毛剛　龔成仙

摘要：當今世界，老齡化問題變得越來越嚴重，如何有效地對老年人口的健康進行實時監(jiān)控，成為人們普遍關注的問題。無線體域網（Wireless Body Area Network）的提出則有望緩解這一問題。該文采用基于頻域的無線信道測量平臺對2-6GHz頻率范圍的無線體域網信道進行測量，包括6種不同的測試位置。最后獲得2-6GHz無線體域網信道的功率延遲分布、平均時延、均方根延時擴展、顯著路徑數以及功率譜等特性。

關鍵詞：無線體域網；超寬帶信道；信道測量；數據處理

中圖分類號：TP393 文獻標識碼：A 文章編號：1009-3044（2015）15-0018-03

近年來世界老齡化問題日趨嚴重，老年人口數量龐大且增長速度快。據官方統(tǒng)計，截止到2012年世界60歲以上的老年人口達到8.2億，預計2050年這一數字將達到20億。隨著人口老齡化，醫(yī)療和其他費用成為一個亟待解決的問題。無線體域網作為解決這一問題的潛在技術受到了廣泛的關注[1-4]。無線體域網主要是用來連續(xù)監(jiān)視和記錄慢性病（如糖尿病、哮喘病和心臟病等）患者的健康參數，有時還可以提供某種方式的自動療法控制。無線體域網信道相對于傳統(tǒng)移動通信信道呈現出一些新的特性。首先，無線體域網中傳感器一般是在人體上，人體運動狀態(tài)的變化以及不同場合的切換就會引起無線體域網信道處于不斷的變化中，故傳統(tǒng)的室內或室外移動衰落信道模型就很難適用于體域網；再者，與移動通信信道不同的是，無線體域網是人體身上或者人體附近的通信網絡，要求較高的醫(yī)療數據精度的同時，不同的個體特征會影響信道，無線信號的衰落就呈現出復雜的、沒有規(guī)律的變化狀態(tài)。但是接收信號的衰落情況能夠如實反映通信的好壞，因此無線體域網信道特性研究就變得相當重要。

本文通過搭建完整的無線體域網信道測量平臺獲取了靜態(tài)室內環(huán)境下超寬帶信道測試數據，并且通過頻域數據加窗、傅里葉反變換、調整分辨率、去除噪聲等步驟提取出信道的沖激響應。最后根據信道的沖激響應，利用matlab仿真軟件計算出信道的歸一化功率延遲分布、顯著路徑數、均方根延時、平均時延。

1信道測量

本次測量在室內進行，采用兩個完全相同的單極子超寬帶全向天線作為發(fā)射天線和接收天線，天線工作頻率在2-6GHz。發(fā)射天線固定在人體的腹部，接收天線分別固定在人體的肩部、胸部、膝蓋、腳腕、手臂以及手腕，如圖1所示。所用的測量儀器是AV3629A一體化矢量網絡分析儀，通過將接收天線固定腹部，發(fā)射天線固定在6個不同的位置，每個位置測試4次，每次測試數據個數為2000個，獲得24組不同的數據。

2數據處理

由測量獲得的數據每組2000個，根據超寬帶信號處理技術對數據進行處理。數據處理流程圖如圖2所示。

2.1 去除天線響應

天線的特性對接收信號有一定的影響，不同的天線可能會導致不同的信道模型，為了更加精確地為信道建模，去除天線的響應是有必要的。去除天線響應時需要用到暗室數據，由于條件限制，本文沒有去除天線響應。

2.2 頻域數據加窗

超寬帶信道測試獲得的頻域數據，由于頻率是帶限的，故在頻率的兩端，測試數據會出現明顯的跳變，如果直接將該數據進行IFFT傅里葉反變換，旁瓣就會很大。因此就要想方設法在不影響數據準確性的前提下，能夠最大限度地減弱旁瓣的大小。實驗證明，通過對數據加窗不但能夠增加時域脈沖的主辯寬度，同時還能減弱旁瓣。在圖像處理中，使用的最頻繁的是海明（Hamming）窗、漢寧（Hanning）窗、凱瑟（Kaiser）窗。分別對頻域數據加Hamming窗、Hanning窗、Kaiser窗以對比加窗對測試數據的影響。圖3為肩膀-腹部區(qū)域測試數據加不同窗后的結果。

2.3 傅里葉反變換（IFFT）和調整分辨率

從頻域數據中獲得時域沖激響應，最關鍵的技術就是傅里葉反變換，通常傅里葉反變換有兩種方法：復數基帶的傅里葉反變換和實數通帶傅里葉反變換。復數基帶傅里葉反變換是直接把帶通信號當成低通信號處理。通過復數基帶傅里葉反變換獲得的時域數據是一組復數序列，這就增加了后期數據處理的難度。而實數通帶傅里葉反變換結果是一組實數序列，所以該方法使用得最頻繁。采用實數通帶傅里葉反變換處理數據時，通常先通過補零，然后以零為中心作對稱共軛頻譜，再進行傅里葉反變換。實數通帶傅里葉反變換可以降低后期的數據處理難度，同時系統(tǒng)的時間分辨率會變高，為了保證信道建模的準確性，需要把分辨率調整到實際的系統(tǒng)分辨率。

本文中選擇實數通帶傅里葉反變換，圖4是肩膀-腹部所測原始信號加Kaiser窗，并經實數通帶傅里葉反變換和調整分辨率所獲得的時域圖，如圖4所示。

2.4 去除噪聲

設備器件材料、開關接觸等都會引起噪聲，信道中存在的噪聲是雜亂無章的，保留這些分量會增加系統(tǒng)建模的難度，故去除這些分量是很有必要的。通常采用小波變換法去除噪聲，其基本思想是根據噪聲與信號在不同頻帶上的小波分解系數具有不同強度分布的特點，將各頻帶上的噪聲對應的小波系數去除，保留原始信號的小波分解系數，然后對處理后的系數進行小波重構，得到純凈信號。圖5為去除噪聲后的時域圖形。

2.5 設置時間零點

通過傅里葉反變換原理得，變換后的數據是周期性的，因此調整時域數據的時間零點變得必不可少。在LOS環(huán)境中，將第一條到達的具有顯著幅度的多徑分量的到達時間設置為時間零點，將此分量之前的多徑分量平移到最后。在NLOS環(huán)境中，將幅度大于峰值多徑的十分之一的最開始到達的多徑的時間設置為時間零點，同樣將此分量之前的多徑分量平移到最后，圖6為調整時間零點后的時域圖形即信道的時域沖激響應。

3信道相關特性提取

3.1 功率延遲分布

功率延遲分布（PDP）是一個以附加時延為自變量的函數，該附加時延是基于一個固定的時延參考量獲得的。通常用圖來表示功率延遲分布，其橫坐標為附加時延，縱坐標為歸一化的接收功率[5]。在實際的寬帶數據處理中，既可以從頻域數據中計算功率延遲分布，也可以從時域沖激響應中計算功率延遲分布?；陬l域數據的功率延遲分布計算法是將到達的多徑按頻率分辨率分為多段，然后計算每段的平均接收功率即可獲得功率延遲分布?；跁r域沖激響應的功率延遲分布計算法是直接將數據平方。本文采用時域沖激響應計算功率延遲分布。圖7為肩膀-腹部的歸一化功率延遲分布。

3.4 顯著路徑數

在移動衰落信道中，通常歸一化信道的沖激響應，然后把峰值10dB范圍的多徑數量或者不超過總能量85%的多徑數量作為顯著路徑數。本文中以不超過總能量的85%為閥值計算顯著路徑數。

4結束語

本論文根據2-6GHz無線體域網信道的測量數據，經過一系列的數據處理技術提取出了信道的時域沖激響應。然后基于信道的時域沖激響應獲得信道的功率延遲分布、均方根延時擴展、平均時延和顯著路徑數。在以后的研究中將對信道特特性進行深入的研究。

參考文獻：

[1] Bernardhard J， Nagel P， Hupp J， et al. BAN-body area network for wearable computing[C]//9th Wireless World Research Forum Meeting， Zurich， Switzerland， 2003.

[2] Jovanov E， O'Donnell Lords A， Raskovic D， et al. Stress monitoring using a distributed wireless intelligent sensor system[J]. Engineering in Medicine and Biology Magazine， IEEE， 2003， 22（3）： 49-55.

[3] Kunze C， Grossmann U， Stork W， et al. Application of ubiquitous computing in personal health monitoring systems[J]. Biomedizinische Technik/Biomedical Engineering， 2002，47（s1a）： 360-362.

[4] Timmons N F， Scanlon W G. Analysis of the performance of IEEE 802.15. 4 for medical sensor body area networking[C]//Sensor and ad hoc communications and networks， 2004. IEEE SECON 2004. 2004 First Annual IEEE Communications Society Conference on. IEEE， 2004： 16-24.

[5] 劉江庭. 超寬帶 （UWB） 室內信道建模研究[D]. 哈爾濱： 哈爾濱工程大學， 2006.

[6] Fort A， Desset C， Ryckaert J， et al. Ultra wide-band body area channel model[C]//Communications， 2005. ICC 2005. 2005 IEEE International Conference on. IEEE， 2005， 4： 2840-2844.