Оптимальная кластерная энергоэффективная схема маршрутизации для QoS‑ориентированной IoT‑подключённой беспроводной сети сенсоров на теле

Постоянный надзор за вашим здоровьем

По мере того как всё больше людей живут дольше с хроническими заболеваниями, врачи всё больше полагаются на носимые датчики, которые непрерывно отслеживают жизненные показатели — частоту сердечных сокращений, температуру и артериальное давление. Эти небольшие устройства, размещённые на теле или внутри организма, образуют беспроводную сеть сенсоров на теле, которая должна доставлять медицинские данные быстро и надёжно, зачастую в режиме реального времени. Проблема в том, что такие датчики работают от крошечных батарей, перемещаются вместе с пациентом и разделяют загруженные радиочастоты с множеством других устройств. В статье предлагается более умный способ организации и маршрутизации данных в таких сетях, чтобы жизненно важная информация доходила до медицинских работников вовремя и при этом экономно расходовала энергию.

Как носимые сети связываются с облаком

В IoT‑ориентированной сети сенсоров на теле десятки датчиков вокруг пациента отправляют измерения к ближайшему шлюзу, например смартфону или небольшому хабу, носимому на теле. Шлюз пересылает эту информацию на серверы больницы или облачные платформы, где врачи и алгоритмы могут удалённо отслеживать состояние здоровья. Но если каждый датчик постоянно общается напрямую со шлюзом, батареи быстро разряжаются, а сообщения могут накладываться друг на друга, приводя к задержкам или потерям данных. Чтобы этого избежать, датчики группируют в кластеры. Каждый кластер выбирает головной узел (cluster head), который собирает данные от соседних сенсоров и пересылает их дальше, снижая число передач. Главное, что авторы решают — сделать эти кластеры энергоэффективными, устойчивыми к движению и защищёнными от недобросовестных узлов.

Умное объединение датчиков на теле

Первая часть предложенной системы, названная QEEC‑Routing, сосредоточена на формировании хорошо сбалансированных кластеров датчиков. Авторы адаптируют технику, вдохновлённую природой, которую они называют модифицированной оптимизацией енотов (Modified Raccoon Optimization). Проще говоря, этот алгоритм ведёт себя как группа поисковых агентов, исследующих разные способы группировки датчиков на основе оставшегося заряда батареи, расстояния между ними и требований к скорости передачи данных. Вместо того чтобы преждевременно остановиться на посредственном решении, метод продолжает исследовать и уточнять границы кластеров по мере движения пациента. В результате ни один датчик не используется чрезмерно в качестве ретранслятора, энергия распределяется более равномерно, и сеть в целом работает дольше до необходимости замены или подзарядки батарей.

Как выбирать, каким датчикам можно доверять

Не все датчики одинаково надёжны. Некоторые могут иметь слабый сигнал, часто терять соединение из‑за движения тела или даже быть скомпрометированы. Чтобы решить, какие датчики должны становиться головами кластеров или пересылать важные данные, система рассчитывает для каждого узла оценку доверия. Здесь авторы используют специализированную нейросеть — двухуровневую кватернионную рекуррентную нейросеть (Two‑level Quaternion‑Valued Recurrent Neural Network), способную одновременно учитывать несколько связанных факторов доверия, таких как подвижность, сила сигнала, перегрузка и предыдущая успешность пересылки пакетов. Обучаясь изменениям этих факторов во времени, модель точнее выбирает надёжные узлы и избегает ошибочной классификации слабых или подозрительных датчиков как лидеров. Такой подход с учётом доверия повышает целостность данных и безопасность без ручной настройки.

Поиск наилучшего маршрута в подвижной среде

После формирования кластеров и выбора доверенных головных узлов остаётся вопрос: как передавать данные от тела к мобильному шлюзу, а затем в облако с минимальной задержкой и энергопотреблением, даже когда пациент перемещается. Для этого авторы применяют улучшенный алгоритм Hypercube Natural Aggregation. Метод одновременно оценивает множество возможных многопрыжковых путей, сопоставляя энергозатраты, надёжность каналов, перегрузки и задержки. Он постепенно сужает поиск к наиболее перспективным маршрутам, избегая попадания в локальные оптимумы, которые быстро устаревают или нестабильны. Поскольку алгоритм постоянно адаптируется к движению узлов и изменениям трафика, сеть может поддерживать плавную связь с низкой задержкой даже в перегруженных условиях больницы или дома.

Что показывают симуляции

Для проверки своей конструкции исследователи использовали детальный сетевой симулятор и сравнили QEEC‑Routing с несколькими известными протоколами, применяемыми в сетях сенсоров на теле. В сценариях с разным числом мобильных узлов, различной скоростью ходьбы и даже при очень плотном размещении новый подход потреблял заметно меньше энергии, доставлял большую долю пакетов и поддерживал работу сети дольше. Он также сократил сквозную задержку — время, необходимое измерению, чтобы достичь сервера — и уменьшил объём служебных сообщений для управления сетью. В некоторых случаях энергопотребление снизилось более чем вдвое, а доставка пакетов и время жизни сети показали двузначный прирост по сравнению с сопоставимыми методами.

Почему это важно для повседневного ухода

Для пациентов технические улучшения в QEEC‑Routing означают простые, но значимые преимущества: носимые датчики дольше работают между зарядками, реже возникают пропуски или задержки в мониторинге, и оповещения о проблемах становятся надёжнее. Для клиницистов и поставщиков медицинских услуг это открывает возможность более плотного и гибкого развертывания приспособлений на теле без перегрузки сетей или разрядки батарей. Несмотря на то, что работа пока подтверждена в симуляциях, авторы планируют будущие эксперименты с реальным носимым оборудованием и облачными испытательными стендами. Если эти результаты подтвердятся в реальной среде, такой подход к маршрутизации может сделать постоянный мониторинг здоровья на дому более надёжным, доступным и заслуживающим доверия.

Цитирование: 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

Ключевые слова: беспроводная сеть сенсоров на теле, носимые медицинские датчики, энергоэффективная маршрутизация, IoT в здравоохранении, качество обслуживания