在无线人体区域网络中用于人类活动识别的智能路由

科学领域:

• 生物医学工程 生物医学工程
• 计算机科学 计算机科学
• 机器学习 机器学习

背景情况:

• 无线体域网 (WBAN) 面临着有限的能源,流动性和动态环境的挑战.
• 使用机器学习的人类活动识别 (HAR) 可以检测用户的移动,为WBAN优化提供了潜力.

研究的目的:

• 通过整合 HAR 功能,为 WBAN 开发一种新的自适应路由协议.
• 为了提高WBAN性能,专注于优化功耗和路由决策.

主要方法:

• 使用机器学习,特别是随机森林分类算法,用于HAR.
• 开发了一种新的WBAN路由协议,可以根据已知的人类活动适应调整决策.

主要成果:

• 拟议的基于HAR的路由协议显示了优化路由决策和提高WBAN能源效率的重大前景.
• 性能评估显示,与mobTHE协议相比,能源消耗,吞吐量以及死亡节点数量的减少有所改善.

结论:

• 将HAR与机器学习集成为提高WBAN性能提供了一个有希望的方法,特别是在医疗保健领域.
• 开发的自适应路由协议有效优化了WBAN的能源消耗和网络寿命.