation of China (No.61262003)

梁正友（1968-），男，壮族，广西天等人，博士，广西大学教授，主要研究方向为网络并行分布式计算技术、无线传感器网络。

姚玉梅（1990-），女，河北保定人，广西大学硕士生，主要研究方向为无线体域网。