計算機研究與發(fā)展ＩＳＳＮ１０００—１２３９１ＣＮＩＩ一１７７７／ＴＰＪｏｕｒｎａｌｏｆＣｏｍｐｕｔｅｒＲｅｓｅａｒｃｈａｎｄＤｅｖｅｌｏｐｍｅｎｔ４７（５）：７３７—７５３，２０１０體域網(wǎng)ＢＳＮ的研究

計算機研究與發(fā)展ＩＳＳＮ１０００—１２３９１ＣＮＩＩ一１７７７／ＴＰＪｏｕｒｎａｌｏｆＣｏｍｐｕｔｅｒＲｅｓｅａｒｃｈａｎｄＤｅｖｅｌｏｐｍｅｎｔ４７（５）：７３７—７５３，２０１０體域網(wǎng)ＢＳＮ的研究進展及面臨的挑戰(zhàn)

宮繼兵１’乳３王睿１崔莉１

１（中國科學院計算技術(shù)研究所北京１００１９０）

２（燕山大學計算機科學與工程系河北秦皇島０６６００４）

３（中國科學院研究生院北京１００１９０）

（ｇｏｎｇｊｉｂｉｎｇ＠ｉｃｔ．ａｃ．ｃｎ）

ＲｅｓｅａｒｃｈＡｄｖａｎｃｅｓａｎｄＣｈａｌｌｅｎｇｅｓｏｆＢｏｄｙＳｅｎｓｏｒＮｅｔｗｏｒｋ（ＢＳＮ）

ＧｏｎｇＪｉｂｉｎ９１?２”，ＷａｎｇＲｕｉｌ，ａｎｄＣｕｉＬｉｌ

１（ＩｎｓｔｉｔｕｔｅｏｆＣｏｍｐｕｔｉｎｇＴｅｃｈｎｏｌｏｇｙ，ＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＳｃｉｅｎｃｅｓ，Ｂｅｉｊｉｎｇ１００１９０）

２（ＤｅｐａｒｔｍｅｎｔｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，ＹａｎｓｈａｎＵｎｉｖｅｒｓｉｔｙ，Ｑｉｎｈｕａｎｇｄａｏ，Ｈｅｂｅｉ０６６００４）

３（ＧｒａｄｕａｔｅＵｎｉｖｅｒｓｉｔｙｏｆＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＳｃｉｅｎｃｅｓ，Ｂｅｉｊｉｎｇ１００１９０）

ＡｂｓｔｒａｃｔＡｓｏｎｅｂｒａｎｃｈｏｆＷＳＮａｎｄｉｍｐｏｒｔａｎｔｐａｒｔｏｆｔｈｅＩｎｔｅｒｎｅｔｏｆＴｈｉｎｇｓ，ＢｏｄｙＳｅｎｓｏｒＮｅｔｗｏｒｋ（ＢＳＮ）ｉｓｕｔｉｌｉｚｅｄｔｏｉｍｐｒｏｖｅｐｅｏｐｌｅ’ＳＨｅａｌｔｈｃａｒｅａｎｄＭｅｄｉｃｉｎｅｂｙｐｅｒｖａｓｉｖｅｃｏｍｐｕｔｉｎｇ，ｉｎｔｅｌｌｉｇｅｎｔｉｎｆｏｒｍａｔｉｏｎｐｒｏｃｅｓｓｉｎｇ，ｎｅｗｎｅｔｗｏｒｋｔｅｃｈｎｏｌｏｇｉｅｓａｎｄｓｅｒｖｉｃｅｓ．Ｓｏ，ｉｔｉｓｐａｉｄｍｏｒｅａｎｄｍｏｒｅａｔｔｅｎｔｉｏｎｔｏｂｙｒｅｓｅａｒｃｈｅｒｓａｎｄｅｎｔｅｒｐｒｉｓｅｓ．ＥｘｉｓｔｉｎｇｓｕｒｖｅｙｒｅｓｅａｒｃｈｅｓｈａｖｅｇｉｖｅｎｆｕｌｌｄｉｓｃｕｓｓｉｏｎｏｎｔｈｅａｄｖａｎｃｅｓａｎｄｃｈａｌｌｅｎｇｅｓｏｆＢＳＮ’Ｓｂｉｏｓｅｎｓｏｒ，ｗｉｒｅｌｅｓｓｃｏｍｍｕｎｉｃａｔｉｏｎａｒｃｈｉｔｅｃｔｕｒｅａｎｄｄａｔａｓｅｃｕｒｉｔｙ．Ｈｏｗｅｖｅｒ，ｆｏｃｕｓｅｄｏｎｉｎｔｈｉｓｐａｐｅｒａｒｅＢＳＮ’Ｓｄａｔａｆｕｓｉｏｎ，ｃｏｎｔｅｘｔ—ａｗａｒｅｓｅｎｓｉｎｇ，ａｎｄｓｙｓｔｅｍｔｅｃｈｎｏｌｏｇｉｅｓｆｒｏｍｐｅｒｓｐｅｃｔｉｖｅｓｏｆｔｅｃｈｎｏｌｏｇｙｃｈａｌｌｅｎｇｅｓ，ｒｅｓｅａｒｃｈａｄｖａｎｃｅａｎｄｄｅｖｅｌｏｐｍｅｎｔｔｒｅｎｄ．ＩｔｉｎｔｒｏｄｕｃｅｓｂａｓｉｃｃｏｎｃｅｐｔｓａｎｄｒｅｓｅａｒｃｈｓｉｔｕａｔｉｏｎｏｆＢＳＮａｒｅｉｎｔｒｏｄｕｃｅｄ．Ｂｅｓｉｄｅｓ。ＢＳＮ’Ｓｓｙｓｔｅｍａｒｃｈｉｔｅｃｔｕｒｅ，ｒｅｐｒｅｓｅｎｔａｔｉｖｅａｐｐｌｉｃａｔｉｏｎｓａｎｄｒｅｓｅａｒｃｈｐｒｏｊｅｃｔｓａｒｅｉｎｔｒｏｄｕｃｅｄ．Ａｔｔｈｅｓａｍｅｔｉｍｅ，ｆｕｔｕｒｅｒｅｓｅａｒｃｈａｎｄａｐｐｌｉｃａｔｉｏｎｐｒｏｓｐｅｃｔｓｏｆＢＳＮａｒｅｇｉｖｅｎ．ＳｏｍｅｐｒａｃｔｉｃａｌｐｒｏｂｌｅｍｓａｂｏｕｔｒｅｓｔｒｉｃｔｉｏｎｏｎＢＳＮｒｅｓｅａｒｃｈａｎｄｄｅｖｅｌｏｐｍｅｎｔａｒｅａｌｓｏｐｒｅｓｅｎｔｅｄ．ＴｈｅｃｏｎｔｒｉｂｕｔｉｏｎｓａｒｅｔｏｐｒｏｐｏｓｅｔｈｅＢＳＮａｒｃｈｉｔｅｃｔｕｒｅ，ａｎａｌｙｚｅｔｈｅｃｈａｌｌｅｎｇｅｓｏｆＢＳＮ，ａｎｄｐｏｉｎｔｏｕｔｔｈｅｐｒａｃｔｉｃａｌｐｒｏｂｌｅｍｓｒｅｓｔｒｉｃｔｉｎｇＢＳＮ’ｓｄｅｖｅｌｏｐｍｅｎｔ．Ｔｈｒｏｕｇｈｓｔｕｄｙｉｎｇａｂｕｎｄａｎｔｒｅｆｅｒｅｎｃｅｓａｎｄｄｅｓｉｇｎｉｎｇｅｆｆｅｃｔｉｖｅｉｎｔｒｏｄｕｃｔｉｏｎｓｔｒｕｃｔｕｒｅ，ｔｈｅｈｏｔａｎｄｋｅｙｓｃｉｅｎｔｉｆｉｃｉｓｓｕｅｓａｂｏｕｔＢＳＮａｒｅｇｉｖｅｎｃｌｅａｒｌｙａｎｄｔｈｕｓｈｅｌｐｓｏｔｈｅｒｒｅｓｅａｒｃｈｅｒｓ，ｅｓｐｅｃｉａｌｌｙｂｅｇｉｎｎｅｒｓ，ｔｏｋｎｏｗＢＳＮ’Ｓｓｉｔｕａｔｉｏｎｗｅｌｌ．Ａｔｌａｓｔ，ａｌｔｈｏｕｇｈｌｏｔｓｏｆｃｈａｌｌｅｎｇｅｓｓｔｉｌｌｅｘｉｓｔ，ｔｈｅｄｅｖｅｌｏｐｉｎｇｔｒｅｎｄｏｆＢＳＮｗｉｌｌｂｅｔｈａｔｍｕｌｔｉ—ｔｅｃｈｎｉｑｕｅｓａｒｅｉｎｔｅｇｒａｔｅｄｔｏａｃｈｉｅｖｅｉｎｔｅｌｌｉｇｅｎｃｅ，ｅｆｆｅｃｔｉｖｅｎｅｓｓａｎｄｕｓａｂｉｌｉｔｙｏｆｉｔ．Ａｎｄ．ＢＳＮｗｉｌｌｂｅｃｏｍｅａｎｉｎｅｖｉｔａｂｌｅｃｈｏｉｃｅｆｏｒｆｕｔｕｒｅｈｅａｌｔｈｃａｒｅｍｏｎｉｔｏｒｉｎｇｓｅｒｖｉｃｅ．

Ｋｅｙｗｏｒｄｓｂｏｄｙｓｅｎｓｏｒｎｅｔｗｏｒｋ（ＢＳＮ）；ｉｎｆｏｒｍａｔｉｏｎｆｕｓｉｏｎ；ｃｏｎｔｅｘｔ－ａｗａｒｅｓｅｎｓｉｎｇ；ｓｙｓｔｅｍｔｅｃｈｎｏｌｏｇｉｅｓｏｆＢＳＮ；Ｉｎｔｅｒｎｅｔｏｆｔｈｉｎｇｓ

摘要作為ＷＳＮ的分支和物聯(lián)網(wǎng)的重要組成部分，ＢＳＮ通過應(yīng)用泛在計算、智能信息處理和新型網(wǎng)絡(luò)化等技術(shù)來提高人民醫(yī)療保健的水平，并因此日益受到研究人員和企業(yè)的關(guān)注．已有的研究綜述分別在ＢＳＮ的生物傳感器、無線通信架構(gòu)和數(shù)據(jù)安全等方面給出了充分討論．將著重在數(shù)據(jù)融合、情景感知收稿日期：２００９—１２—１１；修回日期：２０１０－０３－２５

基金項目：國家。十一五”科技支撐計劃重點項目（２００６ＢＡｌ０８８０１－０２）；國家“九七三”重點基礎(chǔ)研究發(fā)展計劃基金項目（２００６ＣＢ３０３０００），國家

“八六三”高技術(shù)研究發(fā)展計劃基金項目（２００７ＡＡ０１２２Ａ９）；中國科學院“低成本全民健康工程”專項基金項目；北京市自然科學基金項目（４０９２０４５）

萬方數(shù)據(jù)

ｙｃａｖｉｒＰｉ。ｒｕｃｅＳ

７３８計算機研究與發(fā)展２０１０，４７（５）

和系統(tǒng)技術(shù)這３個方面總結(jié)ＢＳＮ領(lǐng)域的技術(shù)挑戰(zhàn)、研究現(xiàn)狀和發(fā)展趨勢．并給出了ＢＳＮ基本概念和研究狀況分析，討論了ＢＳＮ系統(tǒng)架構(gòu)、代表性應(yīng)用及項目研究，闡述了ＢＳＮ未來研究展望和應(yīng)用前景，提出了限制ＢＳＮ發(fā)展的實際問題．雖然ＢＳＮ還面臨諸多挑戰(zhàn)，但必然會朝著多種技術(shù)相結(jié)合的智能化方向發(fā)展，并成為未來醫(yī)療健康監(jiān)護的必然選擇．

關(guān)鍵詞體域網(wǎng)；信息融合；情景感知；ＢＳＮ系統(tǒng)技術(shù)；物聯(lián)網(wǎng)

中圖法分類號ＴＰ３９３

助殘方面，應(yīng)用的領(lǐng)域還可擴展到娛樂業(yè)（如動漫產(chǎn)

Ｏ

引言

ｓｅｎｓｏｒ

業(yè)、舞蹈設(shè)計和訓練）Ｌ８｛］、體育運動（如擊劍教學模擬及分析）［１０‘、其他工業(yè)（如汽車發(fā)動機和機床的狀態(tài)監(jiān)控及故障檢測），甚至是軍事領(lǐng)域（如戰(zhàn)士生理狀態(tài)監(jiān)控及救助）【１１Ｊ和社會公共領(lǐng)域（如大規(guī)模突發(fā)事件的監(jiān)控和心理救助等）［１

２。．

作為無線傳感器網(wǎng)絡(luò)（ｗｉｒｅｌｅｓｓ

ｎｅｔｗｏｒｋｓ，

ＷＳＮ）［１卅的一個分支［５３和在生物醫(yī)療等領(lǐng)域內(nèi)的應(yīng)用［６］，體域網(wǎng)（ｂｏｄｙ

ｓｅｎｓｏｒ

ｎｅｔｗｏｒｋ，ＢＳＮ）是一

種重要的公眾應(yīng)用網(wǎng)絡(luò)，并在遠程醫(yī)療保健、特殊人群監(jiān)護和社區(qū)醫(yī)療等服務(wù)領(lǐng)域有著巨大的應(yīng)用意義和需求，并日漸成為研究和應(yīng)用的熱點．首先，隨著全世界老齡化人口的不斷增加，由于醫(yī)療資源（預(yù)算支出、醫(yī)生、護士和病床等）相對不足，使得醫(yī)療保健系統(tǒng)的發(fā)展成為全球需求Ｈ］．其次，中國作為１３億人口的大國，對于能夠切實解決廣大社區(qū)（特別是偏遠山區(qū)）看病難、看病貴的ＢＳＮ技術(shù)更是需求迫切．此外，傳統(tǒng)的醫(yī)療方法多為病發(fā)后治療，不能很好地作到預(yù)防和實時診療，而ＢＳＮ代表的新技術(shù)則能通過對已有生理參數(shù)數(shù)據(jù)的分類學習、對實時信號或數(shù)據(jù)進行分析從而對發(fā)病進行預(yù)警，或在發(fā)病時采取及時的報警，并將發(fā)病過程中重要的生理信息保存下來，以供后續(xù)的診斷治療．

ＢＳＮ技術(shù)不僅用于醫(yī)療保健、健康恢復(fù)和助老

當前，ＢＳＮ仍處在初級發(fā)展階段，多數(shù)研究都集中在建立系統(tǒng)架構(gòu)和服務(wù)平臺上【ｌ引，仍面臨諸多關(guān)鍵技術(shù)挑戰(zhàn)，如圖１所示．在用于減少冗余并獲得特征和決策的數(shù)據(jù)融合方面，包括輕量級數(shù)據(jù)融合算法的設(shè)計及實現(xiàn)【１４Ｊ和生理信號的實時處理Ｌｌ副等；在用于提高識別精度和實現(xiàn)自動感知的情景感知方面，包括上下文計算、環(huán)境感知及監(jiān)控［１６］和特征提取及降維技術(shù)等；在用于防止入侵的數(shù)據(jù)安全和隱私數(shù)據(jù)保護方面，包括數(shù)據(jù)安全協(xié)議、數(shù)據(jù)加密算法設(shè)計及隱私保護機制等；在用于搭建ＢＳＮ應(yīng)用的系統(tǒng)技術(shù)方面，包括低能耗的無線通信［１川、身體上及身體周圍的無線傳輸Ｌ５Ｊ、體上傳感器節(jié)點的可穿戴性［１ｓ，１７］、傳感器（特別是植人體內(nèi)）的尺寸大小及低能耗問題【ｌ“１８ｑ¨等．這些關(guān)鍵技術(shù)都是構(gòu)建完整ＢＳＮ系統(tǒng)所必須涉及到的，不僅有研究價值，還具有重要的實際應(yīng)用價值．

ｓｉｇ眺ｎａｌ

Ｃ，ｏ吲ｌｌｅ衄ｃｔｉ∞Ｈｌ陬Ｓｉ螂ｇｎａ舊ｌＣ。ｏ。ｌｌｅｓｃ—ｔｉｏｎ，ａＮｎｄｏａｅｏｅｔｅＲｅｃｔｉｓｉｓ。ｔａ。ｎ。ｃｅ‰ａｎｄ；辯Ｉ陋Ｄａｔａ№Ｆｕｓ蛔ｉｏｎ

＜多

Ａｗａｒｅｎｅｓｓａｎｄ

Ｄａ刪ｔａＦｕｓ。。ｉｏｎ

ＤＡａ．ｔ印ａＦ。ｕｓｍｉｍｏｎ

Ｈ恒到。一Ｃｏｎｔｅｘｔ妙

ＰｒｏｔｅｃｔｉｏｎＤａｔａ廠］ｌｕｒｉｔｌ

ＩｄｅｎｔｉｆｉｃａｔｉｏｎＭｏｎｉｔｏｒｉｎｇ

ａｎｄ

Ｍｏｎｉｔｏｒｉｎｇ

ｏｆ

ＣｌａｓｓｉｆｉｃａｔｉｏｎａｎｄＲｅａｓｏｎｉｎｇ

ＦｅａｔｕｒｅＥｘｔｒａｃｔｉｏｎａｎｄ

ｏｆＢｅｈａｖｉｏｒＤｉｍｅｍｉｏｎ

Ｓｕｒｒｏｕｎｄｉｎｇｓ

ａｎｄＡｃｔｉｖｉｔｙ

Ｒｅｄｕｃｔｉｏｎ

Ｕｌ］ｌＤａｍＰｒｏｔｏｃｏ母ｌ

Ｉ‘

ＤｅｓｉｇｎｆｏｒＤａｔａＥｎｃｒｙｐｔｉｏｎＡｌｇｏｒｉｔｈｍ

Ｉ

Ｍｅｃｈａｎｉｓｍ

ｆｏｒＰｒｉｖａｃｙＰｒｏｔｅｃｔｉｏｎ

Ｋｅｙ

Ｍｅｃｈａｎｉｓｍｆｏｒ

Ｅｓｔａｂｌｉｓｈｍｅｎｔ

Ｍｅｃｈａｎｉｓｍｆｏｒ

ＯｐｅｒａｔｉｏｎＣｏｎｔｒ０１．

ａｎｄＤｉｓｔｒｉｂｕｔｉｏｎ

七多

Ｔ∞Ｓｙ‰ｓｔｅ－ｍ啊Ｈｌ觚Ｎｎｅｔｉｗ鈀。一ｒｋ

ＳｅｎｓｏｒＮｏｄｅＧａｔｅｗａｙＮｏｄｅ

ｌＴｅｃｈｎｏｌｏｇｙａｎｄＰｒｏｔｏｃｏｌ

ｆｏｒ

ＷｉｒｅｌｅｓｓＣｏｍｍｕｎｉｃａｔｉｏｎ

Ｗｅａｒａｂｉｌｉｔｙ

Ｔｅｃｈｎｏｌｏｇｙｆｏｒ

ａｎｄ

Ｍｏｂｉｌｉｔｙ

ＭａｎａｇｅｍｅｎｔＳｙｓｔｅｍａｎｄ

Ｄａｔａｂａｓｅ

Ｆｉｇ．１

ＯｖｅｒｖｉｅｗｏｆＫｅｙｔｅｃｈｎｏｌｏｇｉｅｓｉｎＢＳＮ．

圖１ＢＳＮ關(guān)鍵技術(shù)點概況

萬方數(shù)據(jù)

宮繼兵等：體域網(wǎng)ＢＳＮ的研究進展及面臨的挑戰(zhàn)７３９

已有的研究綜述分別就ＢＳＮ的生物傳感器設(shè)號（如溫度、血糖，血壓和心電信號等）、人體活動或動計和自動感知Ｌ２叫、無線通信架構(gòu)¨］、情景感知心¨、醫(yī)作信號以及人體所在環(huán)境信息，處理這些信號／信息療保健領(lǐng)域的發(fā)展趨勢【ｌ引、數(shù)據(jù)安全【２２３和無縫系統(tǒng)并將它們傳輸?shù)缴眢w外部附近的本地基站Ｌｌ８。．ＢＳＮ整合技術(shù)Ｌｌ剛給出了充分討論．本文將著重在數(shù)據(jù)融還有其他的稱呼，分別是生物醫(yī)療傳感器網(wǎng)絡(luò)合、情景感知和系統(tǒng)技術(shù)方面總結(jié)ＢＳＮ領(lǐng)域的技術(shù)（ｂｉｏｍｅｄｉｃａｌｓｅｎｓｏｒｎｅｔｗｏｒｋ）ｃ２５］和無線體域傳感網(wǎng)挑戰(zhàn)、最新進展和發(fā)展趨勢，還就ＢＳＮ系統(tǒng)架構(gòu)展（ｗｉｒｅｌｅｓｓｂｏｄｙａｒｅａｓｅｎｓｏｒｎｅｔｗｏｒｋ，ＷＢＡＳＮ或開討論．．ＢＡＮ）［２引．

根據(jù)相對予人體所在位置可將ＢＳＮ中傳感器

１ＢＳＮ概念與研究狀況分析節(jié)點分為３類：１．可植入體內(nèi)的傳感器節(jié)點，包括可

植入的生物傳感器和可吸人的傳感器（如攝像藥

１．１體域網(wǎng)的概念丸）［１８’２陽；２．可穿戴在身體上的傳感器節(jié)點，如葡萄

體域網(wǎng)（ｗｉｒｅｌｅｓｓｂｏｄｙｓｅｎｓｏｒｎｅｔｗｏｒｋ，ＷＢＳＮ糖傳感器、非入侵血壓傳感器、血氧飽和度傳感器和或ＢＳＮ）是基于無線傳感器網(wǎng)絡(luò)（ＷＳＮ）的［１引，是人溫度傳感器等Ｅ６，８，２６－２８］；３．在身體周圍并距離身體很體上的生理參數(shù)收集傳感器或移植到人體內(nèi)的生物（較）近的用于識別人體活動或行為的周圍環(huán)境節(jié)傳感器共同形成的一個無線網(wǎng)絡(luò)Ｉｔ３］，它不僅是一種點［ｚ“２９］．在以上分類的基礎(chǔ)上，根據(jù)傳感器節(jié)點的新的普適醫(yī)療保健、疾病監(jiān)控和預(yù)防的解決方案，還監(jiān)控／檢測目標，可將ＢＳＮ網(wǎng)絡(luò)分為：１．僅包含第１是物聯(lián)網(wǎng)（Ｉｎｔｅｒｎｅｔｏｆｔｈｉｎｇｓ）∞４Ｊ的重要感知及組成類傳感器節(jié)點的植入式ＢＳＮ網(wǎng)絡(luò)（ｉｍｐｌａｎｔｅｄⅨＮ）［１砌；部分．其目的是提供一個集成硬件、軟件和無線通信２．僅包含第２類傳感器節(jié)點的可穿戴式ＢＳＮ（ｗｅａｒａｂｌｅ技術(shù)的泛在計算平臺，并為普適的健康醫(yī)療監(jiān)控系統(tǒng)ＢＳＮ）Ｅ６，８，ｚ６－２７，３０－３４３；３．以上３類傳感器節(jié)點任意組合的未來發(fā)展提供必備的條件．它特別強調(diào)可穿戴或可的混合式ＢＳＮ（ｈｙｂｒｉｄＢＳＮ）［２“３１’３引．圖２示意了植入生物傳感器的尺寸大小及它們之間的低能耗無ＢＳＮ中所包含的傳感器節(jié)點及其所在人體上（內(nèi)）線通信．這些傳感器節(jié)點能夠采集身體重要的生理信的大致位置：

Ｆｉｇ．２ＡｐｐｒｏｐｒｉａｔｅｄｉｓｔｒｉｂｕｔｉｏｎｏｆｓｅｎｓｏｒｓｉｎＢＳＮ．

圖２ＢＳＮ中傳感器節(jié)點示意圖

ＢＳＮ中傳感器節(jié)點（或設(shè)備）所要監(jiān)控的人體覺傳感器瞄］、心動電流儀‘３７１、心電圖儀‘３０，３３，３８－３９】、（生理）信號分為３類：１．連續(xù)型時變生理信號，一般ＰＶＤＦ壓電脈象傳感器嘲］、心臟起搏器‘刎和吸入式為各種波形居多，如肌電圖‘６３和脈搏波嘲３等，對應(yīng)的藥丸攝像機Ⅲ３；２．離散型時變生理信號，如體溫‘引、

血壓‘２７１和血氧飽和度‘４０３等生理參數(shù)值，對應(yīng)的傳感

萬方數(shù)據(jù)傳感器（設(shè)備）包括腦電圖掃描儀‘孫３、視覺傳感器、聽

７４０

器（設(shè)備）包括吸入式藥丸溫度測量儀ｎ１１、胰島素泵［２６］、肺功能傳感器‘“］、葡萄糖檢測傳感器Ｌ２６］、出汗量檢測傳感器［札］、指環(huán)式心率感知器［４引、血氧飽和度傳感器【２２“引、體溫傳感器ｍ］、非入侵血壓監(jiān)測儀［１７，２７３和脈搏率檢測傳感器【２２３；３．人體活動及動作信號，用于監(jiān)控病人的日?；顒踊蛉梭w活動，對應(yīng)的傳感器（設(shè)備）包括人體活動傳感器［２“３１‘、加速度傳感器ｍ“舶’３ｈ４５］、動作傳感器［３引、耳戴式活動識別傳感器［３５］和螺旋儀［８“引．

１．２

ＢＳＮ研究狀況及分析

由于ＢＳＮ的重要性及對未來醫(yī)療保健和助老

助殘等社會問題的深遠影響，越來越多的人員投入到ＢＳＮ的研究中．其中，英國帝國理工大學對ＢＳＮ中情景感知和周圍環(huán)境感知的研究［３２，３５，３８，４６１；美國加州大學和伯克利大學等重點對ＢＳＮ可穿戴性、可擴展性和資源優(yōu)化等進行研究ｍ９’”’２爭３０’３７“７３；中國香港中文大學等基于多種通信方式構(gòu)建混合的ＢＳＮ，并對移動ＢＳＮ中跟蹤和能量感知ＭＡＣ進行了相關(guān)研究［２７，４１－４２，４８］；韓國信息通信大學等從低能耗和通信的角度構(gòu)建新型的ＢＳＮ系統(tǒng)Ｌ６，４９－５１］；新加

坡國立大學等對ＢＳＮ的架構(gòu)展開了深入研究【５刪；

中國科學院計算技術(shù)研究所構(gòu)建了新型的ＢＳＮ平臺并對ＢＳＮ中數(shù)據(jù)融合技術(shù)展開了研究［１４，３６３；中國科學院自動化研究所研究ＢＳＮ對人體活動的監(jiān)

控［３１，５２１；此外，中國臺灣阻５引、東南大學‘５５３以及世界

的其他地方如加拿大ＤｈＳ６］、德國［２８，５７］、愛爾蘭‘盯、巴西。詣］、比利時［５９３和瑞士‘３４３等國家在ＢＳＮ的自適應(yīng)性和可調(diào)節(jié)性、中間件、信號處理算法、健康及活動監(jiān)控和網(wǎng)絡(luò)可靠性等方面的研究也取得了進展．

本文分別從研究角度（關(guān)鍵技術(shù)）和應(yīng)用領(lǐng)域?qū)Γ拢樱窝芯繝顩r進行了統(tǒng)計分析（分別如圖３和圖４所

。Ｆｉｇ．３

ＳｔａｔｉｓｔｉＣｓｏｆｋｅｙｔｅｃｈｎｏｌｏｇｉｅｓｉｎＢＳＮ．

‘圖３ＢＳＮ研究角度（關(guān)鍵技術(shù)）統(tǒng)計

萬方數(shù)據(jù)

計算機研究與發(fā)展２０１０，４７（５）

示），所用參考文獻是從ＩＥＥＥ檢索、ＳｐｒｉｎｇＬｉｎｋ檢索以及ＡＣＭ檢索獲得，日期從２００４年到２００９年．

Ｆｉｇ．４

Ｓｔａｔｉｓｔｉｃｓｏｆｍｏｎｉｔｏｒｉｎｇ

ｏｂｊｅｃｔｓｉｎＢＳＮ．

圖４ＢＳＮ應(yīng)用領(lǐng)域（監(jiān)控目標）統(tǒng)計

從圖３可以看出，不同的研究實體對于設(shè)計和實現(xiàn)新型的、供自己研究和使用的ＢＳＮ研究平臺給予了更多關(guān)注．ＢＳＮ的關(guān)鍵技術(shù)研究熱點依次是數(shù)據(jù)融合技術(shù)、情景感知技術(shù)和ＢＳＮ能量控制．由于基于加速度計的傳感器易用性和實現(xiàn)方便，圖４說明ＢＳＮ用于“人體活動／動作”領(lǐng)域的研究比例最大，“心電”、“血壓”和“體溫／溫度”的應(yīng)用也與此類似．特別指出，圖４中“人體活動／動作”和“環(huán)境感知及行為狀態(tài)”的應(yīng)用領(lǐng)域比例大，這與圖３中“新型ＢＳＮ”和“情景感知”技術(shù)熱點是一致的，并從不同側(cè)面說明了同一個事實：研究者們提出新的ＢＳＮ系統(tǒng)架構(gòu)將人體活動／動作和“環(huán)境感知及行為狀態(tài)”相結(jié)合，實現(xiàn)情景感知和智能識別，進而達到長期的實時病人監(jiān)控和醫(yī)療保健的目的．

２

ＢＳＮ系統(tǒng)架構(gòu)的代表性應(yīng)用及研究項目

２．１

ＢＳＮ系統(tǒng)架構(gòu)

ＢＳＮ應(yīng)用系統(tǒng)或服務(wù)平臺都會有自己的系統(tǒng)

架構(gòu)，目前多采用先分布式采集或感知、再集中式處理的方式．考慮到ＢＳＮ的網(wǎng)絡(luò)規(guī)模較小，并且每對傳感器節(jié)點之間的通信也不是必須的，因此分布式采集部分經(jīng)常采用星形拓撲結(jié)構(gòu)［６引．為了更好地概括和總結(jié)各種已有的ＢＳＮ系統(tǒng)架構(gòu)，通過兼容性地整合這些結(jié)構(gòu)［６’１３，２鋤“３¨ｈ５“６１。６３］，本文給出一種全面的架構(gòu)形式，如圖５所示．該圖表示了ＢＳＮ的物

理模型，不僅兼顧到已有不同種類ＢＳＮ系統(tǒng)架構(gòu)，

還更好地突出了ＢＳＮ系統(tǒng)的特點．

宮繼兵等：體域網(wǎng)ＢＳＮ的研究進展及面臨的挑戰(zhàn)

７４１

／：ＩｍｐｌａｎｔｅｄＳｅｎｓｏｒＮｏｄｅｓ

Ｗ：ＷｅａｒａｂｌｅＳｅｎｓｏｒＮｏｄｅｓＡ：ＡｍｂｉｅｎｔＳｅｎｓｏｒＮｏｄｅｓ胃：ＢＳＮＨｅａｄ

Ｆｉｇ．５

ＡｒｃｈｉｔｅｃｔｕｒｅｏｆＢＳＮ．＋

圖５ＢＳＮ系統(tǒng)架構(gòu)

圖５所示ＢＳＮ的系統(tǒng)架構(gòu)包含３個層次［６４］：第１層包含一組具有檢測功能的傳感器節(jié)點或設(shè)備，由于受資源限制，它們的功能經(jīng)過了簡化設(shè)計．在醫(yī)療領(lǐng)域，傳感器能夠測量和處理人體的生理信號或所在環(huán)境信息，然后將這些信息傳送給外部控制節(jié)點或頭節(jié)點，還可以接收外部命令以觸發(fā)動作．在非醫(yī)療領(lǐng)域，可穿戴的設(shè)備（如耳機、ＭＰ３播放器和游戲控制器等）都可以包含進來．第２層是具有完全功能設(shè)計的移動個人服務(wù)器（ｍｏｂｉｌｅ

ｐｅｒｓｏｎａｌ

向這些用戶、醫(yī)務(wù)人員和護理人員提供相應(yīng)服務(wù)．

人們通常認為ＢＳＮ中只需有基站和各節(jié)點通信就可以了．但在一個擁有較多傳感器節(jié)點的混合ＢＳＮ中，由于其網(wǎng)絡(luò)架構(gòu)同ＷＳＮ類似，就要有

ＢＳＮ

Ｈｅａｄ來集合從所管轄節(jié)點所搜集到的生理參

數(shù)或周圍環(huán)境數(shù)據(jù)，并用Ｓｉｎｋ節(jié)點來和各ＢＳＮＨｅａｄ進行通信和收集數(shù)據(jù)．這種情況下，Ｓｉｎｋ節(jié)點也可以看作是一個基站，它具有全局性．ＢＳＮ

Ｈｅａｄ

可以是普通的ＢＳＮ節(jié)點，也可以是便攜式的帶有充分計算能力的ＰＤＡ或Ｃｅｌｌｐｈｏｎｅ，僅具有局部性，能夠進行本地數(shù)據(jù)分析、檢測病人生理狀況的異常，執(zhí)行相關(guān)的安全任務(wù)以及及時發(fā)出警報．它還可以充當節(jié)點和服務(wù)器之間的路由器，連接短距離網(wǎng)絡(luò)（Ｂｌｕｅｔｏｏｔｈ／ＺｉｇＢｅｅ／ＷｉＦｉ）和遠程網(wǎng)絡(luò)（ＧＳＭ／ＧＰＲＳ／

３Ｇ）ｔ５“．２．２

ｓｅｖｅｒ）［６４Ｊ或ＢＳＮ頭節(jié)點（ＢＳＮＨｅａｄ）［－５４］或主節(jié)點

（ｍａｓｔｅｒ（ｂａｓｅ

ｎｏｄｅｓ）［６引，進一步還包括Ｓｉｎｋ節(jié)點或基站

ｓｔａｔｉｏｎ）．它負責和外部網(wǎng)絡(luò)進行通信，并臨

時存儲從第１層收集上來的數(shù)據(jù)．它以低能耗的方式管理各個傳感器節(jié)點或設(shè)備，接收和分析感知數(shù)

據(jù)以及執(zhí)行規(guī)定的用戶程序［６５。．基站可以是資源相

對豐富的移動電話，能夠上網(wǎng)的ＰＤＡ或其他手持設(shè)備Ｌｌ引．一般情況下，當ＢＳＮ網(wǎng)絡(luò)節(jié)點個數(shù)不多時，圖５所示架構(gòu)中“Ｈ節(jié)點”部分與Ｓｉｎｋ／ＢａｓｅＳｔａｔｉｏｎ部分是合二為一的，只有在ＢＳＮ網(wǎng)絡(luò)節(jié)點較多的情況下會存在多個ＢＳＮ頭節(jié)點，此時就需要一個Ｓｉｎｋ節(jié)點或基站來負責收集由這些頭節(jié)點發(fā)送的信息，并作為路由器與外部網(wǎng)絡(luò)進行連接．第３層是包括提供各種應(yīng)用服務(wù)的遠程服務(wù)器的外部網(wǎng)絡(luò)，例如，醫(yī)療服務(wù)器保留注冊用戶的電子醫(yī)療記錄，并

ＢＳＮ代表性應(yīng)用及研究項目

體域網(wǎng)（ＢＳＮ）有著廣闊的應(yīng)用前景，應(yīng)用領(lǐng)域

包括醫(yī)療保健、身體康復(fù)、助殘助老、軍事、體育運動、目擊者救護、娛樂業(yè)，建筑業(yè)和工業(yè)等［６’１“２““］．以下僅列出其中幾個代表性應(yīng)用為例，包括醫(yī)療健

康監(jiān)測［…、身體活動運動監(jiān)控腳。３１’６７刪、人體活動姿

態(tài)識別［３５’‘５’５糾、老人生命體征家庭監(jiān)控［３９。、Ｈ－ｓｈｉｒｔ實時測量血壓［２７，３３］、結(jié)合體溫和加速度傳感器檢查心臟狀態(tài)［６］、交互式舞蹈表演［８。９］、Ｃｅｌｅｒｉｔａ可穿戴

萬方數(shù)據(jù)

７４２

計算機研究與發(fā)展２０１０，４７（５）

無線交互舞蹈表演系統(tǒng)Ｉｓ－ｇ］、嬰兒監(jiān)控［９Ｉ、戰(zhàn)士生理狀態(tài)監(jiān)控及救助［１¨、醫(yī)院／家庭術(shù)后病人康復(fù)監(jiān)控【３２Ｊ、智能識別和輔助身體康復(fù)［３州、用于非入侵健康監(jiān)測的“ＳｍａｒｔＣｌｏｔｈｅｓ鞏３引、真實環(huán)境下防跌倒監(jiān)測【４５］和提供普適監(jiān)控的“智能家庭，，［６９］等等．

代表性的ＢＳＮ研究項目包括用于中醫(yī)脈象信息收集及分析的無線網(wǎng)絡(luò)遠程醫(yī)療系統(tǒng)［１４’３６１、醫(yī)療護理的ＣｏｄｅＢｌｕｅ項目１７０３、遠程健康保健的ＭｏｂｉＨｅａｈｈ［７１。、制造可穿戴傳感器的ＭＩＴｈｒｉｌ項目［７引、“智能衣服”研究的歐洲ＭｙＨｅａｒｔ項目［３４］和ＡＮＧＥＬ項目［５７］等等．其中，中醫(yī)脈象信息收集及分析無線網(wǎng)絡(luò)遠程醫(yī)療系統(tǒng)［１“３６］通過搭建一種新的ＢＳＮ網(wǎng)絡(luò)，應(yīng)用無線通信技術(shù)，輕量級的數(shù)據(jù)融合模型以及一系列處理、分析和識別算法，能夠采集中醫(yī)脈象信息、抽取脈搏波波形特征點，智能處理和分析特征點信息，并給出診斷結(jié)果（如高血壓和冠心病等）．

３

射方法．推理方法常被應(yīng)用在決策融合中，基于對周圍情況的感知所獲得的知識來采取決策，包括貝葉斯推理、ｎＦ推理、模糊邏輯、神經(jīng)網(wǎng)絡(luò)、溯因推理和語義數(shù)據(jù)融合；從估計方法角度，ＢＳＮ中數(shù)據(jù)融合技術(shù)包括極大似然估計、最大后驗估計、最小二乘估計、移動平均濾波、卡爾曼濾波和粒子濾波；對有些ＢＳＮ應(yīng)用而言，直接使用原始的未經(jīng)處理的傳感器數(shù)據(jù)是不可行的．這種情況下可以將表示環(huán)境各方面的特征抽取出來，通過評估和推理的融合方法產(chǎn)生一個特征映射，常用的特征映射類型為Ｏｃｃｕｐａｎｃｙ

Ｇｒｉｄ和ＮｅｔｗｏｒｋＳｃａｎｓ［７引．３．１．２面臨挑戰(zhàn)

ＢＳＮ應(yīng)用系統(tǒng)在收集和處理生理數(shù)據(jù)時具有以下特點［１引：１．人體的不規(guī)則呼吸或突然的動作而產(chǎn)生低信噪比的不規(guī)則信號；２．由于節(jié)點的通信、計算和存儲能力受限于硬件資源，從而不能進行復(fù)雜的處理；３．在電子和信息化社會中，人們所處環(huán)境中常包含其他的電子儀器和設(shè)備，對無線通信造成嚴重干擾，從而使ＢＳＮ系統(tǒng)的噪音增大．ＢＳＮ中數(shù)據(jù)融合技術(shù)面臨以下挑戰(zhàn)［１４’３“５２’７引：

１）節(jié)點信號處理．這里的“信號處理”含義包括信號分析、抗干擾，信號分離以及濾波等技術(shù)．這些技術(shù)有兩種實現(xiàn)方式：節(jié)點上實現(xiàn)和基站（服務(wù)器或ＰＤＡ）上實現(xiàn)．前者是值得特別提倡的，其優(yōu)點是具有實時性，減少了不必要的數(shù)據(jù)流量和傳輸過程中能量的消耗．但由于節(jié)點資源受限，在節(jié)點上實現(xiàn)將面臨要求低算法復(fù)雜度的挑戰(zhàn)，而在資源豐富的服務(wù)器（基站或ＰＤＡ）上實現(xiàn)則能夠處理較復(fù)雜的信號，還可以進行分類學習或模式識別，信號處理效果會更好，而面臨挑戰(zhàn)則是如何減少網(wǎng)內(nèi)數(shù)據(jù)流量以及傳輸過程中的能量消耗，并盡可能降低由服務(wù)器存在而增加的網(wǎng)絡(luò)成本．

２）生理感知數(shù)據(jù)特征提?。砀兄獢?shù)據(jù)特征提取是從ＢＳＮ采集到的感知數(shù)據(jù)（如ＥＣＧ和ＥＥＧ）中找到具有生理意義或代表狀態(tài)的特征點，如人體脈搏波中的主峰峰值點和重搏前波峰值點等［１４‘，因此設(shè)計和實現(xiàn)滿足具體應(yīng)用的特征提取算法成為ＢＳＮ數(shù)據(jù)融合的又一個挑戰(zhàn)．其困難在于：（１）由于人體自身活動及生理因素（如呼吸或心跳）而使感知設(shè)備產(chǎn)生無法避免的噪音．（２）ＢＳＮ系統(tǒng)所在的家庭或醫(yī)院環(huán)境中存在大量的電器或電子設(shè)備，會對ＢＳＮ系統(tǒng)中的感知設(shè)備產(chǎn)生干擾．這些因素都會導(dǎo)致在ＢＳＮ醫(yī)療或監(jiān)控過程中所采集到信號質(zhì)量差，從而大大增加了提取特征點的難度．

ＢＳＮ面臨的技術(shù)挑戰(zhàn)、研究現(xiàn)狀和發(fā)展趨勢

３．１信號采集及數(shù)據(jù)融合

由于在實際應(yīng)用中ＢＳＮ將會產(chǎn)生大量的用于處理、傳遞和訪問的生理參數(shù)數(shù)據(jù)，傳感器節(jié)點如何操作這些數(shù)據(jù)就成了一個基本問題．數(shù)據(jù)融合技術(shù)的意義在于不僅能夠提高傳感器節(jié)點處理數(shù)據(jù)過程中的反應(yīng)速度，如果考慮這些數(shù)據(jù)之間的協(xié)同操作，數(shù)據(jù)融合還能夠減少數(shù)據(jù)流量，進而提高節(jié)點（特別是植入式生物節(jié)點）和ＢＳＮ網(wǎng)絡(luò)生命周期，還可以過濾噪音成分并對所監(jiān)控對象作出預(yù)測和推理．

信息／數(shù)據(jù)融合（ｉｎｆｏｒｍａｔｉｏｎ／ｄａｔａｆｕｓｉｏｎ）是一個多級的、多方面的、將來自于多個數(shù)據(jù)源（或多個傳感器）的數(shù)據(jù)進行處理的過程．它能夠獲得比單獨一個傳感器更高的準確率、更有效和更易理解的推論．同時，它又是一個包含將來自不同節(jié)點數(shù)據(jù)進行聯(lián)合處理的方法和工具的架構(gòu)．關(guān)于數(shù)據(jù)融合模型（如ＪＤＬ模型和ＤＦＤ模型）及其分類的專門討論請詳見參考文獻［７３］．３．１．１技術(shù)概述

無論是在研究還是應(yīng)用上，ＢＳＮ都是ＷＳＮ的一個分支或子集，因此很多ＷＳＮ中的數(shù)據(jù)融合技術(shù)同樣適用于ＢＳＮＣ引．ＷＳＮ中已有的數(shù)據(jù)融合方法、模型及其分類都為ＢＳＮ中數(shù)據(jù)融合的研究提供了重要的參考和理論依據(jù)．ＢＳＮ中數(shù)據(jù)融合技術(shù)／方法包括３個方面Ｕ３］：推理方法、估計方法和特征映

萬方數(shù)據(jù)

宮繼兵等：體域網(wǎng)ＢＳＮ的研究進展及面臨的挑戰(zhàn)

３）輕量級數(shù)據(jù)融合算法．同ＷＳＮ一樣，ＢＳＮ中傳感器節(jié)點中的資源（包括存儲能力、計算能力、無線通信能力和能量等）往往也是受限制的，因此要構(gòu)造可穿戴的、簡單易用和低成本的ＢＳＮ應(yīng)用系統(tǒng)，就必須考慮內(nèi)嵌式輕量級的數(shù)據(jù)融合算法的設(shè)計和實現(xiàn)，以解決有限資源處理大量傳感器所產(chǎn)生數(shù)據(jù)的問題．特別是對于植人體內(nèi)的傳感器，輕量級算法所減少的能量消耗的意義更加明顯，甚至關(guān)系到ＢＳＮ應(yīng)用系統(tǒng)可行性和可用性．此外，ＢＳＮ中數(shù)據(jù)傳輸比數(shù)據(jù)處理的能量消耗要大得多，因此通過傳感器節(jié)點上的輕量級數(shù)據(jù)融合算法使得待傳輸?shù)臄?shù)據(jù)量變?yōu)樽钚【湍軌驈母旧辖档驼麄€系統(tǒng)的能耗‘５

０｜．

３．１．３研究現(xiàn)狀及發(fā)展趨勢

ＢＳＮ數(shù)據(jù)融合的研究取得了豐碩的成果，在數(shù)據(jù)融合技術(shù)方面，除了已有的分段聚合逼近（ＰＡＡ）、整合平均值（ＩＡＶ）和主成分分析法（ＰＣＡ）等方法可以抽取有效的特征外［７引，常見的數(shù)據(jù)約簡分類技術(shù)還包括高斯混合模型、貝葉斯網(wǎng)絡(luò)和Ｍａｒｋｏｖ模型（ＨＭＭ）［２引．已有的傳感網(wǎng)絡(luò)數(shù)據(jù)融合技術(shù)依賴于分類器的推理能力Ｅ４３］，往往先采用一些數(shù)據(jù)融合技術(shù)對多傳感器產(chǎn)生的數(shù)據(jù)進行融合或者（預(yù)）處理，然后再應(yīng)用貝葉斯網(wǎng)絡(luò)對感知的數(shù)據(jù)進行分類，或者采用Ｋａｌｍａｎ濾波和Ｍａｒｋｏｖ模型來識別一連串的動作或活動［５２’７副．有的ＢＳＮ應(yīng)用則先進行降維操作（如主成分分析），然后再進一步使用前面的分類技術(shù)Ｌ３ｓ］；在數(shù)據(jù)融合模型方面，一般應(yīng)用比較成熟的ＷＳＮ／ＢＳＮ數(shù)據(jù)融合模型［７３］對多個源產(chǎn)生的數(shù)據(jù)進行融合．針對ＢＳＮ應(yīng)用系統(tǒng)具體的需求，從系統(tǒng)任務(wù)或輸入輸出的角度建立數(shù)據(jù)融合架構(gòu)，為保證獲得實時的數(shù)據(jù)融合解決方案，需要在架構(gòu)中給出一系列輕量級的數(shù)據(jù)融合算法，所提出的數(shù)據(jù)融合架構(gòu)不僅要能夠更精確地描述該ＢＳＮ應(yīng)用系統(tǒng)中數(shù)據(jù)特點及其處理過程，還要清晰地體現(xiàn)出輕量級數(shù)據(jù)融合算法和不同數(shù)據(jù)融合過程之間的關(guān)

系【ｌ４‘．源信號分離（ｓｏｕｒｃｅｓｅｐａｒａｔｉｏｎ）也可以看作

是一種數(shù)據(jù)融合方式，為達到分離信號數(shù)據(jù)的目的，先應(yīng)用一些線性或非線性的“盲數(shù)據(jù)”【７６１分離模型或工具（“盲數(shù)據(jù)”是指感知信號中混入了未知的其他感知數(shù)據(jù)或噪音），然后用數(shù)據(jù)融合技術(shù)評估該模型，最后計算對比并輸出被分離的有用數(shù)據(jù)，被分離的數(shù)據(jù)可以用于進一步的處理＂川，如將ＩＣＡ模型

（ｉｎｄｅｐｅｎｄｅｎｔｃｏｍｐｏｎｅｎｔ

ａｎａｌｙｓｉｓ）作為數(shù)據(jù)分離的工

具，對跑步和呼吸活動數(shù)據(jù)進行分離，并用極大似然

萬方數(shù)據(jù)

７４３

模型來估計該模型口盯．在大多數(shù)ＢＳＮ應(yīng)用中，使用多個傳感器來推斷信號特征和收集這些信號所在的情景環(huán)境信息，應(yīng)用ＩＣＡ技術(shù)能明顯地簡化隨后的分類處理過程［７８。．此外，數(shù)據(jù)融合技術(shù)還被用在數(shù)據(jù)安全中，如在組安全ＢＳＮ（ｓｅｃｕｒｉｔｙ

ｇｒｏｕｐ

ＢＳＮ）中

它的角色很重要，不但節(jié)省了帶寬和能量，還可以識別網(wǎng)絡(luò)中可疑的活動和潛在的攻擊，從而提高網(wǎng)絡(luò)安全性Ｌｌ引．多傳感器融合還在臨床相關(guān)事件起到重要的作用，如通過抽取生理及其相關(guān)情景信息來準確識別臨床病情的變化［７副．

ＢＳＮ中數(shù)據(jù)融合技術(shù)主要發(fā)展趨勢為：１．設(shè)計和實現(xiàn)能夠在節(jié)點上運行的輕量級數(shù)據(jù)融合算法［３引，此類算法可以進行維數(shù)約簡、特征選擇或直接的信號處理．２．發(fā)展協(xié)作式數(shù)據(jù)融合策略，不能依賴單個節(jié)點進行數(shù)據(jù)融合任務(wù)，通過協(xié)作的方式達到減少數(shù)據(jù)傳輸量和提高識別精度的目的．比如在監(jiān)控人體多個生理參數(shù)（如體溫、心率和腦電波）的ＢＳＮ應(yīng)用中，正常狀態(tài)下每個節(jié)點以低采樣率和低功耗進行工作，而一旦某個傳感器發(fā)現(xiàn)異常（如心率超過某個閾值），則通知其他節(jié)點調(diào)高采樣率和功率以進行更全面細致的檢測，確保及時發(fā)現(xiàn)疾?。常岣咧車h(huán)境傳感器魯棒性學習能力［３引，在輕量級算法的基礎(chǔ)上，結(jié)合與Ｓｉｎｋ節(jié)點或基站的交互，對周圍環(huán)境傳感器的學習結(jié)果進行比對和校正，進而調(diào)整學習模型的參數(shù)，以確保ＢＳＮ魯棒性的學習能力．

由于情景感知能夠解釋來自于ＢＳＮ中的物理信號和生物化學信號，對外界不同事件作出決策以及調(diào)整自身的監(jiān)控行為，因此已成為在實現(xiàn)健康保健監(jiān)控ＢＳＮ應(yīng)用系統(tǒng)中不可或缺的一部分［２１’韶］．ＢＳＮ中情景感知的重要性還在于將用戶生理活動和周圍環(huán)境信息結(jié)合起來以形成被感知的信號，這種情景信息可以被用在普適醫(yī)療、特別是用于精確病情檢測【２１。．最后，情景感知能讓ＢＳＮ中的一些數(shù)據(jù)處理以低能耗方式在本地的資源受限的傳感器節(jié)點上執(zhí)行，從而讓整個網(wǎng)絡(luò)的能耗和通信帶寬最小化【６引．

情景是能夠描述當前實體情況的任何信息，這里，實體可以是一個人、地方或者是物理對象．情景

ｓｅｎｓｉｎｇ，ＣＡＳ）能被定義為探

知或監(jiān)測用戶的內(nèi)部或外部狀態(tài)［２１｜．情景感知計算

（ｃｏｎｔｅｘｔａｗａｒｅ

ｃｏｍｐｕｔｉｎｇ，ＣＡＣ）描述了一個可穿

戴可移動的、傳感器能夠感知到用戶狀態(tài)和周圍環(huán)９。．情景信息可以是周圍傳感器獲得的信息［２引，

３．２情景感知

感知（ｃｏｎｔｅｘｔ－ａｗａｒｅ境、并在任務(wù)中利用這些信息來改變其行為的計算Ｌ７

７４４

也可以是身體活動信息，還可以是血壓、周圍環(huán)境溫度、體溫或大腦活動等［２６‘．情景感知技術(shù)就是利用這些情景信息來檢測或監(jiān)控目標生理參數(shù)（如ＥＣＧ）是

否出現(xiàn)異常［２０２．

３．２．１技術(shù)概述

對ＢＳＮ中情景信息進行推理主要包含３種方法［２１３：人工神經(jīng)網(wǎng)絡(luò)、貝葉斯網(wǎng)絡(luò)和Ｍａｒｋｏｖ模型．人工神經(jīng)網(wǎng)絡(luò)作為一個穩(wěn)定的分簇算法被用于ＢＳＮ的情景感知中，原因在于它能夠表現(xiàn)良好卻不需要對輸入數(shù)據(jù)進行監(jiān)管訓練，但會在底層傳感器產(chǎn)生一些無可避免的噪音．自組織映射（ｓｅｌｆ－ｏｒｇａｎｉｓｉｎｇｍａｐｓ，ＳＯＭ）［８婦是屬于人工神經(jīng)網(wǎng)絡(luò)方法的一種，除了具有人工神經(jīng)網(wǎng)絡(luò)的特性外，它還提供了使數(shù)據(jù)可視化和分簇的高效方法［６引，該特性決定它不但能夠保持連續(xù)工作，與其他方法結(jié)合則更有利于日?；顒幼R別［２９，３１，４５，６７３；貝葉斯網(wǎng)絡(luò)被用來將ＢＳＮ中感知數(shù)據(jù)的情景進行分類，因此是一個十分合適的用于情景感知的推理方法．貝葉斯網(wǎng)絡(luò)遵循圖中各頂點之間嚴格獨立的假設(shè)，當獨立假設(shè)成立的情況下它能獲得最高的準確率；為了能夠在真實世界的ＢＳＮ中應(yīng)用情景感知技術(shù)，需要一個持續(xù)時間段而非某個確切時間點上的連續(xù)識別，由此將隱Ｍａｒｋｏｖ模型（ＨＭＭｓ）引入到監(jiān)督層以獲得情景轉(zhuǎn)換的模型．由于系統(tǒng)能夠識別一連串的動作或活動，因此應(yīng)用隱Ｍａｒｋｏｖ模型是能夠?qū)θ说男袨閷崿F(xiàn)精確建模的情景識別技術(shù)．３．２．２面臨挑戰(zhàn)

ＢＳＮ中情景感知仍然面臨著一些分類學習及推理、情景感知架構(gòu)、環(huán)境感知及監(jiān)控等方面的技術(shù)挑戰(zhàn)，具體表現(xiàn)如下［２１ｌ：

１．分類學習及推理．這包含３個方面的挑戰(zhàn)：１）在平滑約束和自適應(yīng)學習方面，人類活動包括自然持續(xù)的身體動作，如果在情景中也引入這種平滑約束特性，那么對人體自然行為識別精度將會變得更高［８１１．此外，既然實際的ＢＳＮ應(yīng)用需要長期的連續(xù)時間工作，這就要求系統(tǒng)具有自適應(yīng)性，不僅能夠?qū)W習新出現(xiàn)的情景信息，而且還能忘記以前發(fā)生過并已經(jīng)學習的情景信息，這樣它就不必重新學習［ｚＵ．２）在分類器設(shè)計方面，傳統(tǒng)的傳感器融合技術(shù)主要依賴于分類器的推理能力，如用于活動識別的樸素貝葉斯分類器、用于日常活動跟蹤的分級Ｍａｒｋｏｖ模型和用于識別心率紊亂的基于貝葉斯框架的人工神經(jīng)網(wǎng)絡(luò)分類器［４３。．因此分類器設(shè)計是至關(guān)重要的，其目的是基于所有感知數(shù)據(jù)來產(chǎn)生最優(yōu)的結(jié)果，

萬方數(shù)據(jù)

計算機研究與發(fā)展２０１０，４７（５）

而不考慮分類結(jié)果的相關(guān)性，從而更好地對目標進行分類．３）在訓練數(shù)據(jù)方面，訓練數(shù)據(jù)是分類器準確率的重要保障，因此也是在情景感知中的另一個挑戰(zhàn)．一方面在很多場景中，要求病人進行一些特定活動以獲得足夠大訓練數(shù)據(jù)集合是不現(xiàn)實的．另一方面，大量使用傳感器來獲得真實的訓練數(shù)據(jù)將會面臨實際的部署困難¨６。．

２．情景感知架構(gòu)建立．用于醫(yī)療健康監(jiān)控的ＢＳＮ系統(tǒng)，特別是真實的健康醫(yī)療的ＢＳＮ應(yīng)用將會涉及到設(shè)計、開發(fā)、部署和管理上下文信息及各項系統(tǒng)任務(wù)的需求．這要從架構(gòu)的角度進行考慮，必須設(shè)計一個通用合理的情景感知架構(gòu)來解決以上問題．建立這樣的情景感知架構(gòu)的挑戰(zhàn)在于¨引：１）架構(gòu)中需要考慮的因素多且關(guān)系復(fù)雜，這些因素包括情景感知系統(tǒng)的模擬、安裝、調(diào)試、維護以及加入新感知設(shè)備或節(jié)點，移除舊的感知設(shè)備或節(jié)點，更新系統(tǒng)組件等；２）合理的情景感知架構(gòu)不僅要能夠高效地獲取上下文信息，還要有效地將它們進行融合和推理．

３．ＳＯＭ的不穩(wěn)定性和訓練數(shù)據(jù)依賴性．自組織映射（ＳＯＭ）的不穩(wěn)定性表現(xiàn)在它是基于神經(jīng)元輸人屬性或特征的快照進行匹配的，準確性極易受特征變化的影響．在一些情景應(yīng)用中，每個活動可以包含一系列的子活動，受其影響，這種情況下的結(jié)果活動模式不再受到本地神經(jīng)元簇的限制，它往往會跨過大片區(qū)域的映射而和其他活動的神經(jīng)元產(chǎn)生重疊，這將對ＳＯＭ總的識別精度起到相反的影響效果［６引．ＳＯＭ依賴性表現(xiàn)在受過訓練映射的神經(jīng)元活動模式高度依賴訓練數(shù)據(jù)的分布［８３。．如果輸入空間的某個區(qū)域包含頻繁激勵，它會被ＳＯＭ大片區(qū)域所表示，并因此會出現(xiàn)依賴于訓練數(shù)據(jù)中類的記錄個數(shù)的偏差．由于動態(tài)和靜態(tài)混合激勵的存在，因此控制分類識別率是困難的，類誤匹配也無法避免［６８１．３．２．３研究現(xiàn)狀及發(fā)展趨勢

情景感知在ＢＳＮ應(yīng)用中所處的位置非常重要，因此其研究成果也比較豐富．代表性的應(yīng)用大致分為３類：第１類是在已有的ＢＳＮ系統(tǒng)基礎(chǔ)上，通過整合已有的情景感知技術(shù)或提出算法來構(gòu)建新的具有情景感知能力的ⅨＮ系統(tǒng)．如基于情景感知ＱＲＳ檢測的ＢＳＮ系統(tǒng)［２陽和用于家庭護理和健康監(jiān)護的非入侵情景感知ＢＳＮ系統(tǒng)［８４３等．第２類是應(yīng)用情景感知技術(shù)識別人體活動，進而實現(xiàn)醫(yī)院或家庭中對病人護理監(jiān)控目的．如通過佩戴加速傳感器識別病人的活動［３１’８５｛７。，提出基于隱Ｍａｒｋｏｖ的行為模

宮繼兵等：體域網(wǎng)ＢＳＮ的研究進展及面臨的挑戰(zhàn)

型方法以高效監(jiān)控家庭中病人的日常活動［４６｜，以及通過將耳戴式活動識別傳感器（ｅ－ＡＲ）和基于Ｂｌｏｂ的周圍環(huán)境傳感器相結(jié)合，以提高活動識別精度［３陽等．在此類應(yīng)用中都需要建立用于識別的模型架

構(gòu)［８８ｌ、定義活動模式和設(shè)計學習算法［８啦９０］．第３類

是直接或間接應(yīng)用自組織映射（ＳＯＭ）技術(shù)來實現(xiàn)情景感知功能的ＢＳＮ應(yīng)用，如將ＳｏＭ與Ｋ近鄰方法相結(jié)合對不同的人體活動進行分類［８們；基于ＳＯＭ提出了對復(fù)雜病癥進行分類的方法以檢測病人心率不齊【８６。、建立自適應(yīng)機制的ＳＯＭ架構(gòu)以解決ＢＳＮ中類分離和節(jié)點擴展問題【６８。，以及建立基于時空自組織映射（ＳＴ—ＳＯＭ）的分布式推理模

型‘９１１等．

當前情景感知技術(shù)一般應(yīng)用加速度傳感器來識別病人的日?；顒硬⑻峁┣榫靶畔ⅲ郏玻?。，理由是考慮到生理參數(shù)不斷發(fā)生變化是任何用于監(jiān)控的ＢＳＮ系統(tǒng)的必然現(xiàn)象，而加速度傳感器卻能夠顯示當病人出現(xiàn)異常情況（如心率上升）時活動狀態(tài)，使得ＢＳＮ通過情景感知技術(shù)能夠更精確地判斷病人的“正?！焙汀胺钦！毙畔ⅲ郏常玻保傊?，考慮將周圍環(huán)境和可穿戴感知設(shè)備相結(jié)合，使得開發(fā)一個高效的能夠監(jiān)控家庭中日常活動的可視化架構(gòu)才有可能［４引．

ＢＳＮ中情景感知技術(shù)主要發(fā)展趨勢為：１．研究靈活配置和自適應(yīng)的統(tǒng)一情景感知模型或架構(gòu)以指導(dǎo)ＢＳＮ設(shè)計，該架構(gòu)能夠提供統(tǒng)一的接口和服務(wù)．具體的ＢＳＮ應(yīng)用只需提供情景相關(guān)參數(shù)，選擇恰當?shù)姆诸愖R別技術(shù)，最后即可獲得決策級的反饋結(jié)果．２．情景感知將是分布式協(xié)作的進一步發(fā)展，是對情景感知計算的充分表達，因此情景感知未來的另一個發(fā)展趨勢是和無線通信技術(shù)、數(shù)據(jù)融合技術(shù)以及數(shù)據(jù)安全技術(shù)更好地結(jié)合在一起，構(gòu)造出功能強且安全的ＢＳＮ應(yīng)用系統(tǒng)．３．自動情景感知也是一個發(fā)展趨勢，因為傳統(tǒng)的獲得用戶情景信息的方法既費時又不可靠，通過專業(yè)設(shè)備和試驗條件下的臨床觀察又不能準確反映病人的行為，這些問題都促進了對自動情景識別系統(tǒng)的需求和發(fā)展【６引．

３．３系統(tǒng)技術(shù)３．３．１

網(wǎng)絡(luò)架構(gòu)

ＢＳＮ網(wǎng)絡(luò)架構(gòu)（ｎｅｔｗｏｒｋａｒｃｈｉｔｅｃｔｕｒｅ）是本文

上述系統(tǒng)架構(gòu)的重要組成部分，它是系統(tǒng)中通信設(shè)備（如傳感器節(jié)點）的邏輯組織．一般的網(wǎng)絡(luò)架構(gòu)包括星形拓撲、網(wǎng)狀拓撲，環(huán)形拓撲和總線拓撲．網(wǎng)絡(luò)架構(gòu)的選擇受系統(tǒng)特性的影響，并能夠影響系統(tǒng)的很多性能，如能耗、流量負載處理能力、節(jié)點失敗魯

萬方數(shù)據(jù)

７４５

棒性和ＭＡＣ協(xié)議選擇等ＥｓＪ．選擇ＢＳＮ網(wǎng)絡(luò)架構(gòu)的目的就是為了更好地保證無線通信低能耗及可靠性數(shù)據(jù)傳輸，架構(gòu)的選擇需要考慮以下因素Ｌｓ］：能量消耗、傳輸延遲、用戶間干涉、節(jié)點失敗和移動性．

一般情況下，星形拓撲網(wǎng)絡(luò)結(jié)構(gòu)對應(yīng)一跳無線通信方式，而網(wǎng)狀拓撲結(jié)構(gòu)則對應(yīng)著多跳無線通信方式．傳統(tǒng)的ＢＳＮ網(wǎng)絡(luò)拓撲一般采用簡單的星形拓撲結(jié)構(gòu)，但也會存在網(wǎng)狀或混合拓撲結(jié)構(gòu)的情況，比如當節(jié)點遠離身體或被身體擋住時就需要多跳的通信方式，在（較）大規(guī)模ＢＳＮ網(wǎng)絡(luò)中也是如此．網(wǎng)絡(luò)架構(gòu)的選擇依據(jù)不是單一的．從實際應(yīng)用的角度而言，一般情況下ＢＳＮ網(wǎng)絡(luò)的規(guī)模和復(fù)雜程度是架構(gòu)選擇的主要依據(jù)．節(jié)點少功能簡單的ＢＳＮ應(yīng)用會首選一跳無線通信方式的星形拓撲架構(gòu)［１７，ｇＺ－ｇａ］．也有根據(jù)ＢＳＮ應(yīng)用目標選擇來星形拓撲結(jié)構(gòu)的情況，如用于監(jiān)控病人健康為目標的ＢＳＮ生理數(shù)據(jù)采集系統(tǒng)口ｊ、基于超帶寬通信的醫(yī)療保健監(jiān)控ＢＳＮ應(yīng)用架構(gòu)［６７］和用于實現(xiàn)低能耗或輕量級的無線通信協(xié)議的ＢＳＮ系統(tǒng)Ｌｌ乳９４］．相對而言，對于節(jié)點較多或大規(guī)模ＢＳＮ網(wǎng)絡(luò)就要選擇網(wǎng)狀拓撲結(jié)構(gòu)或混合拓撲結(jié)

構(gòu)‘５’５９］．

－帶有網(wǎng)狀或混合拓撲結(jié)構(gòu)的ＢＳＮ網(wǎng)絡(luò)會具有更多的研究價值，在這種網(wǎng)絡(luò)中有很多工作要做，一方面，在多跳的ＢＳＮ網(wǎng)絡(luò)中提出概率連接模型，而不使用圓形覆蓋模型考慮無線通信連接問題［ｓ引．此外，在多跳通信架構(gòu)中每兩個實體間可能會有多個通信鏈路，因此網(wǎng)狀拓撲結(jié)構(gòu)可提高系統(tǒng)的可靠性［６］．另一方面，網(wǎng)狀或混合拓撲結(jié)構(gòu)對應(yīng)的多跳通信方式還便于將可穿戴傳感器和周圍傳感器相結(jié)合，再利用分布式推理的方法或策略實現(xiàn)智能識別和監(jiān)控Ｌ９¨，多跳無線通信另一個作用是還能夠構(gòu)建針對ＢＳＮ網(wǎng)絡(luò)的控制系統(tǒng)［５引．３．３．２傳感器節(jié)點和網(wǎng)關(guān)

ＢＳＮ網(wǎng)絡(luò)具有很強的異質(zhì)（或異構(gòu)）性［７引，所包含的幾乎都是不同種類的，完成某個具體感知功能的傳感器節(jié)點．ＢＳＮ中傳感器節(jié)點一般由各類傳感器、處理器、內(nèi)存，收發(fā)器和能量單元構(gòu)成［２引，其基本功能包括生理信號檢測、信號處理和無線通信Ｌｌ３‘，并具有能量低、內(nèi)存受限，計算能力低和通信速率低的限制Ｌ２引．生物傳感器被植入人體用于健康監(jiān)控、診斷或者成為人工器官，當其所在環(huán)境出現(xiàn)生理上的變化時它可以檢測、記錄和傳輸這些變化信

息【ｌ８。．ＢＳＮ傳感器節(jié)點的無線電輻射及其相應(yīng)能耗

必須保證降低到最小程度，以避免對人體產(chǎn)生潛在

７４６

的危害．而對于植入體內(nèi)的生物傳感器節(jié)點，其體積還必須保證很小，因此生物傳感器節(jié)點設(shè)計是ＢＳＮ在醫(yī)療保健應(yīng)用中的挑戰(zhàn)之一“３。，，其內(nèi)容包括天線設(shè)計、無線電接口設(shè)計、收發(fā)器設(shè)計、轉(zhuǎn)發(fā)器設(shè)計以及超低能耗設(shè)計．難點在于傳感器節(jié)點大小及其低能耗設(shè)計［１釗．

目前已有很多不同用途和功能的傳感器節(jié)點，如用于測量溫度和脈搏率的傳感器口］、感知脈搏壓力的ＰＶＤＦ壓阻式脈象傳感器Ｌ３６］、監(jiān)控人體動作的活動傳感器Ｌ３０Ｊ、報告人體運動方向的三維加速度和陀螺儀傳感器【６刊、基于超帶寬通信協(xié)議的超低能耗傳感器Ｌｌ９｜、超緊密可擴展的Ｅｃｏ節(jié)點［９］和可穿戴的生理信號傳感器節(jié)點ｎ叼等．針對以上節(jié)點設(shè)計中所面臨的技術(shù)挑戰(zhàn)，可以從節(jié)點的電子電氣特性以及功能最優(yōu)化設(shè)計等方面考慮，還可以考慮到增加電池壽命來應(yīng)對植人體內(nèi)的傳感器節(jié)點長期工作（一般為１０＂－－１５年），而不需要更換電池的能量消耗問題凹引．另一個考慮是設(shè)計低功率低電壓，高集成度和高性能的轉(zhuǎn)發(fā)器（ｔｒａｎｓｍｉｔｔｅｒ）［９５］來應(yīng)對以上傳感器節(jié)點低能耗的挑戰(zhàn)．此外，面對植入式節(jié)點能量消耗必須減少到１００弘Ｗ的需求，無線電接口也是一個挑戰(zhàn)ｕ引，一個好的無線電接口及其優(yōu)化策略的設(shè)計也能很好地促進傳感器節(jié)點操作上低能耗的性

能‘９５。．

．

考慮到ＢＳＮ實際應(yīng)用，天線設(shè)計是其中一個重

要問題［４６。，是ＢＳＮ醫(yī)療保健系統(tǒng)中可靠和高能效

無線通信鏈路的一個決定性因素，還是迷你型植入體內(nèi)的生物傳感器進行長期監(jiān)控的保證，天線設(shè)計具有挑戰(zhàn)性的原因在于天線體積必須要小、低能耗和高能效，并且還不能受到身體的影響［９引．ＢＳＮ應(yīng)用中需要的可穿戴天線要應(yīng)該盡可能體積小和扁平曲引，而體積小的天線卻難以使用較低的頻率，因此有的天線被設(shè)計成緊貼在電路板上圍繞的環(huán)形線狀‘７‘，或者是迷你化的平面壓縮天線結(jié)構(gòu)Ｌ９引．還有人專門比較ＢＳＮ中不同類型的天線在人體各部位性能表現(xiàn)，以此說明天線與其所處的人體位置也有很大關(guān)系［９

６。．

作為ＢＳＮ系統(tǒng)重要組成部分，網(wǎng)關(guān)（ｇａｔｅｗａｙ）也是一種節(jié)點，主要用來以多種接入方式（如ＵＳＢ線纜、ＴＰ雙絞線，無線通信和Ｂｌｕｅｔｏｏｔｈ等）將感知數(shù)據(jù)轉(zhuǎn)發(fā)或傳遞到外部有線網(wǎng)絡(luò)、無線網(wǎng)絡(luò)或互聯(lián)網(wǎng)中．在圖５系統(tǒng)架構(gòu)中，ＢＳＮＨｅａｄ，Ｓｉｎｋ節(jié)點或

Ｂａｓｅ

Ｓｔａｔｉｏｎ都可充當網(wǎng)關(guān)．對于大多數(shù)ＢＳＮ網(wǎng)絡(luò)

而言，網(wǎng)關(guān)與一般傳感器節(jié)點不同之處在于它只用

萬方數(shù)據(jù)

計算機研究與發(fā)展２０１０，４７（５）

來收集數(shù)據(jù)，而不進行數(shù)據(jù)采集，因此網(wǎng)關(guān)節(jié)點不包含采集模塊，但包含兩個通信模塊，一個是與一般傳感器節(jié)點通信的無線模塊（ｗｉｒｅｌｅｓｓｍｏｄｕｌｅ），另一個就是連接外部網(wǎng)絡(luò)的通信模塊，例如，在無線中醫(yī)遠程醫(yī)療ＢＳＮ系統(tǒng)［３６］中，Ｓｉｎｋ節(jié)點通過無線收集由傳感器節(jié)點發(fā)來的人體脈搏波數(shù)據(jù)，同時又將這些生理數(shù)據(jù)通過ＵＳＢ線纜導(dǎo)人ＰＣ機中，以供進一步的診斷或遠程醫(yī)療．３．３．３無線通信技術(shù)

常見的ＢＳＮ無線通信技術(shù)包括ＣＣｌ００００［９８‘、

無線射頻（ＲＦ）ＣＺＴ－ＺＳ］、ＢｌｕｅｔｏｏｔｈＬ９９Ｊ、ＩＥＥＥ

８０２．１５．４

（ＺｉｇＢｅｅ）ｔ１００３和紅外線通信（ＩｒＤａ）［１０１］，此外還有超帶寬（ＵｌｔｒａＷｉｄｅＢａｎｄ，ＵｗＢ）［１０２］和無線ＵＳＢｃｌ６］，而體上通信（ｏｎ－ｂｏｄｙｃｏｍｍｕｎｉｃａｔｉｏｎ）【９４］和體內(nèi)通信（ｉｎｔｒａ—ｂｏｄｙｃｏｍｍｕｎｉｃａｔｉｏｎ，ＩＢＣ）［１０１１則是新興的人體生物信道通信技術(shù)．在同一個ＢＳＮ網(wǎng)絡(luò)中，可以根據(jù)具體應(yīng)用來使用一種或多種通信技術(shù)［２７１．此外，涉及ＢＳＮ中的無線通信技術(shù)也稱作醫(yī)療信息通信技術(shù)（ｍｅｄｉｃａｌ

ｉｎｆｏｒｍａｔｉｏｎａｎｄｃｏｍｍｕｎｉｃａｔｉｏｎ

ｔｅｃｈｎｏｌｏｇｙ。ｍｅｄｉｃａｌＩＣＴ）Ｄｚ，１０２３．

在選擇公開的ＢＳＮ無線通信技術(shù)時，ＺｉｇＢｅｅＬ６?！蓿常薄常场矗啊梗常葑钍芮嗖A，原因在于其低速率（最大數(shù)據(jù)傳輸率為２５０Ｋｂｐｓ）和低功耗的特性，同時也是新出現(xiàn)的工業(yè)應(yīng)用標準，不但可以滿足智能健康監(jiān)控傳感器的需求，在家庭自動化、工業(yè)控制和個人醫(yī)療保健也極具應(yīng)用潛力Ⅲ］．Ｂｌｕｅｔｏｏｔｈ［３４“０３］

和ＵｌｔｒａＷｉｄｅｂａｎｄ（ＵＷＢ）【１９’６７’１０２ｊ則是ＢＳＮ無線

通信技術(shù)的第２個選擇，雖然相對ＺｉｇＢｅｅ而言，Ｂｌｕｅｔｏｏｔｈ能耗較高并對自組織網(wǎng)絡(luò)的特性支持較少［１０３］，但其也是商業(yè)上廣泛應(yīng)用的成熟技術(shù)，較高數(shù)據(jù)傳輸率（最大數(shù)據(jù)傳輸率為７２０Ｋｂｐｓ）對于那些智能傳感器而育已經(jīng)足夠［１６‘，能夠更好地滿足一些特定的應(yīng)用，并且ＢＳＮ應(yīng)用網(wǎng)絡(luò)一般是非自組織的．超帶寬通信（ＵＷＢ）的吸引力在于其脈沖極短而且頻譜寬，它能夠保證高數(shù)據(jù)傳輸率通信、高精確測距和低能耗接收轉(zhuǎn)發(fā)能力等，可以作為ＢＳＮ網(wǎng)絡(luò)和

ＭｅｄｉｃａｌＩＣＴ系統(tǒng)的物理層技術(shù)ｎ０２］．ＢＳＮ有時也采用

人體生物通道（ｂｏｄｙｃｈａｎｎｅｌｃｏｍｍｕｎｉｃａｔｉｏｎ）［２“１０４］進

行通信，與前面無線射頻技術(shù)相比，生物信道通信技術(shù)的最大好處是低能耗并提供更安全數(shù)據(jù)傳輸路徑，同時也不需要有線技術(shù)作為外部連接，但生物信道通信難于像無線技術(shù)那樣能在擁擠環(huán)境中使用不同的通信模式［２引．３．３．４無線通信協(xié)議

ＢＳＮ中設(shè)計能量高效的無線通信協(xié)議［１３’１７’１０５］