论文研究-基于隐马尔科夫模型的超声波体域网差错控制策略 .pdf

2. 吉林大学计算机科学与技术学院，长春 130012）

无线电通信方式应用到无线体域网中。由于超声波的传播特性、能耗以及体域网络中因人体10

科夫模型（Hidden Markov Model，HMM）的 UBANs 自适应差错控制策略，该策略利用 HMM

对误码率进行预测，再根据系统下一时间段内误码率值的大小动态选择 ARQ 或 HARQ 进行

行性和实用性，再通过传输成功率、能耗等指标的对比，表明其整体性能优于传统策略。 15

(1. Department of Software, Jilin University, Changchun 130012;

Abstract: The potential of the body area network is huge, but the radio signal used as the

transmission medium is not suitable for BANs as its potential radiation effects can harm the health 25

of the human body. Ultrasonic is a kind of wireless signal transmission method, which can be used

in wireless body area network. Due to the propagation characteristics of ultrasonic, energy

consumption, and the complex channel conditions caused by the human body movement in the

body region network, the instability of the network is caused by the ultrasonic wave. In this paper,

we present an adaptive error control strategy based on Hidden Markov Model in UBANs and the 30

strategy is used to predict the rate of error according to BER and then dynamic select the ARQ and

域网作为物联网的一个重要分支越来越受到广泛的关注。体域网（Body Area Network , BAN）

是无线传感器网络（Wireless Sensor Network , WSN）的一个具体实例，是由分布在人身体40

由于体域网（BAN）对医疗、国防、保健等问题的深远影响，越来越多的人投入到这方面

的研究中来。 45

，随后更多的组织和学者投入到对体域网的研究中：O Aziz，J Pansiot 等

了移动无线体域网中的跟踪以及能量感知 MAC 等问题

。2007 年，IEEE 成立了 802.15.6

小组，正式定义了体域网（BAN），并在之后大约五年时间里，相继制定了一系列相应的

。随着小组的成立，对 BAN 的研究得到了进一步的发展。

时移动，网络拓扑具有多变性，导致节点之间的通信质量较差，因此如何提高网络通信的可55

产生影响，即节点应该运行于人体无法感知或较少感知的状态下。为了满足这种要求，BAN

范例称为超声波体域网（Ultrasonic Body Area Networks，UBANs）。 65

预测，再根据下一时间段内误码率值的大小动态选择 ARQ 或者 HARQ 进行差错控制，从而75

达到提高 UBANs 通信可靠性的目的。

即误码率很高（由于本文研究对象为二进制系统，故将误码率与误信率统称为误码率）。也80

就是说，若第 i 个码元丢失，则第 i+1 个码元也有可能丢失。以此类推，第 i+n (n ³2 ，n 为

程，则 UBANs 通信过程中码元丢失事件具有马尔科夫性，可运用马尔科夫模型进行研究

的。从某种程度上讲，这些隐性状态才能反映事物的本质并对事物的发展有重要影响，因此，90

之中。

所示，R 为隐性状态转移序列，主要表征隐性状态的转移过程；Q 为显性观测序列，由各隐95

性状态，但是可以通过观测值与隐性状态的转移过程进行预测。

际情况对 UBANs 中的 HMM 进行详细阐述：