论文部分内容阅读
无线通信技术的发展彻底改变了我们的日常生活,其技术应用涉及自动化控制、跟踪与监控。随着无线传感器网络(Wireless Sensor Network,WSN)技术的发展改进,出现了体域网(Wireless Body Area Network,WBAN),通过将低成本的、能量受限的、微小的异构传感器节点穿戴甚至植入人体,形成一个特殊的型无线传感器网络,采集生理信息,通过无线通信到中央基站,实现了对人体各个指标的实时监测。WBAN传感器设备提供实时反馈,对人体不会造成任何不适,从而为用户提供更大灵活性和流动性,可以代替复杂有线医疗设备,能够连续监测人体的重要生理信号和娱乐信号。与所有其他电子系统相同,WBAN也需要适当的电源保证其正常运作。目前,WBAN大都采用电池供电系统。但相比较其他WSN系统,由于传感器网络设计及应用的特殊性,WBAN电池难以及时更换,所以应用各种节能技术,为WBAN提供一个非常长的网络寿命,是研究的重点领域之一。一般来讲,WBAN节能主要采用使用更加节能的电子器件、减少能源消耗的设备数量以及采用更加有效的算法,使得对于一个给定的电池容量,提高在系统的操作过程中的能量使用效率。WBAN能量的消耗可以分为三个部分:感知、无线通信和数据处理,其中无线通信是最耗电的。体域网所收集的信息一般都具有较高的时间冗余和空间冗余。通过数据融合技术,减少WBAN中的无线通信量可以达到节省能量的目的。根据以上分析本文进行了以下工作:(1)本文提出了一种基于小波分析和最小二乘支持向量机的时间序列数据预测技术的数据融合算法。通过在感知节点和汇聚节点处分别建立一个相同的轻量级数据预测模型,当预测结果在误差范围之内则不进行数据的传输,从而降低了网内冗余数据的传输,减少传输能耗。(2)本文研究了预测模型的参数优化的方法,并根据理论分析提出了一种改进的粒子群算法,该算法通过对基本粒子群算法中的参数进行改进以及结合遗传算法思想对算法迭代过程进行改进克服了原算法的一些不足。(3)本文基于对人体基本生理数据进行健康监测出发设计了一种WBAN系统,对系统的应用场景及功能进行了分析,设计了其架构,并对传感器节点以及网关节点进行了软硬件设计。最后将本文提出的算法在该实验平台上进行了验证分析。