Optimales clustering-basiertes energieeffizientes Routing-Schema für QoS-bewusste IoT-fähige Wireless Body Area Networks

Die eigene Gesundheit ständig im Blick

Da immer mehr Menschen länger mit chronischen Erkrankungen leben, verlassen sich Ärztinnen und Ärzte zunehmend auf tragbare Sensoren, die kontinuierlich Vitalwerte wie Herzfrequenz, Temperatur und Blutdruck erfassen können. Diese kleinen Geräte, die am oder im Körper platziert werden, bilden ein drahtloses Body‑Area‑Netzwerk, das medizinische Daten schnell und zuverlässig — oft in Echtzeit — liefern muss. Die Herausforderung besteht darin, dass diese Sensoren mit winzigen Batterien betrieben werden, sich mit dem Patienten bewegen und die Funkfrequenzen mit vielen anderen Geräten teilen. Dieses Papier stellt eine intelligentere Methode vor, Daten in solchen Netzen zu organisieren und zu routen, sodass lebenswichtige Informationen rechtzeitig Betreuende erreichen und gleichzeitig die Batterielebensdauer geschont wird.

Wie tragbare Netze mit der Cloud kommunizieren

In einem IoT‑fähigen Body‑Area‑Netzwerk senden Dutzende von Sensoren am Patienten Messwerte an ein nahegelegenes Gateway, etwa ein Smartphone oder ein kleines am Körper getragenes Hub. Das Gateway leitet diese Informationen an Krankenhausserver oder Cloud‑Plattformen weiter, wo Ärztinnen, Ärzte und Algorithmen Gesundheitszustände aus der Ferne überwachen können. Wenn jedoch jeder Sensor ständig direkt mit dem Gateway kommuniziert, entleeren sich Batterien schnell und Nachrichten können kollidieren, was zu Verzögerungen oder Datenverlust führt. Um dem vorzubeugen, werden Sensoren in Cluster gruppiert. Jeder Cluster wählt einen Cluster‑Kopf, der Daten von nahegelegenen Sensoren sammelt und weiterleitet, wodurch die Anzahl der Übertragungen reduziert wird. Das zentrale Problem, das die Autoren angehen, ist, diese Cluster energieeffizient, bewegungsstabil und gegen fehlverhaltende Knoten sicher zu gestalten.

Intelligenteres Gruppieren von Sensoren am Körper

Der erste Teil des vorgeschlagenen Systems, QEEC‑Routing genannt, konzentriert sich auf die Bildung gut ausbalancierter Sensorkluster. Die Autoren passen eine naturinspirierte Technik an, die sie Modified Raccoon Optimization nennen. Einfach gesagt verhält sich dieser Algorithmus wie eine Gruppe von Suchagenten, die verschiedene Möglichkeiten zur Gruppierung der Sensoren erkunden, basierend auf verbleibender Batteriekapazität, räumlicher Nähe und erforderlicher Übertragungspriorität. Anstatt sich zu früh auf eine mittelmäßige Anordnung festzulegen, erkundet die Methode weiter und verfeinert Clustergrenzen, während sich der Patient bewegt. Das Ergebnis ist, dass kein einzelner Sensor übermäßig als Relay genutzt wird, Energie gleichmäßiger verteilt ist und das Gesamtnetz länger läuft, bevor Batterien ersetzt oder aufgeladen werden müssen.

Auswahl vertrauenswürdiger Sensoren

Nicht jeder Sensor ist gleichermaßen zuverlässig. Einige können schwache Signale haben, durch Körperbewegung häufig getrennt werden oder sogar kompromittiert sein. Um zu entscheiden, welche Sensoren als Cluster‑Köpfe fungieren oder wichtige Daten weiterleiten sollen, berechnet das System für jeden Knoten eine Vertrauensbewertung. Dafür verwenden die Autoren ein spezialisiertes neuronales Netz — ein zweistufiges quaternionenwertiges rekurrentes neuronales Netzwerk (Two‑level Quaternion‑Valued Recurrent Neural Network) — das mehrere zusammenhängende Vertrauensfaktoren gleichzeitig verarbeiten kann, etwa Mobilität, Signalstärke, Überlastung und vergangene Erfolge bei der Weiterleitung von Paketen. Indem das Modell lernt, wie sich diese Faktoren über die Zeit ändern, kann es vertrauenswürdige Knoten genauer auswählen und vermeiden, schwache oder verdächtige Sensoren fälschlich zu Spitzenknoten zu ernennen. Diese vertrauensbewusste Auswahl verbessert sowohl Datenintegrität als auch Sicherheit ohne manuelle Feinabstimmung.

Den besten Pfad durch eine bewegte Umgebung finden

Sobald Cluster und vertrauenswürdige Köpfe festgelegt sind, bleibt die Frage, wie Daten vom Körper zum mobilen Gateway und dann in die Cloud mit minimaler Verzögerung und Energieverbrauch transportiert werden können, selbst wenn sich der Patient bewegt. Hierfür wenden die Autoren einen verbesserten Hypercube Natural Aggregation‑Algorithmus an. Diese Methode bewertet viele mögliche Mehr‑Hop‑Pfadvarianten gleichzeitig und wägt Energiekonsum, Link‑Zuverlässigkeit, Überlastung und Verzögerung gegeneinander ab. Sie fokussiert schrittweise auf die vielversprechendsten Pfade, ohne sich auf kurzlebige oder instabile Optionen festzufahren. Da sie sich ständig anpasst, wenn Knoten sich bewegen oder der Verkehr sich ändert, kann das Netz auch in belebten Krankenhaus‑ oder Wohnumgebungen eine gleichmäßige, latenzarme Kommunikation aufrechterhalten.

Was die Simulationen zeigen

Um ihr Design zu testen, nutzten die Forschenden einen detaillierten Netzwerksimulator und verglichen QEEC‑Routing mit mehreren bekannten Protokollen aus Body‑Area‑ und Sensornetzwerken. Über Szenarien mit unterschiedlicher Anzahl mobiler Knoten, unterschiedlichen Gehgeschwindigkeiten und sogar sehr dichten Einsätzen hinweg verbrauchte das neue Schema deutlich weniger Energie, lieferte einen höheren Anteil zugestellter Datenpakete und verlängerte die Lebensdauer des Netzes. Es verringerte außerdem die End‑to‑End‑Verzögerung — die Zeit, bis eine Messung den Server erreicht — und reduzierte die zusätzlichen Steuerungsnachrichten, die zur Verwaltung des Netzes benötigt werden. In manchen Fällen sank der Energieverbrauch um mehr als die Hälfte, während Paketlieferquote und Netzlebensdauer zweistellige prozentuale Verbesserungen gegenüber konkurrierenden Methoden zeigten.

Warum das für die tägliche Versorgung wichtig ist

Für Patientinnen und Patienten übersetzen sich die technischen Fortschritte von QEEC‑Routing in einfache, aber wichtige Vorteile: tragbare Sensoren, die länger zwischen den Ladevorgängen durchhalten, weniger Lücken oder Verzögerungen in der Überwachung und zuverlässigeren Alarmierungen, wenn etwas nicht stimmt. Für Kliniker und Gesundheitsanbieter verspricht es dichtere, flexiblere Einsätze körpereigener Geräte, ohne Netzwerke zu überlasten oder Batterien zu entleeren. Während die Arbeit derzeit in Simulationen validiert ist, planen die Autoren zukünftige Experimente mit realer tragbarer Hardware und cloud‑vernetzten Testbeds. Wenn diese Ergebnisse mit den Simulationen übereinstimmen, könnte dieser Routing‑Ansatz dazu beitragen, kontinuierliche, häusliche Gesundheitsüberwachung robuster, erschwinglicher und vertrauenswürdiger zu machen.

Zitation: Irine Shyja, V., Ranganathan, G., Chandrakanth, P. et al. Optimal cluster-based energy efficient routing scheme for QoS aware IoT-enabled wireless body area network. Sci Rep 16, 6689 (2026). https://doi.org/10.1038/s41598-026-37344-x

Schlüsselwörter: drahtloses Body-Area-Netzwerk, tragbare Gesundheitssensoren, energieeffizientes Routing, IoT-Gesundheitswesen, Qualität des Dienstes