一种无线体域网中WiFi和ZigBee节点避免冲突的方法技术

本发明专利技术公开了一种无线体域网中WiFi和ZigBee节点避免冲突的方法，包括对ZigBee、WiFi的传输信道状态通过隐形马尔可夫模型进行建模；根据网络中预先获得的数据痕迹，学习隐形马尔可夫模型中所有参数，训练及预测ZigBee和WiFi的传输模式，获取当前状态和下一个状态的信道冲突概率分布；当预测到ZigBee和WiFi的信道冲突后，通过AP虚拟WiFi数据帧的冲突，抑制周围的WiFi传输，保证优先级高的ZigBee节点进行通信。使病人的监测数据更加实时，这样对医院和病人都能带来便利，本发明专利技术能够提供高效的、有价值的帮助。

Method for avoiding collision between WiFi and ZigBee node in wireless body area network

The invention discloses a method for WiFi and ZigBee nodes in wireless body area network to avoid conflict, including the transmission channel state of ZigBee, WiFi modeled by hidden Markov model; according to the received data in the network traces, learning hidden Markov model in the parameter, transmission model training and prediction of ZigBee and WiFi. Get the current state and the next state of the channel conflict probability distribution; when the prediction to the channel conflict between ZigBee and WiFi, through conflict AP virtual WiFi data frame, the inhibition of WiFi transmission around, ensure the ZigBee node with the highest priority for communication. The present invention can provide efficient and valuable assistance in making the patient's monitoring data more real-time and thus facilitating the hospital and the patient.

【技术实现步骤摘要】

本专利技术涉及通信网络
，尤其涉及一种无线体域网中WiFi和ZigBee节点避免冲突的方法。
技术介绍
无线体域网(WBAN)是以人体周围的生物传感节点或植入节点等为对象的无线通信专用系统。它传递生理数据，如心电图，脑电图，血压等。所记录的生理信号经由无线技术发送至协调器，然后被发送到医疗监控中心。由于WBAN中需要低速率和较长电池寿命的传感节点，所以最广泛使用的无线技术就是ZigBee。但ZigBee网络面临着WiFi网络的严重干扰问题，这是因为它们都在未经授权的ISM2.4GHz频段上工作，它是全球唯一公开的频段，许多系统都在此频段上工作，这就导致不同系统间相互干扰的问题日益加重，并且这种干扰是不可避免的，其中以WiFi对ZigBee的干扰最为严重。在未经授权的ISM2.4GHz频段上，ZigBee节点受到WiFi设备的干扰，这是因为WiFi的发送功率比ZigBee强5-20分贝，ZigBee信号能勉强的被WiFi设备检测，而WiFi信号则很容易地被ZigBee设备检测，这就会导致ZigBee节点主动退避冲突。在无线体域网的医学领域中，ZigBee是非常关键的，它用于传输大量的人体生理数据，我们不能承受在WiFi网络的高干扰下其吞吐量降低，导致敏感数据失去时效性。因此，需要提出一种成本低能耗低的避免干扰方案运用到医疗生产中。现有技术中，解决办法大多集中在物理层，例如更改调制的类型、发射功率、扩展频谱、切换信道等。这些方法大多对ZigBee都不可行，因为会造成节点能耗的浪费。当前无线体域网中ZigBee和WiFi冲突的解决方法主要可以分为共存和避免，其中，避免干扰的方法是通过物理层扫描信道强度，找到比较空闲的工作信道，从而减少WiFi的干扰，但是随着WiFi设备和热点的不断增加，空闲的信道越来越少，而且频繁的切换信道也会造成ZigBee的能源消耗，不太可行；在一般情况下，对于共存问题提出的技术，基本上有以下几个方面，例如调制的类型，发射功率，扩展频谱，负载，包的大小，相互作用节点的地理分布等解决办法。虽然这些研究方法不同程度地减少了WiFi对ZigBee通信的干扰，但有一些研究却不切实际，例如使用特殊的硬件、控制所有的WiFi接入点、以及系统的修改等。这些要求大大地提高了成本和能量的消耗，在实际应用中很能实现。
技术实现思路
针对上述问题，本专利技术的目的在于提供一种无线体域网中WiFi和ZigBee节点避免冲突的方法，通过虚拟WiFi数据帧冲突抑制WiFi传输进而满足优先级较高的ZigBee节点通信。为了解决
技术介绍
中所存在的问题，本专利技术的技术方案为：一种无线体域网中WiFi和ZigBee节点避免冲突的方法，包括以下步骤：1)对ZigBee、WiFi的传输信道状态通过隐形马尔可夫模型进行建模；2)根据网络中预先获得的数据痕迹，学习隐形马尔可夫模型中所有参数，训练及预测ZigBee和WiFi的传输模式，获取当前状态和下一个状态的信道冲突概率分布；3)当预测到ZigBee和WiFi的信道冲突后，通过AP虚拟WiFi数据帧的冲突，抑制周围的WiFi传输，保证优先级高的ZigBee节点进行通信。所述步骤1)具体为：根据隐形马尔可夫模型，对可列的状态空间在离散化的时间参数空间上进行建模。所述步骤2)具体包括：2.1、根据网络中预先获得的数据痕迹，利用前向后向算法学习隐形马尔可夫模型中所有参数；2.2、通过递归方式，更新隐形马尔可夫模型中的参数系统使其收敛，得到的参数系统和当前样本是最匹配的参数；2.3、利用步骤2.2所得的参数，使用Viterbi算法对输入的测试数据预测出可能的信道传输状态序列；2.4、根据训练的隐形马尔可夫模型，基于极大似然估计当前状态和下一个状态的信道冲突概率分布。所述步骤3)中，AP位置通过采用多目标遗传算法获取。采用多目标遗传算法获取AP位置包括：第一步、将位置信息编码为遗传算法的染色体，每一条染色体代表空间中的一个AP位置，在解空间中随机均匀选取多个由位置编码形成的染色体作为初始种群；第二步、设置目标函数：函数一：收集AP所在位置所有WiFi设备的信号强度，取其最大值；函数二：设置一个最小信号强度阈值，计算AP所在位置所有信号强度大于该阈值的WiFi设备的数量；第三步、对初始种群的每个个体，通过目标函数进行评估，选取若干个帕累托占优的解作为下一代种群；第四步、获取交叉算子和变异算子，生成子代；第五步、将新生成的子代作为下一代的父辈种群，如果满足经过若干次迭代结果稳定，或者超过预设的迭代次数，则迭代终止进入第六步，否则进入第二步。第六步、选取产生的结果作为最优解。与现有技术相比较，本专利技术的有益效果为：本专利技术提供了一种无线体域网中WiFi和ZigBee节点避免冲突的方法，通过虚拟WiFi数据帧冲突抑制WiFi传输进而满足优先级较高的ZigBee节点通信，使用户不需要额外的硬件设备，也不需要更改WiFi、ZigBee设备的相关参数，只通过修改AP来避免或减少ZigBee传输中来自WiFi的干扰，进而节省芯片的能耗，另外，使病人的监测数据更加实时，这样对医院和病人都能带来便利，本专利技术能够提供高效的、有价值的帮助。附图说明图1是本发无线体域网中WiFi和ZigBee节点避免冲突的方法流程图；图2是本专利技术预测结果与原数据的情况对比图；图3是本专利技术ZigBee-WiFi冲突的预测结果图。具体实施方式下面结合附图对本专利技术做详细描述。如图1所示，本专利技术提供了一种无线体域网中WiFi和ZigBee节点避免冲突的方法，包括以下步骤：1)对ZigBee、WiFi的传输信道状态通过隐形马尔可夫模型进行建模；具体为：根据隐形马尔可夫模型，对可列的状态空间在离散化的时间参数空间上进行建模。在进行信道冲突分析时，首先将信道冲突序列切分为许多不同类型的信道冲突(可能有重叠)，对每一种冲突或者非冲突信号进行特征提取，这样得到一个一维的特征向量序列o＝o1o2o3…oT。认为每一个特征向量是满足某种概率分布的随机向量，这种随机向量序列又是随时间变化的，因此可以看作是一种随机过程。由于状态空间连续(即特征向量非离散)，直接以这种连续的状态空间进行建模十分复杂，因此基于某种可列的离散状态空间对冲突信号进行建模。考虑到冲突信号具有一定的短时平稳特性，即在一个较短的时间内可以认为冲突的状态是不变的，而一段信道的状态的整个过程则是由不同状态构成的，因此提炼出一个可列的状态空间在离散化的时间参数空间上进行建模。本专利技术把改变信道状态的节点分为三种，分别为ZigBee类、WiFi类和ZigBee-WiFi类，其中ZigBee类节点发送ZigBee信号和ZigBee自身冲突信号，WiFi类节点发送WiFi信号和WiFi自身冲突信号，ZigBee-WiFi类则是二者在传输中发送冲突信号。同样的，我们把空信号看做是不同类节点在发送空信号，并归为以下三类，一类是ZigBee类节点发送的空信号，一类是WiFi类节点发送的空信号，最后一类是ZigBee-WiFi类节点发送的空信号。这样我们就可以按照空信号紧接着的信号类型来划分状态，并把这些状态作为隐藏状态。例如：空信号后面紧接着ZigBee信号那我们就认为这是状态一的情况。2)根据网络本文档来自技高网...

【技术保护点】
一种无线体域网中WiFi和ZigBee节点避免冲突的方法，其特征在于，包括以下步骤：1)对ZigBee、WiFi的传输信道状态通过隐形马尔可夫模型进行建模；2)根据网络中预先获得的数据痕迹，学习隐形马尔可夫模型中所有参数，训练及预测ZigBee和WiFi的传输模式，获取当前状态和下一个状态的信道冲突概率分布；3)当预测到ZigBee和WiFi的信道冲突后，通过AP虚拟WiFi数据帧的冲突，抑制周围的WiFi传输，保证优先级高的ZigBee节点进行通信。

【技术特征摘要】
1.一种无线体域网中WiFi和ZigBee节点避免冲突的方法，其特征在于，包括以下步骤：1)对ZigBee、WiFi的传输信道状态通过隐形马尔可夫模型进行建模；2)根据网络中预先获得的数据痕迹，学习隐形马尔可夫模型中所有参数，训练及预测ZigBee和WiFi的传输模式，获取当前状态和下一个状态的信道冲突概率分布；3)当预测到ZigBee和WiFi的信道冲突后，通过AP虚拟WiFi数据帧的冲突，抑制周围的WiFi传输，保证优先级高的ZigBee节点进行通信。2.根据权利要求1所述的无线体域网中WiFi和ZigBee节点避免冲突的方法，其特征在于，所述步骤1)具体为：根据隐形马尔可夫模型，对可列的状态空间在离散化的时间参数空间上进行建模。3.根据权利要求1所述的无线体域网中WiFi和ZigBee节点避免冲突的方法，其特征在于，所述步骤2)具体包括：2.1、根据网络中预先获得的数据痕迹，利用前向后向算法学习隐形马尔可夫模型中所有参数；2.2、通过递归方式，更新隐形马尔可夫模型中的参数系统使其收敛，得到的参数系统和当前样本是最匹配的参数；2.3、利用步骤2.2所得的参数，使用Viterbi算法对输入的测试数据...

【专利技术属性】
技术研发人员：姚兰，赵志滨，唐梦姣，高福祥，
申请(专利权)人：东北大学，
类型：发明
国别省市：辽宁;21