基于可穿戴传感器的舞蹈动作干扰抑制算法

蒙晓华

(西安邮电大学 数字艺术学院， 陕西 西安 710121)



基于可穿戴传感器的舞蹈动作干扰抑制算法

蒙晓华

(西安邮电大学 数字艺术学院， 陕西 西安 710121)

针对可穿戴传感器网络中舞蹈动作捕捉问题，提出一种抑制可穿戴传感器之间干扰的算法。根据舞蹈训练中可穿戴传感器网络架构，通过调整传感器网络的传输时隙和信道，使得受干扰的传感器能够收集周边其他可穿戴传感器网络的传输信息。在不打扰其他网络传输的前提下，重新安排传输时间，以最小化传输时延，利用带宽避免相邻可穿戴传感器网络间的传输时间重叠，从而减少用户之间的干扰。仿真结果表明，该算法能在有多人参预的舞蹈训练中，最小化碰撞概率，使可穿戴传感器网络的吞吐量提高23%。

可穿戴传感器网络；舞蹈动作感知；抑制干扰

在舞蹈艺术中，需要全方位地展示和完整准确地记录舞者的形体。利用可穿戴传感器网络(Body Sensor Network，BSN)，对舞者的行为进行全方位的三维数字化捕捉，可用于分析舞者的技术技巧和经验体会，从而总结其经验和规律。

使用两个Xbox单体游戏传感器对舞者的舞蹈瞬间进行动作捕捉，探索人体的运动状态。将Xbox传感器捕捉到运动参数呈现在逼真的环境中，即可顺利采集到人体运动数据[1]。运动追踪器Notch采用10个传感器收集数据，每个传感器都有一个小型振动雷达，通过触觉反馈表演者哪个动作做得不规范或者偏离要领，从而规范、校准舞蹈学习者的舞蹈动作[2]。芭蕾舞者在跳舞时，将Electronic Trace传感器带在脚部位置，通过记录脚部触地的压力和动作，以画线形式呈现出舞蹈轨迹，将这些数据传送到手机进行可视化处理后,便可供舞蹈者进行查看及改进[3]。由于舞蹈是群体行为，如果多个舞者在舞蹈教室里同时训练，利用传感器进行动作捕捉时，相互的通讯干扰会严重影响可穿戴传感器网络传输的可靠性。本文拟根据可穿戴传感器网络的基本构架，研究舞蹈训练室中可穿戴传感器的性能参数，通过分析可穿戴传感器网络中相互干扰对彼此性能的影响，给出干扰抑制算法。

1　可穿戴性传感器网络的架构

舞蹈训练中的可穿戴传感器是由动作传感器和感知运动体征的传感器组成。舞蹈者的信息通过动作传感器感知，传送到PDA，再由PDA作为中继传到服务器上进行舞蹈资料保存、教学、人机互动游戏和健康监护等[4-7]。基本架构如图1所示[8]。

图1　舞蹈训练中可穿戴传感器网络的基本架构

正常情况下，BSN的传感器和PDA间会进行相互传输，即BSN内部通信。当几个不同的BSN进入彼此的干扰范围，且在同一信道同时传输时，它们会干扰彼此的BSN内部通信，造成交互干扰。

2　可穿戴性传感器网络的性能参数

错包率(Packet Error Rate，PER)是指传送包的总数除以错误地接收到的数据分组的数目，体现了交互干扰时可穿戴设备性能衰落的水平[9]，从误码率(Bit Error Rate，BER)中获得。BER从信号与干扰噪声比(Signal Interference Noise Ratio，SINR)中获得。

假定发送功率，信号衰减已知，建立信号传播损耗模型，从而得到接收器端的接收功率[10]

PRdB(d)=PSdB-PLdB(d)+X=

PSdB-PLdB(d0)-10γlog10(d/d0)+X。

(1)

其中，PRdB是指在接收器端的接受功率，PSdB指发送功率，PLdB指在路径中的功率损耗，d是发射器和接收器之间的距离，d0是可穿戴传感器网络内传感器间的距离，PLdB(d0)是距离d0的路径损耗，γ是路径损耗指数。X为阴影衰落以下与标准偏差的正态分布，其概率密度函数是P(X)[10]。

相邻BSN的数据传输可作为干扰影响的干扰源，但并非所有在同一个信道发射的相邻BSN都是有效干扰源。引入ptr(t)表示1个BSN在时间t上的传输概率，则在第i个BSN上的SINR可表示为[10]

(2)

其中，PRabs(d)是接收端接收功率的绝对值形式，di是传感器节点和协调器之间的距离，Di,j是受影响的第i个BSN和其干扰的第j个BSN之间的距离。每个BSN的负荷与Ptr(t)密切相关[10]。

假设偏移正交相移键控为信号的调制方式，则比特错码率BER(bit error rate)可以表示为[10]

(3)

其中Eb/N0是每比特的信噪比，erfc(·)是误差函数。则错包率可以表示为[10]

(4)其中，m是信息比特的数目，k是附加的编码位的数量。

3　交互干扰的影响

在舞蹈训练应用中，通常使用节点数据传输速率为2～50 kbps的动作传感器、1 kbps的温度传感器、呼吸传感器和脉搏传感器。所有BSN的占空比配置为10%～50%[11]。

假设某大学音乐学院舞蹈教室最多可容纳20人，大班上课10～15人，小班上课6～8人。舞蹈教室的平面如图2所示。

图2　舞蹈教室的平面

在该舞蹈室内人员密度不同的情况下，由式(4)得到干扰强度的分布如图3所示。IR表示干扰距离。

图3　干扰强度的概率密度分布

由图3可以看出，当干扰范围变大时，干扰强度也在增大。当IR=1时，大多数时间内干扰为0。随着干扰距离增大和舞蹈室内人员数目的增加，干扰强度不断增大。这是由于相同情况下，当干扰距离增加，落入一个特定的IR内的BSN的数目增加，干扰电平变得严重。

定义占空比为BSN的1个传输超帧中，BSN的有效传输时间占总超帧持续时间的比率。在给定中等时间的情况下，BSN占空比必须小于0.1，以确保可靠性水平是90%以上。相反地，由于占空比是0.1和可靠性水平为90%，可容纳于1个信道最大的BSN数目应小于或相同的非高峰时间的最大BSN数目。

由实例可知，将传输概率最小化，可减少用户间干扰。为了达到这个目的，可以重新安排相邻的BSN的传输时间，以避免当在BSN密度低重叠。当BSN密度高，超过了可容纳的最大BSN时，一个信道切换方案可以减少当前信道的拥挤度。此外，每个BSN可以自适应根据其周围的环境和性能要求选择其发送功率。具有较高优先级在BSN用户可以使用更高的传输功率，以保证其可靠的传输。

4　可穿戴传感器网络的干扰抑制算法

可穿戴传感器网络干的扰抑制算法，通过合理地安排BSN的传输时间和信道，减少干扰。具体步骤如下。

步骤1当BSN当前传输吞吐量显著下降时，启动抑制算法，BSN进入聆听模式，并监听1个时间段帧的持续时间。另一方面，传感器节点进入睡眠期，在下一个活跃期，等待新时间表。

步骤2在监听模式下，受影响的BSN通过收集其相邻BSN的信标(beacon)得到周边相邻BSN的信息。由于信标广播含有调度信息，受影响的BSN可以解码这些信标并了解其相邻BSN的计划。根据收到的信息，受影响的BSN可以建立{BSNID，相邻BSN传输开始时间，相邻BSN传输结束时间}的表。每次收到一个新的信标，该邻居列表都会被更新。

步骤3在监听期间结束时，每个BSN检查其邻居列表。如果邻居的数量超过最大数量表示超出，通知其所有传感器节点切换到另一个频道，再次执行步骤1。否则，基于该邻近地区的信息协调决定其最早的根据一个重新安排可能的传输时间算法，以避免重叠邻近的BSN传输。

5　仿真结果及分析

将干扰抑制算法与基于传统的IEEE 802.15.4的没有抑制机制的BSN通信方法，在模拟网络仿真器5.0.2的QualNet进行仿真相比较，结果如图4所示。每个BSN包含2个节点，1个协调器和传感器节点。无线数据传输速率为250 kbps，固定的数据包大小为128字节，以及超帧的持续时间为0.1 s。所有传感器节点的占空比设定在10%～20%之间。吞吐量指在单位时间内有效传输的数据量，用来描述可穿戴传感器网络的性能参数。根据香农公式，吞吐量与信噪比PSINRi(t)成正比，即与错包率也成正比[10]。

图4　所提算法与传统算法的吞吐量比较

由如图4可知，当负载增加时，该干扰抑制算法吞吐量提高23%。这是因为当交互干扰发生时，该算法通过调整传输时间的方法，充分占用带宽，可有效避免数据包的碰撞。

6　结语

利用BSN对舞者的形态建模，分析了在舞蹈训练室中多个舞者同时训练的情况下，可穿戴传感器网络之间的相互干扰在舞蹈训练中的影响,给出了可穿戴传感器网络的干扰抑制算法。仿真结果表明，该算法在可穿戴传感网络的吞吐量大约可以得到23%的提高，有效地避免数据包的碰撞。

[1]中国公共艺术网.舞蹈和动作捕捉技术的融合[EB/OL].[2016-08-15].https://www.douban.com/url/153637/.

[2]36氪.你要是跳支舞，运动追踪仪Notch就能告诉你哪儿做得不标准[EB/OL].[2016-08-15]. http://36kr.com/p/ 208884. html.

[3]Electronic Traces智能传感器让芭蕾舞者画下灵动舞姿[EB/OL].[2016-08-15]. http://www.wtoutiao.com/a/708361.html.

[4]RAPPAPORT T. Wireless Communications: principles and practice[M]. NJ: Prentice-Hall Upper Saddle River,2001:62-66.

[5]CURTIS D W, PINO E J, BAILRY J M , et al.SMART-an integrated wireless system for monitoring unattended patients[J/OL].Journal of the American Medical Informatics Association, 2008,15(1):44-53[2016-08-15]. http://dx.doi.org/10.1197/jamia.M2016.

[6]VASILAKOS A, CAO H,LEUNG V C,et al. Body area networks: A survey[J/OL]. Mobile Networks & Applications,2011,16(2):171-193[2016-08-15]. http://dx.doi.org/10.1007/s11036-010-0260-8.

[7]ZHAO Y, HAO Y.A subject-specificity analysis of radio channels in wireless body area networks[J/OL].EngineeringJournal,2011,15(3):40-47[2016-08-15].http://www.engj.org/index.php/ej/article/view/148/94/.DOI:10.4186/ej.2011.15.3.39.

[8]NATARAJAN A, MOTANI M, SILVA B D.Investigating network architectures for body sensor networks[C/OL]//1st ACM SIGMOBILE international Workshop on Systems and Networking Support For Healthcare and Assisted Living Environments.New York :ACM,2007:11-14[2016-08-15]. http://dl.acm.org/citation.cfm?id=1248061.

[9]BRAEM B, LATRE B, BLONDIA C,et al.Analyzing and Improving reliability in multi-hop body sensor networks[J/OL]International Conference on Sensor Technologies & Applications, 2009, 2(1):342 - 347 [2016-08-15]. http://www.researchgate.net/publication/241478140_Analyzing_and_Improving_Reliability_in_Multi-hop_Body_Sensor_Networks.DOI:10.1109/SENSORCOMM.2008.47.

[10] PANTELOPOULOS A, BOURBAKIS N G.A survey on wearable sensor-based systems for health monitoring and prognosis[J/OL].IEEE Transaction on System,2010,40(1):1-12[2016-08-15]. http://dx.doi.org/10.1109/TSMCC.2009.2032660.

[11] SEE T S P, HEE J Y, ONG C T, et al.Inter-body channel model for UWB communications[C/OL]// 3rd European Conference on Antennas and Propagation, Berlin:IEEE, 2009: 3519-3522 [2016-08-15]. http://ieeexplore.ieee.org/xpls/abs_all.jsp?arnumber=5068353.

[责任编辑:祝剑]

Dance motion interference suppression algorithm based on wearable sensor

MENG Xiaohua

(School of Digital Art, Xi’an University of Posts and Telecommunications, Xi’an 710121, China)

In view of the problem of dance motion capture in the wearable sensor network, an algorithm to restrain the interference between wearable sensors is proposed. According to the wearable sensor network architecture in dance training, and by adjusting the transmission time slot and the channel of the sensor network, the interference sensor can be make to collect the surrounding other wearable sensor network transmission information. In the premise of not to disturb other network transmission, the transmission time is rearranged, the transmission delay is minimized, and the bandwidth is employed to avoid the transmission time overlap between adjacent wearable sensor networks. Simulation results show that, This algorithm can minimize the collision probability wheb many people participate in the dance training, and the throughput of wearable sensor networks can be increased by 23%.

wearable sensor network, dance movement perception, suppress interference

10.13682/j.issn.2095-6533.2016.05.004

2016-08-08

国家自然科学基金资助项目(61601357)

蒙晓华(1988-)，女，硕士研究生，助理工程师，研究方向音乐学。E-mail:514220713@qq.com

TN915

A

2095-6533(2016)05-0020-04