Trådlösa kroppsnätverk, som består av kroppsburna sensorer för att samla information, används vanligen för patientövervakning inom sjukvård och andra applikationer. Batteritiden för en kroppsburen sändare är begränsad på grund av storleken, vilket gör det nödvändigt att inte slösa batteriets energi.

Denna examensuppsats presenterar en naiv sändningseffektkontrollalgoritmoch jämför flera olika anpassande energieffektiva sändningseffektkontrollalgoritmer för undersökning av energieffektivitet och paketförlustkvot. För att jämföra de olika algoritmerna genomfördesen Monte-Carlo-simulering i Python. Simuleringarna använder både ett empiriskt samlat dataset och ett simulerat, baserat på en statistisk karaktärisering av verkliga scenarion. I aktiva scenarion, där en patient rör på sig, så presterade sändningseffektkontrollalgoritmerna dåligt när ramintervallet var 200 ms. Men de presterade betydligt bättre då ramintervallet är 50 ms.

En generell trend som observerades var att algoritmer som aggressivt försökte spara energi, ofta riskerade att tappa paket. Det observerades att en algoritm beskriven av Guo m.fl. presterade bra i alla scenarion, samtidigt som en algoritm från Smith m.fl. och vår naiva presenterade algoritm presterade bra på det lägre ramintervallet, 50 ms. Detta berodde på hur ramintervallet påverkade både mängden och aktualiteten av mottagen data.

Slutsatsen är att ramintervallet starkt påverkar sändningseffektkontrollalgoritmerna prestandan och att de inte automatiskt presterar bättre än lämpligt valda fasta sändningseffektsnivåer, särskilt vid högre ramintervall.

Wireless body area networks, commonly used for patient monitoring in healthcare and other applications, rely on body-worn sensors to gather information. The battery life of an onbody transmitter is restricted due to size limitations, making it essential not to waste battery energy. 

This thesis proposes a naive transmission power control (TPC) algorithm and compares multiple energy-efficient TPC algorithms with respect to energy efficiency and packet loss ratio.

In order to compare the different algorithms, a Monte Carlo simulation was performed in Python. The simulations use both an empirically collected dataset and a simulated one based on statistical characterization of real-world scenarios. In an active scenario of a WBAN worn bya moving person, TPC algorithms performed poorly with a 200 ms frame interval. However, the performance was greatly improved by changing to a 50 ms frame interval. A general trend was observed where algorithms that aggressively tried to save power often risked losing packets.

It was shown that one algorithm described by Guo et al. performed well in all scenarios, while one by Smith et al., and our proposed Naive algorithm performed well only at a shorter frame interval of 50 ms. This was due to how the frame interval affected the amount and recency of the information received.

It was concluded that the frame interval greatly affects the performance of TPC algorithms, and that they do not automatically outperform appropriately selected constant transmission power levels, especially at longer frame intervals.