随着人口老龄化进程加快,对更高质量的医疗服务需求激增,智慧医疗的发展受到了社会的极大关注。无线体域网（Wireless Body Area Network,WBAN）作为智慧医疗的一项关键技术,可实时采集人体的生理指标数据,从而实现远程医疗监护及诊断。然而,由于传感器节点多数采取植入人体的方式,不便于充电,这也使得提高能效成为WBAN的关键解决问题。将传输功率控制、中继协作传输等提高能效的关键技术应用于WBAN需要获取实时信道状态信息（Channel State Information,CSI）,但由于WBAN的动态性,人体运动导致通信链路质量不断发生变化,难以获取理想的CSI。除此之外,在医疗监护场景下,医疗数据的新鲜度要求较高,失去时效性的数据会为医疗决策带来不利影响。上述的WBAN特性给网络通信资源调度带来了新的技术挑战。本文基于不完全CSI,以提高WBAN的通信质量为优化目标,对WBAN的动态特性进行深入研究,设计高能效的资源调度策略并且保证数据传输的可靠性和低时延。本论文围绕WBAN系统的通信技术展开以下研究:首先,本文研究周期运动场景下的WBAN信道变化特性,通过信道测量实验发现周期运动场景下通信链路的路径损失呈现相同周期的波动,并且进一步探索加速度信号与接收端的RSSI之间的相关性。基于以上两个实验现象,本文提出了一种基于步态周期识别的WBAN调度策略,根据传感器节点的加速度信号判断周期性并识别步态周期,从而安排传感器节点在下一个周期的通信链路质量良好的时间点进行数据传输。实验结果表明,相比传统的随机调度策略,该策略显著提升周期运动场景下WBAN的能效及传输可靠性,在实际运动场景下能节省13.56%能耗。其次,本文研究现实场景下的WBAN信道变化特性。在日常活动中,人体具有大量随机且不具周期性的身体摆动,使得通信链路质量具有复杂的动态性。由于传统的信道预测方法难以挖掘WBAN的信道变化特征,本文提出了一个基于时间卷积网络的WBAN通信框架,采用基于时间卷积网络的信道预测模型,进一步联合优化功率控制、时隙分配和中继选择以最大化网络能效,并同时保证高可靠性及低时延的服务质量。仿真结果表明基于时间卷积网络的信道预测模型能实现比传统信道预测方法更高的预测准确性,提出的联合优化算法可根据信道的预测值动态调整中继的选择,并考虑到中继传输带来的额外时延,通过约束调度顺序尽可能降低额外时延并将节点安排在链路质量良好的时间点进行数据传输,从而提高网络能效。最后,本文考虑到医疗数据的瞬态价值,将系统的平均信息年龄作为系统的重要优化目标,结合基于时间卷积网络的信道预测模型,提出一个综合考虑系统的信息年龄及能耗的效用函数,并研究最小化效用函数的调度策略。仿真结果表明提出的调度策略具有优越性,相比传统的随机调度策略降低了大约10%平均信息年龄以及12%的能耗。