在日常工作生活中，尽管每个人都会和周围人有意无意通过语言、肢体动作、眼神交流彼此信息，但这些方式还不能满足人们间高效、私密、针对性地交互一些深层次信息，人们还希望及时得到这些深层次信息以帮助自己现场决策或保存好这些信息以备日后使用。为此本文设计了一种基于低速个域网技术(LR_WPAN)IEEE802.15.4的无线人际信息交互设备。考虑到人际交流具有随机、多变、短时等特点，该设备应具备网络发现、高效组网、短时间内完成通信的能力，根据功能设定可以在不需要用户干预的情况下自动完成预定的操作。

    IEEE802.15.4与现有蓝牙、WIFI等无线通信技术相比具有组网时间短、功耗小、成本低、节点容量大等特点,非常适合应用在人际信息交互领域。目前IEEE802.15.4主要应用在网络结构相对固定的场合，如工业控制、传感器信息采集，体域网的组建等。在这些应用中，一般都有指定的协调器存在且位置相对固定。而在人际信息交互场合中节点具有地位平等且不断移动的特点，因此需要重新设计部分机制以满足人际信息交互的需要。
    根据不同的应用场景无线人际信息交互主要有点对点网络和多节点的网络两种结构。点对点的网络应用场合有电子名片、供需匹配、实景交友等，多节点的网络应用场合包括会展、医院、旅游等。因此，人际信息交互具有广泛的应用前景, 是现有网络的进一步延伸。
    本文重点阐述了人际信息交互网络中一种变换超帧结构的低功耗网发现算法，网络发现后的网络内数据交换机制因篇幅所限这里不作讨论。最后用电子名片交互场景来验证网络发现的应用效果。
1 IEEE802.15.4的超帧结构
    IEEE802.15.4超帧描述了设备接入信道的总体结构，由PAN协调器定义，用于控制活跃期和非活跃期的长度，能方便地实现低功耗应用。图1是超帧结构的示意图。

    一个完整超帧由竞争接入期(CAP)、可选的非竞争接入期(CFP)和非活动期(Inactive)组成，一个超帧的持续时间称为信标周期(BI)。CAP与CFP合称为超帧活跃期(SD)设备可以在SD内相互传输数据，CAP使用时隙方式的CSMA-CA方式竞争接入无线信道，CFP使用时分复用方式获得对信道的独占，但需预先申请。在非活跃期，射频收发器处于关闭状态，不消耗能量。在人际交互应用中所有SD都以CAP方式接入信道。
    人际信息无线交互网络采用IEEE802.15.4信标使能通信方式。即在每个超帧的开头，协调器在网络中广播信标，网络中的设备根据接收到信标中描述的活跃期与非活跃期信息在约定时刻打开/关闭射频收发器。网络中的协调器和设备在发送完成后进入接收状态，监听网络中的通信。一个超帧内活跃期的长度SD与超帧周期时间长度BI是由网络参数SO、BO决定。SD与BI的计算公式如下所示:
    
    aBaseSuperFrameDuration(BSFD)为最短帧长度。一个BSFD包含960 个Symbol。一个Symbol对应一个物理层的码片，具有4 bit的信息。IEEE802.15.4的通信速率为250 kb/s, 960个symbol相当于3 840 bit即435 B，对应时间为15.36 ms。
2 设备的工作模式
   根据设备是否已加入网络，可分为两种工作模式，即网络发现模式和网络交互模式。当周围没有其他网络存在时，所有的设备均作为网络协调器启动，以预先设定的超帧序列方式工作，形成一个只有协调器的孤点网络，此时设备工作在网络发现模式下。当两个移动的设备相互接近并检测到对方的存在后，它们的网络之间需要进行融合，融合后设备可以相互通信，设备工作在网络交互模式。两种模式的主要区别在于采用了不同的超帧结构，网络发现模式由于缺少同步信息采用以时间换节能的方法，通过一组不同结构超帧序列组合来检测周围的网络，网络发现模式下典型活跃期时间比例为10%。而在网络交互模式下由于有网络协调器的同步信息，可以采用实时性更强、功耗更低的固定超帧通信，典型配置为BO=5,SO=0，此时射频收发器的活跃期时间比例可降至3.125%。
3 低功耗网络发现算法
　孤点网络的网络发现算法是人际信息交互网络发现算法的基础。利用IEEE802.15.4变化的超帧结构可实现可靠高效的网络孤点网络发现算法。在网络半径较小的应用或设备密度较低的场合中，设备的大部分时间都处于网络发现阶段，因此网络发现阶段的功耗往往决定了这个设备的持续工作的能力。通过一组结构变化的超帧序列，可以在一定的时间约束内保证网络的发现。基本思路是需用可变活跃期和信标周期的超帧结构组合出一组超帧序列，使得在一定的时间约束内，至少有一个信标可以被检测到,进而融合两个原本独立的网络。组合超帧序列的方法有多种，这里采取如下方式：超帧序列由一个活跃期和信标周期较大的长超帧和n个短超帧组成，记长超帧SO,BO为s2,b2，短超帧SO,BO为s1,b1。
    目标函数为活跃期在整个超帧序列中所占的比例，该比例越小，设备就有更好的节能性能。协调器在短帧活跃期发送信标让周围网络能够检测到自身的存在，活跃期可以取最短即一个BSFD，对应于s1等于0。


    在实际应用中，两个处于同一个信道、有着同样超帧序列的孤点网络相遇时，它们在超帧序列中所处阶段是随机的，两者会显现一定的相位差。不同的相位差会极大地影响两个网络发现的时间与可靠性。网络发现的有效性用一个周期内被接收的信标数来衡量，信标接收越多，网络的发现算法就更可靠。由于SD、BI都以BSFD为单位，下面以SBFD表示序列的相位差。网络发现参数为T=7,s1=0,b1=3,s2=3,b2=6,n=8的网络具有128个BSFD。两个相差12个BSFD的序列如图2所示。

概率越小，b1=4时概率为0.5%。
    图4表示了T=7,s1=0,b1=3,s2=3,b2=6,n=8网络发现时间和被动扫描完成时间与序列偏移之间的关系。网络平均发现时间为607 ms,最大发现时间为1 092 ms。扫描时间平均为823 ms, 最大为2 090 ms。由图4可见，平均网络发现时间为只有时间约束的31%，最大网络发现时间为时间约束的56%。扫描完成时间是指网络发现时间加上扫描到一个新的信标的时间。这段是网络发现完整的过程。发现后网络设备需要联合(associate)和改变当信超帧结构，这两个过程各都需要至少一个BI时间，所以被动扫描时应选择在短超帧的信标接入,有更好的实时性。

4 应用实例
　为了测试上述网络发现算法的有效性，设计了电子名片交换应用场景，该应用通过判断握手操作自动交换设备中的个人名片信息。该应用为点对点网络结构交互模式，用户在上位机输入个人名片信息，如姓名、年龄、性别、职业、联系方式，编码后将数据导入设备，电子名片数据量为86，加上帧头开销，数据帧总长为103 B。设置完成后，用户将设备佩戴在手腕上，启动后设备开始自动工作。取网络发现模式下超帧序列参数为T=7,s1=0,b1=3,s2=3，b2=6,n=8。数据交互模式下超帧参数为SO=0,BO=5，其中SO参数可根据名片信息量的大小调整，这里选0。发射功率为-14 dBm，电流消耗为25 mA,接收时典型功耗为22 mA,关闭射频收发器时CPU运行时典型功耗为6.5 mA。
    设备通过距离来判断握手动作，电子名片的自动交换分两个阶段进行：(1)当用户双方相距10 m左右时，先融合成一个可交互的网络，转入实时性较高的交换模式，然后不断检测网络中设备的距离。(2)当检测到双方距离相距30 cm以内时，视为正在进行握手操作，设备向协调器设备发送自己的名片信息，并向对方请求数据名片信息，完成电子名片信息交换后将信息存入各自的Flash设备，之后再导入上位机。
　设备距离的控制是根据信号强度(RSSI)来判别。TIMAC封装了MAC层的具体实现，在协调器上无法得到信标发送时刻，在实际实现中可以使用mac时间作为时间参照。BO、SO的修改应使用CoordRealignment使能方式的MLME-START原语。活跃期时间比例为0.125,不计外围设备，活跃期电流约为30 mA，忽略休眠使用550 mAh的锂电池理论待机时间为146 h。
    取20组用户测试交互机制的性能，用户在随机启动设备后由远到近相互接近并进行握手操作。20组实验均成功实现了网络发现、自动交换个人名片信息的功能。测得从进入网络感知范围到进入交互模式即第一阶段完成，平均所需时间为2.3 s,最短用时1.3 s，最长3.6 s，这里包含了网络发现时间、关联时间和超帧结构切换时间。如考虑一次碰撞则进入交互模式需要约4.3 s时间。第二阶段的超帧周期为492 ms，名片可以在一个周期内完成交互。考虑到人的行动速度，该网络配置已经能够满足电子名片应用的需要。蓝牙、WIFI的组网时间和休眠切换时间都在3 s以上,可以看到，利用IEEE802.15.4在实时性上有很大的优势和灵活性。
参考文献
[1] Jennifer Yick Author Vitae, Biswanath Mukherjee Author Vitae, Dipak Ghosal.Wirelesssensor network survey[J].Computer Networks，2008,58(12):2292-2330.
[2] PARADISO J A, GIPS J, LAIBOWITZ M, et al. Identifying and facilitating social interaction with a wearable wireless sensor network[J].Personal and Ubiquitous Computing,2010,14(2):137-152.
[3] KORTUEM G, SEGALL Z. Wearable communities:augmenting social networks with wearable Computers[J]. Pervasive Computing, 2003,2(1):71-78.
[4] RODOLFO de P, PESCH D. A DCLA: a duty-cycle learning algorithm for IEEE 802.15.4 beacon-enabled WSNs[J]. Ad Hoc Networks,2010,49(4):217-232.
[5] HUANG W T, LIN J T, CHEN C H,et al. Accurate analysis of IEEE 802.15.4 slotted CSMA/CA over a real-time  wireless sensor network[J]. Sensor Systems and Soft-ware,2010(24):98-110.
[6] OLGUIN D O, Alex PentLand. Social sensors for automatic data collection[C]. Proceedings of the Fourteenth Americas Conference on Information Systems, Toronto, ON, Canada August 14th-17th 2008.
[7] FRIGGERI A, CHELIUS G, FLEURY E,et al. Reconstructing social interactions using an unreliable wireless sensor network[J].Computer Communications,2011,34(5):609-618.
[8] 杨傲雷, 侯维岩.基于IEEE802.15.4a标准的工业无线网络节点设计[J]. 计算机工程与设计，2009,30(12)：2834-2837.