زمانبندی منطق فازی برای شبکه های حسگر بدنی پزشکی انرژی- بهینه و دارای قابلیت اعتماد بالا

چکیده

شبکه های حسگر بدنی بی سیم با تنظیمات پزشکی تحت نیازمندی های متناقص نگهداری قابلیت اعتماد مطلوب و تاخیر پیام انتقالات داده و در عین حال حداکثرسازی طول عمر حسگرهای بدنی کار می کنند. در این فرایند، مشخصه های کل سیستم، شامل لایه فیزیکی، لایه کنترل دسترسی به رسانه و لایه کاربرد باید لحاظ شوند. هدف این مقاله مطالعه یک الگوریتم زمانبندی لایه متقاطع مبتنی بر قواعد فازی تحت سناریوهای پزشکی انتخاب شده برای شبکه های حسگر بدنی است. برای براورده کردن نیازمندیهای اشاره شده، انتقالات بسته با لحاظ کردن کیفیت کانال بین حسگرهای بدنی و محدودیت های پزشکی هر حسگر زمانبندی می شوند. یعنی زمان انتظار حسگرها در سیستم دسترسی و طول عمر باقیمانده آنها جزو مسائلی است که باید لحاظ شود. برای پیاده سازی زمانبندی منطق فازی از یک پروتکل MAC صف توزیعی تطبیقی استفاده کرده ایم که اخیرا ثابت شده است که برای شبکه های حسگر بی سیم بسیار بهینه تر از استاندارد IEEE 802.15.4 می باشد. ترجمه توسط وبسایت ترجمه یار

کلیدواژه ها – شبکه های حسگر بدنی، لایه متقاطع، مصرف انرژی، منطق فازی، کیفیت سرویس، زمانبندی.

1. مقدمه

دهه اخیر شاهد افزایش توجه به دستگاه های شنود و نظارتی برای کاربردهای مراقبت بهداشتی است، از جمله استفاده از حسگرهای بی سیم پوشیدنی و کاشتی برای کاربردهای بالینی (مثلا ECG، EEG، فشار خون، قند خون، و غیره). در تاریخچه این حوزه مقالات متعددی در رابطه با شبکه های حسگر بدنی بی سیم ارائه شده است. شبکه های حسگر بدنی می توانند تاثیر قابل توجهی برروی جنبه های مختلف مراقبت بهداشتی داشته باشند. با بیماران مجهز به حسگرهای کاشت شده یا پوشیدنیِ علائم حیاتی، گرداوری داده های بلادرنگ در زمینه وضعیت فیزیولوژی را می توان بسیار ساده نمود. اما یک خلاء قابل توجه بین سیستم های شبکه حسگر موجود و نیازهای حوزه پزشکی وجود دارد. برای براورده کردن این نیازمندیهای خاص، یک طراحی موفق از شبکه حسگر بدنی باید چند ویژگی منحصربفرد داشته باشد، که منجر به ترکیبی از مسائل فنی جالبی می شود که در شبکه های حسگر بی سیم دیگر یافت نمی شوند. به طور خاص، شبکه های حسگر پزشکی باید از قابلیت اعتماد بالا و تاخیر پیام خاص پشتیبانی کنند، بدون اینکه مصرف کلی توان بخطر بیفتد و لازم شود مکررا باتری‌ها جایگزین شوند. یعنی شبکه های بدنی بی سیم که عمدتا جهت نظارت همیشگی بر پارامترهای فیزیولوژی استفاده می شوند باید نیازهای کیفیت سرویس سخت‌تری از شبکه های حسگر بی سیم موجود براورده کنند. لذا اگرچه برخی اتلاف بسته‌های تناوبی به علت تداخل در برخی حالات ممکن است قابل قبول باشد، اما اتلاف بسته پایدار (به علت ازدحام یا تداخل خارجی پیوسته) مشکل ساز است، و محدودیت قابل توجهی در کانال بی سیم ایجاد می کند. علاوه براین، کاربردهایی شامل مراقبت بهداشتی پیوسته نیازمند باتری بخصوصی هستند، به طوری که زمان‌بندیهای نگهداری تجهیزات مراقبتی به خطر نمی افتند. لذا راه حل های جدید باید مصرف کم‌توان را فراهم کنند و در عین حال نیازمندیهای کیفیت سرویس را تضمین نمایند.

در ادامه این مقاله یک مرور کلی بر IEEE 802.15.4 ارائه شده است، که بطور گسترده ای فناوری انتخاب را برای شبکه های حسگر بدنی لحاظ کرده است. بخش 3 یک سیستم صف توزیعی برای شبکه های حسگر بدنی معرفی کرده است. ایده پیشنهادی زمانبندی کیفیت سرویس در بخش 4 اراه شده است. بخش 5 هم به ارزیابی کارایی و نتیجه گیری اختصاص یافته است. ترجمه توسط وبسایت ترجمه یار

2. بیان مساله

ارائه کیفیت سرویس در شبکه های حسگر بدنی که قبلا به آن اشاره شد ارتباط بالایی با پروتکل های کنترل دسترسی رسانه دارد. لایه کنترل دسترسی به رسانه مسئول هماهنگ سازی دسترسی به کانال از طریق پرهیز تصادم ها و زمانبندی انتقالات داده، جهت ماکزیمم سازی توان عملیاتی در تاخیر بسته انتها به انتها و حداق مصرف انرژی است. در واقع هدف IEEE 802.15.4 MAC [1] سرویس دهی به مجموعه ای از کاربردهای دارای مصرف توان و هزینه پایین و نیاز متوسط به نرخ داده و کیفیت سرویس است. اما با در نظر گرفتن تحلیل های قبلی حسگرهای بی سیم پوشیدنی و کاشتی برای تنظیمات بالینی نیازمندی های کیفیت سرویس سختی ندارند. لذا طبق آخرین دانسته های ما، IEEE 802.15.4 MAC فعلی مطابقتی با تقاضاهای اساسی پزشکی ندارند. علاوه براین، اثربخشی توان عملیاتی اشباع شده IEEE 802.15.4 MAC و کارایی مصرف انرژی به شدت بدتر می شوند وقتی تعداد حسگرها در شبکه افزایش یابد. در تاریخچه این حوزه، هر دو مدل تحلیلی در [2] و [3] چگونگی تعامل 802.15.4 MAC با سطح خاصی از تصادم های داده را نشان می دهد، که به صورت ثابت با تعداد حسگرهای شبکه افزایش می یابد، و این بررسی کارایی کلی سیستم در شرایط اشباع تاثیر می گذارد.

بنابراین، IEEE 802.15.4 MAC انتخاب درستی برای شبکه های حسگر بدنی نیست، زیرا به واسطه ناکارامدی در صرفه جویی انرژی و نبود کیفیت سرویس، مقیاس پذیری این شبکه را دچار اختلال می کنند.

3. توصیف سیستم

مولفین در [4] از اولین پروتکل DWRAP برای ارتباطات بی سیم محلی استفاده کرده اند. DQRAP اسلات TDMA را به یک «اسلات فرعی دسترسی» که خود به چند مینی‌اسلات تقسیم شده است، و یک «اسلات فرعی داده» تقسیم می کند. ایده اصلی متمرکز ساختن دسترسی کاربر در «اسلات فرعی دسترسی» است، و «اسلات فرعی داده» مربوط به انتقال داده بدون تصادم است. مدل DQRAP بسته به منبع ترافیک به کارایی سیستم های صف بهینه تئوری M/M/1 یا G/D/1 دست می یابد. بنابراین سیستم را می توان قبل از دو سرور با دو صف نشان داد : صف تفکیک تصادم (CRQ) و صف انتقال داده (DTQ). CRQ دسترسی به ایستگاه را برای سرور تفکیک تصادم (مینی‌اسلات ها) کنترل می کند، و DTQ با سرور داده عجین شده است («اسلات فرعی داده»). این یک الگوریتم درخت تفکیک تصادم ارائه می دهد که ثابت شده است برای همه بارهای ترافیکی، حتی در ظرفیت انتقال سیستم پایدار است. این پروتکل شامل چند قانون راهبردی است که مستقلاً توسط هر ایستگاه انجام می شود. این قواعد سوالات زیر را پاسخ می دهند : ترجمه توسط وبسایت ترجمه یار

1) «چه کسی» «چه موقع» در «اسلات داده» انتقال انجام می دهد،

2) «چه کسی» و «چه موقع» یک درخواست دسترسی در مینی‌اسلات ها ارسال می کند؛ و

3) «چگونه» می توان موقعیت آنها را در صف ها تعیین کرد.

در کار قبلی [5] ما مدل تحلیلی مصرف انرژی Park [2] را پیاده سازی کرده و آن را با مدل سازی تحلیلی انرژی یک پروتکل MAC توزیعی مقایسه کرده ایم که برای مسائل مدیریت توان اعمال شده است. بدین وسیله نشان دادیم که پروتکل ما از نظر توان عملیاتی اشباع شده و بهینگی انرژی برای هر تعداد حسگر از IEEE 802.15.4 بهتر است.

ما در اینجا پروتکل کنترل دسترسی به رسانه DQBAN را توسعه داده ایم که متناظر با یک توصیف سیستم است که بطور ویژه برای شبکه های حسگر بدنی انرژی- بهینه با نیازمندی کیفیت سرویس دستکاری شده است. مشابه DQRAP، دوره های عقب‌رفت و تصادم در بسته های داده حذف شده است، لذا اثربخشی نسبت به IEEE 802.15.4 در این روش شاهد بهبود قابل توجهی بوده است. در مدل سازی سیستم DQBAN، به جای حفظ یک اصل اولین ورود- اولین خروج، یک زمانبند کیفیت سرویس مبتنی بر قواعد فازی معرفی شده است (شکل 1). ترجمه توسط وبسایت ترجمه یار

شکل 1. مدل سیستم DQBAN

برای سازماندهی مجدد موقعیت حسگرهای بدنه در DTQ قبل از سرویس دهی جهت دستیابی به یک کارایی قابل اعتمادتر، به یک تکنیک زمانبندی نیاز است. ایده اصلی این است که معیار کیفیت سرویس، کیفیت کانال و محدودیت باتری در انتخاب ترتیب جدید در DTQ لحاظ شود، که این کار از طریق تئوری منطق فازی به عنوان یک مکانیزم کنترلی انجام می شود.

4. زمانبندی منطق فازی پیشنهادی

الگوریتم زمانبندی مبتنی بر قواعد فازی لایه متقاطع ایده ایفای یک نقش تعیین کننده بین وضعیت های مختلف لایه فیزیکی و کاربردهای خاص حسگر بدنی ایفا می کند. هدف اصلی آن بهینه سازی کارایی لایه کنترل دسترسی به رسانه برحسب کیفیت سرویس و مصرف انرژی از طریق اعمال قواعد فازی در مدلسازی سیستم DQBAN است. سیستم زمانبندی پیاده سازی شده در اینجا بستگی به سه متغیر ورودی دارد که از قابلیت اعمال حسگر بدنی و تعامل با شرایط محیطی مستقل و قابل تغییر استنتاج می شود تا ترتیب جدیدی در DTQ تعیین شود. با در نظر داشتن محدودیت های پویا و غیرقابل پیش‌بینی سیستم پیشنهادی از تئوری منطق فازی جهت سادگی پیاده سازی الگوریتم استفاده کرده ایم. ترجمه توسط وبسایت ترجمه یار

الف) سیستم منطق فازی (FLS)

به طور کلی سیستم منطق فازی یک نگاشت غیرخطی از یک بردار داده ورودی به یک خروجی مدرج است. تئوری مجموعه فازی تخصیصات نگاشت غیرخطی را مقرر می سازد [6]. شکل 2 یک سیستم منطق فازی را نشان می دهد که در کنترلرهای منطق فازی کاربرد گسترده ای دارد. این سیستم شامل چهار مولفه است : فازی‌ساز، قواعد فازی، موتور استنتاج، و غیرفازی‌ساز.

شکل 2. سیستم منطق فازیمکانیزم زمانبند منطق فازی که در اینجا ارائه شده است یک سیستم غیرخطی است که آن را می توان در هر حسگر بدنی پیاده سازی کرد. سیستم منطق فازی دارای سه متغیر واقعی وابسته به حسگر است که ماهیت متنوعی دارند : نرخ سیگنال به نویز – که به محض دریافت یک بسته بازخورد استنتاج می شود [5]، 2) زمان انتظار در سیستم – که از روی یک ساعت داخلی محاسبه می شود، و 3) عمر باقیمانده باتری – که از روی حافظه سخت افزار داخلی استنتاج می شود. اما برای تسهیل طراحی پیاده سازی در ورودی سیستم زمانبندی منطق فازی ما از مقادیر نرمال‌سازی شده نسبت به محدودیت های خاص حسگر بدنی استفاده کرده ایم : ، که از روی نرخ بیت به خطا  محاسبه می شود،  و  که تاخیر مرتبط با کاربرد و حداقل طول عمر باتری را لحاظ می کند. لذا در ورودی فازی‌ساز این مغیرهای سخت نرمال‌سازی شده وجود خواهند داشت :

این متغیرهای سخت ورودی در فازی‌ساز به صورت زیر به مجموعه های فازی داده می شوند؛

عبارات زبانی ورودی {خطرناک، ضعیف، برتر} شامل پیشین های قواعد زبانی برای متغیر فازی ورودی SNR خواهند بود. مجموعه مقادیر زبانی {قابل قبول، مرزی، زیاد}و {حیاتی، متوازن، قابل توجه} به ترتیب به متغیرهای فازی WT و BL تخصیص داده می شوند.

متغیر فازی خروجی تصمیم (Decision) به یک مجموعه فازی {تاخیر، به موقع، تسریع}تخصیص داده می شوند که پیشین های قواعد فازی ما را تشکیل می دهند. یک حسگر بدنی Decision ممکن است انتقال خود را به یک فریم بعدی به تاخیر بیاندازد، تا موقعیت جاری خود را در DTQ از طریق نشان دادن onshedule حفظ کند، یا در DTQ درخواست یک موقعیت قبلی کند، که با forward نشان داده می شود.ترجمه توسط وبسایت ترجمه یار

شکل 3 یک نمونه از توابع عضویت مورد استفاده در سیستم پیشنهادی را برای همه پیشین ها و پسین ها نشان می دهد. linguistic2 یک مثلث متساوی‌الساقین است و مقدار  توسط شبیه سازی های کامپیوتری به مقادیر شناخته شده ،  و  تنظیم شده است.

ما تابع عضویت مثلثی را جهت نمایش ساده آن انتخاب کرده ایم [6]. توجه داشته باشید برای تسهیل پیاده سازی، استفاده از غیرفازی‌ساز در سیستم پیشنهادی نیاز نیست، زیرا حسگرهای بدنی از یک متغیر فازی خروجی منحصربفرد برای تعیین موقعیت بعدی خود در DTQ استفاده می کنند.

شکل 3. مثالی از تابع عضویت

ب) قواعد منطق فازی برای تصمیم (Decision)

از آنجایی که متغیرهای ورودی SNR، WT و BL سه وضعیت متفاوت دارند، تعداد کل زوج های مرتب این وضعیت ها برابر با 27 است. به ازای هرکدام از اینها ما باید یک وضعیت مناسب از متغیر فازی خروجی تصمیم تعیین کنیم. یک راه حل آسان برای تعریف همه قواعد مورد نیاز، از طریق یک جدول تصمیم است که به آن ماتریس بانک FAM هم گفته می شود. این ماتریس شامل 27 (3 در 3 در 3) قانون است. در شکل 1 می توانید آن را مشاهده کنید. ترجمه توسط وبسایت ترجمه یار

جدول 1. قواعد منطق فازی برای متغیر خروجی تصمیم

نتیجه موتور استنتاج فازی این است که یک مجموعه مقادیر زبانی از متغیرهای فازی SNR، WT، BL به یک مقدار خروجی زبانی متغیر فازی تصمیم تبدیل می شود،

بنابراین  برابر است با .

 و  مجموعه های فازی متناظر با پیشین و پسین قانون 1 ُم هستند.

5. ارزیابی کارایی

در اینجا پروتکل DQBAN در یک توپولوژی ستاره ای استفاده شده است که یک هماهنگ‌کننده شبکه بدنی اطلاعات بازخورد در مورد وضعیت صف ها را در انتهای هر فریم بصورت فراگیر ارسال می کند [5]. این سناریو با اکثر کاربردهای نظارتی مطابقت دارد، زیرا حسگرهای بدنی داده های دوره ای به یک ناظر یا یک دستگاه ذخیره سازی داده ارسال می کنند. ترجمه توسط وبسایت ترجمه یار

با این وجود، DQBAN یک پروتکل توزیعی نیز هست، زیرا هر حسگر بدنی بصورت مستقل موقعیت خود و وضعیت دو صف «مجازی» در قواعد راهبردی سیستم را پیدا می کند. در عمل، پیاده سازی سیستم صف از طریق چهار متغیر در هر حسگر انجام می شود : دو عدد مشترک بین همه حسگرهای بدنی که نشان دهنده کل موقعیت های اشغالی در CRQ و DTQ است، و دو عدد صحیح دیگر که موقعیت حسگر بدنی را در هر صف نشان می دهند. علاوه براین، سیستم منطق فازی قبلی توسط هر حسگر بدنی پیاده سازی شده است که در بخش بعدی آن را شرح می دهیم.

الف) مطالعه موردی

ارزیابی مقیاس پذیری تکنیک های ارائه شده در یک شبکه بدنی با 4 حسگر پزشکی و  حسگر بدنی فراگیر انجام شده است. یک حسگر بدنی 12-lead ECG، یک حسگر بدنی تحلیل خون، یک حسگر بدنی نظارتی، و یک حسگر بدنی آلارم در یک توزیع ترافیک ثابت در زمان های ورود بسته دداخلی، با مقادیر تاخیر و BER خاص در جدول 2 نشان داده شده است. علاوه براین،  گره فراگیر طبق توزیع پواسون با 65 میلی ثانیه به عنوان متوسط زمان رسیدن بسته اضافه کرده ایم تا کارایی سیستم مقیاس پذیری خود را ارزیابی نماییم. ترجمه توسط وبسایت ترجمه یار

جدول 2. تخصیصات حسگر بدنی پزشکی و فراگیر

لذا یک کارایی سیستم شبکه حسگر بدنی ناهمگن را با لحاظ مدل سازی ترافیک و تخصیصات کیفیت سرویس مستقل از حسگر ارزیابی کرده ایم. طول عمر باتری برای هر حسگر در شبیه سازی های جاری یکسان است.

جهت سادگی، محاسبات خود را براساس مدل میانگین اتلاف مسیر [1] در یک اتاق بیمارستان ( متر) انجام داده ایم. مدل سیگنال دریافتی متغیر- زمانی شامل نویز گاوسی سفید تطبیقی (AWGN) . اثر سایه log-normal با انحراف استاندارد  برای محیط شبیه سازی روش پیشنهادی است. شرایط یک کانال AWGN جهت بدست آوردن  به عنوان تابعی از توان دریافتی بازسازی شده، و  از BER خاص هر حسگر برای مدلاسیون O-QPSK استنتاج شده است [8].

فرض کانال AWGN تا زمانی معتبر است که کانال در طول انتقال یک بسته همسان باشد (محوشدگی کند). ما از پارامترهای مرجع IEEE 802.15.4 MAC با ماکزیمم اندازه بار مفید 118 بایت با نرخ 250 کیلوبیت بر ثانیه استفاده کرده ایم. بنابراین انتقال یک بسته تقریبا 4.27 میلی‌ثانیه طول می کشد، که مشابه زمان همبستگی است که در باند 2.4 گیگاهرتز بدون مشکلات تحرکی ایجاد می شود [9]. توجه داشته باشید زمان انتظار هر گره حسگر بدنی در سیستم و طول عمر باقیمانده آن به تبع تحلیل مدل سازی سیستم ارائه شده در [5] محاسبه شده است.

نتایج شبیه سازی با استفاده از شبیه سازی های رایانه ای MATLAB ، معیارهای مورد استفاده برای ارزیابی عملکرد سیستم DQBAN از نظر QoS ، احتمال از دست دادن packet است (شکل 4) و میانگین تاخیر پایان تا انتهای بسته(mean packet end-to-end delay) (شکل 5) و علاوه بر این ، مصرف انرژی در هر بیت مفید (شکل 6) ، زیرا تعداد سنسورهای فراگیر از 5 به 11 افزایش می یابد (یعنی در کل از 9 تا 15 سنسور بدن). هر منحنی نتایج را برای هر سنسور پزشکی به طور جداگانه نشان می دهد (به عنوان مثال ECG ، تجزیه و همچنین تحلیل خون , (Supervisory and Alarm) و میانگین محاسبه شده برای کل حسگرهای Pervasive پس از تکرار طولانی مدت عملکرد سیستم( ترجمه توسط وبسایت ترجمه یار

تمام این نتایج پس از تکرار طولانی مدت و دستیابی به رژیم دائمی سیستم DQBAN محاسبه می شود. برای اجرای برنامه ریز منطق فازی ، از یک جعبه ابزار MATLAB استفاده می کنیم. مقادیر فوق الذکر Xb برای هر عملکرد عضویت توسط شبیه سازی های رایانه ای بدست می آید. توجه داشته باشید که برای به دست آوردن یک دید وسیع تر از عملکرد پروتکل ، الگوریتم برنامه ریزی منطق فازی DQBAN با الگوریتم برنامه ریزی قطعی بر اساس عملکرد هزینه اجرا شده در [10] و به پروتکل اصلی بدون اجرای برنامه زمانبندی؛ مقایسه شده است.

1) احتمال از دست دادن بسته قبل از تعیین احتمال از دست دادن بسته ، ابتدا احتمال موفقیت بسته در زمان انتقال در کانال بی سیم مطابق جدول 3 را محاسبه می کنیم ، جایی که θ = SNR (i، t) و δ = SNRmin جدول 3 برای هر سنسور بدن یکسان که مشخص است به   SNR (i ، t) و SNRmin (i) وابسته می باشد. ترجمه توسط وبسایت ترجمه یار

بنابراین ، احتمال از دست دادن پکت به عنوان نسبت بسته هایی که امکان انتقال موفقیت آمیز وجود ندارد ، با احتساب احتمال موفقیت در کانال بی سیم ، احتساب زمان بسته بندی به دلیل محدودیت زمان تاخیر و محدودیت های باتری ، توسط هر سنسور بدنه محاسبه می شود. نتایج شبیه سازی ما برای احتمال از دست دادن بسته یا پکت بدون و یا با الگوریتم برنامه ریزی قطعی و الگوریتم منطق فازی ما در شکل 4 به تصویر کشیده شده است. همچنین نشان داده شده است که چگونه واقعیت استفاده از یک الگوریتم برنامه ریزی در بالای پروتکل اصلی باعث افزایش عملکرد کل سیستم از نظر قابلیت اطمینان با توجه به عدم برنامه ریزی  از 15٪  به 30٪  می باشد.

با مقایسه الگوریتم منطق فازی با یک الگوریتم قطعی تعیین کننده هزینه ، نتیجه می گیریم که اجرای فازی نسبت به برنامه تعیین کننده تقریباً 5٪ عملکرد بهتر دارد. علاوه بر این ، مزیت یک رویکرد منطق فازی ، سادگی در اجرا و مقیاس پذیری آن هنگام برخورد با سیستم های غیرخطی با ورودی های متعدد با ماهیت متنوع در مقایسه با اجرای یک تابع هزینه ثابت (رویکرد قطعی) است. علاوه بر این ، احتمال از دست دادن بسته با تعداد سنسورها کاهش می یابد. به این دلیل محتمل تر است که یک سنسور بدنه در DTQ با پیوند بی سیم با کیفیت نسبتاً بهتری پیدا کند.

error: شما فقط اجازه مطالعه دارید
قیمت می خواهید؟ ما ارزانترین قیمت را ارائه می کنیم. کافیست فایل خود را یا از طریق منوی خدمات ترجمه => ثبت سفارش ترجمه ارسال کنید یا برای ما به آدرس research.moghimi@gmail.com ایمیل کنید یا در تلگرام و واتس آپ و حتی ایمو با شماره تلفن 09367938018 ارتباط بگیرید و ارزانترین قیمت ترجمه را از ما بخواهید
+