جمعیت سراسر جهان در حال افزایش است و برای ارائه خدمات سلامت مناسب نیازهای زیادی نیاز است. با ظهور فن آوری های مدرن، این نیاز ها به قابل حل است و هر روز افزوده شود. حسگر یکی از تکنولوژی هایی است که می تواند برای ایجاد گجت خدمات سلامت مبتنی بر اینترنت تولید و استفاده شود. در یک سیستم نظارت بر سلامت در زمان واقعی، حسگرهای زیادی متصل به یک واحد پردازش داده محلی از طریق یک کانال مشترک دارای پهنای باند ثابت است. این حسگرها دارای الزامات دسترسی متنوعی هستند. دسترسی به کانال باید گسسته باشد، بنابراین هر حسگر از پهنای باند مورد نیاز و تاخیر در کانال مشترک استفاده می کند. در این مقاله یک روش برنامه ریزی برای سیستم مبتنی بر IoT پیشنهاد شده است که باعث تضعیف تداخل در میان حسگرهای مختلف و وارونه شدن داده های سلامت با ارزش می شود

اکثر کشورهای در حال توسعه زیرساخت های سلامت بسیار ضعیفی دارند. در کشورهای پرجمعیت چندین بیمارستان وجود دارد. این چند بیمارستان به اندازه کافی مجهز نیستند، تعداد اندکی از پزشکان در آن حضور دارند و مهمتر از همه، تجهیزات تشخیص اولیه برای تشخیص بیماری های تهدید کننده حیات وجود ندارد. در حال حاضر، ساختن بیمارستان های جدید، تجهیز آنها به وسایل هیتک و به کارگیری پزشکان در این بیمارستان ها بسیار گران و طولانی است. اما اگر دستگاه حساسیت سنجی سلامت قابل حمل ارزان قیمت داشته باشیم که حاوی چندین حسگر پوشیدنی باشد می تواند ویژگی های حیاتی یک بدن انسان را اندازه گیری کند و از طریق کلود با پزشکان ارتباط برقرار کند، می توانیم داده های زیادی را جمع کنیم و آنها با پزشکان کارآزموده متخصص به اشتراک بگذاریم تا با مشاوره خدمات با کیفیت پزشکی ارائه دهند . ضمن اینکه خدمات پزشکی می تواند از یک پزشک متخصص یا پزشکان متخصص دیگر از سراسر جهان ارائه شود که پارامترهای سلامتی در کلود را ارزیابی کنند

این یک نمونه ساده بررسی شده در مورد شبکه حسگر بی سیم در خدمات سلامت ارائه شده است. اگر وسیله سنجش سلامت برای برقراری ارتباط با یک کامپیوتر قابل حمل مثل یک تبلت یا یک گوشی هوشمند که توانایی پیش فرض ارتباط با Cloud باشد، تمام سیستم بسیار مقرون به صرفه خواهد بود. به این دلیل است که امروزه اکثر مردم به این وسایل ارتباطی قابل حمل دسترسی دارند و این دستگاه ها بسیار ارزان شده اند. این سیستم همچنین می تواند IoT (اینترنت اشیاء) فعال و M2M (ماشین به ماشین) سازگار است. در سیستم نظارت سلامت درمانی، هر حسگر از نظر طول داده یا اندازه و میزان نمونه گیری، مورد نیاز متفاوت است. برای رسیدن به نتایج قابل اعتماد و امن ، باید پارامتر سلامت را اندازه گیری شود و جمع آوری داده ها از چندین حسگر به طور همزمان یک چالش است. در یک کانال مشترک پهنای باند ثابت، انتقال اطلاعات حسگر به پردازنده داده باید به صورت مناسب گسسته باشد

 برای اینکه سیستم نظارت بر خدمات سلامت قابل اطمینان باشد، هر حسگر باید داده ها را پس از نرخ نمونه بردار پارامتر اندازه گیری کند و داده ها باید به پردازنده داده بدون هیچ گونه تلفات یا همپوشانی ارسال شوند. ، یک تکنیک برنامه ریزی که با هر گونه دخالت در حسگرهای مختلف و از دست دادن داده ها نتیجه می گیرد. دو چیز مهم در تصمیم گیری در مورد زمان بندی داده های حسگر عبارتند از

: (i) نرخ نمونه برداری مورد نیاز برای اندازه گیری یک پارامتر

 (ii) اندازه یا طول داده ها در هر نمونه مورد نیاز برای اندازه گیری یک پارامتر.

پارامترهای الکتروکاردیوگرام (الکتروکاردیوگرام)، الکتروانسفالوگرام (EEG)، الکترومیوگرافی (EMG)، نرخ تنفس (RR) و سایر پارامترهای مبتنی بر گراف، نیاز به نرخ نمونه گیری بیشتری دارند، اما طول داده های پایین در هر نمونه و صوتی (صداهای قلبی و تنفسی) نیاز به نرخ نمونه برداری بسیار کمتر دارند، اما هر نمونه دارای مقدار زیادی از داده ها است. بنابراین، هدف ما در حالی که ارسال اطلاعات سلامت بر روی کانال مشترک خواهد بود به هر پارامتر برابر اولویت و ذخیره یک اسلات در زمان برای هر پارامتر. اگر پارامترهای داده ها بین اسلات های زمانی دیگر پارامترهای حسگر متناسب نیست، پس داده ها باید به چندین قسمت تقسیم شوند که بین اسلات های زمانی دیگر پارامترها تقسیم می شوند.

اینترنت اشیاء به عنوان دستگاه با هویت و شخصیت های مجازی که در فضاهای هوشمند عمل می کنند با استفاده از رابط های هوشمند برای اتصال و ارتباط در محیط های اجتماعی، محیط زیست و کاربر تعریف می شود. این می تواند آینده ی اینترنت باشد ، جایی که هر دستگاه به سایر اشیا متصل می شود. هر شی یک هویت منحصر به فرد در شبکه داده می شود. این اجازه می دهد تا دسترسی از راه دور دستگاه ها از طریق شبکه، در هر زمان و در هر مکان باشد. اشیاء فعال شده توسط IoT با یکدیگر ارتباط برقرار می کنند، اطلاعات را از طریق اینترنت به دست می آورند و با کاربران ارتباط برقرار می کنند که محیط های هوشمند، فراگیر و همیشه متصل را ایجاد می کنند. IoT همچنین ماشین را به دستگاه (M2M) ارتباط می دهد که اجازه می دهد ماشین آلات توسط اینترنت و سایر ماشین ها کنترل شود. این می تواند تکنولوژی را به نحوی انقلابی سازد که دستگاه کنترل ماشین ها را از بین بردن محدودیت هایی که مردم در هنگام برقراری ارتباط با سیستم های دیجیتالی بر آنها غلبه و کنترل می کند. ماشین ها می توانند حسگرهای زیادی را در سراسر جهان کنترل کنند تا حجم بالایی از اطلاعات ارزشمندی را که برای رسیدن به سال های انسان ساخته شده اند، تولید کند. IOT مفهوم محاسبات فراگیر و محاسبات همه جا را به واقعیت می بخشد با اجازه دادن به اجسام زندگی روزمره ما مانند اتومبیل، جاده ها، دستگاه های ضربان ساز، دوربین های قرص شکل در آهنگ های گوارش ما، تابلوهای تبلیغاتی که به گذرگاه ها، یخچال و فریزر و حتی cattles مجهز به حسگر برای برقراری ارتباط با انسان ها و کمک به آنها در هر مرحله. استفاده از IoT در سیستم مراقبت سلامت در بخش زیر برجسته شده است.

 الف IoT در سیستم مراقبت از سلامت خدمات سلامت فعال سیستم کنترل از راه دور از راه دور دارای مزایای زیادی نسبت به سیستم نظارت بر سلامت سنتی دارد. اجزای سنجش سلامت تبدیل شده اند بسیار جمع و جور و قابل حمل، اجازه می دهد بیماران آنها را دور ساعت برای نظارت بر آنها بپوشید. اگر این دستگاه های نظارت با شناسه های منحصر به فرد مانند RFID مجهز شده باشند، پس از آن این دستگاه ها می توانند به طور منحصر به فرد از طریق اینترنت شناسایی شوند. این عمل به عنوان یک retriever اطلاعاتی است که اطلاعات را از دنیای فیزیکی به دنیای دیجیتال باز می دارد

یک دستگاه نظارت سلامت فعال شده توسط IoT که به یک بیمار وصل شده است می تواند به عنوان یک بیمار مجازی در دنیای دیجیتال در نظر گرفته شود. بیمار مجازی شرایط دقیق فیزیولوژیکی را به عنوان بیمار واقعی دارد. یک پزشک می تواند تنها چند بار در روز بیمار را کنترل کند، اما در هر لحظه ممکن است مسائل مربوط به سلامت بحرانی رخ دهد. بنابراین نظارت 24/7 از اطلاعات سلامت ضروری است. همانطور که بیماران فعال شده توسط IoT قادر به دسترسی به اینترنت و سایر دستگاه ها می باشند، وضعیت سلامتی یک بیمار را می توان بدون وقفه تحت نظارت قرار داد و اجازه می دهد تا در زمان مناسب بیماری بحرانی شناسایی شود تا اقدامات مناسب انجام شود. همچنین IoT می تواند به جمع آوری سوابق سلامت کمک کند. تولید اطلاعات آماری مربوط به وضعیت سلامتی می تواند توسط دستگاه انجام شود. این مجموعه جمع و جور سریع و جمع و جور و بدون خطا است که ممکن است روشهای دستی هرگز به آن دست نزنند. ایجاد آمار، نظارت، نقشه برداری خطر از بیماری ها می تواند با استفاده از داده های سلامت از راه دور انجام شود .

 طراحی سیستم نظارت بر سلامت مبتنی بر IOT در این بخش، یک سیستم نظارت بر سلامت بر اساس IoT شرح داده شده است. سیستم نظارت بر سلامت شامل چند حسگر متصل به یک فرد است و آنها با یک جمع کننده اطلاعات و واحد پردازش ارتباط برقرار می کنند. جمع کننده داده ها و واحد پردازش ممکن است یک دستگاه تخصصی یا یک گوشی هوشمند باشد. واحد جمع آوری مسئولیت جمع آوری داده های هر حسگر را با توجه به نمونه گیری دقیق نمونه بردار، تشکیل می دهد.

 الف N. در طراحی ما از یک میکروکنترلر Arduino به عنوان یک واحد تجمع استفاده کرده ایم و برنامه ریزی شده با استفاده از پروتوچرادهای [10] را استفاده می کنیم. یک کامپیوتر قابل حمل به عنوان یک واحد پردازش برای سیستم نظارت بر سلامت ما استفاده می شود. سازنده Arduino با استفاده از تکنیک های ارتباطی بی سیم از قبیل WLAN، بلوتوث، 6LoWPAN و Zigbee یا اتصال سریال های سیمی USB برای برقراری ارتباط با واحد پردازش داده استفاده می کند. داده های دریافت شده از واحد جمع کننده بر روی واحد پردازش داده پردازش می شود. e بر روی کامپیوتر قابل حمل. داده ها را می توان برای رسم نمودار و نمودار (e. g نمودار داده های مانیتورینگ ECG) و خدمات تعاملی نیز می تواند به کاربران بر اساس این داده ها ارائه شود. این سیستم می تواند از پزشکان برای بیماران توصیه پزشکی بالقوه دریافت کند و می تواند هشدار دهنده یا یادآوری برای داروهای به موقع و قرار ملاقات ها را تنظیم کند.

این سیستم شامل دو بخش است: محلی و از راه دور. بخشی از راه دور، ذخیره و توزیع داده ها را به دنبال کنندگان خدمات از راه دور مانند ارائه دهنده خدمات اورژانس، پزشکان و مراقبین می دهد. بخش محلی با جمع آوری اطلاعات از حسگرهای متصل به یک بیمار سروکار دارد. همچنین داده های جمع آوری نشده را پردازش می کند تا اطلاعات معنی دار را که می تواند متخصصین و پزشکان را درک کند. سپس اطلاعات پردازش شده را نمایش می دهد و آن را به سرور های راه دور ارسال می کند.

1 طراحی سیستم نظارت سلامت A. Arduino Arduino به عنوان یک واحد جمع کننده داده استفاده می شود. Arduino یک هیئت مدیره میکروکنترلر open source است که توانایی به راحتی اینترنت اشیا را قادر می سازد. هیئت مدیره Arduino دارای 16 مگاهرتز پردازنده Atmega328 با 32 کیلوگرم حافظه فلش و 2 کیلوبای RAM است. دارای 6 پین ورودی آنالوگ و 14 پین دیجیتال است که در آن حسگرها و محرک های مختلف می توانند متصل شوند. این دارای ظرفیت انتقال داده مناسب است، بنابراین حسگرهای مختلف و واحدهای ارتباطی می توانند با این دستگاه متصل شوند، و این امر برای این برنامه کاربردی و برنامه های مبتنی بر شبکه حسگر بی سیم مناسب است. یک شبکه حسگر بی سیم بر اساس Arduino در شرح داده شده است. Arduino با یک اتصال سریال پهنای باند محدود به یک دستگاه پردازش و انتقال داده قابل حمل متصل است. کانال بین Arduino و دستگاه پردازش داده قابل حمل به اشتراک گذاشته شده است، بنابراین ارتباط از طریق این کانال مشترک باید برای هر حسگر گسسته باشد. ب حسگرها حسگرهای سلامتی دستگاههایی هستند که ویژگی های مختلفی از ویژگی های فیزیکی بدن انسان را ثبت می کنند. در این بخش، تمام حسگرهای مورد استفاده در سیستم شرح داده شده است. اینها سفارشی هستند تا آنها را با دستگاه جمع کننده داده ارتباط برقرار کنند.

براساس درخواست دستگاه جمع کننده داده i e آردوینو، حسگر ویژگی خاصی را اندازه می گیرد و آن را به جمع کننده داده ارسال می کند

 1) حسگر SPO2: به طور معمول پالس اکسیمتر نامیده می شود. این حسگر یک روش غیر تهاجمی برای اندازه گیری غلظت اکسیژن در هموگلوبین خون ما است. علاوه بر این، میزان ضربان قلب نیز اندازه گیری می شود.

 2) ECG Sensor: الکتروکاردیوگرام برای ارزیابی فعالیت الکتریکی و عضلانی قلب استفاده می شود.

3) حسگر جریان هوا: اساسا حسگر تنفسی است که الگوهای تغییرات در میزان تنفس را اندازه گیری می کند که ممکن است نشان دهنده بی ثباتی فیزیولوژیکی عمده باشد. این یک ابزار تشخیصی مهم برای تشخیص زودهنگام هیپوکسمی و آپنه است.

 4) حسگر دما: این حسگر دمای بدن را اندازه می گیرد

 5) Spygmomanometer: این حسگر فشار خون را در شریان ها اندازه گیری می کند. این دو ارزش، فشار سیستولیک i را می دهد. e فشار در شریان ها زمانی که قلب قرارداد و فشار دیاستولیک من. e فشار در شریان ها وقتی که قلب در حال گسترش است.

6) حسگر موقعیت بدن: این حسگر موقعیت بدن i را اندازه می گیرد. e (ایستاده / نشسته، خوابیدن، رنج و غیره ) بیماری های زیادی وجود دارد که باید موقعیت بدن را تحت نظارت قرار داد. به عنوان مثال ممکن است به تشخیص یک بیمار مبتلا به بیماری پارکینسون کمک کند. همچنین این حسگر می تواند ناهنجاری یا سقوط را تشخیص دهد که در مورد سالمندان ضروری است.

7) GSR (حساسیت پوستی گالوانیزه) حسگر: این حسگر هدایت الکتریکی و مقاومت پوست را که تغییر می کند به عنوان تغییر رطوبت پوست تغییر می کند. همانطور که غدد عرق با سیستم عصبی سمپاتیک کنترل می شوند، لحظات احساس عاطفی قوی، مقاومت الکتریکی و هدایت پوست را تغییر می دهند. این حسگر در شناسایی تحریک روانی و فیزیولوژیکی کمک می کند.

 8) Glucometer: این حسگر گلوکز است که میزان تقریبی غلظت گلوکز خون را اندازه گیری می کند.

 9) EMG Sensor: حسگر الکترومیوگرافی فعالیت الکتریکی عضلات اسکلتی را در طول استراحت و در طول انقباض اندازه گیری می کند.

این می تواند در شناسایی ناهنجاری های پزشکی، سطح فعال سازی، سفارش استخدام یا تجزیه و تحلیل بیومکانیک جنبش انسان کمک کند و برای تشخیص بیماری های عصبی-عضلانی، ارزیابی کمردرد، کینزیولوژی و اختلال کنترل حرکت استفاده می شود. حسگرهای فوق در این سیستم بهداشت و درمان مورد استفاده قرار گرفته اند. اما اگر تعداد زیادی از حسگرها پیشنهاد شده توسط پزشکان متخصص، بتوانند به این سیستم نظارت از راه دور یکپارچه شوند. 2 حسگرهای کنترل سلامت C. رابط برنامه کاربردی صفحه نمایش نشان داده شده است.

 حسگرهای متصل به یک بیمار هر مقدار حسگر در کنار حسگر خاصی. به این ترتیب، تجسم داده های حسگر معنی دار است. سمت راست رابط برنامه دو پانل دارد که نمودارها را نمایش می دهند. 3 رابط برنامه کاربردی آندروید نیز طراحی شده است. این دستگاه بر روی هر دستگاه اندروید دارای یک ماژول فای است. برنامه با کمک اتصال Wi-Fi با حسگرها از طریق Arduino ارتباط برقرار می کند. این نرم افزار همچنین پارامترهایی مانند نمودار ECG، نمودار سرعت تنفس، دمای بدن، پالس، غلظت اکسیژن و فشار خون را نمایش می دهد.

جمع آوری داده های حسگر در سیستم نظارت بر سلامت، تمام داده های حسگر از طریق یک کانال ارتباطی مشترک از واحد جمع کننده داده به واحد پردازش می آیند. هر حسگر از لحاظ طول و اندازه داده ها و نرخ نمونه گیری متفاوت است. برای دستیابی به نتایج قابل اعتماد و قابل اطمینان، این دو پارامتر باید مراقب باشند. از طریق کانال ارتباطی مشترک، داده ها باید به صورت یکپارچه به واحد پردازش داده بپردازند، حفظ میزان نمونه.

 4 رابط کاربر نرم افزار Android Parameters مانند الکتروکاردیوگرام (ECG)، الکتروانسفالوگرام (EEG)، الکترومیوگرام (EMG)، نرخ تنفس (RR) و سایر پارامترهای مبتنی بر گراف، نیاز به نرخ نمونه گیری بالاتری دارند، اما طول داده های کم در هر نمونه را دارند. اما پارامترهای مربوط به تصاویر (به عنوان مثال. تصاویر شفاف، تصاویر میکروسکوپی) و صوتی (به عنوان مثال. صداهای قلبی، تنفسی) نیاز به میزان کمتری از نمونه برداری دارند، اما هر نمونه شامل مقدار زیادی داده است. هر حسگر باید اندازه گیری داده ها را به موقع انجام دهد، به دنبال نرخ نمونه برداری شده پارامتر. همچنین، داده ها باید بدون هیچ گونه تلفات یا همپوشانی به پردازنده داده شوند. بنابراین، هنگامی که یک کانال ارتباطی مشترک استفاده می شود، حسگرهای داده ها از حسگر های مختلف باید به یکدیگر متصل شوند، در غیر این صورت برخی داده ها ممکن است از دست رفته باشند. این باید به گونه ای اجرا شود که هیچ یک از نمونه های هر حسگر از دست نرود و داده ها در زمان معین تحویل داده شوند. در اینجا، تمرکز ما این است که روش مناسب برای انتقال داده ها را از طریق کانال مشترک فراهم کنیم. الف تکنیک پیشنهادی پارامترهای سلامت که در طول زمان اندازه گیری می شوند، تحمل سختی سخت دارند. برای حفظ داده ها دست نخورده و معنی دار، باید تاخیر و نرخ نمونه گیری حفظ شود. بنابراین، یک تکنیک انتقال داده ای در نظر گرفته شده است تا هر حسگر سهم پهنای باند موجود را در اختیار داشته باشد تا هر یک از آنها بتوانند نرخ نمونه برداری، طول داده ها و تاخیر را حفظ کنند. بگذارید، Bc = پهنای باند مجموع (در بیت / ثانیه) کانال ارتباطی. پهنای باند ممکن است به تعداد اسلات تقسیم شود. ایده این است که پهنای باند را در چندین این اسلات اختصاص دهیم. Slotd = اندازه داده ها برای 1 میلی ثانیه مکعب، fi = نرخ نمونه برداری مورد نیاز برای یک حسگر Si، Ldi = طول داده های مورد نیاز برای یک حسگر Si، Ti = دوره های زمانی یا مدت زمان چرخه حسگر LdiMax = حداکثر طول داده ها طول حداکثر طول داده ها مجاز برای حسگر تک در پهنای باند 115200 بیتی توسط LdiMax = SlotdXTi (1) داده می شود. برای محاسبه اندازه داده ها برای هر شکاف میلی ثانیه، Slotd = Bc / (1000 â- 8)، inBytes (2) از تجربه کاربرد پیاده سازی عملی، فرض بر این است که کل پهنای باند (Bc) کانال ارتباطی 115200 بیت / ثانیه است. بنابراین، با استفاده از معادله 2، اندازه داده ها در هر اسلات می شود

: Slotd = 14 Bytes. ما می دانیم، T = 1 / f (3) جایی که T = مدت دوره یا دوره چرخه و f = فرکانس. اکنون برای توضیح تکنیک پیشنهاد شده ما دو سناریو ارائه می کنیم. 1) سناریو 1: حسگر یک (S1) به کانال خالی وارد می شود. فرض کنید که نرخ نمونه برداری مورد نیاز (f1) 125 هرتز است و طول داده مورد نیاز (Ld1) برای پارامتر حساس 25 بایت است. از معادله 3، دوره زمانی برای S1 T1 = 8 میلی ثانیه است. این بدین معنی است که ما 8 عدد اسلات از 14 بایت را داریم. بنابراین، اسلات مورد نیاز برای طول داده حسگر S1 باید در هر 8ms ذخیره شود تا جریان داده مناسب را حفظ کند. ما طول حداکثر مجاز داده ها (Ld1Max) را برای این حسگر با نرخ نمونه گیری مشخص شده از معادله 1 دریافت می کنیم. Ld1Max = 14X8 = 112 Bytes به عنوان Ld1 <Ld1Max، داده های حسگر S1 را می توان به راحتی در پهنای باند کانال قرار داد. به عنوان Ld1 = 25 بایت، حسگر S1 نیاز به 2 شکاف طول Slotd، i دارد. e از 14 بایت. سپس، 6 اسلات باقی مانده بین هر دو نمونه آزاد می باشند. 6X14 = 84 بایت رایگان هستند. 2) سناریو 2: بعد یک حسگر دوم (S2) با نیازهای مختلف به کانال ارتباطی مشترک اضافه شده است. S2 نیاز به نرخ نمونه برداری 10 هرتز (f2) و طول داده های آن (Ld2) 300 بایت است. با استفاده از معادله 3، دوره زمانی را دریافت می کنیم: T2 = 100 میلی ثانیه. بنابراین، ما باید پهنای باند را برای برقراری ارتباط از حسگر S2 در هر 100 میلی ثانیه رزرو کنیم. با استفاده از معادله 1، طول حداکثر مجاز داده شده را دریافت می کنیم: Ld2Max = 14X100 = 1400 بایت در 100 میلی ثانیه در حال حاضر، هنگام ارسال اطلاعات از هر دو حسگر از طریق کانال مشترک، در طول این دوره 100 میلی ثانیه برای حسگر S2، S1 باید ارسال شود به عنوان S1 دارای نرخ نمونه گیری بالاتر است. در طول یک دوره Daple S2، تعداد نمونه هایی از S1 که باید شامل می شود به شرح زیر است: f1 / f2 = 125/10؟ 12 (4) بنابراین پهنای باند موجود برای حسگر S2 توسط معادله زیر داده می شود: Ld2Actual = Ld2Max â '(2XSlotd) X (f1 / f2) (5) از معادله 5، پهنای باند موجود می تواند محاسبه شود، Ld2Actual = 1400 â '((2X14) X12) = 1064 بایت. در حالی که بحث در مورد سناریو 1، ما مشاهده کردیم که بین دو نمونه از حسگر S1 حداکثر 84 بایت می تواند برای ارسال داده ها از حسگر دوم S2 اختصاص داده شود. بعد، داده های S1 باید دوباره ارسال شوند. پس از آن، 84 بایت دیگر در دسترس است و داده های S2 را می توان ارسال کرد. بنابراین، داده ها از دو حسگر می توانند به عنوان نشان داده شده . طول داده های مورد نیاز برای S2 بالا است، i. 300 Bytes.So برای حفظ میزان نمونه مورد نیاز S1، داده های تولید شده از S2 باید به 3 قسمت از 84 بایت تقسیم شوند و 48 بایت باقیمانده را می توان در شکاف آزاد بعدی جای داد.

بنابراین، ما حسگرها را به گونه ای تنظیم می کنیم که داده های طولانی نمی توانند یک اسلات محرمانه از یک حسگر دیگر اشغال کنند و به قطعات کوچک تقسیم شوند. حسگرهای سلامت برنامه ریزی شده پیاده سازی طرح در سیستم نظارت بر سلامت ما، چند حسگر با سرعت نمونه برداری متفاوت و الزامات طول داده استفاده می شود. حسگر ECG نیاز به نمونه برداری 125 هرتز دارد. حسگر تنفسی دارای نرخ نمونه برداری 40 هرتز است و حسگرهای دیگر نرخ نمونه برداری کمتر از 1 هرتز است. هر حسگر نیاز به طول داده های مختلفی دارد که توسط کانال ارتباطات انجام می شود. Arduino با استفاده از پروتوچرها برنامه ریزی شده است تا اطلاعات را با توجه به نرخ نمونه برداری خاص هر حسگر ارسال کند. اگر حداکثر اندازه داده های یک حسگر بزرگتر از اندازه داده های موجود بین اسلات های نمونه ای است که برای حسگرهای دیگر اختصاص داده شده است، داده های حسگر بر اساس داده های حسگرهای دیگر تقسیم شده و با داده ها تعویض می شوند.

 سپس پردازنده داده، داده ها را از جمع کننده داده ها و نمودار های توطئه های جمع آوری داده های تقسیم شده جمع آوری می کند. اگر طول داده های مورد نیاز برای یک حسگر را نمی توان با استفاده از این تکنیک جای داد، پهنای باند باید به منظور حفظ کیفیت داده های حسگر افزایش یابد. V. نتایج برای آزمایش تکنیک زمانبندی، از دو حسگر به عنوان مثال در سیستم نظارت بر سلامت فعال شده در IoT استفاده کرده ایم. ECG با نرخ نمونه بالا و اندازه داده های کوچک â € ¢ دمای بدن با نرخ نمونه کم و اندازه داده های بزرگ به عنوان حسگر ECG نیاز به نرخ نمونه 125 هرتز، ما نیاز به داده های ECG هر 8ms ارسال. در حال حاضر، داده ها از حسگر دمای بدن باید بین این نمونه ها قرار گیرد، زیرا هر دو حسگر از کانال مشترک استفاده می کنند. با این حال، اگر ما داده های حرارت بدن را بین نمونه های حسگر ECG تقسیم نکنیم، این داده ها با داده های ECG همپوشانی دارند و تفسیر داده ها در واحد پردازش تغییر شکل می یابد.

 اما اگر اسلات آزاد را بین نمونه ها از حسگر ECG محاسبه کنیم و سپس داده ها را از حسگر دمای بدن بر اساس اندازه شکاف های آزاد بین نمونه های ECG تقسیم کنیم، سپس نمونه های ECG به تعویق نمی افتند و ECG به درستی در داده ها تفسیر می شود واحد پردازش داده های دریافت شده پس از استفاده از تکنیک پیشنهادی ما . ECG بدون پیگیری تکنیک برنامه ریزی VI تفسیر می شود.

نتیجه گیری برای یک سیستم نظارت بر سلامت برای کارکردن به طور مناسب، میزان نمونه گیری و نیاز به تأخیر هر حسگر را حفظ می کند. 7 ECG بعد از روش برنامه ریزی سیستم نظارت بسیار مهم است. همانطور که پهنای باند محدود است، ما باید هر حسگر را به شیوه ای مناسب که در این مقاله ذکر شده است، برنامه ریزی کنیم، به طوری که میزان نمونه گیری حفظ شده و کیفیت داده ها خوب است. ما نشان داده ایم که با تعویض داده ها با توجه به میزان نمونه گیری مورد نیاز و تقسیم داده های بزرگتر با حداکثر اندازه داده های مجاز، می توانیم نرخ نمونه برداری را برای چند حسگر حفظ کنیم، به طور همزمان اطمینان از انتقال داده ها با استفاده از پهنای باند کارآمد. ADMINISTRATION این کار بخشی از حمایت مالی از ITRA، Media Lab Asia برای انجام پروژه تحقیقاتی تحت عنوان Health Remote Health: چارچوب خدمات سلامتبا استفاده از فناوری Mobile & Sensor-Cloud می باشد. تحقیق از نویسنده دوم توسط برنامه بورس تحصیلی مشاوره خدمات Tata (TCS-RSP) پشتیبانی می شود.