用于低功耗的体域网加速度数据压缩感知设计

（ 西安交通大学生物医学信息工程教育部重点实验室，西安㊀ ７１００４９）
（ 福建师范大学数学与计算机科学学院，福州㊀ ３５０００７）
吴建宁１∗ ㊀ 徐海东１ ㊀ 王㊀ 珏２
Ａ Ｎｏｖｅｌ Ａｐｐｌｉｃａｔｉｏｎ ｏｆ Ｃｏｍｐｒｅｓｓｅｄ Ｓｅｎｓｉｎｇ ｆｏｒ ｔｈｅ Ａｃｃｅｌｅｒｏｍｅｔｅｒ Ｄａｔａ ｆｒｏｍ Ｗｉｒｅｌｅｓｓ Ｂｏｄｙ Ａｒｅａ Ｎｅｔｗｏｒｋ ｗｉｔｈ Ｌｏｗ Ｅｎｅｒｇｙ Ｃｏｎｓｕｍｐｔｉｏｎ
ｄｏｉ： １０������ ３９６９ ／ ｊ． ｉｓｓｎ． ０２５８⁃８０２１������ ２０１５������ ０６������ ００６ 收稿日期： ２０１５⁃０２⁃１０， 录用日期：２０１５⁃０８⁃３０
ｐｒｏｐｏｓｅｄ ＢＳＢＬ ａｌｇｏｒｉｔｈｍ ｆｏｒ ｒｅｃｏｎｓｔｒｕｃｔｉｏｎ ｏｆ ａｃｃｅｌｅｒａｔｉｏｎ ｄａｔａ ｃｏｕｌｄ ｉｎｃｒｅａｓｅ ｂｙ １７ ｄＢ ｏｆ ｓｉｇｎａｌ⁃ｎｏｉｓｅ ｒａｔｉｏ， ｔｈｅ ｏｐｔｉｍａｌ ｄｅｓｉｇｎ ｏｆ ｓｐａｒｓｅ ｂｉｎａｒｙ ｍａｔｒｉｘ， ｔｈｅ ｄｅｓｉｇｎｅｄ ｃｏｍｐｒｅｓｓｅｄ ｓｅｎｓｉｎｇ ｆｒａｍｅｗｏｒｋ ｃｏｕｌｄ ａｃｑｕｉｒｅｄ ｔｈｅ ａｃｃｅｌｅｒａｔｉｏｎ ｄａｔａ ａｔ ｓｕｂ⁃Ｎｙｑｕｉｓｔ ｓａｍｐｌｉｎｇ ｒａｔｅ ａｎｄ ｇｒｅａｔｌｙ ｒｅｄｕｃｅ ｔｈｅ ｎｕｍｂｅｒ ｏｆ ｔｒａｎｓｍｉｔｔｅｄ ｄａｔａ ｂｙ ｓｉｍｐｌｅ ｒｅｃｏｎｓｔｒｕｃｔｉｏｎ ｏｆ ｎｏｎ⁃ｓｐａｒｓｅ ａｃｃｅｌｅｒａｔｉｏｎ ｄａｔａ ｂｙ ｕｓｉｎｇ ＢＳＢＬ． Ｏｕｒ ｗｏｒｋ ｃａｎ ｐｒｏｖｉｄｅ ａ ｎｏｖｅｌ ａｐｐｒｏａｃｈ ｆｏｒ ｆｕｒｔｈｅｒ
（ Ｓｃｈｏｏｌ ｏｆ Ｍａｔｈｅｍａｔｉｃｓ ａｎｄ Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ ｏｆ Ｆｕｊｉａｎ Ｎｏｒｍａｌ Ｕｎｉｖｅｒｓｉｔｙ， Ｆｕｚｈｏｕ ３５０００７， Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ ： Ｔｈｉｓ ｐａｐｅｒ ｐｒｏｐｏｓｅｄ ａ ｎｏｖｅｌ ｓｃｈｅｍｅ ｏｆ ｅｎｅｒｇｙ⁃ｅｆｆｉｃｉｅｎｔ ｃｏｍｐｒｅｓｓｅｄ ｓｅｎｓｉｎｇ ｆｒａｍｅｗｏｒｋ ｆｏｒ ｐｒｏｃｅｓｓｉｎｇ ｔｈｅ ａｃｃｅｌｅｒａｔｉｏｎ⁃ｂａｓｅｄ ｄａｔａ ａｃｑｕｉｒｅｄ ｆｒｏｍ ｗｉｒｅｌｅｓｓ ｂｏｄｙ ａｒｅａ ｎｅｔｗｏｒｋｓ （ ＷＢＡＮｓ） ， ｉｎ ｏｒｄｅｒ ｔｏ ｓａｖｅ ｔｈｅ ｅｎｅｒｇｙ ｏｆ ＷＢＡＮｓ⁃ｂａｓｅｄ ｓｙｓｔｅｍ． Ｗｉｔｈ ｔｈｅ ｏｐｔｉｍａｌ ｓｃｈｅｍｅ ｏｆ ｓｐａｒｓｅ ｂｉｎａｒｙ ｍａｔｒｉｃｅｓ， ｔｈｅ ｒａｗ ａｃｃｅｌｅｒｏｍｅｔｅｒ ｄａｔａ ｗｉｔｈ ｎｏｎ⁃ ｓｐａｒｓｅ ｉｓ ｃｏｍｐｒｅｓｓｅｄ ｂｙ ｌｉｎｅａｒｌｙ ｐｒｏｊｅｃｔｅｄ ａｔ ｓｅｎｓｏｒ ｎｏｄｅ ｂｅｆｏｒｅ ｔｈｅｉｒ ｔｒａｎｓｍｉｓｓｉｏｎ， ａｎｄ ｔｈｅｎ ｔｈｅ ｃｏｍｐｒｅｓｓｅｄ ｐｒｏｐｏｓｅｄ ｔｅｃｈｎｉｑｕｅ． Ｔｈｅ ｅｘｐｅｒｉｍｅｎｔａｌ ｒｅｓｕｌｔｓ ｓｈｏｗｅｄ ｔｈａｔ ｔｈｅ ｏｐｔｉｍａｌ ｓｃｈｅｍｅ ｏｆ ｓｐａｒｓｅ ｂｉｎａｒｙ ｍａｔｒｉｘ ｃｏｕｌｄ ｏｂｔａｉｎ ｔｈｅ ｓａｍｅ ｒｅｃｏｎｓｔｒｕｃｔｉｏｎ ｅｒｒｏｒ （ ０������ ００４５ ） ａｓ Ｇａｕｓｓｉａｎ ｏｒ Ｂｅｒｎｏｕｉｌｌｉ ｒａｎｄｏｍ ｍａｔｒｉｘ ｗｈｅｎ ａ ｎｕｍｂｅｒ ｏｆ ｎｏｎｚｅｒｏ ｖａｌｕｅｓ ｗｅｒｅ ｓｅｌｅｃｔｅｄ ａｓ ６ ｉｎ ｅａｃｈ ｃｏｌｕｍｎ ｏｆ ｔｈｅ ｄｅｓｉｇｎｅｄ ｓｐａｒｓｅ ｂｉｎａｒｙ ｍａｔｒｉｘ ａｎｄ ｔｈｅ ｒａｔｉｏ ｏｆ ｄａｔａ ｉｓ ｒｅｃｏｎｓｔｒｕｃｔｅｄ ｂｙ ｔｈｅ ｎｏｖｅｌ ｂｌｏｃｋ Ｂａｙｅｓｉａｎ ｌｅａｒｎｉｎｇ ａｌｇｏｒｉｔｈｍ （ ＢＳＢＬ ） ａｔ ｒｅｍｏｔｅ ｔｅｒｍｉｎａｌ． Ｔｈｅ ａｃｃｅｌｅｒａｔｉｏｎ ｄａｔａ ｆｒｏｍ ＵＳＣ⁃ＨＡＤ ｄａｔａｓｅｔ ｏｆ Ｓｏｕｔｈｅｒｎ Ｃａｌｉｆｏｒｎｉａ ｗａｓ ｕｓｅｄ ｔｏ ｅｖａｌｕａｔｅ ｔｈｅ ｅｆｆｅｃｔｉｖｅｎｅｓｓ ｏｆ ｏｕｒ
计复杂㊁功耗增加， 难以在实际应用中推广和应用㊂ 目前，探寻计算复杂性低且有助于改善传感节点硬 件系统简化设计的数据压缩方法， 是国内外相关学 者探讨的热点问题 ［３ － ４］ ㊂ 感知（ ｃｏｍｐｒｅｓｓｅｄ ｓｅｎｓｉｎｇ） 框架算法在国内外相关研 究领域受到极大关注和重视 ［５ － ７］ ㊂ 该框架算法依据 于数据稀疏性，通过选用与稀疏表示数据的稀疏矩 阵（ ｓｐａｒｓｅ ｍａｔｒｉｘ） 保持最大不一致性 （ ｉｎｃｏｈｅｒｅｎｔ） 的 测量矩阵（ ｍｅａｓｕｒｅｍｅｎｔ ｍａｔｒｉｘ） ， 在远低于奈奎斯特 采样率情况下，实现数据压缩和重构㊂ 在其实现过 程中，测量矩阵选取和设计至关重要㊂ 目前， 压缩 感知技术在基于低功耗体域网的远程医疗数据处 理研究中受到广泛关注， 其研究工作主要集中于两 个方面㊂ 一方面，集中于探寻有助于传感节点低功 耗㊁硬件简化设计的测量矩阵， 尝试寻找有效降低 传感节点功耗的新方法㊂ 例如，Ｄｉｘｏｎ 等学者基于 心电（ ＥＣＧ） 信号稀疏性， 设计了一种动态阈值方法 的一位伯努利测量矩阵， 尝试采用压缩感知框架提 高心电数 据 压 缩 率， 实 现 体 域 网 传 感 节 点 的 低 功 耗㊂ 但研究发现， 伯努利测量矩阵计算复杂， 不利 于传感节点硬件简化设计； 未考虑所设计的测量矩 阵对压缩数据重构性能的影响， 难以在实际应用中 推广 ［８］ ㊂ 另一方面，主要集中于探寻基于体域网生 理数据的压缩感知重构新算法， 目前的相关研究着 重探讨体域网非稀疏生理数据压缩重构新算法， 尝 试解决传统压缩感知重构算法难以准确重构非稀 疏数据的问题㊂ 例如，Ｚｈａｎｇ 等提出了基于块稀疏 贝叶斯学习的非稀疏生理数据重构算法， 旨在有效 利用数据块结构内在相关性， 寻找数据块结构内在 稀疏性，提高非稀疏数据重构性能㊂ 研究表明， 该 并为其他体域网非稀疏生理数据重构提供新的思 路和方法㊂ 然而，该研究仅采用高斯随机测量矩阵 构建块稀疏贝叶斯学习重构算法， 未考虑测量矩阵 对传感节点低功耗的影响 ［９ － １０］ ㊂ 目前， 用于压缩感 知框架的测量矩阵主要有高斯随机测量矩阵㊁ 伯努 利随机测量矩阵㊁ 稀疏二进制测量矩阵㊂ 从理论上 算法可有效提高体域网脑电 （ ＥＥＧ） 数据重构性能， 近年来，一种不同于传统数据压缩算法的压缩
基金项目： 国家科技支撑项目（２０１２ＢＡＩ３３Ｂ０１） ；福建省自然科学基金（２０１３Ｊ０１２２０） ；福建省高等学校教学改革研究专项（ ＪＡＳ１４６７４） ∗通信作者（ Ｃｏｒｒｅｓｐｏｎｄｉｎｇ ａｕｔｈｏｒ） ， Ｅ⁃ｍａｉｌ： ｊｉａｎｎｉｎｇｗｕ＠ ｆｊｎｕ． ｅｄｕ． ｃｎ
㊀ ６７８
Ｗｕ Ｊｉａｎｎｉｎｇ１∗ ㊀ Ｘｕ Ｈａｉｄｏｎｇ１ ㊀ Ｗａｎｇ Ｊｕｅ２
１ ２
（ Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆ Ｂｉｏｍｅｄｉｃａｌ Ｉｎｆｏｒｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ ｏｆ Ｅｄｕｃａｔｉｏｎ Ｍｉｎｉｓｔｒｙ， Ｘｉ ａｎ Ｊｉａｏｔｏｎｇ Ｕｎｉｖｅｒｓｉｔｙ， Ｘｉ ａｎ ７１００４９， Ｃｈｉｎａ）
ｃｏｍｐｒｅｓｓｉｏｎ ｗａｓ ５０％ ． Ｂｅｓｉｄｅｓ， ｃｏｍｐａｒｅｄ ｗｉｔｈ ｔｈｅ ｔｒａｄｉｔｉｏｎａｌ ＣＳ⁃ｂａｓｅｄ ｒｅｃｏｎｓｔｒｕｃｔｉｏｎ ａｌｇｏｒｉｔｈｍｓ， ｏｕｒ ｓｉｇｎｉｆｉｃａｎｔｌｙ ｉｍｐｒｏｖｉｎｇ ｔｈｅ ｐｅｒｆｏｒｍａｎｃｅ ｏｆ ｒｅｃｏｎｓｔｒｕｃｔｉｏｎ ｏｆ ａｃｃｅｌｅｒａｔｉｏｎ ｄａｔａ． Ｔｈｅｓｅ ｒｅｓｕｌｔｓ ｓｕｇｇｅｓｔｅｄ ｔｈａｔ， ｗｉｔｈ ｌｉｎｅａｒ ｔｒａｎｓｆｏｒｍ ａｔ ｓｅｎｓｏｒ ｎｏｄｅ ｆｏｒ ｓａｖｉｎｇ ｅｎｅｒｇｙ． Ｉｔ ａｌｓｏ ｃａｎ ｃｏｎｔｒｉｂｕｔｅ ｔｏ ｉｍｐｒｏｖｉｎｇ ｔｈｅ ｐｅｒｆｏｒｍａｎｃｅ ｏｆ
引言
（ ｗｉｒｅｌｅｓｓ ｂｏｄｙ ａｒｅａ ｎｅｔｗｏｒｋｓ） 人体活动远程监测系 统，具有低成本㊁便携穿戴和易操作等优点， 近年来 在远程医疗和康复等领域受到广泛关注和应用， 成 为临床诊断的有效辅助技术手段 ［１ － ２］ ㊂ 目前， 针对 远程医疗和康复应用环境， 大部分体域网人体活动 远程监测系统架构主要由体域网加速度传感节点 采集系统㊁ 数据传输系统㊁ 远端数据处理系统三部 分组成，其功能主要实现加速度数据采集㊁ 传送， 为 远端数据处理系统提供可靠数据， 用于后续医疗和 康复评价㊂ 在实际应用中， 传感节点通常佩戴于人 体的相关部位上， 用于采集和传送加速度数据㊂ 由 于传感节点自带电池能量有限， 难以为远端数据处 理系统提 供 长 时 间 连 续 的 监 测 数 据， 影 响 后 续 医 疗㊁康复评价效果㊂ 基于低功耗传感节点准确获取 远程生理数据，已是当前体域网人体活动远程监测 系统在远程医疗实际应用中急需解决的关键问题㊂ 传送，加速度传感节点硬件系统通常由加速度传感 采集模块㊁微控制处理器模块㊁ 无线发送模块㊁ 电源 模块组成， 其能量主要消耗于数据采集㊁ 数据模数 转换㊁程序代码运行和传输数据等方面， 其中反复 传输数据将消耗大部分能量㊂ 为有效降低传感节 点功耗㊁准确传输数据， 数据压缩方法在近年来相 将体域网远程监测系统获取数据处理分为数据压 缩㊁数据重构两个阶段， 也就是在体域网传感节点 压缩数据， 旨在尝试减少传感节点数据传输量， 降 低其功耗； 其次， 在远端数据处理系统构建数据重 构算法，尝试准确恢复原始数据， 为后续医疗㊁ 康复 评价提供可靠数据㊂ 近年来， 一些学者针对数据非 平稳性，应用小波分析技术压缩㊁ 重构体域网远程 准确获取数据的有效方法㊂ 研究发现， 为有效实现 计算复杂的小波压缩㊁ 重构算法， 需为传感节点微 控制处理单元配置相应的存储器， 使其硬件系统设 监测系统加速度数据， 尝试寻找传感节点低功耗㊁ 关领域研究中受到广泛关注， 其基本思路是： 首先， 相关研究发现， 为便于人体佩戴㊁ 数据采集和 基 于 ＭＥＭＳ 加 速 度 传 感 器 构 建 的 体 域 网
３４ 卷 ６ 期 ２０１５ 年 １２ 月
中㊀ 国㊀ 生㊀ 物㊀ 医㊀ 学㊀ 工㊀ 程㊀ 学㊀ 报 Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ｂｉｏｍｅｄｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ
Ｖｏｌ． ３４㊀ Ｎｏ． ６ Ｄｅｃｅｍｂｅｒ㊀ ２０１５
用于低功耗的体域网加速度数据压缩感知设计
１ ２
摘㊀ 要： 为有效降低体域网加速度数据远程获取系统功耗，提出一种用于低功耗的体域网加速度数据压缩感知处 理框架㊂ 首先基于优化的稀疏二进制测量矩阵，线性投影压缩体域网传感节点的加速度数据， 降低相应节点压缩 算法的复杂性和数据传输量；在此基础上， 基于块稀疏贝叶斯学习模型， 构建非稀疏加速度数据压缩感知重构算 法，实现低功耗远程获取加速度数据㊂ 实验采用 ＵＳＣ⁃ＨＡＤ 数据库的加速度数据，评估所提方法的有效性㊂ 结果表 伯努利随机矩阵相同的压缩重构误差（ 约 ０������ ００４ ５） ；与一些传统的压缩感知重构算法相比，所提出的重构算法提高 信噪比约 １７ ｄＢ，显著改善重构性能，可有效实现低功耗远程获取加速度数据㊂ 该方法有助于传感节点硬件简化设 计，改善加速度数据重构性能，为构建低功耗体域网人体活动远程监测系统提供新的思路和方法㊂ 关键词： 压缩感知；低功耗；加速度数据；体域网；远程医疗 中图分类号㊀ ＴＮ９８ ； ＴＰ３９１㊀ ㊀ 文献标志码㊀ Ａ㊀ ㊀ 文章编号㊀ ０２５８⁃８０２１ （ ２０１５ ） ０６⁃０６７７⁃０９ 明，当优化稀疏二进制测量矩阵中每列非零元素个数为 ６㊁ 压缩率为 ５０％ 时， 能够获得与传统优化高斯随机矩阵㊁
中㊀ 国㊀ 生㊀ 物㊀ 医㊀ 学㊀ 工㊀ 程㊀ 学㊀ 报
３４ 卷
ｐｒａｃｔｉｃａｌ ｉｍｐｌｅｍｅｎｔａｔｉｏｎ ｓｕｃｈ ａｓ ｔｈｅ ｄｅｓｉｇｎ ｏｆ ｓｉｍｐｌｅ ｈａｒｄｗａｒｅ ｏｆ ｓｅｎｓｏｒ ｎｏｄｅ， ｉｍｐｒｏｖｅｍｅｎｔ ｏｆ ｔｈｅ ｐｅｒｆｏｒｍａｎｃｅ ｏｆ ｒｅｃｏｎｓｔｒｕｃｔｉｏｎ ｏｆ ａｃｃｅｌｅｒａｔｉｏｎ⁃ｄａｔａ ａｎｄ ｔｈｅ ｄｅｖｅｌｏｐｍｅｎｔ ｏｆ ＷＢＡＮｓ⁃ｂａｓｅｄ ｓｙｓｔｅｍ ｗｉｔｈ ｌｏｗｅｒ ｅｎｅｒｇｙ ｃｏｎｓｕｍｐｔｉｏｎ ｆｏｒ ｒｅｍｏｔｅ ｍｏｎｉｔｏｒｉｎｇ ｐｈｙｓｉｃａｌ ａｃｔｉｖｉｔｙ． ｎｅｔｗｏｒｋｓ； ｔｅｌｅｍｅｄｉｃｉｎｅ Ｋｅｙ ｗｏｒｄｓ： ｃｏｍｐｒｅｓｓｅｄ ｓｅｎｓｉｎｇ； ｌｏｗ ｅｎｅｒｇｙ ｃｏｎｓｕｍｐｔｉｏｎ； ａｃｃｅｌｅｒａｔｉห้องสมุดไป่ตู้ｎ⁃ｂａｓｅｄ ｄａｔａ； ｗｉｒｅｌｅｓｓ ｂｏｄｙ ａｒｅａ