李曉歌，王 輝

基于Wi-Fi和ZigBee技術(shù)的人體區(qū)域網(wǎng)絡(luò)的性能分析

李曉歌1,2，王 輝1,2

（1. 河南牧業(yè)經(jīng)濟(jì)學(xué)院 智能制造與自動(dòng)化學(xué)院，河南 鄭州 450003； 2. 河南省畜禽健康養(yǎng)殖與智能裝備工程研究中心，河南 鄭州 450003）

人體區(qū)域網(wǎng)絡(luò)通過傳感節(jié)點(diǎn)采集人體生理信號(hào)，再將生理信號(hào)傳輸至監(jiān)控中心，實(shí)現(xiàn)對病人智能化監(jiān)控。節(jié)點(diǎn)的通信協(xié)議對節(jié)點(diǎn)能耗有重要影響，針對低功耗的生理傳感節(jié)點(diǎn)，分析它們引用Wi-Fi和ZigBee技術(shù)的能耗性能。首先，設(shè)計(jì)人體生理信號(hào)采集系統(tǒng)，然后分析節(jié)點(diǎn)在各階段的能耗數(shù)據(jù)，進(jìn)而分析使用Wi-Fi和ZigBee技術(shù)傳輸數(shù)據(jù)時(shí)的能耗性能。實(shí)驗(yàn)表明，在低速率環(huán)境下，ZigBee技術(shù)比Wi-Fi技術(shù)的能耗更低，壽命網(wǎng)絡(luò)更長，但是在高速率時(shí)，Wi-Fi技術(shù)的能耗更低。

無線傳感網(wǎng)；生理信號(hào)；Wi-Fi；ZigBee；能耗

1 人體區(qū)域網(wǎng)絡(luò)

無線傳感網(wǎng)絡(luò)（wireless Sensor networks, WSNs）已在多個(gè)領(lǐng)域內(nèi)使用，如農(nóng)業(yè)、智能家居和康復(fù)醫(yī)療。老年人口的增加，對醫(yī)療需求日益上升。因此，基于WSNs的康復(fù)醫(yī)療得到廣泛研究[1]，人體區(qū)域網(wǎng)絡(luò)（body area networks, BAN）就是利用WSN對人體信息進(jìn)行監(jiān)測的網(wǎng)絡(luò)，稱為人體傳感網(wǎng)絡(luò)（WBAN），如圖1所示。WBAN由多個(gè)生理傳感節(jié)點(diǎn)組成，并由這些節(jié)點(diǎn)采集人體生理信號(hào)[2]，如心電圖、體溫、肌電信號(hào)，再將這些信息傳輸至控制中心。

盡管采用生理信號(hào)的傳感節(jié)點(diǎn)屬于低功耗設(shè)備，但是由于這些節(jié)點(diǎn)是微型設(shè)備，本身可儲(chǔ)存的電能較少。因此，能量利用率仍是阻礙這項(xiàng)應(yīng)用發(fā)展的關(guān)鍵技術(shù)。據(jù)此，研究人員對這些傳感節(jié)點(diǎn)的能耗進(jìn)行較深入研究[3]，其中節(jié)點(diǎn)的通信協(xié)議得到廣泛研究。

圖1 WBAN的拓?fù)浣Y(jié)構(gòu)

在人體傳感網(wǎng)絡(luò)中，傳感節(jié)點(diǎn)常采用Wi-Fi或ZigBee技術(shù)進(jìn)行通信。其中，ZigBee無線通信技術(shù)是基于IEEE 802.15.4標(biāo)準(zhǔn)，主要工作在2.4 GHz頻段，數(shù)據(jù)傳輸率約250 Kbit/s。Xbee就是基于ZigBee協(xié)議通信設(shè)備[4]，能夠直接與微控制器的串口通信。Wi-Fi技術(shù)是基于IEEE 802.11標(biāo)準(zhǔn)，能夠?yàn)橐苿?dòng)設(shè)備終端提供高速無線連接，數(shù)據(jù)傳輸速率達(dá)到11 Mbit/s。

然而，Wi-Fi技術(shù)與ZigBee技術(shù)在傳輸數(shù)據(jù)時(shí)的能耗并不盡相同。在人體傳感網(wǎng)絡(luò)中，傳感節(jié)點(diǎn)需要完成生理信號(hào)采集、數(shù)據(jù)傳輸兩項(xiàng)主要任務(wù)。這兩項(xiàng)任務(wù)消耗能量速度也不同。

為此，本文針對WBAN網(wǎng)絡(luò)，設(shè)計(jì)生理傳感節(jié)點(diǎn)，并且分析這些生理傳感節(jié)點(diǎn)分別利用Wi-Fi技術(shù)和ZigBee技術(shù)傳輸數(shù)據(jù)時(shí)的能耗，尋找滿足低能耗的條件。實(shí)驗(yàn)數(shù)據(jù)表明，Wi-Fi技術(shù)更適合高速率環(huán)境。

2 生理信號(hào)采集平臺(tái)的設(shè)計(jì)

2.1 傳感節(jié)點(diǎn)

WBAN內(nèi)的節(jié)點(diǎn)主要收集心電圖（ECG）、體溫和肌電（EMG）信號(hào)。為了能準(zhǔn)確地采集并傳輸生理信號(hào)，必須考慮抽樣頻率、能量消耗和處理速度等參數(shù)。這些生理信號(hào)可看成是心臟活動(dòng)的信息表[5]，信號(hào)幅度值能達(dá)到3 mV。為了能夠盡可能地使用心臟活動(dòng)監(jiān)測器，它的頻率應(yīng)小于30 Hz。各生理信號(hào)的頻率范圍見表1。

表1 生理信號(hào)頻率范圍

WBAN內(nèi)的節(jié)點(diǎn)屬微型、低功率設(shè)備。傳感節(jié)點(diǎn)內(nèi)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(hào)采集和信號(hào)預(yù)處理組成。預(yù)處理是通過集成電路[6]，對信號(hào)進(jìn)行放大、濾波處理。處理和控制模塊屬節(jié)點(diǎn)核心部分，主要有微處理器（MCU）。通信模塊是指采用通信協(xié)議，如ZigBee或Wi-Fi協(xié)議。

圖2 傳感節(jié)點(diǎn)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(shí)配置了外設(shè)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(hào)采集和傳輸

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

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

圖4 生理信號(hào)采集和傳輸示意圖

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

ESP-12E模塊作為信號(hào)處理、傳輸?shù)暮诵哪K。從圖4可知，生理信號(hào)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(biāo)準(zhǔn)，而XBee模塊是基于ZigBee標(biāo)準(zhǔn)的。這2個(gè)通信模塊的參數(shù)如表2所示。

表2 ESP826和XBee模塊的參數(shù)

為了更好地保存節(jié)點(diǎn)能量，傳感節(jié)點(diǎn)具有休眠/活動(dòng)模式。在活動(dòng)模式中，傳感節(jié)點(diǎn)主要有信號(hào)采集、處理、存儲(chǔ)和傳輸4項(xiàng)任務(wù)，然后進(jìn)入休眠模式。傳感節(jié)點(diǎn)的狀態(tài)轉(zhuǎn)移示意圖見圖5。

圖5 傳感節(jié)點(diǎn)狀態(tài)轉(zhuǎn)移示意圖

2.3 生理信號(hào)采集場景

本文的目的在于分析Wi-Fi和ZigBee兩類通信協(xié)議的能耗和網(wǎng)絡(luò)壽命。為此，搭建圖6所示的生理信號(hào)采集場景[8]，其中Wi-Fi節(jié)點(diǎn)以Wi-Fi方式接入Internet，而ZigBee節(jié)點(diǎn)以GPRS網(wǎng)關(guān)接入Internet。隨后，再利用Internet將數(shù)據(jù)傳輸?shù)奖O(jiān)測中心。

圖6 生理信號(hào)采集場景

3 數(shù)據(jù)分析

3.1 性能指標(biāo)

依據(jù)圖6采集人體生理信號(hào)，分析基于ZigBee和Wi-Fi協(xié)議的性能[9]，主要包括電流消耗、數(shù)據(jù)傳輸時(shí)間和傳輸?shù)臄?shù)據(jù)包數(shù)。在實(shí)驗(yàn)中，發(fā)送端與接收端間距離為1 m。

利用軟件內(nèi)的Debug模式下的斷點(diǎn)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(hào)的傳輸時(shí)間。利用編程軟件計(jì)算已成功接收的數(shù)據(jù)包數(shù)。

3.2 性能分析

基于ZigBee和Wi-Fi模塊的處理時(shí)間[10-11]結(jié)果見表3。表3可知，ESP8266的傳輸時(shí)間在25~39 ms，而XBee串口的傳輸時(shí)間正比于數(shù)據(jù)包的字節(jié)數(shù)[12]。采集時(shí)間與抽樣頻率有關(guān)。

表3 兩類通信協(xié)議的處理時(shí)間

表4顯示了這兩個(gè)無線模塊在各個(gè)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(xié)議在測量EMG、ECG和體溫?cái)?shù)據(jù)時(shí)所消耗的電流。圖7的橫坐標(biāo)為每小時(shí)內(nèi)所傳輸?shù)臄?shù)據(jù)包數(shù)，數(shù)據(jù)包大小為380字節(jié)。圖7中的Z.ECG、Z.EMG、Z.Temp表示在ZigBee協(xié)議的測量脈搏數(shù)據(jù)、ECG和體溫?cái)?shù)據(jù)時(shí)所消耗的電流，而W.ECG、W.EMG、W.Temp表示在Wi-Fi協(xié)議的測量脈搏數(shù)據(jù)、ECG和體溫?cái)?shù)據(jù)時(shí)所消耗的電流。

從圖7可知，測量體溫所消耗的電流波動(dòng)較小，并且占據(jù)了總消耗電波的大部分?jǐn)?shù)據(jù)[13]，而隨著單位時(shí)間內(nèi)傳輸數(shù)據(jù)包次數(shù)的增加，傳輸ECG的能耗迅速增加。此外，與ZigBee協(xié)議相比，Wi-Fi協(xié)議所消耗的平均電流得到有效控制，并且隨著單位時(shí)間內(nèi)傳輸數(shù)據(jù)包次數(shù)的增加，平均電流消耗降低了越多。

圖8為ECG傳感節(jié)點(diǎn)各階段的能耗。數(shù)據(jù)包的大小為分別為100字節(jié)、300字節(jié)、500字節(jié)和800字節(jié)。從圖8可知，當(dāng)在單位時(shí)間內(nèi)只傳輸1個(gè)數(shù)據(jù)包時(shí)，休眠占據(jù)了大部分電流消耗，以Wi-Fi協(xié)議為例（圖8（b）），當(dāng)數(shù)據(jù)包尺寸為100時(shí)，休眠階段所產(chǎn)生的能耗占95%，即使當(dāng)數(shù)據(jù)包尺寸達(dá)到800時(shí)，休眠階段所產(chǎn)生的能耗也達(dá)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(jié)點(diǎn)在各階段的平均能耗

對比圖8(b)與圖8(a)不難發(fā)現(xiàn)，Wi-Fi協(xié)議與ZigBee協(xié)議的能耗存在一些差異。當(dāng)數(shù)據(jù)包尺寸大于100后，Wi-Fi協(xié)議在傳輸階段的電流消耗要小于ZigBee，并且隨著數(shù)據(jù)包尺寸的增加，優(yōu)勢越明顯。

分析ECG節(jié)點(diǎn)在Wi-Fi和ZigBee兩類協(xié)議的網(wǎng)絡(luò)壽命結(jié)果見圖9。從圖9可知，當(dāng)傳輸100個(gè)字節(jié)時(shí)，XBee節(jié)點(diǎn)能夠維持203 d，而Wi-Fi節(jié)點(diǎn)僅維持了189 d。當(dāng)字節(jié)數(shù)達(dá)到800時(shí)，兩類節(jié)點(diǎn)的網(wǎng)絡(luò)壽命縮短，但是Wi-Fi節(jié)點(diǎn)的性能優(yōu)于ZigBee。

圖9 網(wǎng)絡(luò)壽命

4 總結(jié)

本文基于Wi-Fi技術(shù)和ZigBee技術(shù)構(gòu)建人體生理信號(hào)采集平臺(tái)，并分析了節(jié)點(diǎn)在各階段的能耗。實(shí)驗(yàn)數(shù)據(jù)表明，XBee模式能保持低功耗，Wi-Fi模式消耗更多電流；當(dāng)數(shù)據(jù)包尺寸大于300字節(jié)時(shí)，Wi-Fi節(jié)點(diǎn)的壽命比ZigBee節(jié)點(diǎn)壽命更長，而當(dāng)數(shù)據(jù)包尺寸小于100字節(jié)，ZigBee節(jié)點(diǎn)具有更長的壽命。

[1] 王長峰，白帆，羅儒. 基于ZigBee技術(shù)的病人綜合信息網(wǎng)關(guān)技術(shù)[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(huì)斌，胡建人. 基于嵌入式和ZigBee技術(shù)的節(jié)能系統(tǒng)的設(shè)計(jì)與實(shí)驗(yàn)[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(wǎng)絡(luò)覆蓋優(yōu)化算法[J].傳感器與微系統(tǒng)，2017, 36(5): 145–148.

[8] 王曙光，楊蕾，劉滿倉. 自適應(yīng)半徑調(diào)整的無線傳感網(wǎng)絡(luò)覆蓋算法[J].傳感器與微系統(tǒng)報(bào)，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(lián)網(wǎng)RFID和ZigBee技術(shù)在高鐵列控系統(tǒng)的應(yīng)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(guān)計(jì)劃項(xiàng)目（172102210297）

李曉歌（1976—），女，河南許昌，碩士，講師，研究方向?yàn)閿?shù)據(jù)庫與數(shù)據(jù)挖掘、計(jì)算機(jī)網(wǎng)絡(luò)。

10.16791/j.cnki.sjg.2019.09.013