基于可穿戴傳感器的舞蹈動作干擾抑制算法

蒙曉華

(西安郵電大學 數字藝術學院， 陜西 西安 710121)

?

基于可穿戴傳感器的舞蹈動作干擾抑制算法

蒙曉華

(西安郵電大學 數字藝術學院， 陜西 西安 710121)

針對可穿戴傳感器網絡中舞蹈動作捕捉問題，提出一種抑制可穿戴傳感器之間干擾的算法。根據舞蹈訓練中可穿戴傳感器網絡架構，通過調整傳感器網絡的傳輸時隙和信道，使得受干擾的傳感器能夠收集周邊其他可穿戴傳感器網絡的傳輸信息。在不打擾其他網絡傳輸的前提下，重新安排傳輸時間，以最小化傳輸時延，利用帶寬避免相鄰可穿戴傳感器網絡間的傳輸時間重疊，從而減少用戶之間的干擾。仿真結果表明，該算法能在有多人參預的舞蹈訓練中，最小化碰撞概率，使可穿戴傳感器網絡的吞吐量提高23%。

可穿戴傳感器網絡；舞蹈動作感知；抑制干擾

在舞蹈藝術中，需要全方位地展示和完整準確地記錄舞者的形體。利用可穿戴傳感器網絡(Body Sensor Network，BSN)，對舞者的行為進行全方位的三維數字化捕捉，可用于分析舞者的技術技巧和經驗體會，從而總結其經驗和規律。

使用兩個Xbox單體游戲傳感器對舞者的舞蹈瞬間進行動作捕捉，探索人體的運動狀態。將Xbox傳感器捕捉到運動參數呈現在逼真的環境中，即可順利采集到人體運動數據[1]。運動追蹤器Notch采用10個傳感器收集數據，每個傳感器都有一個小型振動雷達，通過觸覺反饋表演者哪個動作做得不規范或者偏離要領，從而規范、校準舞蹈學習者的舞蹈動作[2]。芭蕾舞者在跳舞時，將Electronic Trace傳感器帶在腳部位置，通過記錄腳部觸地的壓力和動作，以畫線形式呈現出舞蹈軌跡，將這些數據傳送到手機進行可視化處理后,便可供舞蹈者進行查看及改進[3]。由于舞蹈是群體行為，如果多個舞者在舞蹈教室里同時訓練，利用傳感器進行動作捕捉時，相互的通訊干擾會嚴重影響可穿戴傳感器網絡傳輸的可靠性。本文擬根據可穿戴傳感器網絡的基本構架，研究舞蹈訓練室中可穿戴傳感器的性能參數，通過分析可穿戴傳感器網絡中相互干擾對彼此性能的影響，給出干擾抑制算法。

1　可穿戴性傳感器網絡的架構

舞蹈訓練中的可穿戴傳感器是由動作傳感器和感知運動體征的傳感器組成。舞蹈者的信息通過動作傳感器感知，傳送到PDA，再由PDA作為中繼傳到服務器上進行舞蹈資料保存、教學、人機互動游戲和健康監護等[4-7]。基本架構如圖1所示[8]。

圖1　舞蹈訓練中可穿戴傳感器網絡的基本架構

正常情況下，BSN的傳感器和PDA間會進行相互傳輸，即BSN內部通信。當幾個不同的BSN進入彼此的干擾范圍，且在同一信道同時傳輸時，它們會干擾彼此的BSN內部通信，造成交互干擾。

2　可穿戴性傳感器網絡的性能參數

錯包率(Packet Error Rate，PER)是指傳送包的總數除以錯誤地接收到的數據分組的數目，體現了交互干擾時可穿戴設備性能衰落的水平[9]，從誤碼率(Bit Error Rate，BER)中獲得。BER從信號與干擾噪聲比(Signal Interference Noise Ratio，SINR)中獲得。

假定發送功率，信號衰減已知，建立信號傳播損耗模型，從而得到接收器端的接收功率[10]

PRdB(d)=PSdB-PLdB(d)+X=

PSdB-PLdB(d0)-10γlog10(d/d0)+X。

(1)

其中，PRdB是指在接收器端的接受功率，PSdB指發送功率，PLdB指在路徑中的功率損耗，d是發射器和接收器之間的距離，d0是可穿戴傳感器網絡內傳感器間的距離，PLdB(d0)是距離d0的路徑損耗，γ是路徑損耗指數。X為陰影衰落以下與標準偏差的正態分布，其概率密度函數是P(X)[10]。

相鄰BSN的數據傳輸可作為干擾影響的干擾源，但并非所有在同一個信道發射的相鄰BSN都是有效干擾源。引入ptr(t)表示1個BSN在時間t上的傳輸概率，則在第i個BSN上的SINR可表示為[10]

(2)

其中，PRabs(d)是接收端接收功率的絕對值形式，di是傳感器節點和協調器之間的距離，Di,j是受影響的第i個BSN和其干擾的第j個BSN之間的距離。每個BSN的負荷與Ptr(t)密切相關[10]。

假設偏移正交相移鍵控為信號的調制方式，則比特錯碼率BER(bit error rate)可以表示為[10]

(3)

其中Eb/N0是每比特的信噪比，erfc(·)是誤差函數。則錯包率可以表示為[10]

(4)其中，m是信息比特的數目，k是附加的編碼位的數量。

3　交互干擾的影響

在舞蹈訓練應用中，通常使用節點數據傳輸速率為2～50 kbps的動作傳感器、1 kbps的溫度傳感器、呼吸傳感器和脈搏傳感器。所有BSN的占空比配置為10%～50%[11]。

假設某大學音樂學院舞蹈教室最多可容納20人，大班上課10～15人，小班上課6～8人。舞蹈教室的平面如圖2所示。

圖2　舞蹈教室的平面

在該舞蹈室內人員密度不同的情況下，由式(4)得到干擾強度的分布如圖3所示。IR表示干擾距離。

圖3　干擾強度的概率密度分布

由圖3可以看出，當干擾范圍變大時，干擾強度也在增大。當IR=1時，大多數時間內干擾為0。隨著干擾距離增大和舞蹈室內人員數目的增加，干擾強度不斷增大。這是由于相同情況下，當干擾距離增加，落入一個特定的IR內的BSN的數目增加，干擾電平變得嚴重。

定義占空比為BSN的1個傳輸超幀中，BSN的有效傳輸時間占總超幀持續時間的比率。在給定中等時間的情況下，BSN占空比必須小于0.1，以確保可靠性水平是90%以上。相反地，由于占空比是0.1和可靠性水平為90%，可容納于1個信道最大的BSN數目應小于或相同的非高峰時間的最大BSN數目。

由實例可知，將傳輸概率最小化，可減少用戶間干擾。為了達到這個目的，可以重新安排相鄰的BSN的傳輸時間，以避免當在BSN密度低重疊。當BSN密度高，超過了可容納的最大BSN時，一個信道切換方案可以減少當前信道的擁擠度。此外，每個BSN可以自適應根據其周圍的環境和性能要求選擇其發送功率。具有較高優先級在BSN用戶可以使用更高的傳輸功率，以保證其可靠的傳輸。

4　可穿戴傳感器網絡的干擾抑制算法

可穿戴傳感器網絡干的擾抑制算法，通過合理地安排BSN的傳輸時間和信道，減少干擾。具體步驟如下。

步驟1當BSN當前傳輸吞吐量顯著下降時，啟動抑制算法，BSN進入聆聽模式，并監聽1個時間段幀的持續時間。另一方面，傳感器節點進入睡眠期，在下一個活躍期，等待新時間表。

步驟2在監聽模式下，受影響的BSN通過收集其相鄰BSN的信標(beacon)得到周邊相鄰BSN的信息。由于信標廣播含有調度信息，受影響的BSN可以解碼這些信標并了解其相鄰BSN的計劃。根據收到的信息，受影響的BSN可以建立{BSNID，相鄰BSN傳輸開始時間，相鄰BSN傳輸結束時間}的表。每次收到一個新的信標，該鄰居列表都會被更新。

步驟3在監聽期間結束時，每個BSN檢查其鄰居列表。如果鄰居的數量超過最大數量表示超出，通知其所有傳感器節點切換到另一個頻道，再次執行步驟1。否則，基于該鄰近地區的信息協調決定其最早的根據一個重新安排可能的傳輸時間算法，以避免重疊鄰近的BSN傳輸。

5　仿真結果及分析

將干擾抑制算法與基于傳統的IEEE 802.15.4的沒有抑制機制的BSN通信方法，在模擬網絡仿真器5.0.2的QualNet進行仿真相比較，結果如圖4所示。每個BSN包含2個節點，1個協調器和傳感器節點。無線數據傳輸速率為250 kbps，固定的數據包大小為128字節，以及超幀的持續時間為0.1 s。所有傳感器節點的占空比設定在10%～20%之間。吞吐量指在單位時間內有效傳輸的數據量，用來描述可穿戴傳感器網絡的性能參數。根據香農公式，吞吐量與信噪比PSINRi(t)成正比，即與錯包率也成正比[10]。

圖4　所提算法與傳統算法的吞吐量比較

由如圖4可知，當負載增加時，該干擾抑制算法吞吐量提高23%。這是因為當交互干擾發生時，該算法通過調整傳輸時間的方法，充分占用帶寬，可有效避免數據包的碰撞。

6　結語

利用BSN對舞者的形態建模，分析了在舞蹈訓練室中多個舞者同時訓練的情況下，可穿戴傳感器網絡之間的相互干擾在舞蹈訓練中的影響,給出了可穿戴傳感器網絡的干擾抑制算法。仿真結果表明，該算法在可穿戴傳感網絡的吞吐量大約可以得到23%的提高，有效地避免數據包的碰撞。

[1]中國公共藝術網.舞蹈和動作捕捉技術的融合[EB/OL].[2016-08-15].https://www.douban.com/url/153637/.

[2]36氪.你要是跳支舞，運動追蹤儀Notch就能告訴你哪兒做得不標準[EB/OL].[2016-08-15]. http://36kr.com/p/ 208884. html.

[3]Electronic Traces智能傳感器讓芭蕾舞者畫下靈動舞姿[EB/OL].[2016-08-15]. http://www.wtoutiao.com/a/708361.html.

[4]RAPPAPORT T. Wireless Communications: principles and practice[M]. NJ: Prentice-Hall Upper Saddle River,2001:62-66.

[5]CURTIS D W, PINO E J, BAILRY J M , et al.SMART-an integrated wireless system for monitoring unattended patients[J/OL].Journal of the American Medical Informatics Association, 2008,15(1):44-53[2016-08-15]. http://dx.doi.org/10.1197/jamia.M2016.

[6]VASILAKOS A, CAO H,LEUNG V C,et al. Body area networks: A survey[J/OL]. Mobile Networks & Applications,2011,16(2):171-193[2016-08-15]. http://dx.doi.org/10.1007/s11036-010-0260-8.

[7]ZHAO Y, HAO Y.A subject-specificity analysis of radio channels in wireless body area networks[J/OL].EngineeringJournal,2011,15(3):40-47[2016-08-15].http://www.engj.org/index.php/ej/article/view/148/94/.DOI:10.4186/ej.2011.15.3.39.

[8]NATARAJAN A, MOTANI M, SILVA B D.Investigating network architectures for body sensor networks[C/OL]//1st ACM SIGMOBILE international Workshop on Systems and Networking Support For Healthcare and Assisted Living Environments.New York :ACM,2007:11-14[2016-08-15]. http://dl.acm.org/citation.cfm?id=1248061.

[9]BRAEM B, LATRE B, BLONDIA C,et al.Analyzing and Improving reliability in multi-hop body sensor networks[J/OL]International Conference on Sensor Technologies & Applications, 2009, 2(1):342 - 347 [2016-08-15]. http://www.researchgate.net/publication/241478140_Analyzing_and_Improving_Reliability_in_Multi-hop_Body_Sensor_Networks.DOI:10.1109/SENSORCOMM.2008.47.

[10] PANTELOPOULOS A, BOURBAKIS N G.A survey on wearable sensor-based systems for health monitoring and prognosis[J/OL].IEEE Transaction on System,2010,40(1):1-12[2016-08-15]. http://dx.doi.org/10.1109/TSMCC.2009.2032660.

[11] SEE T S P, HEE J Y, ONG C T, et al.Inter-body channel model for UWB communications[C/OL]// 3rd European Conference on Antennas and Propagation, Berlin:IEEE, 2009: 3519-3522 [2016-08-15]. http://ieeexplore.ieee.org/xpls/abs_all.jsp?arnumber=5068353.

[責任編輯:祝劍]

Dance motion interference suppression algorithm based on wearable sensor

MENG Xiaohua

(School of Digital Art, Xi’an University of Posts and Telecommunications, Xi’an 710121, China)

In view of the problem of dance motion capture in the wearable sensor network, an algorithm to restrain the interference between wearable sensors is proposed. According to the wearable sensor network architecture in dance training, and by adjusting the transmission time slot and the channel of the sensor network, the interference sensor can be make to collect the surrounding other wearable sensor network transmission information. In the premise of not to disturb other network transmission, the transmission time is rearranged, the transmission delay is minimized, and the bandwidth is employed to avoid the transmission time overlap between adjacent wearable sensor networks. Simulation results show that, This algorithm can minimize the collision probability wheb many people participate in the dance training, and the throughput of wearable sensor networks can be increased by 23%.

wearable sensor network, dance movement perception, suppress interference

10.13682/j.issn.2095-6533.2016.05.004

2016-08-08

國家自然科學基金資助項目(61601357)

蒙曉華(1988-)，女，碩士研究生，助理工程師，研究方向音樂學。E-mail:514220713@qq.com

TN915

A

2095-6533(2016)05-0020-04