面向 QoS 感知的物联网支持无线体域网的基于簇的最优能效路由方案

随时监测您的健康状况

随着越来越多慢性病患者寿命延长，医生愈发依赖能持续追踪生命体征（如心率、体温和血压）的可穿戴传感器。这些置于体表或体内的小型设备组成了一个无线体域网，必须快速且可靠地传输医疗数据，常常要求实时性。挑战在于这些传感器由小电池供电，会随患者移动，并与众多其他设备共享拥挤的无线频谱。本文提出了一种更智能的组织和路由数据的方法，以便将关键信息及时送达护理人员，同时延长电池寿命。

可穿戴网络如何与云端通信

在物联网支持的体域网中，围绕患者的数十个传感器将测量数据发送到附近的网关，例如智能手机或佩戴在身上的小型集线器。网关再将这些信息转发到医院服务器或云平台，医生和算法即可远程监测健康状况。但如果每个传感器一直直接与网关通信，电池会迅速耗尽，且报文可能发生冲突，导致延迟或数据丢失。为避免这种情况，传感器被分成若干簇。每个簇选举出一个簇头，负责从周围传感器汇聚数据并转发，从而减少传输次数。如何使这些簇在移动过程中能耗高效、稳定且对恶意节点具有抗性，是作者们要解决的核心问题。

对体表传感器更聪明的分组

所提系统的第一部分称为 QEEC‑Routing，侧重于形成均衡的传感器簇。作者们采用了一种受自然启发的技术，称为改进浣熊优化（Modified Raccoon Optimization）。通俗地说，该算法像一组搜索代理，根据电池剩余量、彼此的距离以及数据传输的紧迫程度等因素，探索不同的分组方式。为了避免过早陷入次优布局，方法在患者移动时持续探索并调整簇边界。结果是没有单个传感器被过度使用作为中继，能量分布更均匀，整个网络在需要更换或充电之前能运行更长时间。

如何选择值得信赖的传感器

并非每个传感器都同样可靠。有些信号较弱、由于身体运动频繁断连，或甚至可能被攻破。为决定哪些传感器应担任簇头或转发重要数据，系统为每个节点计算信任度得分。这里作者使用了一种专门的神经网络——双层四元数值递归神经网络（Two‑level Quaternion‑Valued Recurrent Neural Network），它能够同时处理多种相关的信任因素，如移动性、信号强度、拥塞程度以及历史转发成功率。通过学习这些因素随时间的变化，模型能更准确地挑选可信节点，避免将弱或可疑的传感器误判为领导者。该信任感知的选择在无需手动调参的情况下提高了数据完整性和安全性。

在移动人群中寻找最佳路径

在簇和可信簇头就位后，剩下的问题是如何在患者移动时，以最低的延迟和能耗将数据从体内传至移动网关再到云端。为此，作者们应用了改进的超立方自然聚合算法（Improved Hypercube Natural Aggregation）。该方法同时评估多条可能的多跳路径，综合权衡能耗、链路可靠性、拥塞和延迟，并逐步聚焦于最有前景的路径，同时避免陷入短暂或不稳定的选项。由于该算法会随着节点移动或流量变化不断自适应，网络即使在繁忙的医院或家庭环境中也能维持平稳、低延迟的通信。

仿真实验揭示的结果

为测试他们的设计，研究人员使用了详尽的网络仿真器，并将 QEEC‑Routing 与若干在体域网和传感器网络中常用的协议进行了比较。在不同数量的移动节点、不同步行速度甚至非常密集的部署场景下，新方案显著降低了能量消耗，提高了数据包的成功传输率，并延长了网络的存活时间。它还减少了端到端延迟（即测量到达服务器所需的时间）以及管理网络所需的额外控制报文。在某些情况下，能耗降低超过一半，而数据包传输率和网络寿命相比竞品实现了两位数百分比的提升。

这对日常护理意味着什么

对于患者而言，QEEC‑Routing 的技术进步带来更简单但重要的收益：可穿戴传感器在充电间隔之间持续时间更长、监测中断或延迟更少，以及当情况异常时更可靠的警报。对临床医护人员和医疗服务提供者而言，这意味着能够部署更密集、更灵活的佩戴式设备，而不会使网络不堪重负或耗尽电池。尽管该工作目前在仿真中得到验证，作者计划在未来用真实可穿戴硬件和云连接测试平台进行实验。如果这些结果与仿真一致，这种路由方法有望使居家连续健康监测更稳健、经济且值得信赖。

引用: 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

关键词: 无线体域网, 可穿戴健康传感器, 节能路由, 物联网医疗, 服务质量