情景感知在体域网上的应用一、体域网研究综述。

作为无线传感器网络(wireless sensor networks ,WSN)的一个分支和在生物医疗等领域内的应用,体域网( body sensor network , BSN) 是一种重要的公众应用网络，并在远程医疗保健、特殊人群监护和社区医疗等服务领域有着巨大的应用意义和需求，并日渐成为研究和应用的热点。

首先，随着全世界老龄化人口的不断增加，由于医疗资源(预算支出、医生、护士和病床等)相对不足,使得医疗保健系统的发展成为全球需求。

其次，中国作为13亿人口的大国，对于能够切实解决广大社区(特别是偏远山区)看病难、看病贵的BSN 技术更是需求迫切。

此外，传统的医疗方法多为病发后治疗，不能很好地作到预防和实时诊疗，而BSN 代表的新技术则能通过对已有生理参数数据的分类学习对实时信号或数据进行分析从而对发病进行预警，或在发病时采取及时的报警，并将发病过程中重要的生理信息保存下来，以供后续的诊断治疗。

BSN 技术不仅用于医疗保健、健康恢复和助老助残方面，应用的领域还可扩展到娱乐业(如动漫产业、舞蹈设计和训练)、体育运动(如击剑教学模拟及分析)、其他工业(如汽车发动机和机床的状态监控及故障检测)，甚至是军事领域(如战士生理状态监控及救助)和社会公共领域(如大规模突发事件的监控和心理救助等)。

当前，BSN 仍处在初级发展阶段，多数研究都集中在建立系统架构和服务平台上，仍面临诸多关键技术挑战，在用于减少冗余并获得特征和决策的数据融合方面，包括轻量级数据融合算法的设计及实现和生理信号的实时处理等；在用于提高识别精度和实现自动感知的情景感知方面,包括上下文计算、环境感知及监控和特征提取及降维技术等;在用于防止入侵的数据安全和隐私数据保护方面,包括数据安全协议、数据加密算法设计及隐私保护机制等;在用于搭建BSN 应用的系统技术方面,包括低能耗的无线通信、身体上及身体周围的无线传输、体上传感器节点的可穿戴性、传感器(特别是植入体内)的尺寸大小及低能耗问题等。

这些关键技术都是构建完整BSN 系统所必须涉及到的,不仅有研究价值,还具有重要的实际应用价值。

已有的研究综述分别就BSN 的生物传感器设计和自动感知、无线通信架构、情景感知、医疗保健领域的发展趋势、数据安全和无缝系统整合技术给出了充分讨论.本文将着重在数据融合、情景感知和系统技术方面总结BSN 领域的技术挑战、最新进展和发展趋势,还就BSN 系统架构展开讨论。

体域网(wireless body sensor network , WBSN或BSN)是基于无线传感器网络(WSN)的,人体上的生理参数收集传感器或移植到人体内的生物传感器共同形成的一个无线网络,它不仅是一种新的普适医疗保健、疾病监控和预防的解决方案,还是物联网( Internet of t hings)的重要感知及组成部分.其目的是提供一个集成硬件、软件和无线通信技术的泛在计算平台,并为普适的健康医疗监控系统的未来发展提供必备的条件.它特别强调可穿戴或可植入生物传感器的尺寸大小及它们之间的低能耗无线通信.这些传感器节点能够采集身体重要的生理信号(如温度、血糖,血压和心电信号等) 、人体活动或动作信号以及人体所在环境信息,处理这些信号/信息并将它们传输到身体外部附近的本地基站。

BSN还有其他的称呼,分别是生物医疗传感器网络和无线体域传感网。

根据相对于人体所在位置可将BSN 中传感器节点分为3 类:1.可植入体内的传感器节点,包括可植入的生物传感器和可吸入的传感器(如摄像药丸);2.可穿戴在身体上的传感器节点,如葡萄糖传感器、非入侵血压传感器、血氧饱和度传感器和温度传感器等;3.在身体周围并距离身体很(较)近的用于识别人体活动或行为的周围环境节点。

在以上分类的基础上，根据传感器节点的监控/检测目标,可将BSN 网络分为:1.仅包含第1类传感器节点的植入式BSN网络(implanted BSN);2.仅包含第2类传感器节点的可穿戴式BSN(wearable BSN);3.以上3 类传感器节点任意组合的混合式BSN ( hybrid BSN)。

BSN 中传感器节点(或设备)所要监控的人体(生理)信号分为3 类:1.连续型时变生理信号，一般为各种波形居多,如肌电图和脉搏波等,对应的传感器(设备)包括脑电图扫描仪、视觉传感器、听觉传感器、心动电流仪、心电图仪、PVDF 压电脉象传感器、心脏起搏器和吸入式药丸摄像机;2.离散型时变生理信号,如体温、血压和血氧饱和度等生理参数值,对应的传感器(设备) 包括吸入式药丸温度测量仪、胰岛素泵、肺功能传感器、葡萄糖检测传感器、出汗量检测传感器、指环式心率感知器、血氧饱和度传感器、体温传感器、非入侵血压监测仪和脉搏率检测传感器;3.人体活动及动作信号,用于监控病人的日常活动或人体活动,对应的传感器(设备)包括人体活动传感器、加速度传感器、动作传感器、耳戴式活动识别传感器和螺旋仪。

二、情景感知在体域网上初步认识1. 情景感知由于情景感知能够解释来自于BSN 中的物理信号和生物化学信号,对外界不同事件作出决策以及调整自身的监控行为，因此已成为在实现健康保健监控BSN 应用系统中不可或缺的一部分BSN 中情景感知的重要性还在于将用户生理活动和周围环境信息结合起来以形成被感知的信号,这种情景信息可以被用在普适医疗、特别是用于精确病情检测。

最后,情景感知能让BSN 中的一些数据处理以低能耗方式在本地的资源受限的传感器节点上执行，从而让整个网络的能耗和通信带宽最小化情景是能够描述当前实体情况的任何信息，这里实体可以是一个人、地方或者是物理对象。

情景感知(context2aware sensing , CAS)能被定义为探知或监测用户的内部或外部状态。

情景感知计算(context aware comp uting , CAC)描述了一个可穿戴可移动的、传感器能够感知到用户状态和周围环境、并在任务中利用这些信息来改变其行为的计算。

.情景信息可以是周围传感器获得的信息也可以是身体活动信息,还可以是血压、周围环境温度、体温或大脑活动等。

情景感知技术就是利用这些情景信息来检测或监控目标生理参数(如ECG)是否出现异常2. 情景感知的系统结构分析传感器采集到的信息种类繁多而不同的应用需要的信息处理方法也各不相同而这些方法对系统结构的需求也不同现有研究中有两种常见的情景感知系统结构直接访问传感器和基于中间件技术直接访问传感器的方法经常用于内嵌传感器的设备应用程序直接从传感器中获取所需信息传感器与应用是一种紧耦合关系以往的无线传感器网络ＷＳＮ都是一些小规模的应用传感器种类及数量都比较少采用直接访问传感器的方法就可以满足其需要，但对于物联网来说随着规模的扩大及应用的增多，采用紧耦合的方式会造成感知系统的复杂化限制了系统的灵活性及可扩展性，本文对此不作详细介绍。

基于中间件的结构是在情景感知系统中引入一种分层结构。

它位于下层传感器与上层应用之间，该层向上屏蔽底层传感器操作细节，提供统一的信息访问接口，向下驱动物理或逻辑的传感器进行信息采集，通过中间件技术，构建应用程序与传感数据源的桥梁，集成情景信息建模处理等共性功能模块，简化了物联网情景感知应用程序的开发同时增强了系统的可扩展性。

中间件在系统中的位置如图1所示图1 中间件在系统中的位置中间件技术源于软件行业，可用来解决多种硬件系统平台的异构问题，中间件是位于平台。

硬件和操作系统，和应用之间的通用服务，这些服务能够满足大量应用的需要，能够运行在多种硬件平台上。

且支持各类标准协议接口，物联网具有海量信息的特性而情景感知应用又要求中间件具有情景信息处理的能力。

因此，传统的中间件技术无法满足物联网的要求，需要新的支撑技术，根据本文的描述物联网的中间件要实现的功能至少还应该包括上面提到的情景信息建模处理和存储管理，已有的情景感知中间件包括Combra、Gaia、Context Toolkit、Camus Camido。

Context Toolkit是美国乔治亚理工学院提出并实现的个支持产生情景感知应用程序的中间件,上下文信息的计和管理分布在用户的设备上进行,上下文感知应用请求用设备获取相关的上下文主要包含3类对象Widgets 服务器和解释器。

Context Toolkit架构中，传感器被抽象为Widgets对上层应用提供统一的数据接口服务器和解释器则装了情景信息的分析处理过程但它采用的是面向特定对的信息建模方法，缺乏情景信息的共享，有一定的局限性。

Gaia是由伊利诺斯州立大学Mauel Roman等开发的普适计算中间件Ｇａｉａ类似传统操作系统。

其实Gaia也将传统操作系统认为是特殊的智能空间，它将物理空间及其包含的实体等定义为智能空间。

智能空间内部的普适计算软件环境由Gaia核心Gaia应用程序框架和应用程序组成。

它采用集中模式，即情景信息的计算和管理集中在一台服务器进行应用请求服务器获取相关情景信息。

在以海量信息为特征的物联网环境下集中模式是系统扩展的瓶颈Gaia提供对不确定情景信息进行推理的能力。

支持贝叶斯网络推理机制Gaia结构如图2所示其中Context Provider是底层各种物理和逻辑传感器负责情景信息的采集Context Synthesizer对获得的信息进行融合并推理出高层情景信息Context Consumers由高层的情景信息决定采取相应的行动Context Provideer Lookup Service管理上下文提供者Context History。

Service提供历史上下文存储服务Ontology Servicer维护存储情景信息的本体。

图2 Gaia结构图物联网最基本的组成部分是传感器，不同于传统的传感网。

物联网是个大的网络其中的传感器数量巨大且种类繁多。

同时传感器自身故障及网络传输问题导致信息空缺及噪声数据多传感器协同感知不可避免会出现大量冗余和不确定信息。

传感器有效管理和数据预处理是情景感知能否高效实现的关键。

如何管理海量动态的传感器以及如何处理海量的不确定信息是物联网的重点。

物联网情景感知系统应当重点考虑，此外，传统的多传感器协同感知应用处理的仅为传感器采集的感知信息，物联网情景感知应用不仅处理传感器感知信息。

还包括用户个性信息。

如用户习惯，日程表，并注重用户反馈。

目前的支持情景感知的中间件基于传统的传感网，缺乏上述相应管理，如前面提到的几种中间件系统有其优势。

但在物联网环境下也存在局限性，参考上面提到的几种系统结构，本文提出的情景感知系统结构如图3所示系统使用本体建模实现了情景信息的共享解决了Gaia存在的局限性。

结构采取Cobra的多Agent结构，均衡系统负载，较Cobra增加了底层传感器管理模块等。